CN115081760A - 一种加工资源管理优化方法、装置、终端及存储介质 - Google Patents
一种加工资源管理优化方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN115081760A CN115081760A CN202211003601.9A CN202211003601A CN115081760A CN 115081760 A CN115081760 A CN 115081760A CN 202211003601 A CN202211003601 A CN 202211003601A CN 115081760 A CN115081760 A CN 115081760A
- Authority
- CN
- China
- Prior art keywords
- processing
- processing resource
- resource
- time period
- preset time
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000003754 machining Methods 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 37
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种加工资源管理优化方法、装置、终端及存储介质,方法包括:获取预设时段内的加工任务总信息;获取预设时段开始时的加工资源状态信息;采用预设优化算法获取加工资源在预设时段内的目标管理方案,目标管理方案包括各个加工资源在预设时段内被分配的加工设备及加工任务,预设优化算法的优化目标为使得目标函数值最优,目标函数值基于预设时段内的加工资源消耗成本值和预设时段内的加工资源调度成本值得到,管理方案对应的加工资源消耗成本值和加工资源调度成本值基于加工任务总信息和预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。本发明可以实现加工资源的高效利用,提升了加工资源管理效率。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种加工资源管理优化方法、装置、终端及存储介质。
背景技术
在生产过程中,需要使用到很多加工资源,例如刀具、夹具、润滑剂等。不同的加工资源适用于不同的加工任务,不同的加工任务对生成资源产生的消耗也不同,在现有技术中,加工资源管理方式为人工登记管理,单个加工任务的负责人根据自己负责的加工任务的需要向加工资源库人工领用,加工资源库管理人员根据当前加工资源库中的可用加工资源随机选择可用的加工资源交个加工任务负责人,只能保证加工资源能够满足加工任务的需求,不能实现加工资源的合理分配,在实际生产过程中,经过出现高价高质的加工资源“大材小用”的情况,造成加工资源不能高效可靠利用,管理效率低下。
因此,现有技术还有待改进和提高。
发明内容
针对现有技术的上述缺陷,本发明提供一种加工资源管理优化方法,旨在解决现有技术中加工资源管理效率低下的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
本发明的第一方面,提供一种加工资源管理优化方法,所述方法包括:
获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库;
获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息;
采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
所述的加工资源管理优化方法,其中,管理方案对应的加工资源消耗成本值采用如下方式得到:
根据加工资源被分配的加工设备以及加工任务,确定加工资源用于加工任务时对应的消耗值;
根据加工资源的购置成本与对应的消耗值得到所述加工资源消耗成本值;
其中,当目标加工资源被分配至目标加工设备执行目标加工任务时,所述目标加工资源对应的消耗值的确定步骤包括:
将所述目标加工任务对应的加工图纸和所述目标加工任务的前序加工任务的加工图纸、以及所述目标加工资源的材质,输入至已训练的神经网络模型中,获取所述神经网络模型输出的所述目标加工资源用于执行所述目标加工任务的消耗值。
所述的加工资源管理优化方法,其中,管理方案对应的加工资源调度成本值采用如下方式得到:
根据管理方案中加工资源被分配的加工设备所在的加工设备组,确定各个加工资源在所述预设时段内切换加工设备组的次数;
根据各个加工资源在所述预设时段内切换加工设备组的次数得到所述加工资源调度成本值。
所述的加工资源管理优化方法,其中,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,包括:
在所述预设优化算法运行过程中基于约束条件剔除不满足所述约束条件的管理方案;
所述约束条件为:
加工资源的属性满足分配的加工任务的类型;
加工资源的损耗信息满足分配的加工任务的加工时长;
加工资源相邻两次被分配的加工设备对应的调度时长大于对应的两个加工任务之间的时间间隔。
所述的加工资源管理优化方法,其中,每个加工资源上设置有可读取标签,加工资源的位置信息反映加工资源所述预设时段开始时存放于加工资源总库或加工资源分库以及所在的加工资源分库序号;所述获取所述预设时段开始时加工资源的状态信息,包括:
获取加工资源总库中各个资源位上设置的标签读取装置读取到的标签信息、以及所述预设时段的上一个时段执行的管理方案获取各个加工资源在预设时段开始时的位置信息;
获取加工资源的历史加工任务记录,基于加工资源的历史加工任务记录确定所述预设时段开始时的损耗信息。
所述的加工资源管理优化方法,其中,所述目标函数值的获取方式为:
对管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值分别采用相应的权重进行加权求和后得到该管理方案对应的所述目标函数值;
其中,所述加工资源消耗成本值和所述加工资源调度成本值的权重采用以下步骤获取:
随机生成多个管理方案;
根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布,所述样本权重组中包括所述加工资源消耗成本值对应的权重值和所述加工资源调度成本值对应的权重值;
根据所述第一分布和正态分布之间的差异获取惩罚值,根据所述惩罚值更新所述样本权重组;
重复执行所述根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布的步骤,直至更新所述样本权重组的次数达到预设次数;
重复执行所述随机生成多个管理方案的步骤,直至所述样本权重组收敛。
所述的加工资源管理优化方法,其中,每个加工资源上设置有可读取标签,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案之后,包括:
根据所述目标管理方案中各个加工资源被分配的加工设备及加工任务关联至对应的标签信息中。
本发明的第二方面,提供一种加工资源管理优化装置,包括:
加工任务信息获取模块,用于获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库;
加工资源信息获取模块,用于获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息;
优化模块,用于采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
本发明的第三方面,提供一种终端,所述终端包括处理器、与处理器通信连接的计算机可读存储介质,所述计算机可读存储介质适于存储多条指令,所述处理器适于调用所述计算机可读存储介质中的指令,以执行实现上述任一项所述的一种加工资源管理优化方法的步骤。
本发明的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一项所述的一种加工资源管理优化方法的步骤。
与现有技术相比,本发明提供了一种加工资源管理优化方法,所述的加工资源管理优化方法,获取预设时段内的加工任务总信息和预设时段开始时的加工资源状态信息,根据这两个已知信息获取调度方案对应的目标函数值,目标函数值基于预设时段内的加工资源消耗成本值和预设时段内的加工资源调度成本值得到,基于优化算法以目标函数值达到最优的目标获取进行优化,得到目标管理方案,本发明基于对所有的加工任务信息和加工资源的状态信息进行全局考虑,通过损耗成本和调度成本双目标最优的加工资源分配方案实现加工资源的高效利用,提升了加工资源的管理效率。
附图说明
图1为本发明提供的一种加工资源管理优化方法的实施例的流程图;
图2为本发明提供的一种加工资源管理优化装置的实施例的结构原理图;
图3为本发明提供的终端的实施例的原理示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。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。
本发明提供的一种加工资源管理优化方法,可以应用于具有计算能力的终端中,终端可以但不限于是各种计算机、服务器、移动设备等。
实施例一
如图1所示,一种加工资源管理优化方法的一个实施例中,包括步骤:
S100、获取预设时段内的加工任务总信息。
所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库。
根据工厂的排产信息,可以获取到每个加工设备在所述预设时段内的加工任务排班信息,即可以获取到每个加工设备在什么时段执行什么加工任务,每种加工任务有对应的需要的加工资源,在本发明中,加工资源指的是用于实现加工任务的工具和材料,例如刀具、夹具、润滑剂等。在本实施例中,将加工设备按照所处位置划分为多个加工设备组,每个加工设备组对应设置一个加工资源分库,所述加工资源分库可以为工具箱、工具架等,每个加工资源分库内的加工设备到该加工资源分库的距离都在预设范围内。
