CN113537847B - 产能规划方法及可读存储介质 - Google Patents

产能规划方法及可读存储介质 Download PDF

Info

Publication number
CN113537847B
CN113537847B CN202111089963.XA CN202111089963A CN113537847B CN 113537847 B CN113537847 B CN 113537847B CN 202111089963 A CN202111089963 A CN 202111089963A CN 113537847 B CN113537847 B CN 113537847B
Authority
CN
China
Prior art keywords
product
monthly
objective function
upper limit
equipment
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.)
Active
Application number
CN202111089963.XA
Other languages
English (en)
Other versions
CN113537847A (zh
Inventor
吴天生
赵耀坤
翁庆忠
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.)
Yuexin Semiconductor Technology Co.,Ltd.
Original Assignee
Guangzhou Yuexin Semiconductor 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 Guangzhou Yuexin Semiconductor Technology Co Ltd filed Critical Guangzhou Yuexin Semiconductor Technology Co Ltd
Priority to CN202111089963.XA priority Critical patent/CN113537847B/zh
Publication of CN113537847A publication Critical patent/CN113537847A/zh
Application granted granted Critical
Publication of CN113537847B publication Critical patent/CN113537847B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明提供了一种产能规划方法及可读存储介质。其中，所述产能规划方法的决策变量包括产品的月产量和设备群组的月可用时长增量；规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；目标函数为预期的收益增加值；约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限。如此配置，新的产能计划从多个与生产相关的维度进行产能规划评估，从而能够全面地分析最终的投产效果，解决了现有技术中缺乏一种从全局出发进行产能规划的方法的问题。

