CN116300708A - 一种多制程生产调度方法、装置及计算机可读存储介质 - Google Patents

一种多制程生产调度方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN116300708A
CN116300708A CN202211678008.4A CN202211678008A CN116300708A CN 116300708 A CN116300708 A CN 116300708A CN 202211678008 A CN202211678008 A CN 202211678008A CN 116300708 A CN116300708 A CN 116300708A
Authority
CN
China
Prior art keywords
production
information
scheduling
processing
scheduling model
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
CN202211678008.4A
Other languages
English (en)
Inventor
吴振廷
张洪伟
元海燕
闫莉
王青玉
刘凯雯
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.)
Fulian Yuzhan Technology Shenzhen Co Ltd
Original Assignee
Fulian Yuzhan Technology Shenzhen 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 Fulian Yuzhan Technology Shenzhen Co Ltd filed Critical Fulian Yuzhan Technology Shenzhen Co Ltd
Priority to CN202211678008.4A priority Critical patent/CN116300708A/zh
Publication of CN116300708A publication Critical patent/CN116300708A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及生产调度技术领域，尤其涉及一种多制程生产调度方法、装置及计算机可读存储介质。其中，该方法包括：获取历史生产数据；根据历史生产数据构建单制程优化调度模型；根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型；获取第一生产任务信息；将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划；根据所述多制程生产调度计划进行生产加工操作。本发明实施例中，通过先根据历史生产数据构建单制程优化调度模型，之后再基于单制程优化调度模型来扩展得到多制程优化调度模型。从而基于多制程优化调度模型输出的多制程生产调度计划进行生产，提高了生产效率和生产设备的利用率。

Description

一种多制程生产调度方法、装置及计算机可读存储介质
【技术领域】
本发明涉及生产调度技术领域，尤其涉及一种多制程生产调度方法、装置及计算机可读存储介质。
【背景技术】
经典柔性作业车间调度问题模型为：有多个待加工的任务和加工设备，每个任务由多道加工工序组成，并且每个任务对应的加工工序必须按照设定的顺序依次加工。每道加工工序具有相应的加工设备，加工设备不能同时处理两个及以上的任务。现有技术中往往依靠人工的方式来根据以往生产经验制定生产计划，从而确定各个生产设备的生产任务。但在多制程生产场景下，将会导致生产计划的制定较为困难，多个制程之间涉及先后顺序，每个制程又涉及多道工序。因此，如何更好的制定生产计划来对各个生产设备进行有效调度从而提高生产效率是目前亟待解决的问题。
【发明内容】
为了解决上述问题，本发明实施例提供了一种多制程生产调度方法、装置及计算机可读存储介质，可以提高生产效率。
第一方面，本发明实施例提供一种多制程生产调度方法，包括：
获取历史生产数据；
根据历史生产数据构建单制程优化调度模型；
根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型；
获取第一生产任务信息；
将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划；
根据所述多制程生产调度计划进行生产加工操作。
在一种可能的实现方式中，所述历史生产数据至少包括工序信息、加工设备信息、库存信息以及车间生产管理信息；所述根据历史生产数据构建单制程优化调度模型，包括：
根据所述加工设备信息，对单制程的各个加工工序配置对应的加工设备；
基于所述工序信息，确定单制程的不同加工工序之间的关联关系，并构建各个加工设备之间的调度关系；
根据所述调度关系、所述库存信息和所述车间生产管理信息，构建所述单制程优化调度模型。
在一种可能的实现方式中，所述单制程优化调度模型包括：
目标函数一：goal＝minm{maxi{Ti，m}}；
目标函数二：goal＝max{Sm|Sm＝∑ηm×Pm}；
损失函数：loss＝min{sum{(Ti,m-Tsi,m-Ts,m)^2}}
其中，所述Ti，m表示加工设备m上第i个工件加工完成的时刻，所述Sm表示加工设备m加工的良品数量，所述ηm表示加工设备m的良品率，所述Pm表示在加工设备m上加工工件个数；所述Tsi,m表示加工设备m加工完第i个工件后到开始加工第i+1个工件之间需要等待的空机时间，所述Ts,m表示加工设备m加工第i个零件的实际加工时间。
在一种可能的实现方式中，所述制程信息包括不同制程所之间的关联关系以及每个制程对应的工序信息；所述根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型，包括：
根据所述不同制程之间的关联关系为每个制程分配对应的加工设备；
基于每个制程对应的工序信息，确定每个制程中各个加工工序所对应的加工设备，并确定每个制程中各个加工设备之间的调度关系；
将所述每个制程中各个加工设备之间的调度关系以及每个制程对应的历史生产数据输入所述单制程优化调度模型，形成所述多制程优化调度模型。
在一种可能的实现方式中，所述第一生产任务信息至少包括任务数量以及完成时间；将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划包括：
将所述第一生产任务信息输入所述多制程优化调度模型，得到各个加工设备的生产节拍信息；
利用析图模型和所述各个加工设备的生产节拍信息，计算各个加工设备的排产结果；
基于所述各个加工设备的排产结果，生成所述多制程生产调度计划。
在一种可能的实现方式中，根据所述多制程生产调度计划进行生产加工操作之后，所述方法还包括：
基于预设触发条件，获取当前的生产信息；
根据所述生产信息更新所述多制程生产调度计划。
在一种可能的实现方式中，所述预设触发条件至少包括以下信息中的任一种：
预设时间间隔、加工设备故障、变更第一生产任务信息。
在一种可能的实现方式中，所述将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划之后，所述方法还包括：
根据所述多制程生产调度计划生成对应的月排程信息、周排程信息以及日排程信息。
在一种可能的实现方式中，所述根据所述生产信息更新所述多制程生产调度计划之后，所述方法还包括：
根据所述多制程生产调度计划和所述第一生产任务信息，计算月排程信息；
基于所述第一生产任务信息计算周排程所对应的第二生产任务信息，根据所述月排程信息和所述第二生产任务信息，计算周排程信息；
基于所述第二生产任务信息计算日排程所对应的第三生产任务信息，根据所述周排程信息和所述第三生产任务信息，计算日排程信息。
在一种可能的实现方式中，所述根据所述生产信息更新所述多制程生产调度计划，包括：
分别给所述月排程信息、所述周排程信息以及所述日排程信息设置相应的余量及更新频率；
计算所述生产信息与当前的日排程信息之间的第一差值，如果所述第一差值大于日排程信息的余量，则基于日排程信息的更新频率，根据所述生产信息，重新确定新的日排程信息；
计算新的日排程信息和当前的周排程信息之间的第二差值，如果所述第二差值大于周排程信息的余量，则基于周排程信息的更新频率，根据新的日排程信息调整周排程信息；
计算调整后的周排程信息和当前的月排程信息之间的第三差值，如果所述第三差值大于月排程信息的余量，则基于月排程信息的更新频率，根据新的周排程信息调整月排程信息；
根据调整后的所述月排程信息调整所述多制程生产调度计划。
在一种可能的实现方式中，所述根据所述多制程生产调度计划进行生产加工操作之后，所述方法还包括：
获取生产结果信息；
确定所述多制程生产调度计划与所述生产结果信息之间的偏差值；
如果所述偏差值大于预设阈值，则对所述多制程优化调度模型进行对应调整。
在一种可能的实现方式中，对所述多制程优化调度模型进行对应调整，包括：
获取调整信息，所述调整信息至少包含模型参数调整信息以及模型约束条件调整信息中的一种或多种；
根据所述调整信息对所述多制程优化调度模型的模型参数和/或模型约束条件进行调整。
在一种可能的实现方式中，所述根据历史生产数据构建单制程优化调度模型，包括：
对所述历史生产数据进行数据处理，所述数据处理至少包含特征提取、特征转换、特征扩展以及特征清洗中的一种或多种组合；
根据数据处理后的历史生产数据构建所述单制程优化调度模型。
第二方面，本发明实施例提供一种多制程生产调度装置，包括：
通信器，用于获取历史生产数据和第一生产任务信息；
处理器，用于根据历史生产数据构建单制程优化调度模型；根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型；将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划；根据所述多制程生产调度计划进行生产加工操作。
第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面所述的方法。
应当理解的是，本发明实施例的第二～三方面与本发明实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
本发明实施例中，通过先构建单制程优化调度模型，再根据不同制程之间的制程信息来构建多制程优化调度模型，进而根据多制程优化调度模型来确定对应的多制程生产调度计划，从而提高生产效率。并且，本发明实施例中还根据生产过程中的生产信息来对多制程生产调度计划进行实时更新，提高了生产计划的适应性和实时性。
【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实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种多制程生产调度方法的流程图；
图2为本发明实施例提供的一种构建单制程优化调度模型的流程图；
图3为本发明实施例提供的一种构建多制程优化调度模型的流程图；
图4为本发明实施例提供的一种获得多制程生产调度计划的流程图；
图5为本发明实施例提供的一种析图模型的示意图；
图6为本发明实施例提供的一种多制程生产调度装置的结构示意图。
【具体实施方式】
为了更好的理解本说明书的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
本发明实施例中，通过先构建用于单制程的单制程优化调度模型，再根据不同制程的制程信息以及单制程优化调度模型来构建用于多制程的多制程优化调度模型，从而确定多制程生产调度计划并进行相应的生产加工操作，提高了生产效率。
图1为本发明实施例提供的一种多制程生产调度方法的流程图。如图1所示，该方法包括：
步骤101，获取历史生产数据。其中，历史生产数据至少包括工序信息、加工设备信息、库存信息以及车间生产管理信息。
步骤102，根据历史生产数据构建单制程优化调度模型。
在一种实施例中，在获取到历史生产数据之后，可以先对历史生产数据进行数据处理，以便于构建单制程优化调度模型。可选的，数据处理可以包括特征提取、特征转换、特征扩展以及特征清洗等。之后，可以根据数据处理后的历史生产数据构建单制程优化调度模型。可选的，可以对输入单制程调度优化模型或多制程优化调度模型的所有数据均进行数据处理，以降低模型处理压力。
在一些实施例中，对历史生产数据进行特征提取，特征提取主要提取四类数据：任务信息、工件加工信息、设备故障信息、性能参数。任务信息主要包含任务总数和计划时段。工件加工信息包含加工设备的ID、以及与该加工设备ID对应的运行状态、工件的开始加工时间和结束加工时间。设备故障信息可以包含加工设备的ID、以及与该加工设备ID对应的停止运行时间、停止运行持续时间以及停止运行类型。性能参数包括加工设备的ID以及与该加工设备ID对应的良品率和对应的总和性能参数等。
之后对历史生产数据经特征提取后得到的数据进行特征转换，从而转换为模型所需要的数据类型。例如，将任务信息中任务总数转换为task_num，计划时段转换为limit_time；将工件加工信息中加工设备ID转化为id，运行状态转化为run_status，工件转换为int_time，开始加工时间转化为ct，结束加工时间转化为gap；将设备故障信息中停止运行开始时间转化为lastend，停止运行持续时间转化为start/end，停运类型转化为type；将性能参数中良品率转化为level等。
特征扩展可以为对转换后的特征信息进行增广扩展。例如，根据加工设备的特征信息lastlend、start/end、ct以及gap进行处理，从而得到每班每次停机累计加工个数以及当前最多可加工个数，生成：lastCumsumNum和cumsumNum。
特征清洗则是对得到的所有特征信息进行去除异常值，空值处理(去除空值或根据预设数据对空值进行填充)，对工件加工特征信息ct和gap进行聚类分析，并取聚类后的前几类聚类中心进行加权平均获得新的ct和gap，从而增加数据的抗噪声性。
图2是本申请实施例提供的构建单制程优化调度模型的流程图。请参阅图2，在一种实施例中，根据历史生产数据构建单制程优化调度模型的具体步骤包括：
步骤201，根据加工设备信息，对单制程的各个加工工序配置对应的加工设备。
由于不同加工设备可以执行的加工工序并不相同，因此需要先分配加工设备给对应的加工工序。例如，加工设备1可以执行加工工序1和加工工序2。加工设备2可以执行加工工序1和加工工序3，加工设备3可以执行加工工序2和加工工序3。则可以对加工工序1配置加工设备1，或者对加工工序1配置加工设备2，或者对加工工序1配置加工设备1以及加工设备2。
步骤202，基于工序信息，确定单制程的不同加工工序之间的关联关系，并构建各个加工设备之间的调度关系。
受到不同加工工序之间的先后顺序限制，各个加工设备之间的调度也存在先后关系。例如，对于喷漆，主要存在三个工序：喷涂底漆、喷涂目标颜色漆以及喷涂保护漆，这三个工序之间的顺序无法更改。
步骤203，根据调度关系、库存信息和车间生产管理信息，构建单制程优化调度模型。
本申请实施例中，根据各个加工设备之间的调度关系来计算各个加工设备在各个时间段需要执行的加工任务。例如，在001时刻至005时刻执行工序1，在007时刻至012时刻执行工序2。基于各个加工设备在各个时间段需要执行的加工任务、库存信息和车间生产管理信息，生成单制程优化调度模型。
在一些实施例中，单制程优化调度模型包括：
目标函数一：满产能时，构建的最小化各加工设备最大完成时间目标函数：
goal＝minm{maxi{Ti，m}}
约束条件：
(1)m∈[1，M]；i∈[1，Pm]
(2)
Figure BDA0004017850520000098
(3)
Figure BDA0004017850520000099
(4)
Figure BDA0004017850520000092
Figure BDA0004017850520000091
(6)
Figure BDA0004017850520000095
(7)Ti，m＝Ti-1，m+ΔTsi-1，m+ΔTti，m+ΔTgi，m
(8)
Figure BDA0004017850520000096
(9)
Figure BDA0004017850520000097
目标函数二：产能富余时，构建的最大化良品数目标函数：
goal＝max{Sm|Sm＝∑ηm×Pm}
约束条件：
(10)(1)～(9)保留，TEND替换为充裕加工时间，ηm＞0且为正整数0＝sort(ηm)＝{…，Of:ηm，Og:ηn，…|Of＜Og，ηm＞ηn}
Figure BDA0004017850520000101
损失函数：最小化期望预排时间与实际时间差异
loss＝min{sum{(Ti,m-Tsi,m-Ts,m)^2}}
其中，目标函数一中Ti,m表示加工设备m上第i个工件加工完成的时刻。约束条件(1)表示共有m个加工设备，Pm表示在加工设备m上加工工件的个数。约束条件(2)表示任一台加工设备最大工件加工完成时间小于等于预排时间限制TEND。约束条件(3)表示任一加工设备上被分配的数量Pm小于等于总计划数C。约束条件(4)表示满产能时所有加工设备被分配的数量之和小于等于总计划数C。约束条件(5)表示任一工件在排程时间内，能且仅能在一个加工设备上进行加工。约束条件(6)表示任一加工设备上，两个工件i，j加工时间段不相交，Pi，m表示机台m上第i个工件加工时刻。约束条件(7)表示加工设备m上，第i件工件加工完成时刻＝第i+1件的加工完成时间(Ti-1，m)+第i个工件开始加工之间的空机时间(△Tsi-1，m)+第i个工件的加工时间(△Tti，m)+第i个工件必要间隔(△Tgi，m)。约束条件(8)表示，T0，m为所有加工设备的开机时间，ΔTs0，m表示从开机后到第一个工件开始加工的时间。约束条件(9)表示任一工件加工完成时刻Ti，m＞0，加工时间△Tti，m＞0，与上一工件的空机间隔△Tsi-1，m大于等于0。其中，上下物料的间隔为△Tgi，m，并且为整数(由于加工设备是根据原始物料进行加工，从而得到工件，因此设置有上下物料的间隔)。约束条件(10)表示上述的约束条件(1)-(9)外，并将其中的TEND替换为充裕加工时间，ηm表示加工设备m的良品率。约束条件(11)表示良品率大的加工设备累计加工的工件数量一定大于等于良品率小的加工设备。
损失函数中Tsi,m表示加工设备m加工完第i个工件后到开始加工第i+1个工件之间需要等待的空机时间，Ts,m表示加工设备m加工第i个零件的实际加工时间。
步骤103，根据不同制程之间的制程信息以及单制程优化调度模型构建多制程优化调度模型。
本申请实施例中，制程信息可以包括不同制程之间的关联关系以及每个制程对应的工序信息。例如，工件A需要经过三道制程：定型、喷漆以及封装。定型中又包含注塑和成型两道工序。喷漆包含底漆，实际漆以及保护漆三道工序。上述三道制程中需要按照规定顺序依次进行。
图3是本申请实施例提供的构建多制程优化调度模型的流程图。请参阅图3，在一些实施例中，构建多制程优化调度模型的步骤包括：
步骤301，根据不同制程之间的关联关系为每个制程分配对应的加工设备。
步骤302，基于每个制程对应的工序信息，确定每个制程中各个加工工序所对应的加工设备，并确定每个制程中各个加工设备之间的调度关系。
步骤303，将每个制程中各个加工设备之间的调度关系以及每个制程对应的历史生产数据输入单制程优化调度模型，形成多制程优化调度模型。
具体的，在确定每个制程被分配的加工设备以后，可以根据步骤201至步骤203中的相关描述来确定该制程中各个加工工序所对应的加工设备，并确定该制程中各个加工设备之间的调度关系，从而得到多制程优化调度模型。
本申请实施例中，通过先得到每个制程对应的单制程优化调度模型，然将得到的多个单制程优化调度模型进行整合，从而得到最终的多制程优化调度模型，从而降低了建模难度，提高了实用性。
步骤104，获取第一生产任务信息。
步骤105，将第一生产任务信息输入多制程优化调度模型，得到多制程生产调度计划。
本申请实施例中，第一生产任务信息至少包括任务数量以及完成时间。图4是本申请实施例提供的获得多制程生产调度计划的流程图。请参阅图4，根据第一生产任务信息以及多制程优化调度模型得到多制程生产调度计划具体包括：
步骤401，将第一生产任务信息输入多制程优化调度模型，得到各个加工设备的生产节拍信息。
步骤402，利用析图模型和各个加工设备的生产节拍信息，计算各个加工设备的排产结果。
步骤403，基于各个加工设备的排产结果，生成多制程生产调度计划。
在一些实施例中，可以通过析图模型来得到各个加工设备的排产结果。图5为本申请实施例提供的一种析图模型的示意图。如图5中所示，S代表开始，E代表结束，各个顶点代表制程操作，实线弧代表相邻操作，实线弧的方向代表操作顺序。虚线弧代表同一线体组加工设备上的操作，pij为生产节拍信息，ctij为加工的开始时间和结束时间。不同形状的顶点代表同类不同色产品。例如，只有颜色不同的同规格产品，其除了颜色不同以外，加工步骤一致。由此，通过ctij信息和多制程优化调度模型来得到生产节拍信息pij；基于析图模型和各个加工设备的生产节拍信息，计算各个加工设备的排产结果。
步骤106，根据多制程生产调度计划进行生产加工操作。
在一些实施例中，上述的方法还包括：
根据多制程生产调度计划生成对应的月排程信息、周排程信息以及日排程信息。
本申请实施例中，根据多制程生产调度计划生成对应的月排程信息、周排程信息以及日排程信息包括：
根据多制程生产调度计划和第一生产任务信息，计算月排程信息。
基于第一生产任务信息计算周排程所对应的第二生产任务信息，根据月排程信息和第二生产任务信息，计算周排程信息。
基于第二生产任务信息计算日排程所对应的第三生产任务信息，根据周排程信息和第三生产任务信息，计算日排程信息。
其中，月排程信息为每个月应加工的数量，周排程信息为每周应加工的数量。日排程信息为每日应加工的数量。
示例性的，第一生产任务信息中的任务数量为12000，完成时间为5个月，则每月需要生产的数量为2400。因此月排程信息确定为2400。假设平均每个月均有四周，则每周需要生产的数量为600(即第二生产任务信息)，因此可以确定周排程信息为600。假设生产设备每周七天中有六天在执行生产，有一天在停机维护，则每天需要生产的数量为100(即第三生产任务信息)，因此可以确定日排程信息为100。
在一些实施例中，上述的方法还包括：根据实际的生产情况来实时更新多制程生产调度计划。
本申请实施例中，更新多制程生产调度计划的步骤包括：
步骤601，基于预设触发条件，获取当前的生产信息。其中，生产信息包括各个加工设备的累计加工数量，各个加工设备的运行参数，实时库存信息等。预设触发条件可以为：预设时间间隔，加工设备故障，变更第一生产任务信息。其中，预设时间间隔指按照预设时间间隔获取一次生产信息。加工设备故障则是指当有加工设备发生故障时，获取当前的生产信息。变更第一生产任务信息指管理人员手动修改第一生产任务信息时，获取当前的生产信息。
步骤602，根据生产信息更新多制程生产调度计划。
在一些实施例中，根据生产信息更新多制程生产调度计划的步骤包括：
步骤701，分别给月排程信息、周排程信息以及日排程信息设置相应的余量及更新频率。
步骤702，计算生产信息与当前的日排程信息之间的第一差值，如果第一差值大于日排程信息的余量，则基于日排程信息的更新频率，根据生产信息，重新确定新的日排程信息。
步骤703，计算新的日排程信息和当前的周排程信息之间的第二差值，如果第二差值大于周排程信息的余量，则基于周排程信息的更新频率，根据新的日排程信息调整周排程信息。
步骤704，计算调整后的周排程信息和当前的月排程信息之间的第三差值，如果第三差值大于月排程信息的余量，则基于月排程信息的更新频率，根据新的周排程信息调整月排程信息。
步骤705，根据调整后的月排程信息调整多制程生产调度计划。
示例性的，第一生产任务信息中的任务数量为12000，完成时间为5个月，则每月需要生产的数量为2400。可以对月排程设置100的余量，因此月排程信息确定为2500。假设平均每个月均有四周，则根据月排程信息确定每周需要生产的数量为625，对周排程设置75的余量，因此可以确定周排程信息为700。假设生产设备每周七天中有六天在执行生产，有一天在停机维护，则每天需要生产的数量为117，对每日排程信息设置10的余量，因此可以确定日排程信息为127。相对应的，日排程信息的更新频率可以为每小时更新一次，周排程信息可以为每24小时更新一次，月排程信息可以每48小时更新一次。
当生产设备发生故障从而触发当前生产信息的获取时，计算生产信息与当前的日排程信息之间的差值，如果该差值大于日排程的余量10，则说明由于此次故障导致日排程信息无法完成，在日排程信息的更新频率到达时重新确定新的日排程信息。当由于日排程信息变更导致周排程信息无法完成时(日排程信息与周排程信息之间的第二差值大于周排程信息的余量75)，在周排程信息的更新频率到达时，生成新的周排程信息。当周排程信息变更导致月排程信息无法完成时(周排程信息与月排程信息之间的第三差值大于月排程信息的余量100)，当月排程信息的更新频率到达时，生成新的月排程信息。
本申请实施例中，可以在更新多制程生产调度计划时，给月排程、周排程以及日排程都设置一个余量，当发生加工设备故障等意外情况时，如果导致生产信息与原本日排程计划之间的差值大于余量时，说明日排程计划无法完成，此时可以重新确定日排程计划，并根据变更后的日排程计划更新周排程信息，当日排程计划的变更导致周排程无法达标时，可以对应更新月排程信息。从而为不同层级的排程计划之间进行逐级更新，并为不同层级设置不同的更新频率，层级越低更新频率越高，从而提高对现场情况的快速响应。
在一些实施例中，上述的方法还包括：
获取生产结果信息。确定多制程生产调度计划与生产结果信息之间的偏差值。如果偏差值大于预设阈值，则对多制程优化调度模型进行对应调整。
本实施例中，在生产完成后，可以对本次的实际生产结果进行指标达成评估，进而对模型进行优化。具体的，可以先获取生产结果信息。生产结果信息可以包含执行的具体加工信息，日排程达成情况，周排程达成情况，月排程达成情况，设备故障信息等。之后，确定多制程生产调度计划与生产结果信息之间的偏差值。即，计算具体的损失值。如果偏差大于预设阈值，则说明多制程优化调度模型准确性较低，可以对多制程优化调度模型进行对应调整。
在一些实施例中，对多制程优化调度模型进行调整的步骤包括：
获取调整信息，调整信息可以包括模型参数调整信息以及模型约束条件调整信息。之后，根据调整信息对多制程优化调度模型的模型参数以及模型约束条件进行调整。其中，模型参数为多制程优化调度模型中的各项参数。模型约束条件即为上述的约束条件(1)～(11)的约束条件。可选的，当偏差值大于预设阈值时向相关人员进行消息推送，进而使得相关人员对多制程优化调度模型进行调整，并根据最终调整的结果得到上述的调整信息。
本申请实施例中，通过根据历史生产数据来构建单制程优化调度模型，并基于单制程优化调度模型来得到最终的多制程优化调度模型，能够推荐最优线体设备数量及计划排配数量。在生产过程中，通过获取实时生产信息来对多制程生产调度计划进行逐级调整，提高了现场响应速度。
对应上述多制程生产调度方法，本申请实施例提供一种多制程生产调度装置。图6为本申请实施例提供的一种多制程生产调度装置的结构示意图。如图6所示，多制程生产调度装置包括：通信器801和处理器802。。
通信器801，用于接收历史生产数据及第一生产任务信息。
处理器802，用于根据历史生产数据构建单制程优化调度模型；根据不同制程之间的制程信息以及单制程优化调度模型构建多制程优化调度模型；将第一生产任务信息输入多制程优化调度模型，得到多制程生产调度计划；根据多制程生产调度计划进行生产加工操作。
在一些实施例中，历史生产数据至少包括工序信息、加工设备信息、库存信息以及车间生产管理信息中的一种或多种组合。处理器802具体用于：
根据加工设备信息，对单制程的各个加工工序配置对应的加工设备。基于工序信息，确定单制程的不同加工工序之间的关联关系，并构建各个加工设备之间的调度关系。根据调度关系、库存信息和车间生产管理信息，构建单制程优化调度模型。
在一些实施例中，单制程优化调度模型包括：
目标函数一：goal＝minm{maxi{Ti，m}}。
目标函数二：goal＝max{Sm|Sm＝∑ηm×Pm}。
损失函数：loss＝min{sum{(Ti,m-Tsi,m-Ts,m)^2}}
其中，Ti，m表示加工设备m上第i个工件加工完成的时刻，Sm表示加工设备m加工的良品数量，ηm表示加工设备m的良品率，Pm表示在加工设备m上加工工件个数。Tsi,m表示加工设备m加工完第i个工件后到开始加工第i+1个工件之间需要等待的空机时间，Ts,m表示加工设备m加工第i个零件的实际加工时间。
在一些实施例中，制程信息包括不同制程所之间的关联关系以及每个制程对应的工序信息。处理器802具体用于：
根据不同制程之间的关联关系为每个制程分配对应的加工设备。基于每个制程对应的工序信息，确定每个制程中各个加工工序所对应的加工设备，并确定每个制程中各个加工设备之间的调度关系。将每个制程中各个加工设备之间的调度关系以及每个制程对应的历史生产数据输入所构建的单制程优化调度模型，形成多制程优化调度模型。
在一些实施例中，第一生产任务信息至少包括任务数量以及完成时间。
处理器802具体用于：
将第一生产任务信息输入多制程优化调度模型，得到各个加工设备的生产节拍信息。利用析图模型和各个加工设备的生产节拍信息，计算各个加工设备的排产结果。基于各个加工设备的排产结果，生成多制程生产调度计划。
在一些实施例中，根据多制程生产调度计划进行生产加工操作之后，通信器801还用于基于预设触发条件，获取当前的生产信息。处理器802，还用于根据生产信息更新多制程生产调度计划。
在一些实施例中，预设触发条件至少包括以下信息中的任一种：
预设时间间隔、加工设备故障、变更第一生产任务信息。
在一些实施例中，将第一生产任务信息输入多制程优化调度模型，得到多制程生产调度计划之后，处理器802还用于根据多制程生产调度计划和第一生产任务信息，计算月排程信息。基于第一生产任务信息计算周排程所对应的第二生产任务信息，根据月排程信息和第二生产任务信息，计算周排程信息。基于第二生产任务信息计算日排程所对应的第三生产任务信息，根据周排程信息和第三生产任务信息，计算日排程信息。
在一些实施例中，处理器802还用于：
分别给月排程信息、周排程信息以及日排程信息设置相应的余量及更新频率。计算生产信息与当前的日排程信息之间的第一差值，如果第一差值大于日排程信息的余量，则基于日排程信息的更新频率，根据生产信息，重新确定新的日排程信息。计算新的日排程信息和当前的周排程信息之间的第二差值，如果第二差值大于周排程信息的余量，则基于周排程信息的更新频率，根据新的日排程信息调整周排程信息。计算调整后的周排程信息和当前的月排程信息之间的第三差值，如果第三差值大于月排程信息的余量，则基于月排程信息的更新频率，根据新的周排程信息调整月排程信息。根据调整后的月排程信息调整多制程生产调度计划。
在一些实施例中，通信器801还用于获取生产结果信息。
处理器802还用于确定多制程生产调度计划与生产结果信息之间的偏差值。如果偏差值大于预设阈值，则对多制程优化调度模型进行对应调整。
在一些实施例中。通信器801还用于获取调整信息，调整信息至少包含模型参数调整信息以及模型约束条件调整信息中的一种或多种。
处理器802还用于根据调整信息对多制程优化调度模型的模型参数和/或模型约束条件进行调整。
在一些实施例中，处理器802具体用于：
对历史生产数据进行数据处理，数据处理至少包含特征提取、特征转换、特征扩展以及特征清洗中的一种或多种组合。根据数据处理后的历史生产数据构建单制程优化调度模型。
图6所示实施例提供的多制程生产调度装置可用于执行本说明书图1～图4所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
本申请实施例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存储计算机指令，所述计算机指令使所述计算机执行本说明书图1～图4所示实施例提供的多制程生产调度方法。
上述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory；以下简称：ROM)、可擦式可编程只读存储器(Erasable Programmable ReadOnly Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本说明书的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是，本说明书实施例中所涉及的设备可以包括但不限于个人计算机(Personal Computer；以下简称：PC)、个人数字助理(Personal Digital Assistant；以下简称：PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3显示器、MP4显示器等。
在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，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，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。另一点，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。
另外，在本说明书各个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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，连接器，或者网络装置等)或处理器(Processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory；以下简称：ROM)、随机存取存储器(Random Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (14)

1.一种多制程生产调度方法，其特征在于，包括：
获取历史生产数据；
根据历史生产数据构建单制程优化调度模型；
根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型；
获取第一生产任务信息；
将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划；
根据所述多制程生产调度计划进行生产加工操作。
2.根据权利要求1所述的方法，其特征在于，所述历史生产数据至少包括工序信息、加工设备信息、库存信息以及车间生产管理信息；所述根据历史生产数据构建单制程优化调度模型，包括：
根据所述加工设备信息，对单制程的各个加工工序配置对应的加工设备；
基于所述工序信息，确定单制程的不同加工工序之间的关联关系，并构建各个加工设备之间的调度关系；
根据所述调度关系、所述库存信息和所述车间生产管理信息，构建所述单制程优化调度模型。
3.根据权利要求1所述的方法，其特征在于，所述单制程优化调度模型包括：
目标函数一：goal＝minm{maxi{Ti，m}}；
目标函数二：goal＝max{Sm|Sm＝∑ηm×Pm}；
损失函数：loss＝min{sum{(Ti,m-Tsi,m-Ts,m)^2}}
其中，所述Ti，m表示加工设备m上第i个工件加工完成的时刻，所述Sm表示加工设备m加工的良品数量，所述ηm表示加工设备m的良品率，所述Pm表示在加工设备m上加工工件个数；所述Tsi,m表示加工设备m加工完第i个工件后到开始加工第i+1个工件之间需要等待的空机时间，所述Ts,m表示加工设备m加工第i个零件的实际加工时间。
4.根据权利要求1所述的方法，其特征在于，所述制程信息包括不同制程所之间的关联关系以及每个制程对应的工序信息；所述根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型，包括：
根据所述不同制程之间的关联关系为每个制程分配对应的加工设备；
基于每个制程对应的工序信息，确定每个制程中各个加工工序所对应的加工设备，并确定每个制程中各个加工设备之间的调度关系；
将所述每个制程中各个加工设备之间的调度关系以及每个制程对应的历史生产数据输入所述单制程优化调度模型，形成所述多制程优化调度模型。
5.根据权利要求1所述的方法，其特征在于，所述第一生产任务信息至少包括任务数量以及完成时间；将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划包括：
将所述第一生产任务信息输入所述多制程优化调度模型，得到各个加工设备的生产节拍信息；
利用析图模型和所述各个加工设备的生产节拍信息，计算各个加工设备的排产结果；
基于所述各个加工设备的排产结果，生成所述多制程生产调度计划。
6.根据权利要求1所述的方法，其特征在于，根据所述多制程生产调度计划进行生产加工操作之后，所述方法还包括：
基于预设触发条件，获取当前的生产信息；
根据所述生产信息更新所述多制程生产调度计划。
7.根据权利要求6所述的方法，其特征在于，所述预设触发条件至少包括以下信息中的任一种：
预设时间间隔、加工设备故障、变更第一生产任务信息。
8.根据权利要求6所述的方法，其特征在于，所述将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划之后，所述方法还包括：
根据所述多制程生产调度计划和所述第一生产任务信息，计算月排程信息；
基于所述第一生产任务信息计算周排程所对应的第二生产任务信息，根据所述月排程信息和所述第二生产任务信息，计算周排程信息；
基于所述第二生产任务信息计算日排程所对应的第三生产任务信息，根据所述周排程信息和所述第三生产任务信息，计算日排程信息。
9.根据权利要求8所述的方法，其特征在于，所述根据所述生产信息更新所述多制程生产调度计划，包括：
分别给所述月排程信息、所述周排程信息以及所述日排程信息设置相应的余量及更新频率；
计算所述生产信息与当前的日排程信息之间的第一差值，如果所述第一差值大于日排程信息的余量，则基于日排程信息的更新频率，根据所述生产信息，重新确定新的日排程信息；
计算新的日排程信息和当前的周排程信息之间的第二差值，如果所述第二差值大于周排程信息的余量，则基于周排程信息的更新频率，根据新的日排程信息调整周排程信息；
计算调整后的周排程信息和当前的月排程信息之间的第三差值，如果所述第三差值大于月排程信息的余量，则基于月排程信息的更新频率，根据新的周排程信息调整月排程信息；
根据调整后的所述月排程信息调整所述多制程生产调度计划。
10.根据权利要求1所述的方法，其特征在于，所述根据所述多制程生产调度计划进行生产加工操作之后，所述方法还包括：
获取生产结果信息；
确定所述多制程生产调度计划与所述生产结果信息之间的偏差值；
如果所述偏差值大于预设阈值，则对所述多制程优化调度模型进行对应调整。
11.根据权利要求10所述的方法，其特征在于，对所述多制程优化调度模型进行对应调整，包括：
获取调整信息，所述调整信息至少包含模型参数调整信息以及模型约束条件调整信息中的一种或多种；
根据所述调整信息对所述多制程优化调度模型的模型参数和/或模型约束条件进行调整。
12.根据权利要求1所述的方法，其特征在于，所述根据历史生产数据构建单制程优化调度模型，包括：
对所述历史生产数据进行数据处理，所述数据处理至少包含特征提取、特征转换、特征扩展以及特征清洗中的一种或多种组合；
根据数据处理后的历史生产数据构建所述单制程优化调度模型。
13.一种多制程生产调度装置，其特征在于，包括：
通信器，用于获取历史生产数据和第一生产任务信息；
处理器，用于根据历史生产数据构建单制程优化调度模型；根据不同制程之间的制程信息以及所述单制程优化调度模型构建多制程优化调度模型；将第一生产任务信息输入所述多制程优化调度模型，得到多制程生产调度计划；根据所述多制程生产调度计划进行生产加工操作。
14.一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存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至12任一所述的方法。
CN202211678008.4A 2022-12-26 2022-12-26 一种多制程生产调度方法、装置及计算机可读存储介质 Pending CN116300708A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211678008.4A CN116300708A (zh) 2022-12-26 2022-12-26 一种多制程生产调度方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211678008.4A CN116300708A (zh) 2022-12-26 2022-12-26 一种多制程生产调度方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116300708A true CN116300708A (zh) 2023-06-23

Family

ID=86836657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211678008.4A Pending CN116300708A (zh) 2022-12-26 2022-12-26 一种多制程生产调度方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116300708A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117140847A (zh) * 2023-10-24 2023-12-01 南通佳腾精密模具有限公司 一种精密模具用的封装方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117140847A (zh) * 2023-10-24 2023-12-01 南通佳腾精密模具有限公司 一种精密模具用的封装方法及系统
CN117140847B (zh) * 2023-10-24 2023-12-29 南通佳腾精密模具有限公司 一种精密模具用的封装方法及系统

Similar Documents

Publication Publication Date Title
Ozturk et al. A solution to the stochastic unit commitment problem using chance constrained programming
Yang et al. Disruption management in production planning
CN103955754B (zh) 基于实时生产数据采集的模具车间调度方法
CN116300708A (zh) 一种多制程生产调度方法、装置及计算机可读存储介质
Yano Planned leadtimes for serial production systems
CN115689246A (zh) 用于确定排产计划的方法、装置、存储介质及处理器
Badri et al. Flow shop scheduling under Time-Of-Use electricity tariffs using fuzzy multi-objective linear programming approach
Lee et al. A dynamic algorithm for distributed feedback control for manufacturing production, capacity, and maintenance
CN104636610B (zh) 一种应用于动态环境下的制造系统派工信息修正方法
Tilley et al. Integration of CAD/CAM and production control for sheet metal components manufacturing
KR20230081029A (ko) 베어링 제조작업의 작업 스케줄링을 하는 방법
JP2005182282A (ja) 日程計画作成方法及び装置
Ilsen et al. An agent-based factory simulation tool to assess energy consumption in decentralized manufacturing systems: agent types and their tasks
Song et al. Stage due date planning for multistage assembly systems
CN114580974B (zh) 一种基于计算机辅助设计的bim工程造价控制方法及系统
JP6425879B2 (ja) 工程計画作成システム及び方法
Rahimifard et al. A reactive multi-flow approach to the planning and control of flexible machining facilities
CN118278722B (zh) 基于瓶颈工序的排产方法、装置及存储介质
Sobaszek et al. Effect of machine failure prediction on selected parameters of manufacturing schedule in a job-shop environment
CN115239216B (zh) 生产资源的预防性计划保养方法、装置、设备及存储介质
JPH07192051A (ja) 製造計画作成装置
CN118348943B (zh) 一种基于自适应控制的工业设备智能调度系统及方法
Zikos et al. Efficient location-aware scheduling of maintenance tasks in shop floors
CN112346727B (zh) 一种生产系统中离散随机问题与连续问题统一建模的方法
Kim et al. EARLY DUE LOW UNCERTAINTY (EDLU) FOR IMPROVING SUPPLY CHAIN PERFORMANCE UNDER ORDER VARIABILITY IN PRECAST CONCRETE PRODUCTION

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