CN114386649A - 使用优化求解器机器的生产计划的方法、系统和存储介质 - Google Patents

使用优化求解器机器的生产计划的方法、系统和存储介质 Download PDF

Info

Publication number
CN114386649A
CN114386649A CN202111202788.0A CN202111202788A CN114386649A CN 114386649 A CN114386649 A CN 114386649A CN 202111202788 A CN202111202788 A CN 202111202788A CN 114386649 A CN114386649 A CN 114386649A
Authority
CN
China
Prior art keywords
production
orders
input
qubo
constraint
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
CN202111202788.0A
Other languages
English (en)
Inventor
英德雷普·高希
阿夫拉迪普·曼达尔
苏里亚·纳拉亚南哈里
牛岛隼人
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN114386649A publication Critical patent/CN114386649A/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
    • G06Q10/04—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
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本公开涉及使用优化求解器机器的生产计划的方法、系统和计算机可读存储介质。根据实施方式的一个方面，操作可以包括：接收与要在生产设施处生产的订单的集合相关联的第一输入；以及接收与生产线的集合相关联的第二输入。操作还可以包括：提取生产相关数据点的集合；以及接收与约束的集合相关联的第三输入。操作还可以包括：基于所提取的数据点的集合和第三输入来生成二次无约束二进制优化(QUBO)公式；以及将所生成的QUBO公式提交至第一优化求解器机器。操作还可以包括：从第一优化求解器机器接收对于所提交的QUBO公式的第一解；以及基于接收到的第一解确定要用于在该生产线的集合上生产订单的集合的时间表。

