CN112785054A - 一种基于库存推移的多制约因素综合型生产订单排程系统 - Google Patents

一种基于库存推移的多制约因素综合型生产订单排程系统 Download PDF

Info

Publication number
CN112785054A
CN112785054A CN202110059242.8A CN202110059242A CN112785054A CN 112785054 A CN112785054 A CN 112785054A CN 202110059242 A CN202110059242 A CN 202110059242A CN 112785054 A CN112785054 A CN 112785054A
Authority
CN
China
Prior art keywords
scheduling
production
calculation
rule
production order
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110059242.8A
Other languages
English (en)
Other versions
CN112785054B (zh
Inventor
谢晨
李和平
张启亮
姜丽萍
黄凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Xugong Information Technology Co ltd
Original Assignee
Jiangsu Xugong Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Xugong Information Technology Co ltd filed Critical Jiangsu Xugong Information Technology Co ltd
Priority to CN202110059242.8A priority Critical patent/CN112785054B/zh
Publication of CN112785054A publication Critical patent/CN112785054A/zh
Application granted granted Critical
Publication of CN112785054B publication Critical patent/CN112785054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：包括制约因素配置模块、排程规则引擎模块、生产订单管理模块、科学排程模块和查询模块；以输入的生产订单和制约因素规则集合在服务端建立高效的蚁群算法模型来处理传统应用系统业务问题，并允许利用更多的计算机服务器资源进行互不影响的并行计算，这种软硬件结合的新模式能够显著提升生产订单排程效率，在本发明中，独创性的将库存上限始终同时视为环境信息、移动规则和避障规则影响算法的执行和结果。