Description

产能规划方法及可读存储介质
技术领域
本发明涉及数据分析领域，特别涉及一种产能规划方法及可读存储介质。
背景技术
针对晶圆厂规模的问题研究上，通常以工厂产能规划的角度来进行简单分析。虽然规模扩大能使工厂迈向规模经济以达到降低成本和提升收益的目的，但规模经济的趋势并非一定随着产能的持续扩张而持续下降，也存在因扩张而导致管理以及其他成本的上升，从而使得平均成本呈上升趋势，导致规模不经济的结果，无法达到效益最大化的目标。而产能规划的最主要影响是产品种类的差异导致设备产能使用的差异性与产品利润的差异性，公司如何在有限资源的情况下，获得最大的利益，需要运用一套全面算法模型，以此来做出更有效的决策，达成经济效益最大化的目的。
总之，现有技术中缺乏一种从全局出发进行产能规划的方法。
发明内容
本发明的目的在于提供一种产能规划方法及可读存储介质，以解决现有技术中缺乏从全局出发进行产能规划的方法的问题。
为了解决上述技术问题，本发明提供了一种产能规划方法，所述产能规划方法包括：
基于决策变量、规划参数和约束参数建立目标函数和约束条件不等式；以及，
基于所述目标函数和所述约束条件不等式获得所述目标函数的最大值和相对应的所述决策变量；其中，
所述决策变量包括产品的月产量和设备群组的月可用时长增量；所述月产量包括至少三个子产量，不同的所述产品对应不同的所述子产量；所述月可用时长增量包括至少三个子增量，不同的所述设备群组对应不同的所述子增量；
所述规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；
所述目标函数为预期的收益增加值；
所述约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限。
可选的，所述获得所述目标函数的最大值和相对应的所述决策变量的步骤包括：基于单纯形法、对偶法、分解法或数值方法中的至少一种获得所述目标函数的最大值和相对应的所述决策变量。
可选的，所述产品的工艺流程包括：依次经过每一种所述设备群组加工。依次应当理解为，每一种所述设备群组都参与了加工，但是并不限定加工的顺序，例如，在不同的实施例中，对于同一种产品，所述设备群组的顺序可能是1、2、3；也可能是3、1、2。在相同的实施例中，对于不同种的产品，所述设备群组的顺序可能是2、1、3；也可能是3、2、1。
可选的，所述目标函数的表达式如下：
Figure 100002_DEST_PATH_IMAGE002
，
其中，z代表所述目标函数，Pi代表第i种所述产品的所述单片利润，Xi代表第i种所述产品的所述子产量，Mj代表第j种所述设备群组的所述单台金额，Bj代表第j种所述设备群组的所述子增量，Sj代表第j种所述设备群组的所述月可用时间，Qj代表第j种所述设备群组的所述台数，i的取值为从1到m的整数，j的取值为从1到n的整数，m为所述产品的种类数，n为所述设备群组的种类数。
可选的，所述约束条件不等式包括：
Figure 100002_DEST_PATH_IMAGE004
，
其中，Tj,i代表第i种所述产品在第j种所述设备群组加工时的所述单片加工时长。
可选的，所述约束条件不等式还包括：
Figure 100002_DEST_PATH_IMAGE006
；其中，N代表所述月产量总下限，M代表所述投资金额总上限。
可选的，所述约束条件不等式还包括：
Figure 100002_DEST_PATH_IMAGE008
；其中，Q代表台数总上限，R代表关键区域台数上限，第1种所述设备群组所增加的台数被配置为所述关键区域台数。
可选的，所述约束条件不等式还包括：
Figure 100002_DEST_PATH_IMAGE010
。
可选的，m的取值为3，n的取值为3，所述目标函数的表达式如下：
Figure 100002_DEST_PATH_IMAGE012
，
所述约束条件不等式为：
Figure 100002_DEST_PATH_IMAGE014
。
为了解决上述技术问题，本发明还提供了一种可读存储介质，所述可读存储介质上存储有程序，所述程序运行时，执行上述的产能规划方法。
与现有技术相比，本发明提供的一种产能规划方法及可读存储介质中，所述产能规划方法的决策变量包括产品的月产量和设备群组的月可用时长增量；规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；目标函数为预期的收益增加值；约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限。如此配置，新的产能计划从产品产量、总利润、场地（即台数上限）、投资金额和生产时间等多个维度进行评估，从而能够全面地分析最终的投产效果，使得管理者在决策上有个效益值的依据可以来判断，了解最适合的产能规划和产品组合方式，让企业在规模的建立问题上可以有更加明确方向，使得企业更有竞争力。解决了现有技术中缺乏一种从全局出发进行产能规划的方法的问题。
附图说明
本领域的普通技术人员将会理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：
图1是本发明一实施例的产能规划方法的流程示意图。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
如在本发明中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，术语“或”通常是以包括“和/或”的含义而进行使用的，术语“若干”通常是以包括“至少一个”的含义而进行使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者至少两个该特征，“一端”与“另一端”以及“近端”与“远端”通常是指相对应的两部分，其不仅包括端点，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。此外，如在本发明中所使用的，一元件设置于另一元件，通常仅表示两元件之间存在连接、耦合、配合或传动关系，且两元件之间可以是直接的或通过中间元件间接的连接、耦合、配合或传动，而不能理解为指示或暗示两元件之间的空间位置关系，即一元件可以在另一元件的内部、外部、上方、下方或一侧等任意方位，除非内容另外明确指出外。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的核心思想在于提供一种产能规划方法及可读存储介质，以解决现有技术中缺乏从全局出发进行产能规划的方法的问题。
