CN114548661A - 生产排程的处理方法、装置、设备及存储介质 - Google Patents
生产排程的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114548661A CN114548661A CN202210013716.XA CN202210013716A CN114548661A CN 114548661 A CN114548661 A CN 114548661A CN 202210013716 A CN202210013716 A CN 202210013716A CN 114548661 A CN114548661 A CN 114548661A
- Authority
- CN
- China
- Prior art keywords
- production
- order
- day
- scheduling
- determining
- 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
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
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种生产排程的处理方法、装置、设备及存储介质,属于家电设备技术领域,该方法包括:获取生产排程数据,生产排程数据包括排产周期内是否存在未排产订单;若排产周期内存在未排产订单,确定生产资源的利用率,生产资源包括多个线体、多种类型的物料和多种类型的模具;若生产资源的利用率满足预设条件,确定满足预设条件的生产资源为未排产订单的影响因素并输出,预设条件用于指示生产资源的利用率为满利用率。通过在排产周期内存在未排产订单的情况下,对生产资源的利用率进行分析,从而实现根据生产排程数据自动分析制约工厂产能的因素,为工厂工作人员提供调整生产排产的参考信息的效果。
Description
技术领域
本发明属于家用电器技术领域,具体涉及一种生产排程的处理方法、装置、设备及存储介质。
背景技术
生产排程,是指将生产任务分配至生产资源的过程。在考虑生产能力(产能)和设备的前提下,在物料数量一定的情况下,安排各生产任务的生产顺序,平衡各机器和工人的生产负荷,从而优化产能,提高生产效率。
在家电设备的生产过程中,生产效率对订单的交货期会产生影响。针对工厂接收到的大量的家电设备的订单,目前是将家电设备的订单拆分成生产任务,再由人工根据订单数量、订单时效、模具数量、物料的库存量等信息安排生产任务的生产顺序。并人工排查排产数据中是否存在未排产订单,以及在存在未排产订单时,其加入下一次生产排程计划。
然而,将未排产订单加入下一次生产排程计划,会导致后续的订单也产生延期,导致越来越多的订单的时效性无法保证。
发明内容
为了解决现有技术中的上述问题,即为了解决现有技术中人工排查生产排程数据的方式费时费力,且排查效率低的问题,本发明提供了一种生产排程的处理方法、装置、设备及存储介质。
第一方面,本发明提供一种生产排程的处理方法,包括:获取生产排程数据,所述生产排程数据包括订单排产情况,所述订单排产情况用于指示排产周期内是否存在未排产订单;若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,所述生产资源包括多个线体、多种类型的物料和多种类型的模具;若所述生产资源的利用率满足预设条件,确定满足预设条件的生产资源为所述未排产订单的影响因素并输出,所述预设条件用于指示生产资源的利用率为满利用率。
第二方面,本申请提供一种生产排程的处理装置,包括:获取模块,用于获取生产排程数据,所述生产排程数据包括订单排产情况,所述订单排产情况用于指示排产周期内是否存在未排产订单;第一确定模块,用于若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,所述生产资源包括多个线体、多种类型的物料和多种类型的模具;第二确定模块,用于若所述生产资源的利用率满足预设条件,确定满足预设条件的生产资源为所述未排产订单的影响因素并输出,所述预设条件用于指示生产资源的利用率为满利用率。
第三方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;所述存储器存储计算机执行指令;所述处理器执行所述存储器存储的计算机执行指令,以实现如第一方面所述的方法。
第四方面,本申请提供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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
第五方面,本申请提供一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法。
本领域技术人员能够理解的是,本发明的生产排程的处理方法、装置、设备及存储介质,通过获取生产排程数据,生产排程数据包括订单排产情况,订单排产情况用于指示排产周期内是否存在未排产订单;若订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,生产资源包括多个线体、多种类型的物料和多种类型的模具;若生产资源的利用率满足预设条件,确定满足预设条件的生产资源为未排产订单的影响因素并输出,预设条件用于指示生产资源的利用率为满利用率。通过在排产周期内存在未排产订单的情况下,对生产资源的利用率进行分析,从而实现根据生产排程数据自动分析制约工厂产能的因素,为工厂工作人员提供调整生产排产的参考信息的效果。
附图说明
图1为本申请实施例提供的生产排程的处理方法的流程图;
图2为本申请实施例提供的生产排程数据的获取方法的流程图;
图3为本申请实施例提供的生产排程数据的获取方法的原理示意图;
图4为本申请实施例提供的建立第一约束条件的示意图;
图5为本申请实施例提供的建立第二约束条件的示意图;
图6为本申请实施例提供的建立第三约束条件的示意图;
图7为本申请实施例提供的建立第四约束条件的示意图;
图8为本申请实施例提供的建立第五约束条件的示意图;
图9为本申请实施例提供的建立第六约束条件的示意图;
图10为本申请实施例提供的建立第七约束条件的示意图;
图11为本申请实施例提供的建立第八约束条件的示意图;
图12为本申请实施例提供的建立第九约束条件的示意图;
图13为本申请实施例提供的建立第十约束条件的示意图;
图14为本申请实施例提供的建立第十一约束条件的示意图;
图15为本申请实施例提供的生产排程的处理装置结构示意图;
图16为本申请实施例提供的生产排程数据的获取装置结构示意图;
图17为本申请实施例提供的电子设备的结构示意图。
具体实施方式
首先,本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。本领域技术人员可以根据需要对其作出调整,以便适应具体的应用场合。
术语解释:
BOM,是表达一个或者一类产品的产品组成结构树,及所涵盖的物料(部件、零件、原材料等)清单,和每种物料的使用定额数量。
总装线:大型的自动装配线,通常用来将已经加工好的各个部件半成品总体装配在一起。大型产品比如汽车、飞机、电视机、空调、洗衣机等的零部件生产都是在相对小些的生产线或者组装线上完成。
线体,也称为生产线,包括直线形、L形线、U形线、环形线和S形线。
直线形生产线特点:设备配置按物流路线直线配置,扩大时只需增加列数即可。
L形生产线特点:L形生产线是直线形生产线的衍生,结合了直线形生产线的特点,适合单一较长的生产线。
U形生产线特点:多能工,也叫巡回式布局,目的是物料与人的作业路线一致,提高品质责任与作业效率。
环形生产线特点:人是坐式作业的并不移动;中央空间用于维护,并可以集中工装夹具。
S形生产线特点:当有需要从侧面进行工具与物料的装卸时使用,对于有组装与焊接等需要的生产线比较有效。
近年来,用户对交付期的要求越来越高,随之对制造工厂的挑战也越来越高,企业的成本管控以及品种的多样性,导致不能有过高的库存。企业目前是根据用户需求进行生产,面对众多订单,如何安排生产计划,使得订单在交付期满足交付量,显得至关重要。
在生产排程时,经常会碰到未排产订单,目前,针对该类订单通常是将其加入下一次生产排程计划。然而,这样会导致后续的订单产生新的延期,延期的订单越来越多,就会影响生产效率,降低客户体验,进而影响企业接单量。
针对上述技术问题,本申请提出如下技术构思:在工厂中,通常配置有多种物料、多种模具和多个线体(即多个生产线),每个线体用于完成特定的生产任务,每个线体对应有工作时长。每个线体在执行生产任务时,是根据模具和物料进行生产。因而可以在存在未排产订单或延时订单的情况下,对生产排程数据进行分析,以确定订单未排产的影响因素,即确定投入量较大的生产资源,从而根据确定的影响因素调整影响因素对应的生产资源的投入量,从而减少延时订单的数量,提高排产周期内的订单量,进而提高生产效率。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1为本申请实施例提供的生产排程的处理方法的流程图一。如图1所示,生产排程的处理方法,包括如下步骤:
S101、获取生产排程数据,生产排程数据包括订单排产情况,订单排产情况用于指示在排产周期内是否存在未排产订单或每天的订单延期排产情况。
可选的,本实施例中的生产排程数据可以根据排产模型获得。具体的,是根据生产数据构建排产模型,并对排产模型进行求解,将排产模型的最优解作为生产排程数据。其中,生产排程数据包括如下中至少一项:
1)订单线体产量O_Quantityo,l,d,用于表示一个订单每天在一个线体上的排产量。针对洗衣机,可以获得每种型号的洗衣机每天的生产量。
2)整机线体产量P_Quantityp,l,d,用于表示一个整机型号每天在一个产线的使用情况。
3)整机分类在线体上的生产状态C_statusc,l,d,可以获得每天的分类型号的生产情况,进而推算分类切换的换产损失。
4)整机的总延期量P_Delayp根据其值是否为0,可以判断是否有未排产型号。
5)订单的总延期量O_Delayo根据其值是否为0,可以判断是否有未排产订单。
6)订单的日延期量O_Day_Delayo,d根据其值是否为0,可以判断订单每天的延期排产情况。
则本实施例可以根据订单的总延期量O_Delayo的值是否为0,确定排产周期内是否存在未排产订单。示例性地,若O_Delayo的值为0,则排产周期内不存在未排产订单,反之,则排产周期内存在未排产订单。
其中,每天的订单延期排产情况可以指示排产周期内的每天是否存在延期订单,例如,生产排程数据中在排产周期的第1天安排了1000个订单的生产计划,但是最终只完成了900件订单的,则剩余的100件订单为第1天的延期订单。
本实施例的方法的执行主体可以是生产排程系统。生产排程系统用于根据生产数据进行生产排程,得到生产排程数据。因而可以从生产排程系统获取生产排程数据。
S102、若订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,生产资源为生产排程所使用的资源。
其中,生产资源包括不同线体、多种类型的物料和多种类型的模具。
与生产资源相对应,生产资源的利用率包括不同线体的每天的时间利用率,即不同线体的每天的工作时长的利用率、不同类型物料在排产周期内的总利用率、不同类型模具在排产周期内的总利用率。针对每种利用率可以有如下不同的实施方式,具体地:
在一种可选的实施方式中,确定不同线体中每个线体每天的工作时长的利用率,包括:根据整机在线体上的产量、整机在线体上的生产节拍、整机分类在线体上的生产状态、线体的分类换产损失和线体每天的工作时长,确定每个线体每天的时间利用率。
具体地,记整机为p,整机分类为c,线体为l,所有线体为L,工厂的工作日期为d,工厂的排产周期为D,则确定每个线体每天的工作时长的利用率可以表示为如下公式(1):
式(1)中,l∈L,d∈D;time_utilizationl,d为线体l在第d天的工作时长的利用率;P_Quantityp,l,d为整机p在线体l上第d天的产量;p_l_beatp,l为整机p在线体l上的生产节拍,若整机p能够在线体l上生产,则生产节拍取值为生产单位量的整机p需要花费的时间,否则为0;C_statusc,l,d为整机分类c在线体l上第d天的生产状态;l_exchangel为线体l的分类换产损失;l_timel,d为线体l在第d天的工作时长。
在另一种可选的实施方式中,确定每种物料在排产周期内的总利用率,包括:根据整机在线体上的产量、整机与物料之间的约束关系、物料的初始库存量和物料每天的到货量,确定物料在排产周期内的总利用率。
具体地,记整机为p,线体为l,工厂的工作日期为d,工厂的排产周期为D,所有物料为S,其中一种物料为s,则确定物料在排产周期内的总利用率可以表示为如下公式(2):
式(2)中,s∈S,material_utilizations为物料s在排产周期内的总利用率;P_Quantityp,l,d为整机p在线体l上第d天的产量;p_s_relationp,s为整机p与物料s之间的约束关系,即生产单位量的整机p对应的物料s的使用量;s_inits代表物料s的初始库存量;∑d∈ Ds_arrives,d代表物料s在排产周期内的总到货量;∑d∈D∑p∈P,l∈Lp_Quantityp,l,d*p_s_relationp,s为整个排产周期内物料s的使用量,s_inits+∑d∈Ds_arrives,d为整个排产周期内物料s的总量。
在又一种可选的实施方式中,确定每种模具在排产周期内的总利用率,包括:根据整机在线体上的产量、整机与模具之间的约束关系和模具的日产能,确定模具在排产周期内的总利用率。
具体地,记整机为p,线体为l,D为整个排产周期,d为排产周期中的一天,即工厂的工作日期,所有模具为M,其中一种模具为m,则确定每种模具在排产周期内的总利用率可以表示为如下公式(3):
式(3)中,mould_utilizationm为模具m在排产周期内的总利用率;P_Quantityp,l,d为整机p在线体l上第d天的产量;p_m_relationp,m为整机p与模具m之间的约束关系;m_capacitym,d为模具m在第d天的日产能;∑d∈Dm_capacitym,d为模具m在整个排产周期内的产能,∑d∈D∑p∈P,l∈Lp_Quantityp,l,d*p_m_relationp,m为整个排产周期内模具m的总使用量。
在上述实施例的基础上,进一步地,还可以在订单排产情况指示排产周期内存在未排产订单的情况下,确定排产周期中是否存在延时订单;若存在延时订单,则确定生产资源从存在延时订单的当天至排产周期的第一天中每天的利用率。其中,确定排产周期中是否存在延时订单,包括:针对排产周期中的每天,确定是否存在延时订单。
具体的,本实施例可以根据订单的日延期量O_Day_Delayo,d的值是否为0,判断订单每天的延期排产情况。示例性地,若O_Day_Delayo,d的值为0,则表示订单在第d天不存在延期排产,反之,则存在延期排产。
其中,确定生产资源从存在延时订单的当天至排产周期的第一天中每天利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率;和/或,针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率。
具体的,针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,根据整机在线体上当天的产量、整机与所述物料之间的约束关系、所述物料的初始库存量和所述物料在每天的到货量,确定所述物料在每天的利用率。
示例性地,记整机为p,线体为l,工厂的工作日期为d和d’,其中一种物料为s,则确定每种类型的物料在从存在延时订单的当天至排产周期的第一天中每天的利用率可以表示为如下公式(4):
式(4)中,s∈S,d′∈D,material_day_utilizations,d′为物料s在d’天的利用率,P_Quantityp,l,d为整机p在线体l上第d天的产量;p_s_relationp,s为整机p与物料s之间的约束关系;s_inits为物料s的初始库存量;∑d≤d′s_arrives,d为物料s在d’天内的到货量;∑d≤d′∑p∈P,l∈Lp_Quantityp,l,d*p_s_relationp,s为d’天内物料s的总使用量,s_inits+∑d≤d′s_arrives,d为d’天内物料s的总量。
具体的,针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,根据整机每天在线体上的产量、整机与所述模具之间的约束关系和所述模具在每天的日产能,确定所述模具在每天的利用率。
示例性地,确定每种类型的模具从存在延时订单的当天至排产周期的第一天中每天的利用率可以表示为如下公式(5)
式(5)中,material_utilizationm,d′为模具m在d’天的利用率;P_Quantityp,l,d为整机p在线体l上第d天的产量;p_Quantityp,l,d为整机p在线体l上第d天的产量;p_m_relationp,m取值为标准使用量或0,即整机p的生产需要用到模具m,则取值为标准使用量,否则取值为0;∑d≤d′∑p∈P,l∈Lp_Quantityp,l,d*p_m_relationp,m为d’天内模具m的总使用量;∑d≤d′m_capacitym,d为模具m在d’天内的总产能。
S103、若生产资源的利用率满足预设条件,确定满足预设条件的生产资源为未排产订单的影响因素并输出。
在一种可选的实施方式中,预设条件可以是生产资源的利用率为满利用率。一般来说,满利用率是指100%的利用率,然而在实际生产中,计算得到的生产资源的利用率通常存在误差,并不能精确到满利用率100%,则可以将接近于100%的利用率对应的生产资源确定为未排产订单的影响因素。
