CN113780907B - 耗材需求量和库存控制方法、设备、系统以及存储介质 - Google Patents
耗材需求量和库存控制方法、设备、系统以及存储介质 Download PDFInfo
- Publication number
- CN113780907B CN113780907B CN202010522421.6A CN202010522421A CN113780907B CN 113780907 B CN113780907 B CN 113780907B CN 202010522421 A CN202010522421 A CN 202010522421A CN 113780907 B CN113780907 B CN 113780907B
- Authority
- CN
- China
- Prior art keywords
- raw material
- raw materials
- consumable
- consumption
- preset
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title abstract description 9
- 239000002994 raw material Substances 0.000 claims abstract description 295
- 238000012417 linear regression Methods 0.000 claims abstract description 72
- 238000005457 optimization Methods 0.000 claims abstract description 16
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 98
- 239000011701 zinc Substances 0.000 claims description 88
- 229910052725 zinc Inorganic materials 0.000 claims description 88
- 238000004519 manufacturing process Methods 0.000 claims description 28
- 229910001335 Galvanized steel Inorganic materials 0.000 claims description 11
- 239000008397 galvanized steel Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 229910000990 Ni alloy Inorganic materials 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 5
- 239000000047 product Substances 0.000 description 99
- 238000007405 data analysis Methods 0.000 description 6
- 238000007747 plating Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005246 galvanizing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 239000010960 cold rolled steel Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 229910001297 Zn alloy Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请涉及一种耗材需求量和库存控制方法、设备、系统以及存储介质。包括对于各种目标产品，根据在预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据，导入第一线性回归模型，以确定线性回归系数；对于所有目标产品，根据在预设历史周期内原料的投入总量，以及各种目标产品的实际原料消耗总量的历史数据，通过导入优化模型，以确定各种目标产品中原料的配比系数；基于第一线性回归模型，以及预设计划周期内各种目标产品的目标原料消耗总量，确定预测原料消耗总量；根据预测原料消耗总量，以及配比系数，确定预设计划周期内各种目标产品中原料的预测消耗量。本申请可以精确计算出预测消耗量，准确度高且计算效率高。
Description
技术领域
本申请涉及冶金自动化技术领域，特别涉及一种耗材需求量和库存控制方法、设备、系统以及存储介质。
背景技术
热镀锌钢板是一种高附加值钢铁产品，广泛用于生产汽车板、家电板等高端产品。锌锭是生产热镀锌产品的原料，根据生产镀层类型的不同，需要使用不同类型的锌锭，实际生产中常用锭型加以区分，如GA板使用A锭和B锭，GI板使用A锭和D锭等，不同锭型的成分有所区别，按照一定的锭型配比可以生产不同种类的镀层类型，且不同的镀层类型的锭型配比需要结合历史数据进行分析才能确定。
目前基于人工经验计算锭型配比及预测各种类锌锭的需求量，准确度低且计算效率低。
发明内容
本申请实施例提供了一种耗材需求量和库存控制方法、设备、系统及其存储介质。
第一方面，本申请实施例提供了一种耗材需求量控制方法，用于生产多种目标产品的生产线的控制系统，其中，所述耗材包括多种类原料，多种所述目标产品中的每一种所述目标产品需使用多种类所述原料中的至少一类，对于各种所述目标产品，根据在预设历史周期内生产所述目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据，导入第一线性回归模型，以确定用于所述第一线性回归模型的线性回归系数，所述第一线性回归模型描述各种所述目标产品中所述实际原料消耗总量与所述目标原料消耗总量之间的线性关系；基于对应于各种所述目标产品的所述线性回归系数，建立用于预设计划周期的对应于各种所述目标产品的所述第一线性回归模型；对于所有所述目标产品，根据在所述预设历史周期内各种类所述原料的投入总量，以及各种所述目标产品的所述实际原料消耗总量的所述历史数据，通过导入优化模型，以确定各种所述目标产品中不同种类所述原料的配比系数；其中，所述优化模型中通过使得各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差满足预设条件，以确定满足预设约束条件的各种所述目标产品中不同种类所述原料的所述配比系数，各种类所述原料的所述理论投入总量是基于各种所述目标产品所需的所述实际原料消耗总量以及各种所述目标产品中不同种类所述原料的所述配比系数被确定；基于各种所述目标产品的所述第一线性回归模型，以及所述预设计划周期内各种所述目标产品的所述目标原料消耗总量，确定所述预设计划周期内各种所述目标产品的预测原料消耗总量；根据所述预设计划周期内各种所述目标产品的所述预测原料消耗总量，以及各种所述目标产品中不同种类所述原料的所述配比系数，确定所述预设计划周期内各种所述目标产品中不同种类所述原料的预测消耗量。
