CN114862122B - 一种基于aps的车间排产方法、系统及设备 - Google Patents

一种基于aps的车间排产方法、系统及设备 Download PDF

Info

Publication number
CN114862122B
CN114862122B CN202210376171.9A CN202210376171A CN114862122B CN 114862122 B CN114862122 B CN 114862122B CN 202210376171 A CN202210376171 A CN 202210376171A CN 114862122 B CN114862122 B CN 114862122B
Authority
CN
China
Prior art keywords
task
time
est
aps
lft
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210376171.9A
Other languages
English (en)
Other versions
CN114862122A (zh
Inventor
易平
蔡兵
刘�东
胡建平
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.)
Yimo Dongguan Intelligent Technology Co ltd
Original Assignee
Yimo Dongguan Intelligent 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 Yimo Dongguan Intelligent Technology Co ltd filed Critical Yimo Dongguan Intelligent Technology Co ltd
Priority to CN202210376171.9A priority Critical patent/CN114862122B/zh
Publication of CN114862122A publication Critical patent/CN114862122A/zh
Application granted granted Critical
Publication of CN114862122B publication Critical patent/CN114862122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • 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)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种基于APS的车间排产方法、系统及设备，基于APS的车间生产数据设置计算规则，然后根据计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；根据所述第一版计划，进行遗传算法，得到最终排产的结果。本发明通过对生产所需的各项资源及要求，设置特定的计算规则，利用特定的算法，找到符合车间生产的计划任务，能够计划最大利用资源率，并且可以随时实际的差异即时且同步的滚动更新计划。做到计划指导生产的原则的同时达到可执行且精细化的计划，减少设备的空闲浪费，库存积压，交期延迟等问题。