Description

使用优化求解器机器的生产计划的方法、系统和存储介质
技术领域
本公开内容中讨论的实施方式涉及使用优化求解器机器的生产计划。
背景技术
现代生产或制造设施通常需要提前进行生产计划和调度以准时交付订单并有效地管理生产资源。通常，生产设施包括一个或更多个生产线，这些生产线单独操作或串联操作以根据生产时间表生产订单。大多数这种设施在某个时间点都会受到问题的影响，例如生产线故障、订单取消、订单意外激增、一天或具体时段的生产能力的减少或优先级提升。
本公开内容中要求保护的主题不限于解决任何缺点或仅在诸如上面描述的那些环境中操作的实施方式。相反，提供该背景仅仅是为了说明其中可以实践本公开内容中描述的一些实施方式的一个示例技术领域。
发明内容
根据本公开内容的一个方面，操作可以包括：接收与要在生产设施处生产的订单的集合相关联的第一输入；以及接收与要用于订单的集合的生产的生产设施的生产线的集合相关联的第二输入。该操作还可以包括：基于接收到的第一输入和接收到的第二输入，来提取生产相关数据点的集合。所提取的生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。操作还可以包括：接收与关联于生产计划的约束的集合相关联的第三输入；以及基于所提取的生产相关数据点的集合和接收到的第三输入，来生成二次无约束二进制优化(QUBO)公式。操作还可以包括：将所生成的QUBO公式提交至第一优化求解器机器；以及从第一优化求解器机器接收对于所提交的QUBO公式的第一解。该操作还可以包括：基于接收到的第一解来确定要用于在该生产线的集合上的生产订单的集合的时间表。
实施方式的目的和优点将至少通过权利要求中特别指出的元素、特征和组合来实现和完成。
前面的一般描述和下面的详细描述均作为示例给出，并且是说明性的，并且不是对所要求保护的本发明的限制。
附图说明
将通过使用附图以附加的特征和细节来描述和说明示例实施方式，在附图中：
图1是表示用于使用优化求解器机器的生产计划的示例性网络环境的图，
图2是用于使用优化求解器机器的生产计划的系统的框图，
图3是示出用于为使用优化求解器机器的生产计划提供输入的示例电子用户接口的图，
图4描绘了示出用于使用优化求解器机器的生产计划的一组操作的框图，以及
图5是用于使用优化求解器机器的生产计划的示例方法的流程图，
全部根据本公开内容中描述的至少一个实施方式。
具体实施方式
参照附图说明本公开内容的实施方式。
本公开内容中描述的一些实施方式涉及用于使用优化求解器机器的生产计划的方法和系统。生产计划可以定义为确定用于在生产设施处以有效的方式生产订单的集合的计划或时间表。计划或时间表必须确保订单在交货或履行日期或之前准备好以进行运输。此外，计划或时间表必须符合大多数与生产相关的约束，并且对这些约束的违反最少。
通常，生产计划用作用于在生产设施内生产订单的指导。现代生产或制造设施通常需要提前进行生产计划和调度，以按时交付订单并有效管理生产资源。生产计划的问题是计算成本高的问题，并且也已被归类为非确定性多项式时间(NP)困难问题。
市场上存在许多软件和/或系统，它们可以自动地生成针对生产设施的生产计划或时间表。这些软件和/或系统通常将订单的集合、生产槽的集合(源自生产线)和约束的集合作为输入，并且提供生产计划作为输出。软件或系统可能并不总是提供最优的生产计划或时间表。在执行阶段，可能出现不可预见的问题，这可能破坏整个生成的生产计划。例如，这些问题中的一些问题可能包括，生产线故障、订单取消、订单意外激增、一天或时段的生产能力的减少、优先级提升(例如，客户可能希望提前1周订货，否则将取消订单)等。传统地，每当发生这些问题，就必须修改生产计划，以使与进一步延迟生产相关联的损失最小化。
所公开的系统可以将生产计划的问题公式化为二次无约束二进制优化(QUBO)公式。所公开的系统可以进一步在优化求解器机器上求解所生成的QUBO公式。优化求解器机器可以包括与传统计算系统相比可以快速且有效地解决硬组合优化问题(也包括生产计划的问题)的特殊硬件。在生成生产计划或时间表时，许多传统的生产计划软件不考虑逻辑约束。例如，逻辑约束可能要求生产桶(例如，一天或一周)中生产的订单数量应在生产间隔内。相反，所公开的系统可以在QUBO公式中编码硬约束以及软逻辑约束。与通过传统生产计划软件获得的生产计划或时间表相比，求解QUBO公式可以产生更优化的生产计划或时间表。
图1是表示根据本公开内容中描述的至少一个实施方式布置的用于使用优化求解器机器的生产计划的示例性网络环境的图。参照图1，示出了网络环境100。网络环境100包括系统102、用户设备104、用户设备 104的电子用户接口(UI)106和第一优化求解器机器108。系统102、用户设备104和第一优化求解器机器108可以经由通信网络110彼此通信地耦接。还示出了可以与用户设备104相关联的用户112。
系统102可以是与用户112相关联的本地或云计算环境的一部分。系统102可以包括合适的逻辑、电路系统和可以被配置成在用户设备104的电子UI 106上显示一组模板的接口。这样的模板中的每一个可以包括用户可选择的选项，用户112可以通过该用户可选择的选项向系统102提供一个或更多个输入。这样的输入可以与各种参数和约束有关，这些参数和约束需要调解并解决生产计划的优化问题。
在一个或更多个实施方式中，系统102可以包括用户设备104作为本地计算环境的一部分。用户设备104可以包括合适的网络接口以与第一优化求解器机器108进行通信，第一优化求解器机器108可以是本地基础设施的一部分或者可以托管在云系统上。用户设备104的示例可以包括但不限于移动设备、台式计算机、膝上型计算机、计算机工作站或服务器(例如云，服务器)。
电子UI 106可以显示在用户设备104上以允许用户112配置约束优化问题，例如，生产计划的问题。在实施方式中，系统102可以经由所显示的一组模板接收一个或更多个输入。例如，系统102可以分别经由所显示的一组模板中的第一模板、第二模板、第三模板接收第一输入、第二输入和第三输入。
第一输入可以与要在生产设施处生产的订单的集合相关联。在一些实施方式中，第一输入可以包括与订单的集合、订单数量和针对订单的集合的履行时间表中的每一个相关联的一个或更多个属性。例如，第一输入可以包括订单类型、订单中每种类型的产品的数量、履行日期、最早履行日期等。例如，如果生产设施是交通工具制造厂，则订单类型可以指定与特定交通工具订单相关联的交通工具型号和/或油漆颜色。
第二输入可以与要用于订单的集合的生产的生产设施的生产线的集合相关联。生产线可以包括生产槽的集合，生产槽中的每一个可以用于生产特定的订单。在一些实施方式中，第二输入还可以包括与该生产线的集合中的每个生产线的生产槽的集合相关联的第一信息和/或与该生产线的集合中的每个生产线的每日可用性相关联的第二信息。
第三输入可以与约束的集合相关联，约束的集合可以与用于订单的集合中的订单的生产的生产计划相关联。约束的集合中的每一个都可以应用于与生产计划的问题相关联的目标。例如，目标可能要求使与对约束的集合的违反相关联的总警告级别(或累积惩罚)最小化。每个约束可以在时间窗口内起作用。对于每个时间窗口，可以确定要违反或满足的约束。对约束的违反可能意味着不同的风险级别或惩罚。
在实施方式中，约束的集合可以包括硬约束和软约束。在解决生产计划的问题的同时，必须强制执行硬约束。例如，硬约束可以强制给每个生产槽分配最多一个订单，每个订单分配至生产线中的确切的一个生产槽，以及每个订单分配至预先指定的生产线。
在实施方式中，第三输入可以包括与若干软约束相关联的信息，例如，第一约束、第二约束、第三约束、第四约束、第五约束或第六约束。第一约束(MaxInDay)可以确定在不招致第一惩罚的情况下一天中可生产的订单的第一最大数目。第二约束(MaxInBucket)可以确定在不招致第二惩罚的情况下生产桶内可生产的订单的第二最大数目。生产桶可以是一天、一周、一个月或任何其他时段。第三约束(StartDate)可以确定在不招致第三惩罚的情况下生产的最早开始日期。第四约束(EndDate)可以确定在不招致第四惩罚的情况下生产的最晚结束日期。第五约束(NinM) 可以确定在不招致第五惩罚的情况下第一数目的连续生产槽(M)中可生产的订单的第一数目(N)的最大值。第六约束(Skip)可以确定在不招致第六惩罚的情况下一对已占用生产槽之间的未占用生产槽的最小数目。
基于第一输入和第二输入，系统102可以提取生产相关数据点的集合。所提取的生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。作为示例而非限制，所提取的生产相关数据点的集合可以包括用于生产的所有天数(D)的集合、桶的集合
Figure BDA0003305630600000051
生产线的集合(L)、订单的集合(O)、针对每个桶(B)的订单的集合(OB)、用于天数的集合中的每一天的槽的集合(Z)、槽的标识符的集合
Figure BDA0003305630600000052
Figure BDA0003305630600000053
例如，在图4中描述了关于生产相关数据点的集合的细节。
在实施方式中，系统102可以基于接收到的第一输入和接收到的第二输入来计算生产计划可能需要的参数的第一集合。参数的第一集合可以包括第一参数和第二参数。第一参数可以表示订单的集合的生产所需的生产桶的集合中的每个生产桶的生产间隔(Ik)。第二参数可以表示与该生产间隔相关联的警告级别(或惩罚)。
系统102可以基于所提取的生产相关数据点的集合和接收到的第三输入来生成二次无约束二进制优化(QUBO)公式。QUBO公式可以是用于第一优化求解器机器108的兼容输入格式并且可以包括常数的方形矩阵(Q，正定矩阵)。方形矩阵(Q)的值可以取决于与生产计划相关联的目标和对目标的约束的集合。在一些实施方式中，QUBO公式还可以考虑惩罚项和松弛变量。在计算QUBO公式的方形矩阵之前，可以考虑这些项和变量。例如，在图4中提供了关于QUBO公式的生成的细节。
所生成的QUBO公式可以通过一个或更多个应用编程接口(API)调用被提交至第一优化求解器机器108。这些API调用可以用于将请求从系统102传送至第一优化求解器机器108，然后中继对从第一优化求解器机器108返回到系统102的请求的响应。第一优化求解器机器108可以接收 QUBO公式并且可以通过使用优化求解方法(例如，量子退火或模拟退火)来计算QUBO公式的第一解。
在一个或更多个实施方式中，第一优化求解器机器108可以被实现为基于云的优化系统上的广义量子计算设备。基于云的优化系统可以被实现为私有云、公共云或混合云中的一种。在这种实现方式中，广义量子计算设备可以在应用层使用专门的优化求解软件应用(例如，QUBO求解器) 来实现搜索算法或元启发式算法(meta-heuristic algorithms)(例如，模拟退火或量子退火)，以搜索来自布尔值(0或1)的离散解空间的QUBO 公式的第一解。