本申请实施例提供的技术方案，通过对预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据的数据分析，建立线性回归模型、优化模型，以及结合对原料配比规律的数据分析，可以精确计算出未来的预设计划周期内各种目标产品中不同种类原料的预测消耗量，准确度高且计算效率高。
在上述第一方面的一种可能的实现中，所述预设条件为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差最小。
根据本申请的实施方式，各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离尽量接近于0，即当各种类所述原料的所述投入总量尽可能等于各种类所述原料的理论投入总量时，可以满足生产需求，进一步提高了该方法的准确度。
在上述第一方面的一种可能的实现中，所述预设条件为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差小于等于第一阈值。
根据本申请的实施方式，各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离小于等于第一阈值，其中第一阈值为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离的限定值，且第一阈值≥0，即当各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离小于等于第一阈值时，可以满足生产需求。
在上述第一方面的一种可能的实现中，所述预设约束条件为每一种所述目标产品中所有所述原料的所述配比系数之和等于1。
在上述第一方面的一种可能的实现中，所述第一线性回归模型为
y＝ax+b
其中，y表示预设历史周期内生产所述目标产品所需的实际原料消耗总量，x表示预设历史周期内生产所述目标产品所需的目标原料消耗总量，a,b为线性回归系数。
在上述第一方面的一种可能的实现中，所述线性回归系数为
其中， 表示预设历史周期内生产所述目标产品所需的目标原料消耗总量的平均值。
在上述第一方面的一种可能的实现中，所述优化模型包括：所述预设条件、所述预设约束条件、目标函数，其中，所述目标函数为
其中，目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ中原料A比例为原料D比例为/>在第i个预设历史周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量为/>目标产品Ⅱ中原料A和原料D的实际原料消耗总量为/>原料A的投入总量为/>原料B的投入总量为/>原料D的投入总量为/>共有n个预设历史周期的历史数据，m为指数，m＝2,4,…。
在上述第一方面的一种可能的实现中，所述预设约束条件为
其中，目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ的原料A比例为原料D比例为/>
在上述第一方面的一种可能的实现中，所述预设计划周期内各种所述目标产品的所述预测原料消耗总量为
yⅠ＝aⅠxⅠ+bⅠ (6)
yⅡ＝aⅡxⅡ+bⅡ (7)
其中，yⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量，yⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的实际原料消耗总量；aⅠ表示目标产品Ⅰ中原料A和原料B的第一线性回归模型中线性回归系数，bⅠ表示目标产品Ⅰ中原料A和原料B的第一线性回归模型中线性回归系数，aⅡ表示目标产品Ⅱ中原料A和原料D的第一线性回归模型中线性回归系数，bⅡ表示目标产品Ⅱ中原料A和原料D的第一线性回归模型中线性回归系数；xⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的目标原料消耗总量，xⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的目标原料消耗总量。
在上述第一方面的一种可能的实现中，所述预设计划周期内各种所述目标产品中不同种类所述原料的所述预测消耗量为
其中，yⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量，yⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的实际原料消耗总量；目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ中原料A比例为/>原料D比例为/>预设计划周期内原料A的预测消耗量为qA，原料B的预测消耗量为qB，原料D的预测消耗量为qD。
第二方面，本申请实施例提供了一种计算机可读介质，所述计算机可读介质上存储有指令，该指令在计算机上执行时使计算机执行上述第一方面任一实施方式的耗材需求量控制方法。第二方面能达到的有益效果可参考第一方面任一实施方式所提供的方法的有益效果，此处不再赘述。
第三方面，本申请实施例提供了一种电子设备，包括：存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，以及处理器，是所述电子设备的处理器之一，用于执行上述第一方面任一实施方式的耗材需求量控制方法。第三方面能达到的有益效果可参考第一方面任一实施方式所提供的方法的有益效果，此处不再赘述。
第四方面，本申请实施例提供了一种耗材需求量控制系统，包括镀锌钢板中的至少一种原料和用于控制所述至少一种原料的电子设备，其中，所述镀锌钢板包括热镀纯锌板(GI)、合金化热镀锌板(GA)、电镀纯锌板(EGI)、电镀锌镍合金板(EGA)，所述耗材包括不同种类的锌锭，不同种类的所述锌锭是指具有不同含锌量的所述锌锭，所述电子设备包括：存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，以及处理器，是所述电子设备的处理器之一，用于执行上述第一方面任一实施方式的耗材需求量控制方法。第四方面能达到的有益效果可参考第一方面任一实施方式所提供的方法的有益效果，此处不再赘述。
第五方面，本申请实施例提供了一种耗材库存控制方法，所述方法包括：上述第一方面至第四方面任一实施方式的耗材需求量控制方法，以及根据所述预设计划周期内各种所述目标产品中不同种类所述原料的所述预测消耗量、各种类所述原料的库存信息，获得第一库存控制方案，所述第一库存控制方案包括各种类所述原料的库存变动结果。
本申请实施例提供的技术方案，根据预设计划周期内各种目标产品中不同种类原料的预测消耗量，结合各种类原料的库存信息，获得库存控制方案，可以实现对原料库存的合理控制，在满足生产需求的情况下，有效地降低了原料库存。
在上述第五方面的一种可能的实现中，各种类所述原料的所述库存信息包括：各种类所述原料的实际库存、安全库存。
根据本申请的实施方式，安全库存是指为了应对生产需求的不确定性或生产波动而设置的缓冲库存，一般情况下不动用，因此，原料的实际库存的可用量为每一种原料的实际库存与该原料的安全库存的差值。