Description

一种基于APS的车间排产方法、系统及设备
技术领域
本发明涉及信息技术领域，尤其涉及一种基于APS的车间排产方法、系统及设备。
背景技术
现代制造业已经进入微利时代，精益化生产管理方式已经取代传统的粗略化生产管理方式。采用信息化技术是实现精益化生产的重要途径。目前制造业采用的信息化工具主要包括ERP、MES、APS等。ERP系统是企业信息的中枢，现在已经在许多企业中用于作业处理和定单执行。高级计划与调度系统(APS，AdvancedPlanningSystems)作为ERP的补充，用于协调物流、开发瓶颈资源和保证交货日期。APS是一种基于供应链管理和约束理论的先进计划与排程工具，包含了大量的数学模型、优化及模拟技术。APS指导企业的生产采购、库存等，帮助企业对生产中的资源利用进行计划-执行-分析-优化和决策。因此说APS已等于精益化生产。
APS是对企业车间资源：人员、生产设备、辅助工具等，按照它们的能力进行合理安排，这就需要对详细了解企业的每一个生产细节，建立物料、工序、资源、时间、逻辑关系、技术参数、成本、BOM等等错综复杂的生产业务模型。由于不同制造行业、相同制造行业不同企业对生产业务模型建模区别很大，同时建模的约束条件更加细致化，导致建模完成后必须依赖一套计算方法。同时生产流程的频繁变更，导致静态的生产业务模型和简单的算法无法满足APS的要求。生产业务模型动态创建成为APS急需解决的一个技术难题。
由上述可知，生产业务模型是APS一个关键模块，同时对应的一套复杂的算法是一个关键模块。
发明内容
本发明主要目的在于：提供一种基于APS的车间排产方法、系统及设备，解决车间的生产计划安排问题。
本发明所采用的技术方案是：一种基于APS的车间排产方法，本方法包括以下步骤：
S1、设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)；
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S；
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT；
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH；
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间；
S2、根据S1的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；
S3、根据所述第一版计划，进行遗传算法，得到最终排产的结果。
按上述方案，所述的S2具体为：
获得每个任务的EST：没有前置任务时当前任务EST＝当前时间，有前置任务时当前任务EST＝前一次任务EST+前一次任务WH；
获得每个任务的LFT：没有后置任务时当前任务LFT＝对应订单的NFT，当前任务的前置任务LFT＝当前任务LFT-当前任务WH；
根据每个任务的EST和LFT，生成第一版计划。
按上述方案，所述的S3中，所述遗传算法的基础规则是：
1个任务只占用1个具体资源的负荷时间段；
具体负荷时间段只能存在1个任务，不同任务占用相同资源负荷时间段不能存在重复；
LFT时间越早越优先安排在资源负荷时间段。
按上述方案，所述的S3中，设定优秀因子锁定规则：
从有重合时间的任务中，挑选LFT最早的任务进行优秀因子标识；将其它有重合时间的任务进行移除，并迁入其它可加工资源有限时间负荷，或者拆分为多个任务；
标识有优秀因子的任务，在下次遗传时不参与计算。
按上述方案，所述的S3中，当以下三个条件中的任意一个达到，所述遗传算法结束：
条件一，所有任务均标识有优秀因子；
条件二，遗传算法的时间周期达到设定的上限时间；
条件三，循环次数达到设定的上限次数。
按上述方案，所述的S3采用启发式多线程遗传算法，每个线程管理至少1台资源的计算，所有线程同步计算，最终将所有线程计算的结果进行汇总输出。
一种基于APS的车间排产系统，本系统包括：
规则设定模块，用于设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)；
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S；
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT；
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH；
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间；
第一版计划生成模块，用于根据设定的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；
递归排产模块，用于根据所述第一版计划，进行遗传算法，得到最终排产的结果。
一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述基于APS的车间排产方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述基于APS的车间排产方法的步骤。
本发明产生的有益效果是：
1、通过对生产所需的各项资源及要求，设置特定的计算规则，利用特定的算法，找到符合车间生产的计划任务，能够计划最大利用资源率，并且可以随时实际的差异即时且同步的滚动更新计划。做到计划指导生产的原则的同时达到可执行且精细化的计划，减少设备的空闲浪费，库存积压，交期延迟等问题。
2、通过优秀因子的设定，能够将重复时间的任务自动分配，得到更合理的排产计划。
3、由于任务数量大、资源多，因此采用多线程算法，能够快速完成大量的计算，提高排产效率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明一实施例的算法架构图。
图2是本发明一实施例的APS生产数据图。
图3是本发明一实施例的资源工作负荷图。
图4是本发明一实施例的EST时间图。
图5是本发明一实施例的LFT时间图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于APS的车间排产方法，如图1所示，本方法包括以下步骤：
S1、设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)。
