CN116128216A - 一种基于多因素可调权重的排产方法 - Google Patents

一种基于多因素可调权重的排产方法 Download PDF

Info

Publication number
CN116128216A
CN116128216A CN202211688563.5A CN202211688563A CN116128216A CN 116128216 A CN116128216 A CN 116128216A CN 202211688563 A CN202211688563 A CN 202211688563A CN 116128216 A CN116128216 A CN 116128216A
Authority
CN
China
Prior art keywords
order
date
order data
data
actual
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
CN202211688563.5A
Other languages
English (en)
Inventor
陈晓双
金艳梅
谷牧
高浩天
王旭亮
刘鑫
周小波
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.)
Beijing Aerospace Intelligent Technology Development Co ltd
Original Assignee
Beijing Aerospace Intelligent Technology Development 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 Beijing Aerospace Intelligent Technology Development Co ltd filed Critical Beijing Aerospace Intelligent Technology Development Co ltd
Priority to CN202211688563.5A priority Critical patent/CN116128216A/zh
Publication of CN116128216A publication Critical patent/CN116128216A/zh
Pending legal-status Critical Current

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (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

本发明提供一种基于多因素可调权重的排产方法。一种基于多因素可调权重的排产方法包括：S1、以间隔固定时间划定计划周期；S2、获取订单数据；S3、遍历所有订单数据，判断订单数据对应的订单状态信息并执行对应的操作；S4、对所有订单数据进行排产，生成排产计划。本发明通过对订单数据对应每天的订单完成量进行检测，选择最为普遍的订单完成量来预测实际订单完成日期，更加贴合实际生产情况，也方便排产计划的生成。

Description

一种基于多因素可调权重的排产方法
技术领域
本发明涉及排产计划管理领域，更具体的说，它涉及一种基于多因素可调权重的排产方法。
背景技术
在市场经济和MES系统软件不断发展下，先进的计划和调度(APS)软件已经成为现代制造业务的必备软件，这是由于客户对产品组合的增加和快速交货的需求，生产模式从大批量生产(流水线生产)，不断往多品种小批量(JIT精益生产)模式发展。同时人、机、料等齐套周期不一致，订单的插单或更改等，导致生产管理复杂性不断上升。
现有的自动排产计划系统在考虑权重时，其权重往往是固定的，无法根据实际生产情况来调节权重，适用性较低。
发明内容
本发明提供一种基于多因素可调权重的排产方法，通过对订单开始日期的更新，调整多因素可调权重，使得排产计划更加贴近实际情况，提升适用性。
一种基于多因素可调权重的排产方法，包括如下步骤：
S1：以间隔固定时间划定计划周期，记为Fn，计划周期Fn以集合的形式存储，内部存储元素为计划周期Fn对应的所有日期，所有日期按照时间顺序在计划周期Fn内排列；
S2：获取订单数据，订单数据包括订单状态信息、订单开始日期、订单准备时间、订单装配周期、订单完成日期、订单总量和订单交货日期，订单状态信息包括正在进行状态和未开始状态；
S3：遍历所有订单数据，判断订单数据对应的订单状态信息，若订单状态信息为正在进行状态，进入S4；若订单状态信息为未开始状态，将此订单数据添加至集合δ中；
S4：获取此订单数据的装配时间及订单完成总量，预测此订单数据的实际订单完成日期，并对订单数据中的订单完成日期进行更新；
S5：获取当前计划周期Fn中最后一个元素fmax，fmax即为当前计划周期中最后一天的日期，判断实际订单完成日期和fmax的大小关系，若是实际订单完成日期小于等于fmax，不进行操作；若是实际订单完成日期大于fmax，进入S6；
S6：计算此订单数据的订单剩余数量，由订单总量减去订单完成总量得到，计算实际订单装配周期，由订单完成日期减去fmax得到，以下一计划周期Fn+1的第一天为订单开始日期，实际订单装配周期为订单装配周期，实际订单完成日期为订单完成日期，订单剩余数量为订单总量生成新的订单数据，其中订单状态信息更新为未开始，订单准备时间为0，订单交货日期不变，并将新生成的订单数据添加至集合δ；
S7：获取集合δ，计算集合δ中所有订单数据的多因素可调权重，并根据所有订单数据的多因素可调权重和下一计划周期Fn+1对所有订单数据进行排产，生成排产计划。
作为优选的一个方面，步骤S4中，预测此订单数据的实际订单完成日期包括如下步骤：
S4.1：获取此订单数据自开始装配的装配时间Ti及订单完成量Qi，装配时间Ti以天为单位，i＝1，2，3······I，I为订单数据已进行装配的总天数，每一个装配时间Ti对应一个订单完成量Qi；
S4.2：计算订单完成总量Qz，
Figure BDA0004020343970000031
计算订单剩余数量Qs＝Qw-Qz，其中Qw为订单总量，将所有订单完成量Qi按从大到小的顺序进行排序，记为Qj，j＝1，2，3······I，I为订单数据已进行装配的总天数；
S4.3：令k＝1；
S4.4：计算订单完成量差值
Figure BDA0004020343970000032
判断“α≤A”是否成立，其中A为差值置信度，若是“α≤A”成立，进入S4.5；若是“α≤A”不成立，进入S4.6；
S4.5：将Qk添加至集合Hr，进入S4.7；
S4.6：将Qk添加至集合Hr+1，进入S4.7；
S4.7：判断“k≤I”是否成立，若是“k≤I”成立，将k+1赋值给k，回到S4.4；若是“k≤I”不成立，进入S4.8；
S4.8：计算所有集合Hr对应的元素总个数Pr，通过排序算法将所有Pr按从大到小的顺序进行排列，选择最大的Pr对应的集合Hr；
S4.9：计算集合Hr内部所有元素的平均值Qavg，计算剩余装配时间
Figure BDA0004020343970000033
实际订单完成日期为TI+t。
作为优选的一个方面，所述步骤S7中，计算多因素可调权重包括如下步骤：
D1：获取订单数据对应客户的等级数据L；
D2：获取订单数据对应的逾期天数ε，
Figure BDA0004020343970000041
其中，Ys为订单数据对应的订单开始日期，Yp为订单数据对应的订单交货日期；
D3：获取订单准备时间G；
D4：计算多因素可调权重
Figure BDA0004020343970000042
其中w1、w2、w3、w4和d为修正系数。
作为优选的一个方面，生成排产计划包括如下步骤：
B1：计算集合δ中所有订单数据的多因素可调权重q，按照多因素可调权重q从大到小的顺序对所有订单数据进行排序；
B2：选择最大多因素可调权重q对应的订单数据，并在集合δ中删除此订单数据，下一计划周期Fn+1的第一天为订单开始日期，并根据订单开始日期+订单准备时间+订单装配周期得到理论订单完成日期，并对此订单数据的订单完成日期进行更新；
B3：将集合δ中剩下所有的订单数据的订单开始日期替换为最大多因素可调权重q对应的订单数据的理论订单完成日期对应的值；
B4：判断集合δ中的元素个数是否为0，若是集合δ中的元素个数不为0，回到B1；若是集合δ中的元素个数为0，进入B5；
B5：以下一计划周期Fn+1内的日期为索引，将所有订单状态信息为未开始状态的订单数据分布在下一计划周期Fn+1内的日期上，形成排产计划。
作为优选的一个方面，在步骤S5中，还包括对实际订单完成日期和订单交货日期的大小判断，若是实际订单完成日期小于等于订单交货日期，无操作；若是实际订单完成日期大于订单交货日期，对此订单数据进行标记，并且根据实际订单完成日期调整此订单数据的订单装配周期；当后续获取订单数据时，将新的订单数据与标记的订单数据进行匹配，匹配成功则调整获取的订单数据的订单装配周期。
作为优选的一个方面，用户通过手动输入或者数据库导入的形式将订单数据进行输入。
作为优选的一个方面，用户通过手动调整多因素可调权重q计算时的修正系数，对排产计划进行更新。
作为优选的一个方面，排产计划以表格和甘特图的形式进行显示。
本发明具有以下优点：
1、本发明通过对订单数据对应每天的订单完成量进行检测，选择最为普遍的订单完成量来预测实际订单完成日期，更加贴合实际生产情况，也方便排产计划的生成。
2、本发明结合客户等级、逾期天数和准备时间等因素，计算多因素可调权重，并且逾期天数越大，其在多因素可调权重q中占比就越大，考虑到实际生产中最需要考虑的因素，方便排产计划的生产。
3、本发明在考虑逾期天数的同时，通过对订单开始日期的更新，调整多因素可调权重，使得排产计划更加贴近实际情况，提升适用性。
附图说明
图1为本发明实施例所采用基于多因素可调权重的排产方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，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，都应当属于本发明保护的范围。
实施例1
一种基于多因素可调权重的排产方法，如图1所示，包括如下步骤：
S1：以间隔固定时间划定计划周期，此固定时间默认为7天，可以由用户进行设定记为Fn，计划周期Fn以集合的形式存储，内部存储元素为计划周期Fn对应的所有日期，所有日期按照时间顺序在计划周期Fn内排列；
S2：获取订单数据，用户通过手动输入或者数据库导入的形式将订单数据进行输入，订单数据包括订单状态信息、订单开始日期、订单准备时间、订单装配周期、订单完成日期、订单总量和订单交货日期，订单状态信息包括正在进行状态和未开始状态；
S3：遍历所有订单数据，由于实际生产过程中，订单的下发是不稳定的，为了方便排产计划的进行，将正在进行的订单和未开始的订单分开是一个比较好的方法，判断订单数据对应的订单状态信息，若订单状态信息为正在进行状态，进入S4；若订单状态信息为未开始状态，将此订单数据添加至集合δ中；
S4：获取此订单数据的装配时间及订单完成总量，预测此订单数据的实际订单完成日期，并对订单数据中的订单完成日期进行更新；
步骤S4中，预测此订单数据的实际订单完成日期包括如下步骤：
S4.1：获取此订单数据自开始装配的装配时间Ti及订单完成量Qi，装配时间Ti以天为单位，i＝1，2，3······I，I为订单数据已进行装配的总天数，每一个装配时间Ti对应一个订单完成量Qi；
S4.2：计算订单完成总量Qz，
Figure BDA0004020343970000071
计算订单剩余数量Qs＝Qw-Qz，其中Qw为订单总量，将所有订单完成量Qi通过冒泡排序算法按从大到小的顺序进行排序，记为Qj，j＝1，2，3······I，I为订单数据已进行装配的总天数；
S4.3：令k＝1；
S4.4：计算订单完成量差值
Figure BDA0004020343970000072
判断“α≤A”是否成立，其中A为差值置信度，由用户进行设定，默认为0.05，若是“α≤A”成立，说明前后两天的订单完成量相差不大，进入S4.5；若是“α≤A”不成立，说明前后两天的订单完成量相差较大，进入S4.6；
S4.5：将Qk添加至集合Hr，进入S4.7；
S4.6：将Qk添加至集合Hr+1，进入S4.7；
S4.7：判断“k≤I”是否成立，若是“k≤I”成立，将k+1赋值给k，回到S4.4；若是“k≤I”不成立，进入S4.8；
S4.8：计算所有集合Hr对应的元素总个数Pr，通过冒泡排序算法将所有Pr按从大到小的顺序进行排列，选择最大的Pr对应的集合Hr；
S4.9：计算集合Hr内部所有元素的平均值Qavg，计算剩余装配时间
Figure BDA0004020343970000081
实际订单完成日期为TI+t；
由于在实际生产的过程中，存在多种因素，例如机器损坏、停电或者工作效率等，每天的订单完成量是不确定的，本发明通过对订单数据对应每天的订单完成量进行检测，选择最为普遍的订单完成量来预测实际订单完成日期，更加贴合实际生产情况，也方便排产计划的生成。
S5：获取当前计划周期Fn中最后一个元素fmax，fmax即为当前计划周期中最后一天的日期，判断实际订单完成日期和fmax的大小关系，若是实际订单完成日期小于等于fmax，不进行操作；若是实际订单完成日期大于fmax，进入S6；
S6：计算此订单数据的订单剩余数量，由订单总量减去订单完成总量得到，计算实际订单装配周期，由订单完成日期减去fmax得到，以下一计划周期Fn+1的第一天为订单开始日期，实际订单装配周期为订单装配周期，实际订单完成日期为订单完成日期，订单剩余数量为订单总量生成新的订单数据，其中订单状态信息更新为未开始，订单准备时间为0，订单交货日期不变，并将新生成的订单数据添加至集合δ；
S7：获取集合δ，计算集合δ中所有订单数据的多因素可调权重，并根据所有订单数据的多因素可调权重和下一计划周期Fn+1对所有订单数据进行排产，生成排产计划。
所述步骤S7中，计算多因素可调权重包括如下步骤：
D1：获取订单数据对应客户的等级数据L，等级数据L由用户进行输入；
D2：获取订单数据对应的逾期天数ε，
Figure BDA0004020343970000091
其中，Ys为订单数据对应的订单开始日期，Yp为订单数据对应的订单交货日期；
D3：获取订单准备时间G，订单准备时间包括原料的准备，生产线的准备等；
D4：计算多因素可调权重
Figure BDA0004020343970000092
其中w1、w2、w3、w4和d为修正系数，其中逾期天数越大，其在多因素可调权重q中占比就越大。
本发明结合客户等级、逾期天数和准备时间等因素，计算多因素可调权重，考虑到实际生产中最需要考虑的因素，方便排产计划的生产。
下面结合多因素可调权重对生成排产计划进行具体说明，生成排产计划包括如下步骤：
B1：计算集合δ中所有订单数据的多因素可调权重q，按照多因素可调权重q从大到小的顺序对所有订单数据进行排序；
B2：选择最大多因素可调权重q对应的订单数据，并在集合δ中删除此订单数据，下一计划周期Fn+1的第一天为订单开始日期，并根据订单开始日期+订单准备时间+订单装配周期得到理论订单完成日期，并对此订单数据的订单完成日期进行更新；
B3：将集合δ中剩下所有的订单数据的订单开始日期替换为最大多因素可调权重q对应的订单数据的理论订单完成日期对应的值，替换完之后，由于能够影响逾期天数的改变，对应的多因素可调权重也会随着改变，结合生产实际实现对多因素可调权重的调整；
B4：判断集合δ中的元素个数是否为0，若是集合δ中的元素个数不为0，回到B1；若是集合δ中的元素个数为0，进入B5；
B5：以下一计划周期Fn+1内的日期为索引，将所有订单状态信息为未开始状态的订单数据分布在下一计划周期Fn+1内的日期上，形成排产计划，排产计划以表格和甘特图的形式进行显示。
本发明在考虑逾期天数的同时，通过对订单开始日期的更新，调整多因素可调权重，使得排产计划更加贴近实际情况，提升适用性。
由于考虑到实际生产中，装配日期是提前预测进行设定的，和实际情况会有偏差，所以需要结合实际对订单装配周期进行调整，在步骤S5中，还包括对实际订单完成日期和订单交货日期的大小判断，若是实际订单完成日期小于等于订单交货日期，无操作；若是实际订单完成日期大于订单交货日期，对此订单数据进行标记，并且根据实际订单完成日期调整此订单数据的订单装配周期；当后续获取订单数据时，将新的订单数据与标记的订单数据进行匹配，匹配成功则调整获取的订单数据的订单装配周期。
作为优选的一个方面，用户通过手动调整多因素可调权重q计算时的修正系数，对排产计划进行更新，实现人工排产和自动排产的结合。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种基于多因素可调权重的排产方法，其特征在于，包括如下步骤：
S1：以间隔固定时间划定计划周期，记为Fn，计划周期Fn以集合的形式存储，内部存储元素为计划周期Fn对应的所有日期，所有日期按照时间顺序在计划周期Fn内排列；
S2：获取订单数据，订单数据包括订单状态信息、订单开始日期、订单准备时间、订单装配周期、订单完成日期、订单总量和订单交货日期，订单状态信息包括正在进行状态和未开始状态；
S3：遍历所有订单数据，判断订单数据对应的订单状态信息，若订单状态信息为正在进行状态，进入S4；若订单状态信息为未开始状态，将此订单数据添加至集合δ中；
S4：获取此订单数据的装配时间及订单完成总量，预测此订单数据的实际订单完成日期，并对订单数据中的订单完成日期进行更新；
S5：获取当前计划周期Fn中最后一个元素fmax，fmax即为当前计划周期中最后一天的日期，判断实际订单完成日期和fmax的大小关系，若是实际订单完成日期小于等于fmax，不进行操作；若是实际订单完成日期大于fmax，进入S6；
S6：计算此订单数据的订单剩余数量，由订单总量减去订单完成总量得到，计算实际订单装配周期，由订单完成日期减去fmax得到，以下一计划周期Fn+1的第一天为订单开始日期，实际订单装配周期为订单装配周期，实际订单完成日期为订单完成日期，订单剩余数量为订单总量生成新的订单数据，其中订单状态信息更新为未开始，订单准备时间为0，订单交货日期不变，并将新生成的订单数据添加至集合δ；
S7：获取集合δ，计算集合δ中所有订单数据的多因素可调权重，并根据所有订单数据的多因素可调权重和下一计划周期Fn+1对所有订单数据进行排产，生成排产计划。
2.根据权利要求1所述的一种基于多因素可调权重的排产方法，其特征在于，步骤S4中，预测此订单数据的实际订单完成日期包括如下步骤：
S4.1：获取此订单数据自开始装配的装配时间Ti及订单完成量Qi，装配时间Ti以天为单位，i＝1，2，3······I，I为订单数据已进行装配的总天数，每一个装配时间Ti对应一个订单完成量Qi；
S4.2：计算订单完成总量Qz，
Figure FDA0004020343960000021
计算订单剩余数量Qs＝Qw-Qz，其中Qw为订单总量，将所有订单完成量Qi按从大到小的顺序进行排序，记为Qj，j＝1，2，3······I，I为订单数据已进行装配的总天数；
S4.3：令k＝1；
S4.4：计算订单完成量差值
Figure FDA0004020343960000022
判断“α≤A”是否成立，其中A为差值置信度，若是“α≤A”成立，进入S4.5；若是“α≤A”不成立，进入S4.6；
S4.5：将Qk添加至集合Hr，进入S4.7；
S4.6：将Qk添加至集合Hr+1，进入S4.7；
S4.7：判断“k≤I”是否成立，若是“k≤I”成立，将k+1赋值给k，回到S4.4；若是“k≤I”不成立，进入S4.8；
S4.8：计算所有集合Hr对应的元素总个数Pr，通过排序算法将所有Pr按从大到小的顺序进行排列，选择最大的Pr对应的集合Hr；S4.9：计算集合Hr内部所有元素的平均值Qavg，计算剩余装配时间
Figure FDA0004020343960000031
实际订单完成日期为TI+t。
3.根据权利要求2所述的一种基于多因素可调权重的排产方法，其特征在于，所述步骤S7中，计算多因素可调权重包括如下步骤：
D1：获取订单数据对应客户的等级数据L；
D2：获取订单数据对应的逾期天数ε，
Figure FDA0004020343960000032
其中，Ys为订单数据对应的订单开始日期，Yp为订单数据对应的订单交货日期；
D3：获取订单准备时间G；
D4：计算多因素可调权重
Figure FDA0004020343960000033
其中w1、w2、w3、w4和d为修正系数。
4.根据权利要求3所述的一种基于多因素可调权重的排产方法，其特征在于，生成排产计划包括如下步骤：
B1：计算集合δ中所有订单数据的多因素可调权重q，按照多因素可调权重q从大到小的顺序对所有订单数据进行排序；
B2：选择最大多因素可调权重q对应的订单数据，并在集合δ中删除此订单数据，下一计划周期Fn+1的第一天为订单开始日期，并根据订单开始日期+订单准备时间+订单装配周期得到理论订单完成日期，并对此订单数据的订单完成日期进行更新；
B3：将集合δ中剩下所有的订单数据的订单开始日期替换为最大多因素可调权重q对应的订单数据的理论订单完成日期对应的值；
B4：判断集合δ中的元素个数是否为0，若是集合δ中的元素个数不为0，回到B1；若是集合δ中的元素个数为0，进入B5；
B5：以下一计划周期Fn+1内的日期为索引，将所有订单状态信息为未开始状态的订单数据分布在下一计划周期Fn+1内的日期上，形成排产计划。
5.根据权利要求4所述的一种基于多因素可调权重的排产方法，其特征在于，在步骤S5中，还包括对实际订单完成日期和订单交货日期的大小判断，若是实际订单完成日期小于等于订单交货日期，无操作；若是实际订单完成日期大于订单交货日期，对此订单数据进行标记，并且根据实际订单完成日期调整此订单数据的订单装配周期；当后续获取订单数据时，将新的订单数据与标记的订单数据进行匹配，匹配成功则调整获取的订单数据的订单装配周期。
6.根据权利要求1所述的一种基于多因素可调权重的排产方法，其特征在于，用户通过手动输入或者数据库导入的形式将订单数据进行输入。
7.根据权利要求3所述的一种基于多因素可调权重的排产方法，其特征在于，用户通过手动调整多因素可调权重q计算时的修正系数，对排产计划进行更新。
8.根据权利要求4所述的一种基于多因素可调权重的排产方法，其特征在于，排产计划以表格和甘特图的形式进行显示。
CN202211688563.5A 2022-12-27 2022-12-27 一种基于多因素可调权重的排产方法 Pending CN116128216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211688563.5A CN116128216A (zh) 2022-12-27 2022-12-27 一种基于多因素可调权重的排产方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211688563.5A CN116128216A (zh) 2022-12-27 2022-12-27 一种基于多因素可调权重的排产方法

Publications (1)

Publication Number Publication Date
CN116128216A true CN116128216A (zh) 2023-05-16

Family

ID=86311053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211688563.5A Pending CN116128216A (zh) 2022-12-27 2022-12-27 一种基于多因素可调权重的排产方法

Country Status (1)

Country Link
CN (1) CN116128216A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236632A (zh) * 2023-10-08 2023-12-15 常州同泰生物药业科技股份有限公司 一种狂犬病疫苗生产线物料管控方法
CN117852842A (zh) * 2024-03-07 2024-04-09 山东豪泉软件技术有限公司 一种订单排产方法、装置、电子设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236632A (zh) * 2023-10-08 2023-12-15 常州同泰生物药业科技股份有限公司 一种狂犬病疫苗生产线物料管控方法
CN117236632B (zh) * 2023-10-08 2024-07-09 常州同泰生物药业科技股份有限公司 一种狂犬病疫苗生产线物料管控方法
CN117852842A (zh) * 2024-03-07 2024-04-09 山东豪泉软件技术有限公司 一种订单排产方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
CN116128216A (zh) 一种基于多因素可调权重的排产方法
CN107146039B (zh) 一种多目标协同控制的定制式混流装配生产方法及装置
CN111915139B (zh) 推移式高效高准确性的智能生产排程算法及信息记录介质
CN111191846A (zh) 一种面向客户复杂定制需求的油缸产品排产优化装置
CN1674025A (zh) 计划操作管理支持系统，以及计划操作管理支持程序
US7398130B2 (en) Ordering/order receiving system
CN111582650A (zh) 一种物料需求计划计算方法
US6795742B1 (en) Production management method in a plurality of production lines
CN111108454A (zh) 生产计划制定辅助系统
CN113487155A (zh) 一种用于塑料行业的智能排程系统
CN106873555B (zh) 一种多品种小批量混流装配线的总装生产排序方法及装置
JP5776797B2 (ja) プログラム、評価情報生成方法及び評価情報生成システム
JP4679670B1 (ja) 電気料金試算システム
CN110751292B (zh) 一种基于遗传算法的云制造多视角协同调度优化方法
JP5234818B2 (ja) 生産計画作成方法及び生産計画作成プログラム、並びに生産計画作成装置
CN115659052A (zh) 订单分配方法、系统及存储介质
CN113095704A (zh) 一种生产计划排配方法、装置、设备及介质
CN114997532A (zh) 不确定性环境下民事电话送达调度方法、终端及存储介质
JP2004292101A (ja) 発注処理支援システム及び方法
JP4318162B2 (ja) 生産日程計画管理方法及び生産日程計画管理プログラム
JP2005242816A (ja) コンピュータによる受注交渉支援方法
JP4269539B2 (ja) 板取りにおける生産計画立案方法
JP2021039398A (ja) 工数自動算出システム
JP4308554B2 (ja) 生産管理支援装置、生産管理支援用のコンピュータプログラム、およびそのコンピュータプログラムを記録した記録媒体
EP3026612A1 (en) System and methods for order promising using atp aggregation

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