Description

一种基于库存推移的多制约因素综合型生产订单排程系统
技术领域
本发明涉及生产订单排程算法技术，具体是一种基于库存推移的多制约因素综合型生产订单排程系统。
背景技术
随着电子商务的兴起以及用户需求多样化的市场变化，制造型企业获得的生产订单开始从大规模生产向多品种、小批量转变，企业收到的生产订单从几天一个、每天几个增长到每天成百上千。传统通过调度员经验人工编排生产订单的方式，在愈发复杂的生产订单种类和越来越多的订单数量面前，渐渐难以满足实际需求——不但效率难以跟上、而且大多数时候无法得出匹配工厂产能的最优排程方案。如何高效、科学的编排生产订单、最大化利用工厂产能，对提升企业综合竞争力非常重要。
发明内容：
为解决上述现有的生产订单排程效率与合理性问题，本发明提供一种基于库存推移的多制约因素综合型生产订单排程系统。
本发明采用的技术方案：一种基于库存推移的多制约因素综合型生产订单排程系统，包括制约因素配置模块、排程规则引擎模块、生产订单管理模块、科学排程模块和查询模块；
所述的制约因素配置模块，用于配置物料流转周期、生产订单优先级、生产环境制约、产能约束、换型损耗和库存上限；
所述的排程规则引擎模块，用于创建一种或多种排程规则引擎，并为每一种引擎独立配置所有制约因素是否激活、以及配置制约因素的强制性和优先级；
所述的生产订单管理模块，用于创建、导入、编辑或删除订单；
所述的科学排程模块，用于选择生产订单集合，并按照指定的规则引擎进行编排计算，输出排程结果，并展示排程结果周期内的库存推移数据，同时用户可以修改引擎配置或自主调整和导出排程结果；
所述的查询模块，用于查询历史排程履历、每次排程结果的详细信息和导出排程结果。
优选的，所述的制约因素配置模块，进行制约因素配置的方法如下：
A1：配置物料流转周期；首先配置所有物料基本信息，包含物料编码、物料名称、规格和计量单位；其次配置物料工艺路线，包含物料制程中的所有生产工序和工序执行顺序，以及每道工序的标准工时、准备时间、下道转移时间；最后配置所有物料的BOM列表，包含在每道工序需要提供的零件和数量；
A2：配置生产订单优先级，定义生产订单分类，以及各类订单在排程时的计算优先级；
A3：配置生产环境约束，首先配置生产资源，定义可用于制造的生产线，以及生产资源的工作日历，其次配置每个生产资源对应的制程以及可以制造的物料范围；
A4：配置换型约束，换型指特定生产资源切换所制造的物料品种时的额外时间开销，此类时间开销代表产能浪费；
A5：配置库存上限约束，首先配置所有生产资源附属的存储区域，以及零件和成品存储区域，再定义每个存储区域的物料存放警戒值、上限值；
优选的，步骤A1中所述的零件允许有其BOM组成，物料BOM是无限层级的树型结构。
优选的，所述的排程规则引擎模块，依据步骤A1至A4配置的约束条件，选取其中若干项，作为引擎计算规则成员；并指定每个项次是优先型约束还是强制性约束，强制性约束在计算时将被认为最高优先级；强制性约束之间存在优先级顺序、优先型约束也存在优先级顺序，但任意强制性约束优先级都高于优先型约束；作为该排程引擎编排计算生产订单顺序的规则；完成之后，需设定排程规则引擎的最优解判定方式，选项有：耗时最短、平均库存最小还是产能浪费最少。
优选的，所述的生产订单管理模块，导入生产订单；用户导入属性符合要求的生产订单，作为待排程对象；生产订单必须符合以下要求：具备全局唯一不重复的生产订单编号、订单类型在系统中已维护、产品物料在系统中已维护、具有大于零的计划生产数量、具有当前或之后日期的交期。
优选的，所述的科学排程模块，进行排程的方法如下：