如图2所示，在建立规则时，首先要了解该车间的基础信息(基础物料和基础资源)、产品结构、资源负荷、物料库存和产品在制情况。必须针对不同的车间、不同的加工工艺和不同的产品，进行数据的计算。
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S。
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT。
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH。
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间。例如：张三的额定工作负荷为：09:00-12:00、13:30-18:00；而冲压机床的额定工作负荷为：00:00-24:00，因此资源的某天额定负荷如图3所示，全涂色部分为可工作负荷，剖面线部分为不可工作负荷。
S2、根据S1的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划，具体为：
获得每个任务的EST：没有前置任务时当前任务EST＝当前时间，有前置任务时当前任务EST＝前一次任务EST+前一次任务WH，如图4所示。
获得每个任务的LFT：没有后置任务时当前任务LFT＝对应订单的NFT，当前任务的前置任务LFT＝当前任务LFT-当前任务WH；如图5所示。
根据每个任务的EST和LFT，生成第一版计划。
S3、根据所述第一版计划，进行遗传算法，得到最终排产的结果。
所述遗传算法的基础规则是：
1个任务只占用1个具体资源的负荷时间段；
具体负荷时间段只能存在1个任务，不同任务占用相同资源负荷时间段不能存在重复；
LFT时间越早越优先安排在资源负荷时间段。
满足基础规则则标识为优秀因子。
在计算过程中，会产生资源负荷有限时间内不能安排即定任务场景。因此，本发明通过设定优秀因子锁定规则来解决该问题：
从有重合时间的任务中，挑选LFT最早的任务进行优秀因子标识；将其它有重合时间的任务进行移除，并迁入其它可加工资源有限时间负荷，或者拆分为多个任务。
标识有优秀因子的任务，在下次遗传时不参与计算。规则是：有限负荷时间已经安排满足负荷则满足NFT时间。
当以下三个条件中的任意一个达到，所述遗传算法结束：
条件一，所有任务均标识有优秀因子；
条件二，遗传算法的时间周期达到设定的上限时间；
条件三，循环次数达到设定的上限次数。
进一步的，由于任务数量大，资源多，因此为考虑算法的效率，则开始进行计算时，算法开启多线程，每个线程管理1台或多资源的计算，所有线程同步计算，最终将所有线程计算的结果进行汇总输出，使用算法可以在200个订单下，20万个任务可以在1分钟内完成。
本发明还提供一种基于APS的车间排产系统，本系统包括：
规则设定模块，用于设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)；
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S；
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT；
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH；
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间；
第一版计划生成模块，用于根据设定的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；
递归排产模块，用于根据所述第一版计划，进行遗传算法，得到最终排产的结果。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述基于APS的车间排产方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述基于APS的车间排产方法的步骤。
下面以冲焊车间生产排产为例，对本发明做进一步说明。
冲焊车间完成一个产品需要经过32道工艺和数十个不同设备的机器进行加工，同时工艺之间涉及到并行和串行的要求。某一个产品由若干零件以及某原料进行组装完成，而每个零件分别由对应的每一个工艺步骤加工来完成。而每个工艺加工时则依赖【设备】【人员】【物料】三个重要的有限资源，同时还依赖公共的资源，比如：【盛具】【夹具】【工装】等用于安装在设备上的工具以及生产后放入的载体中。
不同名称的工艺肯定是不同的类型设备加工，而相同名称的工艺可能是相同类型的设备才能加工，相同类型的设备又存在多台，因此工艺对应的设备即存在1个工艺可以被多台设备生产，1台设备也可以生产多个不同的工艺。即工艺与设备关系是多对多。
冲焊车间一个月内生产的不同的产品接近200种以上，每个产品每个月需要交付的数量平均数量在2000-5000个左右。而每个产品又依赖至少5个零件(不包含采购的零件)自行加工，而第1个零件至少需要5-0道工序半行或串行加工而成。
冲焊车间存在200个工人，每个工人有能力操作多种工艺，但并不代表可以操作所有的工艺。即工人与工艺关系是多对多。
综上：一个月的生产计划的最大数据至少包含：200个产品，1000个零件，5000道工序，共5000*2000(数量)＝10,000,000个生产任务。这些任务有些必须是需要串行加工，有些是并行加工。
将10,000,000个生产任务输入到本方法中，能够在1分钟内计算并给出车间可执行的生产计划(不能延期)，即：排产速度+可执行的生产计划。
名词解释：
订单(O)：车间生产的需求单据，单据包含信息：编号，产品，数量，要求完成时间(NFT)。一个订单都有一个唯一的编号且只能生产一个类型产品，生产的数量在1000个以上；而不同类型的产品肯定是多个订单。例如：我要生产1000个不锈钢水杯。
产品(P)：表示一个订单需要完成的最终产品，每个产品都有一个唯一的物料编号。例如：1个不锈钢水杯就是1个产品。
物料(M)：表示一种实物的名称，产品也可以称为物料，零件也可以称为物料，工艺也可以称为在制物料。1个物料有1个唯一的物料编号。比如：不锈钢水杯为P001,1000个不锈钢水杯则为P001有1000个单位。
零件(Part)：一个产品通常需要多个不同的零件组装而成，例如：瓶盖，瓶身，包装纸3个零件组装成1个不锈钢水杯，而3*1000个零件就可以组装为1000个产品。
工艺(Tech)：生产1个零件的1个步骤名称，例如：1个瓶身的生产需要：把不锈钢卷进行冲压，然后再进行倒角，最后喷图上色。工艺步骤则是：冲压->倒角->喷图3道工艺步骤操作可以完成1个零件。