为了解决上述计算过程中无法精确到满利用率的问题,在另一种可选的实施方式中,可以预先设定预设阈值,例如98%,95%或者90%等,则可以将N个生产资源的利用率按照由大至小排序,再将获得的利用率按照从大到小的顺序依次与预设阈值进行比较,利用率大于预设阈值的资源作为未排产订单的影响因素。
在步骤S102的实施方式的基础上,本步骤可以有如下几种确定影响因素的方式:
在第一种可选的实施方式中,针对多个线体中的每个线体,若该线体每天的工作时长的利用率满足预设条件,则确定每天的工作时长的利用率满足预设条件的线体为未排产订单的影响因素。
在第二种可选的实施方式的基础上,针对多种类型的物料中的每种物料,若该物料在排产周期内的总利用率满足预设条件,则确定在排产周期内的总利用率满足预设条件的物料为未排产订单的影响因素。
在第三种可选的实施方式的基础上,针对多种类型的物料中的每种物料,若存在延时订单的当天,该物料的利用率满足预设条件,则确定该物料为未排产订单的影响因素。
在第四种可选的实施方式的基础上,针对多种类型的模具中的每种模具,若该模具在排产周期内的总利用率满足预设条件,则确定在排产周期内的总利用率满足预设条件的模具为未排产订单的影响因素。
在第五种可选的实施方式的基础上,针对多种类型的模具中的每种模具,若存在延时订单的当天,该模具的利用率满足预设条件,则确定该模具为未排产订单的影响因素。
以生产资源是线体为例,工厂中的线体包括N个线体,记为线体1至线体N,则本实施例是分别计算线体1至线体N中每个线体每天的工作时长的利用率,得到线体1每天的工作时长的利用率T1,至线体N每天的工作时长的利用率TN。之后将T1至TN按照由大至小的顺序排序,得到排序结果,再取T1至TN中趋近于100%的K个线体作为未排产订单的影响因素,N为大于0的正整数。
应当理解,100%为理论值,实际中,可能计算得到的每个线体每天的工作时长的利用率并不能达到100%,例如99%。因此,本实施例中是选取趋近于100%的K个线体为未排产订单的影响因素,K为大于0的正整数。
在上述实施例的基础上,确定未排产订单的影响因素之后,可以根据未排产订单的影响因素,调整生产资源的利用率大于或等于预设利用率的生产资源的投入量。例如,调整生产资源的利用率大于或等于预设利用率的生产资源的投入量,使该生产资源的利用率小于满利用率。
本实施例中,若O_Delayo不为0,则表示订单o在整个排产周期内无法全部安排生产。通过o_p_relationo,p和p_s_relationp,s可以获得与订单o相关的物料,并且可获得相关物料的利用率material_utilization_s,对相关物料利用率从大到小降序排列,取前k个利用率较大(接近100%)的物料即为该订单的瓶颈物料。同理可以分析该订单相关的模具和时间维度的瓶颈制约因素,进而根据工厂的实际情况调整各个瓶颈因素的投入量,提高生产效率,从而保证更多的订单在交货期交付,提高客户满意度,以及提高工厂的产能。
在上述实施例的基础上,本申请还可以提供一种获取生产排程数据的方法,具体如下:
图2为本申请实施例提供的生产排程数据的获取方法的流程图一。图3为本申请实施例提供的生产排程数据的获取方法的原理示意图。如图2和图3所示,生产排程数据的获取方法,包括如下步骤:
S201、获取生产数据,生产数据包括工作日历信息、线体信息、整机型号信息、物料信息、模具信息和待生产订单的订单信息。
本实施例的方法的执行主体可以是生产排程系统。
其中,获取生产数据,包括:接收家电设备的生产数据,生产数据包括家电设备的生产线体与生产相关的信息、生产家电设备所使用的物料的供给信息、生产家电设备所使用的模具的供给信息,以及,和待生产的订单信息。
本步骤中,可以是人工手动导入生产数据至生产排程系统,也可以是从其他系统,例如企业资源计划系统(Enterprise Resource Planning,ERP)系统获取生产数据,还可以采用人工手动导入与从其他系统获取相结合的方式获取生产数据。则接收家电设备的生产数据可以是从生产排程系统接收家电设备的生产数据。
具体的,工作日历信息包括:工作日期和每天的工作时长;其中,工作日期用于表示工厂的工作日。
线体信息为生产线的信息,包括线体的编码、线体上不同系列产品在生产切换时的换产损失时长。
整机型号信息包括整机型号的编码、每种整机型号的系列、每种整机型号可以使用的线体(即每种型号可以在哪些线体上生产)、每种整机型号在线体上的生产节拍、生产每种整机型号所使用的物料、生产每种整机型号所使用的模具。
物料信息包括物料的初始库存、物料每天的到货量。
模具信息包括模具的日产能、模具的数量。
待生产订单的订单信息中包括产品型号的数量、交货期。
其中,整机型号信息可以根据待生产订单中待生产的家电设备的型号确定。在本实施例中,整机可以是洗衣机等家电设备。
S202、根据生产数据构建排产模型,排产模型中包括决策变量、约束条件和目标函数,约束条件是根据生产数据确定的,且用于对决策变量的范围进行限制的条件,目标函数是以满足订单交货期、减少订单延期量、增加产能为目标建立的函数关系。
本步骤旨在构建家电设备的排产模型;其中,排产模型中的约束条件包括:与家电设备的排产量相关的参数的关联关系,排产模型的决策变量包括:家电设备的生产排程参数;排产模型的目标函数包括:根据家电设备的生产排程目标和决策变量建立的函数。
在上述实施例的基础上,在根据生产数据构建排产模型之前,需要执行如下步骤:
步骤a1、对生产数据进行编码及预处理。
其中,对生产数据进行编码,包括对工作日历、总装线体、订单、整机型号、整机分类、物料、模具、订单类型进行编码。
具体的,步骤a1包括如下至少一项:
1)对工作日历进行编码,得到工作日历的编码集合,工作日历的编码集合中包括多个编码号,每个编码号对应工作日历中的一个日期。示例性地,可以将工作日历编码为d∈D={1,2,3,…},D代表工作日历的编码集合,d代表工作日历的编码。其中,D可以理解为是排产周期,d代表排产周期中的第d天。
2)对总装线体进行编码,得到线体编码集合,线体编码集合中包括多个编码号,每个编码号对应一个线体。示例性地,可以将总装线体编码为l∈L={1,2,3,…},l代表其中一个线体的编码,L代表全部线体的编码集合。
3)对订单进行编码,得到订单编码集合,订单编码集合中包括编码号,每个编码号对应一个订单。示例性地,可以将订单编码为o∈O={1,2,3,…},o代表一个订单的编码,O代表所有订单的编码集合。
4)对整机型号进行编码,得到整机编码集合,整机编码集合中包括多个编码号,每个编码号对应一个整机型号。示例性地,可以将整机型号编码为p∈P={1,2,3,…},p代表一个整机型号的编码,P代表全部的整机型号的编码集合。
5)对整机分类进行编码,得到整机分类编码集合,整机分类编码集合中包括多个编码号,每个编码号对应一个整机分类。示例性地,可以将整机分类编码为c∈C={1,2,3,…},c代表一个整机的分类,C代表整机分类的编码集合。
6)对物料信息进行编码,得到物料编码集合,物料编码集合中包括多个编码号,每个编码号对应一种物料。示例性地,可以将物料信息编码为s∈S={1,2,3,…},s代表其中一种物料的编号,S代表所有物料编码集合。
7)对模具信息进行编码得到模具编码集合,模具编码集合中包括多个编码号,每个编码号对应一种模具。示例性地,可以将模具信息编码为m∈M={1,2,3,…},m代表其中一种模具的编号,M代表所有模具的编码集合。
8)对订单类型进行编码得到订单类型编码集合,订单类型编码集合中包括多个编码号,每个编码号对应一种订单类型。示例性地,可以将订单类型编码为g∈G={g_1,g_2,g_3…},G代表所有待生产订单的订单类型,g代表所有待生产订单的订单类型的一种订单类型。
9)确定订单类型惩罚系数。示例性地,可以将订单类型惩罚系数编码为g_penalty_g∈{0.1,0.2,0.3,…},大括号中每个数值代表一个订单类型惩罚系数。在实际应用中,可以根据实际情况设置订单类型惩罚系数,设置的原则是订单的优先级与订单的订单类型惩罚系数负相关,即订单的优先级越高,惩罚系数越小,反之,订单的优先级越低,惩罚系数越高。
10)对线体工作时长进行编码,得到线体工作时长编码。示例性地,可以将线体工作时长编码为l_timel,d,表示线体l在第d天的可用工作时间。
11)对线体分类换产损失进行编码,得到线体分类换产损失编码。示例性地,可以将线体分类换产损失编码为l_exchangel,单位为秒,表示线体上不同分类的产品在切换生产时需要的损失时间。
12)对整机在不同线体上的生产节拍进行编码,得到整机在线体上生产节拍的编码。示例性地,可以将整机在线体上生产节拍的编码为p_l_beatp,l,表示整机p在线体l上的生产节拍,如果整机不能在该线体上生产,则节拍为0,反之,则为线体l生产单位量的整机p所需要的时间。
13)对物料的初始库存量进行编码,得到物料的初始库存量的编码。示例性地,可以将物料的初始库存量编码为s_inits,用于表示物料s的初始库存量。