广义量子计算设备可以不同于基于数字位的计算设备(例如，基于基于晶体管的数字电路的数字设备)。广义量子计算设备可以包括一个或更多个量子门，所述量子门使用量子比特(在下文中称为“量子位”)来执行用于不同信息处理应用的计算，例如，用于解决生产计划的问题的量子退火计算。通常，量子位可以表示“0”、“1”或“0”和“1”两者的叠加。在大多数情况下，广义量子计算设备可能需要仔细控制的低温环境，以恰当地工作。广义量子计算设备使用量子力学系统中发现的某些特性(例如，量子涨落、其本征态的量子叠加、量子隧穿和量子纠缠)。这些属性可以帮助广义量子计算设备执行用于解决在计算上难以由传统计算设备处理的某些数学问题(例如QUBO)的计算。广义量子计算设备的示例可以包括但不限于基于硅的核自旋量子计算机、俘获离子量子计算机、腔量子电动力学(QED)计算机、基于核自旋的量子计算机、基于量子点中的电子自旋的量子计算机、使用超导回路和约瑟夫逊结的超导量子计算机以及核磁共振量子计算机。
在一些其他实施方式中，第一优化求解器机器108可以是可以被专门设计并且硬件/软件被优化以实现搜索算法或元启发式算法(例如，模拟退火或量子退火)的量子退火计算机。类似于广义量子计算设备，量子退火计算机也可以使用量子位，并且可能需要仔细控制的低温环境，以恰当地工作。
在一些其他实施方式中，第一优化求解器机器108可以对应于用于解决生产计划的问题的数字量子计算处理器，其可以以QUBO公式或伊辛公式的形式提交(例如，在从QUBO到伊辛的转换之后)。更具体地，第一优化求解器机器108可以是可以基于基于半导体的架构的数字退火器。数字退火器可以被设计成对数字电路上的量子退火计算机的功能进行建模。数字退火器可以在室温下操作并且可以不需要低温环境来工作。此外，数字退火器可以具有特定的形状因数，该特定的形状因数可以使得数字退火器能够装配在电路板上，该电路板足够小以滑动至计算设备或计算基础设施的机架(例如，数据中心)中。在实施方式中，例如，数字退火器可以包括伊辛处理单元以求解伊辛公式。伊辛公式可以在转换所生成的QUBO公式之后获得。执行这种转换的方法在本领域中是众所周知的，因此，为了简洁起见，从公开内容中省略了这种方法的细节。
在一些其他实施方式中，第一优化求解器机器108可以包括处理器以执行与一个或更多个搜索算法和/或元启发式算法(例如，模拟退火或量子退火)相关联的软件指令。处理器的实现方式的示例可以包括但不限于精简指令集计算(RISC)处理器、专用集成电路(ASIC)处理器、复杂指令集计算(CISC)处理器、图形处理单元(GPU)、协处理器和/或它们的组合。
第一优化求解器机108可以将计算出的所提交的QUBO公式的第一解发送至系统102。系统102可以从第一优化求解器机器108接收第一解。可以基于接收到的第一解来确定要用于该生产线的集合上的订单的集合的生产的时间表。在实施方式中，系统102可以在用户设备104上显示所确定的时间表。例如，所确定的时间表可以显示在用户设备104的电子UI 106上或者可以递送至用户设备104上的数据库。
应当注意的是，系统102、用户设备104和第一优化求解器108之间的通信可以经由通信网络110执行。通信网络110可以包括通信介质，系统102可以通过该通信介质与第一优化求解器机器108和不同的服务器 (未示出)进行通信。通信网络110的示例可以包括但不限于因特网、云网络、无线保真(Wi-Fi)网络、个域网(PAN)、局域网(LAN)和/或城域网(MAN)。
网络环境100中的各种设备可以被配置成根据各种有线和无线通信协议连接至通信网络110。这样的有线和无线通信协议的示例可以包括但不限于传输控制协议和因特网协议(TCP/IP)、用户数据报协议(UDP)、超文本传输协议(HTTP)、文件传输协议(FTP)、ZigBee、EDGE、IEEE 802.11、光保真(Li-Fi)、802.16、IEEE 802.11s、IEEE 802.11g、多跳通信、无线接入点(AP)、设备至设备通信、蜂窝通信协议和/或蓝牙(BT)通信协议中的至少一个或它们的组合。
图2是根据本公开内容的至少一个实施方式的用于使用优化求解器机器的生产计划的系统的框图。结合来自图1的元素对图2进行说明。参照图2，示出了系统102的框图200。系统102可以包括处理器202、存储器204和持久数据存储装置206。在一些实施方式中，系统102还可以包括可以包括显示设备210的输入/输出(I/O)设备208和网络接口212。用户设备104可以是或可以不是系统102的一部分。还示出了可以通信地耦接至系统102的第一优化求解器机器108和第二优化求解器机器214。
处理器202可以包括可以被配置成执行与要由系统102执行的不同操作相关联的程序指令的合适的逻辑、电路和/或接口。处理器202可以包括任何合适的专用或通用计算机、计算实体或处理设备，包括各种计算机硬件或软件模块，并且可以被配置成执行存储在任何适用的计算机可读存储介质上的指令。例如，处理器202可以包括微处理器、微控制器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA) 或被配置成解释和/或执行程序指令和/或处理数据的任何其他数字或模拟电路。尽管在图2中被示出为单个处理器，但是处理器202可以包括任意数目的处理器，这些处理器被配置成单独地或共同地执行或指导系统102 的如本公开内容中所描述的任意数目的操作的执行。
在一些实施方式中，处理器202可以被配置成解释和/或执行被存储在存储器204和/或永久数据存储装置206中的程序指令和/或处理数据。在一些实施方式中，处理器202可以从永久数据存储装置206中提取程序指令，并将程序指令加载至存储器204中。在程序指令被加载至存储器 204中之后，处理器202可以执行程序指令。处理器202的一些示例可以是GPU、CPU、RISC处理器、ASIC处理器、CISC处理器、协处理器和/ 或它们的组合。
存储器204可以包括可以被配置成存储可由处理器202执行的程序指令的合适的逻辑、电路和/或接口。在某些实施方式中，存储器204可以被配置成存储来自用户112的输入和与生产计划的问题的任何中间或最终解相关联的信息。存储器204可以包括用于携带或其上存储有计算机可执行指令或数据结构的计算机可读存储介质。这样的计算机可读存储介质可以包括可以由通用或专用计算机(例如，处理器202)访问的任何可用介质。
作为示例而非限制，这样的计算机可读存储介质可以包括有形或非暂态计算机可读存储介质，包括随机存取存储器(RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器 (CD-ROM)或其他光盘存储、磁盘存储或其他磁存储设备、闪存设备(例如固态存储设备)、或可用于携带或存储计算机可执行指令或数据结构形式的特定程序代码并且可以由通用或专用计算机访问的任何其他存储介质。上面的组合也可以包括在计算机可读存储介质的范围内。例如，计算机可执行指令可以包括被配置成使得处理器202能够执行与系统102相关联的特定操作或操作组的指令和数据。
永久数据存储装置206可以包括可以被配置成存储可由处理器202、操作系统执行的程序指令和/或特定于应用的信息(例如，日志和特定于应用的数据库)的合适的逻辑、电路和/或接口。永久数据存储装置206 可以包括用于携带或其上存储有计算机可执行指令或数据结构的计算机可读存储介质。这样的计算机可读存储介质可以包括可以由通用或专用计算机(例如，处理器202)访问的任何可用介质。
作为示例而非限制，这样的计算机可读存储介质可以包括有形或非暂态计算机可读存储介质，包括光盘只读存储器(CD-ROM)或其他光盘存储、磁盘存储或其他磁存储设备(例如，硬盘驱动器(HDD)、闪存设备 (例如，固态驱动器(SSD)、安全数字(SD)卡、其他固态存储器设备) 或可以用于携带或存储计算机可执行指令或数据结构形式的特定程序代码并可以由通用或专用计算机访问的任何其他存储介质。上面的组合也可以包括在计算机可读存储介质的范围内。例如，计算机可执行指令可以包括被配置成使得处理器202能够执行与系统102相关联的特定操作或操作组的指令和数据。
I/O设备208可以包括可以被配置成接收来自用户112的输入的合适的逻辑、电路、接口和/或代码。I/O设备208可以被进一步配置成显示所确定的时间表和显示设备210上的总警告级别。I/O设备208可以包括各种输入和输出设备，这些输入和输出设备可以被配置成与处理器202和诸如网络接口212的其他部件进行通信。输入设备的示例可以包括但不限于触摸屏、键盘、鼠标、操纵杆和/或麦克风。输出设备的示例可以包括但不限于显示器(例如，显示设备210)和扬声器。
显示设备210可以包括可以被配置成将电子UI 106呈现在显示设备 210的显示屏上的合适的逻辑、电路、接口和/或代码。在一个或更多个实施方式中，可以经由显示设备210接收来自用户(例如，用户112)的多个用户输入。显示设备210可以通过若干已知的技术来实现，例如但不限于液晶显示器(LCD)显示、发光二极管(LED)显示、等离子体显示和/或有机LED(OLED)显示技术和/或其他显示技术。此外，在一些实施方式中，显示设备210可以指智能玻璃设备的显示屏、3D显示器、透视显示器、基于投影的显示器、电致变色显示器和/或透明显示器。
第二优化求解器机器214可以包括可以被配置成求解伊辛公式的一组伊辛处理单元。在一个或更多个实施方式中，每个伊辛处理单元可以是可以被配置成在第二优化求解器机器214上运行的软件模块或基于硬件的设备(例如，数字退火器)。每个伊辛处理单元可以对应于用于求解伊辛公式的伊辛模型的数学抽象。伊辛模型可以是与物理的相变有关的数学模型，当参数的小变化导致系统的状态发生大规模的质变时，就会发生相变。磁性材料的特性可以由磁自旋确定，磁自旋可以向上(+1)或向下(-1)。伊辛模型可以根据单个自旋状态(+1/-1)、表示不同自旋状态对之间的交叉强度的相互作用系数以及表示外部磁场强度的外部磁系数来表示。因此，伊辛公式的解可以类似于伊辛模型的最小能量配置的自旋状态。
该组伊辛处理单元可以被配置成通过从离散解空间中搜索伊辛公式的二进制决策变量(+1/-1)的值来求解伊辛公式，使得伊辛公式的能量(类似于伊辛模型的能量)是最小值。
网络接口212可以包括可以被配置成经由通信网络110在系统102、用户设备104、第一优化求解器机器108与第二优化求解器机器214之间建立通信的合适的逻辑、电路、接口和/或代码。网络接口212可以通过使用各种已知技术来实现，以支持系统102的经由通信网络110的有线或无线通信。网络接口212可以包括但不限于天线、射频(RF)收发器、一个或更多个放大器、调谐器、一个或更多个振荡器、数字信号处理器、编码器-解码器(CODEC)芯片组、用户识别模块(SIM)卡和/或本地缓冲器。
网络接口212可以经由无线通信与诸如因特网、内联网的网络和/或诸如蜂窝电话网络、无线局域网(LAN)和/或城域网(MAN)的无线网络进行通信。无线通信可以使用多种通信标准、协议和技术中的任何一种，例如，全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、宽带码分多址(W-CDMA)、长期演进(LTE)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、无线保真(Wi-Fi)(例如，IEEE 802.11a、IEEE 802.11b、IEEE 802.11g和/或IEEE802.11n)、因特网协议语音(VoIP)、光保真(Li-Fi) 或Wi-MAX。