资源(R)：生产过程中需要用到的设备，模具和工人都统称为资源，而不同的工艺是需要不同的资源才能进行生产。例如：冲压工艺步骤操作则同时需要：1个工人，1台设备，1个模具才能操作生产。
额定负荷(LH)：表示资源的标准工作时间，每个资源都有标准的工作时间，比如：某个工人，他的工作时间是周一至周五09:00～18:00,周六周日休息。而某台设备的工作时间是周一至周日00:00～24:00，但存在特殊具体日期进行保养而不能工作。
加工工时(WH)：表示某个工序生产需要的时长，通常以秒为单位。例如：冲压工艺每生产1个需要60秒，生产1000个则需要60000秒。
最早可开工时间(EST):表示任务最早可以开始生产的时间。
最迟需完工时间(LFT):表示任务最迟需要完成生产的时间。
计划开始时间(PST)：表示任务计算的计划开始生产时间。
计划结束时间(PFT)：表示任务计算的计划结束生产时间。
要求完成时间(NFT)：表示订单/任务要求完成的时间。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种基于APS的车间排产方法，其特征在于，本方法包括以下步骤：
S1、设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)；
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S；
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT；
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH；
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间；
S2、根据S1的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；
S3、根据所述第一版计划，进行遗传算法，得到最终排产的结果；
所述遗传算法的基础规则是：
1个任务只占用1个具体资源的负荷时间段；
具体负荷时间段只能存在1个任务，不同任务占用相同资源负荷时间段不能存在重复；
LFT时间越早越优先安排在资源负荷时间段。
2.根据权利要求1所述的基于APS的车间排产方法，其特征在于，所述的S2具体为：
获得每个任务的EST：没有前置任务时当前任务EST＝当前时间，有前置任务时当前任务EST＝前一次任务EST+前一次任务WH；
获得每个任务的LFT：没有后置任务时当前任务LFT＝对应订单的NFT，当前任务的前置任务LFT＝当前任务LFT-当前任务WH；
根据每个任务的EST和LFT，生成第一版计划。
3.根据权利要求1所述的基于APS的车间排产方法，其特征在于，所述的S3中，设定优秀因子锁定规则：
从有重合时间的任务中，挑选LFT最早的任务进行优秀因子标识；将其它有重合时间的任务进行移除，并迁入其它可加工资源有限时间负荷，或者拆分为多个任务；
标识有优秀因子的任务，在下次遗传时不参与计算。
4.根据权利要求3所述的基于APS的车间排产方法，其特征在于，所述的S3中，当以下三个条件中的任意一个达到，所述遗传算法结束：
条件一，通过遗传所有任务均标识有优秀因子；
条件二，遗传算法的时间周期达到设定的上限时间；
条件三，循环次数达到设定的上限次数。
5.根据权利要求1所述的基于APS的车间排产方法，其特征在于，所述的S3采用启发式多线程遗传算法，每个线程管理至少1台资源的计算，所有线程同步计算，最终将所有线程计算的结果进行汇总输出。
6.一种基于APS的车间排产系统，其特征在于，本系统包括：
规则设定模块，用于设定计算规则：
101、基于APS的车间生产数据，以每个订单生产1个类型的产品，将需要生产的以相同产品进行分类创建生产订单；根据订单总数O(n)、每个订单生产的产品数量P(n)、每个产品包含的零件数量Part(n)、每个零件包含的工序数量Tech(n)，得到需要排产的任务总数T(n)＝O(n)*P(n)*Part(n)*Tech(n)；
102、通过单个数量的生产时长，获得单个任务的连续加工工时WH＝T(n)*S；
103、预设每个任务调度的基础规则：每个任务必须要在订单的要求完成时间NFT内完成；因此每个任务的最迟需完成时间LFT为任务对应订单的要求完成时间，即LFT＝NFT；
104、预设每个任务的调度的基础规则：每个任务必须定义最早可开工时间EST，EST的动态计算规则为：
EST＝Prev(PFT)，Prev(PFT)为前置任务的计划结束时间；
EST＝NOWTIME，NOWTIME为当前时间，在不存在前置任务时考虑；
EST＝Prev(LFT)，Prev(LFT)为前置任务的EST+WH；
105、确定资源与任务之间的关系：设置每个资源的额定工作负荷时长；1个任务占用1个资源的具体负荷时间，并释放预占用的资源负荷时间；
第一版计划生成模块，用于根据设定的计算规则，获得每个任务在每个可生产的设备中的时间区域安排，生成第一版计划；
递归排产模块，用于根据所述第一版计划，进行遗传算法，得到最终排产的结果；
所述遗传算法的基础规则是：
1个任务只占用1个具体资源的负荷时间段；
具体负荷时间段只能存在1个任务，不同任务占用相同资源负荷时间段不能存在重复；
LFT时间越早越优先安排在资源负荷时间段。
7.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述基于APS的车间排产方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至5中任一项所述基于APS的车间排产方法的步骤。
CN202210376171.9A 2022-04-11 2022-04-11 一种基于aps的车间排产方法、系统及设备 Active CN114862122B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210376171.9A CN114862122B (zh) 2022-04-11 2022-04-11 一种基于aps的车间排产方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210376171.9A CN114862122B (zh) 2022-04-11 2022-04-11 一种基于aps的车间排产方法、系统及设备