S200、获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息。
具体地,每个加工资源上设置有可读取标签,加工资源的位置信息反映加工资源所述预设时段开始时存放于加工资源总库或加工资源分库以及所在的加工资源分库序号;所述获取所述预设时段开始时加工资源的状态信息,包括:
获取加工资源总库中各个资源位上设置的标签读取装置读取到的标签信息、以及所述预设时段的上一个时段执行的管理方案获取各个加工资源在预设时段开始时的位置信息;
获取加工资源的历史加工任务记录,基于加工资源的历史加工任务记录确定所述预设时段开始时的损耗信息。
在本实施例中,每个加工资源上设置有可读取标签,例如RFID标签,加工资源总库中设置有标签读取器,当加工资源在加工资源总库中时,根据读取到加工资源的标签的标签读取器所在的位置,可以得到加工资源的位置信息,对于不在加工资源总库,而是在加工资源分库中的加工资源,根据其在上一个时段执行的管理方案中被分配的加工设备可以确定其在所述预设时段开始时在哪个加工资源分库中。
对于每个加工资源,记录其历史加工任务,可以根据所述预设时段前的各个时段对应的管理方案获取到每个加工资源被分配的加工任务,然后根据加工资源用于执行每个加工任务时对应的消耗值得到该加工资源在所述预设时段开始时的损耗信息。具体地,在本实施例中,加工资源执行加工任务的所述消耗值为该加工资源执行加工任务的寿命系数,将消耗值乘以该加工任务的总时长,可以得到加工资源执行该加工任务的寿命损耗时长,每个加工资源具有对应的寿命时长,例如某刀具的使用寿命为100小时,但是根据执行的加工任务的不同,每次加工任务的实际消耗时间并不等同于对该刀具的寿命损耗时长,例如对于加工难度大、工件材质硬的加工任务,加工10分钟,可能对应的刀具寿命会缩短15分钟。加工资源在预设时段开始时的状态信息为加工资源在预设时段开始时的剩余寿命,根据之前分配给加工资源的加工任务对应的消耗值和加工资源的寿命时长,可以得到加工资源在预设时段开始时的状态信息。加工资源的消耗值的具体获取方法将在后文本说明。
S300、采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务。
在本实施例中,采用预设优化算法进行寻优,以使得目标函数值最优的目标寻找目标管理方案,具体地,管理方案中包括各个加工资源在预设时段内被分配的加工设备及加工任务,值的说明的是,每个加工资源在所述预设时段内被分配的加工设备或加工任务并不是唯一的,可以基于加工设备的加工任务排班在所述预设时段内为某一个加工设备分配多个加工设备或加工任务。
所述预设优化算法可以为粒子群优化算法、NSGA算法等。在所述预设优化算法的运行过程中,会生成多个管理方案,为了不符合实际实施条件的管理方案参与优化计算,降低寻优效率,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,包括:
在所述预设优化算法运行过程中基于约束条件剔除不满足所述约束条件的管理方案;
所述约束条件为:
加工资源的属性满足分配的加工任务的类型;
加工资源的状态信息满足分配的加工任务的加工时长;
加工资源相邻两次被分配的加工设备对应调度时长大于对应的两个加工任务之间的时间间隔。
对于不同的加工资源,有不同的属性,适于不同的加工任务,例如铣刀适于进行铣削加工,钻头适于进行钻孔加工,设置加工资源的属性满足分配的加工任务的类型,防止产生的管理方案中出现加工资源被分配至不适用的加工任务的情况。正如前文说明的,加工资源的状态信息为加工资源的剩余寿命,在每个管理方案中,加工资源的剩余寿命应该满足分配的加工任务的加工时长。当加工资源在所述预设时段内被分配至多个加工设备时,需要考虑到切换不同的加工设备时需要的调度时长,加工资源向量两次被分配的加工设备对应的调度时长为加工资源从上一个加工设备对应的加工资源分库到下一个加工设备对应的加工资源分库需要的运送时长,也就是说,在同一个加工设备组内的调度时长,可以忽略不计,因为统一加工设备组内的加工设备互相之间的距离很近,这样可以降低目标函数值的计算复杂度,使得寻优过程更加高效。
所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
管理方案对应的加工资源消耗成本值采用如下方式得到:
根据加工资源被分配的加工设备以及加工任务,确定加工资源用于加工任务时对应的消耗值;
根据加工资源的购置成本与对应的消耗值得到所述加工资源消耗成本值。
其中,当目标加工资源被分配至目标加工设备执行目标加工任务时,所述目标加工资源对应的消耗值的确定步骤包括:
将所述目标加工任务对应的加工图纸和所述目标加工任务的前序加工任务的加工图纸、以及所述目标加工资源的材质,输入至已训练的神经网络模型中,获取所述神经网络模型输出的所述目标加工资源用于执行所述目标加工任务的消耗值。