用户从已导入的生产订单中选取本次排程的订单集合，指定唯一的排程规则引擎，并设置排程终止条件最大代数MAX_GEN、最大用时MAX_TIME、计算资源倍率Resource_TIMES，开始编排计算；在初次排程计算前，实施人员应当配置MAX_GEN、MAX_TIME、Resource_TIMES，以及算法主要控制参数：信息启发因子α，期望启发因子β，蚁群数量m，信息挥发因子ρ：
B1：计算前数据验证：验证所选订单集合的物料、结合物料工艺路线均存在可制造的生产资源，否则结束计算，输出不符合项列表，并提示用户对应的修改信息；
B2：计算前条件验证：验证排程规则引擎的所有参数项、排程规则引擎引用的所有约束条件的参数项、科学排程的所有参数均已配置完成，否则结束计算，输出不符合项列表，并提示用户对应的修改信息；
B3：以输入的生产订单集合结合排程规则引擎建立蚁群算法模型，以生产订单集合为样本、以随机算法建立节点集，以此为寻路图谱作为计算依据；并导入生成Allowed表，存储寻路蚂蚁未来还可以访问的节点；此时将以计算资源倍率Resource_TIMES配置的数量建立指定份数的计算副本，每份中的生产订单集合由于随机分布规则，所以并不相同；接着设置感知范围、环境信息、移动规则、避障规则、散发信息素规则，将生产订单列表求解转化为求解遍历图G＝(V,E,C)模型；在本发明中，独创性的将库存上限始终同时视为环境信息、移动规则和避障规则影响算法的执行和结果；实时的库存情况就是前文多次提及的库存推移概念；对每个节点副本，算法将以库存推移、产能约束、换型浪费为首要优先级分别运行三次，最短路径即为当前条件下的最优解；
B4：避障规则通过强制性约束条件建立、散发信息素规则通过产能占用、库存推移建立，每个迭代中所有路径上生成的信息素以矩阵Delta存储；当产能占用达到生产资源可用上限时或库存推移在某时刻达到库存上限时，转化为避障规则；经历过的订单将加入Tabu表(禁忌表)，表示在本次迭代中将不再访问的对象，并从Allowed表中移除，并记录残留信息素信息ij(t)；
B5：开始执行算法，以计算资源倍率Resource_TIMES创建指定数量的线程副本数，进行多线程并行计算；以控制参数m作为蚂蚁数的算法参数；由于每个副本的Allowed表均为随机分布，所以各计算结果相互独立，互不干扰，算法总计运行MAX_GEN次；如果计算过程达到最大代数MAX_GEN时，算法终止，转到B6步；否则重新初始化所有生产订单节点Allowed表并随机排布之，清除所有Tabu表，清除残留信息素信息Δij(t)以及Delta矩阵，重复执行B2、B3、B4步；
B6：当计算耗时达到MAX_TIME时，如果存在符合要求的解，终止计算，跳转到B7步；
B7：当计算耗时达到MAX_TIME时，或提前运算所有可能，都不存在符合要求的解时，终止运算，并提示用户放宽或关闭制约因素；在用户执行后，重复执行B1、B2、B3、B4、B5步；
B8：输出所有解(生产订单编排方案)的集合，并标记其中的最优解；每种编排方案都会以分钟刻度标记各时刻的库存推移。
本发明的有益效果：与制造业现行排产方法、技术相比，本发明中利用以输入的生产订单和制约因素规则集合在服务端建立高效的蚁群算法模型来处理传统应用系统业务问题，并允许利用更多的计算机服务器资源进行互不影响的并行计算，这种软硬件结合的新模式能够显著提升生产订单排程效率，在本发明中，独创性的将库存上限始终同时视为环境信息、移动规则和避障规则影响算法的执行和结果。尤其是在企业面临多品种、小批量的成百上千生产订单需要编排的情况下。同时现有排产方法依赖人的直观印象、准确率难以保证，本发明严格根据数据模型进行计算，大大提升了编排结果的合理性。最后，编排结果提供的耗时最短、平均库存最小、或浪费最少选项，以及结果修正权限，也使得企业用户可以结合自身需求快速、正确、精准的获得大量生产订单的编排方案，解决了行业内生产订单爆炸式增长与企业计划管理能力不足的矛盾。