由系统102执行的功能或操作，如图1所示，可以由处理器202执行。例如，在图3、图4和图5中详细描述了由处理器202执行的操作。
在不脱离本公开内容的范围的情况下，可以对系统102进行修改、添加或省略。例如，在一些实施方式中，系统102可以包括可能没有被明确示出或描述的任何数目的其他部件。
图3是根据本公开内容中描述的至少一个实施方式的用于为使用优化求解器机器的生产计划提供输入的示例电子用户接口(UI)的图。结合来自图1和图2的元素对图3进行说明。参照图3，示出了电子UI 300，其可以是图1的电子UI 106的示例实现方式。可以基于用户请求在用户设备104上显示电子UI 300，该用户请求可以经由显示在用户设备104的显示屏上的应用接口接收。应用接口可以是应用软件的一部分，例如，软件开发工具包(SDK)、基于云服务器的应用、基于Web的应用程序、基于OS的应用/应用套件、企业应用、用于API混搭生成的移动应用。
在电子UI 300上，示出了一组UI元素，例如，第一UI元素302、第二UI元素304、第三UI元素306和第四UI元素308。在图3中，例如，第一UI元素302被标记为“输入订单细节”。第一UI元素302可以包括订单文本框302A、订单属性菜单302B、属性值文本框302C和/或浏览302D。通过订单文本框302A、订单属性菜单302B、属性值文本框302C 或浏览按钮302D，系统102可以接收与要在生产设施处生产的订单的集合相关联的第一输入。
订单文本框302A可以是其中用户112可以以定义的格式添加关于订单的集合的信息的文本框。该订单的集合在将来必须在生产设施处生产。例如，订单文本框302A中的订单信息可以包括订单标识符和订单描述。
订单属性菜单302B可以是可以显示多个属性选项的下拉菜单，多个属性选项中的每一个可以与订单的集合、订单数量和针对订单的集合的履行时间表中的一个相关联。订单属性菜单302B可以允许用户112选择一个或更多个属性选项，例如，经由复选框。在一个或更多个实施方式中，订单属性菜单302B的下拉列表可以填充有与订单的集合、订单数量和针对订单的集合的履行时间表中的每一个相关联的属性。
作为示例而非限制，如果订单的集合是要生产的交通工具，则与订单的集合相关联的属性可以包括职责分类、交通工具类型、发动机类型、交通工具颜色等。订单数量可以包括要生产的交通工具的数目。在某些情况下，可以根据不同的属性指定多个订单数量。例如，在颜色属性的情况下，可以为蓝色和黑色指定不同的数量，例如，5辆蓝色交通工具和10辆黑色交通工具。类似地，履行时间表可以包括交付日期、完成日期、最早完成日期等。
属性值文本框302C可以是其中用户112可以以特定格式为每个所选择的属性选项提供值的文本框。例如，如果经由订单属性菜单302B选择履行日期，则用户112可以经由属性值文本框302C输入履行日期。
在一个或更多个实施方式中，代替经由订单文本框302A提供订单信息，经由订单属性菜单302B选择属性选项，并且经由属性值文本框302C 为所选择的选项提供值，与订单的集合以及相关联的属性(连同它们各自的值)相关联的所有信息都可以被组合在单个文件或多个文件中。这样的文件可以经由电子UI 300的浏览按钮302D上传至系统102。这样的文件可以是特定格式，例如，电子表格、逗号分隔值(CSV)文件、JavaScript 对象表示法(JSON)、可扩展标记语言(XML)或任何其他合适的格式。
系统102可以被配置成从上传的文件中检索关于订单的集合和相关联的属性连同它们的属性值的信息。检索到的交通工具生产的信息的示例如表1所呈现的，如下：
Figure BDA0003305630600000121
Figure BDA0003305630600000131
表1：具有属性的订单的集合
表1中的数据仅作为示例提供，并且不应被解释为对本公开内容的限制。例如，第二UI元素304可以被标记为“输入生产线细节”并且可以包括生产线菜单304A、槽菜单304B、日期菜单304C和/或添加更多生产线按钮304D和/或浏览按钮304E。通过生产线菜单304A、槽菜单304B、日期菜单304C和/或添加更多生产线按钮304D和/或浏览按钮304E，用户112可以向系统102提供第二输入。系统102可以接收与要用于订单的集合的生产的生产设施的生产线的集合相关联的第二输入。
生产线菜单304A可以是其可以列出可以在生产设施中可用的生产线的集合的下拉菜单。通过生产线菜单304A，可以选择多个生产线用于订单的集合的生产。每个生产线可以包括生产槽的集合。在生产计划期间，这样的槽中的每一个可以分配最多一个订单。例如，如果生产设施有六个生产线，则所有六个生产线都可以显示在下拉菜单中。
槽菜单304B可以是其可以针对生产线中的每个生产线的选择显示多个生产槽的下拉菜单。通过槽菜单304B，系统102可以接收与该生产线的集合中的每个生产线的生产槽的集合相关联的第一信息。例如，槽菜单 304B可以允许用户112经由复选框来选择生产槽。对于每个生产线，所选择的生产槽可以用于订单的集合的生产。
日期菜单304C可以是可以显示多个日期的下拉菜单。例如，日期菜单304C可以允许用户112经由复选框选择一个或更多个日期，所选择的一个或更多个日期可以指定用于订单的集合的生产的生产线的集合中的每个生产线的每日可用性。在一个或更多个实施方式中，经由日期菜单 304C对一个或更多个日期的选择可以被称为与生产线的集合中的每个生产线的每日可用性相关联的第二信息。
在一些场景中，可以通过点击添加更多生产线按钮304D来向用户112 提供添加另一生产线的选项。在选择添加更多生产线按钮304D时，系统 102可以显示新的UI元素，该新的UI元素可以类似于第二UI元素304。可以再次向用户112提供添加更多生产线、选择指示这样的生产线的每日可用性的日期、以及指示所添加的生产线中可用的槽的选项。
在一个或更多个实施方式中，代替经由生产线菜单304A选择生产线、经由槽菜单304B选择槽、经由日期菜单304C选择一个或更多个日期、和/或经由添加更多生产线按钮304D添加更多生产线，关于生产线的所有信息以及相关联的日期和槽可以组合在单个文件中并且可以经由浏览按钮304E上传至电子UI 300。该文件可以为定义的格式，例如，电子表格或CSV文件。系统102可以被配置成从上传的文件中检索第二输入，即关于订单的集合和相关联的属性连同它们的属性值的信息。这种信息的示例呈现在表2中，如下：
Figure BDA0003305630600000141
Figure BDA0003305630600000151
表2：具有日期和槽的生产线的集合
表2中的数据仅作为示例提供，并且不应被解释为对本公开内容的限制。例如，第三UI元素306可以被标记为“输入约束细节”。第三UI元素306可以包括约束选择菜单306A、惩罚选择文本框306B和描述标签 306C。通过约束选择菜单306A、惩罚选择文本框306B和描述标签306C，系统102可以接收与相关联于生产计划的约束的集合相关联的第三输入。
约束选择菜单306A可以是用户112可以从其中指定或选择用于生产计划的约束的集合的菜单。在一些情况下，用户112可以写入约束的名称并且系统102可以确定与该名称相关联的约束。惩罚选择文本框306B可以是用户112可以通过其指定当(经由约束选择菜单306A选择的)约束被违反时适用的惩罚的文本框。
描述标签306C可以是用户112可以通过其查看用于生产计划的(经由约束选择菜单306A选择的)约束的简要描述的文本框。在一些情况下，用户112可以输入多个惩罚值，如果约束的参数/变量呈现范围内的特定值，则多个惩罚值中的每个惩罚值都可以适用。例如，在图1和图4中提供了与约束的集合相关联的细节。可以通过点击添加更多约束按钮306D 来向用户112提供添加另一约束的选项。在选择添加更多约束按钮306D 时，系统102可以显示UI元素，该UI元素可以类似于第三UI元素306。可以再次向用户112提供选择另一约束、指定针对违反约束的惩罚、以及查看所选择的约束的简要描述的选项。
例如，第四UI元素308可以被标记为“提交”并且可以是按钮。在选择按钮时，系统102可以公式化表示QUBO公式并且可以将QUBO公式提交至第一优化求解器机器108(或第二优化求解器机器214)。对于所提交的公式的解可以用于输出要用于在生产线的集合上生产订单的集合的时间表。
应当注意的是，电子UI 300中的UI/UI元素仅作为示例提供，并且不应被解释为对本公开内容的限制。在一些实施方式中，可以适当地修改电子UI 300以允许用户112输入或上传与第一输入、第二输入和第三输入相关联的信息。
图4描绘了示出根据示例实施方式的用于使用优化求解器机器的生产计划的一组操作的框图。结合来自图1、图2和图3的元素对图4进行说明。参照图4，示出了从402至418的一组示例性操作的框图400。框图400中所示的示例性操作可以由任何计算系统执行，例如，由图1的系统102执行，或者由图2的处理器202执行。
在402处，可以执行数据采集。对于这样的采集，系统102可以经由用户设备104接收第一输入402A、第二输入402B和第三输入402C。这样的输入可以由用户112手动地输入或者可以经由用户设备104从上传至系统102的文件中提取。
第一输入402A可以与要在生产设施处生产的订单的集合相关联，并且例如，可以通过图3的第一UI元素302被接收。生产设施的示例可以包括但不限于制造车间、组装车间、生产工厂、制造单位(例如，芯片制造厂)或产品分拣单位。第一输入402A可以包括可以与订单的集合、订单数量和针对订单的集合的履行时间表中的每一个相关联的属性中的一个或更多个。
第二输入402B可以与要用于订单的集合的生产的生产设施的生产线的集合相关联，并且例如，可以通过图3的第二UI元素304接收。第二输入可以包括与该生产线的集合中的每个生产线的生产槽的集合相关联的第一信息以及与该生产线的集合中的每个生产线的每日可用性相关联的第二信息。
第三输入402C可以与相关联于生产计划的约束的集合相关联，并且例如，可以通过图3的第三UI元素306接收。约束的集合可以包括硬约束和软约束。在解决生产计划的问题的同时，必须强制执行硬约束。例如，这样的硬约束可以包括确保每个槽被分配至多一个订单的约束、确保每个订单被分配至确切一个生产槽的约束以及确保每个订单被分配至单个生产线的约束。
在一个实施方式中，软约束可以包括第一约束、第二约束、第三约束、第四约束、第五约束或第六约束。第一约束(MaxInDay)可以确定在不招致第一惩罚的情况下一天中可生产的订单的第一最大数目。第二约束 (MaxInBucket)可以确定在不招致第二惩罚的情况下生产桶内可生产的订单的第二最大数目。生产桶可以是一天、一周、一个月或任何其他时段。第三约束(StartDate)可以确定在不招致第三惩罚的情况下生产的最早开始日期。第四约束(EndDate)可以确定在不招致第四惩罚的情况下生产的最晚结束日期。第五约束(NinM)可以确定在不招致第五惩罚的情况下生产线的第一数目的连续生产槽(M)中可生产的订单(N)的第一数目的最大值。第六约束(Skip)可以确定在不招致第六惩罚的情况下在一对被占用的生产槽之间的生产线中未被占用的生产槽的最小数目。
软约束可以通过招致与这样的约束相关联的惩罚而被违反。例如，第一约束可以通过招致第一惩罚而被违反，第二约束可以通过招致第二惩罚而被违反，第三约束可以通过招致第三惩罚而被违反，第四约束可以通过招致第四惩罚而被违反，第五约束可以通过招致第五惩罚而被违反，并且第六约束可以通过招致第六惩罚而被违反。在违反这样的约束中的任何约束时适用的惩罚可以在第三输入中指定(例如，通过图3的第三UI元素 306接收)。
此处提供了与给定的订单的集合(如表1中提到的)的交通工具生产问题相关联的约束的集合的示例。第一约束可以定义为“如果一天生产超过90辆交通工具，则可能招致54次的第一惩罚”。第二约束可以定义为“如果在生产桶中生产超过50辆交通工具，则可能招致78次的第二惩罚”。第三约束可以定义为“如果订单的生产在2020年2月23日之前没有开始，则可能招致10次的第三惩罚”。第四约束可以定义为“如果订单的集合在2020年11月23日(最晚结束日期)之前未完成，则可能招致每个订单99次的第四惩罚”。第五约束或N-in-M可以定义为“如果每10 (M)个连续槽超过5(N)辆交通工具被喷漆，则可能招致18次的第五惩罚”。类似地，第六约束或跳过约束可以定义为“如果每个订单10个槽不留空，则可能招致99次的第六惩罚”。
在404处，可以提取生产相关数据点的集合。在实施方式中，系统 102可以基于接收到的第一输入402A和接收到的第二输入402B来提取生产相关数据点的集合。所提取的生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。表3中提供了生产相关数据点的示例，如下：
Figure BDA0003305630600000171
Figure BDA0003305630600000181
表3：生产相关数据点
如表3所示，生产相关数据点的集合包括可用于生产的所有天数的集合(D)、生产桶的集合
Figure BDA0003305630600000182
、生产线的集合(L)、订单的集合(O)、针对每个桶(OB)的订单的集合、每天可用于生产的槽的集合(Z)以及槽的集合标识符(S)。每个桶(B∈B)可以由时间段定义，例如一天、一周、一个月或任何其他指定的时段。属于生产桶的集合(B)的每个桶(B) 可以是所有天数(D)的集合的子集合(即B∈B和
Figure BDA0003305630600000184
)。针对每个生产桶的订单的集合(OB)可以是订单的集合(O)的子集合。类似地，槽标识符的集合
Figure BDA0003305630600000185
可以包括对所有天数的集合(D)可用的所有槽(给定对生产线的集合(L)每天可用的槽的集合(Z)。表3 中的数据仅作为示例提供，并且不应被解释为对本公开内容的限制。
在406处，可以执行参数计算。在实施方式中，系统102可以基于接收到的第一输入402A和接收到的第二输入402B来计算参数的第一集合。计算出的参数的第一集合中的每一个可能是生成二次无约束二进制优化 (QUBO)公式所需的，并且例如，可以包括第一参数和第二参数。
第一参数可以表示生产订单的集合(O)所需的生产桶的集合
Figure BDA0003305630600000183
中的每个生产桶(B)的生产间隔(IB，K)。作为示例而非限制，针对桶(B) 的生产间隔(IB，K)由式(1)提供，如下：
IB，K＝[uk，vk] (1)
其中，对于每个桶
Figure BDA0003305630600000191
，uk，vk，k∈N
uk可以表示间隔‘k’的开始日期或开始槽标识符，
vk可以表示间隔‘k’的结束日期或结束槽标识符，并且
N可以表示自然数的集合。
第二参数可以表示与生产间隔相关联的警告级别(wB，K)。警告级别 (wB，K)可以对应于在生产间隔(IB，K)中违反约束的集合中的至少一个约束时可能招致的惩罚。为获得生产的最优时间表，应使所有生产间隔上的总警告级别(wB，K)或总惩罚最小化。
在408处，可以公式化表示目标函数。在实施方式中，系统102可以公式化表示目标函数，该目标函数必须被求解以找到订单的集合(O)的生产的时间表。目标函数可以将生产计划的问题建模为约束优化问题。例如，目标函数可以是在存在对这样的变量的约束的集合的情况下必须相对于变量(例如xo，l，d，z)使其最小化的成本函数。例如，变量(对于给定的o ∈O、l∈L、d∈D和z∈Z的xo，l，d，z)可以确定在具体的天数(d)将每个订单(o)唯一地分配至生产线(1)的生产槽(z)的时间表。
可以基于所提取的生产相关数据点的集合(在404处)和计算出的参数的第一集合(406)来公式化表示目标函数。公式化表示的目标函数可以定义目标，以使与(在第三输入402C中指定的)约束的集合中的至少一个的违反相关联的总警告级别(即，累积惩罚)最小化。
例如，目标函数可以包括与约束的集合中的第二约束(即 MaxInBucket)相关联的第一目标。与第二约束相关联的目标可以由式(2) 提供，如下：
Min∑B∈Bρl(B) (2)
其中，
ρl(B)可以表示针对生产桶B和生产线1的总警告级别，并且可以由式(3) 提供，如下：
ρl(B)＝(n(B)∈IB，k)·n(B)·wB，k (3)
其中，
如果生产桶B中生产的订单的数目落在生产间隔IB，k内，则(n(B)∈ IB，k)可以等于1，并且
n(B)可以表示生产桶的数目。
在410处，可以执行约束编码操作。这种操作可以是将与目标函数相关联的约束转换为QUBO格式的一部分。在实施方式中，系统102可以将(在第三输入402C中指定的)约束的集合中的每一个(或至少一个) 编码成QUBO公式。这样的约束中的一些的示例表示由式(4)、(5)、(6) 和(7)提供，如下：
xo，s＝xo，l，d，z＝1 (4)
式(4)可以表示目标函数的二进制变量xo，s∈{0，1}上的条件。条件规定，当且仅当订单o分配至槽id s＝(l，d，z)时xo，l，d，z＝1。
Figure BDA0003305630600000201
式(5)可以表示对目标函数的线性约束，并且可以表示所有生产线(L) 上的天数(d)中的订单的数目。
Figure BDA0003305630600000202
式(6)还可以表示对目标函数的线性约束，并且可以表示所有生产线(L) 上的生产桶B∈B中的订单的数目。
1(n(B)∈IB，k) (7)
式(7)可以是逻辑约束，如果生产桶B中生产的订单的数目落在生产间隔IB，k中，则该逻辑约束可以等于1。
为了对约束的集合进行编码，系统102可以从(在接收到的第三输入 402C中指定的)约束的集合中识别一个或更多个逻辑约束。逻辑约束可以借助于逻辑运算符(例如，逻辑与、逻辑或否定(即，非))、条件语句 (即，如果...则...)来组合线性约束，以表达线性约束之间的复杂关系。
逻辑约束的一些示例可以包括第二约束(即MaxInBucket，如式(7) 所表示的)、第三约束和第四约束(它们是日期约束，例如“开始日期落入天数间隔k？”)、第五约束(NinM：“连续订单的数目落入槽间隔k？”)、或第六约束(Skip：“订单与下一个订单之间未占用的槽的数目落入间隔 k？”)。而逻辑约束通常不用于公式化表示QUBO，系统102可以将逻辑约束转换为QUBO格式，使得QUBO的解考虑对逻辑约束的任何违反。
根据式(7)，如果生产桶(B)中生产的订单的数目在生产间隔(IB，K) 内，则MaxInBucket约束可以等于1。MaxInBucket约束的符号可以由式 (8)表示，如下：
Figure BDA0003305630600000211
其中
n(B)可以表示桶的集合(B)中桶的数目，并且
IB，i可以表示针对桶B的生产间隔‘i’。
系统102可以通过确定生产间隔的端点来转换由式(8)表示的式。如果LB，1＜LB，2＜…<LB，n+1是n1(B)能取的生产间隔的可能的端点，则式
Figure BDA0003305630600000212
可以被建模并且表示为如下的式(9)、式(10)和式(11)：
-Mi(1-yB，i)≤n(B)-Li＝1 (9)
-M′i(1-yB，i)＜Li+1-n(B)＝1 (10)
∑iyB，i＝1 (11)
其中，
Mi和Mi′是大常数值。
应该注意，对于大的Mi和Mi′的值，由式(9)、式(10)和式(11) 所表示的式可以给出MaxInBucket约束的线性公式。MaxInBucket约束的线性公式(由式(9)、式(10)和式(11)表示)可以进一步转换为QUBO 格式。QUBO格式可以表示为如下的式(12)、式(13)和式(14)。
(-Mi(1-yB，i)-n(B)-LB，i+slackB(i))2 (12)
(-M′i(1-yB，i)-LB，i+1-n(B)+slackB(i))2 (13)
(∑iyB，i-1)2 (14)
其中，
Slack(i)可以是约束I的松弛变量的线性函数，并且
对于某些m∈N，ui∈{0，1}，slack(i)＝20u1+21u2+…+2mum
在412处，可以生成QUBO公式。在实施方式中，系统102可以被配置成生成生产计划的QUBO公式。QUBO公式可以基于公式化表示的目标函数(在408处)和所编码的约束的集合(在410处)来生成。在一些实施方式中，可以基于(在406处计算的)参数的第一集合进一步生成 QUBO公式。
QUBO公式可以是第一优化求解器机器108的兼容输入格式，并且可以包括与二进制决策变量的向量(x)相关联的常数的成本矩阵(Q)。在实施方案中，该向量(x)可以与式(4)的二进制变量(xo，l，d，z)相同。任何问题的广义QUBO形式由式(15)给出，如下。
min(y＝xT·Q·x) (15)
其中，
x可以表示二进制决策变量的向量，
并且Q可以是常数的成本矩阵。
在414处，可以提交QUBO公式。在实施方式中，系统102可以经由应用编程接口(API)调用将所生成的QUBO公式提交至第一优化求解器机器108。在一个或更多个实施方式中，系统102可以将QUBO公式转换为伊辛公式，并且可以将伊辛公式提交至第二优化求解器机器214。例如，在图5中提供了与伊辛公式和相关联的解相关联的细节。
第一优化求解器机器108可以通过搜索方法和/或元启发式方法(例如，量子退火)的应用来求解QUBO公式，以获得所提交的QUBO公式的第一解。具体地，为了搜索解(即，二进制决策变量的向量的值(x))，可以使QUBO公式的能量最小化。该解可以是最优的(或接近最优的)，并且可以从离散的解空间中搜索到。
在416处，可以接收所提交的QUBO公式的第一解。在实施方式中，系统102可以从第一优化求解器机器108接收所提交的QUBO公式的第一解。接收到的第一解可以包括二进制决策变量的向量(x)的二进制值。
在418处，可以执行时间表确定操作。在时间表确定操作中，系统 102可以确定要用于该生产线的集合(L)上的订单的集合(O)的生产的时间表。可以基于接收到的第一解来确定时间表。例如，如果二进制决策变量的向量(x)与式(4)的二进制变量(xo，l，d，z)相同，则第一解可以包括变量(xo，l，d，z)的值。变量(针对给定的o∈O、l∈L、d∈D和z∈Z的 xo，l，d，z)可以确定时间表，该时间表在具体的天数(d)将每个订单(o)唯一地分配至生产线(1)的生产槽(z)。例如，时间表可以将每个订单分配至生产线的生产槽，使得订单在设定的交货日期(或完成日期或最早完成日期)或之前完成。