以下参考附图进行描述。
请参考图1，图1是本发明一实施例的产能规划方法的流程示意图。
如图1所示，本实施例提供了一种产能规划方法，所述产能规划方法包括：
S100基于决策变量、规划参数和约束参数建立目标函数和约束条件不等式；以及，
S200基于所述目标函数和所述约束条件不等式获得所述目标函数的最大值和相对应的所述决策变量；其中，
所述决策变量包括产品的月产量和设备群组的月可用时长增量；所述月产量包括至少三个子产量，不同的所述产品对应不同的所述子产量；所述月可用时长增量包括至少三个子增量，不同的所述设备群组对应不同的所述子增量；
所述规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；
所述目标函数为预期的收益增加值；
所述约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限。
在需求高度不确定的环境下，通过自身技术的提升与产能的扩充，在有限的资源条件下，需要研究如何获得最大经济效益，使得企业更有竞争优势。正如背景技术中所述，产能规模的无限扩充并不一定会降低平均成本，也会有上升的风险，可能会因过度的扩张导致管理以及其他成本的上升，使得平均成本有上升趋势，反而造成规模不经济的效果。
发明人经过自身的创造性劳动发现，在未来要扩充工厂规模时，在参考预测或历史资料的同时，可采用上述的产能规划方法，配置企业所需的参数，将未来的需求趋势假设成为若干具有不同发生机率的需求情境模型，求出算优化策略，得到效益值的高低，使得管理者在决策上有个效益值的依据可以来判断，了解最适的产能规划和产品组合方式，让企业在规模的建立问题上可以有更加明确方向，使得企业更有竞争力。
在本实施例中，所述产品即指晶圆产品。
在步骤S200中，所述获得所述目标函数的最大值和相对应的所述决策变量的步骤包括：基于单纯形法、对偶法、分解法或数值方法中的至少一种获得所述目标函数的最大值和相对应的所述决策变量。其中，数值方法是指有别于解析方法的基于数值的方法，例如遗传算法等。
进一步地，所述产品的工艺流程包括：依次经过每一种所述设备群组加工。也就是说，不同的所述设备群组之间的关系是串联关系，而并非是各自独立地生产产品。
在一实施例中，所述目标函数的表达式如下：
Figure DEST_PATH_IMAGE002A
，
其中，z代表所述目标函数，Pi代表第i种所述产品的所述单片利润，Xi代表第i种所述产品的所述子产量，Mj代表第j种所述设备群组的所述单台金额，Bj代表第j种所述设备群组的所述子增量，Sj代表第j种所述设备群组的所述月可用时间，Qj代表第j种所述设备群组的所述台数，i的取值为从1到m的整数，j的取值为从1到n的整数，m为所述产品的种类数，n为所述设备群组的种类数。
在上述的目标函数中，第一部分代表当前的生产计划能够带来的总收益，第二部分代表投资金额总额。
所述约束条件不等式包括：
Figure DEST_PATH_IMAGE004A
，
其中，Tj,i代表第i种所述产品在第j种所述设备群组加工时的所述单片加工时长。也就是说，上述的约束条件不等式一共有n个，分别为j取1到n时所得到的式子。在式子的左边，是第j种所述设备群组加工时的总时长，右边则是第j种所述设备群组的月可用时长上限，因此，左侧的值需要小于或者等于右侧的值。
所述约束条件不等式还包括：
Figure DEST_PATH_IMAGE006A
；其中，N代表所述月产量总下限，M代表所述投资金额总上限。当月产量低于N时，会导致其他环节的浪费，因此需要建立上述约束。在一实施例中，N为10。上述约束条件的第二式的左侧部分和目标函数中的第二部分相同，都是代表投资金额，因而不能够超过所述投资金额总上限。
所述约束条件不等式还包括：
Figure DEST_PATH_IMAGE008A
；其中，Q代表台数总上限，R代表关键区域台数上限，第1种所述设备群组所增加的台数被配置为所述关键区域台数。关键区域是指光刻区域，此处如此设置是为了最贵的光刻设备充分利用。
所述约束条件不等式还包括：
Figure DEST_PATH_IMAGE010A
。
上述约束条件是使得最终的解有意义的条件，因此也需要加以约束。
在一个示范性的实施例中，m的取值为3，n的取值为3，所述目标函数的表达式如下：
Figure DEST_PATH_IMAGE012A
，
所述约束条件不等式为：
Figure DEST_PATH_IMAGE014A
。
上述符号的具体含义，可以根据说明书前文中带i和j的下标的符号的相关说明进行理解。
在其他的一些实施例中，m和n的取值可以根据实际情况进行设置，同样也可以建立起相对应的目标函数和约束条件不等式。
为了解决上述技术问题，本实施例还提供了一种可读存储介质，所述可读存储介质上存储有程序，所述程序运行时，执行上述的产能规划方法。所述可读存储介质的其他细节，例如电路结构，读取方式，工作原理，编码方式等，本领域技术人员可以根据公知常识进行设置，在此不进行展开说明。由于上述的可读存储介质存储了能够执行上述的产能规划方法的程序，因此也能够解决现有技术中缺乏一种从全局出发进行产能规划的方法的问题。
综上所述，本实施例提供的一种产能规划方法及可读存储介质中，所述产能规划方法的决策变量包括产品的月产量和设备群组的月可用时长增量；规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；目标函数为预期的收益增加值；约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限。如此配置，新的产能计划从产品产量、总利润、场地（即台数上限）、投资金额和生产时间等多个维度进行评估，从而能够全面地分析最终的投产效果，使得管理者在决策上有个效益值的依据可以来判断，了解最适合的产能规划和产品组合方式，让企业在规模的建立问题上可以有更加明确方向，使得企业更有竞争力。解决了现有技术中缺乏一种从全局出发进行产能规划的方法的问题。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于本发明技术方案的保护范围。

