CN117057704A - 一种复杂工况下多品类备件快速调度的方法及系统 - Google Patents
一种复杂工况下多品类备件快速调度的方法及系统 Download PDFInfo
- Publication number
- CN117057704A CN117057704A CN202310804942.4A CN202310804942A CN117057704A CN 117057704 A CN117057704 A CN 117057704A CN 202310804942 A CN202310804942 A CN 202310804942A CN 117057704 A CN117057704 A CN 117057704A
- Authority
- CN
- China
- Prior art keywords
- spare
- spare part
- period
- inventory
- spare parts
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 101150067055 minC gene Proteins 0.000 claims 4
- 230000006870 function Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开一种复杂工况下多品类备件快速调度的方法及系统，该方法包括：获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
Description
技术领域
本发明属于复杂工况下多品类备件快速调度技术领域，更具体地，涉及一种复杂工况下多品类备件快速调度的方法及系统。
背景技术
在复杂工况下，多品类备件的快速调度是一个具有挑战性的任务，但可以采取一些策略和技术来提高调度效率。以下是一些可能的方法：
1.建立备件分类和标识系统：将备件按照品类进行分类，并为每个备件分配唯一的标识码。这有助于快速准确地识别和定位所需的备件。
2.实时监测和数据分析：利用传感器和监测系统对设备状态进行实时监测，并将数据传输到中央数据库进行分析。通过分析数据，可以预测设备可能出现的故障，并提前准备相应的备件。
3.制定优先级和紧急程度：根据设备的重要性和故障对生产过程的影响，为备件分配优先级和紧急程度。这样可以确保关键设备的备件优先调度，以最大程度地减少停机时间。
4.建立备件库存管理系统：根据设备故障频率和保养计划，合理安排备件库存的数量和位置。采用先进的库存管理技术，例如基于需求预测的库存优化算法，以减少库存持有成本同时确保备件的供应。
5.协作和沟通：建立跨部门的协作机制，确保不同团队之间的良好沟通和信息共享。这有助于快速响应紧急情况，协调备件调度，并最大限度地减少生产中断的时间。
现有技术中，并没有一种技术方案，能够精确的对备件库存进行调配。
发明内容
为解决以上技术问题，本发明提出一种复杂工况下多品类备件快速调度的方法，包括：
获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
进一步的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
进一步的，所述备件库存调度目标函数为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
进一步的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
进一步的，所述备件库存调度模型为：
min C＝＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
本发明还提出一种复杂工况下多品类备件快速调度的系统，包括：
获取数据模块，用于获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
设置模型模块，用于设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
调度模块，用于设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
进一步的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
进一步的，所述备件库存调度目标函数为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
进一步的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，＝值越大，VaR(D(t))的估计越保守。
进一步的，所述备件库存调度模型为：
min C＝＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明通过获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。本发明通过设置备件库存调度模型和备件库存调度目标函数，能够精确对备件库存进行调配。
附图说明
图1是本发明实施例1的方法的流程图；
图2是本发明实施例2的系统的结构图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分个参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
实施例1
如图1所示，本发明实施例提供一种复杂工况下多品类备件快速调度的方法，包括：
步骤101，获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
步骤102，设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
具体的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
具体的，所述备件库存调度模型还可以为：
min C＝＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
步骤103，设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
具体的，所述备件库存调度目标函数为：
min C＝＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
具体的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
实施例2
如图2所示，本发明实施例还提供一种复杂工况下多品类备件快速调度的系统，包括：
获取数据模块，用于获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
设置模型模块，用于设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
具体的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
具体的，所述备件库存调度模型还可以为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
调度模块，用于设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
具体的，所述备件库存调度目标函数为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C-l为备件单位损耗量的损耗成本，
γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
具体的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种复杂工况下多品类备件快速调度的方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：步骤101，获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