14)对物料每天的收货量进行编码,得到物料每天的收货量的编码。示例性地,可以将物料每天的收货量编码为s_arrives,d,表示物料s在第d天的到货量。
15)对模具的日产能进行编码,得到模具日产能的编码。示例性地,可以将模具的日产能编码为m_capacitym,d,用于表示模具m在第d天的总的日产能,具体可以根据单个模具的日产能与模具套数的乘积获得。模具,是工业生产上用以注塑、吹塑、挤出、压铸或锻压成型、冶炼、冲压等方法得到所需产品的各种模子和工具。可以理解为模具是用来制作成型物品的工具,模具的日产能则是指模具每天能够制作的成型物品的数量。
16)对订单需求量进行编码,得到订单需求量编码。示例性地,可以将订单需求量编码为o_quantityo,用于表示订单o的应排产数量。
17)对订单的订单类型进行编码,得到订单的订单类型编码。示例性地,可以将订单的订单类型编码为o_typeg∈G。
18)对订单的交货日期(简称交货期)进行编码,得到交货期编码。示例性地,订单的交货日期可以编码为o_dateo,d,用于表示订单o在第d天是否交货。其中,若o_dateo,d为1,则表示订单o在第d天交货,若o_dateo,d为0,则表示订单o在第d天不交货。
19)对订单编码与整机之间的关联关系进行编码,得到订单编码与整机关联关系的编码。示例性地,可以将订单编码与整机之间的关联关系编码为o_p_relationo,p,用于表示订单o与整机p的需求是否对应。其中,若o_p_relationo,p为1,则表示订单o对应整机p的需求,若o_p_relationo,p为0,则表示订单o与整机p的需求不对应。订单o与整机p的需求对应,可以理解为订单o所需求的产品与整机p所生产的产品相同。
20)对订单延期惩罚系数进行编码,得到订单延期惩罚系数的编码。示例性地,订单延期惩罚系数可以编码为o_penaltyo,d,用于表示订单o在第d天的惩罚系数,其可以根据订单的交货期和订单类型两个维度确定。假设排产周期是5天,即{1,2,3,4,5},若订单的交货是在第二天,且订单类型o_typeg级别的惩罚是0.1;则可定义公式max{0,(d-2)*3+0.1}来计算每天的订单延期惩罚系数分别为{0,0.1,3.1,6.1,9.1}。
22)对整机与分类之间的对应关系进行编码,得到整机与分类的对应关系的编码。示例性地,整机与分类的对应关系可以编码为c_p_relationc,p,如果p属于分类c,则为1;否则为0。
24)对整机与线体之间的绑定关系进行编码,得到整机与线体之间的绑定关系的编码。示例性地,整机与线体绑定关系可以编码为p_l_relationp,l,若整机p可以在线体l上生产,则取值为1,否则为0。
25)对整机与物料的约束关系进行编码,得到整机与物料的约束关系的编码。示例性地,整机与物料的约束关系可以编码为p_s_relationp,s,用于表示若整机p的生产需要用到物料s,则为标准BOM用量,否则为0。
26)对整机与模具的约束关系进行编码,得到整机与模具的约束关系的编码。示例性地,整机与模具的约束关系可以编码为p_m_relationp,m,若整机p的生产需要用到模具m则为标准使用量,否则为0。
本实施例中,约束条件是根据物料信息和模具产能对决策变量的范围进行限制的条件。在上述编码的基础上,根据生产数据构建排产模型,包括:
步骤b1、设置决策变量。
其中,决策变量包括:整机在线体上的产量、整机在线体上的生产状态、整机的总延期量、整机分类在线体上的产量、整机分类在线体上的生产状态、订单线体的产量、订单的总延期量和订单的日延期量。
示例性地,将整机在线体上的产量(即整机线体产量)记为P_Quantityp,l,d,表示整机p在线体l上第d天的产量。
将整机在某一生产线上的生产状态(即整机在线体上的生产状态)记为P_Statusp,l,d,表示整机p在线体l上第d天是否生产。
将整机的总延期量记为P_Delayp,表示整机p在整个排产周期的延期量。
将整机分类在某一生产线产量(即整机分类在线体上的产量)记为C_Quantityc,l,d,表示整机分类c在线体l上第d天的产量。
将整机分类在某一生产线生产状态(即整机分类在线体上的生产状态)记为C_Statusc,l,d,表示整机分类c在线体l上第d天是否生产。
将订单线体的产量记为O_Quantityo,l,d,表示订单编码o在线体l上第d天的产量。
将订单的总延期量记为O_Delayo,表示整机o在整个排产周期的延期量。
将订单的日延期量记为O_Day_Delayo,d,表示订单在每天的延期量。
步骤b2、根据生产数据和决策变量,确定约束条件。
本实施例中,约束条件包括第一约束条件、第二约束条件、第三约束条件、第四约束条件、第五约束条件、第六约束条件、第七约束条件、第八约束条件、第九约束条件、第十约束条件和第十一约束条件中至少一项。
相应的,步骤b2可以包括如下至少一项:
步骤b201、根据生产数据和决策变量,确定第一约束条件。
图4为本申请实施例提供的建立第一约束条件的示意图。如图4所示,根据生产数据和决策变量,确定第一约束条件,包括:根据订单的交货日期、订单与整机的关联关系和订单需求量,确定整机的待排产量;根据整机的待排产量、整机在线体上的产量和整机的总延期量,确定第一约束条件,第一约束条件为整机的待排产量等于整机的实际排产量与整机延期量之和。
示例性地,基于上述编码后的生产数据,第一约束条件可以表示为如下公式(6):
∑l∈L,d∈DP_Quantityp,l,d+P_Delayp==∑d∈DP_quantityp,d,p∈P (6)
式(6)中,P_Quantityp,l,d为整机p在线体l上第d天的产量;P_Delayp为整机的总延期量,代表整机p在整个排产周期的延期量;P_quantityp,d为整机的待排产量,代表整机为p的订单在第d天的汇总待排产数量。
公式(6)可以理解为是整机的排产量等于整机的实际排产量与整机的延期量之和。
其中,整机的待排产量P_quantityp,d可以根据计算获得,o_quantityo为订单需求量,也是订单o的应排产数量,o_dateo,d为订单的交货日期,即订单o在第d天交货,则为1,否则为0;o_p_relationo,p为订单与整机之间的关联关系,若订单o对应整机p的需求则为1,否则为0。
步骤b202、根据生产数据和决策变量,确定第二约束条件。
图5为本申请实施例提供的建立第二约束条件的示意图。如图5所示,根据生产数据和决策变量,确定第二约束条件,包括:根据订单的交货日期、订单与整机的关联关系和订单需求量,确定整机的待排产量;根据整机在线体上的产量、整机在线体上的生产状态和所述整机的待排产量,确定第二约束条件,所述第二约束条件为整机在线体上的产量小于或等于整机的待排产量与整机在线体上的生产状态的乘积。第二约束条件可以表示为如下公式(7):
P_Quantityp,l,d≤∑d∈DP_quantityp,d*P_Statusp,l,d,p∈P,l∈L,d∈D;(7)
式(7)中,P_Quantityp,l,d为整机在线体上的产量,代表整机p在线体l上d天的产量;P_quantityp,d为整机的待排产量,代表整机为p的订单在第d天的汇总待排产数量;P_Statusp,l,d为整机在线体上的生产状态,代表整机p在线体l上是否生产,若生产,则为1,否则为0。
公式(7)可以理解为是整机排产量与整机的生产状态之间的关联关系。
步骤b203、根据生产数据和决策变量,确定第三约束条件。图6为本申请实施例提供的建立第三约束条件的示意图。如图6所示,根据生产数据和决策变量,确定第三约束条件,包括:根据整机与线体的绑定关系和整机在线体上第d天的产量,确定第三约束条件。其中,整机与线体的绑定关系可以根据整机型号信息中的每种整机型号可以使用的线体确定,整机与线体的绑定关系用于指示整机型号是否能够在线体上生产。
第三约束条件可以表示为如下公式(8):
(1-P_l_relationp,l)*P_Quantityp,l,d==0,p∈P,l∈L,d∈D;(8)
式(8)中,P_l_relationp,l为整机与线体的绑定关系,若整机p可以在线体l上生产,则取值为1,否则为0;P_Quantityp,l,d为整机在线体上的产量,代表整机p在线体l上第d天的产量。
公式(8)可以理解为是整机排产量与线体之间的关联关系。
第三约束条件主要用于约束整机p不能在线体l上生产时,整机p在线体l上的排产量P_Quantityp,l,d应当取值为0,因而,第一项即使取值为1,二者相乘后也应当等于0;反之,整机p能在线体l上生产时,整机在线体上的排产量P_Quantityp,l,d取值为非0,而括号中取值为0,可以理解为此时对于整机排产量与线体之间没有约束。
步骤b204、根据生产数据和决策变量,确定第四约束条件。图7为本申请实施例提供的建立第四约束条件的示意图。如图7所示,根据生产数据和决策变量,确定第四约束条件,包括:根据整机在线体上的产量、整机在不同线体上的生产节拍、整机分类在线体上的生产状态、线体分类换产损失和生产线的工作时长,确定第四约束条件,第四约束条件为所有整机的第一结果的累加量与换产损失时间之和小于或等于生产线工作时长,每个整机的第一结果为整机的排产量与整机的生产节拍的乘积。