在上述第五方面的一种可能的实现中，所述第一库存控制方案包括：当所述原料的所述预测消耗量大于所述原料的所述实际库存的可用量时，需要补货，补货量为所述原料的所述预测消耗量与所述原料的所述实际库存的所述可用量的差值；当所述原料的所述预测消耗量小于等于所述原料的所述实际库存的所述可用量时，不需要补货，其中，所述原料的所述实际库存的所述可用量为每一种所述原料的所述实际库存与每一种所述原料的所述安全库存的差值。
根据本申请的实施方式，第一库存控制方案包括各种类原料的库存变动结果，具体为判断原料的预测消耗量与该原料的实际库存的可用量之间的大小关系，从而确定补货策略，因此，可以实现对原料库存的合理控制，在满足生产需求的情况下，有效地降低了原料库存。
在上述第五方面的一种可能的实现中，所述第一库存控制方案为
QA＝max{qA-sA+ssA,0} (11)
QB＝max{qB-sB+ssB,0} (12)
QD＝max{qD-sD+ssD,0} (13)
其中，QA、QB、QD表示原料A、B、D的补货量，预设计划周期内原料A的预测消耗量为qA，原料B的预测消耗量为qB，原料D的预测消耗量为qD，sA-ssA表示原料A的实际库存的可用量，sB-ssB表示原料B的实际库存的可用量，sD-ssD表示原料D的实际库存的可用量。
在上述第五方面的一种可能的实现中，补货后，所述原料的新库存为所述原料的所述实际库存与所述补货量之和。
第六方面，本申请实施例提供了一种计算机可读介质，所述计算机可读介质上存储有指令，该指令在计算机上执行时使计算机执行上述第五方面任一实施方式的耗材库存控制方法。第六方面能达到的有益效果可参考第五方面任一实施方式所提供的方法的有益效果，此处不再赘述。
第七方面，本申请实施例提供了一种电子设备，包括：存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，以及处理器，是所述电子设备的处理器之一，用于执行上述第五方面任一实施方式的耗材库存控制方法。第七方面能达到的有益效果可参考第五方面任一实施方式所提供的方法的有益效果，此处不再赘述。
第八方面，本申请实施例提供了一种耗材库存控制系统，包括镀锌钢板中的至少一种原料和用于控制所述至少一种原料的电子设备，其中，所述镀锌钢板包括热镀纯锌板(GI)、合金化热镀锌板(GA)、电镀纯锌板(EGI)、电镀锌镍合金板(EGA)，所述耗材包括不同种类的锌锭，不同种类的所述锌锭是指具有不同含锌量的所述锌锭，所述电子设备包括：存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，以及处理器，是所述电子设备的处理器之一，用于执行上述第五方面任一实施方式的耗材库存控制方法。第八方面能达到的有益效果可参考第五方面任一实施方式所提供的方法的有益效果，此处不再赘述。
附图说明
图1为本申请实施方式提供的热镀锌产品与锌锭类型之间的关系结构示意图；
图2为本申请实施方式提供的电子设备的框图；
图3为本申请实施方式提供的耗材需求量控制方法的流程示意图；
图4为本申请另一实施例提供的耗材库存控制方法的流程示意图；
图5为本申请实施方式提供的片上系统(SoC，System on Chip)的结构示意图。
具体实施例
下面将结合附图对本实施例的实施方式进行详细描述。
热镀锌的基本原理是将表面清洗、退火后的冷轧钢板浸入熔融的锌液(锌锅)中，通过铁锌之间的反应和扩散，在冷轧钢板表面镀覆附着性良好的锌合金镀层，是延缓钢铁材料腐蚀的最有效手段之一。
锌锭是生产热镀锌产品的原料，根据生产镀层类型的不同，需要使用不同类型的锌锭，实际生产中常用锭型加以区分，如图1所示，GA板(合金化热镀锌板)使用A锭和B锭，GI板(热镀纯锌板)使用A锭和D锭等，不同锭型的成分有所区别，按照一定的锭型配比可以生产不同种类的镀层类型。不同的镀层类型具有经验的锭型配比规律，但由于锭型配比规律需要根据锌锅含铝量进行动态调整，且与合同量、合同结构、规格组距、操作习惯等因素息息相关，因此，锭型配比规律并不是一成不变的，是会在一定范围内波动，而且需要结合历史数据进行分析才能确定。
在热镀锌生产中，一个关键点是如何根据合同结构精确计算出不同锌锭的需求量，以指导锌锭库存和采购决策，在不影响实际生产的前提下，使锌锭库存量尽可能少。该关键点的核心在于如何提高定量化确定锭型配比规律的准确度和效率。
以上以热镀锌中锌锭为例对热镀锌钢板镀层中锌锭的需求量和库存进行了说明，但本申请不限于此，耗材需求量和库存控制方法适用于其他需使用原料的产品。例如，电镀锡中锡锭、电镀纯锌板(EGI)中锌锭、电镀锌镍合金板(EGA)中锌锭等。
现有技术中，基于人工经验计算锭型配比及预测各种类锌锭的需求量，准确度低且计算效率低。
为此，本申请实施方式提供了一种耗材需求量控制方法，用于生产多种目标产品的生产线的控制系统。根据本申请实施方式提供的一种耗材需求量控制方法，通过对预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据的数据分析，建立线性回归模型、优化模型，以及结合对原料配比规律的数据分析，可以精确计算出未来的预设计划周期内各种目标产品中不同种类原料的预测消耗量，因此，该方法准确度高且计算效率高。
本申请的说明书中，术语“第一”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
现在参考图2，所示为根据本申请的一个实施例的电子设备400的框图。电子设备400作为根据本申请的控制设备，可以实现为台式计算机设备、笔记本式计算机设备、平板型计算设备、移动终端等，也可以是大型生产线上的专用控制设备。
电子设备400可以包括耦合到控制器中枢403的一个或多个处理器401。对于至少一个实施例，控制器中枢403经由诸如前端总线(FSB，Front Side Bus)之类的多分支总线、诸如快速通道连(QPI，QuickPath Interconnect)之类的点对点接口、或者类似的连接406与处理器401进行通信。处理器401执行控制一般类型的数据处理操作的指令。在一实施例中，控制器中枢403包括，但不局限于，图形存储器控制器中枢(GMCH，Graphics&MemoryController Hub)(未示出)和输入/输出中枢(IOH，Input Output Hub)(其可以在分开的芯片上)(未示出)，其中GMCH包括存储器和图形控制器并与IOH耦合。
电子设备400还可包括耦合到控制器中枢403的协处理器402和存储器404。或者，存储器和GMCH中的一个或两者可以被集成在处理器内(如本申请中所描述的)，存储器404和协处理器402直接耦合到处理器401以及控制器中枢403，控制器中枢403与IOH处于单个芯片中。
存储器404可以是例如动态随机存取存储器(DRAM，Dynamic Random AccessMemory)、相变存储器(PCM，Phase Change Memory)或这两者的组合。存储器404中可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性计算机可读介质。
计算机可读存储介质中存储有指令，具体而言，存储有该指令的暂时和永久副本。该指令可以包括：由处理器中的至少一个执行时导致电子设备400实施根据本申请的耗材需求量控制方法和耗材库存控制方法的指令。当指令在计算机上运行时，使得计算机执行上述根据本申请的耗材需求量控制方法和耗材库存控制方法。
