CN115136164A - 对生产系统进行生产规划和/或控制的由计算机实现的方法和生产优化的生产规划和/或生产控制系统 - Google Patents

Abstract

本发明涉及一种用于对生产系统进行生产规划和/或生产控制的由计算机实现的方法，生产系统包括多个生产区段(PA1、PA2)和生产线(线1、线2、线3)。此外，本发明涉及一种用于生产优化的生产规划和/或生产控制系统(APO)。

Description

对生产系统进行生产规划和/或控制的由计算机实现的方法 和生产优化的生产规划和/或生产控制系统

技术领域

本发明涉及一种用于对生产系统进行生产规划和/或生产控制的由计算机实现的方法、一种用于生产优化的生产规划和/或生产控制系统和一种计算机程序。

背景技术

在生产中，包括物质商品和提供服务的产品基于包括原料和生产资料的生产要素来创建。例如生产传动装置。在传动装置生产中，创建了另外的物质商品，例如从动轴。生产规划和/或生产控制对整个生产系统进行优化。

在现有技术中公知有多种针对生产规划和/或生产控制的措施，例如，传统的系统包括对基本数据管理进行逐步规划、生产程序规划、数量规划、日期规划、车间控制、订单监控和销售控制。此外还公知有包括生产规划和/或生产控制的集成化的IT系统。

此外，用于生产规划和/或生产控制的优化方法是已知的，例如借助线性编程的基于约束的方法。然而，此类方法并不能扩展到实际问题的规模。此外，还已知有局部搜索或分支限界算法用于优化。此外，经典的调度算法，例如多处理器调度也是已知的，但它们只能应用于简化模型。此外，用于优化的进化算法是已知的，但它们需要大量的资源，如时间或计算力，并且需要好的初始解决方案。

目前，人工控制者对特定产品、工件或半成品部件的生产进程(如从动轴的生产)在通过已知的优化方法的支持下或不支持下进行规划。在此，生产由部件所必须依次通过的多个生产区段构成。为此，控制者必须考虑多种的输入参量。对例如在哪个时间点在哪条生产线/子生产线上生产哪些部件的规划应当在多种的最优标准方面是的最优的。另外复杂因素在于，一方面确定现有的生产进程的参数往往随着时间推移而变化，而且最优标准也如此。由此导致需要经常进行重新规划，然而该重新规划必须尽快进行，以此使得生产以不停顿或次优方式进行生产。

发明内容

基于此，本发明的任务在于可以如何根据给定的要求来创建生产序列、工人分配和供应商订单，以及可以如何基于事先限定的标准来评估和优化生产序列。

为了清楚起见，首先介绍本发明。

本发明通过一种方法和一种适应性系统来解决该任务，该系统基于给定的评价并借助生产的虚拟表示来优化复杂的流程，如生产进程。该系统在最短的时间内匹配于对生产具有影响的变化，并保障能随时实施的生产规划。同时，该系统还为高度复杂的生产条件产生解决方案。

与现有技术相比，本发明允许实施更长的规划展望期，例如数周而不是几天。例如，本发明已经被用在从动轴的生产中，并且在此实现了数周的规划展望期。例如实现了两个星期的规划展望期。随着该规划展望期的长度，使得方法的持续时间相应更长。然而，在本发明过程中发现，根据本发明的方法与已知的优化方法相比其规模有利地只与规划展望期呈线性关系，而已知的优化方法一般其规模与之成指数级关系。伴随着这一点，由于更有效的规划流程，使得成本大大降低，提高了装配产量，并由于减少储存量使得资本投入更少。

此外，本发明支持产品在未来的日益复杂化，例如更高的变化幅度或通过已知的控制工具不能或不能充分地再现的附加的边缘条件。例如，在申请人的工厂中，大约制造500种不同的传动装置。随着更多代的和更多的传动装置的开发，使得变化幅度将再次大幅提升。由此产生的成本，例如从周末工作或生产停顿直到向客户交货的成本都可以通过本发明来避免。

对本发明的紧凑描述通过关注输入到系统中的输入值或输入以及由系统提供的输出值或输出来体现。对到系统中的输入包括直接和间接的输入。系统的输出包括与控制相关的和提供信息的输出。

因此，该方法和系统为最优生产序列、工人分配和供应商订单提供了所有与控制相关的信息。该生产序列自动实施或者只有在通过控制者批准后才实施。在本发明的范围内，最优是指相对于给定的总成本函数而言是最优的。控制者可以附加地具有通过开始具有改变的输入的新的运行以影响结果的可能性。为了支持这样的决定，系统提供了有关生产线分配、库存发展和预测的完成时间的详细的提供信息的输出。

直接输入包括在系统的每次优化运行中期望的输入。当生产参数发生了变化时，通常触发优化运行。另一个原因例如是，通过控制者对不同优化标准的权重进行改变。控制者是迄今曾独立完成该规划的人类操作员。然而，输入条件中的每次不同变化通常导致新的系统起动。例如，以下输入是直接输入：

·生产参数：工人情况、机器能力、物料可用性、初始的仓库和缓冲区储存量，和/或供应商产能；

·物料需求：哪种物料/半成品必须在哪个时刻生产，和/或对要生产的部件进行加权/优先级排序；

·最优标准：最大限度地充分利用所有机器和劳动力，最小化延误，最低的仓库储存量，最小化来自工厂之内相距甚远的区域的物料流动，和/或将它们相互加权，和

·边缘条件：这些边缘条件与最优标准相比必须严格遵守以用于待开始的优化运行。例如，这些边缘条件是在任何情况下都必须在指定的时间点内生产的等级为1的需求的优先级，不得超过仓库/中间仓库规模，不得将部件从一条制造线/仓库运输到其他制造部/仓库，这在目前由于物流或其他原因是不合理的。这些边缘条件可以由控制者改变。规划展望期例如应提前多少小时或多少天规划生产规划，也属于边缘条件。

间接输入只有当生产中或生产进程中的结构性事物发生变化时才被整合到系统中。

本发明模拟了生产系统，并因此提供了生产进程和/或生产系统的虚拟表示。该虚拟表示是整个生产进程和/或生产系统的数字式的孪生体。数字式的孪生体对生产中的所有依赖关系进行建模。该模型又包含了作为变量的生产参数。本发明始终使模型与实际的生产进程和/或实际的生产系统中的实际条件和依赖关系保持同步。

与控制相关的输出必须要用于在工厂的生产规划和/或生产控制系统中实施，并且包括：

·优化的生产序列：哪条生产线上在什么时间需要哪种物料？

·工人分配：哪条生产线在哪个班次需要或将需要多少工人？

·供应商订单：什么时间提供哪种供应的物料并提供多少供应的物料？

提供信息的输出就解释力方面提供了附加值，例如为什么有物料延迟，并便于控制者对优化结果做出自己的评估。提供信息的输出包括：

·例如与物流相关的需求覆盖和预计的制造完成日期；

·显示利用率、瓶颈和关键路径；和

·对半成品和/或成品部件和/或库存水平的预计的时间发展。

关于本发明的进一步概述，指出的是，该方法和系统优化了生产系统的总成本函数。成本函数根据技术上有效的生产流程确定了最低成本的生产进程。成本函数表示了生产流程的总成本，该总成本来自于所使用的生产要素，然后该总成本乘以它们各自的市场价格或权重。例如，总成本函数根据以下来限定：

·需求满足：延迟时间，每个需求都有权重；

·生产利用率：生产停顿的时间；

·生产次要条件：生产线之间的运输，调试时间。

通过数学函数将这些标准组合成一个数值，其中，上述标准可以被不同加权。

例如：总成本＝α*∑_延迟"(b)*权重(b)+β*生产停顿+γ*调试时间+…，其中，α≥0、β≥0、γ≥0，...代表不同的部分项的权重并且是可变的。关于所有物料需求进行加和。

为了清楚起见，根据本发明的方法如下进行：

当前的生产参数、需求、最优标准和边缘条件是例如作为数据获得的输入。随后通过快速的、也就是说几秒钟运行时间的优化方法创建初始的生产序列。该生产序列被纳入到随后的彻底且更长时间的优化方法中，例如作为初始的群体、也就是说初始化纳入到进化算法中。有可能地，可以进行更进一步彻底的但更耗时的优化方法，如具有更大总体和其他超参数的遗传优化器(genetischer Optimierer)。

初始的生产序列也被纳入到实际的生产系统或实际的工厂中以进行实施。一旦从其中一个下游的彻底的优化中提供了关于总成本函数的更好的结果，该结果就被输出并直接由系统在实际生产中实施，或者输出给人工控制者以对该人工控制者进行支持。在此确保了更好的结果与已经开始的生产序列相一致。这一点通过如下方式得到保证，即，让前面的优化器的在当前时间内刚刚投入生产的每个规划都是下游的优化器的边缘条件。

当发生影响生产的事件时，如发生机器故障或工人情况发生改变时，就创建新的初始的生产序列，并且该方法又从头开始。

根据一个方面，本发明提供了一种用于对生产系统进行生产规划和/或生产控制的由计算机实现的方法。生产系统包括多个生产区段和生产线。该方法包括以下步骤：

·对生产系统、生产规划和/或生产控制进行模拟，

·在模拟中，执行第一子方法和第二子方法，其中，

·第一子方法包括如下步骤

ο依赖于对生产系统的成本函数优化的作用对生产区段中的物料需求进行优先级排序，

ο按优先级排序的顺序选出其中一个物料需求，调整位于前面的生产区段中的物料的至少一个需求数量和/或需求时间点，用以实施物料需求并且保留物料和分别调整后的需求数量和/或需求时间点，

ο选出另外的物料需求，重复上一步骤，直到为所有优先的物料需求保留物料和分别调整后的需求数量和/或需求时间点，并且获得生产序列，

·并且第二子方法包括如下步骤

ο固定生产序列中的第一生产时间段，并且

ο对在经固定的第一生产时间段之外的生产序列进行优化，用以进一步优化成本函数，其中，

·根据在第二子方法中获得的优化的生产序列来调节和/或控制生产系统。

第一子方法相当于快速优化方法，快速优化方法在几秒钟内将初始的生产序列作为第一结果来提供。第一结果在很短的时间内是有意义的，这是因为在发生突发事件后，生产不应被停顿。优化目标是将需求覆盖与最大化生产利用率相结合，这意味着生产停顿时间要尽可能少。

第二子方法相当于更彻底的优化方法。

根据本发明的方法的第一子方法相对于第二子方法快速提供第一结果。

通过模拟提供了对生产系统、生产规划和/或生产控制的虚拟表示，其中，整个生产系统是作为数字式的孪生体实现的。例如，在模拟中模拟了瓶颈或关键路径。根据本发明的一个方面，该模拟对生产系统的未来状态进行了模拟。因此能够实现的是，规划展望期可以任意延伸到未来，例如在几个星期的范围内。通过模拟，使得通过根据本发明的方法实现的优化进而是整个生产系统以有利的方式适应于生产变化。

物料需求包括物料种类或类型。物料种类包括诸如铁那样的原物料，诸如螺钉那样的辅助物、诸如能源那样的生产资料、诸如仍需组装的预装的安装件那样的未完成的产品、诸如准备装运的成品和商品那样的完成品。

在产品规划中，次序安排或序列规划(也被称为排序和调度)包括产品订单的制造序列的形成。

固定(Fixierung)确保了第二子方法的输出也能被实施。通过固定，使得在第二子方法中不再改变生产序列的通过固定所确定部分。根据本发明的一个方面，在一定时间段内的所有输入参数在时间上被固定。该固定例如通过在由第一子方法获得的生产序列、工人情况中的和/或在供应中的优先固定来实现。由于固定，可以使第二子方法需要的时间最多与通过固定所涵盖的时间一样多。例如，将直到当前班次结束的时间视为固定时间。快速优化器在生产的所有生产时间段内进行优化。然后，由快速优化器优化的第一生产时间段在实际的工厂中实施，并且不能再改变。因此，较慢的但更彻底的优化器对固定时间段以外的另外的生产时间段进行优化。

根据本发明的一个方面，物料需求根据物料类型、需求数量、需求时间点、优先级和/或权重进行优先级排序。

当有足够的输入物料被提供来完全满足需求时，实施经优先级排序的物料需求。在该情况下，输入物料被保留用于该需求。通过保留输入物料确保了，以这种方式确定的生产序列是能被实施的，换句话说，以这种方式创建的订单在任何情况下都可以被实施。

根据另一个方面，本发明提供了一种生产规划和/或生产控制系统。系统包括处理单元，处理单元被实施用来实施根据本发明的方法。

根据另一个方面，本发明提供了一种计算机程序。该程序包含指令，当程序在系统上运行时，该指令引起了根据本发明的系统实施根据本发明的方法。

本发明的另外的设计方案可由从属权利要求、附图和优选实施例的描述中得出。

根据本发明的一个方面，如果没有获得生产序列的显著的优化，则结束第二子方法的持续进行，并且开始第二子方法的另外的持续进行。通过该中止标准加速了该方法，从而进一步优化了生产系统。

通过固定确定的时间段不必充分利用。例如如果第二子方法在例如小于固定时间的时间段之内在优化任务方面没有取得进展或仅取得最小进展，则结束第二子方法的当前持续进行。如果第二子方法在小于固定时间段的时间段之内找到明显更好的优化，则该优化会更早地输出并且直接被接受。这进一步加速了该方法并且改进了优化。根据本发明的一个方面，控制者主动从第二子方法要求新的优化。

如果成本函数的优化的改进太小并且在此期间无论如何都没有发生约束条件的变化，根据本发明的一个方面，第二子方法将以现在被向后推迟了另外的时间单位的搜索再一次继续执行。时间展望期可以向后扩展。

根据本发明的另一方面，为了执行第二子方法，执行进化算法，该进化算法以在第一子方法中获得的生产序列或其突变进行初始化。

进化算法受到自然界生物进化方式的启发，并且按照以下方法进行处理；

·初始化：产生第一代候选解决方案。根据本发明，第一代是初始的生产序列。初始的生产序列通过根据本发明的方法、也就是说快速优化器产生。

·评价：给这一代的每个候选解决方案都根据其品质分派有适配度函数的值。适配度函数是进化算法的目标函数。适配度函数的样板是生物适配度，它说明了生物体对其环境的适应程度。在进化算法中，生产序列的适配度描述了生产序列如何解决基本优化问题的程度。

·持续进行以下步骤，直到达到中止标准：

ο选择：选出若干个体用于进行重新组合

ο重新组合：对所选出的个体进行组合

ο突变：随机改变后代

ο评估：给这一代的每个候选解决方案都根据其质量分派有适配度函数的值。

ο选择：确定新的一代。

典型的中止标准在下面被进一步提及。

进化算法具有的优点是，它可以用不同的形式表示解决方案，以便更好地处理它，并在以后再次以其原本的形式输出，这与基因型-表型映射或人工胚胎发生相类似。当对可能的解决方案的表示可以被大大简化并且在其复杂性方面不需要在存储器中处理时，这就特别有用。进化算法包括遗传算法。遗传算法使用二进制的问题表示，因此通常需要基因型-表型映射。利用进化算法，仅通过突变寻找候选解决方案，而不发生重组。遗传算法考虑了重组。根据本发明的一个方面，进化算法基于以下进化策略中的一个来实施：

·适应性调整或1/5成功规则：1/5成功规则指出，初始的生产序列的有效突变(即导致生产进程改进的突变)与所有突变的商数应大约为五分之一。如果该商数较大，则应提高突变的变化幅度，在该商数较小的情况下，则应减少。

·自我适应性：每个个体都具有用于突变强度本身的额外的基因。这虽然在生物学中是不可能的，但在计算机中的进化以该方式在没有人类的限制下找到了合适的变化幅度。在此，在计算机中，重新组合和突变根据突变强度而相应调整。

例如，用于彻底优化的基因型由快速优化器所使用的数据结构构成。快速优化器的解决方案被用作初始的群体，然后通过重新组合和突变来改变数据结构中物料需求的顺序。在该情况下，突变算子改变了随机选出的生产区域的随机选出的物料需求的顺序。重新组合算子从父母获取两个染色体，并产生孩子的两个染色体。例如，这通过重新组合来实现。表型通过如下方式从基因型推导出来，即，在修改后的数据结构上实施快速优化器。

因此进一步改善了适应性的生产优化。

根据本发明的另一方面，对生产参数、最优标准和/或边缘条件进行模拟。生产参数包括工人情况、机器能力、物料可用性、物料缓冲区和/或供应商产能。最优标准包括机器和/或工人的最大利用率、延迟最小化、最低仓库储存量和/或物料流动最小化。边缘条件包括物料需求的优先级、最大仓库和/或物料缓冲区大小、运输条件、规划展望期和/或供应商产能。因此，整个生产系统被进一步优化。根据本发明的一个方面，这些数据形成针对模拟的输入。

根据本发明的另一方面，模拟了工人的轮班模式，并且在模拟中给生产线分配工人，并且至少依赖于物料需求和/或物料储存量来改变给生产线的工人分配。因此，整个生产系统被进一步优化。根据本发明的一个方面，首先完全分配每条生产线，从而根据生产参数使利用率最大。如果指派数大于可用的工人数，见生产参数，则将指派数相应减少。至于决定减少哪条生产线，可以考虑到不同因素，如物料储存量、生产线能力、需求等。

根据本发明的另一个方面，检查物料需求中缺少的物料是否可以遵守需求时间点地被供应。在检查是肯定的情况下，就订购供应物。将已供应的物料保留。在检查是否定的情况下，则按规定保留另外的物料需求。物料包括有前一个生产区段生产的物料，这些物料形成后续生产区段的输入物料。此外，物料还包括已供应的物料，如已供应的输入物料。如果在生产期间，例如在各个生产进程中没有足够供应的输入物料，则在第二检查中，检查尤其在遵守诸如供应商产能、供应时间点和/或供应商控制那样的边缘条件情况下是否有可能在当前时间点供应这些物料。因此，整个生产系统得到进一步优化。如果输入物料既可以被生产又可以被供应，则根据本发明的另一个方面，在开始时就如上述那样减少供应物和缓冲区储存量，不同的是，与初始的缓冲区储存量不同的是，必须考虑供应时间点。根据本发明的一个方面，第二检查、供应商订单、供应商产能、供应时间点和/或供应商控制都被纳入到模拟中。

根据本发明的另一个方面，对生产区段中的物料需求进行优先级排序，使得优化生产系统的松弛时间(Schlupfzeit)。松弛时间在成本函数中经由延迟来检测。因此优化了延迟分钟数。松弛时间是指订单的剩余时间。在本发明的范围内，物料需求的含义包括订单的含义。这是从当前处理时间到额定结束时间的时间区间，减去剩余的处理时间。例如，一个订单的松弛时间确定如下：1月20日：交货日期，1月10日：确定优先级的日期，4天的剩余的从投产到交货时间→20-10-4＝6天松弛时间。在优化松弛时间时，根据本发明的一个方面，不仅是在生产中出现干扰情况下而且在无干扰的生产中都确定订单的优先级。为了优化松弛时间(英文中称为slack times(松弛时间))，根据本发明的一个方面，将最小松弛时间调度(least-slack-time-scheduling)算法集成到该方法中，该最小松弛时间调度算法在执行该方法执行时被实施。根据本发明的另一个方面，松弛时间的优化被纳入到模拟中。

根据本发明的另一个方面，对生产区段中的物料需求进行排序，使得在优化生产系统的进程规划时，将物料需求的满足与生产利用率的最大化相结合。根据本发明的一个方面，在优化松弛时间时将物料需求的满足与生产利用率的最大化相结合。因此有利地实现最小的生产停顿。

根据本发明的另一个方面，在调整需求时间点时考虑到针对物料需求的生产持续时间，和/或依赖于生产线上各自的生产线能力来选出物料需求。

在此，从原本的需求时间点中扣除对于生产来说是必需的持续时间。例如，要在14:00左右完成800个B型物料，在第二生产区段中生产这种物料需求需要4个小时。为了获得800个B型物料，还必须在第一生产区段生产700个A型物料。这意味着，第一生产区段的需求时间点是10:00。通过考虑到前面生产区段的生产持续时间，使得整个生产系统进一步优化。

生产线能力是一个边缘条件，并且与各自的生产线的技术限制有关。可以在生产线上运行的物料需求依赖于生产线能力地不一定是具有最高优先级的物料需求。通过考虑生产线能力，使得整个生产系统因此进一步被优化。根据本发明的一个方面，将生产线能力纳入到模拟中。

根据本发明的另一个方面，生产系统在生产区段之间包括的物料缓冲区。依赖于物料缓冲区，减少了物料需求。因此，生产区段包括一条或多条生产线和一个物料缓冲区。物料缓冲区包括在分别处于前面的生产线上制成的物料。各自的物料缓冲区的大小都包含在生产参数中。例如，如果B型物料的需求数量为1000件，而物料缓冲区包括200件B型物料，那么就必须再生产800件B型物料。根据本发明的另一个方面，将缓冲区储存量加入到模拟中。因此，整个生产系统被进一步优化。

根据本发明的另一个方面，从获得的物料需求中产生数据结构，它对于每个生产区段来说至少包括物料类型、需求数量和需求时间点。该数据结构包括索引结构，借助索引结构，使得数据结构中的条目可以相互引用。第二子方法被实施成处理数据结构。基于数据结构来分配生产线，分派工人和/或产生供应商订单。通过数据结构根据生产区段分组地反映了物料需求。例如，数据结构作为数据库提供，例如作为面向对象的数据库提供。因此能够实现对至少包括物料类型、需求数量和需求时间点的数据的访问得到改善，这是因为这些数据被视为对象。此外，以此使得对象之间的语义关系例如借助索引结构而已知。在借助查询语言(例如对象查询语言)查询数据时，可以使用这种知识。数据结构还能够实现为控制者提供关于生产进程的提供信息的概览。根据本发明的一个方面，数据结构由物料类型、需求数量和需求时间点、优先级和权重产生。

根据本发明的另一个方面，提供与调节和/或控制相关的输出和/或提供信息的输出。与调节和/或控制相关的输出包括生产序列、工人分配和/或供应商订单。提供信息的输出包括物料需求覆盖、完成日期、利用率、瓶颈、关键路径和/或生产系统的时间发展。这些输出例如经由光学显示设备或声学系统输出，并且能够实现让控制者清楚地总览生产进程。

根据本发明的另一方面，在模拟中产生真实工厂的数字式的孪生体，为数字式的孪生体确定规划展望期，并且根据规划展望期控制真实工厂。

根据本发明的生产规划和/或生产控制系统的另一实施例包括至少一个接口，经由该接口提供在系统与系统的控制者之间的通信。系统经由接口向控制者提供系统的与调节和/或控制相关的输出和/或提供信息的输出。接口为控制者提供优化结果。因此，接口可以给控制者实现向系统要求优化结果。

根据本发明的生产规划和/或生产控制系统的另一个实施方式包括云基础设施。云基础设施包括基于云的存储器。生产系统、生产规划和/或生产控制的模拟都在云中进行。借助本发明，因此使得整个生产系统的数字式的孪生体都在云中获得。根据本发明的一个方面，模拟和实际的生产系统在云中被控制。因此，根据本发明的一个方面，根据本发明的方法被作为“软件即服务”来提供。输入和输出经由相应的接口提供，例如诸如WLAN接口的无线接口来提供。

根据另一个方面，系统包括至少一个显示设备，其显示系统的与调节和/或控制相关的输出和/或提供信息的输出。因此对于控制者来说方便了对生产进程的概览。

附图说明

本发明在以下实施例中进行了说明。其中：

图1示出生产模型的实施例；

图2示出根据本发明产生的数据结构的实施例；

图3示出图2的数据结构的另外的实施例；

图4示出生产序列的固定的示意图；

图5示出根据本发明优化的生产序列的时间走向的示图；

图6示出根据本发明的方法的示意图；

图7示出根据本发明的用于适应性的生产优化的生产规划和/或生产控制系统的示意性实施例；

图8示出借助根据本发明的方法获得的已供应物料的物料储存量的发展的图形表示，并且

图9示出借助根据本发明的方法获得的物料需求满足的示意图。

在附图中，相同的附图标记表示相同或功能相似的参考部分。为了清楚起见，在各附图中只强调了分别相关的参考部分。

具体实施方式

图1示出了简化的生产系统的生产模型。生产模型包括第一生产区段PA1和第二生产区段PA2。第一生产区段PA1和第二生产区段PA2分别包括三条生产线线1、线2和线3。此外，第一生产区段还包括第一物料缓冲区缓冲区1，第二生产区段包括第二物料缓冲区缓冲区2。

第一物料缓冲区缓冲区1包括在第一生产区段PA1的线1、2、3中制造的物料。第二物料缓冲区缓冲区2包括在第二生产区段PA2的线1、2、3中制造的物料。例如，第一物料缓冲区缓冲区1包括100件A型物料，第二物料缓冲区缓冲区2包括200件B型物料和100件C型物料。这些参量都包括在输入的数据的生产参数中。

例如，正好需要1件A型物料来生产1件B型物料或1件C型物料。物料需求例如包括物料类型、数量或需求数量和需求时间点。然而，根据本发明的方法和根据本发明的系统能被用在具有任意依赖关系和物料需求的更复杂的生产模型上，并且也优化了这种复杂的生产模型或整个生产系统。

根据本发明的方法的进程从初始化开始。该初始化的形式如下：从例如包括物料类型、数量或需求数量、需求时间点、优先级和权重的物料需求中产生数据结构。通过该数据结构，根据物料需求对总成本函数的影响来对物料需求进行排序。在此，具有最高影响性的、即在一个顺序中具有最高的优先级的物料需求被排在第一位。此外，通过数据结构根据生产区段对物料需求进行分组。如果总成本函数例如在延迟分钟数方面被优化，那么最小松弛时间调度算法例如被有利地用于对物料需求进行排序。物料需求例如根据基于现有初始的缓冲区储存量的排序被减少。这在图2中示出。

在第二生产区段PA2中，B型物料的最早需求时间点是14:00，并因此被放在第一位置，也就是说第一行上。由于在第二物料缓冲区缓冲区2中包含200个B型物料，因此在需求数量为1000时只需要生产800个B型物料。由于第二物料缓冲区缓冲区2包含100个C类物料，因此在需求数量为500时只需要生产400个B型物料。C型物料的需求时间点为18:00，因此被排在B型物料之后。在该示例中，对于第一生产区段PA1来说没有初始的物料需求。因此，对于第一生产区段PA1来说，数据结构初始是空的。

在初始化之后，物料需求通过生产区段向后传播。在此，物料需求被投射到对于下一个生产区段的生产来说是必需的物料上。例如，为了在第二生产区段PA2中生产物料类型B和C的物料，需要分别从第一生产区段PA1中获得物料类型A的物料。除了物料类型外，需求数量和需求时间点都要调整。需求数量根据初始的缓冲区储存量而减少。从原本的需求时间点中扣除生产所需的持续时间。这在图3中说明。

对于在需求时间点14:00时的800个物料类型B的物料的第一物料需求来说，在第一物料缓冲区缓冲区1中已经有100个物料类型A的物料。因此只需生产700个物料类型A的物料。例如，在第二生产区段PA2中需要四个小时来生产第一物料需求。因此，第一生产区段PA1中的需求时间点为10:00。类似的考虑适用于需求时间点为18:00的400个C型物料的第二物料需求。对于第二物料需求来说，第一生产区段PA1的需求时间点因此是15:00。

基于需求数据结构，根据本发明的算法进行生产线分配，分派工人并产生供应商订单。为此实施以下指示：

虚拟的生产系统或虚拟的工厂从开始时间点就被模拟。每当一条生产线空载运行，即不再有订单时，根据上述数据结构，选出下一个可以在该生产线上运行的具有最高优先级的需求。由于诸如生产线能力的次要条件，这不一定是数据结构中的第一需求。

当有足够的输入物料可用于完全满足需求时，就实施以如此方式选出的需求。在该情况下，输入物料被保留用于该需求。如果没有足够的可用的输入物料，则检查在当前时间点是否有可能供应这些输入物料。边缘条件可以包含供应商产能。在肯定的情况下，订购相应的供应物，并将已供应的物料保留。在否定的情况下，根据数据结构选出下一个需求。如果输入物料既可以进行生产又可以供应，那么供应物和缓冲区储存量在开始就会如上述那样减少，不同的是，与初始的缓冲区储存量相比，必须考虑供应时间点。

通过保留输入物料确保了以这种方式确定的生产序列能被实施，也就是说，以这种方式创建的订单在任何情况下都可以被实施。

图4示出以第一子方法获得的生产系统的快速优化的结果，即初始生产序列。第一子方法包括步骤V2至V7。在方法步骤V8中，在第二子方法中固定第一生产时间段。例如，直到当前班次结束的时间被固定。在此时间段之外，初始生产序列在方法步骤V9中，例如借助遗传优化被更彻底优化。根据本发明的一个方面，类似地固定另外的参数，例如供应物和/或工人情况。根据本发明的另一方面，以不同的展望期固定各个参数。例如，只能提前至少十二小时更改供应物。在方法步骤V10中，根据在第二子方法中优化的生产序列对生产系统进行调节和/或控制。

图5示出优化结果的时间走向。自时间点7起到达固定的结束。在时间段3到7之内，在第二子方法中，成本函数仅最小程度被最小化。因此，第二子方法的当前持续进行在时间点4结束，并且开始第二子方法的新的连续运行。

图6示出根据本发明的方法。方法步骤V1包括生产系统、生产规划和/或生产控制的模拟。该模拟是到根据本发明的生产规划和/或生产控制系统APO中的输入。根据本发明的生产规划和/或控制系统APO的输出包括调节和/或控制信号，以便根据在第二子方法中获得的优化的生产序列在真实工厂中生产。此外，根据本发明的生产规划和/或生产控制系统APO的输出包括用于生产系统的控制者的信息输出。

为了获得输出，根据本发明的生产规划和/或生产控制系统APO执行第一子方法和第二子方法。第一子方法包括以下步骤：

·V2：依赖于对生产系统的成本函数优化的作用对生产区段PA1、PA2中的物料需求进行优先级排序，

·V3：按优先级排序的顺序选出其中一个物料需求，

·V4：调整位于前面的生产区段PA1、PA2中的物料的至少一个需求数量和/或需求时间点，用以实施物料需求，

·V5：保留物料和分别调整后的需求数量和/或需求时间点，

·V6：选出另外的物料需求，重复上一步骤，直到为所有优先的物料需求保留物料和分别调整后的需求数量和/或需求时间点，并且

·V7：获得生产序列。

在第一子方法与第二子方法之间，如果没有足够的物料用于实施物料需求，则在方法步骤中检查：物料需求中缺少的物料是否能够遵守需求时间点地被供应，其中，在检查是肯定的情况下，在方法步骤V11中订购供应物。在方法步骤V12中，已供应的物料被保留。在检查是否定的情况下，则按规定保留另外的物料需求。

此外，在方法步骤V13中，在第一子方法与第二子方法之间，从物料需求的优先级生成数据结构。数据结构对于每个生产区段PA1、PA2来说至少包括物料类型、需求数量和需求时间点。此外，数据结构包括索引结构，借助该索引结构，使得数据结构的条目相互被引用。第二子方法被实施成处理数据结构并且基于数据结构来分配生产线线1、线2、线3，分派工人，和/或产生供应商订单。

此外，在第一子方法中执行第一检查：各自的物料的调整后的需求数量是否足以满足所选出的物料需求，其中，在第一检查是肯定的情况下，将各自物料保留给生产系统，和/或实施所选出的物料需求。

图7示出了关于根据本发明的生产规划和/或生产控制系统APO的概览，通过利用该生产规划和/或生产控制系统实施根据本发明的方法实现了适应性的生产优化。根据本发明的快速优化方法，即第一子方法之后是更彻底的优化方法，即第二子方法。该更彻底的优化方法例如包括遗传优化。

图8示出用于已供应的物料的第一物料储存量B1和第二物料储存量B2的发展。此外，图8示出了供应物L的发展，该发展由根据本发明的方法和系统来进行计划。

在图9中，每个气泡代表一个物料需求。有三个不同类别：“最重要”、“重要”和“不太重要”。在图9中，标出了对应于“最重要”的第一类别P1和对应于“重要”的第二类别。横坐标表示预期满足物料需求的时间点。气泡的大小代表需求数量。纵坐标表示满足需求的时间点的延迟，位于0以上的都是延迟。

附图标记列表

V1-V14 方法步骤

PA1 生产区段1

PA2 生产区段2

线1、2、3 生产线

缓冲区1 物料缓冲区

缓冲区2 物料缓冲区

A、B、C 物料类型

APO 生产规划和/或生产控制系统

L 供应物数量

B1 第一物料储存量

B2 第二物料储存量

P1 第一类别

P2 第二类别

Claims (12)

1.用于对生产系统进行生产规划和/或生产控制的由计算机实现的方法，所述生产系统包括多个生产区段(PA1、PA2)和生产线(线1、线2、线3)，所述方法包括以下步骤

·对所述生产系统、所述生产规划和/或生产控制进行模拟，

·在所述模拟中，执行第一子方法(V2～V7)和第二子方法(V8、V9)，其中，

·所述第一子方法(V2～V7)包括如下步骤

○依赖于对所述生产系统的成本函数优化的作用对所述生产区段(PA1、PA2)中的物料需求进行优先级排序(V2)，

○按优先级排序的顺序选出其中一个物料需求(V3)，调整位于前面的生产区段(PA1、PA2)中的物料的至少一个需求数量和/或需求时间点，用以实施所述物料需求(V4)并且保留所述物料和分别调整后的需求数量和/或需求时间点(V5)，

○选出另外的物料需求(V6)，重复上面的步骤(V4、V5)，直到为所有经优先级排序的物料需求保留所述物料和分别调整后的需求数量和/或需求时间点，并且获得生产序列(V7)，

·并且所述第二子方法(V8、V9)包括如下步骤

○固定生产序列中的第一生产时间段(V8)，并且

○对在经固定的第一生产时间段之外的生产序列进行优化，用以进一步优化成本函数(V9)，其中，

·根据在所述第二子方法(V8、V9)中获得的优化的生产序列来调节和/或控制生产系统(V10)。

2.根据权利要求1所述的方法，其中，如果没有获得生产序列的显著的优化，则结束所述第二子方法(V8、V9)的持续进行，并且开始所述第二子方法(V8、V9)的另外的持续进行。

3.根据权利要求1或2所述的方法，其中，为了执行所述第二子方法(V8、V9)，实施进化算法，所述进化算法以在第一子方法中获得的生产序列或其突变进行初始化。

4.根据权利要求1至3中任一项所述的方法，其中，对生产参数、最优标准和/或边缘条件进行模拟，其中，所述生产参数包括工人情况、机器能力、物料可用性、物料缓冲区和/或供应商产能，所述最优标准包括机器和/或工人的最大利用率、延迟最小化、最低的仓库储存量和/或物料流动最小化，并且所述边缘条件包括物料需求的优先级、最大的仓库和/或物料缓冲区大小、运输条件、规划展望期和/或供应商产能。

5.根据权利要求1至4中任一项所述的方法，其中，模拟工人的轮班模式，并且在所述模拟中，给所述生产线(线1、线2、线3)分配工人，并且至少依赖于物料需求和/或物料储存量对所述生产线(线1、线2、线3)的工人分配进行改变。

6.根据权利要求1至5中任一项所述的方法，其中，在物料不足以实施物料需求时，检查物料需求中缺少的物料是否能够遵守需求时间点地被供应，其中，在检查是肯定的情况下，则订购供应物(V11)，并将已供应的物料保留(V12)，在检查为否定的情况下，则按规定保留另外的物料需求。

7.根据权利要求1至6中任一项所述的方法，其中，从物料需求的优先级中产生数据结构(V13)，所述数据结构对于每个生产区段(PA1、PA2)来说至少包括物料类型、需求数量和需求时间点，并且所述数据结构包括索引结构，借助所述索引结构，使得所述数据结构的条目相互被引用，其中，所述第二子方法(V8、V9)被实施成处理所述数据结构，并且基于所述数据结构来分配所述生产线(线1、线2、线3)，分派工人，和/或产生供应商订单。

8.根据权利要求1至7中任一项所述的方法，其中，提供与调节和/或控制相关的输出和/或提供信息的输出(V14)，其中，所述与调节和/或控制相关的输出包括生产序列、工人分配和/或供应商订单，并且所述提供信息的输出包括物料需求覆盖、完成日期、利用率、瓶颈、关键路径和/或所述生产系统的时间发展。

9.根据权利要求1至8中任一项所述的方法，其中，在所述模拟中产生真实工厂的数字式的孪生体，为所述数字式的孪生体确定规划展望期，并且根据所述规划展望期控制所述真实工厂。

10.用于生产优化的生产规划和/或生产控制系统(APO)，其包括处理单元，所述处理单元被实施成用于实施根据权利要求1至9中任一项所述的方法。

11.根据权利要求10所述的系统(APO)，所述系统包括至少一个接口，经由所述接口提供在所述系统与所述系统的控制者之间的通信，其中，所述系统经由所述接口向所述控制者提供所述系统的与调节和/或控制相关的输出和/或提供信息的输出，并且所述接口为所述控制者提供优化结果。

12.根据权利要求10或11所述的系统(APO)，所述系统包括云基础设施，所述云基础设施包括基于云的存储器，其中，对生产系统、生产规划和/或生产控制的模拟在云上进行。

Images