Claims (4)

1.一种产能规划方法，其特征在于，所述产能规划方法包括：
基于决策变量、规划参数和约束参数建立目标函数和约束条件不等式；以及，
基于所述目标函数和所述约束条件不等式获得所述目标函数的最大值和相对应的所述决策变量；其中，
所述决策变量包括产品的月产量和设备群组的月可用时长增量；所述月产量包括至少三个子产量，不同的所述产品对应不同的所述子产量；所述月可用时长增量包括至少三个子增量，不同的所述设备群组对应不同的所述子增量；
所述规划参数包括所述产品的单片加工时长、所述产品的单片利润、所述设备群组的单台金额、所述设备群组的台数以及所述设备群组的月可用时间；
所述目标函数为预期的收益增加值；
所述约束参数包括所述产品的月产量总下限、投资金额总上限、所述设备群组的台数总上限以及所述设备群组的关键区域台数上限；
所述产品的工艺流程包括：依次经过每一种所述设备群组加工；
所述目标函数的表达式如下：
Figure DEST_PATH_IMAGE002
，
其中，z代表所述目标函数，Pi代表第i种所述产品的所述单片利润，Xi代表第i种所述产品的所述子产量，Mj代表第j种所述设备群组的所述单台金额，Bj代表第j种所述设备群组的所述子增量，Sj代表第j种所述设备群组的所述月可用时间，Qj代表第j种所述设备群组的所述台数，i的取值为从1到m的整数，j的取值为从1到n的整数，m为所述产品的种类数，n为所述设备群组的种类数；
所述约束条件不等式包括：
Figure DEST_PATH_IMAGE004
，
其中，Tj,i代表第i种所述产品在第j种所述设备群组加工时的所述单片加工时长；
所述约束条件不等式还包括：
Figure DEST_PATH_IMAGE006
；
其中，N代表所述月产量总下限，M代表所述投资金额总上限；
Figure DEST_PATH_IMAGE008
；
其中，Q代表台数总上限，R代表关键区域台数上限，第1种所述设备群组所增加的台数被配置为所述关键区域台数；所述关键区域是指光刻区域；
所述约束条件不等式还包括：
Figure DEST_PATH_IMAGE010
。
2.根据权利要求1所述产能规划方法，其特征在于，所述获得所述目标函数的最大值和相对应的所述决策变量的步骤包括：基于单纯形法、对偶法、分解法或数值方法中的至少一种获得所述目标函数的最大值和相对应的所述决策变量。
3.根据权利要求1所述的产能规划方法，其特征在于，m的取值为3，n的取值为3，所述目标函数的表达式如下：
Figure DEST_PATH_IMAGE012
，
所述约束条件不等式为：
Figure DEST_PATH_IMAGE014
。
4.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序，所述程序运行时，执行如权利要求1~3中任一项所述的产能规划方法。
CN202111089963.XA 2021-09-17 2021-09-17 产能规划方法及可读存储介质 Active CN113537847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111089963.XA CN113537847B (zh) 2021-09-17 2021-09-17 产能规划方法及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111089963.XA CN113537847B (zh) 2021-09-17 2021-09-17 产能规划方法及可读存储介质

Publications (2)

Publication Number Publication Date
CN113537847A CN113537847A (zh) 2021-10-22
CN113537847B true CN113537847B (zh) 2021-12-17

Family

ID=78093344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111089963.XA Active CN113537847B (zh) 2021-09-17 2021-09-17 产能规划方法及可读存储介质

Country Status (1)

