CN115034645B - 生产计划可行性判断方法、系统、电子设备及存储介质 - Google Patents
生产计划可行性判断方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115034645B CN115034645B CN202210724392.0A CN202210724392A CN115034645B CN 115034645 B CN115034645 B CN 115034645B CN 202210724392 A CN202210724392 A CN 202210724392A CN 115034645 B CN115034645 B CN 115034645B
- Authority
- CN
- China
- Prior art keywords
- risk
- materials
- production
- plan
- production plan
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 275
- 238000003860 storage Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000000463 material Substances 0.000 claims description 332
- 239000012852 risk material Substances 0.000 claims description 87
- 238000001514 detection method Methods 0.000 claims description 67
- 238000004590 computer program Methods 0.000 claims description 16
- 239000011232 storage material Substances 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000011056 performance test Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009191 jumping Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Multi-Process Working Machines And Systems (AREA)
Abstract
本发明涉及生产管理技术领域,公开了一种生产计划可行性判断方法、系统、电子设备及存储介质,该方法通过获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性,相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
Description
技术领域
本发明涉及生产管理技术领域,尤其涉及一种生产计划可行性判断方法、系统、电子设备及存储介质。
背景技术
目前,为了提高生产效率,生产系统都会利用计算机提前对生产数据进行存储、传递、演绎、纠错和交换,从而提供生产计划,实现企业生产的动态管理,提高工作效率。通常在提供生产计划时,需要对生产计划对应的仓储物料进行齐套性检测,相较于直接考量仓储物料的数量,更具有针对性,从而避免生产计划实施中发生缺料,导致生产计划无法落地。
因此,确定生产计划的可行性时通常需要进行齐套性检测,通过拉取物料清单,基于物料清单对每个仓储物料进行齐套性检测。但是生产物料往往有成千上万种,若对全部物料进行齐套性检测,会给生产系统造成巨大负担,从而造成生产计划数据读取缓慢甚至系统奔溃,使得生产计划可行性的判断效率很低。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
鉴于以上所述现有技术的缺点,本发明公开了一种生产计划可行性判断方法、系统、电子设备及存储介质,以提高生产计划可行性的判断效率。
本发明公开了一种生产计划可行性判断方法,包括:获取生产计划对应的物料信息,其中,所述物料信息包括需求物料、所述需求物料对应的物料类型、所述需求物料对应的物料需求数量以及所述需求物料对应的初始仓储数量;根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,将所述风险物料对应的物料需求数量作为风险需求数量,将所述风险物料对应的初始仓储数量作为风险仓储数量;根据所述风险需求数量和所述风险仓储数量进行齐套性检测,得到所述风险物料对应的齐套性检测结果;基于所述齐套性检测结果确定所述生产计划对应的计划可行性。
可选地,获取生产计划对应的物料信息,包括:获取第一生产系统和第二生产系统,其中,所述第一生产系统用于管理生产计划以及所述生产计划对应的订单物料编码,所述第二生产系统用于管理仓储物料对应的物料仓储数量;对所述第一生产系统进行数据采集,得到生产计划以及所述生产计划对应的订单物料编码,基于预设的解码算法对所述订单物料编码进行数据解析,得到需求物料、所述需求物料对应的物料类型以及所述需求物料对应的物料需求数量;对所述第二生产系统进行数据拉取,得到所述仓储物料与所述物料仓储数量对应的仓储对应关系,基于所述仓储对应关系对所述需求物料进行数据匹配,得到所述需求物料对应的初始仓储数量。
可选地,根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,包括:获取各所述物料类型对应的风险影响因子,其中,所述风险影响因子包括采购影响因子和/或仓储影响因子,所述采购影响因子用于表征所述物料类型对应的采购难度,所述仓储影响因子用于表征所述物料类型对应的仓储难度;根据各所述物料类型对应的风险影响因子确定各所述物料类型对应的风险指数;根据各所述风险指数与预设风险阈值之间的比较结果从所述风险指数中确定目标指数,将所述目标指数对应的需求物料确定为风险物料。
可选地,根据各所述物料类型对应的风险影响因子确定各所述物料类型对应的风险指数,包括:获取待训练网络模型和影响因子样本,其中,所述待训练网络模型依次包括模型输入层、模型隐含层和模型输出层,所述指数确定模型用于将所述风险影响因子输入所述模型输入层,对所述风险影响因子进行非线性变换后,从所述模型输出层输出模型输出结果;根据所述影响因子样本对所述待训练网络模型调整网络模型参数,直到满足预设的模型训练条件,其中,所述网络模型参数包括所述模型输入层与所述模型隐含层之间的第一连接权值、所述模型隐含层与所述模型输出层之间的第二连接权值;将满足所述模型训练条件的待训练网络模型确定为指数确定模型;将各所述物料类型对应的风险影响因子分别输入所述指数确定模型,得到各所述物料类型对应的模型输出结果,将各所述物料类型对应的模型输出结果确定为风险指数。
可选地,基于所述齐套性检测结果确定所述生产计划对应的计划可行性之后,所述方法还包括:若所述生产计划对应的计划可行性包括可执行,则获取生产日历和排程约束因子,其中,所述生产日历包括多个生产时间段,所述排程约束因子用于表征所述生产计划在各所述生产时间段对应的生产收益;根据所述排程约束因子从各所述生产时间段中确定所述生产计划对应的计划实施时间段;根据物料当前信息、物料生产信息和预设的物料采购信息生成所述需求物料对应的产后结存数量,其中,所述物料当前信息包括所述需求物料对应的初始仓储数量,所述物料生产信息包括所述需求物料对应的计划实施时间段和物料需求数量,所述物料采购信息包括所述需求物料对应的物料采购数量和物料采购时间。
可选地,根据物料当前信息、物料生产信息和预设的物料采购信息生成产后结存信息,所述方法还包括以下至少一种:若所述需求物料对应的产后结存数量大于预设的结存数量阈值,则生成所述需求物料对应的物料需求计划;若所述需求物料对应的产后结存数量小于预设的结存数量阈值,则生成所述需求物料对应的物料缺料信息;将所述产后结存信息发送至所述第一生产系统,触发所述第一生产系统更新所述生产计划以及所述生产计划对应的订单物料编码;将所述产后结存信息添加到所述排程约束因子,根据添加所述产后结存信息的排程约束因子更新所述生产计划对应的计划实施时间段。
可选地,基于所述齐套性检测结果确定所述生产计划对应的计划可行性之后,所述方法还包括:若所述生产计划对应的计划可行性包括不可执行,则根据所述风险需求数量和所述风险仓储数量确定所述风险物料的缺料数量;基于所述风险物料和所述缺料数量生成所述风险物料对应的风险缺料信息。
本发明公开了一种生产计划可行性判断系统,包括:获取模块,用于获取生产计划对应的物料信息,其中,所述物料信息包括需求物料、所述需求物料对应的物料类型、所述需求物料对应的物料需求数量以及所述需求物料对应的初始仓储数量;分类模块,用于根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,将所述风险物料对应的物料需求数量作为风险需求数量,将所述风险物料对应的初始仓储数量作为风险仓储数量;检测模块,用于根据所述风险需求数量和所述风险仓储数量进行齐套性检测,得到所述风险物料对应的齐套性检测结果;确定模块,用于基于所述齐套性检测结果确定所述生产计划对应的计划可行性
本发明公开了一种电子设备,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行上述的方法。
本发明公开了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的方法。
本发明的有益效果:
通过获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性。这样,相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
附图说明
图1是本发明实施例中一个生产计划可行性判断方法的流程示意图;
图2是本发明实施例中另一个生产计划可行性判断方法的流程示意图;
图3是本发明实施例中另一个生产计划可行性判断方法的流程示意图;
图4是本发明实施例中一个生产计划可行性判断系统的结构示意图
图5是本发明实施例中一个电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的子样本可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
结合图1所示,本公开实施例提供了一种生产计划可行性判断方法,包括:
步骤S101,获取生产计划对应的物料信息;
其中,物料信息包括需求物料、需求物料对应的物料类型、需求物料对应的物料需求数量以及需求物料对应的初始仓储数量;
步骤S102,根据物料类型对需求物料进行分类,得到生产计划对应的风险物料;
其中,将风险物料对应的物料需求数量作为风险需求数量,将风险物料对应的初始仓储数量作为风险仓储数量;
步骤S103,根据风险需求数量和风险仓储数量进行齐套性检测,得到风险物料对应的齐套性检测结果;
步骤S104,基于齐套性检测结果确定生产计划对应的计划可行性。
采用本公开实施例提供的生产计划可行性判断方法,通过获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性。这样,相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
可选地,获取生产计划对应的物料信息,包括:获取第一生产系统和第二生产系统,其中,第一生产系统用于管理生产计划以及生产计划对应的订单物料编码,第二生产系统用于管理仓储物料对应的物料仓储数量;对第一生产系统进行数据采集,得到生产计划以及生产计划对应的订单物料编码,基于预设的解码算法对订单物料编码进行数据解析,得到需求物料、需求物料对应的物料类型以及需求物料对应的物料需求数量;对第二生产系统进行数据拉取,得到仓储物料与物料仓储数量对应的仓储对应关系,基于仓储对应关系对需求物料进行数据匹配,得到需求物料对应的初始仓储数量。
可选地,第一生产系统用于以下一种或多种:获取生产订单、日历排班、计划约束、产能工艺,并根据生产订单、日历排班、计划约束、产能工艺生成生产计划信息;管理生产计划信息;获取产能工艺和排程约束因子,并根据产能工艺和排程约束因子对生产计划进行排程;对生产计划进行模拟生产验证。
在一些实施例中,第一生产系统包括ERP((Enterprise Resource Planning,企业资源计划)系统、APS(Advanced Planning and Scheduling,高级计划和排程系统)系统等系统中的至少一种,其中,APS系统利用通过同步考虑多种优先能力资源的约束,依据各种预设规则,通过非常复杂的智能化数学算法,反复模拟、试探、优化、计算,最终给出相对最有的详细计划,弥补了ERP系统在精细化生产计划与排程方面的空缺和不足,从而解决客户订单交期评估与答复、人工排产效率低、设备资源利用率低、物料计划与生产计划脱节、生产计划执行率低、库存积压与生产缺料等相关问题。
可选地,第二生产系统用于管理仓储物料信息。
在一些实施例中,第二生产系统包括WMS(Warehouse Management System,仓库管理系统)系统、BOM、物资定额表等系统中的至少一种。
可选地,根据物料类型对需求物料进行分类,得到生产计划对应的风险物料,包括:获取各物料类型对应的风险影响因子,其中,风险影响因子包括采购影响因子和/或仓储影响因子,采购影响因子用于表征物料类型对应的采购难度,仓储影响因子用于表征物料类型对应的仓储难度;根据各物料类型对应的风险影响因子确定各物料类型对应的风险指数;根据各风险指数与预设风险阈值之间的比较结果从风险指数中确定目标指数,将目标指数对应的需求物料确定为风险物料。
这样,通过采购影响因子和仓储影响因子两个维度评估物料类型,过滤掉长期有余料、不会对正常生产造成影响的物料,将风险程度高的物料类型对应的需求物料确定为风险物料,风险物料的评估针对性强、准确性高,进而对风险物料进行齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
在一些实施例中,采购影响因子包括电子行业因子、自身行业因子、进口物料因子和物流影响因子中的至少一种,例如,在汽车制造业,长期有余料的物料类型包括装饰条、锁紧螺母、电池压板等,受到电子行业冲击(电子行业因子)造成易缺的物料类型包括发动机ECU、整车控制器、ESC控制模块等,受到自身行业影响(自身行业因子)造成易缺的物料类型包括自动变速器、电动助力转向管柱带中间轴总成等,受到进口物料因子和物流影响因子造成易缺的物料类型包括安全气囊电子控制单元等。
在一些实施例中,仓储影响因子包括尺寸一直、保质期因子、温度因子、湿度因子、光照因子、空气二氧化碳含量因子等;由于有些物料有着严格的保质期,或者对湿度、温度、光照等环境较为敏感,不易储藏,同时难以搬运;根据仓储影响因子评估物料类型对应的仓储难度,进而对风险物料进行评估。
可选地,根据各物料类型对应的风险影响因子确定各物料类型对应的风险指数,包括:获取待训练网络模型和影响因子样本,其中,待训练网络模型依次包括模型输入层、模型隐含层和模型输出层,指数确定模型用于将风险影响因子输入模型输入层,对风险影响因子进行非线性变换后,从模型输出层输出模型输出结果;根据影响因子样本对待训练网络模型调整网络模型参数,直到满足预设的模型训练条件,其中,网络模型参数包括模型输入层与模型隐含层之间的第一连接权值、模型隐含层与模型输出层之间的第二连接权值;将满足模型训练条件的待训练网络模型确定为指数确定模型;将各物料类型对应的风险影响因子分别输入指数确定模型,得到各物料类型对应的模型输出结果,将各物料类型对应的模型输出结果确定为风险指数。
在一些实施例中,待训练网络模型包括初始BP((back propagation,多层前馈神经网络)神经网络模型。
在一些实施例中,齐套性检测包括狭义齐套与广义齐套中的至少一种;狭义齐套指一个生产订单中的各生产产品对应的生产物料已经成套配齐,其中,若同一生产订单中多款生产产品的生产物料均同步备齐,具备上线生产的条件,则齐套性检测的结果为合格;广义齐套指任一生产产品的生产物料、包装材料、工装模具等生产资料准备齐全,其中,若单一生产产品按照BOM(Bill of Material,物料清单)或物资定额表的要求全部入库或者出库发放,具备该生产产品的研制、计划生产、生产或上线的条件,则齐套性检测的结果为合格。
在一些实施例中,计划可行性包括可执行或不可执行。
可选地,基于齐套性检测结果确定生产计划对应的计划可行性之后,方法还包括:若生产计划对应的计划可行性包括可执行,则获取生产日历和排程约束因子,其中,生产日历包括多个生产时间段,排程约束因子用于表征生产计划在各生产时间段对应的生产收益;根据排程约束因子从各生产时间段中确定生产计划对应的计划实施时间段;根据物料当前信息、物料生产信息和预设的物料采购信息生成需求物料对应的产后结存数量,其中,物料当前信息包括需求物料对应的初始仓储数量,物料生产信息包括需求物料对应的计划实施时间段和物料需求数量,物料采购信息包括需求物料对应的物料采购数量和物料采购时间。