在一个实施例中，协处理器402是专用处理器，诸如例如高吞吐量MIC(ManyIntegrated Core，集成众核)处理器、网络或通信处理器、压缩引擎、图形处理器、GPGPU(General-purpose computing on graphics processing units，图形处理单元上的通用计算)、或嵌入式处理器等等。协处理器402的任选性质用虚线表示在图2中。
在一个实施例中，电子设备400可以进一步包括网络接口(NIC，NetworkInterface Controller)406。网络接口406可以包括收发器，用于为电子设备400提供无线电接口，进而与任何其他合适的设备(如前端模块，天线等)进行通信。在各种实施例中，网络接口406可以与电子设备400的其他组件集成。网络接口406可以实现上述实施例中的通信单元的功能。
电子设备400可以进一步包括输入/输出(I/O，Input/Output)设备405。I/O405可以包括：用户界面，该设计使得用户能够与电子设备400进行交互；外围组件接口的设计使得外围组件也能够与电子设备400交互；和/或传感器设计用于确定与电子设备400相关的环境条件和/或位置信息。
值得注意的是，图2仅是示例性的。即虽然图2中示出了电子设备400包括处理器401、控制器中枢403、存储器404等多个器件，但是，在实际的应用中，使用本申请各方法的设备，可以仅包括电子设备400各器件中的一部分器件，例如，可以仅包含处理器401和网络接口406。图2中可选器件的性质用虚线示出。
以下结合图3，以热镀锌钢板镀层中锌锭的需求量和库存为例，对本申请的具体实施例进行说明。
【实施例一】
参考图3，本实施例用于提供一种耗材需求量控制方法，通过对预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据的数据分析，建立线性回归模型、优化模型，以及结合对原料配比规律的数据分析，可以精确计算出未来的预设计划周期内各种目标产品中不同种类原料的预测消耗量，因此，该方法准确度高且计算效率高。具体地，本实施例提供的耗材需求量控制方法包括以下步骤：
S210：对各种目标产品，根据在预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据，导入第一线性回归模型，以确定第一线性回归面模型的线性回归系数。
这里，第一线性回归模型描述各种目标产品中实际原料消耗总量与目标原料消耗总量之间的线性关系，预设历史周期是指过去的一段时间。
本实施例中，目标产品包括GA板、GI板，以月份为单位，预设历史周期为12个月，选取过去12个月中各月份GA板的实际锌耗和目标锌耗、GI板的实际锌耗和目标锌耗的历史数据，其中目标锌耗为合同结构中的目标锌耗，实际锌耗为实际生产中锌耗。针对GA板和GI板，分别建立实际锌耗与目标锌耗的线性回归关系：
y＝ax+b
其中，y表示实绩锌耗，x表示目标锌耗，a,b为线性回归系数，
导入12个月的历史数据，根据最小二乘法，拟合出线性回归系数：
其中， 表示12个月目标锌耗的平均值。
具体地，本实施例选取过去12个月的历史数据进行分析，表1中以月份为单位列出了12个月的历史数据，包括GA板目标锌耗、GA板实际锌耗、GI板目标锌耗、GI板实际锌耗、A锭投入量、B锭投入量、D锭投入量。
表1历史数据
可针对GA板和GI板，分别建立目标锌耗与实际锌耗的线性回归关系，以GA板为例，利用最小二乘法确定的线性回归系数如下：
其中，xi表示第i个月GA板目标锌耗，yi表示第i个月GA板实际锌耗，表示GA板目标锌耗平均值。
同理可以确定GI板对应的线性回归系数分别为aGI＝1.1048，bGI＝-3.7069。
本实施例对预设历史周期不作限制，例如，预设历史周期可以为24个月、36个月，也可以为30个月等。
为了叙述的连贯性，步骤S210首先被提及，可以理解的是，步骤S210作为耗材需求量控制方法的准备过程，其相对于单次的耗材需求量控制过程是独立的，不需要每次都与耗材需求量控制方法的其他步骤一起发生。
S220：基于对应于各种目标产品的线性回归系数，建立用于预设计划周期的对应于各种目标产品的第一线性回归模型。
本实施例中，基于GA板和GI板的线性回归系数，建立用于12个月的GA板和GI板的线性回归关系。具体地，针对GA板和GI板合同，得到了如下的线性回归关系：
GA板：yGA＝1.041xGA-0.3227，R2＝0.9998
GI板：yGI＝1.1048xGI-3.7069，R2＝0.9995。
S230：对于所有目标产品，根据在预设历史周期内各种类原料的投入总量，以及各种目标产品的实际原料消耗总量的历史数据，通过导入优化模型，以确定各种目标产品中不同种类原料的配比系数。
这里，优化模型包括：预设条件、预设约束条件、目标函数，优化模型中通过使得各种类原料的投入总量与各种类原料的理论投入总量的偏差满足预设条件，以确定满足预设约束条件的各种目标产品中不同种类原料的配比系数，各种类原料的理论投入量是基于各种目标产品所需的实际原料消耗总量以及各种目标产品中不同种类原料的配比系数被确定，其中，目标函数为各种类原料的投入总量与各种类原料的理论投入总量的偏差，且该偏差大于等于0。
本实施例中，目标函数为
其中，GA板中A锭的比例为B锭的比例为/>GI板中A锭的比例为/>D锭的比例为/>在第i个月内GA板中A锭和B锭的实际锌耗为/>GI板中A锭和D锭的实际锌耗为/>A锭的投入总量为/>B锭的投入总量为/>D锭的投入总量为/>共有n个月的历史数据，m为指数，m＝2,4,…。
具体地，将表1中历史数据代入目标函数，得到：
本实施例中，公式(3)中，各种类原料的投入总量可以理解为A锭的投入总量为B锭的投入总量为/>D锭的投入总量为/>各种类原料的理论投入总量可以理解为根据公式(3)计算得出的理论投入总量，即A锭的理论投入总量为/>B锭的理论投入总量为/>D锭的理论投入总量为/>
在一些实施例中，上述预设条件为使得各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离尽量接近于0，即当各种类所述原料的所述投入总量尽可能等于各种类所述原料的理论投入总量时，可以满足生产需求，进一步提高了该方法的准确度。
在另一些实施例中，上述预设条件为使得各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离小于等于第一阈值，其中第一阈值为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离的限定值，且第一阈值≥0，即当各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的欧氏距离小于等于第一阈值时，可以满足生产需求。
本实施例中，预设约束条件为每一种所述目标产品中所有所述原料的所述配比系数之和等于1。预设约束条件为
其中，GA板中A锭的比例为B锭的比例为/>GI板中A锭的比例为/>D锭的比例为/>
具体地，将12个月A锭的投入总量、B锭的投入总量、D锭的投入总量，以及GA板和GI板的实际锌耗的历史数据导入公式(3)中，结合预设约束条件，确定GA板中A锭的比例和B锭的比例，GI板中A锭的比例和D锭的比例如下：