在一些实施方式中，系统102可以基于所确定的时间表来计算总警告级别。计算出的总警告级别可以指示由于违反所确定的时间表中的约束的集合中的至少一个而招致的总惩罚。系统102可以在用户设备104的电子 UI 106上显示所确定的时间表和计算出的总警告级别。作为示例，与 MaxInBucket约束相关联的总警告级别可以使用式(16)来计算，如下：
Figure BDA0003305630600000231
其中ρl(B)可以使用式(3)来计算。
图5是根据本公开内容中描述的至少一个实施方式布置的用于使用优化求解器机器的生产计划的示例方法的流程图。结合图1、图2、图3 和图4的元素对图5进行说明。参照图5，示出了流程图500。流程图500 中所示的示例方法可以在502处开始，并且可以由任何合适的系统、装置或设备执行，例如，由图2的系统102执行。
在502处，可以接收第一输入402A。第一输入402A可以与要在生产设施处生产的订单的集合相关联。在一个或更多个实施方式中，处理器 202可以被配置成接收与要在生产设施处生产的订单的集合相关联的第一输入402A。第一输入402A可以包括与订单的集合、订单数量和针对订单的集合的履行时间表中的每一个相关联的属性中的一个或更多个。
在504处，可以接收第二输入402B。第二输入402B可以与要用于订单的集合的生产的生产设施的生产线的集合相关联。在一个或更多个实施方式中，处理器202可以被配置成接收与要用于订单的集合的生产的生产设施的该生产线的集合相关联的第二输入402B。第二输入402B可以包括与该生产线的集合中的每个生产线的生产槽的集合相关联的第一信息，以及与该生产线的集合中的每个生产线的每日可用性相关联的第二信息。
在506处，可以提取生产相关数据点的集合。可以基于接收到的第一输入402A和接收到的第二输入402B来提取生产相关数据点的集合。所提取的生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。在一个或更多个实施方式中，处理器202可以被配置成基于接收到的第一输入402A和接收到的第二输入402B来提取生产相关数据点的集合，生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。例如，图4中提供了关于生产相关数据点的集合的提取的细节。
在508处，可以接收第三输入402C。第三输入402C可以与关联于生产计划的约束的集合相关联。在一个或更多个实施方式中，处理器202可以被配置成接收与约束的集合相关联的第三输入402C。约束的集合可以包括确定在不招致第一惩罚的情况下一天中可生产的订单的第一最大数目的第一约束、确定在不招致第二惩罚的情况下在生产桶内可生产的订单的第二最大数目的第二约束、确定在不招致第三惩罚的情况下生产的最早开始日期的第三约束、确定在不招致第四惩罚的情况下生产的最晚结束日期的第四约束、确定在不招致第五惩罚的情况下第一数目的连续生产槽中可生产的订单的第一数目的最大值的第五约束以及确定在不招致第六惩罚的情况下一对被占用的生产槽之间的未占用的生产槽的最小数目的第六约束中的一个或更多个。
在510处，可以生成二次无约束二进制优化(QUBO)公式。QUBO 公式可以基于所提取的生产相关数据点的集合和接收到的第三输入402C 来生成。在一个或更多个实施方式中，处理器202可以被配置成基于所提取的生产相关数据点的集合和接收到的第三输入402C来生成QUBO公式。图4中提供了关于QUBO公式的细节。
在512处，可以经由应用编程接口(API)调用将所生成的QUBO公式提交至第一优化求解器机器108。在一个或更多个实施方式中，处理器 202可以被配置成将所生成的pQUBO公式提交至第一优化求解器机器 108。图4中提供了关于所生成的QUBO公式的提交的细节。
在514处，可以接收所提交的QUBO公式的第一解。可以从第一优化求解器机器108接收所提交的QUBO公式的第一解。接收到的第一解可以包括与QUBO公式相关联的二进制决策变量的向量的二进制值。在一个或更多个实施方式中，处理器202可以被配置成从第一优化求解器机器108接收所提交的QUBO公式的第一解。
在516处，可以确定用于在该生产线的集合上生产订单的集合的时间表。可以基于接收到的第一解来确定时间表。在一个或更多个实施方式中，处理器202可以被配置成基于接收到的第一解来确定时间表。
在518处，可以将所生成的QUBO公式转换成伊辛公式。伊辛公式可以是用于第二优化求解器机器214的一组伊辛处理单元的兼容输入格式，第二优化求解器机器214可以与第一优化求解器机器108相同或不同。在伊辛公式中，属性以及属性之间的关系基于伊辛模型。伊辛模型是参考统计力学的铁磁性数学模型。该模型使用表示自旋状态(其是+1或-1)的磁偶极矩的离散变量。数据点(其被表示为自旋状态)可以被组织为点阵 (lattice)，因此每个自旋都可以与其相邻的自旋相互作用。
关于二进制决策变量的向量的值的选择，伊辛公式的解可以不同于 QUBO公式的解。对于QUBO公式，决策变量的二进制值可以表示为0 或1中的一个。而对于伊辛公式，决策变量的二进制值可以表示为-1或+1 (可能类似于伊辛系统的两个自旋状态)中的一个。
在520处，可以将伊辛公式提交至第二优化求解器机器214。第二优化求解器机器214可以包括可以被配置成求解伊辛公式的一组伊辛处理单元。在一个或更多个实施方式中，每个伊辛处理单元可以是可以被配置成求解伊辛公式的软件模块或基于硬件的设备(例如，数字退火器)。每个伊辛处理单元可以对应于用于求解伊辛公式的伊辛模型的数学抽象。伊辛模型可以用单个自旋状态(+1/-1)、表示不同自旋状态对之间的交叉强度的相互作用系数以及表示外部磁场的强度的外部磁系数来表示。因此，伊辛公式的解可以类似于伊辛模型的最小能量配置的自旋状态。该组伊辛处理单元可以被配置成通过从离散解空间中搜索伊辛公式的二进制决策变量(+1/-1)的值来求解伊辛公式，使得伊辛公式的能量(类似于伊辛模型的能量)是最小值。
可以将伊辛公式作为输入提供至第二优化求解器机器214以通过求解伊辛公式来生成第二解。在一个或更多个实施方式中，处理器202可以被配置成将伊辛公式提交至第二优化求解器机器214。作为示例而非限制，伊辛公式可以经由API调用提交至第二优化求解器机器214。
在522处，可以从第二优化求解器机器214接收所提交的伊辛公式的第二解。接收到的第二解可以包括伊辛公式的二进制决策变量的向量的二进制值。在一个或更多个实施方式中，处理器202可以被配置成从第二优化求解器机器214接收伊辛公式的第二解。
在524处，可以基于接收到的第二解来确定时间表。所确定的时间表可以用于在生产线的集合上的订单的集合的生产。在一个或更多个实施方式中，处理器202可以被配置成基于接收到的第二解来确定时间表。
控制可以传递至结束。尽管流程图500被示出为离散操作，例如，502、 504、506、508、510、512、514、516、518、520、522和524；然而，在某些实施方式中，取决于特定实现方式，这样的离散操作还可以被划分成附加操作、被组合成更少操作或被消除。
本公开内容的各种实现方式可以提供被配置成存储指令的非暂态计算机可读存储介质，所述指令响应于被执行而使系统(例如，系统102) 执行包括接收与要在生产设施处生产的订单的集合相关联的第一输入(例如，第一输入402A)的操作。操作还可以包括接收与要用于订单的集合生产的生产设施的生产线的集合相关联的第二输入(例如，第二输入 402B)。该操作还可以包括基于接收到的第一输入和接收到的第二输入来提取生产相关数据点的集合。所提取的生产相关数据点的集合中的每一个都是订单的集合的生产计划所需的。操作还可以包括接收与关联于生产计划的约束的集合相关联的第三输入(例如，第三输入402C)。操作还可以包括基于所提取的生产相关数据点的集合和接收到的第三输入来生成二次无约束二进制优化(QUBO)公式。操作还可以包括将所生成的QUBO 公式提交至第一优化求解器机器(例如，第一优化求解器机器108)。操作还可以包括从第一优化求解器机器接收所提交的QUBO公式的第一解以及基于接收到的第一解来确定要用于在该生产线的集合上生产订单的集合的时间表。
如本公开内容中所使用的，术语“模块”或“部件”可以指被配置成执行模块或部件的动作的特定硬件实现方式和/或可以存储在计算系统的通用硬件(例如，计算机可读介质、处理设备等)上和/或由计算系统的通用硬件执行的软件对象或软件例程。在一些实施方式中，本公开内容中描述的不同部件、模块、引擎和服务可以被实现为在计算系统(例如，作为单独的线程)上执行的对象或进程。虽然本公开内容中描述的一些系统和方法通常被描述为以软件(存储在通用硬件上和/或由通用硬件执行) 来实现，但是特定硬件实现或软件和特定硬件实现方式的组合也是可能的和预期的。在本说明书中，“计算实体”可以是本公开内容中先前限定的任何计算系统，或者在计算系统上运行的任何模块或模块的组合。
在本公开内容中并且尤其是在所附权利要求(例如，所附权利要求的主体)中使用的术语一般旨在作为“开放式”术语(例如，术语“包括”应当解释为“包括但不限于”，术语“具有”应当解释为“至少具有”，术语“包含”应当解释为“包括但不限于”等)。
另外，如果期望所引入的权利要求叙述的特定数目，则这样的期望将在权利要求中明确地叙述，并且在没有这样的叙述的情况下不存在这样的意图。例如，为了帮助理解，以下所附权利要求可以包含使用引导性短语“至少一个”和“一个或更多个”来引入权利要求的叙述。然而，这种短语的使用不应被解释为暗示由不定冠词“一”或“一个”引入的权利要求特征将包含这种引入的权利要求特征的任何特定权利要求限制为仅包含一个这种特征的实施方式，即使当同一权利要求包括引导短语“一个或更多个”或“至少一个”以及不定冠词如“一”或“一个”时(例如，“一”和/或“一个”应被解释为“至少一个”或“一个或更多个”)；这同样适用于使用定冠词来权利要求叙述。
另外，即使明确地叙述了所引入的权利要求叙述的具体数目，本领域技术人员将认识到这样的叙述应当被解释为意味着至少所叙述的数目(例如，在没有其他修饰语的情况下，“两个叙述”的无修饰叙述意味着至少两个叙述、或者两个或更多个叙述)。此外，在使用类似于“A、B和C 等中的至少一个”或“A、B和C等中的一个或更多个”的约定的实例中，一般来说，这样的构造意在包括单独的A、单独的B、单独的C、A和B 一起、A和C一起、B和C一起、或A、B和C一起等。
此外，无论在说明书、权利要求书或附图中，呈现两个或更多个替选术语的任何分离性词或短语都应当被理解为预期包括这些术语之一、这些术语中的任一个或术语两者的可能性。例如，短语“A或B”应被理解为包括“A”或“B”或“A和B”的可能性。
本公开内容中叙述的所有示例和条件语言旨在用于教导目的，以帮助读者理解本公开内容和发明人为了促进本领域而贡献的概念，并且应当被解释为不限于这样的具体叙述的示例和条件。尽管已经详细描述了本公开内容的实施方式，但是在不脱离本公开内容的主旨和范围的情况下，可以对实施方式进行各种改变、替换和变更。

Claims (20)

1.一种方法，包括：
接收与要在生产设施处生产的订单的集合相关联的第一输入；
接收与要用于生产所述订单的集合的生产设施的生产线的集合相关联的第二输入；
基于接收到的第一输入和接收到的第二输入，提取生产相关数据点的集合，所述生产相关数据点的集合中的每一个是所述订单的集合的生产计划所需的；
接收和与所述生产计划相关联的约束的集合相关联的第三输入；
基于所提取的生产相关数据点的集合和接收到的第三输入，生成二次无约束二进制优化(QUBO)公式；
将所生成的QUBO公式提交至第一优化求解器机器；
从所述第一优化求解器机器接收对于所提交的QUBO公式的第一解；以及
基于接收到的第一解，确定要用于在所述生产线的集合上生产所述订单的集合的时间表。
2.根据权利要求1所述的方法，其中，所述约束的集合包括以下中的至少一个：
第一约束，其确定在不招致第一惩罚的情况下一天中能够生产的订单的第一最大数目，
第二约束，其确定在不招致第二惩罚的情况下生产桶内能够生产的订单的第二最大数目，
第三约束，其确定在不招致第三惩罚的情况下生产的最早开始日期，
第四约束，其确定在不招致第四惩罚的情况下生产的最晚结束日期，
第五约束，其确定在不招致第五惩罚的情况下在第一数目的连续生产槽中能够生产的订单的第一数目的最大值，以及
第六约束，其确定在不招致第六惩罚的情况下在一对已占用的生产槽之间的未占用生产槽的最小数目。
3.根据权利要求1所述的方法，其中，所述第一输入包括以下中的一个或更多个：与所述订单的集合中的每一个订单相关联的属性，订单数量，以及针对所述订单的集合的履行时间表。
4.根据权利要求1所述的方法，其中，所述第二输入包括以下中的一个或更多个：
与所述生产线的集合中的每个生产线的生产槽的集合相关联的第一信息，以及
与所述生产线的集合中的每个生产线的每日可用性相关联的第二信息。
5.根据权利要求1所述的方法，还包括：
基于接收到的第一输入和接收到的第二输入，计算所述生产计划所需的参数的第一集合；以及
还基于计算出的参数的第一集合来生成QUBO公式。
6.根据权利要求5的方法，其中，计算出的参数的第一集合包括：
第一参数，其表示为生产所述订单的集合所需的生产桶的集合中的每个生产桶的生产间隔，以及
第二参数，其表示与所述生产间隔相关联的警告级别。
7.根据权利要求5所述的方法，还包括：
基于所提取的生产相关数据点的集合和计算出的参数的第一集合，来公式化表示目标函数，所述目标函数将所述生产计划的问题建模为约束优化问题，
公式化表示的目标函数使与所述约束的集合中的至少一个约束的违反相关联的总警告级别最小化；以及
还基于公式化表示的目标函数来生成所述QUBO公式。
8.根据权利要求1所述的方法，还包括：基于接收到的第三输入将所述约束的集合中的每一个约束编码到所生成的QUBO公式中。
9.根据权利要求8所述的方法，其中，所述编码包括：
基于接收到的第三输入来识别所述约束的集合中的一个或更多个逻辑约束；以及
将识别出的一个或更多个逻辑约束中的每一个转换成QUBO格式，其中，所述QUBO公式是还基于转换而生成的。
10.根据权利要求1所述的方法，还包括：基于所确定的时间表来计算总警告级别，
其中，计算出的总警告级别指示由于违反所确定的时间表中的约束的集合中的至少一个约束而招致的总惩罚。
11.根据权利要求10所述的方法，还包括：在用户设备上显示所确定的时间表和计算出的总警告级别。
12.根据权利要求1所述的方法，还包括：
将所生成的QUBO公式转换为伊辛公式；以及
将所述伊辛公式提交至第二优化求解器机器。
13.根据权利要求12所述的方法，还包括：
从所述第二优化求解器机器接收对于所提交的伊辛公式的第二解；以及
基于接收到的第二解来确定所述时间表。
14.一种非暂态计算机可读存储介质，其被配置成存储指令，所述指令响应于被执行而使得系统执行操作，所述操作包括：
接收与要在生产设施处生产的订单的集合相关联的第一输入；
接收与要用于生产所述订单的集合的生产设施的生产线的集合相关联的第二输入；
基于接收到的第一输入和接收到的第二输入，提取生产相关数据点的集合，所述生产相关数据点的集合中的每一个是所述订单的集合的生产计划所需的；
接收和与所述生产计划相关联的约束的集合相关联的第三输入；
基于所提取的生产相关数据点的集合和接收到的第三输入，生成二次无约束二进制优化(QUBO)公式；
将所生成的QUBO公式提交至第一优化求解器机器；
从所述第一优化求解器机器接收对于所提交的QUBO公式的第一解；以及
基于接收到的第一解，确定要用于在所述生产线的集合上生产所述订单的集合的时间表。
15.根据权利要求14所述的非暂态计算机可读存储介质，其中，所述第一输入包括以下中的一个或更多个：与所述订单的集合中的每一个订单相关联的属性，订单数量，以及针对所述订单的集合的履行时间表。
16.根据权利要求14所述的非暂态计算机可读存储介质，其中，所述操作还包括：
基于接收到的第一输入和接收到的第二输入，计算所述生产计划所需的参数的第一集合；以及
还基于计算出的参数的第一集合来生成所述QUBO公式。
17.根据权利要求16所述的非暂态计算机可读存储介质，其中，所述操作还包括：
基于所提取的生产相关数据点的集合和计算出的参数的第一集合，公式化表示目标函数，所述目标函数将所述生产计划的问题建模为约束优化问题，
公式化表示的目标函数使与所述约束的集合中的至少一个约束的违反相关联的总警告级别最小化；以及
还基于公式化表示的目标函数生成QUBO公式。
18.根据权利要求14所述的非暂态计算机可读存储介质，其中，所述约束的集合包括以下中的至少一个：
第一约束，其确定在不招致第一惩罚的情况下一天中能够生产的订单的第一最大数目，
第二约束，其确定在不招致第二惩罚的情况下生产桶内能够生产的订单的第二最大数目，
第三约束，其确定在不招致第三惩罚的情况下生产的最早开始日期，
第四约束，其确定在不招致第四惩罚的情况下生产的最晚结束日期，
第五约束，其确定在不招致第五惩罚的情况下在第一数目的连续生产槽中能够生产的订单的第一数目的最大值，以及
第六约束，其确定在不招致第六惩罚的情况下在一对已占用的生产槽之间的未占用生产槽的最小数目。
19.如权利要求14所述的非暂态计算机可读存储介质，其中，所述操作还包括：
与所述生产线的集合中的每个生产线的生产槽的集合相关联的第一信息，以及
与所述生产线的集合中的每个生产线的每日可用性相关联的第二信息。
20.一种系统，包括：
处理器，所述处理器被配置成：
接收与要在生产设施处生产的订单的集合相关联的第一输入；
接收与要用于生产所述订单的集合的生产设施的生产线的集合相关联的第二输入；
基于接收到的第一输入和接收到的第二输入，提取生产相关数据点的集合，所述生产相关数据点的集合中的每一个是所述订单的集合的生产计划所需的；
接收和与所述生产计划相关联的约束的集合相关联的第三输入；
基于所提取的生产相关数据点的集合和接收到的第三输入，生成二次无约束二进制优化(QUBO)公式；
将所生成的QUBO公式提交至第一优化求解器机器；
从所述第一优化求解器机器接收对于所提交的QUBO公式的第一解；以及
基于接收到的第一解，确定要用于在所述生产线的集合上生产所述订单的集合的时间表。
CN202111202788.0A 2020-10-20 2021-10-15 使用优化求解器机器的生产计划的方法、系统和存储介质 Pending CN114386649A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/074,679 US20220122006A1 (en) 2020-10-20 2020-10-20 Production planning using optimization solver machines
US17/074,679 2020-10-20

Publications (1)

Publication Number Publication Date
CN114386649A true CN114386649A (zh) 2022-04-22

Family

ID=77249741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111202788.0A Pending CN114386649A (zh) 2020-10-20 2021-10-15 使用优化求解器机器的生产计划的方法、系统和存储介质

Country Status (4)

Country Link
US (1) US20220122006A1 (zh)
EP (1) EP3989135A1 (zh)
JP (1) JP2022067629A (zh)
CN (1) CN114386649A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023013367A (ja) * 2021-07-16 2023-01-26 富士通株式会社 情報処理装置、作業計画立案方法、および作業計画立案プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6216109B1 (en) * 1994-10-11 2001-04-10 Peoplesoft, Inc. Iterative repair optimization with particular application to scheduling for integrated capacity and inventory planning
US6801820B1 (en) * 1994-05-27 2004-10-05 Lilly Software Associates, Inc. Method and apparatus for scheduling work orders in a manufacturing process
US20150205759A1 (en) * 2013-11-19 2015-07-23 D-Wave Systems Inc. Systems and methods for finding quantum binary optimization problems
JP2020042687A (ja) * 2018-09-13 2020-03-19 Ｊｆｅスチール株式会社 処理順序作成装置および処理順序作成方法
JP2020140615A (ja) * 2019-03-01 2020-09-03 Ｊｆｅスチール株式会社 生産計画方法及び生産計画システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3685968A1 (en) * 2019-01-22 2020-07-29 Bayerische Motoren Werke Aktiengesellschaft Robot motion planning in manufacturing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801820B1 (en) * 1994-05-27 2004-10-05 Lilly Software Associates, Inc. Method and apparatus for scheduling work orders in a manufacturing process
US6216109B1 (en) * 1994-10-11 2001-04-10 Peoplesoft, Inc. Iterative repair optimization with particular application to scheduling for integrated capacity and inventory planning
US20150205759A1 (en) * 2013-11-19 2015-07-23 D-Wave Systems Inc. Systems and methods for finding quantum binary optimization problems
JP2020042687A (ja) * 2018-09-13 2020-03-19 Ｊｆｅスチール株式会社 処理順序作成装置および処理順序作成方法
JP2020140615A (ja) * 2019-03-01 2020-09-03 Ｊｆｅスチール株式会社 生産計画方法及び生産計画システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DAVIDE VENTURELLI ET AL.: "Job Shop Scheduling Solver based on Quantum Annealing", 《HTTPS://DOI.ORG/10.48550/ARXIV.150.08479》, 17 October 2016 (2016-10-17), pages 1 - 15, XP055844664 *

Also Published As

Publication number Publication date
US20220122006A1 (en) 2022-04-21
JP2022067629A (ja) 2022-05-06
EP3989135A1 (en) 2022-04-27

Similar Documents

Publication Publication Date Title
US11573945B1 (en) Efficient and scalable storage of sparse tensors
US11288540B2 (en) Integrated clustering and outlier detection using optimization solver machine
US10884813B2 (en) Distributed resource allocation
CN104937544B (zh) 用于计算任务结果的方法、计算机可读介质和计算机系统
US11468180B2 (en) Data privacy protection on cloud-based optimization systems
CN106952072A (zh) 一种数据处理的方法及系统
US20200175403A1 (en) Systems and methods for expediting rule-based data processing
US10698693B1 (en) Distributed resource allocation
US11941374B2 (en) Machine learning driven rules engine for dynamic data-driven enterprise application
CN112243509A (zh) 从异构源生成数据集用于机器学习的系统和方法
US20210334713A1 (en) Resource Capacity Planning System
US11797272B2 (en) Systems and methods utilizing machine learning driven rules engine for dynamic data-driven enterprise application
CN114386649A (zh) 使用优化求解器机器的生产计划的方法、系统和存储介质
CN113190730A (zh) 一种区块链地址的分类方法及装置
EP4113402A1 (en) Multilevel method for production scheduling using optimization solver machines
EP3951664A1 (en) Solving quadratic integer programming (qip) problems on optimization solver machines
CN115150413B (zh) 区块链数据的存储方法、装置、电子设备及存储介质
CN113743906A (zh) 一种确定业务处理策略的方法和装置
US20230418816A1 (en) Systems and methods based on generalized multi-level search heuristic for production network models
US20240029021A1 (en) Systems and methods based on generalized multi-level search heuristic for production network models
CN116127204B (zh) 多视角用户画像方法、多视角用户画像系统、设备和介质
EP4036763A1 (en) Solving integer linear programming problems on optimization solver machines
CN113159312B (zh) 压缩神经网络模型的方法、计算机系统以及存储介质
US20240354344A1 (en) Computer systems and methods for building and analyzing data graphs
CN114372005A (zh) 用于编写用例的方法、装置、设备及介质

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