CN115169993B - 产品的生产调度方法、设备及计算机可读存储介质 - Google Patents

产品的生产调度方法、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115169993B
CN115169993B CN202211075905.6A CN202211075905A CN115169993B CN 115169993 B CN115169993 B CN 115169993B CN 202211075905 A CN202211075905 A CN 202211075905A CN 115169993 B CN115169993 B CN 115169993B
Authority
CN
China
Prior art keywords
rearrangement
evaluation value
preset
production
strategy
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
CN202211075905.6A
Other languages
English (en)
Other versions
CN115169993A (zh
Inventor
肖俊河
刘斌
李�杰
郭宇翔
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.)
Ax Industries Ltd
Original Assignee
Exxon Industries Guangdong 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 Exxon Industries Guangdong Co ltd filed Critical Exxon Industries Guangdong Co ltd
Priority to CN202211075905.6A priority Critical patent/CN115169993B/zh
Publication of CN115169993A publication Critical patent/CN115169993A/zh
Application granted granted Critical
Publication of CN115169993B publication Critical patent/CN115169993B/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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (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)

Abstract

本发明公开了一种产品的生产调度方法、设备及计算机可读存储介质，涉及生产调度领域。本发明生成产品生产序列时不局限于一种重排策略，设置的每种重排策略都有可能被作为生成衍生生产序列的重排方式。基于各重排策略重排的衍生生产序列的评价值来调整各重排策略的权重或者调整被选中作为生成衍生生产序列的重排方式的概率。从使得越有利于得到更优生产序列的重排策略越有机会参与生成序列的重排中。因此，本发明实现了多种重排策略的结合使用，避免了陷入局部最优或者收敛过慢的问题，从而更好的满足了实际生产需求。

Description

产品的生产调度方法、设备及计算机可读存储介质
技术领域
本发明涉及生产调度领域，尤其涉及一种产品的生产调度方法、设备及计算机可读存储介质。
背景技术
目前在解决生产调度最优化的问题时通常会使用启发式算法来寻找最优解，例如局部邻域搜索算法 （Local Neighborhood Search）和大邻域搜索（Large NeighborhoodSearch）算法等，而不同算法的寻优策略有其自身的特点，如部分寻优策略很容只得到局部最优解，而也有分寻优策略很容陷入收敛过慢的问题，因此，目前常用启发式算法的寻优策略均不能很好的满足实际生产的需求。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种产品的生产调度方法、设备及可读存储介质，旨在目前常用启发式算法的寻优策略均不能很好的满足实际生产的需求的技术问题。
为实现上述目的，本发明提供一种产品的生产调度方法，所述产品的生产调度方法包括以下步骤：
基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略；
将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；
根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；
若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；
若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列，以对产品的生产进行调度。
进一步的，所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤包括：
对所述预设重排策略集中各重排策略对应的权重进行归一化处理得到每个所述重排策略被选中的概率，其中，所述预设重排策略集包括局部邻域类重排策略和大邻域类重排策略，所述大邻域类重排策略的初始权重大于所述局部邻域类重排策略的初始权重；
基于轮盘赌算法和各所述重排策略被选中的概率随机选择所述预设数量的所述重排策略得到所述选中重排策略。
进一步的，所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤包括：
将最大的第一评价值与所述第二评价值进行比较；
若所述最大的第一评价值大于所述第二评价值，则将所述最大的第一评价值对应的所述衍生生产序列作为新的所述当前最佳生产序列，以对所述当前最佳生产序列进行更新；
若所述最大的第一评价值小于或者等于所述第二评价值，则所述当前最佳生产序列不变。
进一步的，所述则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新的步骤包括：
根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值；
根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重，以对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新。
进一步的，所述得分值包括第一预设分值、第二预设分值、第三预设分值和第四预设分值，所述根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值的步骤包括：
若所述第一评价值大于所述第二评价值且所述第一评价值为最大的第一评价值，则所述第一评价值对应的所述选中重排策略的得分值为所述第一预设分值；
若所述第一评价值大于所述第二评价值且所述第一评价值不为所述最大的第一评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第二预设分值；
若所述第一评价值等于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第三预设分值；
若所述第一评价值小于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第四预设分值；
其中，所述第一预设分值、所述第二预设分值、所述第三预设分值和所述第四预设分值依次减小，所述第四预设分值小于零，所述第三预设分值大于或者等于零。
进一步的，根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重的步骤包括：
将所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值输入至预设权重更新公式得到所述选中重排策略的新的权重值；
其中，所述预设权重更新公式为：
Wi新=max{θ·Wi当+（1-θ）·gi，Wmin}
式中，Wi当为第i个选中重排策略的当前权重，θ为预设权重反应参数，gi为第i个选中重排策略的得分值，Wmin为最小基本权重，Wi新为第i个选中重排策略的新的权重。
进一步的，在所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤之前，所述方法包括：
基于预设评价规则对各所述衍生生产序列进行评价得到各所述衍生生产序列对应的所述第一评价值。
进一步的，在所述将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列的步骤之前，所述方法包括：
若当前所述产品生产不存在所述当前最佳生产序列，则基于所述产品生产的当前订单信息生成初始生产序列；
将所述初始生产序列作为所述当前最佳生产序列。
此外，为实现上述目的，本发明还提供一种产品的生产调度设备，所述产品的生产调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的产品的生产调度程序，所述产品的生产调度程序被所述处理器执行时实现如上述的产品的生产调度方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有产品的生产调度程序，所述产品的生产调度程序被处理器执行时实现如上述的产品的生产调度方法的步骤。
本发明实施例提出的一种产品的生产调度方法，基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略；将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列，以对产品的生产进行调度。即本发明生成产品的生产序列将不局限于一种重排策略，设置的每种重排策略都有可能被作为生成衍生生产序列的重排方式。基于各重排策略重排的衍生生产序列的评价值来调整各重排策略的权重或者调整被选中作为生成衍生生产序列的重排方式的概率。从使得越有利于得到更优生产序列的重排策略越有机会参与生成序列的重排中。因此，本发明实现了多种重排策略的结合使用，避免了陷入局部最优或者收敛过慢的问题，从而更好的满足了实际生产需求。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为产品的生产调度方法中第一实施例的流程示意图；
图3为产品的生产调度方法中第二实施例的流程示意图；
图4为产品的生产调度方法中一加工生产场景示意图；
图5为产品的生产调度方法中重排策略随机交换的示意图；
图6为产品的生产调度方法中重排策略单点随机插入的示意图；
图7为产品的生产调度方法中重排策略片段倒序的示意图；
图8为产品的生产调度方法中重排策略片段随机插入的示意图；
图9为产品的生产调度方法中破坏算子随机移除的示意图；
图10为产品的生产调度方法中破坏算子随机移除挤压的示意图；
图11为产品的生产调度方法中破坏算子片段移除挤压的示意图；
图12为产品的生产调度方法中修复算子随机分配的示意图；
图13为产品的生产调度方法中修复算子序列中随机插入的示意图；
图14为产品的生产调度方法中修复算子序列末尾随机插入的示意图；
图15为产品的生产调度方法中轮盘赌算法的选择过程示意图；
图16为产品的生产调度方法的效果比对表。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例设备可以是自动化生产设备，也可以是智能手机、PC、便携计算机等具有数据接收、数据处理以及数据发送功能的电子终端设备。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，设备还可以包括摄像头、RF（Radio Frequency，射频）电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等；当然，移动设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的设备结构并不构成对终设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及产品的生产调度程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端（用户端），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的产品的生产调度程序，并执行以下操作：
基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略；
将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；
根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；
若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；
若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列，以对产品的生产进行调度。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤包括：
对所述预设重排策略集中各重排策略对应的权重进行归一化处理得到每个所述重排策略被选中的概率，其中，所述预设重排策略集包括局部邻域类重排策略和大邻域类重排策略，所述大邻域类重排策略的初始权重大于所述局部邻域类重排策略的初始权重；
基于轮盘赌算法和各所述重排策略被选中的概率随机选择所述预设数量的所述重排策略得到所述选中重排策略。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤包括：
将最大的第一评价值与所述第二评价值进行比较；
若所述最大的第一评价值大于所述第二评价值，则将所述最大的第一评价值对应的所述衍生生产序列作为新的所述当前最佳生产序列，以对所述当前最佳生产序列进行更新；
若所述最大的第一评价值小于或者等于所述第二评价值，则所述当前最佳生产序列不变。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
所述则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新的步骤包括：
根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值；
根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重，以对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
所述得分值包括第一预设分值、第二预设分值、第三预设分值和第四预设分值，所述根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值的步骤包括：
若所述第一评价值大于所述第二评价值且所述第一评价值为最大的第一评价值，则所述第一评价值对应的所述选中重排策略的得分值为所述第一预设分值；
若所述第一评价值大于所述第二评价值且所述第一评价值不为所述最大的第一评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第二预设分值；
若所述第一评价值等于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第三预设分值；
若所述第一评价值小于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第四预设分值；
其中，所述第一预设分值、所述第二预设分值、所述第三预设分值和所述第四预设分值依次减小，所述第四预设分值小于零，所述第三预设分值大于或者等于零。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重的步骤包括：
将所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值输入至预设权重更新公式得到所述选中重排策略的新的权重值；
其中，所述预设权重更新公式为：
Wi新=max{θ·Wi当+（1-θ）·gi，Wmin}
式中，Wi当为第i个选中重排策略的当前权重，θ为预设权重反应参数，gi为第i个选中重排策略的得分值，Wmin为最小基本权重，Wi新为第i个选中重排策略的新的权重。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
在所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤之前，所述方法包括：
基于预设评价规则对各所述衍生生产序列进行评价得到各所述衍生生产序列对应的所述第一评价值。
进一步地，处理器1001可以调用存储器1005中存储的产品的生产调度程序，还执行以下操作：
在所述将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列的步骤之前，所述方法包括：
若当前所述产品生产不存在所述当前最佳生产序列，则基于所述产品生产的当前订单信息生成初始生产序列；
将所述初始生产序列作为所述当前最佳生产序列。
参照图2，本发明产品的生产调度方法的第一实施例，所述产品的生产调度方法包括：
步骤S10，基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略；
在本实施例中，上述产品的生产调度方法可应用于半导体制造场景，如晶圆的制造和包装等，此外，也可用于其他产品或者零件的制造、加工或者包装等生产过程。在实际生产过程中，产品的生产规划通常与该产品的产品订单是相关联的，如订单中可以包括一个或者多个需要生产的产品，故产品的生产调度实际上也是该产品订单的生产调度，且在通常情况下一个订单中的产品通常是同类产品，不同订单中的产品可以相同也可以不同，故为准确的说明本实施例中的生产场景，在后续过程中将使用订单生产序列来体现产品生产序列。订单生产序列可以用一组具有顺序的订单号表示。如可参照图4，一加工生产场景示意图，包括设备1至设备4，订单的生产序列为1、2、3、4、8、5、6，开始加工生产时，将基于生产序列将订单1、订单2、订单3、订单4分别对应在设备1至设备4上进行加工生产，且在加工生产一段时间后，设备4上的订单4加工生产完成，设备4继续进行订单8的加工生产。由于不同产品在不同类型的生产设备上生产效率不同，且不同订单的产品数量也可能存在不同，因此，加大了订单生产序列的排程难度。上述预设重排策略集中的各重排策略是指变动订单号前后的顺序的变动方式，即改变生产序列的变动方式，例如，随机交换、单点随机插入等，可包括局部或者全局重排策略。具体的重排策略此处不再赘述，可由技术人员根据实际需求设置。而需要说明的是，每个重排策略均有其对应的初始权重，且各重排策略的初始权重可设置为相同，也可设置为不同。对重排策略进行选择时各重排策略被选中的概率与该重排策略对应的权重成正比，即权重越大该重排策略被选中的概率也就越大。在重排策略集中选择预设数量的重排策略，将被选中的重排策略作为上述选中重排策略。此外，预设数量具体的值可由技术人员自由设置，也可基于应用所述产品的生产调度方法的设备的硬件的进制属性决定，例如该设备为计算机且该计算机的进制为16，则可将上述预设数量设置为16。
进一步的，在所述将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列的步骤之前，所述方法包括：若当前所述产品生产不存在所述当前最佳生产序列，则基于所述产品生产的当前订单信息生成初始生产序列；将所述初始生产序列作为所述当前最佳生产序列。
具体的，在基于当前最佳生产序列衍生出衍生生产序列之前，需要确保此时产品订单生产存在当前最佳生产序列。可理解的是，在本发明方法实施的初期，产品订单生产是未配置生产序列的，因此，也不存对应的当前最佳生产序列。在此情况下，可根据该产品生产的当前订单信息随机生成初始生产序列，例如订单信息可以包括订单号，例如订单1、订单2、订单3、......、订单n，将各定订单号随机排序得到初始的生产序列，再将初始生产序列作为开始时的当前最佳生产序列，以便可进行衍生得到衍生生产序列。
步骤S20，将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；
具体的，上述得到的各选中重排策略可以存在相同重排策略，也可以均是不同的重排策略，由选择重排策略时的方式决定。对当前生产序列使用每种选中重排策略进行一次重排，如上述预设数量为16，则有16个选中重排策略，对应的则会分别对当前最佳生产序列进行16次重排，并衍生出16个衍生生产序列，每个衍生生产序列则代表一种订单的生产顺序。
步骤S30，根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；
进一步的，在所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤之前，所述方法包括：基于预设评价规则对各所述衍生生产序列进行评价得到各所述衍生生产序列对应的所述第一评价值。
具体的，根据预设评价规则对每个衍生生产序列进行评价得到对应的第一评价值。而预设评价规则可由技术人员根据自身生产续求来设置，例如生产设备的利用率、订单完成总时长、订单是否超期（在实际生产过程中每个订单需要在预定的期限内完成）、设备的切换次数（不同订单的产品类型可能不同，若完成一个订单后继续下一个订单时，由于产品类型不同设备的生产方式则可能需要切换）等。其中订单是不超期为硬性约束（即对于超期的衍生生产序列的第一评价值直接做负无穷大处理）。对于得到的衍生生产序列可以通过模拟计算的方式还原按照衍生生产序列进行生产的过程，并得到该衍生生产序列具体的表现情况，或者可以判断该衍生生产序列是否符合预设评价规则，如生产设备利用率高、订单完成总时长短、订单不存在超期以及设备的切换次数少等，都是符合预设评价规则的表现，而越符合评价规则的衍生生产序列对应的第一评价值越高。同样的，如存在16个衍生生产序列，则对应有16个第一评价值。此外，具体评价值的生成方式也可由技术人员自由设置，所述第一评价值可体现衍生生产序列的优劣度即可。
进一步的，将最大的第一评价值与所述第二评价值进行比较；若所述最大的第一评价值大于所述第二评价值，则将所述最大的第一评价值对应的所述衍生生产序列作为新的所述当前最佳生产序列，以对所述当前最佳生产序列进行更新；若所述最大的第一评价值小于或者等于所述第二评价值，则所述当前最佳生产序列不变。
具体的，当前最佳生产序列也存在有对应第二评价值，得到第二评价值与第一评价值评价规则或者评价标准相同（在实际应用过程中当前最佳生产序列是由衍生生产序列得到的，除初始几次的衍生生产序列外，因此，第二评价值通常不需要额外再评价得到），将各第一评价值中的最大的第一评价值与第二评价值进行比较，若最大的第一评价值大于第二评价值，则表示最大的第一评价值所对应的衍生生产序列优于当前最佳生产序列，且将最大的第一评价值所对应的衍生生产序列作为新的当前最佳生产序列，从而实现对当前最佳生产序列的更新。反之，若最大的第一评价值小于或者等于第二评价值，则表示不存在衍生生产序列优于作为衍生基础的当前最佳生产序列，对应的保持当前最佳生产序列不变。
步骤S40，若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；
具体的，每一次对当前最佳生产序列进行衍生得到衍生生产序，都会进行衍生的次数的累计计数得到已衍生次数。预设最大衍生次数越大则最后得到的当前最佳生产序列则越优，对应的所需要消耗的时间也越长。若已衍生次数小于预设最大衍生次数则可继续进行衍生，根据第一评价值对预设重排策略集中各选中重排策略对应的权重进行更新，其中，更新后的权重大小与第一评价值的大小成正比，即第一评价值越大，则预设重排策略集中该第一评价值所对应的选中重排策略的权重也越大。
进一步的，根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值；根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重，以对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新。
进一步的，所述得分值包括第一预设分值、第二预设分值、第三预设分值和第四预设分值，若所述第一评价值大于所述第二评价值且所述第一评价值为最大的第一评价值，则所述第一评价值对应的所述选中重排策略的得分值为所述第一预设分值；若所述第一评价值大于所述第二评价值且所述第一评价值不为所述最大的第一评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第二预设分值；若所述第一评价值等于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第三预设分值；若所述第一评价值小于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第四预设分值；其中，所述第一预设分值、所述第二预设分值、所述第三预设分值和所述第四预设分值依次减小，所述第四预设分值小于零，所述第三预设分值大于或者等于零。
具体的，通过第一评价值与第二评价值之间的大小关系生成该第一评价值对应的选中重排策略的得分值。得分值可包括第一预设分值、第二预设分值、第三预设分值和第四预设分值。且第一预设分值、第二预设分值、第三预设分值和第四预设分值依次减小，第四预设分值小于零，第三预设分值大于或者等于零。若第一评价值大于第二评价值，且该第一评价值为各第一评价值中最大，则该第一评价值对应的选中重排策略的得分值为第一预设分值。若第一评价值大于第二评价值，且该第一评价值不为各第一评价值中最大，则第一评价值对应的选中重排策略的得分值为第二预设分值。若第一评价值等于第二评价值，则该第一评价值对应的选中重排策略的得分值为第三预设分值。若第一评价值小于第二评价值，则该第一评价值对应的选中重排策略的得分值为第四预设分值。具体也可参考下列公式：
Figure 268621DEST_PATH_IMAGE001
式中，δ1为第一预设分值、δ2为第一预设分值、δ3为第一预设分值、δ4为第一预设分值、gi为第i个第一评价值对应的选中重排策略的得分值、Vi为第i个第一评价值、V*为第二评分值、T为第一评价值的数量（与上述预设数量相同）、max{Vk}为各第一评价值中最大的评价值、Vk为第k个第一评价值。其中，第一预设分值δ1可设置为3、第二预设分值δ2可设置为2、第三预设分值δ3可设置为1、第四预设分值δ4可设置为-1。
进一步的，将所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值输入至预设权重更新公式得到所述选中重排策略的新的权重值；其中，所述预设权重更新公式为：
Wi新=max{θ·Wi当+（1-θ）·gi，Wmin}
式中，Wi当为第i个选中重排策略的当前权重，θ为预设权重反应参数，gi为第i个选中重排策略的得分值，Wmin为最小基本权重，Wi新为第i个选中重排策略的新的权重。其中，θ可设置为0.8。
具体的，根据上述预设权重更新公式可知，上述选中重排策略的得分值越大则该选中重排策略的更新后权重也越大。此外，需要说明的时，为避免预设重排策略集中重排策略的权重过小而导致该重排策略几乎不被选中。上述进行权重更新时设置了最小基本权重Wmin，即每个重排策略的权重不会小于Wmin。对权重进行更新后，继续执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤。可以理解的是，当权重被更新后，对应在选择重排策略时各重排策略被选中的概率也在发生变化，例如，第一评价值越高的衍生生产序列所述使用的重排策略（对应的选中重排策略）则越有利于寻找的更优生产序列，则该重排策略的权重也高，对应的在进行选择时，该重排策略被选中作为选中重排参与衍生的概率也就越，使得衍生得到的衍生生产序列越有可能优于当前最佳生产序列（即产生更优的生产序列）。
步骤S50，若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列，以对产品的生产进行调度。
具体的，已衍生次数等于预设最大衍生次数，则可以将当前最佳生产序列输出，生成此时各订单的生产序列或者生产顺序，从而指导或者作为产品的生产调度的依据。
在本实施例中，基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略；将各所述选中重排策略分别作用于产品订单生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列。本发明生成产品的生产序列时将不局限于一种重排策略，设置的每种重排策略都有可能被作为生成衍生生产序列的重排方式。基于各重排策略重排的衍生生产序列的评价值来调整各重排策略的权重或者调整被选中作为生成衍生生产序列的重排方式的概率。从使得越有利于得到更优生产序列的重排策略越有机会参与生成序列的重排中。因此，本发明实现了多种重排策略的结合使用，避免了陷入局部最优或者收敛过慢的问题，从而更好的满足了实际生产需求。
进一步的，参照图3，基于本发明产品的生产调度方法的第一实施例提出本发明产品的生产调度方法的第二实施例。
所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤包括
步骤S101，对所述预设重排策略集中各重排策略对应的权重进行归一化处理得到每个所述重排策略被选中的概率，其中，所述预设重排策略集包括局部邻域类重排策略和大邻域类重排策略，所述大邻域类重排策略的初始权重大于所述局部邻域类重排策略的初始权重；
具体的，在本实施例中，预设重排策略集可分为两类，一类是局部邻域类重排策略，另一类是大邻域类重排策略。其中，局部邻域类重排策略旨在保持原序列大部分信息不变，寻找更优的序列。可以包括：随机交换（参照图5，图5中各数字表示订单号，各订单号的排列顺序即为生产序列，后续图6至图14中数字表示含义相同，后续将不再赘述）、单点随机插入（参照图6）、片段倒序（参照图7）和片段随机插入（参照图8）。而大邻域类重排策略可分为破坏和修复两步，破坏算子将原序列的部分去除，得到残缺的序列，而修复算子根据残缺的序列补充回完整的序列。常用的破坏算子有：随机移除（参照图9）、随机移除挤压（参照图10）和片段移除挤压（参照图11）等。随机移除保留了移除前的位置信息，空缺位置为移除点的位置；挤压则将序列按顺序排序了一次，空缺位置为序列末尾。而常用的修复算子有：随机分配（参照图12）和随机插入，随机插入有可分为序列中随机插入（参照图13）和序列末尾随机插入（参照图14），一种破坏算子和一种修复算子即可组合成一个大邻域类重排策略。由于在生产序列的衍生初期，大邻域类重排策略相比于局部邻域类重排策略更容易找到更优的生产序列，因此，大邻域类重排策略的初始权重将大于上述局部邻域类重排策略的初始权重。此外，预设重排策略集中的重排策略可由技术人员自由选择，此处不再赘述。
为方便的确定每种重排策略被选中的概率，可对重排策略的权重进行归一化处理得到重排策略被选中的概率Pi。具体概率Pi的计算公式为：
Figure 850781DEST_PATH_IMAGE002
式中，Pi为第i种重排策略被选中的概率值，Wi为第i种重排策略的权重，T为预设数量（需要选择的重排策略的数量），Wk为第k种重排策略的权重。
步骤S102，基于轮盘赌算法和各所述重排策略被选中的概率随机选择所述预设数量的所述重排策略得到所述选中重排策略。
具体的，将Pi按顺序排列，并根据Pi的值确定重排策略ψi（第i种重排策略）对应的概率区间，具体公式如下：
Figure 789787DEST_PATH_IMAGE003
式中，ψi为第i种重排策略，Pk为第i种重排策略被选中的概率值，T为预设数量（需要选择的重排策略的数量）。
生成T个0~1的随机数，根据随机数落入概率区间的情况得到T个重排策略（完成重排策略的选择）。具体可参照图15，图15为轮盘赌算法的选择过程示意图，如图15所示存在ψ1至ψ6的重排策略，且权重分别对应为W1至W6，对各权重进行归一化处理分别得到各重排策略的概率区间P1至P6，如ψ1对应的概率区间为P1，随机生成6个取值范围为0至1的随机数（相当于需要选出6个重排策略），其中，有两个随机数落入P1的区间，有两个随机数落入P2的区间，有两个随机数落入P3的区间。因此，选出的六个重排策略分别是两个ψ1、两个ψ2和两个ψ3，对应的上述选中重排策略为ψ1、ψ1、ψ2、ψ2、ψ3、ψ3。
在本实施例中，本发明对各重排策略的权重进行归一化处理并使用轮盘赌算法使得每种重排策略被选中的概率与其权重大小相关。
此外，还提出本发明产品的生产调度方法的一实施场景。
以某封测厂芯片贴装区域为例，该区域中当前包含394个订单和61个设备，其中所有订单包括已经在设备上加工中的订单和等待加工的订单，共有45种客户类型和72种包装方式；设备共有8种类型；不同客户类型和包装方式在不同类型的设备上有不同的产能；设备在完成一个订单后切换下一个订单时，如果两个订单的客户类型或者包装方式不同，需要有一定的时间进行设备生产方式切换；每一个订单均有其最迟完成时间。
产品生产的生产序列排程目标是，在满足所有订单不超期的情况下，尽量少因客户类型变换和包装方式变换导致设备生产方式切换。
具体的重排策略可采用以下设定：
选择随机交换、单点随机插入、片段倒序和片段随机插入4种局部邻域类重排策略，加上随机移除、随机移除挤压和片段移除挤压三个破坏算子和随机分配和随机插入两个修复算子的两两组合的6种大邻域类重排策略，共10种重排策略；赋予局部邻域类重排策略的初始权重均为1而大邻域类重排策略的初始权重均为3；设置权重更新公式中的反应参数θ=0.8，策略得分δ1=3、δ2=2、δ3=1、δ4=-1，Wmin=0.5；设置衍生次数1000及群体个数为6。此外，在排程衍生出新的生产序列时，定义一插入规则来满足所有订单不超期的硬性规则，规则具体实现为：当订单最迟完成时间与当前时间只差小于1天时，将订单提前至最前优先排程。
而用于与本发明的对比，目前使用多重排序作为对照结果，多重排序规则如下：当订单最迟完成时间与当前时间只差小于1天时优先；订单中产品数量大于50000优先；相同客户类型优先；相同包装类型优先；订单产品数量大者优先。
使用两种方法得到的最佳生产序列的效果分别为（可参照图16，效果比对表）：
本发明：超期个数0；设备利用率95.86%；切换客户类型次数76；切换包装方式次数106。多重排序：超期个数0；设备利用率94.92%；切换客户类型次数93；切换包装方式次数217。显然本发明的产品的生产调度方法更优于多重排序。
此外，本发明实施例还提出一种产品的生产调度设备，所述产品的生产调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的产品的生产调度程序，所述产品的生产调度程序被所述处理器执行时实现如上述的产品的生产调度方法的步骤。
本发明产品的生产调度设备的具体实施方式与上述产品的生产调度新方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有产品的生产调度程序，所述产品的生产调度程序被处理器执行时实现如上述的产品的生产调度方法的步骤。
本发明可读存储介质具体实施方式与上述产品的生产调度方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，自动化生产设备，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种产品的生产调度方法，其特征在于，所述产品的生产调度方法包括以下步骤：
基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略，其中，所述重排策略被选中作为所述选中重排策略的概率与权重成正比；
将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列；
根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新；
若所述衍生的已衍生次数小于预设最大衍生次数，则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新，并执行所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤；
若所述衍生的已衍生次数等于预设最大衍生次数，则输出所述当前最佳生产序列，以对产品的生产进行调度。
2.如权利要求1所述的产品的生产调度方法，其特征在于，所述基于预设重排策略集中各重排策略的权重选择预设数量的所述重排策略得到选中重排策略的步骤包括：
对所述预设重排策略集中各重排策略对应的权重进行归一化处理得到每个所述重排策略被选中的概率，其中，所述预设重排策略集包括局部邻域类重排策略和大邻域类重排策略，所述大邻域类重排策略的初始权重大于所述局部邻域类重排策略的初始权重；
基于轮盘赌算法和各所述重排策略被选中的概率随机选择所述预设数量的所述重排策略得到所述选中重排策略。
3.如权利要求1所述的产品的生产调度方法，其特征在于，所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤包括：
将最大的第一评价值与所述第二评价值进行比较；
若所述最大的第一评价值大于所述第二评价值，则将所述最大的第一评价值对应的所述衍生生产序列作为新的所述当前最佳生产序列，以对所述当前最佳生产序列进行更新；
若所述最大的第一评价值小于或者等于所述第二评价值，则所述当前最佳生产序列不变。
4.如权利要求1所述的产品的生产调度方法，其特征在于，所述则基于各所述第一评价值对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新的步骤包括：
根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值；
根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重，以对所述预设重排策略集中各所述选中重排策略对应的所述权重进行更新。
5.如权利要求4所述的产品的生产调度方法，其特征在于，所述得分值包括第一预设分值、第二预设分值、第三预设分值和第四预设分值，所述根据所述第一评价值与所述第二评价值之间的大小关系生成所述第一评价值对应的所述选中重排策略的得分值的步骤包括：
若所述第一评价值大于所述第二评价值且所述第一评价值为最大的第一评价值，则所述第一评价值对应的所述选中重排策略的得分值为所述第一预设分值；
若所述第一评价值大于所述第二评价值且所述第一评价值不为所述最大的第一评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第二预设分值；
若所述第一评价值等于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第三预设分值；
若所述第一评价值小于所述第二评价值，则所述第一评价值对应的所述选中重排策略的分值为所述第四预设分值；
其中，所述第一预设分值、所述第二预设分值、所述第三预设分值和所述第四预设分值依次减小，所述第四预设分值小于零，所述第三预设分值大于或者等于零。
6.如权利要求4所述的产品的生产调度方法，其特征在于，根据所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值生成所述选中重排策略的新的权重的步骤包括：
将所述选中重排策略的当前权重、预设权重反应参数以及所述选中重排策略的所述得分值输入至预设权重更新公式得到所述选中重排策略的新的权重值；
其中，所述预设权重更新公式为：
Wi新=max{θ·Wi当+（1-θ）·gi，Wmin}
式中，Wi当为第i个选中重排策略的当前权重，θ为预设权重反应参数，gi为第i个选中重排策略的得分值，Wmin为最小基本权重，Wi新为第i个选中重排策略的新的权重。
7.如权利要求1所述的产品的生产调度方法，其特征在于，在所述根据各所述衍生生产序列的第一评价值与所述当前最佳生产序列的第二评价值之间的大小关系对所述当前最佳生产序列进行更新的步骤之前，所述方法包括：
基于预设评价规则对各所述衍生生产序列进行评价得到各所述衍生生产序列对应的所述第一评价值。
8.如权利要求1所述的产品的生产调度方法，其特征在于，在所述将各所述选中重排策略分别作用于产品生产的当前最佳生产序列衍生得到所述预设数量的衍生生产序列的步骤之前，所述方法包括：
若当前所述产品生产不存在所述当前最佳生产序列，则基于所述产品生产的当前订单信息生成初始生产序列；
将所述初始生产序列作为所述当前最佳生产序列。
9.一种产品的生产调度设备，其特征在于，所述产品的生产调度设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的产品的生产调度程序，所述产品的生产调度程序被所述处理器执行时实现如权利要求1至8中任一项所述的产品的生产调度方法的步骤。
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上存储有产品的生产调度程序，所述产品的生产调度程序被处理器执行时实现如权利要求1至8中任一项所述的产品的生产调度方法的步骤。
CN202211075905.6A 2022-09-05 2022-09-05 产品的生产调度方法、设备及计算机可读存储介质 Active CN115169993B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211075905.6A CN115169993B (zh) 2022-09-05 2022-09-05 产品的生产调度方法、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211075905.6A CN115169993B (zh) 2022-09-05 2022-09-05 产品的生产调度方法、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN115169993A CN115169993A (zh) 2022-10-11
CN115169993B true CN115169993B (zh) 2022-12-13

Family

ID=83480507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211075905.6A Active CN115169993B (zh) 2022-09-05 2022-09-05 产品的生产调度方法、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115169993B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667194A (zh) * 2020-06-15 2020-09-15 绍兴数智科技有限公司 适用于印染企业的生产调度方法、装置及电子设备
CN114841500A (zh) * 2022-03-15 2022-08-02 合肥工业大学 基于贪婪的自适应退火合同网算法的卫星任务规划方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060143061A1 (en) * 2004-12-29 2006-06-29 Microsoft Corporation MultiPass scheduling system
US20080040173A1 (en) * 2006-03-27 2008-02-14 Accenture Global Services,Gmbh Merger integration toolkit system and method for secure navigation hierarchy and workflow functionality
CN112446526B (zh) * 2019-09-05 2024-03-12 美商讯能集思智能科技股份有限公司台湾分公司 生产排程系统及方法
CN112766780A (zh) * 2021-01-27 2021-05-07 像心科技(上海)有限公司 一种基于大数据机器学习的高级计划排程系统及方法
CN113159383B (zh) * 2021-03-22 2023-09-01 重庆大学 一种面向多机协作加工车间的制造资源重构调度方法及系统
CN114118799A (zh) * 2021-11-26 2022-03-01 河南辉之宇大数据有限公司 一种基于虚拟工序的遗传算法车间排产方法
CN114462772A (zh) * 2021-12-27 2022-05-10 埃克斯工业(广东)有限公司 半导体制造排产方法、系统以及计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667194A (zh) * 2020-06-15 2020-09-15 绍兴数智科技有限公司 适用于印染企业的生产调度方法、装置及电子设备
CN114841500A (zh) * 2022-03-15 2022-08-02 合肥工业大学 基于贪婪的自适应退火合同网算法的卫星任务规划方法

Also Published As

Publication number Publication date
CN115169993A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN109074055B (zh) 作业辅助装置、作业辅助方法以及存储作业辅助程序的计算机可读取存储介质
CN108427698A (zh) 预测模型的更新装置、方法及计算机可读存储介质
CN108898171B (zh) 图像识别处理方法、系统及计算机可读存储介质
US20210312295A1 (en) Information processing method, information processing device, and information processing program
CN113723613B (zh) 对量子电路进行模拟的方法及装置
CN115249315B (zh) 面向异构计算设备的深度学习图像分类方法及装置
Park et al. Scalable scheduling of semiconductor packaging facilities using deep reinforcement learning
CN114444963A (zh) 货物库存管理系统的控制方法、货物库存管理设备及介质
Chung et al. Setup change scheduling for semiconductor packaging facilities using a genetic algorithm with an operator recommender
CN113592203A (zh) 一种压力传感器生产作业调度的智能优化方法及系统
US20210294281A1 (en) Information processing apparatus and information processing method
CN115169993B (zh) 产品的生产调度方法、设备及计算机可读存储介质
JP2010056367A (ja) 半導体製造装置
CN113159188B (zh) 用于图像分类的模型生成方法、装置、设备及存储介质
CN112199407B (zh) 一种数据分组排序方法、装置、设备及存储介质
US20100293127A1 (en) Controlled Constraint Sharing in Parallel Problem Solvers
WO2020054521A1 (ja) 情報処理装置、情報処理方法及びプログラム
CN106054689A (zh) 数据处理系统及其控制方法
US10496081B2 (en) Method for fulfilling demands in a plan
CN114418458A (zh) 基于数字孪生DaaS平台的工艺调参方法
JP2013030019A (ja) 生産計画立案装置、生産計画立案方法および生産計画立案プログラム
CN114819778A (zh) 进入工艺流程时机生成方法、装置、设备及可读存储介质
CN107256458A (zh) 一种多处理器片上系统的性能良品率优化方法和装置
KR20190048762A (ko) Ｚ－함수를 이용한 순위패턴매칭과 순위다중패턴매칭 병렬 계산 방법
CN106371408B (zh) 一种生产工艺流程建模系统及方法

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
CP03 Change of name, title or address

Address after: 401,121 Building 4, No. 101, Zizhu Road, Liangjiang New District, Yubei District, Chongqing

Patentee after: Ax Industries Ltd.

Address before: 518000 room 701, building 6, Shenzhen Bay science and technology ecological park, no.6, Gaoxin South 9th Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Exxon industries (Guangdong) Co.,Ltd.

CP03 Change of name, title or address