附图说明
图1为本发明的系统架构图
图2为本发明的拓扑示意图
图3为本发明的算法示意图
图4为本发明基于蚁群算法的数据匿名处理流程图。
具体实施方式
如图1所示，本发明由排程制约因素配置、排程规则引擎配置、生产订单管理、科学排程模块、查询模块构成；其中排程制约因素配置进一步由物料周转周期配置、生产订单优先级配置、生产环境约束配置、产品换型配置、库存上限约束配置。
如图2所示，本发明由服务器和客户端构成，所述服务器使用Linux操作系统、MySQL数据库，客户端为浏览器，用户通过客户端进行业务配置、数据导入导出和排程计算。其中客户端浏览器优选的品种有Chrome、火狐和微软Edge浏览器。
本发明的生产订单排程具体过程如图3所示。在完成制约因素配置、排程规则引擎配置后，用户可以导入生产订单进行科学排程。执行科学排程需要选取明确的生产订单集合，并指定一种排程规则引擎，同时设置本次排程计算的迭代数、最大运算时间、投入资源倍率；计算过程将以输入的数据建立随机节点模型，使用蚁群算法进行排程最优解运算。
以每个生产订单产品物料制程中的每一道工序作为一个数据节点，将节点随机分布，形成G＝(V,E,C)模型，将整个过程变为对遍历图求解计算。在建模过程中，本发明将库存制约作为权重最高的节点，联通本节点的路径权重值同样最高。
求解过程是将一次排程方案的尝试作为蚂蚁，如图4所示，在各节点寻路，过程中释放信息素；遇到还未尝试的路径分支就随机选择其一前进，同时释放与路径长度成反比浓度的信息素；再次尝试将优先选择信息素浓度更高的路径；客观最优路径上的信息素浓度越来越高，直至成解。
为避免信息素淹没，每只蚂蚁(每次尝试)完成对所有节点的遍历后，需要按照蚁周模型，更新所有路径上的信息素，对残留信息素数值进行调整的算法为：
τij(t+n)＝(1-ρ)×τij(t)+Δτij(t)
Figure BDA0002899443370000051
控制参数α为信息启发因子、取值范围[0,5]，α越大寻路就越倾向于选择走过的路径。
控制参数β为期望启发因子、取值范围[0,5]，β越大越容易选择局部较短路径，算法收敛速度将加快、可用于紧急插单计算。
m蚁群数量、取值范围[10,10000]，数量越多得到的解越精确，但意味着更多的算法资源开销、同时会出现更多的重复数据，随着算法接近最优解的收敛，大量重复数据带来的正反馈价值会降低，将会大大增加时间复杂度。所以在实施时，m数量需要与资源倍率Resource_TIMES进行正比联动配置。
控制参数ρ为信息挥发因子、取值范围[0.1,0.99]，1-ρ代表信息素残留因子，ρ越小时会导致无效路径继续被搜索、ρ越大时可能会导致有效路径也被放弃，影响到最优解获取。
当排程计算达到MAX_TIMES时，算法将会终止，如果存在一个或多个符合要求的解，则向用户输出；否则将每一次无效寻路的节点反向建模、回归至约束条件，提示用户放宽或取消该约束条件后才可能继续求解，然后重复前述步骤直至获得满足要求的排程方案。其中最优方案评判标准为分别符合库存推移占用最小、产能浪费最少、耗时最短标准的一套或前N套生产订单编排方案。
每次计算的排程方案将自动保存到MySQL数据库中进行持久化存档，可以按照客户需求通过查询或导出文件的方式输出。
以上所述为本发明的一种实施方式，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明的包含范围之内。

