CN115952883A - 一种计量物资采购与检定计划横纵协调优化方法及装置 - Google Patents

一种计量物资采购与检定计划横纵协调优化方法及装置 Download PDF

Info

Publication number
CN115952883A
CN115952883A CN202211369241.4A CN202211369241A CN115952883A CN 115952883 A CN115952883 A CN 115952883A CN 202211369241 A CN202211369241 A CN 202211369241A CN 115952883 A CN115952883 A CN 115952883A
Authority
CN
China
Prior art keywords
verification
plan
metering
model
verification 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.)
Pending
Application number
CN202211369241.4A
Other languages
English (en)
Inventor
何兆磊
林聪�
赵静
朱梦梦
余恒洁
刘进
沈鑫
孙黎敏
方瑞
王景
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.)
Yunnan Power Grid Co Ltd
Original Assignee
Yunnan Power Grid 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 Yunnan Power Grid Co Ltd filed Critical Yunnan Power Grid Co Ltd
Priority to CN202211369241.4A priority Critical patent/CN115952883A/zh
Publication of CN115952883A publication Critical patent/CN115952883A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计量物资采购与检定计划横纵协调优化方法及装置,包括基于业务预测建立计量物资采购模型;基于建立的所述计量采购模型制定检定计划横纵协调优化模型;采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。本发明为计量生产管理平台确定最佳的订货时间和订货批量,使得系统役龄内电表的订货、仓储总成本最小,以期达到降低智能电表库存囤积;加快计量中心资金周转,同时又避免大批量计量物资堆压等待检定情况发生。

Description

一种计量物资采购与检定计划横纵协调优化方法及装置
技术领域
本发明涉及生产管理技术领域,特别是一种计量物资采购与检定计划横纵协调优化方法及装置。
背景技术
计量生产管理平台从时间尺度上纵向协调生产计划制定、执行和调整,在空间层次上横向联系厂家、计量中心和各地市局,在智能电表需求预测的基础上,综合考虑实际配送计划量、仓储库存电表剩余、以及计量中心自动化检定线运行状况,拟定具体的计量物资采购订单和检定计划。在调度计划进行中,实时监控检定设备运行情况以及联系各地市局和供应商厂家,对全局计量物资走向和剩余及时更新,不断调整后续电表订单数量和自动化检定线设备运行状况,以期达到降低智能电表库存囤积,加快计量中心资金周转,同时又避免大批量计量物资堆压等待检定情况发生的目标。
因此,研究如何从时间尺度上纵向协调生产计划制定、执行和调整,在空间层次上横向联系厂家、计量中心和各地市局,在智能电表需求预测的基础上,综合考虑实际配送计划量、仓储库存电表剩余、以及计量中心自动化检定线运行状况,拟定具体的计量物资采购订单等有效措施建立适当的库存量,既减少库存成本,又不影响正常的生产建设和对客户的服务,已经成为企业管理者实施电表库存管理过程中必须考虑的首要问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的电表库存管理过程中存在的问题,提出了本发明。
因此,本发明所要解决的问题在于如何从时间尺度上纵向协调生产计划制定、执行和调整,在空间层次上横向联系厂家、计量中心和各地市局,在智能电表需求预测的基础上,综合考虑实际配送计划量、仓储库存电表剩余、以及计量中心自动化检定线运行状况,拟定具体的计量物资采购订单等有效措施建立适当的库存量,既减少库存成本,又不影响正常的生产建设和对客户的服务。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种计量物资采购与检定计划横纵协调优化方法,其包括,
基于业务预测建立计量物资采购模型;
基于建立的所述计量采购模型制定检定计划横纵协调优化模型;
采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述基于业务预测建立计量物资采购模型包括,
总库存时间为
Figure SMS_1
最佳订货量为
Figure SMS_2
最佳订货点为
Figure SMS_3
订货到货用时为
Figure SMS_4
其中,D为基于业务预测的计量物资需求量,Q为每次订货量,LT为每次入库时间,d为出库速率保持不变,V为厂家供给率,M*为最大库存量,λ为厂家合同执行比例。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述基于建立的所述计量采购模型制定检定计划横纵协调优化策略包括,
获取计量物资产品型号与自动化检定线预计检定数量,基于业务预测需求量查询库存信息获取库存数据;
获取待检定电表信息,通过循环遍历获取数据,其中第一层循环根据电表类型与业务需求量进行比较,如果自动化检定线完成电表检定量满足业务需求量则不进行检定,如不满足则进行电表信息查询;
获取设备集合信息,根据所需电表类型寻找设备,通过第二层循环遍历,根据规则判断该设备使用台数,根据检定效率计算出该订单电表需要的检定时间,并进行检定计划计算;
遵循成本最低原则,综合考虑实际配送计划量、仓储库存电表剩余以及计量中心自动化检定线运行状况,在规定时间内完成检定计划,建立智能检定计划模型。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述智能检定计划模型为:
min{ci=Ci(Qi,j,k,Kik)}
其中,Qi,j,k为i类电表在检定线j第k日的检定情况;Kik为i类电表在第k日的实时库存;
Figure SMS_5
其中,Pj,k为检定线j第k日的实际检定量;Zj,k为检定线j第k日的核定检定数量;
Figure SMS_6
其中,Wj,k为检定线j第k日的预计检定数量;
Figure SMS_7
其中,Kik为i类电表在第k日的实际库存;Kmax,i为i类电表在第k日的库存上限。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述改进的野马优化算法采用基于随机变量的Tent混沌映射、自适应权重调整策略、莱维飞行策略更新种群和改进的螺旋搜索策略;
其中所述基于随机变量的Tent混沌映射为:
Figure SMS_8
即,
Figure SMS_9
其中,N为设定的混沌映射所包含粒子数,z表示在可行域中产生混沌的序列,rand(0,1)表示0到1之间一个随机数,mod1表示求2zi小数部分;
所述莱维飞行策略的位置更新公式为:
Figure SMS_10
其中,xi(t)表示第i个个体在第t次迭代中的位置,
Figure SMS_11
表示点到点乘法的算术符号,τ表示步长控制参数,其值为τ=0.01(xi(t)-xp),xp为当前的最优解;levy(λ)是服从莱维分布的路径,表示引入莱维飞行策略,并满足levy~u=t,1<λ≤3。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述自适应权重调整策略采用的公式为:
Figure SMS_12
其中,w表示自适应权重;t表示当前迭代次数;itermax表示最大迭代次数,π=3.14;
种马位置更新公式为:
Figure SMS_13
其中,t表示第t次迭代,Xij表示第j个分组中的第i个个体,R2是[0,1]内的一个随机值,ST表示环境值一般设为0.5,α是[0,1]内的一个随机值,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数。
作为本发明所述计量物资采购与检定计划横纵协调优化方法的一种优选方案,其中:所述改进的螺旋搜索策略采用的公式为:
Figure SMS_14
Figure SMS_15
其中,n为种群数量,t表示第t次迭代,Xij表示第j个分组中的第i个个体,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数,cos(2πl)为可变螺旋因子,l为是一个随着迭代次数增加从1线性减少到-1的参数
Figure SMS_16
Figure SMS_17
为当前最差个体位置,
Figure SMS_18
为当前的最佳位置。
第二方面,本发明实施例提供了一种计量物资采购与检定计划横纵协调优化系统,其包括:
计量物资采购模块,用于基于业务预测建立计量物资采购模型;
检定计划制定模块,用于基于建立的所述计量采购模型制定检定计划横纵协调优化模型;
迭代优化模块,用于采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。
第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述方法的任一步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述方法的任一步骤。
本发明有益效果为:为计量生产管理平台确定最佳的订货时间和订货批量,使得系统役龄内电表的订货、仓储总成本最小,以期达到降低智能电表库存囤积。本发明针对加快计量中心资金周转,同时又避免大批量计量物资堆压等待检定情况发生的目标建立基于业务预测的计量物资采购与检定计划横纵协调优化模型,求解得到最优订货计划与检定计划。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为计量物资采购与检定计划横纵协调优化方法的流程图。
图2为库存与时间变化情况示意图。
图3为计量物资检定计划甘特图。
图4为改进的野马优化算法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~4,为本发明第一个实施例,该实施例提供了一种计量物资采购与检定计划横纵协调优化方法,包括:
S100:基于业务预测建立计量物资采购模型。
应说明的是,假设理想情况下,不考虑道路毁坏及天气等因素;基于业务预测的计量物资的需求量D已知;订货计划将考虑厂家合同执行比例因素;假设订货量不超过最大库存量M*;基于实时监控计量中心检定线运行情况;应急物资订货量与自动化检定线检定周期已知;此模型建立在日常物流调度的检定计划基础上;不考虑此阶段与其它阶段时间重叠。
应说明的是,库存是整个供应链上的无缝连接器,电网企业的仓储管理是为了防范“缺货成本”的发生,在保障生产运营供给的前提下,为盘活企业流动资金,加快资金周转。
设一定时间内的业务预测需求总量为D,每次订货量为Q,则该时期内的订货次数为
Figure SMS_19
则若每次入库时间为LT,则周期内总入库时间为
Figure SMS_20
有限供给率是指每次订货量Q以均匀速率入库,而出库速率d保持不变。存储量随时间变化情况如图2所示。
Figure SMS_21
所以,在一定时间内总库存时间为:
Figure SMS_22
Figure SMS_23
可以推导出最佳的Q订货量。公式为:
Figure SMS_24
考虑到订货量必须大于单位时间的需求量Q*,则最佳订货量的计算公式为:
Figure SMS_25
最大库存量
Figure SMS_26
平均库存量
Figure SMS_27
最佳订货点ROP为:
Figure SMS_28
订货到货考虑厂家合同执行比例因素λ,则此模型计算得出订货到货用时:
Figure SMS_29
S200:基于建立的所述计量采购模型制定检定计划横纵协调优化模型。
应说明的是,传统根据订单的检定计划制定存在诸多问题,例如当需求量突然增大时容易使大批量计量物资堆压在检定线,无法高效的完成计量检定任务。因此,基于业务预测的电表检定计划通过实时监控检定设备运行情况以及联系各地市局和供应商厂家,以实现对全局计量物资走向和剩余及时更新,不断调整后续电表订单数量和自动化检定线设备运行的目标,使电表的检定工作能够高效、准确的完成,避免大批量计量物资堆压等待检定情况发生,以适应电力事业的发展需要。具体步骤为:
获取计量物资产品型号与自动化检定线预计检定数量,基于业务预测需求量查询库存信息获取库存数据;
获取待检定电表信息,通过循环遍历获取数据,其中第一层循环根据电表类型与业务需求量进行比较,如果自动化检定线完成电表检定量满足业务需求量则不进行检定,如不满足则进行电表信息查询;
获取设备集合信息,根据所需电表类型寻找设备,通过第二层循环遍历,根据规则判断该设备使用台数,根据检定效率计算出该订单电表需要的检定时间。公式为:
Figure SMS_30
式中:h为智能电表检定时间;L为系统派送计量物资数量;V为自动化检定线效率;B为检定线效率值标准差;Z为计量物资检定完成率;H为单日预定检定量。根据上述结果进行检定计划计算,其计算公式如下:
Figure SMS_31
式中:Q*为检定计划量;W为成本预算;R为检定线运转系数(0或1);S为检定生产率;P为实际检定量;N为生产日期参数;G为单个库房存储类型参数;C为单个库房存储数量。
由上述公式,根据企业订单,遵循成本最低原则,综合考虑实际配送计划量、仓储库存电表剩余、以及计量中心自动化检定线运行状况,在规定日期内(K)完成检定计划,建立智能检定计划模型:
min{ci=Ci(Qi,j,k,Kik)}
式中:Qi,j,k为i类电表在检定线j第k日的检定情况;Kik为i类电表在第k日的实时库存:
Figure SMS_32
式中:Pj,k为检定线j第k日的实际检定量;Zj,k为检定线j第k日的核定检定数量。
Figure SMS_33
式中Wj,k为检定线j第k日的预计检定数量。
Figure SMS_34
式中:Kik为i类电表在第k日的实际库存;Kmax,i为i类电表在第k日的库存上限。
基于上述目标优化模型,求解得出产品最优检定计划,自动生成子检定计划工单。
S300:采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。具体步骤为:
初始化算法马驹种群参数,并且分为若干具有普通马驹和种马个体的小组;
使用Tent混沌映射初始化马驹种群个体的位置;
根据优化的目标函数计算每个个体的适应度值,并找到最小适应度值和最大适应度值;
马的放牧行为和交配行为,更新马群位置;
选择个适应度较优的个体作为种马,其余为普通马驹,种马带领小马驹寻找栖息地;
更新种马的位置;
在算法的后期阶段,根据适应度选择领导者,如果其中一名组员的适应度优于组长,则组长和相应组员的位置进行更新;
在一次迭代完成后,重新计算每个个体的适应度值,并更新最小适应度值、最大适应度值和相应的位置;
判断算法是否已达到最大迭代次数或解的准确度,如果达到,则输出优化结果;否则,它将返回更新马群位置。
应说明的是,野马优化算法(Wild horse optimizer,WHO),其灵感来自野马的社会生活行为。野马优化算法是一种新兴的元启发式算法。该算法具有收敛速度快、结构简单、易于实现,且控制参数较少,局部搜索能力较强。针对所建立的基于业务预测的计量物资采购与检定计划横纵协调优化模型具有良好求解效果。
进一步的,针对野马优化算法依赖随机数、具有收敛慢、易陷入局部最优等缺点,提出以下改进方法增加其全局寻优能力和算法稳定性。
1)基于随机变量的Tent混沌映射
为增加马群稳定性与可控性,利用基于随机变量的Tent混沌映射来改进算法。
Figure SMS_35
即:
Figure SMS_36
其中,N为设定的混沌映射所包含粒子数,z表示在可行域中产生混沌的序列,rand(0,1)表示0到1之间一个随机数,mod1表示求2zi小数部分。
其算法更新步骤一般为生成种群,此时i=1,迭代自增,若算法迭代次数达到最大时,则停止算法并输出最优值。
2)自适应权重调整策略
根据算法收敛慢特性,提出了一种新的改进措施如下,不仅提高了种群质量还加快了算法的收敛速度。
Figure SMS_37
其中,w表示自适应权重;t表示当前迭代次数;itermax表示最大迭代次数,π=3.14。
种马位置更新公式:
Figure SMS_38
其中,t表示第t次迭代,Xij表示第j个分组中的第i个个体,R2是[0,1]内的一个随机值,ST表示环境值一般设为0.5,α是[0,1]内的一个随机值,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数。
3)莱维飞行策略
莱维飞行服从莱维分布。它使用随机长距离和短距离机制来覆盖大面积。在加入Levy飞行机制后,可以提高算法的性能。加入Levy飞行策略的位置更新公式如下:
Figure SMS_39
其中,xi(t)表示第i个个体在第t次迭代中的位置,
Figure SMS_40
表示点到点乘法的算术符号,τ表示步长控制参数,其值为τ=0.01(xi(t)-xp),xp为当前的最优解;levy(λ)是服从莱维分布的路径,表示引入莱维飞行策略,并满足levy~u=t,1<λ≤3。
由于莱维分布非常复杂,通常使用蒙特卡洛算法对其进行模拟。步长计算的公式如下:
Figure SMS_41
Figure SMS_42
Figure SMS_43
Figure SMS_44
其中,σv=1,γ=1.5。
4)改进的螺旋搜索
参数z被设计为一个自适应变量,用于动态调整小马驹搜索的螺旋形状,从而拓宽了小马驹探索未知区域的能力,提高了算法的搜索效率和全局搜索性能。小马驹可变螺旋位置更新策略的公式如下:
Figure SMS_45
Figure SMS_46
其中,n为种群数量,t表示第t次迭代,Xij表示第j个分组中的第i个个体,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数,cos(2πl)为可变螺旋因子,l为是一个随着迭代次数增加从1线性减少到-1的参数
Figure SMS_47
Figure SMS_48
为当前最差个体位置,
Figure SMS_49
为当前的最佳位置。
进一步的,本实施例还提供一种计量物资采购与检定计划横纵协调优化系统,包括:
计量物资采购模块,用于基于业务预测建立计量物资采购模型;
检定计划制定模块,用于基于建立的所述计量采购模型制定检定计划横纵协调优化模型;
迭代优化模块,用于采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。
本实施例还提供一种计算机设备,适用于计量物资采购与检定计划横纵协调优化方法的情况,包括:
存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的电力台区户变关系识别方法。
该计算机设备可以是终端,该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现计量物资采购与检定计划横纵协调优化方法。
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例2
参照图1~4,为本发明第二个实施例,该实施例提供了一种计量物资采购与检定计划横纵协调优化方法,为了验证本发明的有益效果,通过对比进行科学论证。
表1本方法与传统方法各方面对比
Figure SMS_50
由表1可知,本发明为计量生产管理平台确定最佳的订货时间和订货批量,使得系统役龄内电表的订货、仓储总成本最小,以期达到降低智能电表库存囤积。本针对加快计量中心资金周转,同时又避免大批量计量物资堆压等待检定情况发生的目标建立基于业务预测的计量物资采购与检定计划横纵协调优化模型,求解得到最优订货计划与检定计划。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种计量物资采购与检定计划横纵协调优化方法,其特征在于:包括,
基于业务预测建立计量物资采购模型;
基于建立的所述计量采购模型制定检定计划横纵协调优化模型;
采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。
2.如权利要求1所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述基于业务预测建立计量物资采购模型包括,
总库存时间为
Figure FDA0003924319280000011
最佳订货量为
Figure FDA0003924319280000012
最佳订货点为
Figure FDA0003924319280000013
订货到货用时为
Figure FDA0003924319280000014
其中,D为基于业务预测的计量物资需求量,Q为每次订货量,LT为每次入库时间,d为出库速率保持不变,V为厂家供给率,M*为最大库存量,λ为厂家合同执行比例。
3.如权利要求2所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述基于建立的所述计量采购模型制定检定计划横纵协调优化策略包括,
获取计量物资产品型号与自动化检定线预计检定数量,基于业务预测需求量查询库存信息获取库存数据;
获取待检定电表信息,通过循环遍历获取数据,其中第一层循环根据电表类型与业务需求量进行比较,如果自动化检定线完成电表检定量满足业务需求量则不进行检定,如不满足则进行电表信息查询;
获取设备集合信息,根据所需电表类型寻找设备,通过第二层循环遍历,根据规则判断该设备使用台数,根据检定效率计算出该订单电表需要的检定时间,并进行检定计划计算;
遵循成本最低原则,综合考虑实际配送计划量、仓储库存电表剩余以及计量中心自动化检定线运行状况,在规定时间内完成检定计划,建立智能检定计划模型。
4.如权利要求3所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述智能检定计划模型为:
min{ci=Ci(Qi,j,k,Kik)}
其中,Qi,j,k为i类电表在检定线j第k日的检定情况;Kik为i类电表在第k日的实时库存;
Figure FDA0003924319280000021
其中,Pj,k为检定线j第k日的实际检定量;Zj,k为检定线j第k日的核定检定数量;
Figure FDA0003924319280000022
其中,Wj,k为检定线j第k日的预计检定数量;
Figure FDA0003924319280000023
其中,Kik为i类电表在第k日的实际库存;Kmax,i为i类电表在第k日的库存上限。
5.如权利要求4所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述改进的野马优化算法采用基于随机变量的Tent混沌映射、自适应权重调整策略、莱维飞行策略更新种群和改进的螺旋搜索策略;
其中所述基于随机变量的Tent混沌映射为:
Figure FDA0003924319280000024
即,
Figure FDA0003924319280000025
其中,N为设定的混沌映射所包含粒子数,z表示在可行域中产生混沌的序列,rand(0,1)表示0到1之间一个随机数,mod1表示求2zi小数部分;
所述莱维飞行策略的位置更新公式为:
Figure FDA0003924319280000031
其中,xi(t)表示第i个个体在第t次迭代中的位置,
Figure FDA0003924319280000032
表示点到点乘法的算术符号,τ表示步长控制参数,其值为τ=0.01(xi(t)-xp),xp为当前的最优解;levy(λ)是服从莱维分布的路径,表示引入莱维飞行策略,并满足levy~u=t,1<λ≤3。
6.如权利要求5所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述自适应权重调整策略采用的公式为:
Figure FDA0003924319280000033
其中,w表示自适应权重;t表示当前迭代次数;itermax表示最大迭代次数,π=3.14;
种马位置更新公式为:
Figure FDA0003924319280000034
其中,t表示第t次迭代,Xij表示第j个分组中的第i个个体,R2是[0,1]内的一个随机值,ST表示环境值一般设为0.5,α是[0,1]内的一个随机值,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数。
7.如权利要求5或6所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:所述改进的螺旋搜索策略采用的公式为:
Figure FDA0003924319280000035
Figure FDA0003924319280000036
其中,n为种群数量,t表示第t次迭代,Xij表示第j个分组中的第i个个体,Q是服从正态分布的一个随机数,L是一个1×D的矩阵,矩阵元素全为1,D为种群维数,cos(2πl)为可变螺旋因子,l为是一个随着迭代次数增加从1线性减少到-1的参数
Figure FDA0003924319280000037
Figure FDA0003924319280000038
为当前最差个体位置,
Figure FDA0003924319280000039
为当前的最佳位置。
8.一种计量物资采购与检定计划横纵协调优化系统,基于权利要求1~7所述的计量物资采购与检定计划横纵协调优化方法,其特征在于:包括,
计量物资采购模块,用于基于业务预测建立计量物资采购模型;
检定计划制定模块,用于基于建立的所述计量采购模型制定检定计划横纵协调优化模型;
迭代优化模块,用于采用改进的野马优化算法求解所述计量物资采购模型和检定计划横纵协调优化模型,得到最优订货计划与检定计划。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述方法的步骤。
10.一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权利要求1~7任一所述方法的步骤。
CN202211369241.4A 2022-11-03 2022-11-03 一种计量物资采购与检定计划横纵协调优化方法及装置 Pending CN115952883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211369241.4A CN115952883A (zh) 2022-11-03 2022-11-03 一种计量物资采购与检定计划横纵协调优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211369241.4A CN115952883A (zh) 2022-11-03 2022-11-03 一种计量物资采购与检定计划横纵协调优化方法及装置

Publications (1)

Publication Number Publication Date
CN115952883A true CN115952883A (zh) 2023-04-11

Family

ID=87296065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211369241.4A Pending CN115952883A (zh) 2022-11-03 2022-11-03 一种计量物资采购与检定计划横纵协调优化方法及装置

Country Status (1)

Country Link
CN (1) CN115952883A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542611A (zh) * 2023-05-16 2023-08-04 北京航天情报与信息研究所 一种基于mbom的型号物资统筹采购需求生成方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542611A (zh) * 2023-05-16 2023-08-04 北京航天情报与信息研究所 一种基于mbom的型号物资统筹采购需求生成方法
CN116542611B (zh) * 2023-05-16 2024-03-29 北京航天情报与信息研究所 一种基于mbom的型号物资统筹采购需求生成方法

Similar Documents

Publication Publication Date Title
Liu et al. Multi-objective AGV scheduling in an automatic sorting system of an unmanned (intelligent) warehouse by using two adaptive genetic algorithms and a multi-adaptive genetic algorithm
Arampantzi et al. A new model for designing sustainable supply chain networks and its application to a global manufacturer
US8458014B2 (en) System and method for determining carbon emission-conscious order fulfillment alternatives with multiple supply modes
Qiu et al. Supply Hub in Industrial Park (SHIP): The value of freight consolidation
CN109615184A (zh) 零售企业门店自动配货、补货、调货的方法及系统
Keskin et al. Integration of strategic and tactical decisions for vendor selection under capacity constraints
Zheng et al. Newsvendor problems with demand forecast updating and supply constraints
Avci et al. A multi-agent system model for supply chains with lateral preventive transshipments: Application in a multi-national automotive supply chain
US11687875B2 (en) Distribution-independent inventory approach under multiple service level targets
CN114118503A (zh) 供应链库存优化方法、装置、设备和存储介质
JP6965399B1 (ja) 情報処理装置、情報処理方法及びプログラム
CN115952883A (zh) 一种计量物资采购与检定计划横纵协调优化方法及装置
Yadollahi et al. Evaluating approximate solution models for the stochastic periodic inventory routing problem
CN113793102A (zh) 基于平台的库存管理方法和装置
Karimi et al. An integrated production-distribution planning with a routing problem and transportation cost discount in a supply chain
Gao et al. BM-DDPG: An integrated dispatching framework for ride-hailing systems
KR101819365B1 (ko) 제품생산계획별 탄소 배출량에 따른 수익성 시뮬레이션 지원시스템 및 방법
Raba et al. Combining the internet of things with simulation-based optimization to enhance logistics in an Agri-food supply chain
Liu et al. Joint optimization of lot-sizing and pricing with backlogging
EP4207018A1 (en) Stocking quantity determination method and apparatus, and computer storage medium and electronic device
Wen et al. An effective hybrid algorithm for joint scheduling of machines and AGVs in flexible job shop
CN112819507A (zh) 一种服务推送方法、装置、电子设备以及可读存储介质
CN115271574A (zh) 一种货品补货方法、装置、电子设备及存储介质
CN117494973A (zh) 用于确定排产方案的方法、装置、存储介质及处理器
US20140136358A1 (en) Supplier quantity selection

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