这样,通过风险物料对生产计划的计划可行性进行判断,在生产计划的计划可行性为可执行时,通过生产日历和排程约束因子对生产计划进行排程,不仅提高了齐套性检测的效率,还提高了生产计划的排程效率,进而通过生产计划的计划实施时间段进行生产,提高生产效率。
可选地,排程约束因子包括客户的需求日期和数量,公司的瓶颈产能,人员的配置,材料的供应,设备的运行状况,能源的供应等,通过排程约束因子能够有效表征生产收益对应的指标,例如逾期最少,工人人数最少,设备换线次数最少,能源消耗最少,产值最大等指标,进而寻求生产计划在各生产时间段的排程合理性,调整生产计划的布施时间。
可选地,根据物料当前信息、物料生产信息和预设的物料采购信息生成产后结存信息,方法还包括以下至少一种:若需求物料对应的产后结存数量大于预设的结存数量阈值,则生成需求物料对应的物料需求计划;若需求物料对应的产后结存数量小于预设的结存数量阈值,则生成需求物料对应的物料缺料信息;将产后结存信息发送至第一生产系统,触发第一生产系统更新生产计划以及生产计划对应的订单物料编码;将产后结存信息添加到排程约束因子,根据添加产后结存信息的排程约束因子更新生产计划对应的计划实施时间段。
这样,通过物料当前信息、物料生产信息和物料采购信息生成产后结存数量,通过产后结存数量对其他生产计划进行约束,保证了生产计划的健康性,并且,通过产后结存数量与预设的结存数量阈值之间的比较结果生成物料需求计划或物料缺料信息,实现了物料动态管理,避免物料堆积或缺失,提高仓储效率。
可选地,基于齐套性检测结果确定生产计划对应的计划可行性之后,方法还包括:若生产计划对应的计划可行性包括不可执行,则根据风险需求数量和风险仓储数量确定风险物料的缺料数量;基于风险物料和缺料数量生成风险物料对应的风险缺料信息。
这样,根据风险需求数量和风险仓储数量确定风险物料的缺料数量,并基于风险物料和缺料数量生成风险物料对应的风险缺料信息,进而通过风险缺料信息能够提醒仓储人员进行风险物料的补充,实现仓储物料的动态管理,推进生产。
结合图2所示,本公开实施例提供了一种生产计划可行性判断方法,包括:
步骤S201,获取生产计划对应的物料信息;
其中,物料信息包括需求物料、需求物料对应的物料类型、需求物料对应的物料需求数量以及需求物料对应的初始仓储数量;
步骤S202,根据物料类型对需求物料进行分类,得到生产计划对应的风险物料;
其中,将风险物料对应的物料需求数量作为风险需求数量,将风险物料对应的初始仓储数量作为风险仓储数量;
步骤S203,根据风险需求数量和风险仓储数量进行齐套性检测,得到风险物料对应的齐套性检测结果;
步骤S204,判断齐套性检测结果是否为满足齐套性,若是,跳转步骤S205,若否,跳转步骤S208;
步骤S205,将生产计划对应的计划可行性确定为可执行,跳转步骤S206;
步骤S206,获取生产日历和排程约束因子,跳转步骤S207;
其中,生产日历包括多个生产时间段,排程约束因子用于表征生产计划在各生产时间段对应的生产收益;
步骤S207,根据排程约束因子从各生产时间段中确定生产计划对应的计划实施时间段。
步骤S208,将生产计划对应的计划可行性确定为不可执行,跳转步骤S209;
步骤S209,根据风险需求数量和风险仓储数量确定风险物料的缺料数量,跳转步骤S210;
步骤S210,基于风险物料和缺料数量生成风险物料对应的风险缺料信息。
采用本公开实施例提供的生产计划可行性判断方法,获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性。这样,相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
结合图3所示,本公开实施例提供了一种生产计划可行性判断方法,包括:
步骤S301,第一生产系统获取生产任务信息;
其中,生产任务信息包括生产订单、日历排班、计划约束、产能工艺;
步骤S302,第一生产系统根据生产任务信息生成计划数据;
其中,计划数据包括生产计划和生产计划对应的订单物料编码;
步骤S303,第一生产系统发送计划数据至服务器端;
步骤S304,服务器端对订单物料编码进行数据解析,得到需求数据;
其中,需求数据包括需求物料、需求物料对应的物料类型以及需求物料对应的物料需求数量;
步骤S305,服务器端发送仓储数据对应的数据拉取请求至第二生产系统;
其中,仓储数据包括仓储物料、物料仓储数量和仓储物料与物料仓储数量对应的仓储对应关系;
步骤S306,第二生产系统发送仓储数据至服务器端;
步骤S307,服务器端根据需求物料从仓储数据进行数据匹配,得到需求物料对应的初始仓储数量;
步骤S308,服务器端根据物料类型对需求物料进行分类,得到生产计划对应的风险物料;
其中,将风险物料对应的物料需求数量作为风险需求数量,将风险物料对应的初始仓储数量作为风险仓储数量;
步骤S309,服务器端根据风险需求数量和风险仓储数量进行齐套性检测,得到风险物料对应的齐套性检测结果;
步骤S310,服务器端基于齐套性检测结果确定生产计划对应的计划可行性;
其中,计划可行性包括可执行或不可执行;
步骤S311,服务器端发送计划可行性至第一生产系统;
步骤S312,若生产计划对应的计划可行性包括可执行,第一生产系统获取生产日历、产能工艺和排程约束因子;
步骤S313,第一生产系统根据排程约束因子从各生产时间段中确定生产计划对应的计划实施时间段;
步骤S314,第一生产系统对生产计划进行模拟生产验证,得到验证结果。
采用本公开实施例提供的生产计划可行性判断方法,获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性,具有以下优点:
第一、相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率;
第二、通过采购影响因子和仓储影响因子两个维度评估物料类型,过滤掉长期有余料、不会对正常生产造成影响的物料,将风险程度高的物料类型对应的需求物料确定为风险物料,风险物料的评估针对性强、准确性高,进而对风险物料进行齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率;
第三、通过风险物料对生产计划的计划可行性进行判断,在生产计划的计划可行性为可执行时,通过生产日历和排程约束因子对生产计划进行排程,不仅提高了齐套性检测的效率,还提高了生产计划的排程效率,进而通过生产计划的计划实施时间段进行生产,提高生产效率;
第四、通过物料当前信息、物料生产信息和物料采购信息生成产后结存数量,通过产后结存数量对其他生产计划进行约束,保证了生产计划的健康性,并且,通过产后结存数量与预设的结存数量阈值之间的比较结果生成物料需求计划或物料缺料信息,实现了物料动态管理,避免物料堆积或缺失,提高仓储效率;
第五、根据风险需求数量和风险仓储数量确定风险物料的缺料数量,并基于风险物料和缺料数量生成风险物料对应的风险缺料信息,进而通过风险缺料信息能够提醒仓储人员进行风险物料的补充,实现仓储物料的动态管理,推进生产。
结合图4所示,本公开实施例提供了一种生产计划可行性判断系统,包括获取模块401、分类模块402、检测模块403和确定模块404。获取模块401用于获取生产计划对应的物料信息,其中,物料信息包括需求物料、需求物料对应的物料类型、需求物料对应的物料需求数量以及需求物料对应的初始仓储数量;分类模块402用于根据物料类型对需求物料进行分类,得到生产计划对应的风险物料,将风险物料对应的物料需求数量作为风险需求数量,将风险物料对应的初始仓储数量作为风险仓储数量;检测模块403用于根据风险需求数量和风险仓储数量进行齐套性检测,得到风险物料对应的齐套性检测结果;确定模块404用于基于齐套性检测结果确定生产计划对应的计划可行性。
采用本公开实施例提供的生产计划可行性判断系统,获取生产计划对应的需求物料,根据物料类型对需求物料进行分类得到风险物料,根据风险需求数量和风险仓储数量进行齐套性检测,根据齐套性检测结果确定生产计划对应的计划可行性。这样,相较于对全部物料进行齐套性检测,通过物料类型确定风险物料,实现对风险物料的动态齐套性检测,减少了检测的物料数量,提高了齐套性检测的效率,从而提高生产计划可行性的判断效率。
结合图5所示,本公开实施例提供了一种电子设备,包括:处理器(processor)500及存储器(memory)501;存储器用于存储计算机程序,处理器用于执行存储器存储的计算机程序,以使终端执行本实施例中任一项方法。可选地,该电子设备还可以包括通信接口(Communication Interface)502和总线503。其中,处理器500、通信接口502、存储器501可以通过总线503完成相互间的通信。通信接口502可以用于信息传输。处理器500可以调用存储器501中的逻辑指令,以执行上述实施例中的方法。
可选地,电子设备包括音频装置、计算机、智能手机、平板电脑、服务器等,其中,若电子设备为音频装置,通过处理器(processor)500执行上述方法,以实现对该音频装置的自身测试。
此外,上述的存储器501中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器501作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器500通过运行存储在存储器501中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器501可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器501可以包括高速随机存取存储器,还可以包括非说易失性存储器。
本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本实施例中的任一项方法。
本公开实施例中的计算机可读存储介质,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开的电子设备,包括处理器、存储器、收发器和通信接口,存储器和通信接口与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于进行通信,处理器和收发器用于运行计算机程序,使电子设备执行如上方法的各个步骤。
在本实施例中,存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、图形处理器(Graphics Processing Unit,简称GPU),网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和子样本可以被包括在或替换其他实施例的部分和子样本。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的子样本、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它子样本、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以当前前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些子样本可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中,不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生,有时不同的操作或步骤之间不存在特定的顺序。例如,两个连续的操作或步骤实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (9)
1.一种生产计划可行性判断方法,其特征在于,包括:
获取生产计划对应的物料信息,其中,所述物料信息包括需求物料、所述需求物料对应的物料类型、所述需求物料对应的物料需求数量以及所述需求物料对应的初始仓储数量;
根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,将所述风险物料对应的物料需求数量作为风险需求数量,将所述风险物料对应的初始仓储数量作为风险仓储数量;
根据所述风险需求数量和所述风险仓储数量进行齐套性检测,得到所述风险物料对应的齐套性检测结果;
基于所述齐套性检测结果确定所述生产计划对应的计划可行性;
根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,包括,获取各所述物料类型对应的风险影响因子,其中,所述风险影响因子包括采购影响因子和/或仓储影响因子,所述采购影响因子用于表征所述物料类型对应的采购难度,所述仓储影响因子用于表征所述物料类型对应的仓储难度;根据各所述物料类型对应的风险影响因子确定各所述物料类型对应的风险指数;根据各所述风险指数与预设风险阈值之间的比较结果从所述风险指数中确定目标指数,将所述目标指数对应的需求物料确定为风险物料。
2.根据权利要求1所述的方法,其特征在于,获取生产计划对应的物料信息,包括:
获取第一生产系统和第二生产系统,其中,所述第一生产系统用于管理生产计划以及所述生产计划对应的订单物料编码,所述第二生产系统用于管理仓储物料对应的物料仓储数量;
对所述第一生产系统进行数据采集,得到生产计划以及所述生产计划对应的订单物料编码,基于预设的解码算法对所述订单物料编码进行数据解析,得到需求物料、所述需求物料对应的物料类型以及所述需求物料对应的物料需求数量;
对所述第二生产系统进行数据拉取,得到所述仓储物料与所述物料仓储数量对应的仓储对应关系,基于所述仓储对应关系对所述需求物料进行数据匹配,得到所述需求物料对应的初始仓储数量。
3.根据权利要求1所述的方法,其特征在于,根据各所述物料类型对应的风险影响因子确定各所述物料类型对应的风险指数,包括:
获取待训练网络模型和影响因子样本,其中,所述待训练网络模型依次包括模型输入层、模型隐含层和模型输出层,所述待训练网络模型用于将所述风险影响因子输入所述待训练网络模型的模型输入层,通过所述待训练网络模型的模型隐含层对所述风险影响因子进行非线性变换后,从所述待训练网络模型的模型输出层输出模型输出结果;
根据所述影响因子样本对所述待训练网络模型调整网络模型参数,直到满足预设的模型训练条件,其中,所述网络模型参数包括所述模型输入层与所述模型隐含层之间的第一连接权值、所述模型隐含层与所述模型输出层之间的第二连接权值;
将满足所述模型训练条件的待训练网络模型确定为指数确定模型;
将各所述物料类型对应的风险影响因子分别输入所述指数确定模型,得到各所述物料类型对应的模型输出结果,将各所述物料类型对应的模型输出结果确定为风险指数。
4.根据权利要求1至3任一项所述的方法,其特征在于,基于所述齐套性检测结果确定所述生产计划对应的计划可行性之后,所述方法还包括:
若所述生产计划对应的计划可行性包括可执行,则获取生产日历和排程约束因子,其中,所述生产日历包括多个生产时间段,所述排程约束因子用于表征所述生产计划在各所述生产时间段对应的生产收益;
根据所述排程约束因子从各所述生产时间段中确定所述生产计划对应的计划实施时间段;
根据物料当前信息、物料生产信息和预设的物料采购信息生成所述需求物料对应的产后结存数量,其中,所述物料当前信息包括所述需求物料对应的初始仓储数量,所述物料生产信息包括所述需求物料对应的计划实施时间段和物料需求数量,所述物料采购信息包括所述需求物料对应的物料采购数量和物料采购时间。
5.根据权利要求4所述的方法,其特征在于,根据物料当前信息、物料生产信息和预设的物料采购信息生成产后结存信息,所述方法还包括以下至少一种:
若所述需求物料对应的产后结存数量大于预设的结存数量阈值,则生成所述需求物料对应的物料需求计划;
若所述需求物料对应的产后结存数量小于预设的结存数量阈值,则生成所述需求物料对应的物料缺料信息;
将所述产后结存信息发送至第一生产系统,触发所述第一生产系统更新所述生产计划以及所述生产计划对应的订单物料编码;
将所述产后结存信息添加到所述排程约束因子,根据添加所述产后结存信息的排程约束因子更新所述生产计划对应的计划实施时间段。
6.根据权利要求4所述的方法,其特征在于,基于所述齐套性检测结果确定所述生产计划对应的计划可行性之后,所述方法还包括:
若所述生产计划对应的计划可行性包括不可执行,则根据所述风险需求数量和所述风险仓储数量确定所述风险物料的缺料数量;
基于所述风险物料和所述缺料数量生成所述风险物料对应的风险缺料信息。
7.一种生产计划可行性判断系统,其特征在于,包括:
获取模块,用于获取生产计划对应的物料信息,其中,所述物料信息包括需求物料、所述需求物料对应的物料类型、所述需求物料对应的物料需求数量以及所述需求物料对应的初始仓储数量;
分类模块,用于根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,将所述风险物料对应的物料需求数量作为风险需求数量,将所述风险物料对应的初始仓储数量作为风险仓储数量;
检测模块,用于根据所述风险需求数量和所述风险仓储数量进行齐套性检测,得到所述风险物料对应的齐套性检测结果;
确定模块,用于基于所述齐套性检测结果确定所述生产计划对应的计划可行性;
根据所述物料类型对所述需求物料进行分类,得到所述生产计划对应的风险物料,包括,获取各所述物料类型对应的风险影响因子,其中,所述风险影响因子包括采购影响因子和/或仓储影响因子,所述采购影响因子用于表征所述物料类型对应的采购难度,所述仓储影响因子用于表征所述物料类型对应的仓储难度;根据各所述物料类型对应的风险影响因子确定各所述物料类型对应的风险指数;根据各所述风险指数与预设风险阈值之间的比较结果从所述风险指数中确定目标指数,将所述目标指数对应的需求物料确定为风险物料。
8.一种电子设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述电子设备执行如权利要求1至6任一项所述的方法。
9.一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如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210724392.0A CN115034645B (zh) | 2022-06-23 | 2022-06-23 | 生产计划可行性判断方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210724392.0A CN115034645B (zh) | 2022-06-23 | 2022-06-23 | 生产计划可行性判断方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115034645A CN115034645A (zh) | 2022-09-09 |
CN115034645B true CN115034645B (zh) | 2023-05-30 |
Family
ID=83126656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210724392.0A Active CN115034645B (zh) | 2022-06-23 | 2022-06-23 | 生产计划可行性判断方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034645B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111115084A (zh) * | 2019-12-31 | 2020-05-08 | 中国兵器装备集团自动化研究所 | 一种最大化满足交货期的物流优化控制系统及方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101673372A (zh) * | 2009-09-16 | 2010-03-17 | 金蝶软件(中国)有限公司 | 一种更新物料清单的方法和装置 |
US10803414B2 (en) * | 2016-05-25 | 2020-10-13 | Dassault Systemes Americas Corp. | Risk identification in supply chain |
CN109472527A (zh) * | 2018-10-15 | 2019-03-15 | 宁波吉利汽车研究开发有限公司 | 物料入库前管理方法和装置 |
CN110363435A (zh) * | 2019-07-16 | 2019-10-22 | 华中农业大学 | 一种多源信息的食品安全评估方法 |
CN111260293B (zh) * | 2020-01-17 | 2023-05-26 | Oppo(重庆)智能科技有限公司 | 远程物料的齐套方法及系统 |
CN111242557B (zh) * | 2020-03-09 | 2024-03-05 | 赫比(上海)家用电器产品有限公司 | 一种基于sap平台的物料库存分析系统和方法 |
CN112488606B (zh) * | 2020-11-12 | 2021-08-24 | 北京三维天地科技股份有限公司 | 一种生产物流智能优化和自动调度系统 |
CN113506081A (zh) * | 2021-06-15 | 2021-10-15 | 刘俊艳 | 一种生产计划管理系统及其排产方法 |
CN113887887A (zh) * | 2021-09-15 | 2022-01-04 | 红云红河烟草(集团)有限责任公司 | 一种采购计划管理系统及其工作方法 |
CN114118921B (zh) * | 2021-11-29 | 2023-12-26 | 苏州浪潮智能科技有限公司 | 一种基于erp系统实现物料调拨一体化的系统及方法 |
-
2022
- 2022-06-23 CN CN202210724392.0A patent/CN115034645B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111115084A (zh) * | 2019-12-31 | 2020-05-08 | 中国兵器装备集团自动化研究所 | 一种最大化满足交货期的物流优化控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115034645A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Islam et al. | Prediction of probable backorder scenarios in the supply chain using Distributed Random Forest and Gradient Boosting Machine learning techniques | |
Sarrafha et al. | A bi-objective integrated procurement, production, and distribution problem of a multi-echelon supply chain network design: A new tuned MOEA | |
Adenso-Díaz et al. | An analysis of the main factors affecting bullwhip in reverse supply chains | |
Ketzenberg | The value of information in a capacitated closed loop supply chain | |
Rahmani et al. | A robust optimization model for multi-product two-stage capacitated production planning under uncertainty | |
CN106408341A (zh) | 货品销量的预测方法及装置、电子设备 | |
CN113553540A (zh) | 一种商品销量的预测方法 | |
Wang et al. | Improving inventory effectiveness in RFID-enabled global supply chain with Grey forecasting model | |
CN107590688A (zh) | 目标客户的识别方法及终端设备 | |
Sandhu et al. | Steel supply chain management by simulation modelling | |
Euchi et al. | Interpretive structural modeling technique to analyze the interactions between the factors influencing the performance of the reverse logistics chain | |
Euchi et al. | Structural analysis of acute success factors of performance of reverse logistics relative to customer satisfaction | |
Hu et al. | (s, S) inventory systems with correlated demands | |
Feyzioğlu et al. | A simulation-based optimization approach to size manufacturing systems | |
CN115034645B (zh) | 生产计划可行性判断方法、系统、电子设备及存储介质 | |
CN111507779A (zh) | 一种对商品进行等级划分的方法和装置 | |
JPH0973491A (ja) | 部品在庫計画立案支援システム | |
Che | Pricing strategy and reserved capacity plan based on product life cycle and production function on LCD TV manufacturer | |
JP2016184250A (ja) | 損益予測装置及び損益予測プログラム | |
JP2007310434A (ja) | 調達・生産体制評価システム | |
Li | Optimization Design of Short Life Cycle Product Logistics Supply Chain Scheme Based on Support Vector Machine | |
Pazhani | Design and analysis of closed-loop supply chain networks | |
Huovila | Use of machine learning in supply chain management: case study with DataRobot | |
Achkar et al. | A Simulation-Based Tool to Support Decision-Making in Logistics Design of a Can Packaging Line | |
JPH0934955A (ja) | 在庫管理診断支援方法およびシステム |
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 |