Claims (6)

1.一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：包括制约因素配置模块、排程规则引擎模块、生产订单管理模块、科学排程模块和查询模块；
所述的制约因素配置模块，用于配置物料流转周期、生产订单优先级、生产环境制约、产能约束、换型损耗和库存上限；
所述的排程规则引擎模块，用于创建一种或多种排程规则引擎，并为每一种引擎独立配置所有制约因素是否激活、以及配置制约因素的强制性和优先级；
所述的生产订单管理模块，用于创建、导入、编辑或删除订单；
所述的科学排程模块，用于选择生产订单集合，并按照指定的规则引擎进行编排计算，输出排程结果，并展示排程结果周期内的库存推移数据；
所述的查询模块，用于查询历史排程履历、每次排程结果的详细信息和导出排程结果。
2.根据权利要求1所述的一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：所述的制约因素配置模块，进行制约因素配置的方法如下：
A1：配置物料流转周期；首先配置所有物料基本信息，包含物料编码、物料名称、规格和计量单位；其次配置物料工艺路线，包含物料制程中的所有生产工序和工序执行顺序，以及每道工序的标准工时、准备时间、下道转移时间；最后配置所有物料的BOM列表，包含在每道工序需要提供的零件和数量；
A2：配置生产订单优先级，定义生产订单分类，以及各类订单在排程时的计算优先级；
A3：配置生产环境约束，首先配置生产资源，定义可用于制造的生产线，以及生产资源的工作日历，其次配置每个生产资源对应的制程以及可以制造的物料范围；
A4：配置换型约束，换型指特定生产资源切换所制造的物料品种时的额外时间开销，此类时间开销代表产能浪费；
A5：配置库存上限约束，首先配置所有生产资源附属的存储区域，以及零件和成品存储区域，再定义每个存储区域的物料存放警戒值、上限值。
3.根据权利要求2所述的一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：步骤A1中所述的零件允许有其BOM组成，物料BOM是无限层级的树型结构。
4.根据权利要求2所述的一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：所述的排程规则引擎模块，依据步骤A1至A4配置的约束条件，选取其中若干项，作为引擎计算规则成员；并指定每个项次是优先型约束还是强制性约束，强制性约束在计算时将被认为最高优先级；强制性约束之间存在优先级顺序、优先型约束也存在优先级顺序，但任意强制性约束优先级都高于优先型约束；作为该排程引擎编排计算生产订单顺序的规则；完成之后，需设定排程规则引擎的最优解判定方式，选项有：耗时最短、平均库存最小还是产能浪费最少。
5.根据权利要求1所述的一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：所述的生产订单管理模块，导入生产订单；用户导入属性符合要求的生产订单，作为待排程对象；生产订单必须符合以下要求：具备全局唯一不重复的生产订单编号、订单类型在系统中已维护、产品物料在系统中已维护、具有大于零的计划生产数量、具有当前或之后日期的交期。
6.根据权利要求1所述的一种基于库存推移的多制约因素综合型生产订单排程系统，其特征在于：所述的科学排程模块，进行排程的方法如下：
用户从已导入的生产订单中选取本次排程的订单集合，指定唯一的排程规则引擎，并设置排程终止条件最大代数MAX_GEN、最大用时MAX_TIME、计算资源倍率Resource_TIMES，开始编排计算；在初次排程计算前，实施人员应当配置MAX_GEN、MAX_TIME、Resource_TIMES，以及算法主要控制参数：信息启发因子α，期望启发因子β，蚁群数量m，信息挥发因子ρ：
B1：计算前数据验证：验证所选订单集合的物料、结合物料工艺路线均存在可制造的生产资源，否则结束计算，输出不符合项列表，并提示用户对应的修改信息；
B2：计算前条件验证：验证排程规则引擎的所有参数项、排程规则引擎引用的所有约束条件的参数项、科学排程的所有参数均已配置完成，否则结束计算，输出不符合项列表，并提示用户对应的修改信息；
B3：以输入的生产订单集合结合排程规则引擎建立蚁群算法模型，以生产订单集合为样本、以随机算法建立节点集，以此为寻路图谱作为计算依据；并导入生成Allowed表，存储寻路蚂蚁未来还可以访问的节点；此时将以计算资源倍率Resource_TIMES配置的数量建立指定份数的计算副本，每份中的生产订单集合由于随机分布规则，所以并不相同；接着设置感知范围、环境信息、移动规则、避障规则、散发信息素规则，将生产订单列表求解转化为求解遍历图G=(V,E,C)模型；在本发明中，独创性的将库存上限始终同时视为环境信息、移动规则和避障规则影响算法的执行和结果；实时的库存情况就是前文多次提及的库存推移概念；对每个节点副本，算法将以库存推移、产能约束、换型浪费为首要优先级分别运行三次，最短路径即为当前条件下的最优解；
B4：避障规则通过强制性约束条件建立、散发信息素规则通过产能占用、库存推移建立，每个迭代中所有路径上生成的信息素以矩阵Delta存储；当产能占用达到生产资源可用上限时或库存推移在某时刻达到库存上限时，转化为避障规则；经历过的订单将加入Tabu表（禁忌表），表示在本次迭代中将不再访问的对象，并从Allowed表中移除，并记录残留信息素信息 ij ( t ) ；
B5：开始执行算法，以计算资源倍率Resource_TIMES创建指定数量的线程副本数，进行多线程并行计算；以控制参数m作为蚂蚁数的算法参数；由于每个副本的Allowed表均为随机分布，所以各计算结果相互独立，互不干扰，算法总计运行MAX_GEN次；如果计算过程达到最大代数MAX_GEN时，算法终止，转到B6步；否则重新初始化所有生产订单节点Allowed表并随机排布之，清除所有Tabu表，清除残留信息素信息Δ ij ( t ) 以及Delta矩阵，重复执行B2、B3、B4步；
B6：当计算耗时达到MAX_TIME时，如果存在符合要求的解，终止计算，跳转到B7步；
B7：当计算耗时达到MAX_TIME时，或提前运算所有可能，都不存在符合要求的解时，终止运算，并提示用户放宽或关闭制约因素；在用户执行后，重复执行B1、B2、B3、B4、B5步；
B8：输出所有解（生产订单编排方案）的集合，并标记其中的最优解；每种编排方案都会以分钟刻度标记各时刻的库存推移。
CN202110059242.8A 2021-01-15 2021-01-15 一种基于库存推移的多制约因素综合型生产订单排程系统 Active CN112785054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110059242.8A CN112785054B (zh) 2021-01-15 2021-01-15 一种基于库存推移的多制约因素综合型生产订单排程系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110059242.8A CN112785054B (zh) 2021-01-15 2021-01-15 一种基于库存推移的多制约因素综合型生产订单排程系统