可以理解的是，本实施例仅以2种热镀锌产品(GA板、GI板)、3种锭型(A锭、B锭、D锭)为例，但本申请不限于此，例如可以为3种产品(产品Ⅰ、产品Ⅱ、产品Ⅲ)、4种锭型(A锭、B锭、C锭、D锭)为例，产品Ⅰ需使用A锭和B锭、产品Ⅱ需使用A锭和D锭、产品Ⅲ需使用B锭和C锭。
本实施例中，优化模型可以通过有约束最优化算法进行求解，如广义拉格朗日乘数法等。
S240：基于各种目标产品的第一线性回归模型，以及预设计划周期内各种目标产品的目标原料消耗量，确定预设计划周期内各种目标产品的预测原料消耗总量。
这里，预设计划周期是指未来的一段时间。
本实施例中，预设计划周期为1个月，基于GA板和GI板的实际锌耗与目标锌耗的线性回归关系y＝ax+b，以及未来1个月内GA板和GI板合同的目标锌耗，分别确定未来1个月内GA板和GI板合同的实绩锌耗：
yⅠ＝aⅠxⅠ+bⅠ (6)
yⅡ＝aⅡxⅡ+bⅡ (7)
其中，yⅠ表示1个月内GA板中A锭和B锭的实际锌耗，yⅡ表示1个月内GI板中A锭和D锭的实际锌耗；aⅠ表示GA板中A锭和B锭的第一线性回归模型中线性回归系数，bⅠ表示GA板中A锭和B锭的第一线性回归模型中线性回归系数，aⅡ表示GI板中A锭和D锭的第一线性回归模型中线性回归系数，bⅡ表示GI板中A锭和D锭的第一线性回归模型中线性回归系数；xⅠ表示1个月内GA板中A锭和B锭的目标锌耗，xⅡ表示1个月内GI板中A锭和D锭的目标锌耗。
具体地，实际生产中，一般可以提前获得未来一段时间内(如一个月)的合同，结合上述步骤S210-S240，可以精确地计算出给定合同所需的各类锌锭的需求量。
例如，某一个月GA板合同目标锌耗为377吨，GI板合同目标锌耗为165吨，根据公式(6)和(7)，可以预测出实绩锌耗如下：
GA板实绩锌耗：
GI板实绩锌耗：
本实施例对预设计划周期不作限制，例如预设计划周期可以为2个月、3个月，也可以为6个月、12个月等。
S250：根据预设计划周期内各种目标产品的预测原料消耗总量，以及各种目标产品中不同种类原料的配比系数，确定预设计划周期内各种目标产品中不同种类原料的预测消耗量。
本实施例中，根据未来1个月内GA板和GI板合同的实绩锌耗，结合GA板中A锭的比例和B锭的比例，GI板中A锭的比例和D锭的比例，确定未来1个月内A锭、B锭、D锭的需求量：
其中，yⅠ表示1个月内GA板中A锭和B锭的实际锌耗，yⅡ表示1个月内GI板中A锭和D锭的实际锌耗；GA板中A锭的比例为B锭的比例为/>GI板中A锭的比例为/>D锭的比例为/>1个月内A锭的需求量为qA，B锭的需求量为qB，D锭的需求量为qD。
具体地，根据公式(8)、(9)、(10)，可以得到A锭、B锭、D锭的需求量如下：
A锭需求量：
B锭需求量：
D锭需求量：
【实施例二】
参考图4，本实施例用于提供一种耗材库存控制方法，与实施例一不同的是，本实施例中，在确定预设计划周期内各种目标产品中不同种类原料的预测消耗量之后，根据预设计划周期内各种目标产品中不同种类原料的预测消耗量、各种类原料的库存信息，获得第一库存控制方案。具体地，根据本实施例的由电子设备400执行的耗材库存控制方法包括以下步骤：
S310：对各种目标产品，根据在预设历史周期内生产目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据，导入第一线性回归模型，以确定第一线性回归模型的线性回归系数。
S320：基于对应于各种目标产品的线性回归系数，建立用于预设计划周期的对应于各种目标产品的第一线性回归模型。
S330：对于所有目标产品，根据在预设历史周期内各种类原料的投入总量，以及各种目标产品的实际原料消耗总量的历史数据，通过导入优化模型，以确定各种目标产品中不同种类原料的配比系数。
S340：基于各种目标产品的第一线性回归模型，以及预设计划周期内各种目标产品的目标原料消耗量，确定预设计划周期内各种目标产品的预测原料消耗总量。
S350：根据预设计划周期内各种目标产品的预测原料消耗总量，以及各种目标产品中不同种类原料的配比系数，确定预设计划周期内各种目标产品中不同种类原料的预测消耗量。
本实施例中，步骤S310～S350与实施例一的步骤S210～S250实质上相同，对于步骤中的细节过程不再赘述。
S360：根据预设计划周期内各种目标产品中不同种类原料的预测消耗量、各种类原料的库存信息，获得第一库存控制方案，第一库存控制方案包括各种类原料的库存变动结果。
这里，各种原料的库存信息包括：各种类原料的实际库存、安全库存。具体地，安全库存是指为了应对生产需求的不确定性或生产波动而设置的缓冲库存，一般情况下不动用。S370：第一库存控制方案包括判断原料的预测消耗量是否大于原料的实际库存的可用量。
这里，原料的实际库存的可用量为每一种原料的实际库存与该原料的安全库存的差值。
进一步地，第一库存控制方案包括：当原料的预测消耗量大于原料的实际库存的可用量时，执行步骤S380，需要补货，补货量为原料的预测消耗量与原料的实际库存的可用量的差值；当原料的预测消耗量小于等于原料的实际库存的可用量时，执行步骤390，不需要补货。
本实施例中，判断未来1个月内A锭、B锭、D锭的需求量与A锭、B锭、D锭的实际库存的可用量之间的大小关系，从而确定补货策略，因此，可以实现对锌锭库存的合理控制，在满足生产需求的情况下，有效地降低了锌锭库存。
本实施例中，第一库存控制方案具体为
QA＝max{qA-sA+ssA,0} (11)
QB＝max{qB-sB+ssB,0} (12)
QD＝max{qD-sD+ssD,0} (13)
其中，QA、QB、QD表示A锭、B锭、D锭的补货量，1个月内A锭的需求量为qA，B锭的需求量为qB，D锭的需求量为qD，sA-ssA表示A锭的实际库存的可用量，sB-ssB表示B锭的实际库存的可用量，sD-ssD表示D锭的实际库存的可用量。
这里，公式(11)、(12)、(13)分别表示取“qA-sA+ssA”与“0”之间的最大值、取“qB-sB+ssB”与“0”之间的最大值、取“qD-sD+ssD”与“0”之间的最大值。
具体地，例如A锭现有库存为100吨，安全库存为20吨；B锭现有库存为400吨，安全库存为50吨；D锭现有库存为120吨，安全库存为30吨，结合实施例一中A锭、B锭、D锭的需求量，锌锭库存控制方案如下：
A锭补货量：
B锭补货量：
D锭补货量：
进一步地，以A锭为例，当未来1个月内A锭的需求量大于A锭的实际库存的可用量时，需要补货，补货量为qA-sA+ssA；当未来1个月内A锭的需求量小于等于A锭的实际库存的可用量时，锌锭库存量足够，不需要补货。其他不同种类锭型(B锭、D锭)也适用于本实施例，此处不再赘述。
具体地，A锭的实际库存的可用量为sA-ssA＝80吨，小于A锭需求量qA＝95吨，需要补货，A锭补货量QA＝qA-sA+ssA＝15吨；而B锭的实际库存的可用量为sB-ssB＝350吨，超过B锭需求量qB＝314吨，库存量足够，不需要补货；D锭的实际库存的可用量为sD-ssD＝90吨，小于D锭需求量qD＝163吨，需要补货，D锭补货量QD＝qD-sD+ssD＝73吨。
补货后的锌锭库存更新为：
A锭新库存：sA'＝sA+QA
B锭新库存：sB'＝sB+QB
D锭新库存：sD'＝sD+QD
具体地，
A锭新库存(吨)：sA'＝sA+QA＝100+15＝115
B锭新库存(吨)：sB'＝sB+QB＝400+0＝400
D锭新库存(吨)：sD'＝sD+QD＝120+73＝193