Country Link
CN (1) CN113537847B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368910A (zh) * 2016-12-17 2017-11-21 中国石油化工股份有限公司 基于0‑1整数规划的油田项目群优化部署方法
CN107516149A (zh) * 2017-08-25 2017-12-26 智脑智能科技（苏州）有限公司 企业供应链管理系统
CN112270099A (zh) * 2020-11-02 2021-01-26 国网江苏省电力有限公司经济技术研究院 一种电网投资时序优化方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070050235A1 (en) * 2005-08-29 2007-03-01 Sap Ag System and Method of Modeling and Optimizing Product Parameters from Hierarchical Structure
US20090216576A1 (en) * 2008-02-21 2009-08-27 Maxager Technology, Inc. Method for constrained business plan optimization based on attributes
JP6996323B2 (ja) * 2018-02-06 2022-01-17 トヨタ自動車株式会社 生産管理方法、生産管理システム及びプログラム
CN112818280B (zh) * 2019-11-18 2023-07-21 华为技术有限公司 一种信息处理方法以及相关设备
CN111695718A (zh) * 2020-04-16 2020-09-22 国网江苏省电力有限公司经济技术研究院 一种考虑投资需求与规划目标的电网发展辅助决策方法
CN111680824A (zh) * 2020-05-12 2020-09-18 河北工业职业技术学院 一种量化资产配置方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368910A (zh) * 2016-12-17 2017-11-21 中国石油化工股份有限公司 基于0‑1整数规划的油田项目群优化部署方法
CN107516149A (zh) * 2017-08-25 2017-12-26 智脑智能科技（苏州）有限公司 企业供应链管理系统
CN112270099A (zh) * 2020-11-02 2021-01-26 国网江苏省电力有限公司经济技术研究院 一种电网投资时序优化方法及系统

Also Published As

Publication number Publication date
CN113537847A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Liu et al. Single-machine-based joint optimization of predictive maintenance planning and production scheduling
US7379206B2 (en) Methods and systems for determining resource capabilities for a lean production environment
CN104636479A (zh) 一种工业大数据驱动的总完工时间预测方法
CN107993052A (zh) 多投资主体一体化建设项目动态进度控制方法
CN110880044B (zh) 一种基于马尔科夫链的负荷预测方法
CN113537847B (zh) 产能规划方法及可读存储介质
Rötzer et al. Cost optimization of product families using solution spaces
CN109782586B (zh) 参数自整定的miso异因子紧格式无模型控制方法
Jiang et al. Integrated optimization of non-permutation flow shop scheduling and maintenance planning with variable processing speed
Xu et al. A discrete time optimal control model with uncertainty for dynamic machine allocation problem and its application to manufacturing and construction industries
CN110648037A (zh) 一种整车生产评价方法及装置
CN111144611A (zh) 一种基于聚类和非线性自回归的空间负荷预测方法
CN116128247A (zh) 一种排产前生产设备资源配置优化方法及系统
CN110705844A (zh) 基于非强制空闲时间的作业车间调度方案鲁棒优化方法
CN115328054A (zh) 一种基于云计算的智能制造工业软件调试系统
CN105470951A (zh) 一种基于大数据挖掘技术的配电网可靠供电能力评估方法
CN110503289A (zh) 用于改善生产周期的方法
CN114510874A (zh) 一种基于联合优化模型的生产调度和机器维护优化方法
CN114675647A (zh) 一种agv小车调度及路径规划办法
JP4981559B2 (ja) 確率計画問題求解装置及びプログラム、並びに、電源計画問題求解方法、装置及びプログラム
EP3460732B1 (en) Dispatching method and system based on multiple levels of steady state production rate in working benches
Avigad Multi-multi-objective optimization problem and its solution by a MOEA
CN116204939B (zh) 一种工业设计流程的生成方法、系统及存储介质
CN109581992B (zh) 参数自整定的miso异因子全格式无模型控制方法
Montes et al. Decomposition of two-stage stochastic scheduling problems via similarity index

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 510000 No. 28, Fenghuang fifth road, Huangpu District, Guangzhou, Guangdong

Patentee after: Yuexin Semiconductor Technology Co.,Ltd.

Address before: 510000 No. 28, Fenghuang fifth road, Huangpu District, Guangzhou, Guangdong

Patentee before: Guangzhou Yuexin Semiconductor Technology Co.,Ltd.

CP01 Change in the name or title of a patent holder