Publications (2)

Publication Number Publication Date
CN112785054A true CN112785054A (zh) 2021-05-11
CN112785054B CN112785054B (zh) 2023-12-08

Family

ID=75756869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110059242.8A Active CN112785054B (zh) 2021-01-15 2021-01-15 一种基于库存推移的多制约因素综合型生产订单排程系统

Country Status (1)

Country Link
CN (1) CN112785054B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113651018A (zh) * 2021-08-18 2021-11-16 宁波极望信息科技有限公司 一种具有可视化掌控进度的生产计划排程管理系统
CN113780738A (zh) * 2021-08-11 2021-12-10 宁波帅特龙集团有限公司 一种订单分配方法与系统
CN113780815A (zh) * 2021-09-13 2021-12-10 南京星基数字科技有限公司 一种基于制造效率的线缆挤出生产排程系统及方法
CN114186779A (zh) * 2021-11-03 2022-03-15 北京科技大学 多型号小批量生产线动态调度方法及生产调度系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN110570115A (zh) * 2019-09-03 2019-12-13 上海百胜软件股份有限公司 处理大规模订单高效分配的方法和系统
CN110599090A (zh) * 2019-09-04 2019-12-20 浙江明度智控科技有限公司 一种仓储出库管理方法、服务器和存储介质
CN110942251A (zh) * 2019-11-27 2020-03-31 安徽大学 一种基于联合蚁群算法的批调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927643A (zh) * 2014-04-30 2014-07-16 洪剑 一种大规模订单处理与配送路径优化的方法
CN110570115A (zh) * 2019-09-03 2019-12-13 上海百胜软件股份有限公司 处理大规模订单高效分配的方法和系统
CN110599090A (zh) * 2019-09-04 2019-12-20 浙江明度智控科技有限公司 一种仓储出库管理方法、服务器和存储介质
CN110942251A (zh) * 2019-11-27 2020-03-31 安徽大学 一种基于联合蚁群算法的批调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李言;刘永;李淑娟;杨明顺;: "面向多订单的JSP建模及其蚁群算法实现", 中国机械工程, no. 18 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780738A (zh) * 2021-08-11 2021-12-10 宁波帅特龙集团有限公司 一种订单分配方法与系统
CN113780738B (zh) * 2021-08-11 2024-03-05 宁波帅特龙集团有限公司 一种订单分配方法与系统
CN113651018A (zh) * 2021-08-18 2021-11-16 宁波极望信息科技有限公司 一种具有可视化掌控进度的生产计划排程管理系统
CN113780815A (zh) * 2021-09-13 2021-12-10 南京星基数字科技有限公司 一种基于制造效率的线缆挤出生产排程系统及方法
CN114186779A (zh) * 2021-11-03 2022-03-15 北京科技大学 多型号小批量生产线动态调度方法及生产调度系统

Also Published As

Publication number Publication date
CN112785054B (zh) 2023-12-08

Similar Documents

Publication Publication Date Title
CN112785054B (zh) 一种基于库存推移的多制约因素综合型生产订单排程系统
CN102254246B (zh) 一种工作流管理方法及其系统
Zhao et al. Dynamic jobshop scheduling algorithm based on deep Q network
CN110956371B (zh) 面向复杂人机耦合的智能制造车间的绿色调度优化方法
CA2318599A1 (en) Method for computerized supply chain planning
TWI788650B (zh) 用於半導體加工調度的方法、半導體加工調度系統和非暫時性電腦可讀儲存介質
CN109299180B (zh) 一种数据仓库etl操作系统
CN106371924B (zh) 一种最小化MapReduce集群能耗的任务调度方法
CN103279818A (zh) 基于启发式遗传算法的云工作流调度方法
CN113487155B (zh) 一种用于塑料行业的智能排程系统
CN112327621B (zh) 一种基于蚁群算法的柔性生产线自适应控制系统及方法
Skobelev et al. Ontology-based Open Multi-agent Systems for Adaptive Resource Management.
CN115965154A (zh) 一种基于知识图谱的数字孪生机械加工过程调度方法
US6731999B1 (en) Wafer start order release algorithm in a foundry fab
Fan et al. Tabu-search-based order seat planning for engineer-to-order manufacturing
Xu A petri net-based hybrid heuristic scheduling algorithm for flexible manufacturing system
Hossain et al. PSO-based harmony search algorithm to aggregate production planning under possibilistic environment
Chen et al. Digital twin-oriented collaborative optimization of fuzzy flexible job shop scheduling under multiple uncertainties
CN110716522B (zh) 基于任意时间a*启发式搜索的制造企业车间调度优化方法
KORUCA et al. A priority rule based production scheduling module on faborg-sim simulation tool
CN101794417A (zh) 基于序号的工作流调度和业务流程建模方法
Jaeger et al. Management and utilization of knowledge for the automatic improvement of workflow performance
Quan et al. Multi-objective evolutionary scheduling based on collaborative virtual workflow model and adaptive rules for flexible production process with operation reworking
CN117215275B (zh) 一种基于遗传编程的柔性车间大规模动态双效调度方法
Jin Intelligent logistics supply chain management system based on genetic algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 221000 No. 6, Keji Road, Xuzhou Economic and Technological Development Zone, Xuzhou City, Jiangsu Province

Applicant after: XCMG Hanyun Technology Co.,Ltd.

Address before: 221000 east of Keji Road, industrial zone, Xuzhou Economic and Technological Development Zone, Xuzhou City, Jiangsu Province

Applicant before: JIANGSU XUGONG INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant