CN115879782B - 一种基于物联网的生产供应链监测管理系统及方法 - Google Patents
一种基于物联网的生产供应链监测管理系统及方法 Download PDFInfo
- Publication number
- CN115879782B CN115879782B CN202310009674.7A CN202310009674A CN115879782B CN 115879782 B CN115879782 B CN 115879782B CN 202310009674 A CN202310009674 A CN 202310009674A CN 115879782 B CN115879782 B CN 115879782B
- Authority
- CN
- China
- Prior art keywords
- assembly
- target product
- component
- sequence
- waiting 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.)
- Active
Links
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及生产供应链监测管理技术领域,具体为一种基于物联网的生产供应链监测管理系统及方法。所述系统包括数据获取模块、分析处理模块、组装序列划分模型构建分析模块、资源调配模型构建分析模块、资源调配预警模块;所述数据获取模块的输出端与所述分析处理模块的输入端相连接;所述分析处理模块的输出端与所述组装序列划分模型构建分析模块的输入端相连接;所述组装序列划分模型构建分析模块的输出端与所述资源调配模型构建分析模块的输入端相连接;所述资源调配模型构建分析模块的输出端与所述资源调配预警模块的输入端相连接。本发明还提供了一种基于物联网的生产供应链监测管理方法,用于具体分析生产供应链的资源调配问题。
Description
技术领域
本发明涉及生产供应链监测管理技术领域,具体为一种基于物联网的生产供应链监测管理系统及方法。
背景技术
供应链是指生产及流通过程中,涉及将产品或服务提供给最终用户活动的上游与下游企业所形成的网链结构,即将产品从商家送到消费者手中整个链条,其基本结构包括供应商、厂家、分销企业、零售企业和消费者。其中,生产厂家在生产商品时会存在一条生产供应链,由于商品的各种原材料到达生产厂家的时间不同可能导致商品的各种组件的计划生产结束时间存在空缺,进而造成在这部分空缺时间内时间成本和人员成本的资源浪费,在现有技术中,还没有提出一种针对这种空缺时间内时间成本和人员成本的资源浪费进行生产供应链资源预警调配提醒,已达到最大化利用时间成本和人员成本的方案。
发明内容
本发明的目的在于提供一种基于物联网的生产供应链监测管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于物联网的生产供应链监测管理方法,所述方法包括以下步骤:
步骤S1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间,根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
步骤S2:基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;
步骤S3:构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;
步骤S4:构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒。
进一步地,所述步骤S1包括:
步骤S1-1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序,记为;其中,分别表示目标产品的第1、2、3、……、n个组件;所述初始组装顺序是指该目标产品的组装说明手册上提供的各组件的组装顺序;
步骤S1-2:获取目标产品各组件的预计生产结束时间,记为;所述预计生产结束时间是根据目标产品各组件到达厂家的时间和计划生产结束时间确定的;
步骤S1-3:根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,分别为、、……、;所述各相邻组件的等待时间差值是指相邻两个组件在生产计划中由于计划生产结束时间不同而产生的差值,例如组件的预计生产结束时间为下午5时,组件的预计生产结束时间为上午10时,那么组件和的个小时;
步骤S1-4:选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;其中,分别表示目标产品的等待时间差值集中第1、2、……、k个大于零的等待时间差值。
在上述技术方案中,判断目标产品各部件能否进行可逆组装的首要条件是相邻两个组件之间存在等待时间差值,且等待时间差值大于零,因为后一个组件只有在前一个组件之前生产结束,才能考虑是否可以进行可逆组装,若前一个组件比后一个组件先生产结束那么就可以直接按照初始组装顺序进行组装。
进一步地,所述步骤S2包括:
基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,记为;其中,分别表示同类目标产品的各组件进行可逆组装的第1、2、3、……、m个历史组装变动影响总时间;计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;其中,表示同类目标产品的各组件进行可逆组装的第j个历史组装变动影响总时间。
进一步地,所述步骤S3包括:
步骤S3-1:构建组装序列划分模型;
步骤S3-2:选取第一个等待时间差值所在位置的第一个组件;计算第一个等待时间差值所在位置的第一个组件ab的后续组件进行可逆组装的次数阈值;其中,为正整数;确定第一个等待时间差值所在位置的最后一个组件为,生成序列X0=[、……、];
步骤3-3:若序列X0存在不可逆组件,按照组件初始安装顺序获取序列X0内除外的所有不可逆组件,选取安装最靠前的组件,记为;则新序列X1=[、……、];其中,表示组件的前一个组件;若序列X0不存在不可逆组件,则新序列X1=[、……、];
步骤3-4:若序列X0存在任意一个组件的预计生产结束时间大于第一个等待时间差值;按照组件初始安装顺序获取序列X0内预计生产结束时间大于第一个等待时间差值的所有组件,选取安装最靠前的组件,记为;若,则新序列X1=[、……、];若,则新序列X1=[、……、];其中,表示组件的前一个组件;若序列X0不存在任意一个组件的预计生产结束时间大于第一个等待时间差值;则新序列X1=[、……、];
步骤3-5:得到在新序列X1下进行组装变动的次数为i-b-1;得到在新序列X1下进行组装变动节省的时间为其中,i表示新序列X1中的最后一个组件的序号;
步骤3-6:获取组件序号大于i且其对应的等待时间差值处于所述目标产品的等待时间差值集内的所有组件,按照组件初始组装顺序选取第一个组件,作为下一个组装序列的第一个组件;直至无法在等待时间差值内选取到新的组件生成下一个组装序列,结束组装序列划分;
步骤3-7:分别获取所有组装序列下进行组装变动的次数和节省时间,计算所有组装序列下进行组装变动的总次数p和进行组装变动节省的总时间q。
进一步地,所述步骤S4包括:
步骤S4-1:构建资源调配模型:;其中,表示目标产品调配资源的差值;表示在组装变动节省的总时间下调配资源的影响系数;表示在进行组装变动的总次数下调配资源的影响系数;
步骤S4-2:设置资源变化监测阈值;当时,对生产供应链资源进行调配预警提醒。
一种基于物联网的生产供应链监测管理系统,所述系统包括数据获取模块、分析处理模块、组装序列划分模型构建分析模块、资源调配模型构建分析模块、资源调配预警模块;
所述数据获取模块用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间和基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;所述分析处理模块用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;并计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;所述组装序列划分模型构建分析模块用于构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;所述资源调配模型构建分析模块用于构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒;
所述数据获取模块的输出端与所述分析处理模块的输入端相连接;所述分析处理模块的输出端与所述组装序列划分模型构建分析模块的输入端相连接;所述组装序列划分模型构建分析模块的输出端与所述资源调配模型构建分析模块的输入端相连接;所述资源调配模型构建分析模块的输出端与所述资源调配预警模块的输入端相连接。
进一步地,所述数据获取模块包括生产数据获取单元和历史数据获取单元;
所述生产数据获取单元用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间;
所述历史数据获取单元用于基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;
所述分析处理模块包括生产数据分析单元和历史数据分析单元;
所述生产数据分析单元用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
所述历史数据分析单元用于根据同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值。
进一步地,所述组装序列划分模型构建分析模块包括组装序列划分模型构建单元和第一分析单元;
所述组装序列划分模型构建单元用于构建组装序列划分模型;
所述第一分析单元用于计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间。
进一步地,所述资源调配模型构建分析模块包括资源调配模型构建单元和第二分析单元;
所述资源调配模型构建单元用于构建资源调配模型;
所述第二分析单元用于基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值。
进一步地,所述资源调配预警模块包括阈值设定单元和预警提醒单元;
所述阈值设定单元包括设置资源变化监测阈值;
所述预警提醒单元用于当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒。
与现有技术相比,本发明所达到的有益效果是:本发明通过对目标产品各部件的生产过程进行监测,在前一件组件未生产结束的情况下,对后续组件是否可以进行可逆组装进行判断,当后续组件可以进行可逆组装时,得到出目标产品各组成部件可以进行可逆组装的总次数和进行可逆组装节约的总时间,对目标产品进行可逆组装过程中调配的资源进行分析,以达到最大化利用时间成本和人员成本等资源的效果。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于物联网的生产供应链监测管理系统的结构示意图;
图2是本发明一种基于物联网的生产供应链监测管理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:
一种基于物联网的生产供应链监测管理方法,所述方法包括以下步骤:
步骤S1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间,根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
步骤S2:基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;
步骤S3:构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;
步骤S4:构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒。
进一步地,所述步骤S1包括:
步骤S1-1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序,记为;其中,分别表示目标产品的第1、2、3、……、n个组件;
步骤S1-2:获取目标产品各组件的预计生产结束时间,记为;
步骤S1-3:根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,分别为、、……、;
步骤S1-4:选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;其中,分别表示目标产品的等待时间差值集中第1、2、……、k个大于零的等待时间差值。
进一步地,所述步骤S2包括:
基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,记为;其中,分别表示同类目标产品的各组件进行可逆组装的第1、2、3、……、m个历史组装变动影响总时间;计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;其中,表示同类目标产品的各组件进行可逆组装的第j个历史组装变动影响总时间。
进一步地,所述步骤S3包括:
步骤S3-1:构建组装序列划分模型;
步骤S3-2:选取第一个等待时间差值所在位置的第一个组件;计算第一个等待时间差值所在位置的第一个组件ab的后续组件进行可逆组装的次数阈值;其中,为正整数;确定第一个等待时间差值所在位置的最后一个组件为,生成序列X0=[、……、];
步骤3-3:若序列X0存在不可逆组件,按照组件初始安装顺序获取序列X0内除外的所有不可逆组件,选取安装最靠前的组件,记为;则新序列X1=[、……、];其中,表示组件的前一个组件;若序列X0不存在不可逆组件,则新序列X1=[、……、];
步骤3-4:若序列X0存在任意一个组件的预计生产结束时间大于第一个等待时间差值;按照组件初始安装顺序获取序列X0内预计生产结束时间大于第一个等待时间差值的所有组件,选取安装最靠前的组件,记为;若,则新序列X1=[、……、];若,则新序列X1=[、……、];其中,表示组件的前一个组件;若序列X0不存在任意一个组件的预计生产结束时间大于第一个等待时间差值;则新序列X1=[、……、];
步骤3-5:得到在新序列X1下进行组装变动的次数为i-b-1;得到在新序列X1下进行组装变动节省的时间为其中,i表示新序列X1中的最后一个组件的序号;
步骤3-6:获取组件序号大于i且其对应的等待时间差值处于所述目标产品的等待时间差值集内的所有组件,按照组件初始组装顺序选取第一个组件,作为下一个组装序列的第一个组件;直至无法在等待时间差值内选取到新的组件生成下一个组装序列,结束组装序列划分;
步骤3-7:分别获取所有组装序列下进行组装变动的次数和节省时间,计算所有组装序列下进行组装变动的总次数p和进行组装变动节省的总时间q。
进一步地,所述步骤S4包括:
步骤S4-1:构建资源调配模型:;其中,表示目标产品调配资源的差值;表示在组装变动节省的总时间下调配资源的影响系数;表示在进行组装变动的总次数下调配资源的影响系数;
步骤S4-2:设置资源变化监测阈值;当时,对生产供应链资源进行调配预警提醒。
一种基于物联网的生产供应链监测管理系统,所述系统包括数据获取模块、分析处理模块、组装序列划分模型构建分析模块、资源调配模型构建分析模块、资源调配预警模块;
所述数据获取模块用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间和基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;所述分析处理模块用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;并计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;所述组装序列划分模型构建分析模块用于构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;所述资源调配模型构建分析模块用于构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒;
所述数据获取模块的输出端与所述分析处理模块的输入端相连接;所述分析处理模块的输出端与所述组装序列划分模型构建分析模块的输入端相连接;所述组装序列划分模型构建分析模块的输出端与所述资源调配模型构建分析模块的输入端相连接;所述资源调配模型构建分析模块的输出端与所述资源调配预警模块的输入端相连接。
进一步地,所述数据获取模块包括生产数据获取单元和历史数据获取单元;
所述生产数据获取单元用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间;
所述历史数据获取单元用于基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;
所述分析处理模块包括生产数据分析单元和历史数据分析单元;
所述生产数据分析单元用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
所述历史数据分析单元用于根据同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值。
进一步地,所述组装序列划分模型构建分析模块包括组装序列划分模型构建单元和第一分析单元;
所述组装序列划分模型构建单元用于构建组装序列划分模型;
所述第一分析单元用于计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间。
进一步地,所述资源调配模型构建分析模块包括资源调配模型构建单元和第二分析单元;
所述资源调配模型构建单元用于构建资源调配模型;
所述第二分析单元用于基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值。
进一步地,所述资源调配预警模块包括阈值设定单元和预警提醒单元;
所述阈值设定单元包括设置资源变化监测阈值;
所述预警提醒单元用于当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒。
在本实施例中:
若目标产品的组件的初始组装顺序是;
目标产品的组件的预计生产结束时间,记为;若第1个组件的预计生产结束时间大于第2个组件的预计生产结束时间,即;计算第1个组件与第2个组件的等待时间差值;
若第3个组件的预计生产结束时间小于第2个组件的预计生产结束时间,即,且第3个组件的组装优先级可逆,即第2个组件与第3个组件的组装不影响第2个组件与第1个组件的组装,那么就可以先将与组装再与进行组装;那么组件与组件的组装就是可逆组装,组件之间就产生了组装变动。
若目标产品的组件为a1、a2、a3、a4、a5、a6、a7、a8、a9、a10、a11、a12;
选取第一个等待时间差值所在位置的第一个组件;计算第一个等待时间差值所在位置的第一个组件a1的后续组件进行可逆组装的次数阈值;其中,为正整数;确定第一个等待时间差值所在位置的最后一个组件为,生成序列X0=[、……、];
发现序列X0存在不可逆组件a6和a8;按照组件初始安装顺序获取序列X0内除外的所有不可逆组件,选取安装最靠前的组件,记为;则新序列X1=[];
发现序列X0存在任意一个组件a5的预计生产结束时间大于第一个等待时间差值;按照组件初始安装顺序获取序列X0内预计生产结束时间大于第一个等待时间差值的所有组件,选取安装最靠前的组件,记为;因为,则新序列X1=[、……、];
步骤3-5:得到在新序列X1下进行组装变动的次数为2;得到在新序列X1下进行组装变动节省的时间为;
因为组件a6为不可逆组件,所以将组件a6作为下一个组装序列的第一个组件;
通过这种方法划分出目标产品中一种有多少个可以这样组装的组装序列,计算每个序列下可以进行可逆组装的次数和进行可逆组装节省的时间,最后得到所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间,通过对比进行组装变动消耗的资源与组装变动节省的资源来决定是否进行组装变动。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于物联网的生产供应链监测管理方法,其特征在于,所述方法包括以下步骤:
步骤S1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间,根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
步骤S2:基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;
步骤S3:构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;
步骤S4:构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒;
所述步骤S1包括:
步骤S1-1:构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序,记为a1→a2→a3→……→an;其中,a1、a2、a3、……、an分别表示目标产品的第1、2、3、……、n个组件;
步骤S1-2:获取目标产品各组件的预计生产结束时间,记为t={ta1、ta2、ta3、……、tan};
步骤S1-3:根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,分别为t12=ta1-ta2、t23=ta2-ta3、……、t(n-1)n=ta(n-1)-tan;
步骤S1-4:选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集Δt={tb、tc、......、tk};其中,tb、tc、......、tk分别表示目标产品的等待时间差值集中第1、2、……、k个大于零的等待时间差值;
所述步骤S2包括:
基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,记为τ={τ1、τ2、τ3、......、τm};其中,τ1、τ2、τ3、......、τm分别表示同类目标产品的各组件进行可逆组装的第1、2、3、……、m个历史组装变动影响总时间;计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值其中,τj表示同类目标产品的各组件进行可逆组装的第j个历史组装变动影响总时间;
所述步骤S3包括:
步骤S3-1:构建组装序列划分模型;
步骤S3-2:选取第一个等待时间差值tb所在位置的第一个组件ab;计算第一个等待时间差值tb所在位置的第一个组件ab的后续组件进行可逆组装的次数阈值其中,xb为正整数;确定第一个等待时间差值tb所在位置的最后一个组件为a(b+xb+1),生成序列X0=[ab、……、a(b+xb+1)];
步骤3-3:若序列X0存在不可逆组件,按照组件初始安装顺序获取序列X0内除ab外的所有不可逆组件,选取安装最靠前的组件,记为aθ;则新序列X1=[ab、……、a(θ-1)];其中,a(θ-1)表示组件aθ的前一个组件;若序列X0不存在不可逆组件,则新序列X1=[ab、……、a(b+xb+1)];
步骤3-4:若序列X0存在任意一个组件的预计生产结束时间大于第一个等待时间差值tab;按照组件初始安装顺序获取序列X0内预计生产结束时间大于第一个等待时间差值tab的所有组件,选取安装最靠前的组件,记为aπ;若aπ>a(θ-1),则新序列X1=[ab、……、a(θ-1)];若aπ≤a(θ-1),则新序列X1=[ab、……、a(π-1)];其中,a(π-1)表示组件aπ的前一个组件;若序列X0不存在任意一个组件的预计生产结束时间大于第一个等待时间差值tab;则新序列X1=[ab、……、a(b+xb+1)];
步骤3-5:得到在新序列X1下进行组装变动的次数为i-b-1;得到在新序列X1下进行组装变动节省的时间为T1=tb-(i-b-1)*τ0;其中,i表示新序列X1中的最后一个组件的序号;
步骤3-6:获取组件序号大于i且其对应的等待时间差值处于所述目标产品的等待时间差值集内的所有组件,按照组件初始组装顺序选取第一个组件,作为下一个组装序列的第一个组件;直至无法在等待时间差值内选取到新的组件生成下一个组装序列,结束组装序列划分;
步骤3-7:分别获取所有组装序列下进行组装变动的次数和节省时间,计算所有组装序列下进行组装变动的总次数p和进行组装变动节省的总时间q。
2.根据权利要求1所述的一种基于物联网的生产供应链监测管理方法,其特征在于:所述步骤S4包括:
步骤S4-1:构建资源调配模型:Z=α1*q-α2*p;其中,Z表示目标产品调配资源的差值;α1表示在组装变动节省的总时间下调配资源的影响系数;α2表示在进行组装变动的总次数下调配资源的影响系数;
步骤S4-2:设置资源变化监测阈值Z0;当Z>Z0时,对生产供应链资源进行调配预警提醒。
3.应用权利要求1所述的一种基于物联网的生产供应链监测管理方法的一种基于物联网的生产供应链监测管理系统,其特征在于:所述系统包括数据获取模块、分析处理模块、组装序列划分模型构建分析模块、资源调配模型构建分析模块、资源调配预警模块;
所述数据获取模块用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间和基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;所述分析处理模块用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;并计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值;所述组装序列划分模型构建分析模块用于构建组装序列划分模型,计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间;所述资源调配模型构建分析模块用于构建资源调配模型,基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值,设置资源变化监测阈值,当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒;
所述数据获取模块的输出端与所述分析处理模块的输入端相连接;所述分析处理模块的输出端与所述组装序列划分模型构建分析模块的输入端相连接;所述组装序列划分模型构建分析模块的输出端与所述资源调配模型构建分析模块的输入端相连接;所述资源调配模型构建分析模块的输出端与所述资源调配预警模块的输入端相连接。
4.根据权利要求3所述的一种基于物联网的生产供应链监测管理系统,其特征在于:所述数据获取模块包括生产数据获取单元和历史数据获取单元;
所述生产数据获取单元用于构建智慧生产供应链数据库,获取目标产品各组件的初始组装顺序和预计生产结束时间;
所述历史数据获取单元用于基于大数据获取同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据;
所述分析处理模块包括生产数据分析单元和历史数据分析单元;
所述生产数据分析单元用于根据目标产品各组件的预计生产结束时间,计算目标产品各相邻组件的等待时间差值,选取目标产品各相邻组件的等待时间差值中大于零的等待时间差值存入目标产品的等待时间差值集;
所述历史数据分析单元用于根据同类目标产品的各组件进行可逆组装的历史组装变动影响时间数据,计算目标产品的各组件进行一次可逆组装的组装变动影响时间均值。
5.根据权利要求3所述的一种基于物联网的生产供应链监测管理系统,其特征在于:所述组装序列划分模型构建分析模块包括组装序列划分模型构建单元和第一分析单元;
所述组装序列划分模型构建单元用于构建组装序列划分模型;
所述第一分析单元用于计算所有组装序列下进行组装变动的总次数和进行组装变动节省的总时间。
6.根据权利要求3所述的一种基于物联网的生产供应链监测管理系统,其特征在于:所述资源调配模型构建分析模块包括资源调配模型构建单元和第二分析单元;
所述资源调配模型构建单元用于构建资源调配模型;
所述第二分析单元用于基于所述所有组装序列下进行组装变动的总次数和所述目标产品组装变动节省的总时间,计算目标产品调配资源的差值。
7.根据权利要求3所述的一种基于物联网的生产供应链监测管理系统,其特征在于:所述资源调配预警模块包括阈值设定单元和预警提醒单元;
所述阈值设定单元包括设置资源变化监测阈值;
所述预警提醒单元用于当目标产品调配资源的差值超出资源变化监测阈值时,对生产供应链资源进行调配预警提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009674.7A CN115879782B (zh) | 2023-01-05 | 2023-01-05 | 一种基于物联网的生产供应链监测管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009674.7A CN115879782B (zh) | 2023-01-05 | 2023-01-05 | 一种基于物联网的生产供应链监测管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879782A CN115879782A (zh) | 2023-03-31 |
CN115879782B true CN115879782B (zh) | 2023-05-09 |
Family
ID=85758078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310009674.7A Active CN115879782B (zh) | 2023-01-05 | 2023-01-05 | 一种基于物联网的生产供应链监测管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879782B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0724706A (ja) * | 1993-07-08 | 1995-01-27 | Honda Motor Co Ltd | 生産順位管理システム |
JPH0740205A (ja) * | 1993-08-02 | 1995-02-10 | Honda Motor Co Ltd | 生産順位管理システム |
JPH10293784A (ja) * | 1997-04-18 | 1998-11-04 | Hitachi Ltd | スケジューリング方法及び装置 |
CN1466864A (zh) * | 2000-08-04 | 2004-01-07 | 松下电器产业株式会社 | 用于优化元件安装顺序的方法,采用该方法的装置及组装机器 |
CN108255141A (zh) * | 2018-01-17 | 2018-07-06 | 北京理工大学 | 一种装配调度信息生成方法及系统 |
CN109409746A (zh) * | 2018-10-29 | 2019-03-01 | 北京航空航天大学 | 一种生产调度方法及装置 |
CN110276475A (zh) * | 2019-05-23 | 2019-09-24 | 温州大学 | 一种断路器自动化装配生产的优化配置方法 |
CN111626496A (zh) * | 2020-05-25 | 2020-09-04 | 北京化工大学 | 一种柔性装配作业车间调度的混合优化方法 |
JP2021026712A (ja) * | 2019-08-08 | 2021-02-22 | 富士通株式会社 | 情報処理装置、及び、情報処理プログラム |
CN112884284A (zh) * | 2021-01-19 | 2021-06-01 | 广州爱思威科技股份有限公司 | 化合物半导体的生产控制方法、生产系统及存储介质 |
-
2023
- 2023-01-05 CN CN202310009674.7A patent/CN115879782B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0724706A (ja) * | 1993-07-08 | 1995-01-27 | Honda Motor Co Ltd | 生産順位管理システム |
JPH0740205A (ja) * | 1993-08-02 | 1995-02-10 | Honda Motor Co Ltd | 生産順位管理システム |
JPH10293784A (ja) * | 1997-04-18 | 1998-11-04 | Hitachi Ltd | スケジューリング方法及び装置 |
CN1466864A (zh) * | 2000-08-04 | 2004-01-07 | 松下电器产业株式会社 | 用于优化元件安装顺序的方法,采用该方法的装置及组装机器 |
CN108255141A (zh) * | 2018-01-17 | 2018-07-06 | 北京理工大学 | 一种装配调度信息生成方法及系统 |
CN109409746A (zh) * | 2018-10-29 | 2019-03-01 | 北京航空航天大学 | 一种生产调度方法及装置 |
CN110276475A (zh) * | 2019-05-23 | 2019-09-24 | 温州大学 | 一种断路器自动化装配生产的优化配置方法 |
JP2021026712A (ja) * | 2019-08-08 | 2021-02-22 | 富士通株式会社 | 情報処理装置、及び、情報処理プログラム |
CN111626496A (zh) * | 2020-05-25 | 2020-09-04 | 北京化工大学 | 一种柔性装配作业车间调度的混合优化方法 |
CN112884284A (zh) * | 2021-01-19 | 2021-06-01 | 广州爱思威科技股份有限公司 | 化合物半导体的生产控制方法、生产系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115879782A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8065098B2 (en) | Progressive humidity filter for load data forecasting | |
JP6318307B2 (ja) | 資源消費分析論のためのシステムおよび方法 | |
US20180300737A1 (en) | Methods and apparatus for self-adaptive time series forecasting engine | |
Alfares | Inventory model with stock-level dependent demand rate and variable holding cost | |
CN110019401B (zh) | 件量预测方法、装置、设备及其存储介质 | |
CN110457867A (zh) | 一种基于机器学习的时间序列数据填补与还原方法 | |
CN104412291A (zh) | 不寻常使用量报告的方法和系统 | |
CN105787582A (zh) | 股票风险预测方法和装置 | |
WO2019049546A1 (ja) | 予測システム及び方法 | |
WO2008042784A2 (en) | Comparing taxonomies | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
CN110009429A (zh) | 一种预测流量数据的方法、装置和计算机设备 | |
CN111242602A (zh) | 支付设备的控制方法、装置、计算机可读存储介质和设备 | |
CN112819178A (zh) | 数据预测模型训练方法、设备及存储介质 | |
KR20220115357A (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
CN106682999A (zh) | 电力用户基线负荷计算方法及装置 | |
CN110490635B (zh) | 商户菜品交易预测及备餐方法及装置 | |
Hyndman | Forecasting: An Overview. | |
CN115879782B (zh) | 一种基于物联网的生产供应链监测管理系统及方法 | |
CN111222668A (zh) | 仓库单量预测方法、装置、电子设备和可读存储介质 | |
CN110322046A (zh) | 一种消除异常货量影响的货量预测方法及系统 | |
WO2005094301A2 (en) | Methods and systems for optimization of economic value from asset sets | |
CN116341740A (zh) | 一种基于比例拆分的城市燃气逐时负荷多步预测方法和系统 | |
CN110263033A (zh) | 管控对象画像生成方法、终端设备及介质 | |
Tiwari | Electrical load forecasting methodologies and approaches |
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 |