根据上述实施例中的第一库存控制方案实现了锌锭的按需补货，在满足生产需求的前提下，降低了锌锭库存。
可以理解的是，实施例一和实施例二为本申请技术方案的示例性说明，本领域技术人员可以采用其他变形方式。
现在参考图5，所示为根据本申请的一实施例的SoC(System on Chip，片上系统)500的框图。该SoC500可以设置在智能生产线上，用于制定生产线的上下游机组之间的产能分配方案并实施控制。
在图5中，相似的部件具有同样的附图标记。另外，虚线框是更先进的SoC的可选特征。在图5中，SoC500包括：互连单元550，其被耦合至处理器510；系统代理单元580；总线控制器单元590；集成存储器控制器单元540；一组或一个或多个协处理器520，其可包括集成图形逻辑、图像处理器、音频处理器和视频处理器；静态随机存取存储器(SRAM，StaticRandom-Access Memory)单元530；直接存储器存取(DMA，Direct Memory Access)单元560。在一个实施例中，协处理器520包括专用处理器，诸如例如网络或通信处理器、压缩引擎、GPGPU(General-purpose computing on graphics processing units，图形处理单元上的通用计算)、高吞吐量MIC处理器、或嵌入式处理器等。
静态随机存取存储器(SRAM)单元530可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性计算机可读介质。计算机可读存储介质中存储有指令，具体而言，存储有该指令的暂时和永久副本。该指令可以包括：由处理器中的至少一个执行时导致SoC实施如图3所述的耗材需求量控制方法、图4所述的耗材库存控制方法的指令。当指令在计算机上运行时，使得计算机执行上述实施例一和/或实施例二中公开的方法。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本申请的各方法实施方式均可以以软件、磁件、固件等方式实现。
可将程序代码应用于输入指令，以执行本文描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(DSP，Digital Signal Processor)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本文中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。
至少一个实施例的一个或多个方面可以由存储在计算机可读存储介质上的表示性指令来实现，指令表示处理器中的各种逻辑，指令在被机器读取时使得该机器制作用于执行本文所述的技术的逻辑。被称为“IP(Intellectual Property，知识产权)核”的这些表示可以被存储在有形的计算机可读存储介质上，并被提供给多个客户或生产设施以加载到实际制造该逻辑或处理器的制造机器中。
在一些情况下，指令转换器可用来将指令从源指令集转换至目标指令集。例如，指令转换器可以变换(例如使用静态二进制变换、包括动态编译的动态二进制变换)、变形、仿真或以其它方式将指令转换成将由核来处理的一个或多个其它指令。指令转换器可以用软件、硬件、固件、或其组合实现。指令转换器可以在处理器上、在处理器外、或者部分在处理器上且部分在处理器外。
Claims (20)
1.一种耗材需求量控制方法，用于生产多种目标产品的生产线的控制系统，其中，所述耗材包括多种类原料，多种所述目标产品中的每一种所述目标产品需使用多种类所述原料中的至少一类，其特征在于，
对于各种所述目标产品，根据在预设历史周期内生产所述目标产品所需的实际原料消耗总量和目标原料消耗总量的历史数据，导入第一线性回归模型，以确定用于所述第一线性回归模型的线性回归系数，所述第一线性回归模型描述各种所述目标产品中所述实际原料消耗总量与所述目标原料消耗总量之间的线性关系；
基于对应于各种所述目标产品的所述线性回归系数，建立用于预设计划周期的对应于各种所述目标产品的所述第一线性回归模型；
对于所有所述目标产品，根据在所述预设历史周期内各种类所述原料的投入总量，以及各种所述目标产品的所述实际原料消耗总量的所述历史数据，通过导入优化模型，以确定各种所述目标产品中不同种类所述原料的配比系数；
其中，所述优化模型中通过使得各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差满足预设条件，以确定满足预设约束条件的各种所述目标产品中不同种类所述原料的所述配比系数，各种类所述原料的所述理论投入总量是基于各种所述目标产品所需的所述实际原料消耗总量以及各种所述目标产品中不同种类所述原料的所述配比系数被确定；
其中，所述优化模型包括：所述预设条件、所述预设约束条件、目标函数，其中，所述目标函数为
其中，目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ中原料A比例为/>原料D比例为/>在第i个预设历史周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量为目标产品Ⅱ中原料A和原料D的实际原料消耗总量为/>原料A的投入总量为/>原料B的投入总量为/>原料D的投入总量为/>共有n个预设历史周期的历史数据，m为指数，m＝2,4,；
基于各种所述目标产品的所述第一线性回归模型，以及所述预设计划周期内各种所述目标产品的所述目标原料消耗总量，确定所述预设计划周期内各种所述目标产品的预测原料消耗总量；
根据所述预设计划周期内各种所述目标产品的所述预测原料消耗总量，以及各种所述目标产品中不同种类所述原料的所述配比系数，确定所述预设计划周期内各种所述目标产品中不同种类所述原料的预测消耗量。
2.根据权利要求1所述的耗材需求量控制方法，其特征在于，所述预设条件为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差最小。
3.根据权利要求2所述的耗材需求量控制方法，其特征在于，所述预设条件为各种类所述原料的所述投入总量与各种类所述原料的理论投入总量的偏差小于等于第一阈值。
4.根据权利要求2所述的耗材需求量控制方法，其特征在于，所述预设约束条件为每一种所述目标产品中所有所述原料的所述配比系数之和等于1。
5.根据权利要求4所述的耗材需求量控制方法，其特征在于，所述预设约束条件为
其中，目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ的原料A比例为/>原料D比例为/>
6.根据权利要求1所述的耗材需求量控制方法，其特征在于，所述第一线性回归模型为
y＝ax+b
其中，y表示预设历史周期内生产所述目标产品所需的实际原料消耗总量，x表示预设历史周期内生产所述目标产品所需的目标原料消耗总量，a,b为线性回归系数。
7.根据权利要求6所述的耗材需求量控制方法，其特征在于，所述线性回归系数为
其中，表示预设历史周期内生产所述目标产品所需的目标原料消耗总量的平均值。
8.根据权利要求1所述的耗材需求量控制方法，其特征在于，所述预设计划周期内各种所述目标产品的所述预测原料消耗总量为
yⅠ＝aⅠxⅠ+bⅠ
yⅡ＝aⅡxⅡ+bⅡ
其中，yⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量，yⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的实际原料消耗总量；aⅠ表示目标产品Ⅰ中原料A和原料B的第一线性回归模型中线性回归系数，bⅠ表示目标产品Ⅰ中原料A和原料B的第一线性回归模型中线性回归系数，aⅡ表示目标产品Ⅱ中原料A和原料D的第一线性回归模型中线性回归系数，bⅡ表示目标产品Ⅱ中原料A和原料D的第一线性回归模型中线性回归系数；xⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的目标原料消耗总量，xⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的目标原料消耗总量。
9.根据权利要求1所述的耗材需求量控制方法，其特征在于，所述预设计划周期内各种所述目标产品中不同种类所述原料的所述预测消耗量为
其中，yⅠ表示预设计划周期内目标产品Ⅰ中原料A和原料B的实际原料消耗总量，yⅡ表示预设计划周期内目标产品Ⅱ中原料A和原料D的实际原料消耗总量；目标产品Ⅰ中原料A比例为原料B比例为/>目标产品Ⅱ中原料A比例为/>原料D比例为/>预设计划周期内原料A的预测消耗量为qA，原料B的预测消耗量为qB，原料D的预测消耗量为qD。
10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有指令，该指令在计算机上执行时使计算机执行权利要求1-9中任一项所述的耗材需求量控制方法。
11.一种电子设备，其特征在于，包括：
存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，该指令在计算机上执行时使计算机执行权利要求1-9中任一项所述的耗材需求量控制方法；以及
处理器，是所述电子设备的处理器之一，用于执行权利要求1-9中任一项所述的耗材需求量控制方法。
12.一种耗材需求量控制系统，其特征在于，包括镀锌钢板中的至少一种原料和用于控制所述至少一种原料的电子设备，其中，
所述镀锌钢板包括热镀纯锌板(GI)、合金化热镀锌板(GA)、电镀纯锌板(EGI)、电镀锌镍合金板(EGA)，所述耗材包括不同种类的锌锭，不同种类的所述锌锭是指具有不同含锌量的所述锌锭，
所述电子设备包括：
存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，该指令在计算机上执行时使计算机执行权利要求1-9中任一项所述的耗材需求量控制方法；以及
处理器，是所述电子设备的处理器之一，用于执行权利要求1-9中任一项所述的耗材需求量控制方法。
13.一种耗材库存控制方法，其特征在于，所述方法包括：
权利要求1-9中任一项所述的耗材需求量控制方法，以及
根据所述预设计划周期内各种所述目标产品中不同种类所述原料的所述预测消耗量、各种类所述原料的库存信息，获得第一库存控制方案，所述第一库存控制方案包括各种类所述原料的库存变动结果。
14.根据权利要求13所述的耗材库存控制方法，其特征在于，各种类所述原料的所述库存信息包括：各种类所述原料的实际库存、安全库存。
15.根据权利要求14所述的耗材库存控制方法，其特征在于，所述第一库存控制方案包括：
当所述原料的所述预测消耗量大于所述原料的所述实际库存的可用量时，需要补货，补货量为所述原料的所述预测消耗量与所述原料的所述实际库存的所述可用量的差值；
当所述原料的所述预测消耗量小于等于所述原料的所述实际库存的所述可用量时，不需要补货，
其中，所述原料的所述实际库存的所述可用量为每一种所述原料的所述实际库存与每一种所述原料的所述安全库存的差值。
16.根据权利要求15所述的耗材库存控制方法，其特征在于，补货后，所述原料的新库存为所述原料的所述实际库存与所述补货量之和。
17.根据权利要求13所述的耗材库存控制方法，其特征在于，所述第一库存控制方案为
QA＝max{qA-sA+ssA,0}
QB＝max{qB-sB+ssB,0}
QD＝max{qD-sD+ssD,0}
其中，QA、QB、QD表示原料A、B、D的补货量，预设计划周期内原料A的预测消耗量为qA，原料B的预测消耗量为qB，原料D的预测消耗量为qD，sA-ssA表示原料A的实际库存的可用量，sB-ssB表示原料B的实际库存的可用量，sD-ssD表示原料D的实际库存的可用量。
18.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有指令，该指令在计算机上执行时使计算机执行权利要求13-17中任一项所述的耗材库存控制方法。
19.一种电子设备，其特征在于，包括：
存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，该指令在计算机上执行时使计算机执行权利要求13-17中任一项所述的耗材库存控制方法；以及
处理器，是所述电子设备的处理器之一，用于执行权利要求13-17中任一项所述的耗材库存控制方法。
20.一种耗材库存控制系统，其特征在于，包括镀锌钢板中的至少一种耗材和用于控制所述至少一种耗材的电子设备，其中，
所述镀锌钢板包括热镀纯锌板(GI)、合金化热镀锌板(GA)、电镀纯锌板(EGI)、电镀锌镍合金板(EGA)，所述耗材包括不同种类的锌锭，不同种类的所述锌锭是指具有不同含锌量的所述锌锭，
所述电子设备包括：
存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，该指令在计算机上执行时使计算机执行权利要求13-17中任一项所述的耗材库存控制方法；以及
处理器，是所述电子设备的处理器之一，用于执行权利要求13-17中任一项所述的耗材库存控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522421.6A CN113780907B (zh) | 2020-06-10 | 2020-06-10 | 耗材需求量和库存控制方法、设备、系统以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522421.6A CN113780907B (zh) | 2020-06-10 | 2020-06-10 | 耗材需求量和库存控制方法、设备、系统以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780907A CN113780907A (zh) | 2021-12-10 |
| CN113780907B true CN113780907B (zh) | 2023-09-12 |
Family
ID=78834638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010522421.6A Active CN113780907B (zh) | 2020-06-10 | 2020-06-10 | 耗材需求量和库存控制方法、设备、系统以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780907B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115240375A (zh) * | 2022-06-06 | 2022-10-25 | 首钢京唐钢铁联合有限责任公司 | 一种镀层类型异常的报警方法、系统、介质及设备 |
| CN115169658B (zh) * | 2022-06-24 | 2023-11-21 | 南京英诺森软件科技有限公司 | 基于npl和知识图谱的库存消耗预测方法、系统和存储介质 |
| CN118378992B (zh) * | 2024-06-21 | 2024-10-15 | 嘉兴朝云帆生物科技有限公司 | 一种基于二维码的医疗检测设备及使用方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537399A (zh) * | 2017-03-02 | 2018-09-14 | 华为技术有限公司 | 一种物料需求量的预测方法及装置 |
| CN108646684A (zh) * | 2018-05-30 | 2018-10-12 | 电子科技大学 | 一种基于变动性度量的多产品生产线生产周期预测方法 |
| CN109754164A (zh) * | 2018-12-18 | 2019-05-14 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的动态制成率模型 |
| WO2019180466A1 (en) * | 2018-03-23 | 2019-09-26 | The Plastic Economy Ltd | A system and method for manufacture and material optimisation |
| CN111160781A (zh) * | 2019-12-30 | 2020-05-15 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的复合动态制成率模型 |
-
2020
- 2020-06-10 CN CN202010522421.6A patent/CN113780907B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108537399A (zh) * | 2017-03-02 | 2018-09-14 | 华为技术有限公司 | 一种物料需求量的预测方法及装置 |
| WO2019180466A1 (en) * | 2018-03-23 | 2019-09-26 | The Plastic Economy Ltd | A system and method for manufacture and material optimisation |
| CN108646684A (zh) * | 2018-05-30 | 2018-10-12 | 电子科技大学 | 一种基于变动性度量的多产品生产线生产周期预测方法 |
| CN109754164A (zh) * | 2018-12-18 | 2019-05-14 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的动态制成率模型 |
| CN111160781A (zh) * | 2019-12-30 | 2020-05-15 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的复合动态制成率模型 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780907A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113780907B (zh) | 耗材需求量和库存控制方法、设备、系统以及存储介质 | |
| CN103679497A (zh) | 一种试用商品的派发方法及装置 | |
| CN112200640A (zh) | 一种基于区块链智能合约下物资供应自动匹配方法及系统 | |
| CN101339634A (zh) | 考虑钢水驻留时间期限的炼钢连铸生产调度方法 | |
| CN108665367A (zh) | 资金流动管理方法及装置 | |
| Röben et al. | The demand response potential in copper production | |
| CN118411006A (zh) | 物料需求计划方法、装置、系统以及计算机可读存储介质 | |
| CN109926452A (zh) | 应用于轧钢的过程控制方法、过程控制装置及终端 | |
| CN116384718B (zh) | 一种基于智能决策的供应商联合排产方法、系统及设备 | |
| CN106707994B (zh) | 钢铁轧制动态调整系统及其方法 | |
| JP2019079208A (ja) | 在庫規模見積装置、エネルギー消費規模見積装置、コスト見積装置及びプログラム | |
| CN105117281B (zh) | 一种基于任务申请信号和处理器内核执行代价值的任务调度方法 | |
| Zhang et al. | Multi-objective evolutionary algorithm-enabled multi-stage collaborative scheduling for automotive production | |
| CN116071102A (zh) | 一种基于订单的电力变压器供应预警方法及系统 | |
| CN113780693B (zh) | 产能分配方案的生成方法、设备、系统以及存储介质 | |
| Chen et al. | A cooperative grey wolf optimizer for the joint flowshop scheduling problem with sequence-dependent set-up time | |
| CN113177781B (zh) | 基于变邻域和遗传算子的生产组装协同调度方法及系统 | |
| WO2023130773A1 (zh) | 冷热卷余材跨工序充当的方法、设备、介质及程序产品 | |
| Tang et al. | An efficient optimal solution to the coil sequencing problem in electro-galvanizing line | |
| TWI663557B (zh) | 製造排程變異最小化系統 | |
| CN111461816A (zh) | 一种区域市场主体同台竞价的方法、装置及存储介质 | |
| CN111766839A (zh) | 一种智能车间调度知识自适应更新的计算机实现系统 | |
| CN112766615B (zh) | 一种平行工序间量平衡的产线分工方法及装置 | |
| CN117973811B (zh) | 一种基于深度强化学习的生产调度方法 | |
| CN115271346A (zh) | 一种分布式可重入车间动态调度问题的优化方法及装置 |
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 |