在本实施例中,通过神经网络来确定加工资源用于执行加工任务后的所述消耗值,正如前文所说明的,消耗值与对应的加工任务的难度、工件的材料、加工资源本身的材料均相关,本实施例中,通过神经网络的学习过程来学习消耗值与这些相关因素之间的内在联系。加工任务对应的图纸中包括了加工工件的材质以及加工工件经过本次加工任务后的形状等信息,因此,将加工任务对应的加工图纸和加工任务的前序加工任务的加工改图纸以及加工资源的材质,作为所述神经网络模型的输入。
在获取到加工资源用于执行某个加工任务对应的消耗值后,将消耗值乘以该加工任务的时长,得到加工资源用于执行该加工任务的寿命消耗时长,将加工资源执行该加工任务的寿命消耗时长占加工资源总寿命的比例乘以加工资源的购置成本,得到加工资源执行该加工任务对应的所述加工资源消耗成本值,将管理方案中所有的加工资源被分配的加工任务对应的所述加工资源消耗成本值求和,得到管理方案对应的所述加工资源消耗成本值。
管理方案对应的加工资源调度成本值采用如下方式得到:
根据管理方案中加工资源被分配的加工设备所在的加工设备组,确定各个加工资源在所述预设时段内切换加工设备组的次数;
根据各个加工资源在所述预设时段内切换加工设备组的次数得到所述加工资源调度成本值。
在本实施例中,将加工资源在所述预设时段的管理方案中切换加工设备组的次数作为管理方案的加工资源调度成本值。
所述目标函数值的获取方式为:
对管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值分别采用相应的权重进行加权求和后得到该管理方案对应的所述目标函数值。
从前文的说明可以看出,虽然管理方案的所有加工资源调度成本值和所述加工资源消耗成本值都是数值,但是获取的方式不同,量级也不同,直接通过对二者求和得到所述目标函数值,以所述目标函数值最小为目标进行优化,会导致二者在寻优过程中的占比影响失衡,因为加工资源在预设时段内切换加工设备组的次数这个数值必然是较小的。因此,在本实施例中,对所述加工资源消耗成本值和所述加工资源调度成本值进行加权求和。
所述加工资源消耗成本值和所述加工资源调度成本值的权重采用以下步骤获取:
随机生成多个管理方案;
根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布,所述样本权重组中包括所述加工资源消耗成本值对应的权重值和所述加工资源调度成本值对应的权重值;
根据所述第一分布和正态分布之间的差异获取惩罚值,根据所述惩罚值更新所述样本权重组;
重复执行所述根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布的步骤,直至更新所述样本权重组的次数达到预设次数;
重复执行所述随机生成多个管理方案的步骤,直至所述样本权重组收敛。
在本实施例中,先随机生成管理方案,通过迭代的方式来寻找使得随机生成的管理方案对应的目标函数值服从正态分布的权重值,具体地,在每次迭代中,先随机生成多个管理方案,然后根据当前的样本权重组计算本次迭代中生成的各个管理方案对应的目标函数值,并获取目标函数值的分布作为所述第一分布,然后根据第一分布和正态分布的差异获取惩罚值,根据惩罚值更新样本权重组,具体地,每次迭代中会多次计算目标函数值,即多次更新所述样本权重组在每次迭代的初始阶段,可以随机更新所述样本权重组,在后期根据不同的样本权重组对生成的目标函数值的分布的影响趋势来更新所述样本权重组,当本次迭代中更新所述样本权重组的次数达到预设次数时,结束本次迭代,开始新的迭代,在新的迭代中,重新随机生成多个管理方案,以使得最终得到的样本权重组更加准确。当样本权重组收敛,即最新的N个样本权重组之间的差异在预设范围内时,迭代结束,将最新的所述样本权重组作为所述预设优化算法中用于计算所述目标函数值的权重。
在获取到所述目标管理方案之后,将所述管理方案中各个加工资源被分配的加工设备及加工任务关联至对应的标签信息中。
加工资源使用人员,例如产线工人,可以携带标签读取器,当加工资源上的可读取标签被标签读取器读取后,加工资源在当前时段被分配的加工设备及加工任务被显示在标签读取器上,从而使得加工资源使用人员可进行核对和正确使用加工资源。
综上所述,本实施例提供一种加工资源管理优化方法,获取预设时段内的加工任务总信息和预设时段开始时的加工资源状态信息,根据这两个已知信息获取调度方案对应的目标函数值,目标函数值基于预设时段内的加工资源消耗成本值和预设时段内的加工资源调度成本值得到,基于优化算法以目标函数值达到最优的目标获取进行优化,得到目标管理方案,本发明基于对所有的加工任务信息和加工资源的状态信息进行全局考虑,通过损耗成本和调度成本双目标最优的加工资源分配方案实现加工资源的高效利用,提升了加工资源的管理效率。
应该理解的是,虽然本发明说明书附图中给出的的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取计算机可读存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
实施例二
基于上述实施例,本发明还相应提供了一种加工资源管理优化装置,如图2所示,该加工资源管理优化装置包括:
加工任务信息获取模块,用于获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库,具体如实施例一中所述;
加工资源信息获取模块,用于获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息,具体如实施例一中所述;
优化模块,用于采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务,具体如实施例一中所述;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定,具体如实施例一中所述。
实施例三
基于上述实施例,本发明还相应提供了一种终端,如图3所示,终端包括处理器10以及存储器20。图3仅示出了终端的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器20在一些实施例中可以是终端的内部存储单元,例如终端的硬盘或内存。存储器20在另一些实施例中也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括终端的内部存储单元也包括外部存储设备。存储器20用于存储安装于终端的应用软件及各类数据。存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有一种加工资源管理优化程序30,该一种加工资源管理优化程序30可被处理器10所执行,从而实现本申请中一种加工资源管理优化方法。
处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他芯片,用于运行存储器20中存储的程序代码或处理数据,例如执行一种加工资源管理优化方法等。
在一实施例中,当处理器10执行存储器20中一种加工资源管理优化程序30时实现以下步骤:
获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库;
获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息;
采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
其中,管理方案对应的加工资源消耗成本值采用如下方式得到:
根据加工资源被分配的加工设备以及加工任务,确定加工资源用于加工任务时对应的消耗值;
根据加工资源的购置成本与对应的消耗值得到所述加工资源消耗成本值;
其中,当目标加工资源被分配至目标加工设备执行目标加工任务时,所述目标加工资源对应的消耗值的确定步骤包括:
将所述目标加工任务对应的加工图纸和所述目标加工任务的前序加工任务的加工图纸、以及所述目标加工资源的材质,输入至已训练的神经网络模型中,获取所述神经网络模型输出的所述目标加工资源用于执行所述目标加工任务的消耗值。
其中,管理方案对应的加工资源调度成本值采用如下方式得到:
根据管理方案中加工资源被分配的加工设备所在的加工设备组,确定各个加工资源在所述预设时段内切换加工设备组的次数;
根据各个加工资源在所述预设时段内切换加工设备组的次数得到所述加工资源调度成本值。
其中,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,包括:
在所述预设优化算法运行过程中基于约束条件剔除不满足所述约束条件的管理方案;
所述约束条件为:
加工资源的属性满足分配的加工任务的类型;
加工资源的损耗信息满足分配的加工任务的加工时长;
加工资源相邻两次被分配的加工设备对应的调度时长大于对应的两个加工任务之间的时间间隔。
其中,每个加工资源上设置有可读取标签,加工资源的位置信息反映加工资源所述预设时段开始时存放于加工资源总库或加工资源分库以及所在的加工资源分库序号;所述获取所述预设时段开始时加工资源的状态信息,包括:
获取加工资源总库中各个资源位上设置的标签读取装置读取到的标签信息、以及所述预设时段的上一个时段执行的管理方案获取各个加工资源在预设时段开始时的位置信息;
获取加工资源的历史加工任务记录,基于加工资源的历史加工任务记录确定所述预设时段开始时的损耗信息。
其中,所述目标函数值的获取方式为:
对管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值分别采用相应的权重进行加权求和后得到该管理方案对应的所述目标函数值;
其中,所述加工资源消耗成本值和所述加工资源调度成本值的权重采用以下步骤获取:
随机生成多个管理方案;
根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布,所述样本权重组中包括所述加工资源消耗成本值对应的权重值和所述加工资源调度成本值对应的权重值;
根据所述第一分布和正态分布之间的差异获取惩罚值,根据所述惩罚值更新所述样本权重组;
重复执行所述根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布的步骤,直至更新所述样本权重组的次数达到预设次数;
重复执行所述随机生成多个管理方案的步骤,直至所述样本权重组收敛。
其中,每个加工资源上设置有可读取标签,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案之后,包括:
根据所述目标管理方案中各个加工资源被分配的加工设备及加工任务关联至对应的标签信息中。
实施例四
本发明还提供一种计算机可读存储介质,其中,存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的一种加工资源管理优化方法的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种加工资源管理优化方法,其特征在于,所述方法包括:
获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库;
获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息;
采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
2.根据权利要求1所述的加工资源管理优化方法,其特征在于,管理方案对应的加工资源消耗成本值采用如下方式得到:
根据加工资源被分配的加工设备以及加工任务,确定加工资源用于加工任务时对应的消耗值;
根据加工资源的购置成本与对应的消耗值得到所述加工资源消耗成本值;
其中,当目标加工资源被分配至目标加工设备执行目标加工任务时,所述目标加工资源对应的消耗值的确定步骤包括:
将所述目标加工任务对应的加工图纸和所述目标加工任务的前序加工任务的加工图纸、以及所述目标加工资源的材质,输入至已训练的神经网络模型中,获取所述神经网络模型输出的所述目标加工资源用于执行所述目标加工任务的消耗值。
3.根据权利要求1所述的加工资源管理优化方法,其特征在于,管理方案对应的加工资源调度成本值采用如下方式得到:
根据管理方案中加工资源被分配的加工设备所在的加工设备组,确定各个加工资源在所述预设时段内切换加工设备组的次数;
根据各个加工资源在所述预设时段内切换加工设备组的次数得到所述加工资源调度成本值。
4.根据权利要求1所述的加工资源管理优化方法,其特征在于,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,包括:
在所述预设优化算法运行过程中基于约束条件剔除不满足所述约束条件的管理方案;
所述约束条件为:
加工资源的属性满足分配的加工任务的类型;
加工资源的损耗信息满足分配的加工任务的加工时长;
加工资源相邻两次被分配的加工设备对应的调度时长大于对应的两个加工任务之间的时间间隔。
5.根据权利要求1所述的加工资源管理优化方法,其特征在于,每个加工资源上设置有可读取标签,加工资源的位置信息反映加工资源所述预设时段开始时存放于加工资源总库或加工资源分库以及所在的加工资源分库序号;所述获取所述预设时段开始时加工资源的状态信息,包括:
获取加工资源总库中各个资源位上设置的标签读取装置读取到的标签信息、以及所述预设时段的上一个时段执行的管理方案获取各个加工资源在预设时段开始时的位置信息;
获取加工资源的历史加工任务记录,基于加工资源的历史加工任务记录确定所述预设时段开始时的损耗信息。
6.根据权利要求1所述的加工资源管理优化方法,其特征在于,所述目标函数值的获取方式为:
对管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值分别采用相应的权重进行加权求和后得到该管理方案对应的所述目标函数值;
其中,所述加工资源消耗成本值和所述加工资源调度成本值的权重采用以下步骤获取:
随机生成多个管理方案;
根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布,所述样本权重组中包括所述加工资源消耗成本值对应的权重值和所述加工资源调度成本值对应的权重值;
根据所述第一分布和正态分布之间的差异获取惩罚值,根据所述惩罚值更新所述样本权重组;
重复执行所述根据当前的样本权重组中获取随机生成的多个管理方案对应的所述目标函数值的第一分布的步骤,直至更新所述样本权重组的次数达到预设次数;
重复执行所述随机生成多个管理方案的步骤,直至所述样本权重组收敛。
7.根据权利要求1所述的加工资源管理优化方法,其特征在于,每个加工资源上设置有可读取标签,所述采用预设优化算法获取加工资源在所述预设时段内的目标管理方案之后,包括:
将所述目标管理方案中各个加工资源被分配的加工设备及加工任务关联至对应的标签信息中。
8.一种加工资源管理优化装置,其特征在于,包括:
加工任务信息获取模块,用于获取预设时段内的加工任务总信息,所述加工任务总信息包括多个加工设备组中的每个加工设备在所述预设时段内的加工任务排班信息,每个加工设备组包括至少一个加工设备,每个加工设备组对应一个加工资源分库;
加工资源信息获取模块,用于获取所述预设时段开始时的加工资源状态信息,所述加工资源状态信息包括所述预设时段开始时各个加工资源的位置信息、各个加工资源的属性信息以及各个加工资源的损耗信息;
优化模块,用于采用预设优化算法获取加工资源在所述预设时段内的目标管理方案,所述目标管理方案包括各个加工资源在所述预设时段内被分配的加工设备及加工任务;
其中,所述预设优化算法的优化目标为使得目标函数值最优,所述目标函数值基于所述预设时段内的加工资源消耗成本值和所述预设时段内的加工资源调度成本值得到,每个管理方案对应的所述加工资源消耗成本值和所述加工资源调度成本值基于所述预设时段内的加工任务总信息和所述预设时段开始时的加工资源状态信息、以及管理方案中各个加工资源的分配结果确定。
9.一种终端,其特征在于,所述终端包括:处理器、与处理器通信连接的计算机可读存储介质,所述计算机可读存储介质适于存储多条指令,所述处理器适于调用所述计算机可读存储介质中的指令,以执行实现上述权利要求1-7任一项所述的一种加工资源管理优化方法的步骤。
10.一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存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7任一项所述的一种加工资源管理优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211003601.9A CN115081760B (zh) | 2022-08-22 | 2022-08-22 | 一种加工资源管理优化方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211003601.9A CN115081760B (zh) | 2022-08-22 | 2022-08-22 | 一种加工资源管理优化方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115081760A true CN115081760A (zh) | 2022-09-20 |
CN115081760B CN115081760B (zh) | 2022-11-15 |
Family
ID=83244576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211003601.9A Active CN115081760B (zh) | 2022-08-22 | 2022-08-22 | 一种加工资源管理优化方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081760B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400644A (zh) * | 2023-04-28 | 2023-07-07 | 重庆人文科技学院 | 一种基于液态物料的智能联控系统 |
CN117575654A (zh) * | 2023-11-27 | 2024-02-20 | 数翊科技(北京)有限公司 | 数据加工作业的调度方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676647A (zh) * | 2022-05-30 | 2022-06-28 | 中科航迈数控软件(深圳)有限公司 | 一种基于深度学习方法的数控机床零部件寿命预测方法 |
-
2022
- 2022-08-22 CN CN202211003601.9A patent/CN115081760B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676647A (zh) * | 2022-05-30 | 2022-06-28 | 中科航迈数控软件(深圳)有限公司 | 一种基于深度学习方法的数控机床零部件寿命预测方法 |
Non-Patent Citations (4)
Title |
---|
侯康伟等: "实时数据驱动的航空机加生产线资源优化配置机制研究", 《机电工程技术》 * |
张国泽等: "不确定条件下基于仿真的流程工业调度方案优化", 《计算机与应用化学》 * |
杨新宇等: "不确定环境下复杂产品维护、维修和大修服务资源调度优化", 《浙江大学学报(工学版)》 * |
邵松等: "基于迁移学习的行人检测研究进展", 《计算机工程与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400644A (zh) * | 2023-04-28 | 2023-07-07 | 重庆人文科技学院 | 一种基于液态物料的智能联控系统 |
CN116400644B (zh) * | 2023-04-28 | 2023-10-17 | 重庆人文科技学院 | 一种基于液态物料的智能联控系统 |