第四约束条件可以表示为如下公式(9):
式(9)中,P_Quantityp,l,d为整机在线体上的产量,代表整机p在线体l上第d天的产量;P_l_beatp,l为整机在线体上的生产节拍,若整机p可以在线体l上生产,则取值为生产单位量的整机p所需要的时间,否则为0;C_Statusc,l,d为整机分类在线体上的生产状态,即整机分类c在线体l上第d天是否生产;l_exchangel为线体分类换产损失,单位为秒,代表线体上不同分类的产品切换生产需要的损失时间;l_timel,d为生产线工作时长,代表线体l在第d天的可用工作时间。
公式(9)可以理解为是每天,各整机的排产量与整机生产节拍乘积的累加和,与换产损失时间之和小于或等于线体的工作时长。
步骤b205,根据生产数据和决策变量,确定第五约束条件。图8为本申请实施例提供的建立第五约束条件的示意图。如图8所示,根据生产数据和决策变量,确定第五约束条件,包括:根据整机的分类,确定整机与分类的关联关系;根据整机与分类的关联关系,整机在线体上的产量和整机分类在线体上的产量,确定第五约束条件,第五约束条件为整机分类在线体上的产量等于整机在线体上的产量和整机与分类的关联关系的乘积。
第五约束条件可以表示为如下公式(10):
式(10)中,c∈C,l∈L,d∈D,P_Quantityp,l,d为整机在线体上的产量,代表整机p在线体l上第d天的产量;c_p_relationc,p为整机分类c与整机p之间的关联关系,若整机p属于分类c,则取值为1,否则为0;C_Quantityc,l,d为整机分类在线体上的产量,代表整机分类c在线体l上第d天的产量。
公式(10)可以理解为整机排产量与整机分类排产量之间的关联关系。
步骤b206,根据生产数据和决策变量,确定第六约束条件。图9为本申请实施例提供的建立第六约束条件的示意图。如图9所示,根据生产数据和决策变量,确定第六约束条件,包括:根据订单的交货日期、订单与整机的关联关系和订单需求量,确定待生产订单中针对整机在同一天的待排产数量,得到整机的待排产量;根据整机的分类,确定整机与分类的关联关系;根据整机与分类的关联关系、整机待排产量,确定整机分类的待排产量;根据整机分类在线体上的产量、整机分类的待排产量和整机分类在线体上的生产状态,确定第六约束条件,第六约束条件为整机分类在线体上的产量小于或等于整机分类的待排产量与整机分类在线体上的生产状态的乘积。
第六约束条件可以表示为如下公式(11):
C_Quantityc,l,d≤∑d∈Dc_quantityc,d*C_Statusc,l,d,c∈C,l∈L,d∈D;(11)
式(11)中,C_Quantityc,l,d为整机分类在线体上的产量,代表整机分类c在线体l上第d天的产量;c_quantityc,d为整机分类的待排产量,代表整机分类c在第d天的待排产数量;C_Statusc,l,d为整机分类在线体上的生产状态,即整机分类c在线体l上第d天是否生产,若生产,则C_Statusc,l,d取值为1,否则C_Statusc,l,d取值为0。
公式(11)可以理解为是整机分类的排产量与整机分类之间的关联关系。
步骤b207,根据生产数据和决策变量,确定第七约束条件。图10为本申请实施例提供的建立第七约束条件的示意图。如图10所示,根据生产数据和决策变量,确定第七约束条件,包括:根据整机的型号,与产品型号信息,确定订单与整机之间的关联关系;根据订单与整机之间的关联关系、订单在线体上的产量和整机在线体上的产量,确定第七约束条件,第七约束条件为订单在线体上的产量与订单与整机之间的关联关系的乘积等于整机在线体上的产量。
第七约束条件可以表示为如下公式(12):
式(12)中,p∈P,l∈L,d∈D,O_Quantityo,l,d为订单o在线体l上第d天的产量;o_p_relationo,p为订单o与整机p之间的关联关系,订单对应整机p的需求,则取值为1,否则为0;P_Quantityp,l,d为整机在线体上的产量,代表整机p在线体l上第d天的产量。
公式(12)可以理解为是订单排产量与订单中的整机型号的排产量之间的关联关系。
步骤b208,根据生产数据和决策变量,确定第八约束条件。图10为本申请实施例提供的建立第八约束条件的示意图。如图10所示,根据生产数据和决策变量,确定第八约束条件,包括:根据订单与整机之间的关联关系、订单的总延期量和整机的总延期量,确定第八约束条件,第八约束条件为订单的总延期量和订单与整机的需求的对应关系的乘积小于或等于整机的总延期量。
第八约束条件可以表示为如下公式(13):
式(13)中,O_Delayo为订单的总延期量;o_p_relationo,p为订单与整机的关联关系,订单对应整机p的需求,则取值为1,否则为0;P_Delayp为整机的总延期量。
公式(13)可以理解为是单个订单总的延期量与整机型号总延期量的关联关系,即订单的总延期量中整机p的延期量小于或等于整机p的总延期量。
步骤b209,根据生产数据和决策变量,确定第九约束条件。图12为本申请实施例提供的建立第九约束条件的示意图。如图12所示,根据生产数据和决策变量,确定第九约束条件,包括:根据整机型号的生产使用的物料,确定整机与物料之间的约束关系;根据整机与物料之间的约束关系、物料的初始库存量、物料在每天的到货量和整机在线体上的产量,确定第九约束条件,第九约束条件为整机型号排产量所使用的物料量小于或等于物料的初始库存量与物料的到货量之和。
第九约束条件可以表示为如下公式(14):
式(14)中,P_Quantityp,l,d整机在线体上的产量,代表整机p在线体l上第d天的产量;p_s_relationp,s为整机p与物料s之间的约束关系,若整机p的生产需要用到物料s则为标准BOM用量,否则为0;s_inits为物料s的初始库存量;s_arrives,d为物料s在第d天的到货量。
公式(14)可以理解为是整机排产量与物料可用量之间的关系。
步骤b210,根据生产数据和决策变量,确定第十约束条件。图13为本申请实施例提供的建立第十约束条件的示意图。如图13所示,根据生产数据和决策变量,确定第十约束条件,包括:根据整机型号的生产使用的模具,确定整机与模具之间的约束关系;根据整机与模具之间的约束关系、模具的日产能和整机在线体上的产量,确定第十约束条件,所述第十约束条件为整机型号排产量所使用的模具量小于或等于排产周期内模具的总产能。其中,整机型号排产量所使用的模具量根据整机与模具之间的约束关系和模具的日产能确定。
第十约束条件可以表示为如下公式(15):
式(15)中,代表整机型号排产量所使用的模具量,P_Quantityp,l,d整机在线体上的产量,代表整机p在线体l上第d天的产量;p_m_relationp,m为整机p与模具m之间的约束关系;m_capacitym,d为模具m的日产能。
公式(15)可以理解为是整机排产量与模具可用量之间的关系。
步骤b211,根据生产数据和决策变量,确定第十一约束条件。
图14为本申请实施例提供的建立第十一约束条件的示意图。如图14所示,根据生产数据和决策变量,确定第十一约束条件,包括:根据订单需求量、订单线体的产量和订单的日延期量,确定第十一约束条件,第十一约束条件为订单的线体产量与订单的日延期量之和等于订单需求量。
第十一约束条件可以表示为如下公式(16):
式(16)中,o∈O,d′≥d″,o_dateo,d″=1,O_Quantityo,l,d为订单在线体上的产量,代表订单o在线体l上第d天的产量;O_Day_Delayo,d′为订单的日延期量,代表订单o在第d’天的延期量;o_quantityo为订单o的应排产数量。
公式(16)可以理解为是订单每天的延期量与订单需求量之间的关联关系,即订单o在所有线体上d’天内的产量与订单o在第d’天的延期量之和等于订单o的应排产数量。
步骤b3、根据生产数据和决策变量,确定目标函数。
其中,目标函数为交货期优先目标函数、换产损失目标函数、订单延期目标函数和型号产品集中生产的目标函数的加权和。具体可以表示为如下公式(17):
式(17)中,total_obj代表排产模型的目标函数,deliver_priority_obj表示交货期优先目标函数,exchange_cost_obj表示换产损失目标函数,order_delay_obj表示订单延期目标函数,product_collection_obj表示型号产品集中生产的目标函数,其中a1~a4分别为权重系数,可根据实际情况预先设定。
相应的,根据生产数据和决策变量,确定目标函数,包括:
根据订单的日延期量和订单的惩罚系数乘积的累加和,确定交货期优先目标函数;根据整机分类在线体上的生产状态,确定所述换产损失目标函数;根据订单的总延期量,确定所述订单延期目标函数;根据整机在线体上的生产状态,确定所述产品型号集中生产的目标函数。
示例性地,交货期优先目标函数可以表示为如下公式(18):
式(18)中,deliver_priority_obj表示交货期优先目标,O_Day_Delayo,d′表示订单的日延期量,o_penaltyo,d表示订单o在第d天的惩罚系数,o代表一个订单的编号,O代表所有订单,可以视为订单集合,d′表示当前日期,d″表示订单o的交货日期,o_dateo,d″=1表示订单o在第d″天交货。
示例性地,换产损失目标函数可以表示为如下公式(19):
式(19)中,exchange_cost_obj表示换产损失目标,C_Statusc,l,d表示整机分类在线体上的生产状态。
示例性地,订单延期目标函数可以表示为如下公式(20):
式(20)中,order_delay_obj表示订单延期目标,O_Delayo表示订单的总延期量。
示例性地,型号产品集中生产的目标函数可以表示为如下公式(21);
步骤b4、根据决策变量、约束关系和目标函数,确定排产模型。
上述构建家电设备的排产模型,可以总结如下:获取所述决策变量、所述约束条件和所述目标函数;根据所述决策变量、所述约束关系和所述目标函数,构建所述排产模型。
其中,获取所述决策变量,包括:接收用户输入的所述决策变量、所述约束条件和所述目标函数。
其中,构建家电设备的排产模型之前,还包括:对生产数据进行预处理;相应地,根据生产数据构建所述家电设备的排产模型,包括:使用预处理后的生产数据构建家电设备的排产模型。
S203、对目标函数进行优化,直至目标函数的值达到最小值。
具体的,是根据生产数据对目标函数进行优化处理,直至目标函数的值满足预设的优化目标,得到家电设备的生产排程参数的取值,家电设备的生产排程参数的取值用于表征所述家电设备的生产排程。
S204、将目标函数的值达到最小值时对应的决策变量确定为生产排程数据并输出。
具体的,是输出家电设备的生产排程参数的取值。
而在得到家电设备的生产排程参数的取值之后,还可以向家电设备的生产线体对应的终端设备发送家电设备的生产排程参数的取值,以调度家电设备的生产线体按照家电设备的生产排程参数的取值进行生产排程。
具体的,可以采用求解器对排产模型进行求解,使得目标函数达到最小值,并取目标函数达到最小值时决策变量的值确定为生产排程数据。
当目标函数达到最小值时,从决策变量中可以获得订单每天在线体上的排产量、每个整机型号每天在线体上的使用情况、每天的整机分类型号的生产情况、是否有未排产型号、是否有未排产订单、每天的订单延期排产情况中至少一项。
订单线体产量O_Quantityo,l,d,用于表示某个订单每天在某个线体上的排产量。则针对洗衣机,可以获得每种型号的洗衣机每天的生产量。
整机线体产量P_Quantityp,l,d,用于表示某个整机型号每天在某个产线的使用情况。
整机分类在线体上的生产状态C_statusc,l,d,可以获得每天的分类型号的生产情况,进而推算分类切换的换产损失。
整机的总延期量P_Delayp根据其值是否为0,可以判断是否有未排产型号。
订单的总延期量O_Delayo根据其值是否为0,可以判断是否有未排产订单。则图1所示的实施例可以根据订单的总延期量确定是否存在未排产订单。
订单的日延期量O_Day_Delayo,d根据其值是否为0,可以判断订单每天的延期排产情况。
在上述生产排程的处理方法实施例的基础上,图15为本申请实施例提供的生产排程的处理装置结构示意图。如图15所示,生产排程的处理装置,包括:获取模块151、第一确定模块152和第二确定模块153;
其中,获取模块151,用于获取生产排程数据,所述生产排程数据包括订单排产情况,所述订单排产情况用于指示排产周期内是否存在未排产订单。
第一确定模块152,用于若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,所述生产资源包括多个线体、多种类型的物料和多种类型的模具。
第二确定模块153,用于若所述生产资源的利用率满足预设条件,确定满足预设条件的生产资源为所述未排产订单的影响因素并输出,所述预设条件用于指示生产资源的利用率为满利用率。
在一些实施例中,所述生产资源的利用率包括不同线体的每天的时间利用率,则所述第一确定模块152在所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率时,具体包括:针对多个线体中的每个线体,根据整机在所述线体上的产量、整机在所述线体上的生产节拍、整机分类在所述线体上的生产状态、所述线体的分类换产损失和所述线体每天的工作时长,确定所述线体每天的时间利用率。
在一些实施例中,所述生产资源的利用率包括每种类型的物料在排产周期内的总利用率,则所述第一确定模块152在订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率时,具体包括:针对多种类型的物料中每种类型的物料,根据整机在线体上的产量、整机与所述物料之间的约束关系、所述物料的初始库存量和所述物料每天的到货量,确定所述物料在排产周期内的总利用率。
在一些实施例中,所述生产资源的利用率包括每种类型的模具在排产周期内的总利用率,所述第一确定模块152在订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率时,具体包括:针对所述多种类型的模具中每种类型的模具,根据整机在线体上的产量、整机与所述模具之间的约束关系和所述模具的日产能,确定所述模具在排产周期内的总利用率。
在一些实施例中,所述第一确定模块152,还用于若所述订单排产情况指示排产周期内存在未排产订单,则判断排产周期中是否存在延时订单;若存在延时订单,则确定生产资源从存在延时订单的当天至排产周期的第一天中每天的利用率。
在一些实施例中,所述生产资源的利用率包括每种类型的物料每天的利用率和/或每种类型的模具每天的利用率,则所述第一确定模块152确定生产资源从存在延时订单的当天至排产周期的第一天中每天的利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率;和/或,针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率。
在一些实施例中,所述第一确定模块152针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,根据整机在线体上当天的产量、整机与所述物料之间的约束关系、所述物料的初始库存量和所述物料在每天的到货量,确定所述物料在每天的利用率。
在一些实施例中,所述第一确定模块152针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率,包括:针对从存在延时订单的当天至排产周期的第一天中每天,根据整机每天在线体上的产量、整机与所述模具之间的约束关系和所述模具在每天的日产能,确定所述模具在每天的利用率。
在上述生产排程数据的获取方法实施例的基础上,图16为本申请实施例提供的生产排程数据的获取装置结构示意图。如图16所示,生产排程数据的获取装置,包括:获取模块161、模型构建模块162、优化模块163和确定模块164;
其中,获取模块161,用于获取生产数据,所述生产数据包括工作日历信息、线体信息、整机型号信息、物料信息、模具信息和待生产订单的订单信息;
模型构建模块162,用于根据所述生产数据构建排产模型,所述排产模型中包括决策变量、约束条件和目标函数,所述约束条件是根据所述生产数据确定的,且用于对所述决策变量的范围进行限制的条件,所述目标函数是以满足订单交货期、减少订单延期量、增加产能为目标建立的函数关系;
优化模块163,用于对所述目标函数进行优化,直至所述目标函数的值达到最小值;
确定模块164,用于将所述目标函数的值达到最小值时对应的决策变量确定为生产排程数据并输出。
在一些实施例中,所述模型构建模块162根据所述生产数据构建排产模型,具体包括:设置决策变量,所述决策变量包括整机在线体上的产量、整机在线体上的生产状态、整机的总延期量、整机分类在线体上的产量、整机分类在线体上的生产状态、订单线体的产量、订单的总延期量和订单的日延期量;根据所述生产数据和所述决策变量,确定所述约束条件;根据所述生产数据和所述决策变量,确定所述目标函数;根据所述决策变量、所述约束关系和所述目标函数,确定所述排产模型。
在一些实施例中,所述待生产订单的订单信息中包括:订单的交货日期、订单与整机的关联关系和订单需求量;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述订单的交货日期、订单与整机的关联关系和订单需求量,确定整机的待排产量;根据所述整机的待排产量、所述整机在线体上的产量和整机的总延期量,确定第一约束条件,所述第一约束条件为整机的待排产量等于整机的实际排产量与整机延期量之和;和/或,根据所述整机在线体上的产量、整机在线体上的生产状态和所述整机的待排产量,确定第二约束条件,所述第二约束条件为整机在线体上的产量小于或等于整机的待排产量与整机在线体上的生产状态的乘积。
在一些实施例中,所述整机型号信息包括整机与线体的绑定关系,所述整机与线体的绑定关系用于指示所述整机是否能够在所述线体上生产;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据整机与线体的绑定关系和整机在线体上第d天内的产量,确定第三约束条件。
在一些实施例中,所述整机型号信息还包括整机型号在线体上的生产节拍,所述线体信息包括线体分类换产损失,所述工作日历信息包括每天的工作时长和线体在第d天的可用工作时长;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述整机在线体上的产量、整机在不同线体上的生产节拍、整机分类在线体上的生产状态、线体分类换产损失、生产线的工作时长和线体在第d天的可用工作时长,确定第四约束条件,所述第四约束条件为所有整机的第一结果的累加量与换产损失时间之和小于或等于生产线工作时长,每个整机的第一结果为所述整机的排产量与所述整机的生产节拍的乘积。
在一些实施例中,所述整机型号信息包括整机的分类;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,包括:根据所述整机的分类,确定整机与分类的关联关系;根据所述整机与分类的关联关系,整机在线体上的产量和整机分类在线体上的产量,确定第五约束条件,所述第五约束条件为整机分类在线体上的产量等于整机在线体上的产量和整机与分类的关联关系的乘积。
在一些实施例中,所述整机型号信息包括整机的分类,所述待生产订单的订单信息中包括:订单的交货日期、订单与整机的关联关系和订单需求量;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述订单的交货日期、订单与整机的关联关系和订单需求量,确定所述待生产订单中针对整机在同一天的待排产数量,得到整机的待排产量;根据所述整机的分类,确定整机与分类的关联关系;根据所述整机与分类的关联关系、所述整机待排产量,确定整机分类的待排产量;根据整机分类在线体上的产量、整机分类的待排产量和整机分类在线体上的生产状态,确定第六约束条件,所述第六约束条件为整机分类在线体上的产量小于或等于整机分类的待排产量与整机分类在线体上的生产状态的乘积。
在一些实施例中,所述整机型号信息包括整机的型号,所述待生产订单的订单信息中包括产品型号信息;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述整机的型号,与所述产品型号信息,确定订单与整机之间的关联关系;根据所述订单与整机之间的关联关系、订单在线体上的产量和整机在线体上的产量,确定第七约束条件,所述第七约束条件为订单在线体上的产量与所述关联关系的乘积等于整机在线体上的产量;和/或,根据所述订单与整机之间的关联关系、订单的总延期量和整机的总延期量,确定第八约束条件,所述第八约束条件为订单的总延期量和订单与整机的需求的对应关系的乘积小于或等于整机的总延期量。
在一些实施例中,所述整机型号信息包括:整机型号的生产使用的物料,所述物料信息包括物料的初始库存量和物料在每天的到货量;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述整机型号的生产使用的物料,确定整机与物料之间的约束关系;根据整机与物料之间的约束关系、物料的初始库存量、物料在每天的到货量和整机在线体上的产量,确定第九约束条件,所述第九约束条件为整机型号排产量所使用的物料量小于或等于物料的初始库存量与物料的到货量之和。
在一些实施例中,所述整机型号信息包括:整机型号的生产使用的模具,所述模具信息包括模具的日产能;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述整机型号的生产使用的模具,确定整机与模具之间的约束关系;根据整机与模具之间的约束关系、模具的日产能和整机在线体上的产量,确定第十约束条件,所述第十约束条件为整机型号所使用的模具量与整机在线体上的产量的乘积小于或等于整机型号的生产使用的模具的日产能。
在一些实施例中,所述待生产订单的订单信息包括:产品型号数量;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述约束条件,具体包括:根据所述订单需求量、订单线体的产量和订单的日延期量,确定第十一约束条件,所述第十一约束条件为订单的线体产量与订单的日延期量之和等于订单需求量。
在一些实施例中,所述待生产订单的订单信息包括产品型号;所述目标函数为交货期优先目标函数、换产损失目标函数、订单延期目标函数和型号产品集中生产的目标函数的加权和;相应的,所述模型构建模块162根据所述生产数据和所述决策变量,确定所述目标函数,具体包括:根据所述订单的日延期量和所述订单的惩罚系数乘积的累加和,确定所述交货期优先目标函数;根据整机分类在线体上的生产状态,确定所述换产损失目标函数;根据订单的总延期量,确定所述订单延期目标函数;根据整机在线体上的生产状态,确定所述产品型号集中生产的目标函数。
在一些实施例中,所述生产排程数据包括如下中至少一项:订单每天在线体上的排产量;每个整机型号每天在线体上的使用情况;每天的整机分类型号的生产情况;是否有未排产型号;排产周期内是否有未排产订单;每天的订单延期排产情况。
本申请实施例提供的生产排程数据的获取装置,可用于执行上述实施例中生产排程数据的获取方法的技术方案,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,模型构建模块162可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上模型构建模块162的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图17为本申请实施例提供的电子设备的结构示意图。如图17所示,该电子设备可以包括:收发器171、处理器172、存储器173。
处理器172执行存储器存储的计算机执行指令,使得处理器172执行上述实施例中的方案。处理器172可以是通用处理器,包括中央处理器CPU、网络处理器(networkprocessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器173通过系统总线与处理器172连接并完成相互间的通信,存储器173用于存储计算机程序指令。
收发器171可以用于获取生产数据或生产排程数据。
系统总线可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory,RAM),也可能还包括非易失性存储器(non-volatile memory)。
本申请实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中生产排程的处理方法或生产排程数据的获取方法的技术方案。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行上述实施例生产排程的处理方法或生产排程数据的获取方法的技术方案。
本申请实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,其存储在计算机可读存储介质中,至少一个处理器可以从计算机可读存储介质读取计算机程序,至少一个处理器执行计算机程序时可实现上述实施例中生产排程的处理方法或生产排程数据的获取方法的技术方案。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
Claims (11)
1.一种生产排程的处理方法,其特征在于,包括:
获取生产排程数据,所述生产排程数据包括订单排产情况,所述订单排产情况用于指示排产周期内是否存在未排产订单;
若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,所述生产资源包括多个线体、多种类型的物料和多种类型的模具;
若所述生产资源的利用率满足预设条件,确定满足预设条件的生产资源为所述未排产订单的影响因素并输出,所述预设条件用于指示生产资源的利用率为满利用率。
2.根据权利要求1所述的方法,其特征在于,所述生产资源的利用率包括不同线体的每天的时间利用率,则所述若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,包括:
针对多个线体中的每个线体,根据整机在所述线体上的产量、整机在所述线体上的生产节拍、整机分类在所述线体上的生产状态、所述线体的分类换产损失和所述线体每天的工作时长,确定所述线体每天的时间利用率。
3.根据权利要求1所述的方法,其特征在于,所述生产资源的利用率包括每种类型的物料在排产周期内的总利用率,则若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,包括:
针对多种类型的物料中每种类型的物料,根据整机在线体上的产量、整机与所述物料之间的约束关系、所述物料的初始库存量和所述物料每天的到货量,确定所述物料在排产周期内的总利用率。
