CN117010613A - 智能生产规划及排程方法、系统、计算机设备及存储介质 - Google Patents
智能生产规划及排程方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117010613A CN117010613A CN202310712357.1A CN202310712357A CN117010613A CN 117010613 A CN117010613 A CN 117010613A CN 202310712357 A CN202310712357 A CN 202310712357A CN 117010613 A CN117010613 A CN 117010613A
- Authority
- CN
- China
- Prior art keywords
- production
- scheduling
- data
- time
- planning
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 346
- 238000013439 planning Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 239000000463 material Substances 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000012544 monitoring process Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 239000002994 raw material Substances 0.000 claims description 7
- 230000008713 feedback mechanism Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000001934 delay Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 abstract description 12
- 238000007405 data analysis Methods 0.000 abstract description 10
- 230000010354 integration Effects 0.000 abstract 1
- 238000012384 transportation and delivery Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011031 large-scale manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003466 welding Methods 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
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/0633—Workflow 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Abstract
本发明涉及计算机和生产计划领域,具体涉及智能生产规划及排程方法、系统、计算机设备及存储介质。该方法结合了企业资源规划(ERP)和仓库管理系统(WMS),利用智能算法和实时数据分析,实现了对生产计划和排程的智能化管理。通过与ERP系统和WMS系统的集成,获取实时的生产数据、库存数据和订单数据。然后,基于这些数据,应用智能算法进行生产计划和排程的优化。算法考虑了诸多因素,如订单优先级、工序耗时、设备可用性、库存情况等,以生成最优的生产计划和排程方案。本发明能够提高生产计划和排程的准确性和效率,优化资源利用和物料齐套,提升企业生产管理的智能化水平。
Description
技术领域
本发明涉及计算机和生产计划领域,具体涉及一种智能生产规划及排程方法、系统、计算机设备及存储介质。
背景技术
目前大多数工厂在进行生产排程时仍依赖手工操作,使用Exce l表格等工具进行排产计划的编制。但是,目前许多工厂依赖于手工操作和传统的排产方法来进行生产规划和排程存在以下问题:
1.工序繁琐:手工编制生产计划和排程需要大量的时间和人力,涉及到多个工序和复杂的生产流程。
2.数据滞后:由于手工操作的限制,数据更新和信息传递存在滞后性,导致生产计划和排程的准确性下降。
3.错误风险:手工操作容易引发错误,例如数据录入错误、计算错误等,这可能导致生产过程中的混乱和延误。
4.不确定性应对不足:手工排产无法有效应对原料库存不足、生产计划滞后和突发订单等不确定因素,这给工厂的生产进度控制带来困扰。
虽然现有的方案已经尝试改进生产规划和排程的方法,包括企业资源计划(ERP)系统、生产计划与排程软件以及数据分析和人工智能技术。但是企业资源计划(ERP)系统虽然提供了集成的生产计划和排程功能,通过统一的信息平台实现数据的实时更新和共享,但通常缺乏智能化的功能和灵活性。生产计划与排程软件虽然提供了自动化的排产算法和图形化界面,以帮助工厂管理人员制定生产计划和排程。然而,这些软件通常需要额外的培训和高昂的费用,并且无法很好地应对不确定因素。数据分析和人工智能技术的发展为生产规划和排程带来了新的可能性。通过对历史数据和实时数据的分析,可以预测需求、优化排程和提供决策支持。然而,现有的解决方案在智能化程度和实际应用方面仍有一定的局限性。
综上所述,当前的技术还没有提供一种全面智能化、灵活应对不确定因素的生产规划及排程系统。因此,需要一种智能化的生产规划及排程系统,以提高生产进度控制的效率和准确性,并能够灵活应对不确定因素。
发明内容
为解决上述问题,本发明提供了一种智能生产规划及排程方法、系统、计算机设备及存储介质,旨在解决现有技术在生产规划和排程方面的局限性,提高生产进度控制的效率和准确性,并能够灵活应对不确定因素。
为实现上述目的,本发明提供了如下的技术方案:
第一方面,在本发明提供了一种智能生产规划及排程方法,该方法包括以下步骤:
1.收集历史数据和实时数据,包括生产需求、资源利用情况、设备状态以及工人情况数据;
2.基于数据挖掘和机器学习算法,对收集的历史数据和实时数据进行分析和建模,生成生产需求模型和资源利用模型;
3.根据生产需求模型和资源利用模型,基于生产线的容量、工序之间的依赖关系和工时限制自动生成生产计划;
4.根据生产计划实时监测不确定因素,并对生产计划进行实时调整和优化。
作为本发明的进一步方案,实时监测不确定因素包括原料库存不足、生产计划滞后和突发订单。
作为本发明的进一步方案,所述智能生产规划及排程方法还包括以下步骤:
a.结合实际生产情况和实时数据监测,使用排程算法自动调整生产线上工序的执行顺序和时间安排;
b.基于设备的故障维修时间、工人的休假和生产线的调整时间的因素,安排生产任务的优先级和时间窗口;
c.通过实时监测和反馈机制,对生产进度进行动态跟踪和调整,确保生产计划的准确性和及时性。
作为本发明的进一步方案,所述历史数据包括过去的生产记录、订单信息和设备运行数据;所述实时数据包括当前的生产情况、订单变动和设备状态数据。
作为本发明的进一步方案,数据挖掘和机器学习算法用于分析历史数据和实时数据,生成生产需求模型和资源利用模型。
作为本发明的进一步方案,排程算法用于根据生产计划和实际生产情况,自动调整生产线上的工序执行顺序和时间安排;排程算法考虑设备的故障维修时间、工人的休假和生产线的调整时间等因素,合理安排生产任务的优先级和时间窗口。
第二方面,在本发明还提供了一种智能生产规划及排程系统,该系统包括:
生产计划分析模块,通过定时任务对生产计划进行排序,统计当前车间已领用数量和即时库存数,并分析生产计划的齐套情况;
产能测算模块,根据产品生产工艺、工序效率、投入人员和工时的因素,计算投入的设备/线体和人员是否能满足生产需求,并根据计算结果制定生产计划。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
物料齐套分析模块,用于结合ERP(Enterprise Resource Planning,企业资源规划)、WMS(Warehouse Management System,仓库管理系统)和供应商协同,分析当前订单的物料齐套情况,提供已齐套数、未齐套部分物料和预计齐套时间的数据支持。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
订单锁定模块,物控员手动选择需要锁定的订单,并将订单数量锁定,以避免重复计算,并保证生产计划的准确性和稳定性。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
订单反锁定模块,物控员选择订单进行反锁定,释放对应订单的物料资源,并重新进行齐套分析和生产计划排程。
作为本发明的进一步方案,所述的产能测算模块包括:
预先设置线体/设备的投入数量、人员、产能以及各工序效率;
根据给定的筛选范围,筛选生产计划进行排程计算,并计算完成生产计划所需投入的机台数;
根据工序效率、每天工时数和总数量,计算总工时、总生产天数和每天应完成量;
根据单机台每天完成量,计算需要投入的机台数。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
供应链协同模块,与供应商的系统进行数据交互,获取供应商提交的采购订单、预交期和预交数量的信息。
在未齐套的情况下,通过与供应商协同,获取未到货采购订单的相关信息,如预交期和预交数量,以填充生产计划并尽快齐套。
与供应商的系统实时交互,更新采购订单的状态和交货信息,确保及时获得最新的供应链数据。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
库存管理模块,用于实时监控车间的即时库存数和已领用数量。
根据库存信息和已领用数量,与生产计划进行对比分析,判断当前是否能够齐套生产。
在齐套分析过程中,及时更新库存数据,以保证准确的齐套分析结果。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
排程调整模块,根据实际生产情况和实时数据,对生产计划进行动态调整。
在齐套分析完成后,根据实际生产情况和库存状况,对生产计划进行优化和调整,确保生产进度和资源的合理利用。
考虑到生产计划的变动和调整,及时更新排程信息,并通知相关人员和部门进行相应的调整和协调。
作为本发明的进一步方案,所述的智能生产规划及排程系统,还包括:
性能优化模块,针对齐套分析和排程调整的性能进行优化处理。
对生产计划进行排序,以提高齐套分析的效率和准确性。
利用数据库索引和查询优化等技术手段,加速数据的查询和处理过程。
实施增量更新策略,只分析新增的生产计划,减少数据量和提高分析效率。
对于大规模的生产计划,采用并发任务处理的方式,提高分析速度和系统的响应能力。
综上所述,本发明的智能生产规划及排程系统通过齐套分析模块、供应链协同模块、库存管理模块、排程调整模块和性能优化模块的协同工作,实现了根据实际生产情况和实时数据进行生产规划和排程的目的,提高了生产效率和资源利用率,降低了物料缺失和延迟交货的风险。
第三方面,在本发明提供的又一个实施例中,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器加载并执行所述计算机程序时实现智能生产规划及排程方法的步骤。
第四方面,在本发明提供的再一个实施例中,提供了一种可读存储介质,存储有计算机程序,所述计算机程序被处理器加载并执行时实现所述智能生产规划及排程方法的步骤。
与现有技术相比,本发明提供的智能生产规划及排程方法、系统、计算机设备及存储介质具有以下有益效果:
1.提高生产计划和排程的准确性:通过结合实时数据和智能算法,系统能够更准确地分析订单需求、库存情况、工序耗时等因素,并生成优化的生产计划和排程方案。这有助于避免生产过剩或缺料的情况,提高生产计划的准确性和可行性。
2.优化资源利用:智能生产规划及排程系统能够考虑到设备的可用性、人员的工时和产能、库存情况等因素,合理调度资源的分配和利用。通过最优化的排程,可以提高设备利用率,减少生产线空闲时间,提高生产效率和产能。
3.提升物料齐套能力:系统中的齐套分析模块能够与供应商协同,分析物料齐套情况,并提供相应的数据支持。这有助于及时发现和解决物料齐套问题,减少因缺料而导致的生产延误和成本增加,提高供应链的效率和稳定性。
4.实时监控和调整:智能生产规划及排程系统具备实时监控功能,能够随时获取生产数据、库存信息和订单状态。这使得生产计划可以及时调整和优化,以适应市场需求的变化和生产环境的变动。同时,系统还能提供预警和异常处理功能,帮助企业迅速应对生产中的问题和风险。
5.支持决策和分析:系统中的数据存储介质能够存储大量的生产数据和历史记录,为企业提供丰富的数据资源。通过对这些数据的分析和挖掘,可以为管理层提供决策支持和业务洞察,帮助企业进行战略规划和业绩评估。
6.降低人为错误:系统通过自动化和智能化的方式,减少了人工干预和决策的机会,降低了人为错误的发生概率,提高了生产计划和排程的准确性和可靠性。
7.提高生产线的灵活性:系统能够根据需求的变化快速调整生产计划和排程方案,适应市场变化和客户需求的灵活性,提高生产线的适应性和响应速度。
8.支持决策制定:系统提供了实时数据分析和决策支持功能,帮助生产管理人员制定科学合理的生产决策,提高决策的准确性和效果。
9.提高资源利用率:系统能够对生产资源进行智能调度和优化,提高资源的利用率和效率,减少资源浪费和闲置,降低生产成本。
10.实现可持续发展:系统通过优化生产规划和排程,减少能源消耗和废物产生,促进可持续发展和资源的可持续利用。
综上所述,本发明的智能生产规划及排程方法、系统、计算机设备及存储介质具有高效、精确、灵活、可靠、多目标优化等优势,最优化产线投入数,减少产线因各种因素导致需要频繁更换生产产品带来的各种损失,提供了供应商物料准交率以及生产产品准交率,减少产线人员冗余配置以及减少操作人员数据分析、录入时间以及因人工分析导致的错误,能够提升生产效率、降低成本、提高交付准确性,对于各类制造业领域的生产管理具有重要的应用价值和市场潜力。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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一些实施例。在附图中:
图1为本发明实施例的一种智能生产规划及排程方法、系统的架构图。
图2为本发明实施例的一种智能生产规划及排程系统的结构框图。
图3为本发明实施例的一种智能生产规划及排程方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
由于目前大多数工厂排产都是通过一堆手工Exce l表格来完成,包括车间工艺、每道工艺制作效率、每道工艺前道工序、前道工序已完成量等等,每天、每周计划人员都需要针对这一堆表格来安排明天或者下一周的工作计划,工序繁琐、数据滞后极容易出错。再加上很多原料没有实际库存,大部分都属于在途库存,即在采购中或者供应商发货途中,这样对生产带来很多的不确定因素,经常会导致今天生产计划排满了,但会存在明天或者下周的生产计划就达不到饱和状态或者直接空闲,给工厂带来不必要的损失。
有鉴于此,本发明提供的一种智能生产规划及排程方法、系统、计算机设备及存储介质,旨在解决现有技术在生产规划和排程方面的局限性,提高生产进度控制的效率和准确性,并能够灵活应对不确定因素。
具体地,下面结合附图,对本申请实施例作进一步阐述。
如图1和图3所示,本发明的一个实施例提供一种智能生产规划及排程方法,包括如下步骤:
1.收集历史数据和实时数据,包括生产需求、资源利用情况、设备状态以及工人情况数据;
2.基于数据挖掘和机器学习算法,对收集的历史数据和实时数据进行分析和建模,生成生产需求模型和资源利用模型;
3.根据生产需求模型和资源利用模型,基于生产线的容量、工序之间的依赖关系和工时限制自动生成生产计划;
4.根据生产计划实时监测不确定因素,并对生产计划进行实时调整和优化。
其中,实时监测不确定因素包括原料库存不足、生产计划滞后和突发订单。所述历史数据包括过去的生产记录、订单信息和设备运行数据;所述实时数据包括当前的生产情况、订单变动和设备状态数据。
在本实施例中,所述智能生产规划及排程方法还包括以下步骤:
a.结合实际生产情况和实时数据监测,使用排程算法自动调整生产线上工序的执行顺序和时间安排;
b.基于设备的故障维修时间、工人的休假和生产线的调整时间的因素,安排生产任务的优先级和时间窗口;
c.通过实时监测和反馈机制,对生产进度进行动态跟踪和调整,确保生产计划的准确性和及时性。
其中,数据挖掘和机器学习算法用于分析历史数据和实时数据,生成生产需求模型和资源利用模型。
其中,排程算法用于根据生产计划和实际生产情况,自动调整生产线上的工序执行顺序和时间安排;排程算法考虑设备的故障维修时间、工人的休假和生产线的调整时间等因素,合理安排生产任务的优先级和时间窗口。
在本实施例中,为保证生产前下发的订单物料齐套,(1)在新增生产工单时,WMS自动进行齐套分析;
(2)物控员选择生产订单,系统结合待入库、在库、超发物料,对比订单BOM需求数量,自动生成生产订单欠料表;
(3)若计划确定的订单,需要手工选择订单锁定;系统自动将对应订单数量锁住,其余订单进行齐套分析时,不再重复计算;
(4)物控员可选择订单反锁定,释放对应订单物料资源,重新进行齐套分析。
本发明通过物料齐套分析,若物料满足生产工单的需求数量则生成正式工单安排生产,如存在缺料,则修改工单数量先生产部分,同时生成缺料明细表,安排备料。
其中,WMS自动进行齐套分析,实现方式为:
利用定时任务来实现齐套分析功能。在任务中,按照生产确认时间先后顺序对生产计划进行排序,然后统计当前车间的已领用数量和即时库存数。
接下来,遍历每个生产计划,利用当前库存逐条分配到生产计划中。如库存不足,则当前生产计划状态为未齐套。在此情况下,需要查找对应的未到货采购订单,并提取供应商提交的预交期和预交数量以填充生产计划。如未获取到对应采购订单,则需要给出状态,告知生产有哪些未交订单。如果库存充足,则状态显示为已齐套。
在本实施例中,要确保齐套分析功能的性能,可以考虑以下措施:
1、对生产计划进行排序,以便在后续遍历中优化性能。
2、利用数据库索引来加速数据查询和处理。
3、考虑增量更新,即只分析新增的生产计划,而不是每次都分析全部生产计划。这可以减少分析的数据量,提高分析效率。
4、对于大规模的生产计划,可以将分析任务分配到多个并发任务中,以提高分析速度。
在本实施例中,订单反锁定实现方式为:
a.确认需要反锁定的订单或任务:首先需要确认哪个订单或任务需要反锁定,以及需要释放哪些资源。
b.更新资源锁定状态:取消订单或任务的资源锁定状态,将资源标记为可用状态,以便其他订单或任务可以使用这些资源。
c.更新生产计划:根据实际情况更新生产计划。如果有新的订单或任务需要使用这些资源,则需要重新安排生产计划,以确保资源的优先分配和合理利用。
d.检查并调整生产进度:取消订单或任务的资源锁定状态后,需要重新评估生产进度和交货时间,以确保生产计划能够按时完成并满足客户需求。
e.通知相关人员:及时通知相关人员,包括客户、销售、生产部门等,以便他们了解生产计划的变化和影响,并采取相应的措施。
f.需要注意的是,订单反锁定需要在确保不影响其他订单或任务的情况下进行,以避免生产计划的混乱和资源的浪费。因此,在进行订单反锁定之前,需要进行充分的沟通和协调,以确保生产计划的平稳执行和客户需求的满足。
在本实施例中,如图3所示,智能生产规划及排程的具体如下:
步骤S1、预先设置线体/设备投入数量、人员、产能、各工序效率;
步骤S2、车间根据给定筛选范围,筛选生产计划进行排程计算,算出完成生产计划需要投入得机台数;
其中,计算公式为:
以下为每道工序得算法,其中每天工时数根据每个车间实际情况预先配置;根据车间选定的筛选范围,汇总每道工序需要生产的产品的总数量,循环进行计算:
1)总工时=总数量/工序效率
2)总生产天数=总工时/每天工时数
3)每天应完成量=总数量/总生产天数
4)单机台每天完成量=工序效率*每天工时数。
实现方式为:
首先,根据工艺不同,我们将产能预设分为两大类:插件和组装。对于插件类产品,需预设每个产品的点数和可投产设备的优先级,以及设备的总数、投产数和产能(单台/工时)。对于组装类产品,需要预设每个产品的各种工艺效率,如喷涂、电焊、装配和包装,可根据车间情况自定义工艺。同时,还需要预设设备的总数、投产数和产能(单台/工时)。在计算方面,需要进行以下步骤:
1)汇总当前设备的可用产能:通过计算排产数量、单台机产能和投产天数得出产能总量,再减去已排程数量,即可得出当前设备可以用的产能。
2)遍历设备并更新排产数:对于每个设备,我们需要遍历所有待排产产品,并根据产品计划数量结合设备的效率或点数来更新排产数。当设备可用产能大于当前计划数量时,我们可以更新产品计划排程数,并更新设备可用产能。当产品不足时,当前产品计划为部分排程或未排程。
3)调整投产设备数重新计算排程:如果在排程结束后发现当前产能不足以覆盖本次生产计划,我们需要考虑调整投产设备数重新计算排程。
4)在排产过程中,我们还需要考虑到设备的维修和保养时间,以及人力资源的配备和调配。同时,我们也需要及时调整排产计划,以应对各种不确定因素,如产品质量和原材料供应的影响,以保证生产进度和产品质量。
其中,需要投入的机台数=每天应完成量/单机台每天完成量。
步骤S3、制定计划:计划部根据以上信息制定月/周计划,下达至车间;
步骤S4、生产领料:车间根据计划下发领料任务,完成领料动作。
本发明的智能生产规划及排程方法可以提高生产效率:智能生产规划及排程系统通过自动化和智能化的方式,优化生产任务的分配和安排,减少生产线闲置时间,提高生产效率和产能利用率。
本发明的智能生产规划及排程方法可以减少生产成本:系统能够根据生产资源和实时需求的情况,智能化地调整生产计划和排程方案,避免过度投入和浪费,从而降低生产成本。
本发明的智能生产规划及排程方法可以提升交付时间准确性:系统通过实时监控和数据分析,能够及时掌握生产进度和资源状况,有效规划和调整生产计划,确保产品按时交付,提高交付时间准确性。
本发明的智能生产规划及排程方法可以提高生产计划的可靠性:系统结合实时数据和先进的算法,能够预测和识别生产中可能出现的问题和瓶颈,提前进行调整和优化,提高生产计划的可靠性和稳定性。
本发明的智能生产规划及排程方法可以支持多目标优化:系统能够考虑多个关键因素和约束条件,如设备能力、工人能力、订单优先级等,进行智能化的生产规划和排程,实现多目标的优化,提高整体生产效益。
在本发明的一个实施例中,参见图2所示,本发明还公开了一种智能生产规划及排程系统,所述智能生产规划及排程系统采用上述智能生产规划及排程方法进行提高生产计划和排程;所述智能生产规划及排程系统包括生产计划分析模块101、产能测算模块102、物料齐套分析模块103、订单锁定模块104、订单反锁定模块105、供应链协同模块106、库存管理模块107、排程调整模块108以及性能优化模块109。
其中,所述生产计划分析模块101用于通过定时任务对生产计划进行排序,统计当前车间已领用数量和即时库存数,并分析生产计划的齐套情况;
所述产能测算模块102用于根据产品生产工艺、工序效率、投入人员和工时的因素,计算投入的设备/线体和人员是否能满足生产需求,并根据计算结果制定生产计划。
所述物料齐套分析模块103用于结合ERP、WMS和供应商协同,分析当前订单的物料齐套情况,提供已齐套数、未齐套部分物料和预计齐套时间的数据支持。
所述单锁定模块用于通过物控员手动选择需要锁定的订单,并将订单数量锁定,以避免重复计算,并保证生产计划的准确性和稳定性。
所述订单反锁定模块105用于通过物控员选择订单进行反锁定,释放对应订单的物料资源,并重新进行齐套分析和生产计划排程。
所述供应链协同模块106与供应商的系统进行数据交互,获取供应商提交的采购订单、预交期和预交数量的信息。在未齐套的情况下,通过与供应商协同,获取未到货采购订单的相关信息,如预交期和预交数量,以填充生产计划并尽快齐套。与供应商的系统实时交互,更新采购订单的状态和交货信息,确保及时获得最新的供应链数据。
所述库存管理模块107用于实时监控车间的即时库存数和已领用数量。根据库存信息和已领用数量,与生产计划进行对比分析,判断当前是否能够齐套生产,在齐套分析过程中,及时更新库存数据,以保证准确的齐套分析结果。
所述排程调整模块108,根据实际生产情况和实时数据,对生产计划进行动态调整。在齐套分析完成后,根据实际生产情况和库存状况,对生产计划进行优化和调整,确保生产进度和资源的合理利用,考虑到生产计划的变动和调整,及时更新排程信息,并通知相关人员和部门进行相应的调整和协调。
所述对生产计划进行排序用于提高齐套分析的效率和准确性。利用数据库索引和查询优化等技术手段,加速数据的查询和处理过程,实施增量更新策略,只分析新增的生产计划,减少数据量和提高分析效率。对于大规模的生产计划,采用并发任务处理的方式,提高分析速度和系统的响应能力。
在本实施例中,所述的产能测算模块102包括:
预先设置线体/设备的投入数量、人员、产能以及各工序效率;
根据给定的筛选范围,筛选生产计划进行排程计算,并计算完成生产计划所需投入的机台数;
根据工序效率、每天工时数和总数量,计算总工时、总生产天数和每天应完成量;
根据单机台每天完成量,计算需要投入的机台数。
在一些实施例中,智能生产规划及排程系统还包括:
数据收集模块,用于收集历史数据和实时数据,包括生产需求、资源利用情况、设备状态和工人情况等。
数据分析模块,基于数据挖掘和机器学习算法,分析和建模收集到的数据,生成生产需求模型和资源利用模型。
规划生成模块,根据生产需求和资源利用模型,自动生成生产计划,考虑生产线的容量、工序之间的依赖关系和工时限制。
实时监测模块,实时监测不确定因素,如原料库存不足、生产计划滞后和突发订单等,对生产计划进行实时调整和优化。
其中,所述智能生产规划及排程系统还包括:
排程调整模块108,结合实际生产情况和实时数据监测,使用排程算法自动调整生产线上各工序的执行顺序和时间安排。
优先级安排模块,考虑设备的故障维修时间、工人的休假和生产线的调整时间等因素,合理安排生产任务的优先级和时间窗口。
实时监测和反馈模块,通过实时监测和反馈机制,对生产进度进行动态跟踪和调整,确保生产计划的准确性和及时性。
其中,所述数据收集模块用于收集历史数据和实时数据,包括过去的生产记录、订单信息和设备运行数据。所述数据分析模块利用数据挖掘和机器学习算法,分析历史数据和实时数据,生成生产需求模型和资源利用模型。所述规划生成模块根据生产需求和资源利用模型,自动生成生产计划,考虑生产线的容量、工序之间的依赖关系和工时限制。所述排程调整模块108结合实际生产情况和实时数据监测,使用排程算法自动调整生产线上各工序的执行顺序和时间安排。所述优先级安排模块考虑设备的故障维修时间、工人的休假和生产线的调整时间等因素,合理安排生产任务的优先级和时间窗口。
实时监测和反馈模块通过实时监测和反馈机制,对生产进度进行动态跟踪和调整,确保生产计划的准确性和及时性。数据收集模块通过传感器、物联网设备等手段,实时获取生产现场的数据,包括设备状态、工作效率和产量等信息。数据分析模块利用统计分析和预测模型,对历史数据和实时数据进行分析和预测,以支持生产计划的制定和优化决策规划生成模块基于生产需求和资源利用模型,考虑生产线的运行效率、能源消耗和成本等因素,生成最优的生产计划和排程方案。
所述排程调整模块108根据实时数据监测的结果,对生产进度进行动态调整,包括调整工序执行顺序、调整设备的工作时间和调配人力资源等。优先级安排模块根据生产任务的紧急程度、设备的可用性和人力资源的状况,灵活安排生产任务的优先级,以最大程度地提高生产效率。
实时监测和反馈模块通过实时监控生产现场的数据,及时发现生产异常和潜在问题,并通过反馈机制及时调整生产计划。
在本实施例中,智能生产规划及排程系统在执行时采用如前述的一种智能生产规划及排程方法的步骤,因此,本实施例中对智能生产规划及排程系统的运行过程不再详细介绍。
在一个实施例中,在本发明的实施例中还提供了一种计算机设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述的智能生产规划及排程方法,该处理器执行指令时实现上述智能生产规划及排程方法中的步骤。
在本发明的一个实施例中还提供了一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述智能生产规划及排程方法中的步骤。
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,所述的计算机程序可存储于一非易失性计算机可读取可读存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。
综上所述,本发明提供的智能生产规划及排程方法、系统、计算机设备及存储介质,具有高效、精确、灵活、可靠、多目标优化等优势,最优化产线投入数,减少产线因各种因素导致需要频繁更换生产产品带来的各种损失,提供了供应商物料准交率以及生产产品准交率,减少产线人员冗余配置以及减少操作人员数据分析、录入时间以及因人工分析导致的错误,能够提升生产效率、降低成本、提高交付准确性,对于各类制造业领域的生产管理具有重要的应用价值和市场潜力。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能生产规划及排程方法,其特征在于,包括以下步骤:
收集历史数据和实时数据,包括生产需求、资源利用情况、设备状态以及工人情况数据;
基于数据挖掘和机器学习算法,对收集的历史数据和实时数据进行分析和建模,生成生产需求模型和资源利用模型;
根据生产需求模型和资源利用模型,基于生产线的容量、工序之间的依赖关系和工时限制自动生成生产计划;
根据生产计划实时监测不确定因素,并对生产计划进行实时调整和优化。
2.如权利要求1所述的智能生产规划及排程方法,其特征在于,实时监测不确定因素包括原料库存不足、生产计划滞后和突发订单;所述历史数据包括过去的生产记录、订单信息和设备运行数据;所述实时数据包括当前的生产情况、订单变动和设备状态数据。
3.如权利要求2所述的智能生产规划及排程方法,其特征在于,所述智能生产规划及排程方法还包括以下步骤:
结合实际生产情况和实时数据监测,使用排程算法自动调整生产线上工序的执行顺序和时间安排;
基于设备的故障维修时间、工人的休假和生产线的调整时间的因素,安排生产任务的优先级和时间窗口;
通过实时监测和反馈机制,对生产进度进行动态跟踪和调整。
4.如权利要求3所述的智能生产规划及排程方法,其特征在于,数据挖掘和机器学习算法用于分析历史数据和实时数据,生成生产需求模型和资源利用模型;排程算法用于根据生产计划和实际生产情况,自动调整生产线上的工序执行顺序和时间安排。
5.一种智能生产规划及排程系统,其特征在于,该系统用于执行权利要求1-4任一项所述的智能生产规划及排程方法,所述智能生产规划及排程系统包括:
生产计划分析模块,用于通过定时任务对生产计划进行排序,统计当前车间已领用数量和即时库存数,并分析生产计划的齐套情况;
产能测算模块,用于根据产品生产工艺、工序效率、投入人员和工时的因素,计算投入的设备/线体和人员是否能满足生产需求,并根据计算结果制定生产计划。
6.如权利要求5所述的智能生产规划及排程系统,其特征在于,所述的智能生产规划及排程系统,还包括:
物料齐套分析模块,用于结合ERP、WMS供应商协同,分析当前订单的物料齐套情况,提供已齐套数、未齐套部分物料和预计齐套时间的数据支持;
订单锁定模块,物控员手动选择需要锁定的订单,并将订单数量锁定。
7.如权利要求6所述的智能生产规划及排程系统,其特征在于,所述的智能生产规划及排程系统,还包括:
订单反锁定模块,用于根据物控员选择订单进行反锁定,释放对应订单的物料资源,并重新进行齐套分析和生产计划排程。
8.如权利要求5所述的智能生产规划及排程系统,其特征在于,所述的产能测算模块包括:
预先设置线体/设备的投入数量、人员、产能以及工序效率;
根据给定的筛选范围,筛选生产计划进行排程计算,并计算完成生产计划所需投入的机台数;
根据工序效率、每天工时数和总数量,计算总工时、总生产天数和每天应完成量;
根据单机台每天完成量,计算需要投入的机台数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器加载并执行所述计算机程序时实现权利要求1-4中任一项所述的方法的步骤。
10.一种可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器加载并执行时实现权利要求1-4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712357.1A CN117010613A (zh) | 2023-06-15 | 2023-06-15 | 智能生产规划及排程方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310712357.1A CN117010613A (zh) | 2023-06-15 | 2023-06-15 | 智能生产规划及排程方法、系统、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117010613A true CN117010613A (zh) | 2023-11-07 |
Family
ID=88562648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310712357.1A Pending CN117010613A (zh) | 2023-06-15 | 2023-06-15 | 智能生产规划及排程方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117010613A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557078A (zh) * | 2024-01-12 | 2024-02-13 | 诺彩科技(江苏)有限公司 | 一种基于时间节点的智能生产计划管理方法及系统 |
-
2023
- 2023-06-15 CN CN202310712357.1A patent/CN117010613A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557078A (zh) * | 2024-01-12 | 2024-02-13 | 诺彩科技(江苏)有限公司 | 一种基于时间节点的智能生产计划管理方法及系统 |
CN117557078B (zh) * | 2024-01-12 | 2024-03-22 | 诺彩科技(江苏)有限公司 | 一种基于时间节点的智能生产计划管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111880502B (zh) | 基于交付满足的工厂设备预防性维护排班系统和方法 | |
US9031681B2 (en) | System and method for controlling the operations of a manufacturing facility | |
US7617015B2 (en) | Generating planning-level time and capacity requirement formulas for manufacturing processes | |
US9696698B2 (en) | Method and system for handling batch production within ANSI/ISA/95 production scheduling extended with batch production parameter historian | |
CN108614526B (zh) | 一种可重构的生产过程管理系统 | |
CN111915410B (zh) | 面向高动态生产物流过程的智能管控系统 | |
CN107861490A (zh) | 基于工业云平台智能制造轴承装配生产线 | |
US7894922B2 (en) | Structural transformation of execution-level manufacturing process routings into planning-level routings | |
CN113506081A (zh) | 一种生产计划管理系统及其排产方法 | |
CN103268538A (zh) | 面向生产计划变更的多目标约束物料替代方法 | |
CN111523803A (zh) | 一种工厂透明管理的方法 | |
CN112418540A (zh) | 一种智能mes实时数据分析系统 | |
CN117010613A (zh) | 智能生产规划及排程方法、系统、计算机设备及存储介质 | |
CN111415069B (zh) | 离散制造业工序级智能实时调度方法 | |
CN107516149B (zh) | 企业供应链管理系统 | |
CN113673835A (zh) | 第三代半导体供应链管理系统 | |
CN116258337A (zh) | 一种基于企业制造运营的产业链协同管理系统 | |
CN117455358A (zh) | 基于射频读取技术的工具优先出库控制方法 | |
Ramadan | RFID-enabled dynamic value stream mapping for smart real-time lean-based manufacturing system | |
CN116823121A (zh) | 一种电子信息产业零部件供应链的管理系统 | |
CN116502830A (zh) | 一种排产计划生成方法、系统和产品 | |
CN115587810A (zh) | 维保管理系统、管理方法以及计算机存储介质 | |
CN115409392A (zh) | 物料生产计划的确定方法,装置,存储介质以及电子设备 | |
Pritsker et al. | Production scheduling using FACTOR | |
CN113344396A (zh) | 一种半导体封装自动化生产排程方法、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 |