CN117575654A (zh) * | 2023-11-27 | 2024-02-20 | 数翊科技(北京)有限公司 | 数据加工作业的调度方法及装置 |
CN117575654B (zh) * | 2023-11-27 | 2024-05-14 | 数翊科技(北京)有限公司 | 数据加工作业的调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115081760B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115081760B (zh) | 一种加工资源管理优化方法、装置、终端及存储介质 | |
CN108595157B (zh) | 区块链数据的处理方法、装置、设备和存储介质 | |
Shahvari et al. | Hybrid flow shop batching and scheduling with a bi-criteria objective | |
CN108647914B (zh) | 生产排程方法、装置、计算机设备和存储介质 | |
US8341007B2 (en) | Systems and methods for forecasting demand of an object in a managed supply chain | |
CN111400868B (zh) | 带订单和机器人搬运的分布式车间调度优化方法及系统 | |
CN111563703B (zh) | 项目管理系统、方法、计算机设备和计算机可读存储介质 | |
EP2610696A1 (en) | Process design/production planning device | |
Zhao et al. | Integrated facility layout design and flow assignment problem under uncertainty | |
CN111951946A (zh) | 基于深度学习的手术排班系统、方法、存储介质和终端 | |
CN113807730A (zh) | 基于离散管理的工单生成方法、系统、设备及存储介质 | |
EP4307190A1 (en) | Apparatus and method for establishing production plan | |
CN111209111B (zh) | 基于区块链系统的资源分配方法、装置、设备和存储介质 | |
US6535773B1 (en) | Device and method for calculating required quantity of material | |
Geiger et al. | Knowledge-based machine scheduling under consideration of uncertainties in master data | |
Gupta et al. | A system dynamics model of a JIT-kanban system | |
Braune et al. | Applying genetic algorithms to the optimization of production planning in a real-world manufacturing environment | |
Hafidi et al. | Joint optimization of production and maintenance for multi-machines subject to degradation and subcontracting constraints | |
KR102375880B1 (ko) | 인공지능 모델 기반의 제조 공정에서의 견적 및 설계도 산출 시스템 | |
Asih et al. | Capacity planning and product allocations under testing time uncertainty in electronic industry | |
CN113076365B (zh) | 数据同步方法、装置、电子设备及存储介质 | |
CN114581220A (zh) | 数据处理方法、设备及分布式计算系统 | |
Lazár et al. | Verification of sequential patterns in production using information entropy | |
US20220051189A1 (en) | Automatic negotiation apparatus, automatic negotiation method, and computer-readable recording medium | |
CN111382995A (zh) | 一种用户状态生成方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |