CN114862045A - 排产优化方法、装置、电子设备及存储介质 - Google Patents

排产优化方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114862045A
CN114862045A CN202210592294.6A CN202210592294A CN114862045A CN 114862045 A CN114862045 A CN 114862045A CN 202210592294 A CN202210592294 A CN 202210592294A CN 114862045 A CN114862045 A CN 114862045A
Authority
CN
China
Prior art keywords
scheduling
priority
optimization
model
order
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
CN202210592294.6A
Other languages
English (en)
Inventor
王川
刘楠
苏谢明
刘希迅
林雪梅
柴栋
王洪
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.)
BOE Technology Group Co Ltd
Beijing Zhongxiangying Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Beijing Zhongxiangying Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Beijing Zhongxiangying Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202210592294.6A priority Critical patent/CN114862045A/zh
Publication of CN114862045A publication Critical patent/CN114862045A/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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种排产优化方法、排产优化装置、电子设备和存储介质。排产优化方法包括：加载排产基础数据，基于最优化算法，根据排产基础数据设定排产参数，基于启发式算法，根据排产参数和排产基础数据得到排产计划。本申请的排产优化方法通过启发式算法可以在合理的时间内快速生产启发式算法排产所需的部分关键参数，使得启发式算法可以制定出满足了生产复杂需求又能提升产能的排产计划。

Description

排产优化方法、装置、电子设备及存储介质
技术领域
本申请涉及生产制造技术领域，特别涉及一种排产优化方法、排产优化装置、电子设备及计算机可读存储介质。
背景技术
生产计划是企业对生产任务做出统筹安排，是企业经营计划的重要组成部分，以及企业进行生产管理的重要依据。对于高端制造行业而言，存在工艺路径长，物料、工艺及设备替代关系繁多等特点，给制定生产计划带了诸多不便，因此，如何设计出既满足复杂需求又能提升产能的生产计划对于企业生产成了亟待解决的问题。
发明内容
有鉴于此，本申请实施方式提供了一种排产优化方法、排产优化装置、电子设备及计算机可读存储介质。
本申请实施方式的排产优化方法，包括：
加载排产基础数据；
基于最优化算法，根据所述排产基础数据设定排产参数；
基于启发式算法，根据所述排产参数和所述排产基础数据得到排产计划。
在某些实施方式中，所述基于最优化算法，根据所述排产基础数据设定排产参数，包括：
通过所述最优化算法的最优化算法模型，根据所述排产基础数据构建排产优先级模型，所述排产基础数据包括物料数据、工艺流程数据、工艺设备数据、工艺流程与工艺设备的对应关系数据、产能数据、班次数据中的一种或多种；
通过所述最优化算法的优化器求解所述排产优先级模型以得到所述排产参数，所述排产参数包括订单交期、订单优先级、物料优先级、工艺优先级、设备优先级的一种或多种。
在某些实施方式中，所述最优化算法模型包括混合整数规划算法模型，所述通过所述最优化算法的最优化算法模型，根据所述排产基础数据构建排产优先级模型，包括：
通过所述混合整数规划算法模型，根据所述排产基础数据构建物料优先级模型。
在某些实施方式中，所述物料优先级模型为：
Figure BDA0003665900960000021
Figure BDA0003665900960000022
Figure BDA0003665900960000023
Figure BDA0003665900960000024
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量；STOCKitem为item的库存量，
Figure BDA0003665900960000025
为订单dem对item的消耗量，
Figure BDA0003665900960000026
为订单dem中生产单位产品item的消耗量，GROUPdem为订单dem中的替代组。
在某些实施方式中，所述最优化算法模型包括线性规划算法模型，所述通过所述最优化算法的最优化算法模型，根据所述排产基础数据构建排产优先级模型，包括：
通过所述线性规划算法模型，根据所述排产基础数据构建线体优先级模型。
在某些实施方式中，所述线体优先级模型为：
Figure BDA0003665900960000027
Figure BDA0003665900960000028
Figure BDA0003665900960000029
Figure BDA00036659009600000210
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量，Capaline为线体line的生产能力，
Figure BDA00036659009600000211
为订单对线体line的消耗量，
Figure BDA00036659009600000212
为订单dem中生产单位产品item的消耗量。
在某些实施方式中，所述排产优化方法还包括：
基于用户输入，调整所述排产参数。
本申请实施方式的排产优化装置，包括：
加载模块，用于加载排产基础数据；
设定模块，用于基于最优化算法，根据所述排产基础数据设定排产参数；
排产模块，用于基于启发式算法，根据所述排产参数和所述排产基础数据得到排产计划。本申请实施方式的电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述的排产优化方法。
本申请实施方式的非易失性计算机可读存储介质，包括计算机程序，当所述计算机程序被处理器执行时，实现所述的排产优化方法。
本申请的排产优化方法、排产优化装置、电子设备以及计算机可读存储介质中，通过启发式算法与最优化算法相结合的方式，一方面，通过启发式算法可以满足复杂的生产模型约束，另一方面，因为引入了最优化的算法，可以做出更优化的排产结果，如此，得到了既满足复杂需求又能提升产能的排产计划。
本申请实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的排产优化方法的流程示意图；
图2是本申请某些实施方式的排产优化装置的模块示意图；
图3-6是本申请某些实施方式的排产优化方法的流程示意图。
具体实施方式
下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
请参阅图1，本申请提供了一种排产优化方法，包括：
01，加载排产基础数据；
02，基于最优化算法，根据排产基础数据设定排产参数；
03，基于启发式算法，根据排产参数和排产基础数据得到排产计划。
相应地，请参阅图2，本申请实施方式还提供了一种排产优化装置100，本申请实施方式的排产优化方法可以由排产优化装置100实现。
排产优化装置100包括加载模块110、设定模块120和排产模块130。步骤01可以由加载模块110实现，步骤02可以由设定模块120实现，步骤03可以由排产模块130实现。
或者说，加载模块110可以用于加载排产基础数据。设定模块120可以用于基于最优化算法，根据排产基础数据设定排产参数。排产模块130可以用于基于启发式算法，根据排产参数和排产基础数据得到排产计划。
本申请实施方式还提供了一种电子设备。电子设备包括存储器和处理器。存储器中存储有计算机程序。当计算机程序被处理器执行时，使得处理器实现上述排产优化方法。也即是，处理器用于加载排产基础数据，基于最优化算法，根据排产基础数据设定排产参数，基于启发式算法，根据排产参数和排产基础数据得到排产计划。
本申请的排产优化方法、排产优化装置以及电子设备中，通过最优化算法与启发式算法结合的方式，一方面，通过启发式算法可以满足复杂的生产模型约束，另一方面，因为引入了最优化的算法，可以做出更优化的排产结果，如此，得到了既满足生产过程中的复杂需求又能提升产能的排产计划。
在一些实施方式中，电子设备可以是手机、电脑、网络服务器等。本实施方式以电子设备是电脑为例进行说明，也即是说，排产优化方法和排产优化装置100应用于但不限于电脑。优化排产装置100可以是预安装于电脑的硬件或软件，并在电脑上启动运行时可以执行排产优化方法。例如，排产优化装置100可以是电脑的底层软件代码段或者说是操作系统的一部分。如此，当电脑执行排产优化方法时，可以根据排产基础数据快速制定出符合需求的排产计划。
在一些实施方式中，排产优化装置100可以是电子设备的一部分。或者说，电子设备包括排产优化装置100。
在一些实施方式中，作为硬件，排产优化装置100可以是独立或者作为额外增加的外围元件加装到计算机或者计算机系统。排产优化装置100也可以集成到计算机或者计算机系统，例如，排产优化装置100是电子设备的一部分时，排产优化装置100可以集成到处理器上。
在一些排产优化装置100是电子设备的一部分的实施方式中，作为软件，排产优化装置100对应的代码段可以存储于存储器上通过处理器执行实现前述功能。或者说，排产优化装置100包括前述的计算机程序，又或者说前述的计算机程序包括排产优化装置100。
需要说明的是，排产计划是指在考虑物流、设备产能、生产工艺、生产需求的前提下，制定一个符合运营目标的排产计划，其中，运营目标可包括但不限于经济性、库存、顾客满意度、设备效能等因素。
排产基础数据是指产品在生产过程中涉及到的相关数据，排产基础数据需要考虑到物料、设备产能、生产工艺和生产需求，因此，排产基础数据可包括但不限于物料数据(BOM)、工艺流程数据(Route)、工艺设备数据(Resource)、工艺流程与工艺设备的对应关系数据(BOM of Resource，BOR)、产能数据、班次数据中的一种或多种。
排产参数可包括但不限于订单交期、订单优先级、物料优先级、工艺优先级、设备优先级中的一种或多种。
本领域技术人员可以理解地，最优化算法是指解决最优化问题的一种算法，所谓最优化问题，指在某些约束条件下，决定某些可选择的变量应该取何值，使所选定的目标函数达到最优的问题，即运用最新科技手段和处理方法，使系统达到总体最优，从而为系统提出设计、施工、管理、运行的最优方案。
启发式算法是指基于直观或经验构造的算法，在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。启发式算法主要有蚁群算法、模拟退火法、神经网络以及基于规则的启发式算法等。
在本申请中，启发式算法可以为基于规则的启发式算法，需要说明的是，基于规则的启发式算法是指对生产需求按照一定的规则进行物料消耗、生产设备选择、生产时间占用，从而生成排产计划。其中，规则可以为由最优化算法得到的排产参数。也即是，本申请可以通过启发式算法根据排产参数对排产基础数据进行排产从而得到排产计划。
例如，在一些示例中，通过最优化算法得到线体优先级，在对选定订单进行排产时，某一道工序存在可选资源(可以在A，B，C，D四个产线加工)时，可以根据最优化算法计算出来的最优线体，首先尝试安排在最优线体生产。
又例如，在一些示例中，在选定订单进行排产时，同一物料可能会被多个订单竞争，同时同一订单的物料又有替代关系(即可以用A芯片又可以用B芯片)。当通过最优化算法得出订单的物料消耗优先级，则启发式算法进行排产时，会优先消耗最优化算法得出的最优物料进行优先消耗。
请参阅图3，在某些实施方式中，在步骤03之前，排产优化方法还包括：
04，基于用户输入，调整排产参数。
在某些实施方式中，步骤04可以由设定模块120来实现。或者说，设定模块120还用于基于用户输入，调整排产参数。
在某些实施方式中，处理器可用于基于用户输入，调整排产参数。
需要说明的是，当用户对某个或某些排产参数调整后，再将调整后的排产参数与其它未调整的排产参数合并，再输入至启发式算法，使得启发式算法根据排产参数对排产基础数据进行排产，得到生成计划。
如此，通过人工的参数校验和确认，可以更好的实现对排产参数的优化，从而可以进一步地得到更为合理的排产计划。
请结合图4，在某些实施方式中，步骤02包括：
021：通过最优化算法模型，根据排产基础数据构建排产优先级模型；
022：通过优化器求解排产优先级模型以得到排产参数。
在某些实施方式中，子步骤021和022可以由设定模块120实现，或者说，设定模块120还可用于通过最优化算法模型，根据排产基础数据构建排产优先级模型，通过优化器求解排产优先级模型以得到排产参数。
在某些实施方式中，处理器可用于通过最优化算法模型，根据排产基础数据构建排产优先级模型，通过优化器求解排产优先级模型以得到排产参数。
排产优先级模型可包括但不限于物料优先级模型、线体优先级模型、订单优先级模型等。其中，物料优先级模型的作用是在物料存在替代料的情况下(具有替代关系的物料，形成一个替代组)，合理地对物料消耗进行选择，而赋值物料消耗的优先级，保证运营目标最大化。线体优先级模型作用在同一道工艺流程有多个可用线体的情况下，选择合理的线体分配优先级，使得运营目标最大化。订单优先级模型的作用是在订单包括多个的情况下，选择对订单分配优先级，保证运营目标最大化。优化器用于对构建的排产优先级模型进行求解，优化器可根据不同的性能、问题规模等因素选择不同的优化引擎。其中，物料优先级模型用于求解最优解情况下，消耗物料情况，从而为后续启发式算法提供排产依据，线体优先级模型用于求解得到最优解情况下，关于线体的优先级，从而指导后续启发算法提供排产依据。
例如，在一些示例中，在对A、B、C三个产品进行排产时，其中，A产品只能使用LINE1线体生产，B、C产品可以使用LINE1线体或LINE2线体生产。若B、C产品已经占满了LINE1的产能，则会导致A产品无可用线体生产，进而导致订单无法进入排产。因此，通过最优化算法模型根据A、B、C三个产品的相关数据构建排产优先级模型，并通过优化器求解得到的排产参数为生成B、C产品优先选择LINE2生产。
请结合图5，在某些实施方式中，最优化算法模型包括混合整数规划算法模型，子步骤021包括：
0211：通过混合整数规划算法模型，根据排产基础数据构建物料优先级模型。
在某些实施方式中，子步骤0211可以由设定模块120实现，或者说，设定模块120还可用于通过基于混合整数规划算法模型，根据排产基础数据构建物料优先级模型。
在某些实施方式中，处理器可用于通过混合整数规划算法模型，根据排产基础数据构建物料优先级模型。
需要说明的是，混合整数规划(MIP)是指在线性约束下将线性目标最小化，同时使部分或全部变量均为整数值。混合整数规划属于线性规划(LP)的一种拓展，即部分变量的取值为整数。相比于遗传、蚁群等最优化算法，混合整数规划找到最优解，相比于二次规划以及凸优化等最优化算法，混合整数规划具有速度快，算法稳定的优点。
如此，通过混合整数规划算法模型根据排产基础数据构建物料优先级模型，降低了对物料优先级建模的复杂性，同时，缩短了物料优先级的生成时间，如此，后续可根据物料优先级对排产基础数据进行排产。
物料优先级模型为：
Figure BDA0003665900960000071
Figure BDA0003665900960000072
Figure BDA0003665900960000073
Figure BDA0003665900960000074
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量；STOCKitem为item的库存量，
Figure BDA0003665900960000075
为订单dem对item的消耗量，
Figure BDA0003665900960000076
为订单dem中生产单位产品item的消耗量，GROUPdem为订单dem中的替代组。
即，物料优先级模型在对于单个订单同物料替代组group下，通过
Figure BDA0003665900960000077
的大小作为分配优先级的依据，确定物料的优先级，该值越大，则说明消耗的优先级越高。
请结合图6，在某些实施方式中，最优化算法包括线性规划算法模型，子步骤021还包括：
0212：通过线性规划算法模型，根据排产基础数据构建线体优先级模型。
在某些实施方式中，子步骤0212可以由设定模块120实现，或者说，设定模块120还可用于通过线性规划算法模型，根据排产基础数据构建线体优先级模型。
在某些实施方式中，处理器可用于通过线性规划算法模型，根据排产基础数据构建线体优先级模型。
需要说明的是，线性规划(Linear programming，LP)是辅助人们进行科学管理的一种数学方法，能够为合理地利用有限的人力、物力、财力等资源作出的最优决策，提供科学的依据。线性规划相比于遗传、蚁群等最优化算法，混合整数规划找到最优解，相比于二次规划以及凸优化等最优化算法，混合整数规划具有速度快，算法稳定的优点。
如此，通过线性规划算法模型根据排产基础数据构建线体优先级模型，降低了对线体优先级建模的复杂性，同时，缩短了线体优先级的生成时间，如此，后续可根据线体优先级对排产基础数据进行排产。
线体优先级模型为：
Figure BDA0003665900960000081
Figure BDA0003665900960000082
Figure BDA0003665900960000083
Figure BDA0003665900960000084
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量，Capaline为线体line的生产能力，
Figure BDA0003665900960000085
为订单对线体line的消耗量，
Figure BDA0003665900960000086
为订单dem中生产单位产品item的消耗量。
即，线体优先级模型以
Figure BDA0003665900960000087
的大小作为分配优先级的依据，确定线体的优先级。
本申请实施方式还提供了一种存储有计算机程序的非易失性计算机可读存储介质，当计算机程序被一个或多个处理器执行时，实现上述任一实施方式的排产优化方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的软件来完成。程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。同时，参考术语“第一”、“第二”等的描述意在将同类或相似操作区别开来，“第一”与“第二”之间在某些实施方式中具有前后逻辑关系，在某些实施方式中并不一定具有逻辑或前后关系，需要根据实际实施例进行判定，不应该仅通过字面意思进行判定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (10)

1.一种排产优化方法，其特征在于，包括：
加载排产基础数据；
基于最优化算法，根据所述排产基础数据设定排产参数；
基于启发式算法，根据所述排产参数和所述排产基础数据得到排产计划。
2.根据权利要求1所述的排产优化方法，其特征在于，所述基于最优化算法，根据所述排产基础数据设定排产参数，包括：
通过最优化算法模型，根据所述排产基础数据构建排产优先级模型，所述排产基础数据包括物料数据、工艺流程数据、工艺设备数据、工艺流程与工艺设备的对应关系数据、产能数据、班次数据中的一种或多种；
通过优化器求解所述排产优先级模型以得到所述排产参数，所述排产参数包括订单交期、订单优先级、物料优先级、工艺优先级、设备优先级中的一种或多种。
3.根据权利要求2所述的排产优化方法，其特征在于，所述最优化算法模型包括混合整数规划算法模型，所述通过所述最优化算法模型，根据所述排产基础数据构建排产优先级模型，包括：
通过所述混合整数规划算法模型，根据所述排产基础数据构建物料优先级模型。
4.根据权利要求3所述的排产优化方法，其特征在于，所述物料优先级模型为：
Figure FDA0003665900950000011
Figure FDA0003665900950000012
Figure FDA0003665900950000013
Figure FDA0003665900950000014
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量；STOCKitem为item的库存量，
Figure FDA0003665900950000015
为订单dem对item的消耗量，
Figure FDA0003665900950000016
为订单dem中生产单位产品item的消耗量，GROUPdem为订单dem中的替代组。
5.根据权利要求2或3所述的排产优化方法，其特征在于，所述最优化算法模型包括线性规划算法模型，所述通过所述最优化算法模型，根据所述排产基础数据构建排产优先级模型，包括：
通过所述线性规划算法模型，根据所述排产基础数据构建线体优先级模型。
6.根据权利要求5所述的排产优化方法，其特征在于，所述线体优先级模型为：
Figure FDA0003665900950000021
Figure FDA0003665900950000022
Figure FDA0003665900950000023
Figure FDA0003665900950000024
其中，Prdem为订单的优先级，qdem为订单的计划，Qdem为订单的需求量，Capaline为线体line的生产能力，
Figure FDA0003665900950000025
为订单对线体line的消耗量，
Figure FDA0003665900950000026
为订单dem中生产单位产品item的消耗量。
7.根据权利要求1所述的排产优化方法，其特征在于，所述排产优化方法还包括：
基于用户输入，调整所述排产参数。
8.一种排产优化装置，其特征在于，所述排产优化装置包括：
加载模块，用于加载排产基础数据；
设定模块，用于基于最优化算法，根据所述排产基础数据设定排产参数；
排产模块，用于基于启发式算法，根据所述排产参数和所述排产基础数据得到排产计划。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现权利要求1-7任一项所述的排产优化方法。
10.一种包含计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，实现权利要求1-7任一项所述的排产优化方法。
CN202210592294.6A 2022-05-27 2022-05-27 排产优化方法、装置、电子设备及存储介质 Pending CN114862045A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210592294.6A CN114862045A (zh) 2022-05-27 2022-05-27 排产优化方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210592294.6A CN114862045A (zh) 2022-05-27 2022-05-27 排产优化方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114862045A true CN114862045A (zh) 2022-08-05

Family

ID=82640638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210592294.6A Pending CN114862045A (zh) 2022-05-27 2022-05-27 排产优化方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114862045A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485154A (zh) * 2023-05-19 2023-07-25 苏州智合诚信息科技有限公司 一种生产排程自动管理方法、系统、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485154A (zh) * 2023-05-19 2023-07-25 苏州智合诚信息科技有限公司 一种生产排程自动管理方法、系统、电子设备及存储介质
CN116485154B (zh) * 2023-05-19 2023-12-01 苏州智合诚信息科技有限公司 一种生产排程自动管理方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN112801448B (zh) 物料需求分配方法、装置、系统及存储介质
Jamrus et al. Dynamic coordinated scheduling for supply chain under uncertain production time to empower smart production for Industry 3.5
JP4736651B2 (ja) 受注・見込み生産混流時の生産計画方法および生産計画システム
JPH05225205A (ja) 順次確定生産計画システム
CN110837981B (zh) 一种调度与控制协同处理方法及相关设备
Nejati et al. Multi-job lot streaming to minimize the weighted completion time in a hybrid flow shop scheduling problem with work shift constraint
Xu et al. Functional objectives decisionmaking of discrete manufacturing system based on integrated ant colony optimization and particle swarm optimization approach
Chan et al. Optimization of order fulfillment in distribution network problems
Malitsky et al. Tuning parameters of large neighborhood search for the machine reassignment problem
Selcuk et al. The effect of updating lead times on the performance of hierarchical planning systems
CN110287018A (zh) 批量任务编排方法及装置
CN114862045A (zh) 排产优化方法、装置、电子设备及存储介质
Raa et al. A robust dynamic planning strategy for lot-sizing problems with stochastic demands
CN114971374A (zh) 用于对数据中心的产品需求进行生产交付的排程方法
Peng et al. A bi-objective hierarchical program scheduling problem and its solution based on NSGA-III
Cohen et al. An adaptive robust optimization model for parallel machine scheduling
Homberger A parallel genetic algorithm for the multilevel unconstrained lot-sizing problem
CN113592303A (zh) 同时面向订单和库存的月度排产方法、系统、介质和终端
US7151973B1 (en) Methods and systems for scheduling and buffer balancing
Lee et al. MINIMIZING TOTAL TARDINESS ON PARALLEL MACHINES SUBJECT TO FLEXIBLE MAINTENANCE.
CN111373434A (zh) 在时间约束下控制半导体制造过程的产品流
CN115545329A (zh) 一种适用于服装制造产线的一体化动态排程方法
JP2002091536A (ja) 鉄鋼製品の一貫製造管理方法、スケジューリング装置及び記憶媒体
CN112712236B (zh) 一种造船企业线表负荷评估软件设计方法
CN115187097A (zh) 一种任务排期方法、装置、电子设备以及计算机存储介质

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