CN116307640B - 一种车辆排产方法、装置以及计算机可读存储介质 - Google Patents

一种车辆排产方法、装置以及计算机可读存储介质 Download PDF

Info

Publication number
CN116307640B
CN116307640B CN202310563992.8A CN202310563992A CN116307640B CN 116307640 B CN116307640 B CN 116307640B CN 202310563992 A CN202310563992 A CN 202310563992A CN 116307640 B CN116307640 B CN 116307640B
Authority
CN
China
Prior art keywords
production
current
yield
vehicle
production line
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
Application number
CN202310563992.8A
Other languages
English (en)
Other versions
CN116307640A (zh
Inventor
李翔
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.)
Shenzhen Lan You Technology Co Ltd
Original Assignee
Shenzhen Lan You Technology 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 Shenzhen Lan You Technology Co Ltd filed Critical Shenzhen Lan You Technology Co Ltd
Priority to CN202310563992.8A priority Critical patent/CN116307640B/zh
Publication of CN116307640A publication Critical patent/CN116307640A/zh
Application granted granted Critical
Publication of CN116307640B publication Critical patent/CN116307640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车辆排产方法、装置以及计算机可读存储介质，方法包括：基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，其中：每一个产量组合包含分配给各个生产线的车型及其产量，所述车型分为平衡车和非平衡车，不同产量组合中分配给同一生产线的非平衡车及其产量都是固定不变的，不同产量组合中至少存在一种平衡车在各生产线的产量分配不同；计算每一产量组合中各个生产线的出勤体制以及成本；综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划，本发明的排产方式无需依赖人工，可以依据成本选取最优的出勤体制，智能高效，准确性高。

Description

一种车辆排产方法、装置以及计算机可读存储介质
技术领域
本发明涉及车辆制造领域，尤其涉及一种车辆排产方法、装置以及计算机可读存储介质。
背景技术
车辆制造工厂一般有多条生产线，会生产多种车型，部分车型可以同时在不同生产线生产(此类车型称为平衡车)，由于每条线的生产能力和生产成本都不一样，合理分配平衡车在每条生产线的产量不仅能降本增效，也对生产达成至关重要。而现有排产方案多依赖于经验，且无准确数据支撑排产决策，因此排产效率低，排产人工成本高，准确性较低。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述排产方案存在的排产效率低、排产人工成本高、准确性较低的缺陷，提供一种车辆排产方法、装置以及计算机可读存储介质。
本发明解决其技术问题所采用的技术方案是：
一方面，构造一种车辆排产方法，包括：
基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，其中：每一个产量组合包含分配给各个生产线的车型及其产量，所述车型分为平衡车和非平衡车，不同产量组合中分配给同一生产线的非平衡车及其产量都是固定不变的，不同产量组合中至少存在一种平衡车在各生产线的产量分配不同；
计算每一产量组合中各个生产线的出勤体制以及成本；
综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划。
进一步地，在本发明所述的车辆排产方法中，所述的计算出所有产量组合，具体包括：
构建基本元素，所述基本元素包括生产线以及每一种生产线下的车型，其中单种非平衡车唯一对应单个生产线，单种平衡车对应多个生产线；
针对要制造的单种非平衡车：直接将其产量分配给基本元素中唯一对应的生产线得到一条基本元素数据；
选择一种要制造的平衡车执行如下分配操作：基于当前种平衡车的颗粒度，将其要制造的产量通过枚举法拆分成Ni个产量之和，Ni表示基本元素中第i种平衡车对应的生产线的个数；如果枚举出了Mi种方案，则针对已有的每一条基本元素数据，将其扩充为Mi条并将当前种平衡车所枚举出的每一种方案下的Ni个产量分配给扩充出来的Mi条基本元素数据中对应的Ni个生产线；
选择下一种要制造的平衡车执行相同的所述分配操作，直至所有的要制造的平衡车均被选择；
将每一条基本元素数据中每条生产线的产量汇总，最终得到的每一条基本元素数据代表一个具体的所述产量组合。
进一步地，在本发明所述的车辆排产方法中，所述方法还包括：
计算每条生产线在当前计划排产周期内的最大产能；
计算每一产量组合中每一条生产线下的所有车型的总产量；
将存在计算出的总产量超过最大产能的生产线的产量组合剔除。
进一步地，在本发明所述的车辆排产方法中，所述的计算每条生产线在当前计划排产周期内的最大产能，具体是基于如下计算式实现：
Smax＝Daymax*JPHws-min*n*Hmax；
其中，Smax代表最大产能，Daymax表示当前计划排产周期对应的最大生产天数，n表示班次，JPHws-min表示生产线下各种生产车间的生产能力中的最小值，Hmax表示最大体制下的实际作业时间。
进一步地，在本发明所述的车辆排产方法中，所述的计算每一产量组合中各个生产线的出勤体制以及成本，具体包括：
根据当前产量组合中当前生产线下各车型的产量，计算当前产量组合中当前生产线下每个车间所产生的空位；
基于班次取公差，用最大生产天数作为等差数列的开始值以所述公差递减得到一组生产天数；
基于计算出的空位依次计算出每个生产天数下的单天的总装作业时间，当计算出的总装作业时间不在体制范围内时，则过滤掉对应的生产天数；
对于过滤后剩下的生产天数，基于其对应的单天的总装作业时间和体制范围中的每一个体制区间，计算得到每个生产天数的体制安排；
基于每个生产天数的体制安排计算每个生产天数的成本，取最小成本为当前产量组合中当前生产线的成本，且最小成本所对应的生产天数以及体制安排作为当前产量组合中当前生产线的出勤体制。
进一步地，在本发明所述的车辆排产方法中，所述的计算当前产量组合中当前生产线下每个车间所产生的空位，具体包括：
计算当前产量组合中当前生产线下当前车间的每个车型所产生的空位其中，Sex-car表示当前车型的空位，Splan-car表示当前产量组合中当前生产线下当前车型的产量，JPHws表示当前生产线的生产车间的生产能力，JPHcar-ws表示车型所在车间的生产能力，Splan-line表示当前产量组合中当前生产线下所有车型的总产量；
如果所有车型计算出的空位结果都小0，则取0作为当前生产线下当前车间的空位，否则取最大值作为当前生产线下当前车间的空位。
进一步地，在本发明所述的车辆排产方法中，单天的所述总装作业时间基于如下计算式计算：
其中，T总表示当前生产天数下的单天的总装作业时间，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，Sex-总装表示当前生产线下总装车间的空位，X表示当前生产天数，n表示班次，JPHws-总装表示当前生产线的总装车间生产能力。
进一步地，在本发明所述的车辆排产方法中，所述的计算得到每个生产天数的体制安排，具体包括：
利用当前生产天数下的单天的总装作业时间去匹配体制区间，以匹配到的下区间值作为小体制总装作业时间T小总，上区间值作为大体制总装作业时间T大总；
计算大体制天数其中，函数f()表示向下取整，T总表示当前生产天数下的单天的总装作业时间，X表示当前生产天数，n表示班次；
计算尾数体制天数D尾天＝1/n；
计算小体制天数D小天＝X-D大天-D尾天；
计算尾数体制总装作业时间T尾总＝T总*X*n-T小总*D小天*n-T大总*D大天*n；
计算小体制焊装作业时间其中，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，Sex-焊装表示当前生产线下焊装车间的空位，JPHws-焊装表示当前生产线的焊装车间生产能力；
计算小体制涂装作业时间其中，Sex-涂装表示当前生产线下涂装车间的空位，JPHws-涂装表示当前生产线的涂装车间生产能力；
大体制焊装作业时间
大体制涂装作业时间
尾数体制焊装作业时间
尾数体制涂装作业时间
二方面，构造一种车辆排产装置，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述的方法的步骤。
三方面，构造一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述的方法的步骤。
本发明的车辆排产方法、装置以及计算机可读存储介质，具有以下有益效果：本发明基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，通过计算每一产量组合中各个生产线的出勤体制以及成本，综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划，此种排产方式无需依赖人工，可以依据成本选取最优的出勤体制，智能高效，准确性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图：
图1是本发明车辆排产方法的流程图；
图2是计算出所有产量组合的流程图；
图3是计算单一产量组合中各个生产线的出勤体制以及成本的流程图。
具体实施方式
针对现有技术排产效率低、排产人工成本高、准确性较低的缺陷，提供一种车辆排产方法、装置以及计算机可读存储介质，本发明的发明构思是：基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，通过计算每一产量组合中各个生产线的出勤体制以及成本，综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划，此种排产方式无需依赖人工，可以依据成本选取最优的出勤体制，智能高效，准确性高。
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
参考图1，本实施例的车辆排产方法，包括：
S101：基于要制造的各种车型以及单种车型的产量，计算出所有产量组合；
其中：每一个产量组合包含分配给各个生产线的车型及其产量，所述车型分为平衡车和非平衡车，不同产量组合中分配给同一生产线的非平衡车及其产量都是固定不变的，不同产量组合中至少存在一种平衡车在各生产线的产量分配不同。
考虑到产量组合的个数比较多，为了提高排产效率，可以优先对某些不符合要求的产量组合进行排除，因此优选地，所述方法还包括：计算每条生产线在当前计划排产周期内的最大产能，计算每一产量组合中每一条生产线下的所有车型的总产量，将存在计算出的总产量超过最大产能的生产线的产量组合剔除。
比如，总共有一线、二线、三线3条生产线，我们以一线为例介绍最大产能的计算过程。一线的生产车间的生产能力记为JPHws，因为生产车间包括焊装、涂装、总装车间，所以JPHws也就具体分为JPHws-焊装、JPHws-涂装、JPHws-总装，如下表1：
表1一线的生产车间每小时的生产能力
需要说明的是，本文中所有的生产能力，都是以小时为单位表示的。比如JPHws-焊装取47，意味着一个小时可以生产47台。
则最大产能具体是基于如下计算式实现：
Smax＝Daymax*JPHws-min*n*Hmax (1)；
Daymax是当前计划排产周期对应的最大生产天数，当前计划排产周期是用户给定的，一般是以月为单位，本实施例中以一个月为例，一个月下的最大生产天数本实施例中设定为27天。
JPHws-min是生产线下各种生产车间的生产能力中的最小值，也即JPHws-焊装、JPHws-涂装、JPHws-总装之间的最小值，本实施例中他们均为47，因此取47。
n表示班次，是指当前生产线排多少个班，一般为1班或2班，比如2个班次就为白班、晚班，本实施例中取2。
Hmax表示最大体制下的实际作业时间，最大体制为每个班次的最大出勤工时；相应的，最小体制为每个班次的最小出勤工时。实际作业时间是体制*60减去体制对应的工休时间得到，这里以分钟表示。工厂有多组体制，这些体制构成的体制区间，如下表2：
表2体制区间表
可以看到，本实施例的最大体制是10.5小时，其实际作业时间是600分钟。最小体制是7.5小时，其实际作业时间是430分钟。工休时间是每个班次的休息时间，本实施例中设定了体制小于等于9小时，工休时间为20分钟；体制大于9小时小于10小时，工休时间为25分钟；体制大于等于10小时，工休时间为30分钟。
根据Smax代表最大产能，计算式各计算要素的单位要呼应，因此Hmax以小时表示，比如最大体制的实际作业时间是600分钟，即10小时，Hmax在代入式(1)中时用10小时而非600分钟。将以上的数据代入式(1)，则得到一线最大产能Smax＝27*47*2*10＝25380。如此，如果某个产量组合的一线的总产量如果超过一线的最大产能，则该某个产量组合剔除。同理，如果一线没有超过，但是二线或者三线超过，则也需要剔除。总之，只要该某个产量组合中有一条线的总产量超过这条线的最大产能，则该某个产量组合剔除。
所有的产量组合，可以利用枚举法实现。参考图2，下面具体介绍计算所有产量组合的过程：
S1011)构建基本元素，所述基本元素包括生产线以及每一种生产线下的车型，其中单种非平衡车唯一对应单个生产线，单种平衡车对应多个生产线；
要制造的各种车型以及单种车型的产量也是用户给定的，比如本实施例中假设非平衡车C1产量为1000台，非平衡车C2产量为800台，非平衡车C3产量为1200台，平衡车BC1产量10000台，平衡车BC2产量10000台。则构建的基本元素如表3所示：
表3基本元素
S1012)针对要制造的单种非平衡车：直接将其产量分配给基本元素中唯一对应的生产线得到一条基本元素数据，如表4所示：
表4非平衡车C1、C2、C30都分配后得到的一条基本元素数据
S1013)选择一种要制造的平衡车执行如下分配操作：基于当前种平衡车的颗粒度，将其要制造的产量通过枚举法拆分成Ni个产量之和，Ni表示基本元素中第i种平衡车对应的生产线的个数；如果枚举出了Mi种方案，则针对已有的每一条基本元素数据，将其扩充为Mi条并将当前种平衡车所枚举出的每一种方案下的Ni个产量分配给扩充出来的Mi条基本元素数据中对应的Ni个生产线；
比如先选择BC1，假设BC1的颗粒度是1000。颗粒度是枚举时要用到的公差。不同种的平衡车，其颗粒度可能不同，具体颗粒度大小可以根据经验设定。颗粒度越小，最终得到的产量组合的数量越多。上面提到BC1的要制造的产量是10000，表3中BC1对应的生产线是一线、三线两条。因此，需要将10000分层一线、三线的两个产量之和。那么BC1的产量分配方案有1000、9000、8000、7000、6000、5000、4000、3000、2000、1000、0共11种。我们假设一线BC1产量按1000递减，二线BC1产量按1000递增，则可以将表4中的一条基本元素数据扩充为表5的11条基本元素数据：
表5平衡车BC1分配后扩充得到的11条基本元素数据
可以理解的是，在将要制造的产量通过枚举法拆分成Ni个产量之和时，可以在每枚举出一个方案时，同步根据前面提到的每条线的最大产能来进行判断是否需要剔除，如果需要剔除，则可以不再进行之后的枚举，比如说在拆分BC1的产量时，对于一线来说，如果最开始的10000的分配导致一线的总产量不超过最大产能，则后续无需在比较最大产能，而对于三线来说，一旦出现分配的三线的BC1的产量导致三线的总产量超过最大产能，则无需进行后面的枚举，比如说假设三线BC1分到8000时，三线的总产量9200超过了三线的最大产能(本实施例中实际上没有超过，这里只是假设超过)，则无需在枚举后面的9000、10000了。当然，也可以等所有的产量组合全部计算完成了再利用最大产能过滤，本实施例即是在得到所有产量组合后才根据每条线的总产量过滤的。
S1014)选择下一种要制造的平衡车执行相同的所述分配操作，直至所有的要制造的平衡车均被选择；
接下来选择BC2，BC2产量为10000，颗粒度设定为5000，则BC2的产量分配方案有3种，10000、5000、0共3种。也就是说表5中的每一条要扩充为3条，因表5中BC1分配时已经有11种方案，所以此时总共的组合方案是11*3＝33种，如下表6所示：
表6平衡车BC2分配后扩充得到的33条基本元素数据
S1015)将每一条基本元素数据中每条生产线的产量汇总，最终得到的每一条基本元素数据代表一个具体的所述产量组合。
表6中汇总出每个产量组合中每条生产线的总产量，过滤掉当前生产线产量大于生产线最大产能的组合，拿到当前符合条件的所有产量组合，如下表7：
表7 33个产量组合
在得到产量组合，下面就需要对其进行最优选择并制定排产计划。
S102：计算每一产量组合中各个生产线的出勤体制以及成本。
参考图3，下面以一线为例，介绍出勤体制以及成本的计算过程。
S1021)根据当前产量组合中当前生产线下各车型的产量，计算当前产量组合中当前生产线下每个车间所产生的空位；
每个车间所产生的空位，是指当生产线生产能力大于实际生产需要的情况下，多出的能力记空位，空位分为焊装车间空位Sex-焊装，涂装车间空位Sex-涂装，总装车间空位Sex-总装，本步骤即是要计算Sex-焊装、Sex-涂装、Sex-总装。
具体的，Sex-焊装、Sex-涂装、Sex-总装的具体过程是相同的，都是：先计算当前产量组合中当前生产线下当前车间的每个车型所产生的空位Sex-car，计算出每个车型所产生的空位之后，如果所有车型计算出的空位结果都小0，则取0作为当前生产线下当前车间的空位，否则取最大值作为当前生产线下当前车间的空位。
其中，Sex-car的计算如下计算式(2)：
式(2)中，Splan-car表示当前产量组合中当前生产线下当前车型的产量，JPHws表示当前生产线的生产车间的生产能力，Splan-line表示当前产量组合中当前生产线下所有车型的总产量。JPHcar-ws表示车型所在车间的生产能力，因为生产车间包括焊装、涂装、总装车间，所以JPHcar-ws分为JPHcar-ws-焊装、JPHcar-ws-涂装、JPHcar-ws-总装，如表8所示：
表8一线下车型所在车间的每小时的生产能力
取上面表7中的编号为1的产量组合的一线数据为例，如下表9：
表9编号为1的产量组合的一线数据
1)一线的焊装车间空位Sex-焊装的计算
对照式(2)，先计算C1的焊装车间空位：如表8，此时Splan-car即为1000，Splan-line为11000；焊装时JPHws具体是JPHws-焊装，参考表1，具体是47；焊装时JPHcar-ws具体是JPHcar-ws-焊装，参考表8，具体是26；将这些数据代入式(2)，则C1的焊装车间空位Sex-car＝(1000*47/26)-11000＝-9192。
同理，对照式(2)，再计算BC1的焊装车间空位Sex-car＝(10000*47/47)-11000＝-1000。
由于C1的焊装车间空位Sex-car为-9192，BC1的焊装车间空位Sex-car为-1000，都小于0，因此一线的焊装车间空位Sex-焊装取0。
2)一线的涂装车间空位Sex-涂装的计算
同理，对照式(2)，先计算C1的涂装车间空位：Sex-car＝(1000*47/46)-11000＝-9978；
同理，对照式(2)，再计算BC1的涂装车间空位Sex-car＝(10000*47/47)-11000＝-1000；
由于C1的涂装车间空位Sex-car为-9978，BC1的涂装车间空位Sex-car为-1000，都小于0，因此一线的涂装车间空位Sex-涂装取0。
3)一线的总装车间空位Sex-总装的计算
同理，对照式(2)，先计算C1的总装车间空位：Sex-car＝(1000*47/26)-11000＝-9192；
同理，对照式(2)，再计算BC1的总装车间空位Sex-car＝(10000*47/47)-11000＝-1000；
由于C1的总装车间空位Sex-car为-9192，BC1的总装车间空位Sex-car为-1000，都小于0，因此一线的总装车间空位Sex-涂装取0。
如此，通过以上步骤计算得到Sex-焊装、Sex-涂装、Sex-总装，如下表10：
表10一线的车间空位
S1022)基于班次取公差，用最大生产天数作为等差数列的开始值以所述公差递减得到一组生产天数；
基于班次取公差，具体是公差取班次的倒数，公差＝1/n。比如班次n为2，公差为0.5；班次n为1，公差为1。
上面提到本实施例中最大生产天数是27天，班次是2，因此可以得到一组生产天数如下：27.0、26.5、26.0、25.5、25.0、24.5、24.0、23.5、23.0、22.5、22.0、21.5、21.0、20.5、20.0、19.5、19.0、18.5、18.0、17.5、17.0、16.5、16.0、15.5、15.0、4.5、14.0、13.5、13.0、12.5、12.0、11.5、11.0、10.5、10.0、9.5、9.0、8.5、8.0、7.5、7.0、6.5、6.0、5.5、5.0、4.5、4.0、3.5、3.0、2.5、2.0、1.5、1.0、0.5。
S1023)基于计算出的空位依次计算出每个生产天数下的单天的总装作业时间，当计算出的总装作业时间不在体制范围内时，则过滤掉对应的生产天数；
具体的，单天的所述总装作业时间基于如下计算式(3)计算：
式(3)中，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，参考表8，一线的Splan-line是11000。Sex-总装表示当前生产线下总装车间的空位，参考表10，具体为0。n表示班次，具体是2。JPHws-总装表示当前生产线的总装车间生产能力，参考表1，具体为47。X表示当前生产天数，即S1022)中的一个具体的生产天数。T总表示当前生产天数下的单天的总装作业时间，这里计算出来后单位是小时，为方便后续与表2的体制区间匹配，需要将其转换为分钟，最终计算得到的数据如下表11：
表11初步产生的生产天数及其总装作业时间列表
计算出单天的总装作业时间，就需要将其与表2进行比对，判断总装作业时间是否在体制范围内，所谓在体制范围内，实际是指的总装作业时间在表2的实际作业时间的范围内，即在430～600分钟内，因此，可以将表11进行过滤，最终得到表12的有效数据：
表12过滤后的生产天数及其总装作业时间列表
总装作业时间T总(分钟) 生产天数X
439 16.0
453 15.5
468 15.0
484 14.5
502 14.0
520 13.5
540 13.0
562 12.5
585 12.0
S1024)对于过滤后剩下的生产天数，基于其对应的单天的总装作业时间和体制范围中的每一个体制区间，计算得到每个生产天数的体制安排；
所述体制安排包括大体制的天数D大天、总装作业时间T大总、焊装作业时间T大焊、涂装作业时间T大涂，小体制的天数D小天、总装作业时间T小总、焊装作业时间T小焊、涂装作业时间T小涂，以及尾数体制的天数D尾天、总装作业时间T尾总、焊装作业时间T尾焊、涂装作业时间T尾涂。具体如下表13所示：
表13体制安排
比如说，生产天数为13.5分为小体制排班13天，大体制排班天数为0天，也就是说没有大体制排班，尾数体制为0.5天。
下面介绍上表13中每个生产天数的体制安排的计算过程：
1)利用当前生产天数下的单天的总装作业时间去匹配体制区间，以匹配到的下区间值作为小体制总装作业时间T小总，上区间值作为大体制总装作业时间T大总。
表2中相邻两行构成一个体制区间，匹配体制区间是指的找到当前生产天数下的单天的总装作业时间所在的那个体制区间，比如说以生产天数16为例，其总装作业时间为439，对于表2，439大于430小于460，对应的体制区间为430-460，那么以它匹配到的下区间值430作为小体制总装作业时间T小总，上区间值460作为大体制总装作业时间T大总。
2)计算大体制天数D大天＝f(A1)/n，
其中，函数f(A1)表示对A1向下取整，T总表示当前生产天数下的单天的总装作业时间，X表示当前生产天数，n表示班次。
3)计算尾数体制天数D尾天＝1/n，n为班次。
4)计算小体制天数D小天＝X-D大天-D尾天。
5)计算尾数体制总装作业时间T尾总＝T总*X*n-T小总*D小天*n-T大总*D大天*n。
6)计算小体制焊装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
其中，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，Sex-焊装表示当前生产线下焊装车间的空位，JPHws-焊装表示当前生产线的焊装车间生产能力。
7)计算小体制涂装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
其中，Sex-涂装表示当前生产线下涂装车间的空位，JPHws-涂装表示当前生产线的涂装车间生产能力，
8)大体制焊装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
9)大体制涂装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
10)尾数体制焊装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
11)尾数体制涂装作业时间这里计算出来后单位是小时，所以还需要将其转换为分钟才能得到表13的数据。
需要说明的是，因为在计算时有些参数是基于其他参数的计算结果来定的，所以可能因为后面的参数计算结果为0导致前面的参数不可用，则会将这些参数全部记为0，比如说表13中，生产天数取13.5时，虽然先计算出了T大总是545，但是因为最终计算出的D大天是0，所以表13中大体制下的所有参数均为0。
S1025)基于每个生产天数的体制安排计算每个生产天数的成本，取最小成本为当前产量组合中当前生产线的成本，且最小成本所对应的生产天数以及体制安排作为当前产量组合中当前生产线的出勤体制。
得到表13之后，需要计算每一行的成本，算出结果后取成本最小的那行数据作为一线的出勤体制。计算完当前生产线后，用同样的方法去计算其他生产线的出勤体制和成本。
只要取得了生产天数和出勤体制，就可以计算成本，计算方式目前有很多，不同厂家的计算方法可能有所不同，因此本发明对此并不做限制。
本实施例中在计算成本时，是先将表13中的每一行的作业时间T大总、T大焊、T大涂、T小总、T小焊、T小涂、T尾总、T尾焊、T尾涂转为小时数T′大总、T′大焊、T′大涂、T′小总、T′小焊、T′小涂、T′尾总、T′尾焊、T′尾涂，具体是(当前时间+工休)/60，工休参考表2。比如T′小焊＝(T小焊+20)/60＝(430+20)/60＝7.5。另外，利用转换为小时的作业时计算每一个生产天数焊、涂、总各自对应的总工时，再附上一线的总产量，这样就可以得到表14的计算成本的参数(这里仅选取了表13中的第一行数据展示)：
表14计算成本的参数
上表中，计算总工时，焊/涂/总总工时＝小体制焊/涂/总作业时间*小体制天数+大体制焊/涂/总作业时间*大体制天数+尾数体制焊/涂/总作业时间*尾数体制天数。如：焊总工时＝T′小焊*D小天+T′大焊*D大天+T′尾焊*D尾天＝7.5*11+8.0*5+7.72*0.5＝126.36。
有了以上参数，就可以计算成本。一般成本是人力成本和动能成本之和。人力成本指为员工支付的工资福利费用，比如人力成本一般是等于基本工资、社保等工资性费用、加班费、生产力绩效奖、夜班津贴、长体制津贴累加。动能成本指为生产所消耗的动能费用，如电力、燃气费用，比如动能成本一般是小体制焊装动能成本、大体制焊装动能成本、尾数体制焊装动能成本、小体制涂装动能成本、大体制涂装动能成本、尾数体制涂装动能成本、小体制总装动能成本、大体制涂装动能成本、尾数体制涂装动能成本累加。其中，基本工资、社保等工资性费用与体制无关。人力成本都受人数影响。受以上表14参数影响的成本为：加班费(体制超过8小时的部分为加班)、生产力绩效奖、夜班津贴、长体制津贴(超过9小时的体制为长体制)、动能成本(比如电费需要用体制、天数乘以电价系数、班次，燃气费需要用产量乘以燃气单价、单台燃气用量)等。
S103：综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划。
对于每一个产量组合，都通过步骤S102计算得到了各自的三条线的成本，把各条生产线的成本相加，得到当前产量组合的总成本。最后，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划。
比如本实施例中有33个产量组合，每一个组合中有三条生产线，通过步骤S102依次计算每条生产线的出勤体制以及成本，汇总相加得到一个产量组合的总成本，遍历完一个组合后继续遍历下一个组合，最终可以得到所有产量组合各自的总成本，选取总成本最小的那个产量组合作为最优组合，并且将该组合下的每条生产线通过步骤S102计算得到的出勤体制制定排产计划。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory，ROM)或随机存储记忆体(RandomABBessMemory，RAM)等。
本发明实施例还提供了一种车辆排产装置，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述方法实施例的步骤，具体实现过程可参阅上述方法实施例的描述，此处不再赘述。
本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上实施例所述方法的步骤，具体实现过程可参阅上述方法实施例的描述，此处不再赘述。
综上所述，本发明的车辆排产方法、装置以及计算机可读存储介质，具有以下有益效果：本发明基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，通过计算每一产量组合中各个生产线的出勤体制以及成本，综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划，此种排产方式无需依赖人工，可以依据成本选取最优的出勤体制，智能高效，准确性高。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种车辆排产方法，其特征在于，包括：
基于要制造的各种车型以及单种车型的产量，计算出所有产量组合，其中：每一个产量组合包含分配给各个生产线的车型及其产量，所述车型分为平衡车和非平衡车，不同产量组合中分配给同一生产线的非平衡车及其产量都是固定不变的，不同产量组合中至少存在一种平衡车在各生产线的产量分配不同，所述平衡车表示可以同时在不同生产线生产的车型；
计算每一产量组合中各个生产线的出勤体制以及成本，具体包括：根据当前产量组合中当前生产线下各车型的产量，计算当前产量组合中当前生产线下每个车间所产生的空位；基于班次取公差，用最大生产天数作为等差数列的开始值以所述公差递减得到一组生产天数；基于计算出的空位依次计算出每个生产天数下的单天的总装作业时间，当计算出的总装作业时间不在体制范围内时，则过滤掉对应的生产天数；对于过滤后剩下的生产天数，基于其对应的单天的总装作业时间和体制范围中的每一个体制区间，计算得到每个生产天数的体制安排；基于每个生产天数的体制安排计算每个生产天数的成本，取最小成本为当前产量组合中当前生产线的成本，且最小成本所对应的生产天数以及体制安排作为当前产量组合中当前生产线的出勤体制；
综合所有生产线的成本得到每一产量组合的总成本，选取总成本最优的产量组合及其生产线的出勤体制作为排产计划。
2.根据权利要求1所述的车辆排产方法，其特征在于，所述的计算出所有产量组合，具体包括：
构建基本元素，所述基本元素包括生产线以及每一种生产线下的车型，其中单种非平衡车唯一对应单个生产线，单种平衡车对应多个生产线；
针对要制造的单种非平衡车：直接将其产量分配给基本元素中唯一对应的生产线得到一条基本元素数据；
选择一种要制造的平衡车执行如下分配操作：基于当前种平衡车的颗粒度，将其要制造的产量通过枚举法拆分成Ni个产量之和，Ni表示基本元素中第i种平衡车对应的生产线的个数；如果枚举出了Mi种方案，则针对已有的每一条基本元素数据，将其扩充为Mi条并将当前种平衡车所枚举出的每一种方案下的Ni个产量分配给扩充出来的Mi条基本元素数据中对应的Ni个生产线；
选择下一种要制造的平衡车执行相同的所述分配操作，直至所有的要制造的平衡车均被选择；
将每一条基本元素数据中每条生产线的产量汇总，最终得到的每一条基本元素数据代表一个具体的所述产量组合。
3.根据权利要求1所述的车辆排产方法，其特征在于，所述方法还包括：
计算每条生产线在当前计划排产周期内的最大产能；
计算每一产量组合中每一条生产线下的所有车型的总产量；
将存在计算出的总产量超过最大产能的生产线的产量组合剔除。
4.根据权利要求3所述的车辆排产方法，其特征在于，所述的计算每条生产线在当前计划排产周期内的最大产能，具体是基于如下计算式实现：
Smax＝Daymax*JPHws-min*n*Hmax；
其中，Smax代表最大产能，Daymax表示当前计划排产周期对应的最大生产天数，n表示班次，JPHws-min表示生产线下各种生产车间的生产能力中的最小值，Hmax表示最大体制下的实际作业时间。
5.根据权利要求1所述的车辆排产方法，其特征在于，所述的计算当前产量组合中当前生产线下每个车间所产生的空位，具体包括：
计算当前产量组合中当前生产线下当前车间的每个车型所产生的空位其中，Sex-car表示当前车型的空位，Splan-car表示当前产量组合中当前生产线下当前车型的产量，JPHws表示当前生产线的生产车间的生产能力，JPHcar-ws表示车型所在车间的生产能力，Splan-line表示当前产量组合中当前生产线下所有车型的总产量；
如果所有车型计算出的空位结果都小0，则取0作为当前生产线下当前车间的空位，否则取最大值作为当前生产线下当前车间的空位。
6.根据权利要求1所述的车辆排产方法，其特征在于，单天的所述总装作业时间基于如下计算式计算：
其中，T总表示当前生产天数下的单天的总装作业时间，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，Sex-总装表示当前生产线下总装车间的空位，X表示当前生产天数，n表示班次，JPHws-总装表示当前生产线的总装车间生产能力。
7.根据权利要求1所述的车辆排产方法，其特征在于，所述的计算得到每个生产天数的体制安排，具体包括：
利用当前生产天数下的单天的总装作业时间去匹配体制区间，以匹配到的下区间值作为小体制总装作业时间T小总，上区间值作为大体制总装作业时间T大总；
计算大体制天数其中，函数f()表示向下取整，T总表示当前生产天数下的单天的总装作业时间，X表示当前生产天数，n表示班次；
计算尾数体制天数D尾天＝1/n；
计算小体制天数D小天＝X-D大天-D尾天；
计算尾数体制总装作业时间T尾总＝T总*X*n-T小总*D小天*n-T大总*D大天*n；
计算小体制焊装作业时间其中，Splan-line表示当前产量组合中当前生产线下所有车型的总产量，Sex-焊装表示当前生产线下焊装车间的空位，JPHws-焊装表示当前生产线的焊装车间生产能力；
计算小体制涂装作业时间其中，Sex-涂装表示当前生产线下涂装车间的空位，JPHws-涂装表示当前生产线的涂装车间生产能力；
大体制焊装作业时间
大体制涂装作业时间
尾数体制焊装作业时间
尾数体制涂装作业时间
8.一种车辆排产装置，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法的步骤。
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法的步骤。
CN202310563992.8A 2023-05-18 2023-05-18 一种车辆排产方法、装置以及计算机可读存储介质 Active CN116307640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310563992.8A CN116307640B (zh) 2023-05-18 2023-05-18 一种车辆排产方法、装置以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310563992.8A CN116307640B (zh) 2023-05-18 2023-05-18 一种车辆排产方法、装置以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN116307640A CN116307640A (zh) 2023-06-23
CN116307640B true CN116307640B (zh) 2023-08-11

Family

ID=86820596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310563992.8A Active CN116307640B (zh) 2023-05-18 2023-05-18 一种车辆排产方法、装置以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116307640B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6341240B1 (en) * 1997-07-28 2002-01-22 International Business Machines Corporation Method of allocating work in capacity planning
JP2003140719A (ja) * 2001-10-29 2003-05-16 Daihatsu Motor Co Ltd 生産計画方法
CN109492873A (zh) * 2018-10-15 2019-03-19 宁波吉利汽车研究开发有限公司 整车生产线的日排产方法、装置及智能终端
CN113822549A (zh) * 2021-09-02 2021-12-21 西安隆基智能技术有限公司 一种订单处理方法和装置
CN115775123A (zh) * 2022-12-13 2023-03-10 广域铭岛数字科技有限公司 排产计划生成方法、系统、电子设备及可读存储介质
CN115879707A (zh) * 2022-12-01 2023-03-31 长虹研究设计院武汉有限公司 多级混流汽车生产车间的集成排产系统及排产方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6341240B1 (en) * 1997-07-28 2002-01-22 International Business Machines Corporation Method of allocating work in capacity planning
JP2003140719A (ja) * 2001-10-29 2003-05-16 Daihatsu Motor Co Ltd 生産計画方法
CN109492873A (zh) * 2018-10-15 2019-03-19 宁波吉利汽车研究开发有限公司 整车生产线的日排产方法、装置及智能终端
CN113822549A (zh) * 2021-09-02 2021-12-21 西安隆基智能技术有限公司 一种订单处理方法和装置
CN115879707A (zh) * 2022-12-01 2023-03-31 长虹研究设计院武汉有限公司 多级混流汽车生产车间的集成排产系统及排产方法
CN115775123A (zh) * 2022-12-13 2023-03-10 广域铭岛数字科技有限公司 排产计划生成方法、系统、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN116307640A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN111612358B (zh) 共享汽车车辆调度及调度员路径优化方法
Manavizadeh et al. A Simulated Annealing algorithm for a mixed model assembly U-line balancing type-I problem considering human efficiency and Just-In-Time approach
CN106991492B (zh) 一种北方气候快充纯电动公交车运营调度优化方法
CN101823519B (zh) 一种汽车整车生产计划动态自动排产系统
CN104751297A (zh) 一种混流生产线产能分配方法
CN104268722A (zh) 基于多目标进化算法的动态柔性作业车间调度方法
Greinacher et al. Simulation based assessment of lean and green strategies in manufacturing systems
CN110276557A (zh) 一种跨网格调度工单创建方法
CN106952004B (zh) 一种电动汽车社区充电实时优化调度方法
WO2024183728A1 (zh) 一种基于瓶颈设备能力的排产优化方法、设备及介质
CN116307640B (zh) 一种车辆排产方法、装置以及计算机可读存储介质
CN112613682A (zh) 一种电动汽车充电负荷预测方法
Brachmann et al. The impact of flexibility on engineer-to-order production planning
CN115689246A (zh) 用于确定排产计划的方法、装置、存储介质及处理器
CN113799640A (zh) 适用于含电动汽车充电桩微电网的能量管理方法
JP2013074776A (ja) 電気自動車の充電システム
CN115587645A (zh) 一种考虑充电行为随机性的电动汽车充电管理方法及系统
Latunde et al. Sensitivity of parameters in the approach of linear programming to a transportation problem
Schuh et al. Evaluation of demand response actions in production logistics
CN111008723B (zh) 一种用于分布式能源pev充电站设计的优化方法
Cui et al. Optimization of TOU pricing for the utility with the consumers in the manufacturing sector
JP6579045B2 (ja) カーシェアリングサービスの運用システム
Zhang et al. A data-driven smart charging strategy to compensate inaccurate user preference information
CN106920036B (zh) 一种作业车间装备全活跃节能排程方法和系统
Li et al. Integrated optimization research on preventive maintenance planning and production scheduling

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