CN116415780A - 一种智能排单的方法及系统 - Google Patents
一种智能排单的方法及系统 Download PDFInfo
- Publication number
- CN116415780A CN116415780A CN202310288958.4A CN202310288958A CN116415780A CN 116415780 A CN116415780 A CN 116415780A CN 202310288958 A CN202310288958 A CN 202310288958A CN 116415780 A CN116415780 A CN 116415780A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- plan
- production
- intelligent
- orders
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004519 manufacturing process Methods 0.000 claims abstract description 71
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 239000000463 material Substances 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000012986 modification Methods 0.000 claims abstract description 6
- 230000004048 modification Effects 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 20
- 230000002068 genetic effect Effects 0.000 claims description 18
- 238000013439 planning Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 239000002994 raw material Substances 0.000 description 6
- 239000000047 product Substances 0.000 description 4
- 210000000349 chromosome Anatomy 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- -1 stock Substances 0.000 description 1
- 238000012360 testing method 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
- 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)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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)
- General Factory Administration (AREA)
Abstract
本发明公开了一种智能排单的方法及系统,包括根据生产工艺、BOM物料构成和资源约束建立排单模型;采集生产企业信息系统的原始数据;进行首次排程,生成初始排产计划;通过排产计划分析和交互修改,进行计划调整;确认最优可执行性计划排程,进行计划核准。本发明考虑多种影响因素,通过智能算法进行优化计算,确定精确的可执行生产计划,从而充分利用资源,及时响应需求变化,提升整体生产效率。
Description
技术领域
本发明涉及智能排单技术领域,特别是一种智能排单的方法及系统。
背景技术
目前的多数企业正在推行ERP、MES等系统,实现对计划层面和生产执行的管控。但是由于在生产过程中需求计划与生产执行的脱节,会使得企业产能需求预估与实际产能差异较大、需求与计划排配的不合理、导致计划与执行过程的不协调,无法准确的进行排单生产,进而产生不利于生产的一系列问题。
由于生产过程变化因素较多,以及无法对设备、人员、物料进行有效管控,进而导致订单交期延误;此外如遇订单紧急插单,难以及时发现影响生产线的瓶颈工序,无法准确安排进料时程,进而影响生产,无法积极响应生产异常;另外由于无法调度企业人力、设备、材料等资源,难以提高资源利用率,导致库存成本增加,无法满足真实产能需求。因此,需要设计一种智能排单的方法及系统,通过合理的排程,实现按需生产,包装订单交期,及时响应生产变化,充分利用各种资源,提高企业的生产效率。
发明内容
本发明的目的在于克服现有技术的缺点,提供一种智能排单的方法及系统。
本发明的目的通过以下技术方案来实现:一种智能排单的方法,包括以下步骤:
步骤1:建模,根据生产工艺、BOM物料构成和资源约束建立排单模型;
步骤2:数据采集,采集生产企业信息系统的原始数据;
步骤3:首次排程,生成初始排产计划;
步骤4:计划调整,进行排产计划分析和交互修改;
步骤5:计划核准,确认最优可执行性计划排程。
更进一步的技术方案是,所述步骤1中的模型通过关联的资料来定义,所述资料可分为结构资料和状况相关资料。
更进一步的技术方案是,所述模型还包括运作规则和优化目标,所述优化目标包括时间目标和成本目标。
更进一步的技术方案是,所述步骤2中生产企业信息系统包括ERP、SFC、MES、PLM、SCM、CRM的一项或多项,所述原始数据包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料、BOM、工序、工艺路线、销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
更进一步的技术方案是,所述步骤3首次排程同步考虑多种有限能力资源的约束条件,依据各种预设规则,利用线性规划、启发式算法和遗传算法进行反复模拟、优化、计算。
更进一步的技术方案是,所述约束条件包括影响排程的基础资料、订单需求和产能约束,所述基础资料包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料的一项或多项,所述订单需求包括BOM、工序、工艺路线、制程、工作中心能力约束、工作中心效率约束、工作中心班次班制约束、工作中心人机约束的一项或多项,所述产能约束包括销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
更进一步的技术方案是,所述智能排单方法的核心为动态排程算法,包括以下步骤:
1)不考虑动态特性的前提下,使用遗传算法,生成静态排程计划;
2)当动态特性出现时,通过调整遗传算法调节排程中的工单释放规则与关键参数,并使用遗传算法重新进行排程;
3)通过神经网络,承载不确定性的概率分布,并将此概率分布作为前馈预测,指导与调整下一次遗传算法的排程结果;
4)不断重复步骤1)~3),从而实现从个体智能涌现到群体智能,再从群体智能到进化个体智能的正反馈闭环,直至智能收敛。
更进一步的技术方案是,所述步骤4中,智能排单可监控车间的变化情况,并生成一个更新的期望定单完成时间;所述智能排单还包括增量式方法,如果新的定单落在生产计划排程的范围内,该新定单的活动可以插入到它所需资源上已排序好的定单中,并在现行排产计划中寻找时间空隙。
更进一步的技术方案是,所述步骤5中,选择最佳生产状况的排产计划去执行,并将排产计划传递给MRP模块、ERP系统和运输计划模块。
更进一步的技术方案是,一种智能排单的系统,包括智能排单的方法的基本设备。
本发明具有以下优点:
(1)本发明通过建模、数据采集、首次排程、计划调整和计划核准,实现快速的自动排程排产,可提供更精确的排产计划,优化生产进度,提高资源利用率和生产效率。
(2)本发明通过关联的资料及优化目标,使建立的模型更加精确完善;采集的原始数据更加全面准确,便于进行排程;综合考虑各种约束条件,并通过各种优化算法,使排单更加智能合理。
(3)本发明通过动态排程算法,结合遗传算法和神经网络,进行智能收敛计算,可有效的对排单进行优化,实现最优排单计划;计划调整可进一步响应生产异常,根据实际需求进行动态调节,提高了弹性容错能力,本发明还可用于场景模拟与产能预测,便于全面掌握生产信息。
附图说明
图1是本发明的智能排单流程图;
图2是本发明中遗传算法的流程图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。
因此,以下对提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,一种智能排单的方法,包括以下步骤:
步骤1:建模,根据生产工艺、BOM物料构成和资源约束建立排单模型;
步骤2:数据采集,采集生产企业信息系统的原始数据;
步骤3:首次排程,生成初始排产计划;
步骤4:计划调整,进行排产计划分析和交互修改;
步骤5:计划核准,确认最优可执行性计划排程。
本实施例中,所述步骤1中的模型通过关联的资料来定义,所述资料可分为结构资料和状况相关资料。结构资料包括:生产地点、工件、物料单、工艺路径和相关的操作指令、生产资源、供货商清单、准备时间矩阵、和时间表。
状况相关资料随车间当前的状况而变化,包括初始库存、资源的准备状态、和给定时间间隔内要加工的一组定单。
本实施例中,所述模型还包括运作规则和优化目标,所述优化目标包括时间目标和成本目标。由用户指定的运作规则资料包括:批量规则,优先规则和加工路径选择。智能排单系统通常要求事先输入一些简单规则,这些规则可以是固定批量、最小批量或给定定单间隔时间的批量。系统或是提供一组规则可供选取,或是以高级编程语言的形式来编写它,在某个资源上决定定单优先次序的规则方式处理。
最后还要指定一个优化目标,在生产计划排程模块中选择优化目标时,主要有下面一些面向时间的目标:完成所有定单任务所需要的时间,订单任务完成时间和它的到期时间之差,一个订单任务在生产系统中花费的时间,每个订单任务的生产准备时间。另外,还有三个与成本相关的目标,分别是使可变生产成本总和最小,使生产准备成本总和最小,和使惩罚成本总和最小。通过建立上面单个目标的加权和,使这个组合目标函数可以像单目标函数一样对待。
本实施例中,所述步骤2中生产企业信息系统包括ERP、SFC、MES、PLM、SCM、CRM的一项或多项,这些系统为常见的一些企业管理系统,内部包含各种企业生产数据,所述原始数据包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料、BOM、工序、工艺路线、销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
数据采集步骤中,原材料信息、工序信息和订单信息具有配比关系,订单要素包括成品、交期、数量,工序需要消耗时间,数据还涉及原材料和成品的配比关系,加工操作所依赖的资源数,工序生产单位数量产品消耗的时间,其中工序类型分为生产数量正相关的计件工序、与生产数量无关的固定工序、可替换工序;原材料、半成品在不同的地点流动,产品配送;原材料,库存,从供应商处采购原材料。
本实施例中,所述步骤3首次排程同步考虑多种有限能力资源的约束条件,依据各种预设规则,利用线性规划、启发式算法和遗传算法进行反复模拟、优化、计算。首次排程步骤中,生产计划通过甘特图形式显示,结合生产计划和库存数量,得知原材料的消耗情况,以及整个生产过程中库存变化,并根据生产计划推算资源(设备等)的利用率。
本实施例中,所述约束条件包括影响排程的基础资料、订单需求和产能约束,所述基础资料包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料的一项或多项,所述订单需求包括BOM、工序、工艺路线、制程、工作中心能力约束、工作中心效率约束、工作中心班次班制约束、工作中心人机约束的一项或多项,所述产能约束包括销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
本实施例中,所述智能排单方法的核心为动态排程算法,包括以下步骤:
1)不考虑动态特性的前提下,使用遗传算法,生成静态排程计划;
2)当动态特性出现时,通过调整遗传算法调节排程中的工单释放规则与关键参数,并使用遗传算法重新进行排程;
3)通过神经网络,承载不确定性的概率分布,并将此概率分布作为前馈预测,指导与调整下一次遗传算法的排程结果;
4)不断重复步骤1)~3),从而实现从个体智能涌现到群体智能,再从群体智能到进化个体智能的正反馈闭环,直至智能收敛。
其中的遗传算法流程如图2所示,主要步骤为:
1)对要求解的问题的染色体进行编码;
2)随机选择一组染色体种群进行初始化;
3)计算每个染色体个体的适配值;
4)判断是否满足收敛准则,达到终止条件,若满足则终止,输出最优解,不满足进行下一步操作;
5)根据适配值大小进行选择操作;
6)进行交叉操作;
7)进行变异操作;
8)返回步骤(4).
通常给定一个最大进化代数设计近似收敛准则来终止算法进程。
本实施例中,所述步骤4中,智能排单可监控车间的变化情况,并生成一个更新的期望定单完成时间;所述智能排单还包括增量式方法,如果新的定单落在生产计划排程的范围内,该新定单的活动可以插入到它所需资源上已排序好的定单中,并在现行排产计划中寻找时间空隙。
在计划调整步骤中,为了处理不确定性,如非计划的生产率变化或未预料的资源停工,智能排程允许监控人们假定发生在车间的变化,并生成一个更新了的期望的定单完成时间。基于变化的大小和决策者的判断是否进行需要重新优化排程。在计划实际交付车间实施之前,可以通过提供大量的可选状况的生成和测试能力来帮助决策者的判断。
另一个特征是两步计划方法,也称为增量式计划。假定有一个新的定单到来,如果它落在生产计划排程的计划范围内,该新顾客定单的活动可以插入到它所需资源上已排序好的定单中,在现行排产计划中寻找时间空隙,以便保持新定单的排程仅需微小的调整。如果能维持排产计划的可行性,就能导出新定单的一个计划交货期。上述排程可以通过不同的定单顺序来改进,所以通过重新优化以便通过新的排序来减少成本。
本实施例中,所述步骤5中,通过评估所有可选方案,选择最佳生产状况的排产计划去执行,并将排产计划传递给MRP模块、ERP系统和运输计划模块。
本实施例中,一种智能排单的系统,包括智能排单的方法的基本设备,通过软件和设备的结合共同实现智能排单系统的实现。
本发明通过提供一种智能排单的方法及系统,可快速实现自动排程排产,提供精确的计划与排产,推荐最优计划方案,减少人工计划耗时,提高生产效率;通过精确到每道工序、机器和人员的生产计划,可合理安排生产,保证准确交期;此外,还可未来产能预测,提前预知设备产能,对场景进行模拟,便于全面掌握生产信息;通过积极应对紧急插单、订单变更等问题,可快速响应客户需求,提高容错能力。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能排单的方法,其特征在于,包括以下步骤:
步骤1:建模,根据生产工艺、BOM物料构成和资源约束建立排单模型;
步骤2:数据采集,采集生产企业信息系统的原始数据;
步骤3:首次排程,生成初始排产计划;
步骤4:计划调整,进行排产计划分析和交互修改;
步骤5:计划核准,确认最优可执行性计划排程。
2.根据权利要求1所述的智能排单的方法,其特征在于:所述步骤1中的模型通过关联的资料来定义,所述资料可分为结构资料和状况相关资料。
3.根据权利要求2所述的智能排单的方法,其特征在于:所述模型还包括运作规则和优化目标,所述优化目标包括时间目标和成本目标。
4.根据权利要求1所述的智能排单的方法,其特征在于:所述步骤2中生产企业信息系统包括ERP、SFC、MES、PLM、SCM、CRM的一项或多项,所述原始数据包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料、BOM、工序、工艺路线、销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
5.根据权利要求1所述的智能排单的方法,其特征在于:所述步骤3首次排程同步考虑多种有限能力资源的约束条件,依据各种预设规则,利用线性规划、启发式算法和遗传算法进行反复模拟、优化、计算。
6.根据权利要求5所述的智能排单的方法,其特征在于:所述约束条件包括影响排程的基础资料、订单需求和产能约束,所述基础资料包括设备、人员、工作日历、班次、班制、工作中心、模具、生产装备、仓库、供应商、物料的一项或多项,所述订单需求包括BOM、工序、工艺路线、制程、工作中心能力约束、工作中心效率约束、工作中心班次班制约束、工作中心人机约束的一项或多项,所述产能约束包括销售订单、销售预测单、采购订单、生产订单、生产预测单、实时库存的一项或多项。
7.根据权利要求1所述的智能排单的方法,其特征在于:所述智能排单方法的核心为动态排程算法,包括以下步骤:
1)不考虑动态特性的前提下,使用遗传算法,生成静态排程计划;
2)当动态特性出现时,通过调整遗传算法调节排程中的工单释放规则与关键参数,并使用遗传算法重新进行排程;
3)通过神经网络,承载不确定性的概率分布,并将此概率分布作为前馈预测,指导与调整下一次遗传算法的排程结果;
4)不断重复步骤1)~3),从而实现从个体智能涌现到群体智能,再从群体智能到进化个体智能的正反馈闭环,直至智能收敛。
8.根据权利要求1所述的智能排单的方法,其特征在于:所述步骤4中,智能排单可监控车间的变化情况,并生成一个更新的期望定单完成时间;所述智能排单还包括增量式方法,如果新的定单落在生产计划排程的范围内,该新定单的活动可以插入到它所需资源上已排序好的定单中,并在现行排产计划中寻找时间空隙。
9.根据权利要求1所述的智能排单的方法,其特征在于:所述步骤5中,选择最佳生产状况的排产计划去执行,并将排产计划传递给MRP模块、ERP系统和运输计划模块。
10.一种智能排单的系统,其特征在于:包括使用权利要求1-9任意一项所述的智能排单的方法的基本设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288958.4A CN116415780A (zh) | 2023-03-22 | 2023-03-22 | 一种智能排单的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288958.4A CN116415780A (zh) | 2023-03-22 | 2023-03-22 | 一种智能排单的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116415780A true CN116415780A (zh) | 2023-07-11 |
Family
ID=87059076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288958.4A Pending CN116415780A (zh) | 2023-03-22 | 2023-03-22 | 一种智能排单的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116415780A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892885A (zh) * | 2024-03-13 | 2024-04-16 | 宁德时代新能源科技股份有限公司 | 排产方法、装置、设备、存储介质及产品 |
-
2023
- 2023-03-22 CN CN202310288958.4A patent/CN116415780A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892885A (zh) * | 2024-03-13 | 2024-04-16 | 宁德时代新能源科技股份有限公司 | 排产方法、装置、设备、存储介质及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Engell et al. | Optimal operation: Scheduling, advanced control and their integration | |
CN107464025B (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
EP2465015A2 (en) | Apparatus and method for integrating planning, scheduling, and control for enterprise optimization | |
Mayteekrieangkrai et al. | Optimized ready mixed concrete truck scheduling for uncertain factors using bee algorithm. | |
CN116090676B (zh) | 一种基于多目标优化的aps排产方法及aps排产系统 | |
CN114897379A (zh) | 一种基于信息反馈的动态生产计划排程系统及方法 | |
Stupina et al. | Building the strategy for innovative development of industrial enterprises based on network planning methods | |
CN116415780A (zh) | 一种智能排单的方法及系统 | |
Sunday et al. | The role of production planning in enhancing an efficient manufacturing system–an overview | |
Nishi et al. | An autonomous decentralized supply chain planning system for multi-stage production processes | |
CN112561177B (zh) | 一种产线均衡优化调度管理平台 | |
Talibi et al. | The relevance study of adaptive kanban in a multicriteria constraints context using data-driven simulation method | |
Celik et al. | Impact of information sharing in hierarchical decision-making framework in manufacturing supply chains | |
Miranzadeh et al. | Simulation of a single product supply chain model with ARENA | |
Slak et al. | Application of genetic algorithm into multicriteria batch manufacturing scheduling | |
Krause | AI-based discrete-event simulations for manufacturing schedule optimization | |
Tsukanov et al. | The need to ensure stability of the schedule of complex-structured productions | |
CN114819239A (zh) | 智能交期预测方法与系统 | |
Panfilova et al. | Supply chain model of a manufacturing enterprise: Multi-agent approach | |
TW202226088A (zh) | 智能交期預測方法與系統 | |
Tsukanov et al. | Analysis of Algorithms for Scheduling Complex Production Systems | |
Kumar et al. | Integrated production distribution problem in a partial backorder and order refusal environment | |
Kalinowski | Multistage decision making process of multicriteria production scheduling | |
Vieira | A practical view of the complexity in developing master production schedules: fundamentals, examples, and implementation | |
Valencia et al. | An optimization approach for MPS in a MTO multiproduct assembly line system |
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 |