CN116739312B - 一种用于智慧厂务的多需求监测方法及系统 - Google Patents
一种用于智慧厂务的多需求监测方法及系统 Download PDFInfo
- Publication number
- CN116739312B CN116739312B CN202311008105.7A CN202311008105A CN116739312B CN 116739312 B CN116739312 B CN 116739312B CN 202311008105 A CN202311008105 A CN 202311008105A CN 116739312 B CN116739312 B CN 116739312B
- Authority
- CN
- China
- Prior art keywords
- production
- energy
- unit time
- demand
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 472
- 238000007619 statistical method Methods 0.000 claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims description 78
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000001757 thermogravimetry curve Methods 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 17
- 238000012545 processing Methods 0.000 abstract description 4
- 241000196324 Embryophyta Species 0.000 description 41
- 238000001228 spectrum Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000755729 Clivia Species 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明提供了一种用于智慧厂务的多需求监测方法及系统,涉及数据处理技术领域,方法包括:对第一车间产线进行产能、能量统计分析获取第一单位时长产能、第一单位产量需求能量,直到对第N车间产线进行产能统计分析,对第N车间产线进行能量产出映射,获取第N单位时长产能、第N单位产量需求能量,获取第一单位时长需求能量、第N单位时长需求能量,由第一产线生产需求直到第N产线生产需求进行生产监测,解决现有技术中同类型产品的产线根据预设统一产能与耗能状态进行任务分配,导致产能与耗能存在偏差的技术问题,实现通过分析不同产线的产能与耗能偏差再进行生产任务分配,降低生产成本提高厂务生产控制的智能性和精细化程度。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种用于智慧厂务的多需求监测方法及系统。
背景技术
在对厂区进行管理过程中,会涉及多个系统,比如:空调系统、冷却水系统、排气系统、电力监控等。这些系统均存在厂务产能需求以及耗能需求,需要耗费较多的能源,也增加了工厂的运营成本,而在现有技术中相同类型产品的产线在进行生产时根据预设统一的产能与耗能状态进行任务分配,导致产能与耗能存在偏差的技术问题。
发明内容
本申请提供了一种用于智慧厂务的多需求监测方法及系统,用于针对解决现有技术中存在的相同类型产品的产线在进行生产时根据预设统一的产能与耗能状态进行任务分配,导致产能与耗能存在偏差的技术问题。
鉴于上述问题,本申请提供了一种用于智慧厂务的多需求监测方法及系统。
第一方面,本申请提供了一种用于智慧厂务的多需求监测方法,所述方法包括:从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能;对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量;对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求;根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
第二方面,本申请提供了一种用于智慧厂务的多需求监测系统,所述系统包括:信息接收模块,所述信息接收模块用于从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;产量拟合模块,所述产量拟合模块用于根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;统计分析模块,所述统计分析模块用于对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能;产出映射模块,所述产出映射模块用于对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量;乘积运算模块,所述乘积运算模块用于对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;生产需求分配模块,所述生产需求分配模块用于基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求;生产监测模块,所述生产监测模块用于根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种用于智慧厂务的多需求监测方法及系统,涉及数据处理技术领域,解决了现有技术中相同类型产品的产线在进行生产时根据预设统一的产能与耗能状态进行任务分配,导致产能与耗能存在偏差的技术问题,实现了通过分析不同产线的产能与耗能偏差,再进行生产任务分配,降低生产成本提高厂务生产控制的智能性和精细化程度。
附图说明
图1为本申请提供了一种用于智慧厂务的多需求监测方法流程示意图;
图2为本申请提供了一种用于智慧厂务的多需求监测方法中获取第一单位时长产能流程示意图;
图3为本申请提供了一种用于智慧厂务的多需求监测方法中确定第一单位产量需求能量流程示意图;
图4为本申请提供了一种用于智慧厂务的多需求监测方法中获取第一产线生产需求直到第N产线生产需求流程示意图;
图5为本申请提供了一种用于智慧厂务的多需求监测系统结构示意图。
附图标记说明:信息接收模块1,产量拟合模块2,统计分析模块3,产出映射模块4,乘积运算模块5,生产需求分配模块6,生产监测模块7。
具体实施方式
本申请通过提供一种用于智慧厂务的多需求监测方法及系统,用于解决现有技术中相同类型产品的产线在进行生产时根据预设统一的产能与耗能状态进行任务分配,导致产能与耗能存在偏差的技术问题。
实施例一
如图1所示,本申请实施例提供了一种用于智慧厂务的多需求监测方法,该方法应用于智慧厂务控制平台,智慧厂务控制平台和ERP生产管理系统通信连接,该方法包括:
步骤S100:从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;
具体而言,本申请实施例提供的一种用于智慧厂务的多需求监测方法应用于智慧厂务控制平台,智慧厂务控制平台和ERP生产管理系统通信连接,该ERP生产管理系统用于进行厂务需求参数的采集。
通过ERP生产管理系统对智慧厂务内的车间生产任务信息进行接收,ERP生产管理系统是指一种主要面向智慧厂务进行物质资源、资金资源和信息资源集成一体化智慧厂务信息管理系统。ERP是一个以管理会计为核心可以提供跨地区、跨部门,甚至跨厂整合实时信息的企业管理软件,其所接收的车间生产任务信息包含生产需求时限以及生产需求量,生产需求时限是指在智慧厂务进行生产时根据不同产线产品的产能所需时间以及耗能所需时间,生产需求量是指在智慧厂务进行生产时根据不同产线产品的产能需求以及耗能需求,为后期实现对智慧厂务进行多需求监测作为重要参考依据。
步骤S200:根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;
具体而言,以生产需求时限以及生产需求量作为拟合基础数据,进行并行产量拟合,是指在智慧厂务中进行生产任务时,其所生产的目标产品的生产需求时限以及生产需求量在同一时间间隔内发生,同时根据目标产品的生产需求时限以及生产需求量选择适当的曲线类型来拟合目标产品的产量数据,并用拟合的曲线方程分析生产需求时限和所述生产需求量之间的关系,由此得到一个能够描述或预测目标产品在单位时间长度内的生产需求量的最佳模型,通过所选取的模型进行拟合训练直至收敛后输出目标产品的单位时长需求产量,进而为实现对智慧厂务进行多需求监测作保障。
步骤S300:对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能;
进一步而言,如图2所示,本申请步骤S300还包括:
步骤S310:加载第一车间产线生产日志,其中,所述第一车间产线生产日志包括多个单位时长产能记录值;
步骤S320:对所述多个单位时长产能记录值进行方差计算,获取统计方差特征值;
步骤S330:当所述统计方差特征值大于或等于统计方差阈值,对所述多个单位时长产能记录值进行离散值清洗,设为产能记录值清洗结果;
步骤S340:对所述产能记录值清洗结果进行均值统计,获取所述第一单位时长产能;
步骤S350:当所述统计方差特征值小于所述统计方差阈值,对所述多个单位时长产能记录值进行均值统计,获取所述第一单位时长产能。
具体而言,为提高后期对智慧厂务进行多需求监测时的准确性,因此首先需要对智慧厂务中的第一车间产线进行产能统计分析,第一车间产线是在智慧厂务中所包含的所有车间产品生产线中任意选取的一条产线,第一车间产线的产能统计分析是指在计划期内,对智慧厂务参与生产的全部固定资产在既定的组织技术条件下,所能生产的产品数量,或者能够处理的原材料数量进行统计分析,首先对第一车间产线生产日志进行提取加载,其中,在第一车间产线生产日志中包括多个单位时长产能记录值,是指记录在第一车间产线中进行生产时在单位时间内所能够生产出的产品数量,进一步的,通过如下方差计算公式对多个单位时长产能记录值进行方差计算:
其中,为统计方差特征值,x为目标产品单位时长产能记录值,n为大于0的整数。
通过计算所获的统计方差特征值是用于表征与中心偏离的程度,对多个单位时长产能记录值的数据偏离平均数的波动大小进行衡量,且在多个单位时长产能记录值相同的情况下,统计方差特征值越大,则说明数据波动越大,越不稳定,进一步的,对统计方差特征值进行判断,当统计方差特征值大于或等于统计方差阈值时,则说明离散数据干扰较大,因此需要将多个单位时长产能记录值中的离散值进行清洗,即在多个单位时长产能记录值中对重复数据、填补缺失值、处理异常值和转换数据格式等进行去除操作,以提高数据的准确性和可靠性,再对完成数据清洗的多个单位时长产能记录值进行均值分析,将最终所获的值设为产能记录值清洗结果,其中,其中所获统计方差阈值由相关技术人员根据目标产品的单位时长产能数据、统计方差的上限值和下限值进行预设,对产能记录值清洗结果进行均值统计,获取第一单位时长产能。
而当统计方差特征值小于统计方差阈值时,则说明多个单位时长产能记录值的数据偏离较小,则直接对多个单位时长产能记录值进行均值计算,并将君子计算结果记作第一单位时长产能进行输出。
在此基础上对智慧厂务中的所包含的N条车间产线依次进行产能统计分析,N为智慧厂务中所包含的车间产线的个数,从而获取N条车间产线所对应的N个单位时长产能,最终对第N车间产线的第N单位时长产能进行获取,其中,第N单位时长产能所对应第N车间产线为N条车间产线的任意一条产线,为后续实现对智慧厂务进行多需求监测夯实基础。
进一步而言,本申请步骤S330包括:
步骤S331:遍历所述多个单位时长产能记录值统计采集时长,获取多个记录值采集时长;
步骤S332:对所述多个单位时长产能记录值进行归一化调整,获取第一定位特征数据集;
步骤S333:对所述多个记录值采集时长进行归一化调整,获取第二定位特征数据集,其中,所述第一定位特征数据集和所述第二定位特征数据集一一对应;
步骤S334:根据所述第一定位特征数据集与所述第二定位特征数据集,获取第i单位时长产能记录值的第i定位坐标;
步骤S335:基于所述第i定位坐标自近而远筛选k个近邻坐标,获取k个近邻距离,其中,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离大于近邻坐标阈值时,所述近邻距离为所述坐标距离,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离小于或等于所述近邻坐标阈值时,所述近邻距离为所述近邻坐标阈值;
步骤S336:计算所述k个近邻距离的倒数之和的均值,获取第i单位时长产能记录值分布集中系数;
步骤S337:遍历所述第一定位特征数据集与所述第二定位特征数据集,确定分布集中系数均值;
步骤S338:当所述分布集中系数均值与所述第i单位时长产能记录值分布集中系数的比值大于或等于异常比例阈值,将所述第i单位时长产能记录值清洗。
具体而言,当统计方差特征值大于或等于统计方差阈值时,需要对多个单位时长产能记录值进行离散值清洗,其清洗的过程可以是:
首先对多个单位时长产能记录值统计采集时长进行依次访问遍历,将多个单位时长产能记录值所对应的统计采集时长进行提取后记作多个记录值采集时长,再对多个单位时长产能记录值进行归一化调整,为使得需要对所提取的多个单位时长产能记录值进行处理时,将其限定在一定的范围内,即对存在量纲的多个单位时长产能记录值化为无量纲的多个单位时长产能记录值,并将无量纲的多个单位时长产能记录值设为第一定位特征数据集,进一步的,对遍历所获的多个记录值采集时长进行归一化调整,将无量纲的多个记录值采集时长作为第二定位特征数据集,其中,第一定位特征数据集中所包含的单位时长产能与第二定位特征数据集中所包含的采集时长为一一对应的关系,同时以第一定位特征数据集与第二定位特征数据集作为基础数据,在第一定位特征数据集中随机选取一个单位市场产能记录值记作第i单位时长产能记录值,并依据第i单位时长产能记录值在第二定位特征数据集中进行比对,将比对成功的定位坐标记作第i定位坐标,进一步的,基于第i定位坐标自近而远筛选k个近邻坐标,其选取范围可以根据定位坐标之间的距离进行限制,k为大于1的正整数,并依次计算所选取的k个近邻坐标与第i定位坐标之间的距离,获取k个近邻距离,其中,当第i定位坐标与任意一个k个近邻坐标的坐标距离大于近邻坐标阈值时,此时的第i定位坐标与任意一个k个近邻坐标的坐标距离为近邻距离,其中近邻坐标阈值可以是通过相关领域的技术人员根据定位坐标之间的距离进行设定,当第i定位坐标与任意一个k个近邻坐标的坐标距离小于或等于近邻坐标阈值时,此时的第i定位坐标与任意一个k个近邻坐标的近邻坐标阈值为近邻距离,进一步的,通过对k个近邻距离进行倒数求解后进行加和的数值除以k所获得均值作为第i单位时长产能记录值分布集中系数。
最终对第一定位特征数据集与第二定位特征数据集依次进行依次遍历,根据第i单位时长产能记录值分布集中系数对分布集中系数均值进行确定,将分布集中系数均值作为分子,第i单位时长产能记录值分布集中系数作为分母进行比值确定,当分布集中系数均值与第i单位时长产能记录值分布集中系数的比值大于或等于异常比例阈值,其异常比例阈值是根据历史异常比例的上限值到历史异常比例的下限值进行异常比例阈值范围的划定,从而达到对第i单位时长产能记录值进行清洗的目的,实现对智慧厂务进行多需求监测有着推进的作用。
进一步而言,本申请步骤S300还包括:
步骤S360:获取L条产线设备的基准热谱图集合,其中,所述基准热谱图集合为预设的健康状态的热谱图,L>N;
步骤S370:通过红外探测设备对处于作业状态的所述L条产线设备进行温度分布成像,获取比对热谱图集合;
步骤S380:根据所述比对热谱图集合和所述基准热谱图集合进行异常设备标识,获取异常产线集合;
步骤S390:将所述异常产线集合从所述L条产线设备中删除,获取所述第一车间产线直到所述第N车间产线。
具体而言,在对第一车间产线直到第N车间产线进行产能统计分析,获取第一单位时长产能至第N单位时长产能之前,首先对智慧厂务中所包含的L条产线设备的基准热谱图集合进行获取,L条产线设备的基准热谱图集合是指将L条产线设备的视在温度图像转变成L幅相对应对比度或色彩图样的可视图像,其中,基准热谱图集合均为预设的L条产线设备在健康状态下的热谱图,且L>N,进一步的,通过红外探测设备对处于作业状态的L条产线设备进行温度分布成像,将具有不同温度分布的L条产线设备的红外热谱图记作比对热谱图集合,将比对热谱图集合和基准热谱图集合进行热量分布区域以热量温度进行校验,将比对热谱图集合中存在热量分布区域异常信息以及热量温度异常信息的设备进行异常设备标识,从而根据异常设备标识智慧厂务中存在异常的产线设备,根据所标识的多个异常产线设备获取异常产线集合,最终将异常产线集合从L条产线设备中进行删除,将完成删除操作的L产线设备添加至第一车间产线直到第N车间产线进行完善,以便为后期对智慧厂务进行多需求监测作为参照数据。
步骤S400:对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量;
进一步而言,如图3所示,本申请步骤S400还包括:
步骤S410:获取所述第一车间产线的输入能量记录值和生产量记录值,其中,所述输入能量记录值和所述生产量记录值一一对应;
步骤S420:基于输入能量构建横向坐标轴,基于生产量构建纵向坐标轴,合并所述横向坐标轴和所述纵向坐标轴构建第一坐标系,对所述输入能量记录值和所述生产量记录值进行分布,获取能量产出映射波动基线;
步骤S430:筛选所述能量产出映射波动基线的切线斜率极小值的所述输入能量记录值和所述生产量记录值,确定所述第一单位产量需求能量。
具体而言,为精确获取在智慧厂务中的单位产量需求能量,首先对第一车间产线的输入能量记录值和生产量记录值通过智慧厂务控制平台进行提取,且输入能量记录值中的每个输入能量和生产量记录值中的每个生产量均为一一对应的关系,以输入能量、生产量作为构建数据,将输入能量作为横向坐标轴,将生产量作为纵向坐标轴,并同时将横向坐标轴的初始位置与纵向坐标轴的初始位置进行结合作为坐标原点,由此完成对第一坐标系的构建,对输入能量记录值和生产量记录值在第一坐标系中进行逐点标记分布,最终根据分布趋势确定能量产出映射波动基线,根据能量产出映射波动基线的切线斜率对能量产出映射波动基线进行筛选,将能量产出映射波动基线的切线斜率极小值的输入能量记录值和生产量记录值进行筛选提取,通过切线斜率极小值所对应的能量产出映射波动基线保证提供能量可以实现对应产量需求,从而对第一单位产量需求能量进行确定,提高后期实现对智慧厂务进行多需求监测的准确率。
步骤S500:对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;
具体而言,为了提高对智慧厂务的多需求监测的准确性,因此首先需要通过以第一单位时长产能和第一单位产量需求能量作为计算基础数据,将第一单位时长产能与第一单位产量需求能量进行乘积运算,将乘积运算结果记作第一单位时长需求能量,在此基础上,对每个单位时长产能与所对应的单位产量需求能量均进行乘积计算,是指以第N单位时长产能和第N单位产量需求能量作为计算基础数据,对第N单位时长产能和第N单位产量需求能量进行乘积运算,将乘积运算结果作为第N单位时长需求能量进行输出,获取第一单位时长需求能量直到第N单位时长需求能量,达到基于第一单位时长需求能量以及第N单位时长需求能量对智慧厂务进行更为精准的多需求监测。
步骤S600:基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求;
进一步而言,如图4所示,本申请步骤S600还包括:
步骤S610:对所述第一车间产线进行供能统计分析,获取第一能量利用率,对所述第N车间产线进行供能统计分析,获取第N能量利用率;
步骤S620:拟合所述第一单位时长需求能量和所述第一能量利用率,获取第一单位时长需求供能,直到拟合所述第N单位时长需求能量和所述第N能量利用率,获取第N单位时长需求供能;
步骤S630:基于所述第一单位时长需求供能直到所述第N单位时长需求供能,和所述第一单位时长产能直到所述第N单位时长产能进行生产需求分配,获取第一产线生产需求直到第N产线生产需求。
具体而言,以上述所获的第一单位时长需求能量直到第N单位时长需求能量、第一单位时长产能直到第N单位时长产能,对单位时长需求产量进行生产需求的分配,是指首先对第一车间产线进行供能统计分析,是指将在第一车间产线内使用所储存的能量提供给所需能量的数据进行统计,根据供能数据与储能数据的比例,确定第一车间产线的第一能量利用率,供能数据与储能数据的比例越高,则第一能量利用率就越高,进一的,再对第N车间产线进行同理供能统计分析,并对应获取第N能量利用率,将第一单位时长需求能量和第一能量利用率进行数据拟合,是指通过数学模型来对第一单位时长需求能量和第一能量利用率进行匹配、拟合,以求得第一单位时长需求能量和第一能量利用率的规律和趋势,基于此对第一单位时长需求供能进行获取,同理拟合至直到拟合第N单位时长需求能量和第N能量利用率,获取第N单位时长需求供能,进一步的,基于第一单位时长需求供能直到第N单位时长需求供能,和第一单位时长产能直到第N单位时长产能根据生产需求进行分配,其生产需求是指在生产过程中必须投入的资源,可以包括劳动、资金、土地等,由此对第一产线生产需求直到第N产线生产需求进行获取,以此保证后期更好的对智慧厂务进行多需求监测。
进一步而言,本申请步骤S600还包括:
步骤S640:获取生产需求分配约束函数:
;
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案中第j个产线的单位时长产能,/>表征单位时长需求产量,/>表征第q个生产方案符合分配需求的概率,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数;
步骤S650:根据所述生产需求分配约束函数进行随机分配,当方案分配重复概率连续预设次数大于或等于重复概率阈值时,获取多个生产需求分配方案;
步骤S660:构建方案适应度函数:
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数,/>表征第j个选中产线的单位时长需求能量,/>表征第q个生产方案的适应度;
步骤S670:根据所述方案适应度函数,遍历所述多个生产需求分配方案进行最小值筛选,获取所述第一产线生产需求直到所述第N产线生产需求。
具体而言,以第一单位时长需求供能直到第N单位时长需求供能,和第一单位时长产能直到第N单位时长产能作为分配基础数据,对单位时长需求产量进行生产需求的分配,可以通过如下生产需求分配约束函数用于筛选出单位时长需求能量最小且可以满足单位时长产能的方案:
;
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案中第j个产线的单位时长产能,/>表征单位时长需求产量,/>表征第q个生产方案符合分配需求的概率,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数;
进一步的,根据生产需求分配约束函数进行随机分配,对方案分配重复概率进行判断,其方案分配重复概率是指在每分配y次时,对方案重复概率,即重复方案占据y的比值进行统计,当方案分配重复概率连续预设次数大于或等于重复概率阈值时,其预设次数时基于方案分配重复概率的值所进行的预设,重复概率阈值是由相关技术人员根据每个方案之间的相似度数据进行预设,由此对多个生产需求分配方案进行获取,同时通过如下所构建的方案适应度函数,对多个生产需求分配方案进行依次遍历,将遍历过后具有方案适应度的多个生产需求分配方案进行升序的序列化处理,将位序为第一位的生产需求分配方案的方案适应度作为最小值进行筛选提取,由此同理对第一产线生产需求直到第N产线生产需求进行获取,其所构建方案适应度函数为:
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数,/>表征第j个选中产线的单位时长需求能量,/>表征第q个生产方案的适应度;
通过所获第一产线生产需求直到第N产线生产需求保证在对智慧厂务进行多需求监测时的高效性。
步骤S700:根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
具体而言,以上述所获第一产线生产需求直到所述第N产线生产需求对智慧厂务的多需求进行生产监测,是指在相同类型产品的产线在进行生产时,均是根据预设的统一的产能以及耗能状态进行任务分配,但实际上,相同类型产品的产线也会由于线路的损耗差异、服役的时间差异、设备的故障差异等各类因素,所导致产能以及耗能具有偏差,由此通过分析不同产线的产能以及耗能的偏差,获取智慧厂务在进行生产过程中的第一产线生产需求直到所述第N产线生产需求,并基于此对生产任务进行分配,从而降低了生产成本,提高了厂务生产控制的智能性和精细化程度。
综上所述,本申请实施例提供的一种用于智慧厂务的多需求监测方法,至少包括如下技术效果,通过对第一车间产线进行产能、能量统计分析获取第一单位时长产能、第一单位产量需求能量,直到对第N车间产线进行产能统计分析,对第N车间产线进行能量产出映射,获取第N单位时长产能、第N单位产量需求能量,获取第一单位时长需求能量、第N单位时长需求能量,由第一产线生产需求直到第N产线生产需求进行生产监测,实现了通过分析不同产线的产能与耗能偏差,再进行生产任务分配,降低生产成本提高厂务生产控制的智能性和精细化程度。
实施例二
基于与前述实施例中一种用于智慧厂务的多需求监测方法相同的发明构思,如图5所示,本申请提供了一种用于智慧厂务的多需求监测系统,系统包括:
信息接收模块1,所述信息接收模块1用于从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;
产量拟合模块2,所述产量拟合模块2用于根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;
统计分析模块3,所述统计分析模块3用于对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能;
产出映射模块4,所述产出映射模块4用于对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量;
乘积运算模块5,所述乘积运算模块5用于对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;
生产需求分配模块6,所述生产需求分配模块6用于基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求;
生产监测模块7,所述生产监测模块7用于根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
进一步而言,系统还包括:
供能统计分析模块,所述供能统计分析模块用于对所述第一车间产线进行供能统计分析,获取第一能量利用率,对所述第N车间产线进行供能统计分析,获取第N能量利用率;
拟合模块,所述拟合模块用于拟合所述第一单位时长需求能量和所述第一能量利用率,获取第一单位时长需求供能,直到拟合所述第N单位时长需求能量和所述第N能量利用率,获取第N单位时长需求供能;
生产需求分配模块,所述生产需求分配模块用于基于所述第一单位时长需求供能直到所述第N单位时长需求供能,和所述第一单位时长产能直到所述第N单位时长产能进行生产需求分配,获取第一产线生产需求直到第N产线生产需求。
进一步而言,系统还包括:
日志加载模块,所述日志加载模块用于加载第一车间产线生产日志,其中,所述第一车间产线生产日志包括多个单位时长产能记录值;
方差计算模块,所述方差计算模块用于对所述多个单位时长产能记录值进行方差计算,获取统计方差特征值;
离散值清洗模块,所述离散值清洗模块用于当所述统计方差特征值大于或等于统计方差阈值,对所述多个单位时长产能记录值进行离散值清洗,设为产能记录值清洗结果;
均值统计模块,所述均值统计模块用于对所述产能记录值清洗结果进行均值统计,获取所述第一单位时长产能;
均值统计模块,所述均值统计模块用于当所述统计方差特征值小于所述统计方差阈值,对所述多个单位时长产能记录值进行均值统计,获取所述第一单位时长产能。
进一步而言,系统还包括:
采集时长模块,所述采集时长模块用于遍历所述多个单位时长产能记录值统计采集时长,获取多个记录值采集时长;
归一化调整模块,所述归一化调整模块用于对所述多个单位时长产能记录值进行归一化调整,获取第一定位特征数据集;
调整模块,所述调整模块用于对所述多个记录值采集时长进行归一化调整,获取第二定位特征数据集,其中,所述第一定位特征数据集和所述第二定位特征数据集一一对应;
坐标获取模块,所述坐标获取模块用于根据所述第一定位特征数据集与所述第二定位特征数据集,获取第i单位时长产能记录值的第i定位坐标;
第一判断模块,所述第一判断模块用于基于所述第i定位坐标自近而远筛选k个近邻坐标,获取k个近邻距离,其中,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离大于近邻坐标阈值时,所述近邻距离为所述坐标距离,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离小于或等于所述近邻坐标阈值时,所述近邻距离为所述近邻坐标阈值;
均值计算模块,所述均值计算模块用于计算所述k个近邻距离的倒数之和的均值,获取第i单位时长产能记录值分布集中系数;
均值确定模块,所述均值确定模块用于遍历所述第一定位特征数据集与所述第二定位特征数据集,确定分布集中系数均值;
第二判断模块,所述第二判断模块用于当所述分布集中系数均值与所述第i单位时长产能记录值分布集中系数的比值大于或等于异常比例阈值,将所述第i单位时长产能记录值清洗。
进一步而言,系统还包括:
第一输入模块,所述第一输入模块用于获取所述第一车间产线的输入能量记录值和生产量记录值,其中,所述输入能量记录值和所述生产量记录值一一对应;
合并模块,所述合并模块用于基于输入能量构建横向坐标轴,基于生产量构建纵向坐标轴,合并所述横向坐标轴和所述纵向坐标轴构建第一坐标系,对所述输入能量记录值和所述生产量记录值进行分布,获取能量产出映射波动基线;
能量产出映射模块,所述能量产出映射模块用于筛选所述能量产出映射波动基线的切线斜率极小值的所述输入能量记录值和所述生产量记录值,确定所述第一单位产量需求能量。
进一步而言,系统还包括:
第一公式模块,所述第一公式模块用于获取生产需求分配约束函数:
;
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案中第j个产线的单位时长产能,/>表征单位时长需求产量,/>表征第q个生产方案符合分配需求的概率,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数;
第三判断模块,所述第三判断模块用于根据所述生产需求分配约束函数进行随机分配,当方案分配重复概率连续预设次数大于或等于重复概率阈值时,获取多个生产需求分配方案;
第二公式模块,所述第二公式模块用于构建方案适应度函数:
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数,/>表征第j个选中产线的单位时长需求能量,/>表征第q个生产方案的适应度;
最小值筛选模块,所述最小值筛选模块用于根据所述方案适应度函数,遍历所述多个生产需求分配方案进行最小值筛选,获取所述第一产线生产需求直到所述第N产线生产需求。
进一步而言,系统还包括:
热谱图模块,所述热谱图模块用于获取L条产线设备的基准热谱图集合,其中,所述基准热谱图集合为预设的健康状态的热谱图,L>N;
温度分布成像模块,所述温度分布成像模块用于通过红外探测设备对处于作业状态的所述L条产线设备进行温度分布成像,获取比对热谱图集合;
异常设备标识模块,所述异常设备标识模块用于根据所述比对热谱图集合和所述基准热谱图集合进行异常设备标识,获取异常产线集合;
车间产线获取模块,所述车间产线获取模块用于将所述异常产线集合从所述L条产线设备中删除,获取所述第一车间产线直到所述第N车间产线。
本说明书通过前述对一种用于智慧厂务的多需求监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种用于智慧厂务的多需求监测系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种用于智慧厂务的多需求监测方法,其特征在于,应用于智慧厂务控制平台,所述智慧厂务控制平台和ERP生产管理系统通信连接,包括:
从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;
根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;
对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能,包括:
加载第一车间产线生产日志,其中,所述第一车间产线生产日志包括多个单位时长产能记录值;
对所述多个单位时长产能记录值进行方差计算,获取统计方差特征值;
当所述统计方差特征值大于或等于统计方差阈值,对所述多个单位时长产能记录值进行离散值清洗,设为产能记录值清洗结果;
对所述产能记录值清洗结果进行均值统计,获取所述第一单位时长产能;
当所述统计方差特征值小于所述统计方差阈值,对所述多个单位时长产能记录值进行均值统计,获取所述第一单位时长产能;
对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量,包括:
获取所述第一车间产线的输入能量记录值和生产量记录值,其中,所述输入能量记录值和所述生产量记录值一一对应;
基于输入能量构建横向坐标轴,基于生产量构建纵向坐标轴,合并所述横向坐标轴和所述纵向坐标轴构建第一坐标系,对所述输入能量记录值和所述生产量记录值进行分布,获取能量产出映射波动基线;
筛选所述能量产出映射波动基线的切线斜率极小值的所述输入能量记录值和所述生产量记录值,确定所述第一单位产量需求能量;
对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;
基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求,包括:
获取生产需求分配约束函数:
;
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案中第j个产线的单位时长产能,/>表征单位时长需求产量,/>表征第q个生产方案符合分配需求的概率,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数;
根据所述生产需求分配约束函数进行随机分配,当方案分配重复概率连续预设次数大于或等于重复概率阈值时,获取多个生产需求分配方案;
构建方案适应度函数:
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数,/>表征第j个选中产线的单位时长需求能量,表征第q个生产方案的适应度;
根据所述方案适应度函数,遍历所述多个生产需求分配方案进行最小值筛选,获取所述第一产线生产需求直到所述第N产线生产需求;
根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
2.如权利要求1所述的方法,其特征在于,基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能进行生产需求分配,获取第一产线生产需求直到第N产线生产需求,包括:
对所述第一车间产线进行供能统计分析,获取第一能量利用率,对所述第N车间产线进行供能统计分析,获取第N能量利用率;
拟合所述第一单位时长需求能量和所述第一能量利用率,获取第一单位时长需求供能,直到拟合所述第N单位时长需求能量和所述第N能量利用率,获取第N单位时长需求供能;
基于所述第一单位时长需求供能直到所述第N单位时长需求供能,和所述第一单位时长产能直到所述第N单位时长产能进行生产需求分配,获取第一产线生产需求直到第N产线生产需求。
3.如权利要求1所述的方法,其特征在于,当所述统计方差特征值大于或等于统计方差阈值,对所述多个单位时长产能记录值进行离散值清洗,设为所述产能记录值清洗结果,包括:
遍历所述多个单位时长产能记录值统计采集时长,获取多个记录值采集时长;
对所述多个单位时长产能记录值进行归一化调整,获取第一定位特征数据集;
对所述多个记录值采集时长进行归一化调整,获取第二定位特征数据集,其中,所述第一定位特征数据集和所述第二定位特征数据集一一对应;
根据所述第一定位特征数据集与所述第二定位特征数据集,获取第i单位时长产能记录值的第i定位坐标;
基于所述第i定位坐标自近而远筛选k个近邻坐标,获取k个近邻距离,其中,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离大于近邻坐标阈值时,所述近邻距离为所述坐标距离,当所述第i定位坐标与任意一个所述k个近邻坐标的坐标距离小于或等于所述近邻坐标阈值时,所述近邻距离为所述近邻坐标阈值;
计算所述k个近邻距离的倒数之和的均值,获取第i单位时长产能记录值分布集中系数;
遍历所述第一定位特征数据集与所述第二定位特征数据集,确定分布集中系数均值;
当所述分布集中系数均值与所述第i单位时长产能记录值分布集中系数的比值大于或等于异常比例阈值,将所述第i单位时长产能记录值清洗。
4.如权利要求1所述的方法,其特征在于,对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能,之前还包括:
获取L条产线设备的基准热谱图集合,其中,所述基准热谱图集合为预设的健康状态的热谱图,L>N;
通过红外探测设备对处于作业状态的所述L条产线设备进行温度分布成像,获取比对热谱图集合;
根据所述比对热谱图集合和所述基准热谱图集合进行异常设备标识,获取异常产线集合;
将所述异常产线集合从所述L条产线设备中删除,获取所述第一车间产线直到所述第N车间产线。
5.一种用于智慧厂务的多需求监测系统,其特征在于,应用于智慧厂务控制平台,所述智慧厂务控制平台和ERP生产管理系统通信连接,包括:
信息接收模块,所述信息接收模块用于从ERP生产管理系统接收车间生产任务信息,其中,所述车间生产任务信息包括生产需求时限和生产需求量;
产量拟合模块,所述产量拟合模块用于根据所述生产需求时限和所述生产需求量进行并行产量拟合,确定单位时长需求产量;
统计分析模块,所述统计分析模块用于对第一车间产线进行产能统计分析,获取第一单位时长产能,直到对第N车间产线进行产能统计分析,获取第N单位时长产能,包括:
加载第一车间产线生产日志,其中,所述第一车间产线生产日志包括多个单位时长产能记录值;
对所述多个单位时长产能记录值进行方差计算,获取统计方差特征值;
当所述统计方差特征值大于或等于统计方差阈值,对所述多个单位时长产能记录值进行离散值清洗,设为产能记录值清洗结果;
对所述产能记录值清洗结果进行均值统计,获取所述第一单位时长产能;
当所述统计方差特征值小于所述统计方差阈值,对所述多个单位时长产能记录值进行均值统计,获取所述第一单位时长产能;
产出映射模块,所述产出映射模块用于对所述第一车间产线进行能量产出映射,获取第一单位产量需求能量,直到对所述第N车间产线进行能量产出映射,获取第N单位产量需求能量,包括:
获取所述第一车间产线的输入能量记录值和生产量记录值,其中,所述输入能量记录值和所述生产量记录值一一对应;
基于输入能量构建横向坐标轴,基于生产量构建纵向坐标轴,合并所述横向坐标轴和所述纵向坐标轴构建第一坐标系,对所述输入能量记录值和所述生产量记录值进行分布,获取能量产出映射波动基线;
筛选所述能量产出映射波动基线的切线斜率极小值的所述输入能量记录值和所述生产量记录值,确定所述第一单位产量需求能量;
乘积运算模块,所述乘积运算模块用于对所述第一单位时长产能和所述第一单位产量需求能量进行乘积运算,获取第一单位时长需求能量,对所述第N单位时长产能和所述第N单位产量需求能量进行乘积运算,获取第N单位时长需求能量;
生产需求分配模块,所述生产需求分配模块用于基于所述第一单位时长需求能量直到所述第N单位时长需求能量,和所述第一单位时长产能直到所述第N单位时长产能,对所述单位时长需求产量进行生产需求分配,获取第一产线生产需求直到第N产线生产需求,包括:
获取生产需求分配约束函数:
;
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案中第j个产线的单位时长产能,/>表征单位时长需求产量,/>表征第q个生产方案符合分配需求的概率,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数;
根据所述生产需求分配约束函数进行随机分配,当方案分配重复概率连续预设次数大于或等于重复概率阈值时,获取多个生产需求分配方案;
构建方案适应度函数:
;
其中,表征随机需求分配的第q个生产方案,/>表征第q个生产方案的第j个选中产线,M表征第q个生产方案被选中的产线总数,/>表征第j个选中产线的单位时长需求能量,表征第q个生产方案的适应度;
根据所述方案适应度函数,遍历所述多个生产需求分配方案进行最小值筛选,获取所述第一产线生产需求直到所述第N产线生产需求;
生产监测模块,所述生产监测模块用于根据所述第一产线生产需求直到所述第N产线生产需求进行生产监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311008105.7A CN116739312B (zh) | 2023-08-11 | 2023-08-11 | 一种用于智慧厂务的多需求监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311008105.7A CN116739312B (zh) | 2023-08-11 | 2023-08-11 | 一种用于智慧厂务的多需求监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739312A CN116739312A (zh) | 2023-09-12 |
CN116739312B true CN116739312B (zh) | 2023-12-01 |
Family
ID=87915391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311008105.7A Active CN116739312B (zh) | 2023-08-11 | 2023-08-11 | 一种用于智慧厂务的多需求监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739312B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993029B (zh) * | 2023-09-27 | 2023-12-12 | 超网实业(成都)股份有限公司 | 用于智慧厂务的设备能效评估方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
CN109934393A (zh) * | 2019-02-28 | 2019-06-25 | 杭州电子科技大学 | 一种需求不确定下生产计划与调度的集成优化方法 |
CN110363365A (zh) * | 2018-04-10 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 一种资源投入产出分析方法和装置 |
CN110689217A (zh) * | 2019-08-13 | 2020-01-14 | 武汉攀升鼎承科技有限公司 | 一种电脑生产智能制造系统 |
CN114723113A (zh) * | 2022-03-26 | 2022-07-08 | 黄勇 | 一种农业自动化生产管理系统 |
CN115994779A (zh) * | 2023-03-17 | 2023-04-21 | 联一信息技术(北京)有限公司 | 一种erp管理系统及方法 |
CN116227896A (zh) * | 2023-05-08 | 2023-06-06 | 日照鲁光电子科技有限公司 | 一种碳化硅生产工单管理方法及系统 |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析系统及方法、电子设备、存储介质、产品 |
-
2023
- 2023-08-11 CN CN202311008105.7A patent/CN116739312B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
CN110363365A (zh) * | 2018-04-10 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 一种资源投入产出分析方法和装置 |
CN109934393A (zh) * | 2019-02-28 | 2019-06-25 | 杭州电子科技大学 | 一种需求不确定下生产计划与调度的集成优化方法 |
CN110689217A (zh) * | 2019-08-13 | 2020-01-14 | 武汉攀升鼎承科技有限公司 | 一种电脑生产智能制造系统 |
CN114723113A (zh) * | 2022-03-26 | 2022-07-08 | 黄勇 | 一种农业自动化生产管理系统 |
CN115994779A (zh) * | 2023-03-17 | 2023-04-21 | 联一信息技术(北京)有限公司 | 一种erp管理系统及方法 |
CN116227896A (zh) * | 2023-05-08 | 2023-06-06 | 日照鲁光电子科技有限公司 | 一种碳化硅生产工单管理方法及系统 |
CN116362454A (zh) * | 2023-06-03 | 2023-06-30 | 宁德时代新能源科技股份有限公司 | 产能分析系统及方法、电子设备、存储介质、产品 |
Non-Patent Citations (2)
Title |
---|
弹性产能下制造业企业多目标生产计划改善研究;袁宇;《中国优秀硕士学位论文全文数据库 经济与管理科学辑(月刊)》(第12期);第J152-465页 * |
混流生产多工厂产能分配建模与算法分析;倪妍婷;《信息系统工程》(第10期);第44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116739312A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116739312B (zh) | 一种用于智慧厂务的多需求监测方法及系统 | |
JP6129028B2 (ja) | 建物動力設備のエネルギー消費量予測方法 | |
CN109978403B (zh) | 一种产品装配过程的质量管控方法、装置及设备 | |
CN115908424A (zh) | 基于三维激光扫描的建筑物健康检测方法、系统及介质 | |
CN113408947B (zh) | 一种智能制造工业生产数据采集分析方法、设备及计算机存储介质 | |
Thompson et al. | An integrated approach for modeling uncertainty in aggregate production planning | |
CN116579590B (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
CN108510180B (zh) | 一种生产设备所处性能区间的计算方法 | |
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN116910674A (zh) | 一种基于数据融合检验的水务管理监测方法、装置、设备及介质 | |
CN111260161B (zh) | 一种众包任务下发的方法及设备 | |
CN107730089A (zh) | 一种用于绩效管理平衡计分卡模型系统 | |
CN116227896A (zh) | 一种碳化硅生产工单管理方法及系统 | |
CN117010942B (zh) | 基于神经网络和线性模型的农产品销售预测方法和系统 | |
CN116739642B (zh) | 一种工程造价分析方法、系统及存储介质 | |
CN117217419A (zh) | 工业生产全生命周期碳排放监测方法及系统 | |
CN115941807A (zh) | 一种园区安防系统数据高效压缩方法 | |
CN108229568A (zh) | 基于k均值聚类算法的岸桥金属结构载荷状态检测方法 | |
JP2010092267A (ja) | 製造コスト算出装置および製造コスト算出方法 | |
CN111507432A (zh) | 农险理赔智能称重方法、系统、电子设备和存储介质 | |
KR20210069987A (ko) | 영상 이미지를 이용한 작물 성장 진단 시스템 및 방법 | |
CN117180899B (zh) | 一种水泥生产粉尘清理方法及系统 | |
CN117524429B (zh) | 一种手术室的净化控制方法及系统 | |
CN115809756B (zh) | 一种工程项目管理方法及系统 |
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 |