4.根据权利要求1所述的方法,其特征在于,所述生产资源的利用率包括每种类型的模具在排产周期内的总利用率,所述若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,包括:
针对所述多种类型的模具中每种类型的模具,根据整机在线体上的产量、整机与所述模具之间的约束关系和所述模具的日产能,确定所述模具在排产周期内的总利用率。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述方法还包括:
若所述订单排产情况指示排产周期内存在未排产订单,则判断排产周期中是否存在延时订单;
若存在延时订单,则确定生产资源从存在延时订单的当天至排产周期的第一天中每天的利用率。
6.根据权利要求5所述的方法,其特征在于,所述确定生产资源从存在延时订单的当天至排产周期的第一天中每天的利用率,包括:
针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率;
和/或,
针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率。
7.根据权利要求6所述的方法,其特征在于,所述针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的物料在每天的利用率,包括:
针对从存在延时订单的当天至排产周期的第一天中每天,根据整机在线体上当天的产量、整机与所述物料之间的约束关系、所述物料的初始库存量和所述物料在每天的到货量,确定所述物料在每天的利用率。
8.根据权利要求6所述的方法,其特征在于,所述针对从存在延时订单的当天至排产周期的第一天中每天,确定每种类型的模具在每天的利用率,包括:
针对从存在延时订单的当天至排产周期的第一天中每天,根据整机每天在线体上的产量、整机与所述模具之间的约束关系和所述模具在每天的日产能,确定所述模具在每天的利用率。
9.一种生产排程的处理装置,其特征在于,包括:
获取模块,用于获取生产排程数据,所述生产排程数据包括订单排产情况,所述订单排产情况用于指示排产周期内是否存在未排产订单;
第一确定模块,用于若所述订单排产情况指示排产周期内存在未排产订单,确定生产资源的利用率,所述生产资源包括多个线体、多种类型的物料和多种类型的模具;
第二确定模块,用于若所述生产资源的利用率满足预设条件,确定满足预设条件的生产资源为所述未排产订单的影响因素并输出,所述预设条件用于指示生产资源的利用率为满利用率。
10.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-8中任一项所述的方法。
11.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013716.XA CN114548661A (zh) | 2022-01-06 | 2022-01-06 | 生产排程的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210013716.XA CN114548661A (zh) | 2022-01-06 | 2022-01-06 | 生产排程的处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548661A true CN114548661A (zh) | 2022-05-27 |
Family
ID=81670415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210013716.XA Pending CN114548661A (zh) | 2022-01-06 | 2022-01-06 | 生产排程的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548661A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116841260A (zh) * | 2023-06-14 | 2023-10-03 | 成都飞机工业(集团)有限责任公司 | 一种用于飞机部件装配的动态自适应计划排程方法 |
TWI840199B (zh) | 2023-04-25 | 2024-04-21 | 緯創資通股份有限公司 | 智能排程方法及系統 |
-
2022
- 2022-01-06 CN CN202210013716.XA patent/CN114548661A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI840199B (zh) | 2023-04-25 | 2024-04-21 | 緯創資通股份有限公司 | 智能排程方法及系統 |
CN116841260A (zh) * | 2023-06-14 | 2023-10-03 | 成都飞机工业(集团)有限责任公司 | 一种用于飞机部件装配的动态自适应计划排程方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548660A (zh) | 家电设备的生产排程方法、装置、设备及存储介质 | |
CN107168267B (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
CN112132546A (zh) | 一种对生产进行排程的方法及装置 | |
CN107578197A (zh) | 需求不确定的混流生产线物流车辆调度区域优化方法 | |
CN106444643A (zh) | 一种订单分派调度与混合产品排序系统及方法 | |
CN115600774B (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
US7292903B2 (en) | Methods for determining tool assignment preference and manufacturing systems using the same | |
CN110501978B (zh) | 一种机器人产品生产车间排产调度方法 | |
CN107357270B (zh) | 一种eps泡塑制造中的任务调度方法 | |
CN102411306A (zh) | 一种基于蜂社会自组织模型的混流装配生产调度控制方法 | |
CN114897379A (zh) | 一种基于信息反馈的动态生产计划排程系统及方法 | |
CN114548661A (zh) | 生产排程的处理方法、装置、设备及存储介质 | |
CN114596020A (zh) | 一种用于大规模定制生产的项目mrp设计方法及系统 | |
CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
Modrak et al. | Batch size optimization of multi-stage flow lines in terms of mass customization | |
CN114626745A (zh) | 一种排产计划生成方法、系统、介质及电子终端 | |
CN109086936B (zh) | 一种智能车间的生产系统资源配置方法、装置及设备 | |
Liu et al. | Multi-objective production planning model for equipment manufacturing enterprises with multiple uncertainties in demand | |
CN112561338A (zh) | 基于遗传算法的汽车生产队列排序系统和方法 | |
WO2023202326A1 (zh) | 数据处理方法及相关装置 | |
CN114091821A (zh) | 一种冰箱产业生产排程数据处理方法和装置 | |
Rahman et al. | Simulating cutting line of a furniture industry | |
Wang et al. | Task package division method for the integrated scheduling framework of mixed model car-sequencing problem | |
CN115983429A (zh) | 基于bim模型的施工策略优化方法、系统、终端及介质 | |
Caramanis et al. | Dynamic lead time modeling for JIT production planning |
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 |