Publications (2)

Publication Number Publication Date
CN114862122A CN114862122A (zh) 2022-08-05
CN114862122B true CN114862122B (zh) 2023-06-16

Family

ID=82630113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210376171.9A Active CN114862122B (zh) 2022-04-11 2022-04-11 一种基于aps的车间排产方法、系统及设备

Country Status (1)

Country Link
CN (1) CN114862122B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090676B (zh) * 2023-04-10 2023-07-04 武汉益模科技股份有限公司 一种基于多目标优化的aps排产方法及aps排产系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508309A (zh) * 2021-01-29 2021-03-16 深圳坤湛科技有限公司 智能排产方法、设备及计算机存储介质
CN113344338A (zh) * 2021-05-14 2021-09-03 悠桦林信息科技(上海)有限公司 生产排程方法、系统、设备及介质、生产排程管理平台

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354695A (zh) * 2015-11-24 2016-02-24 北京首钢自动化信息技术有限公司 一种冷轧厂能流与物流协调计划编制方法
CN105629927A (zh) * 2015-12-18 2016-06-01 武汉开目信息技术有限责任公司 一种基于混合遗传算法的mes生产计划排产方法
CN106447189A (zh) * 2016-09-26 2017-02-22 李昌材 一种生产排产的工时计算方法及系统
JP7177597B2 (ja) * 2018-03-28 2022-11-24 三菱重工業株式会社 生産計画装置、生産計画システム、生産計画方法、及びプログラム
CN108776862B (zh) * 2018-05-02 2021-08-10 华南理工大学 支持工序任务量拆分的智能排产方法
CN110378528B (zh) * 2019-07-17 2022-12-09 南京大学 基于遗传算法的车间排产方法及系统
CN111738590A (zh) * 2020-06-19 2020-10-02 青岛奥利普自动化控制系统有限公司 生产排程方法和装置
CN112270444B (zh) * 2020-11-02 2024-06-07 上海才匠智能科技有限公司 轻量级aps双桥计划系统
CN113033987B (zh) * 2021-03-18 2023-09-12 佳禾智能科技股份有限公司 一种基于多代理机制的智能排产设计方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508309A (zh) * 2021-01-29 2021-03-16 深圳坤湛科技有限公司 智能排产方法、设备及计算机存储介质
CN113344338A (zh) * 2021-05-14 2021-09-03 悠桦林信息科技(上海)有限公司 生产排程方法、系统、设备及介质、生产排程管理平台

Also Published As

Publication number Publication date
CN114862122A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN111027876B (zh) 一种分散式生产模式下的工序生产计划排产系统
Rohani et al. Production line analysis via value stream mapping: a lean manufacturing process of color industry
Zheng et al. Smart spare parts management systems in semiconductor manufacturing
Scheer CIM Computer Integrated Manufacturing: Towards the Factory of the Future
Schmidt et al. Data based root cause analysis for improving logistic key performance indicators of a company’s internal supply chain
CN103824136A (zh) 一种mes动态车间调度制造执行系统
Bokhorst et al. Lean production control at a high-variety, low-volume parts manufacturer
CN112070378B (zh) 一种利用计算机基于逻辑优先原则的生产排产管理方法
Yang et al. Simulation-based dynamic shop floor scheduling for a flexible manufacturing system in the industry 4.0 environment
CN113487155B (zh) 一种用于塑料行业的智能排程系统
Dombrowski et al. Scenario-based simulation approach for layout planning
Martignago et al. Workforce management in manual assembly lines of large products: a case study
CN116090676B (zh) 一种基于多目标优化的aps排产方法及aps排产系统
CN114862122B (zh) 一种基于aps的车间排产方法、系统及设备
US20220404817A1 (en) Processes for controlling operation of machine tools
US8170703B2 (en) Method for controlling a plurality of production processes
CN104636610B (zh) 一种应用于动态环境下的制造系统派工信息修正方法
Díaz-Ramírez et al. A continuous time model for a short-term multiproduct batch process scheduling
Modrák Case on manufacturing cell formation using production flow analysis
Cardin et al. Handling uncertainty in production activity control using proactive simulation
Javadi et al. Material requirements planning system considering batch size and minimum order quantity for items of suppliers
Ortmeier et al. Procedure Model for the Implementation of an Order Release Method
CN118396355B (zh) 基于预排确认的排程方法、系统及存储介质和终端设备
CN117314109A (zh) 一种适用于轨道交通软件平台中的软件管理方法
de Melo Creation of a Production Flow in the Mold Industry

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant