CN116050792A - 用于生产排程的方法、装置及存储介质 - Google Patents
用于生产排程的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116050792A CN116050792A CN202310103330.2A CN202310103330A CN116050792A CN 116050792 A CN116050792 A CN 116050792A CN 202310103330 A CN202310103330 A CN 202310103330A CN 116050792 A CN116050792 A CN 116050792A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- order data
- objective function
- objective
- objective functions
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 81
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims description 39
- 230000006870 function Effects 0.000 claims abstract description 136
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及工业排程技术领域,公开一种用于生产排程的方法,包括:基于订单数据构建决策变量、约束条件及多个目标函数;根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;根据排程模型及优化算法,确定排程结果;对排程结果进行展示,以便用户查看排程结果。这样,通过结合不同目标函数的优先级进行排程模型的构建,能够获得并展示更加精准地排程结果,从而替代现有的采用权重进行目标优化的方式,有效避免因权重设置不合理造成的排产结果不准确的情况发生,更好的满足了各个工厂实际的业务需求。本申请还公开一种用于生产排程的装置及存储介质。
Description
技术领域
本申请涉及工业排程技术领域,例如涉及一种用于生产排程的方法、装置及存储介质。
背景技术
现阶段,电热产业在排产时需要兼顾多种复杂的约束条件,例如,客户订单、工厂设备产能、工厂开班日期及物料等,从而可以在各种约束条件均满足的情况下设计一种能够兼顾订单交付及生产成本最低的最优排产方法,但是目前大部分的排产方案均采用权重的方式进行目标优化,数据归一化难度大、泛化能力弱,设计人员很难找到合适的权重,进而导致排产结果难以符合各个工厂实际的业务需求。
因此,如何获得更加精准地排产结果,以使其符合各个工厂实际的业务需求成为亟需解决的技术问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本公开实施例提供了一种用于生产排程的方法、装置及存储介质,以获得更加精准地排产结果,从而使其符合各个工厂实际的业务需求。
在一些实施例中,所述用于生产排程的方法包括:基于订单数据构建决策变量、约束条件及多个目标函数;根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;根据排程模型及优化算法,确定排程结果;对排程结果进行展示,以便用户查看排程结果。
在一些实施例中,所述用于生产排程的方法包括:在第一目标函数的优先级高于第二目标函数的优先级的情况下,根据决策变量、约束条件及第一目标函数构建初始排程模型;将初始排程模型的输出结果作为目标约束条件;根据决策变量、目标约束条件及第二目标函数构建排程模型。
在一些实施例中,所述用于生产排程的方法包括:将排程模型输入至预设有优化算法的解释器,以获得解释器的输出值;对解释器的输出值进行解码,以作为排程结果。
在一些实施例中,所述用于生产排程的方法包括:获得初始订单数据;对初始订单数据进行处理,以得到处理后的订单数据;基于处理后的订单数据构建决策变量、约束条件及多个目标函数。
在一些实施例中,所述用于生产排程的方法包括:对获得的初始订单数据进行清洗,以滤除初始订单数据中的不合格数据;对清洗后的初始订单数据进行编码,以得到处理后的订单数据。
在一些实施例中,所述用于生产排程的装置包括:第一构建模块,被配置为基于订单数据构建决策变量、约束条件及多个目标函数;第二构建模块,被配置为根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;确定模块,被配置为根据排程模型及优化算法,确定排程结果;展示模块,被配置为对排程结果进行展示,以便用户查看排程结果。
在一些实施例中,所述存储介质,存储有程序指令,程序指令在运行时,执行如前述的用于生产排程的方法。
本公开实施例提供的用于生产排程的方法、装置及存储介质,可以实现以下技术效果:基于订单数据构建决策变量、约束条件及多个目标函数;根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;根据排程模型及优化算法,确定排程结果;对排程结果进行展示,以便用户查看排程结果。这样,通过结合不同目标函数的优先级进行排程模型的构建,能够获得并展示更加精准地排程结果,从而替代现有的采用权重进行目标优化的方式,有效避免因权重设置不合理造成的排产结果不准确的情况发生,更好的满足了各个工厂实际的业务需求。一定程度提高了生产排程效率,满足复杂的排程场景需要,并可以提高经济效益。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件示为类似的元件,附图不构成比例限制,并且其中:
图1是本公开实施例提供的一个用于生产排程的方法示意图;
图2是本公开实施例提供的一个用于构建排程模型的方法示意图;
图3是本公开实施例提供的一个用于确定排程结果的方法示意图;
图4是本公开实施例提供的一个用于构建决策变量、约束条件及多个目标函数的方法示意图;
图5是本公开实施例提供的一个用于生产排程的装置示意图;
图6是本公开实施例提供的另一个用于生产排程的装置示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或多个实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
术语“对应”可以指的是一种关联关系或绑定关系,A与B相对应指的是A与B之间是一种关联关系或绑定关系。
本公开实施例中,智能家电设备是指将微处理器、传感器技术、网络通信技术引入家电设备后形成的家电产品,具有智能控制、智能感知及智能应用的特征,智能家电设备的运作过程往往依赖于物联网、互联网以及电子芯片等现代技术的应用和处理,例如智能家电设备可以通过连接电子设备,实现用户对智能家电设备的远程控制和管理。
本公开实施例中,终端设备是指具有无线连接功能的电子设备,终端设备可以通过连接互联网,与如上的智能家电设备进行通信连接,也可以直接通过蓝牙、wifi等方式与如上的智能家电设备进行通信连接。在一些实施例中,终端设备例如为移动设备、电脑等,或其任意组合。移动设备例如可以包括手机、智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备等,或其任意组合,其中,可穿戴设备例如包括:智能手表、智能手环、计步器等。
图1是本公开实施例提供的一个用于生产排程的方法示意图;结合图1所示,本公开实施例提供一种用于生产排程的方法,包括:
S11,终端设备基于订单数据构建决策变量、约束条件及多个目标函数。
S12,终端设备根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型。
S13,终端设备根据排程模型及优化算法,确定排程结果。
S14,终端设备对排程结果进行展示,以便用户查看排程结果。
在本方案中,订单数据可以包括订单表、工厂工作日历表、物料表、算法配置表等。具体地,终端设备可以基于订单数据构建决策变量;这里,订单数据为初始订单数据经编码后获得。例如,订单数据包括:订单数据、型号数据、线体信息、线体设定日期字段、订单型号对应关系及某个订单最晚交货期等。其中,线体也可称为生产线,包括直线形、L形线、U形线、环形线和S形线。进一步地,可基于订单数据及排产需求构建决策变量包括:某个型号产品在设定日期的线体的排产数量p_variable、某个型号产品在设定日期的线体的排产状态p_s_variable;某个订单在设定日期的线体的排产数量o_variable;某个订单在设定日期的排产数量o_d_variable。作为一种示例,可基于订单数据将决策变量构建成Dataframe格式。这里,Dataframe格式是一种表格型数据结构,它包含有一组有序的列,每列可以是不同的值。这样,可以通过查阅表格中的数据,确定在相应的行相应的列所列出的排产的数量或者状态,以更直观的对决策变量进行展示。
在本方案中,还可以按照排产需求,基于订单数据构建约束条件。作为一种示例,约束条件包括多个,即第一约束条件、第二约束条件、第三约束条件、第四约束条件、第五约束条件。
如,第一约束条件包括同一型号产品的数量和等于所有线体日期排产的该型号产品的数量和,即∑X,dP(p,X_d)+P(p,delay)==p_max_number[p],其中,p_max_number[p]为同一型号产品的数量和,P(p,X_d)为该型号产品在设定日期的线体的排产数量;
第二约束条件包括同一型号产品的生产状态与型号排产数量的关系即P(p,X_d)<=P_S(p,X_d)*p_max_number[p]X,d P(p,X_d)>=P_S(p,X_d),X,d,其中,P(p,X_d)为该型号产品在设定日期的线体的排产数量,P_S(p,X_d)为该型号产品在设定日期的线体是否排产,p_max_number为该型号产品的总排产数量;
第三约束条件包括同一型号产品每次生产的数量不能超过该型号产品规定的最大批,即P(p,X_d)<=P_s(p,X_d)*max_batch(p),d≠delay,其中,max_batch(p)为此型号产品的最大批次,P(p,X_d)为该型号产品在设定日期的线体的排产数量,P_S(p,X_d)为该型号产品在设定日期的线体是否排产;
第四约束条件包括订单型号对应关系,相同型号的订单在设定日期的线体的排产数量加起来等于该型号订单在设定日期线体的订单数量加和,即∑o∈pn(o)O(o,xj_dt)==P(pi,xj_dt),其中,∑o∈pn(o)O(o,xj_dt)为该型号订单在设定日期线体的订单数量加和,P(pi,xj_dt)为该型号i产品在设定日期t的线体j的排产数量;
第五约束条件包括每天的订单数等于每天所有线体在此天的订单数,即∑jO_D(o,xj_dt)==O(o,dt),其中,O_D(o,xj_dt)为设定日期的一个线体的订单数量,O(o,dt)为设定日期的所有线体的订单总量。
可以理解的是,本案的决策变量、约束条件是按照排产需求预先进行设定,排产需求不同,相应地决策变量、约束条件的数量及内容也不相同,因此,并不仅限于前述的决策变量及约束条件,在此不作具体限定。此外,还可以基于订单数据及排产需求进行多个目标函数的构建。这样,保证了按照该方式构建的决策变量、约束条件及多个目标函数符合排产需求,为排程模型的构建提供了准确地数据基础。
进一步地,在终端设备基于订单数据构建决策变量、约束条件及多个目标函数后,可以获取多个目标函数各自对应的优先级。这里,多个目标函数各自对应的优先级可以按照业务需求进行确定,可以理解地,需求度越高,优先级越高;进一步地,可以结合决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型。以此方式,保证了排程模型的精准度。
进一步地,可以结合排程模型及优化算法进行排程结果的确定。具体包括,将排程模型输入至预设有优化算法的解释器,以获得解释器的输出值;对解释器的输出值进行解码,以作为排程结果。其中,优化算法包括启发式算法及混合整数规划。以此方式,能够实现排程结果的精准获取,以通过展示排程结果的方式,便于用户对排程结果进行查看。这里,可以将排程结果通过甘特图的方式显示于终端设备,也可以将排程结果发送至用户的移动设备,以便用户随时随地进行排程结果的查看。
采用本公开实施例提供的用于生产排程的方法,基于订单数据构建决策变量、约束条件及多个目标函数;根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;根据排程模型及优化算法,确定排程结果;对排程结果进行展示,以便用户查看排程结果。这样,通过结合不同目标函数的优先级进行排程模型的构建,能够获得并展示更加精准地排程结果,从而替代现有的采用权重进行目标优化的方式,有效避免因权重设置不合理造成的排产结果不准确的情况发生,更好的满足了各个工厂实际的业务需求,一定程度提高了生产排程效率,满足复杂的排程场景需要,并可以提高经济效益。
图2是本公开实施例提供的一个用于构建排程模型的方法示意图;结合图2所示,可选地,多个目标函数包括第一目标函数及第二目标函数;S12,终端设备根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型,包括:
S21,在第一目标函数的优先级高于第二目标函数的优先级的情况下,终端设备根据决策变量、约束条件及第一目标函数构建初始排程模型。
S22,终端设备将初始排程模型的输出结果作为目标约束条件。
S23,终端设备根据决策变量、目标约束条件及第二目标函数构建排程模型。
在本方案中,多个目标函数各自对应的优先级可以按照业务需求进行确定,可以理解地,需求度越高,优先级越高;则可以在第一目标函数的优先级高于第二目标函数的优先级的情况下,终端设备根据决策变量、约束条件及第一目标函数构建初始排程模型,以获得初始排程模型的输出结果,并将初始排程模型的输出结果作为目标约束条件,以结合决策变量、目标约束条件及第二目标函数构建排程模型。在另一种方案中,若按照业务需求确定的第一目标函数的优先级低于第二目标函数的优先级,则终端设备可以根据决策变量、约束条件及第二目标函数构建初始排程模型,以获得初始排程模型的输出结果,并将初始排程模型的输出结果作为目标约束条件,以结合决策变量、目标约束条件及第一目标函数构建排程模型。在一种优化的方案中,若多个目标函数包括第一目标函数、第二目标函数及第三目标函数,且第一目标函数的优先级高于第二目标函数的优先级高于第三目标函数的优先级,则终端设备根据决策变量、约束条件及第一目标函数构建第一排程模型,以获得第一排程模型的输出结果,并将第一排程模型的输出结果作为第一目标约束条件,从而结合决策变量、第一目标约束条件及第二目标函数构建第二排程模型,以获得第二排程模型的输出结果,并将第二排程模型的输出结果作为第二目标约束条件,进而结合决策变量、第二目标约束条件及第三目标函数构建排程模型。以此方案,能够按照不同目标的优先级情况,对不同目标函数进行分层,以使优先级高的作为主要目标,优先级低的作为次要目标,以便在主要目标最优的条件下层层优化次要目标,以实现排程模型的精准构建。同时,分步优化建模也能够使原本庞大、复杂的变量空间以及计算量大幅降低,节约了系统的处理资源。
可选地,多个目标函数包括第一目标函数及第二目标函数,S11,终端设备基于订单数据构建第一目标函数,包括:
在订单数据包括未排订单的数量及每个订单延单的惩罚系数的情况下,根据未排订单的数量及每个订单延单的惩罚系数构建第一目标函数;其中,第一目标函数为未排订单的数量与惩罚系数的乘积。
在本方案中,在订单数据还包括未排订单的数量及每个订单延单的惩罚系数的情况下,则终端设备可以结合排产需求构建第一目标函数,具体地,
第一目标函数的表达式如下:
其中,Min Obj1为第一目标函数,O_penalty(oi,delay)为每个订单延单的惩罚系数,为未排订单的数量。这样,能够结合排产需求将延单最少作为第一目标函数,为排程模型的构建提供了精准的数据基础。
可选地,多个目标函数包括第一目标函数及第二目标函数,S11,终端设备基于订单数据构建第二目标函数,包括:
在订单数据包括每个型号产品在设定日期的线体排产状态的情况下,根据每个型号产品在设定日期的线体排产状态构建第二目标函数;其中,第二目标函数为每个型号产品在设定日期的线体排产状态对应的排产值之和。
在本方案中,在订单数据包括每个型号产品在设定日期的线体排产状态的情况下,则终端设备可以结合每个型号产品在设定日期的线体排产状态确定各自对应的排产值;其中,排产状态包括不排产或排产;具体地,若排产状态为不排产,相应地,排产值为0;若排产状态为排产,相应地,排产值为1。这样,终端设备可以结合每个型号产品在设定日期的线体排产状态构建第二目标函数。具体地,第二目标函数的表达式如下:
图3是本公开实施例提供的一个用于确定排程结果的方法示意图,结合图3所示,可选地,S13,终端设备根据排程模型及优化算法,确定排程结果,包括:
S31,终端设备将排程模型输入至预设有优化算法的解释器,以获得解释器的输出值。
S31,终端设备对解释器的输出值进行解码,以作为排程结果。
在本方案中,优化算法包括启发式算法及混合整数规划。启发式算法是指在指定的计算时间和空间下给出的待解决组合优化问题每一个实例的可行解,该可行解与最优解的偏离程度一般不能被预计。具体地,启发式算法以仿自然体算法为主,包括蚁群算法、模拟退火法及神经网络等。而混合整数规划是指部分决策变量限制为整数的整数规划问题。解释器又称编译器,可将程序语句转换成机器代码。具体地,终端设备可结合求解需求预先在解释器中设定优化算法,并将已获得的排程模型输入至预设有优化算法的解释器,从而可以获得解释器的输出值,以通过对解释器的输出值进行解码的方式获得排程结果。以此方案,可快速获取计算结果,有效实现了排程结果的精准获取。
图4是本公开实施例提供的一个用于构建决策变量、约束条件及多个目标函数的方法示意图;结合图4所示,可选地,S11,终端设备基于订单数据构建决策变量、约束条件及多个目标函数,包括:
S41,终端设备获得初始订单数据。
S42,终端设备对初始订单数据进行处理,以得到处理后的订单数据。
S43,终端设备基于处理后的订单数据构建决策变量、约束条件及多个目标函数。
在本方案中,终端设备可以获得初始订单数据。这里,初始订单数据为直接获取未经处理的订单数据。具体地,初始订单数据可通过用户进行导入,也可以为其他系统发送的数据,还可以为两者相结合的数据,在这里不进行具体限定。进一步地,终端设备可以对初始订单数据进行处理,具体包括:对获得的初始订单数据进行清洗,以滤除初始订单数据中的不合格数据;对清洗后的初始订单数据进行编码,以得到处理后的订单数据。进一步地,可以在终端设备得到处理后的订单数据后,基于处理后的订单数据构建决策变量、约束条件及多个目标函数。以此方案,保证了按照该方式构建的决策变量、约束条件及多个目标函数符合模型构建需求,为排程模型的构建提供了准确地数据基础。
可选地,S42,终端设备对初始订单数据进行处理,以得到处理后的订单数据,包括:
终端设备对获得的初始订单数据进行清洗,以滤除初始订单数据中的不合格数据。
终端设备对清洗后的初始订单数据进行编码,以得到处理后的订单数据。
在本方案中,终端设备对获得的初始订单数据进行清洗,以滤除初始订单数据中的不合格数据。其中,可以结合排程需求预先设定不合格数据的筛选标准,并结合筛选标准清洗初始订单数据中的不合格数据。例如,可以将初始订单数据中不完整或逻辑关系错误的数据确定为不合格数据。进一步地,终端设备可以对清洗后的初始订单数据进行编码,以得到处理后的订单数据。例如,可以对订单数据、型号数据、日历天数、线体信息、线体设定日期字段、订单型号对应关系及某个订单最晚交货期进行编码,即编码后的订单数据为o_list=[o1,o2,o3,o4,o5]oid_2_num={o1:qtyq,o2:qty2..};编码后的型号数据为p_list=[p1,p2,p3,p4,p5];编码后的日历天数为d_list=[d0,d1…]date_2_id={date0:d0,date1:d1,…};编码后的线体信息为l_list=[x1,x2,…];编码后的线体设定日期字段为x_d_list=[x1_d0,x1_d1…,xn_d0,xn_d1,…];编码后的订单型号对应关系为r_o_p={o1:p1,o2:p3,o4:p4};编码后的某个订单最晚交货期为o_d={o1:d3,o3:d4,o4:d2}。以此方式,能够精准获取处理后的订单数据,为决策变量、约束条件及多个目标函数的构建提供了精准地数据基础。
图5是本公开实施例提供的一个用于生产排程的装置示意图;结合图5所示,本公开实施例提供一种用于生产排程的装置,包括第一构建模块51、第二构建模块52、确定模块53和展示模块54。第一构建模块51被配置为基于订单数据构建决策变量、约束条件及多个目标函数;第二构建模块52被配置为根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;确定模块53被配置为根据排程模型及优化算法,确定排程结果;展示模块54被配置为对排程结果进行展示,以便用户查看排程结果。
采用本公开实施例提供的用于生产排程的装置,基于订单数据构建决策变量、约束条件及多个目标函数;根据决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;根据排程模型及优化算法,确定排程结果;对排程结果进行展示,以便用户查看排程结果。这样,通过结合不同目标函数的优先级进行排程模型的构建,能够获得并展示更加精准地排程结果,从而替代现有的采用权重进行目标优化的方式,有效避免因权重设置不合理造成的排产结果不准确的情况发生,更好的满足了各个工厂实际的业务需求。一定程度提高了生产排程效率,满足复杂的排程场景需要,并可以提高经济效益。
图6是本公开实施例提供的另一个用于生产排程的装置示意图;结合图6所示,本公开实施例提供一种用于生产排程的装置,包括处理器(processor)100和存储器(memory)101。可选地,该装置还可以包括通信接口(Communication Interface)102和总线103。其中,处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令,以执行上述实施例的用于生产排程的方法。
此外,上述的存储器101中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器101作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中用于生产排程的方法。
存储器101可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器101可以包括高速随机存取存储器,还可以包括非易失性存储器。
本公开实施例提供了一种终端设备,包含上述的用于生产排程的装置。
采用本公开实施例提供的终端设备,通过结合不同目标函数的优先级进行排程模型的构建,能够获得并展示更加精准地排程结果,从而替代现有的采用权重进行目标优化的方式,有效避免因权重设置不合理造成的排产结果不准确的情况发生,更好的满足了各个工厂实际的业务需求。一定程度提高了生产排程效率,满足复杂的排程场景需要,并可以提高经济效益。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述用于生产排程的方法。
本公开实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述用于生产排程的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案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一个存储介质中,包括一个或多个指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中,不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生,有时不同的操作或步骤之间不存在特定的顺序。例如,两个连续的操作或步骤实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种用于生产排程的方法,其特征在于,包括:
基于订单数据构建决策变量、约束条件及多个目标函数;
根据所述决策变量、约束条件、多个目标函数及多个目标函数各自对应的优先级,构建排程模型;
根据所述排程模型及优化算法,确定排程结果;
对所述排程结果进行展示,以便用户查看所述排程结果。
2.根据权利要求1所述的方法,其特征在于,所述多个目标函数包括第一目标函数及第二目标函数,所述根据所述决策变量、约束条件、多个目标函数及所述多个目标函数各自对应的优先级,构建排程模型,包括:
在所述第一目标函数的优先级高于所述第二目标函数的优先级的情况下,根据所述决策变量、所述约束条件及所述第一目标函数构建初始排程模型;
将所述初始排程模型的输出结果作为目标约束条件;
根据所述决策变量、所述目标约束条件及所述第二目标函数构建排程模型。
3.根据权利要求1所述的方法,其特征在于,所述多个目标函数包括第一目标函数及第二目标函数,所述基于订单数据构建第一目标函数,包括:
在所述订单数据包括未排订单的数量及每个订单延单的惩罚系数的情况下,根据所述未排订单的数量及每个订单延单的惩罚系数构建第一目标函数;
其中,所述第一目标函数为所述未排订单的数量与所述惩罚系数的乘积。
4.根据权利要求1所述的方法,其特征在于,所述多个目标函数包括第一目标函数及第二目标函数,所述基于订单数据构建第二目标函数,包括:
在所述订单数据包括每个型号产品在设定日期的线体排产状态的情况下,根据所述每个型号产品在设定日期的线体排产状态构建第二目标函数;
其中,所述第二目标函数为每个型号产品在设定日期的线体排产状态对应的排产值之和。
5.根据权利要求1所述的方法,其特征在于,所述根据所述排程模型及优化算法,确定排程结果,包括:
将所述排程模型输入至预设有优化算法的解释器,以获得所述解释器的输出值;
对所述解释器的输出值进行解码,以作为所述排程结果。
6.根据权利要求1所述的方法,其特征在于,所述基于订单数据构建决策变量、约束条件及多个目标函数,包括:
获得初始订单数据;
对所述初始订单数据进行处理,以得到处理后的订单数据;
基于所述处理后的订单数据构建决策变量、约束条件及多个目标函数。
7.根据权利要求6所述的方法,其特征在于,所述对所述初始订单数据进行处理,以得到处理后的订单数据,包括:
对获得的所述初始订单数据进行清洗,以滤除所述初始订单数据中的不合格数据;
对清洗后的所述初始订单数据进行编码,以得到处理后的订单数据。
8.一种用于生产排程的装置,其特征在于,包括:
第一构建模块,被配置为基于订单数据构建决策变量、约束条件及多个目标函数;
第二构建模块,被配置为根据所述决策变量、约束条件、多个目标函数及所述多个目标函数各自对应的优先级,构建排程模型;
确定模块,被配置为根据所述排程模型及优化算法,确定排程结果;
展示模块,被配置为对所述排程结果进行展示,以便用户查看所述排程结果。
9.一种用于生产排程的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至7任一项所述的用于生产排程的方法。
10.一种存储介质,存储有程序指令,其特征在于,所述程序指令在运行时,执行如权利要求1至7任一项所述的用于生产排程的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310103330.2A CN116050792A (zh) | 2023-01-29 | 2023-01-29 | 用于生产排程的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310103330.2A CN116050792A (zh) | 2023-01-29 | 2023-01-29 | 用于生产排程的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116050792A true CN116050792A (zh) | 2023-05-02 |
Family
ID=86133077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310103330.2A Pending CN116050792A (zh) | 2023-01-29 | 2023-01-29 | 用于生产排程的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116050792A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455135A (zh) * | 2023-08-23 | 2024-01-26 | 广州聚超软件科技有限公司 | 一种模具加工的生产排程方法、系统、终端及存储介质 |
-
2023
- 2023-01-29 CN CN202310103330.2A patent/CN116050792A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455135A (zh) * | 2023-08-23 | 2024-01-26 | 广州聚超软件科技有限公司 | 一种模具加工的生产排程方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | A shuffled frog-leaping algorithm for flexible job shop scheduling with the consideration of energy consumption | |
Demir et al. | An effective genetic algorithm for flexible job-shop scheduling with overlapping in operations | |
Ozturk et al. | Extracting priority rules for dynamic multi-objective flexible job shop scheduling problems using gene expression programming | |
CN111667207A (zh) | 供应链库存的管理方法及装置、存储介质和处理器 | |
US11544443B2 (en) | Time information coding method, coded value searching method, decoding method and device | |
CN116050792A (zh) | 用于生产排程的方法、装置及存储介质 | |
Grabenstetter et al. | Developing due dates in an engineer-to-order engineering environment | |
CN104463394A (zh) | 生产资源管理 | |
CN109118012B (zh) | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 | |
Liao et al. | Multi-objective group scheduling optimization integrated with preventive maintenance | |
Gomes et al. | A discrete time reactive scheduling model for new order insertion in job shop, make-to-order industries | |
CN115689246A (zh) | 用于确定排产计划的方法、装置、存储介质及处理器 | |
Kazemisaboor et al. | A simulation-based optimisation framework for process plan generation in reconfigurable manufacturing systems (RMSs) in an uncertain environment | |
Xu et al. | Robust balancing of mixed model assembly line | |
CN116579570A (zh) | 产品生产排产方法、装置、设备及介质 | |
Xu et al. | Optimal policy for production systems with two flexible resources and two products | |
CN116451936A (zh) | 一种基于遗传算法的排程方法、系统和存储介质 | |
JP5467969B2 (ja) | 生産計画作成装置、生産計画作成プログラム、及び生産計画作成方法 | |
CN111754136A (zh) | 工厂排产方法、装置、电子设备和计算机可读存储介质 | |
Atan et al. | Single CNC machine scheduling with controllable processing times and multiple due dates | |
CN105868990A (zh) | 一种限定从账号消费的方法及装置 | |
Kumar | Inventory model with price-dependent demand rate and no shortages: an interval-valued linear fractional programming approach | |
WO2004036466A2 (en) | Determining values for characteristic value combinations | |
JP6016657B2 (ja) | データ処理装置及びプログラム | |
CN113157708B (zh) | 用于更新酒品信息的方法、装置和智能酒柜 |
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 |