CN114254927A - 生产排程方法、装置、计算机设备及存储介质 - Google Patents

生产排程方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN114254927A
CN114254927A CN202111579923.3A CN202111579923A CN114254927A CN 114254927 A CN114254927 A CN 114254927A CN 202111579923 A CN202111579923 A CN 202111579923A CN 114254927 A CN114254927 A CN 114254927A
Authority
CN
China
Prior art keywords
scheduling
data
objective function
constructing
product
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.)
Pending
Application number
CN202111579923.3A
Other languages
English (en)
Inventor
刘会建
蒋俊峰
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.)
Runlian Intelligent Technology Co ltd
Original Assignee
Runlian Software System Shenzhen 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 Runlian Software System Shenzhen Co Ltd filed Critical Runlian Software System Shenzhen Co Ltd
Priority to CN202111579923.3A priority Critical patent/CN114254927A/zh
Publication of CN114254927A publication Critical patent/CN114254927A/zh
Pending legal-status Critical Current

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
    • G06Q10/0631—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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及工业排程技术领域，揭露了一种生产排程方法、装置、设备及存储介质，所述方法包括：获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。本申请实现了在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的排程的生产量。

Description

生产排程方法、装置、计算机设备及存储介质
技术领域
本申请涉及工业排程技术领域，尤其涉及一种生产排程方法、装置、计算机设备及存储介质。
背景技术
目前，如半导体行业等代加工行业属于离散制造行业。其生产设备的性能受超负荷和负荷变化影响大。同时，半导体行业的订单交期严重影响客户对供应商的评级，评级低影响行业商誉。目前生产排程通常基于一些规则方式比如：最短作业时间(SPT)法则，加权最短作业时间(WSPT)法则，最早交货期(EDD rule)法则,Hodgson法则等。这些法则大致是基于作业时间和订单交付时间来决定的，没有充分考虑到设备的负荷时间维度上的均衡。因此，如何在充分考虑设备负荷的情况下，进行生产排程成为了亟待解决的问题。
发明内容
本申请提供了一种生产排程方法、装置、计算机设备及存储介质，以解决现有技术中未考虑设备的负荷的情况下进行生产排程，导致得出的排程数据可用性不强的问题。
为解决上述问题，本申请提供了一种生产排程方法，包括：
获取工厂的历史排程数据；
基于所述工厂的历史排程数据，构建目标函数以及约束条件；
根据所述目标函数和约束条件构建排程模型；
获取产品的订单数据以及工厂的设备数据；
将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
进一步的，所述目标函数包括第一子目标函数和第二子目标函数；所述基于所述工厂的历史排程数据，构建目标函数包括：
根据所述历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据构建第一子目标函数，其中，所述第一子目标函数表达式如下：
Figure BDA0003426688860000021
其中，L＝Max{ETi-STi}
Figure BDA0003426688860000022
其中，M表示工艺种类或机器种类的总数，L表示时间长度，ETi表示订单i交付时间，STi表示订单i的开始时间，m表示需求订单数量，n表示产品种类数量，xijt表示订单i中的产品j在t天生产的数量，为整数，vjk表示产品j在每台机器k上每台生产的数量，Oij表示订单i中产品j的需求数量；
根据所述历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数，其中，所述第二子目标函数表达式如下：
Figure BDA0003426688860000023
进一步的，所述约束条件包括交期约束条件、产能约束条件以及遗留约束条件，所述基于所述工厂的历史排程数据，构建约束条件包括：
根据如下公式确定所述交期约束：
Figure BDA0003426688860000024
根据如下公式确定所述产能约束条件：
Figure BDA0003426688860000025
其中，Mnumk表示机器k的最大负荷；
根据如下公式确定所述遗留约束条件：
xijt∈Z
xijt≥0。
进一步的，所述根据所述目标函数和约束条件构建排程模型包括：
基于所述目标函数和约束条件，构建得到初始模型；
根据线性化算法优化所述初始模型，得到所述排程模型。
进一步的，所述基于所述目标函数和约束条件，构建得到初始模型包括：
基于所述目标函数和约束条件，采用如下公式构建所述初始模型：
Figure BDA0003426688860000031
其中，α表示权衡系数。
再进一步的，所述根据线性化算法优化所述初始模型，得到所述排程模型包括：
获取第一非负变量akt、第二非负变量bkt、第三非负变量fijt以及第四非负变量gijt；
基于所述第一非负变量akt和第二非负变量bkt，对所述第一子目标函数进行线性转化；
基于所述第三非负变量fijt和第四非负变量gijt，对所述第二子目标函数进行线性转化；
基于线性转化后的所述第一目标子函数和第二目标子函数，与约束条件，构建所述排程模型，其中，所述排程模型的表达式如下：
Figure BDA0003426688860000032
其中
Figure BDA0003426688860000033
Figure BDA0003426688860000034
为了解决上述问题，本申请还提供一种生产排程装置，所述装置包括：
第一获取模块，用于获取工厂的历史排程数据；
第一构建模块，用于基于所述工厂的历史排程数据，构建目标函数以及约束条件；
第二构建模块，用于根据所述目标函数和约束条件构建排程模型；
第二获取模块，用于获取产品的订单数据以及工厂的设备数据；
计算模块，用于将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
进一步的，所述第二构建模块包括：
初始模型构建子模块，用于基于所述目标函数和约束条件，构建得到初始模型；
线性化处理子模块，用于根据线性化算法优化所述初始模型，得到所述排程模型。
为了解决上述问题，本申请还提供一种计算机设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的生产排程方法。
为了解决上述问题，本申请还提供一种非易失性的计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的生产排程方法。
根据本申请实施例提供的一种生产排程方法、装置、计算机设备及存储介质，与现有技术相比至少具有以下有益效果：
通过获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型；获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程；本申请通过构建排程模型，可实现在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的生产量，且本申请得到的排程可用性较强。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图做一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2为本申请一实施例提供的生产排程方法的流程示意图；
图3为本申请一实施例提供的生产排程装置的模块示意图；
图4为本申请一实施例的计算机设备的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是是相同的实施例，也不是与其它实施例相互排斥的独立的或备选的实施例。本领域技术人员显式地或隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请提供了一种生产排程方法，可以应用于如图1所示的系统架构100中，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的生产排程方法一般由服务器/终端设备执行，相应地，生产排程装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
本申请提供一种生产排程方法。参照图2所示，图2为本申请一实施例提供的生产排程方法的流程示意图。
在本实施例中，生产排程方法包括：
S1、获取工厂的历史排程数据；
具体的，从数据库中获取工厂的历史排程数据，例如各产品每天的生产数量、各产品的需求数量、时间长度、各产品在预设机器上每天生产的数量数据、订单的开始与交付时间数据等数据。
当从数据库中获取历史排程数据时，需向数据库发送调用请求，调用请求携带验签令牌；接收数据库返回的验签结果，并在验签结果为通过时，调用数据库中的历史排程数据。
通过对数据库进行加密，并且在提取数据库中的历史排程数据时需要进行验签，保证了数据的安全。
S2、基于所述工厂的历史排程数据，构建目标函数以及约束条件；
具体的，可根据历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据构建第一子目标函数；以及根据所述历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数；并根据历史排程数据构建交期约束条件、产能约束条件以及遗留约束条件。
进一步的，所述目标函数包括第一子目标函数和第二子目标函数；所述基于所述工厂的历史排程数据，构建目标函数包括：
根据所述历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据构建第一子目标函数，其中，所述第一子目标函数表达式如下：
Figure BDA0003426688860000071
且，L＝Max{ETi-STi}
Figure BDA0003426688860000072
其中，M表示工艺种类或机器种类的总数，L表示时间长度，ETi表示订单i交付时间，STi表示订单i的开始时间，m表示需求订单数量，n表示产品种类数量，xijt表示订单i中的产品j在t天生产的数量，为整数，vjk表示产品j在每台机器k上每台生产的数量，Oij表示订单i中产品j的需求数量；
根据所述历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数，其中，所述第二子目标函数表达式如下：
Figure BDA0003426688860000073
具体的，第一子目标函数的构建是为了保持机器的性能，减少机器损耗，提高机器的使用寿命，尽可能使机器负荷均衡，通过历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据来构建得到第一子目标函数。
同时，为了增加对订单的风险管理，订单中的同一产品每天分配应尽可能均衡，工厂的每一机器型号可对于一种产品的加工工艺，所以通过历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数。
在本申请的其他实施例中，还设有第三子目标函数，即在仅基于第一子目标函数和第二子目标函数构建得到的排程模型中，利用排程模型对产品的订单数据以及工厂的设备数据进行计算，得到排程数据，所述排程数据无可行解时，则机器负荷可适当满负荷c％运行。以排程数据有可行解；具体可将c％加到产能约束条件中来实现。
根据历史排程数据来构建第一子目标函数和第二子目标函数，便于后续的得到排程模型，来尽可能使机器负荷均衡且平滑每日生产量。
进一步的，所述约束条件包括交期约束条件、产能约束条件以及遗留约束条件，所述基于所述工厂的历史排程数据，构建约束条件包括：
根据如下公式确定所述交期约束：
Figure BDA0003426688860000081
根据如下公式确定所述产能约束条件：
Figure BDA0003426688860000082
其中，Mnumk表示机器k的最大负荷；
根据如下公式确定所述遗留约束条件：
xijt∈Z
xijt≥0。
具体的，所述交期约束条件，即每一订单应该在开始时间到交付时间内生产完毕。所述产能约束条件，即每天机器的产能应不超过负荷；但当限制机器每天的产能不超过负荷的情况下，排程模型对产品的订单数据以及工厂的设备数据进行计算，无可行姐时，机器可适当满负荷c％运行，也即产能约束条件将变为：
Figure BDA0003426688860000083
基于变更后的产能约束条件来再次进行计算，所述满负荷c％不能无限制增加，具体c的大小可根据需求进行具体调整。
并且对于遗留约束条件，即产品的对应的所有工艺应在同一天全部生产完成，不能遗留到第二天，也即产品每天的生产数量为整数。
根据所述工厂的历史排程数据来得到交期约束条件、产能约束条件以及遗留约束条件，以便排程模型在上述约束条件下得到最优解。
S3、根据所述目标函数和约束条件构建排程模型；
具体的，基于所述目标函数和约束条件，构建得到初始模型；根据线性化算法优化所述初始模型，得到所述排程模型。
进一步的，所述根据所述目标函数和约束条件构建排程模型包括：
基于所述目标函数和约束条件，构建得到初始模型；
根据线性化算法优化所述初始模型，得到所述排程模型。
根据上述的目标函数和约束条件，构建所述初始模型，由于初始模型中含有次方，不便于快速求解，因此为了提高求解速度，对所述初始化模型进行线性化处理，具体为对目标函数进行线性化处理，从而得到所述排程模型。
通过对初始模型进行线性化处理得到排程模型，便于后续使用排程模型时，能快速求解。
再进一步的，所述基于所述目标函数和约束条件，构建得到初始模型包括：
基于所述目标函数和约束条件，采用如下公式构建所述初始模型：
Figure BDA0003426688860000091
其中，α表示权衡系数。
所述权衡系数即两个子目标函数的权重，即当工厂更想要减少机器损耗，提高机器的使用寿命等时，可增大α；当工厂更想平滑每天的产量时，可减小α，在本申请中采用的是α为0.5，即均分，两者同时兼顾，具体数值可根据需要进行设定。
根据所述目标函数和约束条件，来构建所述初始模型，以便于后续得到便于求解的排程模型。
再进一步的，所述根据线性化算法优化所述初始模型，得到所述排程模型包括：
获取第一非负变量akt、第二非负变量bkt、第三非负变量fijt以及第四非负变量gijt；
基于所述第一非负变量akt和第二非负变量bkt，对所述第一子目标函数进行线性转化；
基于所述第三非负变量fijt和第四非负变量gijt，对所述第二子目标函数进行线性转化；
基于线性转化后的所述第一目标子函数和第二目标子函数，与约束条件，构建所述排程模型，其中，所述排程模型的表达式如下：
Figure BDA0003426688860000101
其中
Figure BDA0003426688860000102
。
通过引入非负变量，来对子目标函数进行线性化，得到排程模型，从而可直接采用常规求解器即可轻松求解该模型，得到排程数据，即生产排程计划。且约束条件为：
Figure BDA0003426688860000104
akt≥0，bkt≥0，fijt≥0，gijt≥0，t＝1,2,...,L,k＝1,2,...,M,i＝1,2,...,m，j＝1,2,...,n。
通过引入非负变量，来对子目标函数来进行线性化，得到排程模型，便于后续使用排程模型时，能快速求解。
S4、获取产品的订单数据以及工厂的设备数据；
具体的，获取用户发送的目标数据，所述目标数据即订单号、各产品的数量要求、工艺要求、时间要求以及其他数据。通过对用户发送的目标数据进行预处理得到订单数据，所述订单数据包括产品数量及其工艺数据、时间数据；并且还有预保存的工厂的设备数据，如工艺对应的机器数据、该机器对应的运行数据，如加工速率以及台数等。通过对目标数据进行整理即得到订单数据，以及获取预存储的设备数据。
S5、将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
具体的，将将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程，即生产排程计划，其中包含订单号、订单号下的产品种类及数量，每天对应的生产数量安排等。
当根据所述产品的订单数据以及工厂的设备数据输入所述排程模型后，无可行解时，可适当使机器满负荷c％进行生产。即将产能约束改为：
Figure BDA0003426688860000111
排程模型的其他不变，来再次进行计算，来得到可行解。
通过获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型；获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程本申请通过构建排程模型，可实现在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的生产量。
本实施例还提供一种生产排程装置，如图3所示，是本申请生产排程装置的功能模块图。
本申请所述生产排程装置100可以安装于电子设备中。根据实现的功能，所述生产排程装置100可以包括第一获取模块101、第一构建模块102、第二构建模块103、第二获取模块104和计算模块105。本申请所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
第一获取模块101，用于获取工厂的历史排程数据；
第一构建模块102，用于基于所述工厂的历史排程数据，构建目标函数以及约束条件；
进一步的，所述目标函数包括第一子目标函数和第二子目标函数；所述第一构建模块102包括第一目标构建子模块和第二目标构建子模块；
所述第一目标构建子模块，用于根据所述历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据构建第一子目标函数，其中，所述第一子目标函数表达式如下：
Figure BDA0003426688860000112
且，L＝Max{ETi-STi}
Figure BDA0003426688860000121
其中，M表示工艺种类或机器种类的总数，L表示时间长度，ETi表示订单i交付时间，STi表示订单i的开始时间，m表示需求订单数量，n表示产品种类数量，xijt表示订单i中的产品j在t天生产的数量，为整数，vjk表示产品j在每台机器k上每台生产的数量，Oij表示订单i中产品j的需求数量；
所述第二目标构建子模块，用于根据所述历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数，其中，所述第二子目标函数表达式如下：
Figure BDA0003426688860000122
通过第一目标构建子模块和第二目标构建子模块的配合，根据历史排程数据来构建第一子目标函数和第二子目标函数，便于后续的得到排程模型，来尽可能使机器负荷均衡且平滑每日生产量。
进一步的，所述约束条件包括交期约束条件、产能约束条件以及遗留约束条件，所述第一构建模块102包括交期约束构建子模块、产能约束构建子模块和遗留约束构建子模块；
所述交期约束构建子模块，用于根据如下公式确定所述交期约束：
Figure BDA0003426688860000123
所述产能约束构建子模块，用于根据如下公式确定所述产能约束条件：
Figure BDA0003426688860000124
其中，Mnumk表示机器k的最大负荷；
所述遗留约束构建子模块，用于根据如下公式确定所述遗留约束条件：
xijt∈Z
xijt≥0。
通过交期约束构建子模块、产能约束构建子模块和遗留约束构建子模块的配合，根据所述工厂的历史排程数据来得到交期约束条件、产能约束条件以及遗留约束条件，以便排程模型在上述约束条件下得到最优解。
第二构建模块103，用于根据所述目标函数和约束条件构建排程模型；
进一步的，所述第二构建模块103包括初始构建子模块和线性化子模块；
所述初始构建子模块，用于基于所述目标函数和约束条件，构建得到初始模型；
所述线性化子模块，用于根据线性化算法优化所述初始模型，得到所述排程模型。
通过初始构建子模块和线性化子模块的配合，对初始模型进行线性化处理得到排程模型，便于后续使用排程模型时，能快速求解。
再进一步的，所述初始构建子模块包括具体构建单元；
所述具体构建单元，用于基于所述目标函数和约束条件，采用如下公式构建所述初始模型：
Figure BDA0003426688860000131
其中，α表示权衡系数。
通过具体构建单元，根据所述目标函数和约束条件，来构建所述初始模型，以便于后续得到便于求解的排程模型。
再进一步的，所述线性化子模块包括变量获取单元、第一线性转化单元、第二线性转化单元和最终构建单元；
所述变量获取单元，用于获取第一非负变量akt、第二非负变量bkt、第三非负变量fijt以及第四非负变量gijt；
所述第一线性转化单元，用于基于所述第一非负变量akt和第二非负变量bkt，对所述第一子目标函数进行线性转化；
所述第二线性转化单元，用于基于所述第三非负变量fijt和第四非负变量gijt，对所述第二子目标函数进行线性转化；
所述最终构建单元，用于基于线性转化后的所述第一目标子函数和第二目标子函数，与约束条件，构建所述排程模型，其中，所述排程模型的表达式如下：
Figure BDA0003426688860000141
其中
Figure BDA0003426688860000142
Figure BDA0003426688860000143
通过变量获取单元、第一线性转化单元、第二线性转化单元和最终构建单元的配合，通过引入非负变量，来对子目标函数来进行线性化，得到排程模型，便于后续使用排程模型时，能快速求解。
第二获取模块104，用于获取产品的订单数据以及工厂的设备数据；
计算模块105，用于将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
通过采用上述装置，所述生产排程装置100通过第一获取模块101、第一构建模块102、第二构建模块103、第二获取模块104和计算模块105的配合使用，通过获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型；获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程本申请通过构建排程模型，可实现在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的生产量。
本申请实施例还提供一种计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如生产排程方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述生产排程方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本实施例通过处理器执行存储在存储器的计算机可读指令时实现如上述实施例生产排程方法的步骤，通过获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型；获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程本申请通过构建排程模型，可实现在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的生产量。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的生产排程方法的步骤，通过获取工厂的历史排程数据；基于所述工厂的历史排程数据，构建目标函数以及约束条件；根据所述目标函数和约束条件构建排程模型；获取产品的订单数据以及工厂的设备数据；将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程本申请通过构建排程模型，可实现在对各订单按时排程的情况下，平衡生产资源，即机器负荷以便于机器保持良好的性能，降低对生产机器寿命损耗，同时还能平滑每天的生产量。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
本申请上述实施例的生产排程装置、计算机设备、计算机可读存储介质具有与上述实施例的生产排程方法相同的技术效果，在此不作展开。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种生产排程方法，其特征在于，所述方法包括：
获取工厂的历史排程数据；
基于所述工厂的历史排程数据，构建目标函数以及约束条件；
根据所述目标函数和约束条件构建排程模型；
获取产品的订单数据以及工厂的设备数据；
将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
2.根据权利要求1所述的生产排程方法，其特征在于，所述目标函数包括第一子目标函数和第二子目标函数；所述基于所述工厂的历史排程数据，构建目标函数包括：
根据所述历史排程数据中的各产品每天的生产数量、各产品的需求数量、时间长度以及各产品在预设机器上每天生产的数量数据构建第一子目标函数，其中，所述第一子目标函数表达式如下：
Figure FDA0003426688850000011
其中，L＝Max{ETi-STi}
Figure FDA0003426688850000012
其中，M表示工艺种类或机器种类的总数，L表示时间长度，ETi表示订单i交付时间，STi表示订单i的开始时间，m表示需求订单数量，n表示产品种类数量，xijt表示订单i中的产品j在t天生产的数量，为整数，vjk表示产品j在每台机器k上每台生产的数量，Oij表示订单i中产品j的需求数量；
根据所述历史排程数据中的各产品每天的生产数量、产品的需求数量以及订单的开始与交付时间数据构建第二子目标函数，其中，所述第二子目标函数表达式如下：
Figure FDA0003426688850000013
3.根据权利要求2所述的生产排程方法，其特征在于，所述约束条件包括交期约束条件、产能约束条件以及遗留约束条件，所述基于所述工厂的历史排程数据，构建约束条件包括：
根据如下公式确定所述交期约束：
Figure FDA0003426688850000021
根据如下公式确定所述产能约束条件：
Figure FDA0003426688850000022
其中，Mnumk表示机器k的最大负荷；
根据如下公式确定所述遗留约束条件：
xijt∈Z
xijt≥0。
4.根据权利要求3所述的生产排程方法，其特征在于，所述根据所述目标函数和约束条件构建排程模型包括：
基于所述目标函数和约束条件，构建得到初始模型；
根据线性化算法优化所述初始模型，得到所述排程模型。
5.根据权利要求4所述的生产排程方法，其特征在于，所述基于所述目标函数和约束条件，构建得到初始模型包括：
基于所述目标函数和约束条件，采用如下公式构建所述初始模型：
Figure FDA0003426688850000023
其中，α表示权衡系数。
6.根据权利要求4所述的生产排程方法，其特征在于，所述根据线性化算法优化所述初始模型，得到所述排程模型包括：
获取第一非负变量akt、第二非负变量bkt、第三非负变量fijt以及第四非负变量gijt；
基于所述第一非负变量akt和第二非负变量bkt，对所述第一子目标函数进行线性转化；
基于所述第三非负变量fijt和第四非负变量gijt，对所述第二子目标函数进行线性转化；
基于线性转化后的所述第一目标子函数和第二目标子函数，与约束条件，构建所述排程模型，其中，所述排程模型的表达式如下：
Figure FDA0003426688850000031
其中
Figure FDA0003426688850000032
Figure FDA0003426688850000033
7.一种生产排程装置，其特征在于，所述装置包括：
第一获取模块，用于获取工厂的历史排程数据；
第一构建模块，用于基于所述工厂的历史排程数据，构建目标函数以及约束条件；
第二构建模块，用于根据所述目标函数和约束条件构建排程模型；
第二获取模块，用于获取产品的订单数据以及工厂的设备数据；
计算模块，用于将所述产品的订单数据以及工厂的设备数据输入所述排程模型，得到所述订单数据对应的排程。
8.根据权利要求7所述的生产排程装置，其特征在于，所述第二构建模块包括：
初始模型构建子模块，用于基于所述目标函数和约束条件，构建得到初始模型；
线性化处理子模块，用于根据线性化算法优化所述初始模型，得到所述排程模型。
9.一种计算机设备，其特征在于，所述计算机设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一所述的生产排程方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至6中任一所述的生产排程方法。
CN202111579923.3A 2021-12-22 2021-12-22 生产排程方法、装置、计算机设备及存储介质 Pending CN114254927A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111579923.3A CN114254927A (zh) 2021-12-22 2021-12-22 生产排程方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111579923.3A CN114254927A (zh) 2021-12-22 2021-12-22 生产排程方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN114254927A true CN114254927A (zh) 2022-03-29

Family

ID=80794135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111579923.3A Pending CN114254927A (zh) 2021-12-22 2021-12-22 生产排程方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114254927A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202326A1 (zh) * 2022-04-18 2023-10-26 华为技术有限公司 数据处理方法及相关装置
CN117556968A (zh) * 2024-01-11 2024-02-13 天津瑞远粉末涂料有限公司 粉末涂料制备方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202326A1 (zh) * 2022-04-18 2023-10-26 华为技术有限公司 数据处理方法及相关装置
CN117556968A (zh) * 2024-01-11 2024-02-13 天津瑞远粉末涂料有限公司 粉末涂料制备方法、装置、电子设备及存储介质
CN117556968B (zh) * 2024-01-11 2024-04-09 天津瑞远粉末涂料有限公司 粉末涂料制备方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN114254927A (zh) 生产排程方法、装置、计算机设备及存储介质
CN114564294A (zh) 智能服务编排方法、装置、计算机设备及存储介质
CN110764798A (zh) 一种微码升级方法、装置、计算机设备及存储介质
CN113836131A (zh) 一种大数据清洗方法、装置、计算机设备及存储介质
CN112288163A (zh) 目标对象的目标因子预测方法及相关设备
CN112182118A (zh) 基于多数据源的目标对象预测方法及其相关设备
CN113642959B (zh) 物品配送任务分配方法、装置、计算机设备及存储介质
CN110443441B (zh) 规则效能监测方法、装置、计算机设备及存储介质
CN113342502B (zh) 数据湖的性能诊断方法、装置、计算机设备及存储介质
CN113254106B (zh) 基于Flink的任务执行方法、装置、计算机设备及存储介质
CN114240274A (zh) 门店物品补货方法、装置、计算机设备及存储介质
CN114968719A (zh) 线程运行状态分类方法、装置、计算机设备及存储介质
CN114596009A (zh) 智算中心的算力资源部署方法、装置、设备及存储介质
CN112328381A (zh) 启动任务执行顺序的决策方法、装置、计算机设备及介质
CN114462780A (zh) 一种机器人调度的方法、装置、计算机设备及存储介质
CN114549053A (zh) 数据分析方法、装置、计算机设备及存储介质
CN114138401A (zh) 基于人工智能的容器配置方法、装置、设备及介质
CN113283759A (zh) 账户风险画像更新方法、装置、设备及存储介质
CN112669136A (zh) 基于大数据的金融产品推荐方法、系统、设备及存储介质
CN114240509A (zh) 产品采购分析方法、装置、计算机设备及存储介质
CN113689108B (zh) 基于生态银行系统的多目标优化方法及装置
CN115577867B (zh) 一种抽检任务创建方法、系统、计算机设备及存储介质
CN112651842A (zh) 项目的演示方法、装置、计算机设备及存储介质
CN112258195A (zh) 一种交易数据的处理方法、装置、计算机设备及存储介质
CN111327513A (zh) 消息数据的推送方法、装置、计算机设备及存储介质

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: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant after: China Resources Digital Technology Co.,Ltd.

Address before: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant before: Runlian software system (Shenzhen) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221221

Address after: 528000 Floor 11, Block 1, Foshan Hi tech Industrial Park, No. 70, Guxin Road, Chancheng District, Foshan City, Guangdong Province (application for residence)

Applicant after: Runlian Intelligent Technology Co.,Ltd.

Address before: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant before: China Resources Digital Technology Co.,Ltd.