步骤102，设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
具体的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
具体的，所述备件库存调度模型还可以为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C-l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
步骤103，设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
具体的，所述备件库存调度目标函数为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C-l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
具体的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行所述的一种复杂工况下多品类备件快速调度的方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种复杂工况下多品类备件快速调度的方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种复杂工况下多品类备件快速调度的方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序，以执行下述步骤：步骤101，获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
步骤102，设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
具体的，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
具体的，所述备件库存调度模型还可以为：
min C＝＝∑(H*X(t)+S′*I(t+d)+C-r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
步骤103，设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
具体的，所述备件库存调度目标函数为：
min C＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
具体的，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品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设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种复杂工况下多品类备件快速调度的方法，其特征在于，包括：
获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
2.如权利要求1所述的一种复杂工况下多品类备件快速调度的方法，其特征在于，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
3.如权利要求2所述的一种复杂工况下多品类备件快速调度的方法，其特征在于，所述备件库存调度目标函数为：
minC＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
4.如权利要求3所述的一种复杂工况下多品类备件快速调度的方法，其特征在于，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
5.如权利要求2所述的一种复杂工况下多品类备件快速调度的方法，其特征在于，所述备件库存调度模型为：
minC＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
6.一种复杂工况下多品类备件快速调度的系统，其特征在于，包括：
获取数据模块，用于获取备件库存数据和备件库存成本数据，其中，所述备件库存数据包括：第t个周期的备件库存量、第t个周期订购的备件在t+d个周期到达的数量、第t个周期的备件需求量、第t个周期的备件安全库存量、第t个周期的备件退货量和第t个周期的备件损耗量；
设置模型模块，用于设置备件库存调度模型，根据备件库存数据，计算第t+1个周期的备件库存量；
调度模块，用于设置备件库存调度目标函数，并根据所述备件库存成本数据，计算最小成本，根据所述最小成本完成多品类备件的快速调度。
7.如权利要求6所述的一种复杂工况下多品类备件快速调度的系统，其特征在于，所述备件库存调度模型为：
X(t+1)＝X(t)+I(t+d)-D(t)+S(t)-R(t)-L(t)
其中，X(t+1)为第t+1个周期的备件库存量，X(t)为第t个周期的备件库存量，I(t+d)为第t个周期订购的备件在t+d个周期到达的数量，D(t)为第t个周期的备件需求量，S(t)为第t个周期的备件安全库存量，R(t)为第t个周期的备件退货量，L(t)为第t个周期的备件损耗量。
8.如权利要求7所述的一种复杂工况下多品类备件快速调度的系统，其特征在于，所述备件库存调度目标函数为：
minC＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+γ*VaR(D(t)))
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，γ为风险度量的权重，VaR(D(t)为备件需求量的风险值。
9.如权利要求7所述的一种复杂工况下多品类备件快速调度的系统，其特征在于，所述备件需求量的风险值VaR(D(t)为：
VaR(D(t))＝μ+σ*Φ(-1)*(1-α+β)
其中，μ为备件需求量的均值，σ为备件需求量的标准差，Φ(-1)*(1-α+β)为标准正态分布的累积分布函数逆函数，α为置信水平，β为用于调整分位点的额外参数，β值越大，VaR(D(t))的估计越保守。
10.如权利要求7所述的一种复杂工况下多品类备件快速调度的系统，其特征在于，所述备件库存调度模型为：
minC＝∑(H*X(t)+S′*I(t+d)+C_r*R(t)+C_l*L(t)+ε*ΔX(t)2
其中，H为单位时间的备件库存持有成本，S′为备件单位订购量的订购成本，C_r为备件单位退货量的退货成本，C_l为备件单位损耗量的损耗成本，ε为备件库存量变化的惩罚系数，ΔX(t)为第t个周期的备件库存量与前一周期的差异。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310804942.4A CN117057704B (zh) | 2023-06-30 | 2023-06-30 | 一种复杂工况下多品类备件快速调度的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310804942.4A CN117057704B (zh) | 2023-06-30 | 2023-06-30 | 一种复杂工况下多品类备件快速调度的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117057704A true CN117057704A (zh) | 2023-11-14 |
| CN117057704B CN117057704B (zh) | 2024-06-14 |
Family
ID=88656181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310804942.4A Active CN117057704B (zh) | 2023-06-30 | 2023-06-30 | 一种复杂工况下多品类备件快速调度的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117057704B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732287A (zh) * | 2013-12-19 | 2015-06-24 | 广州市地下铁道总公司 | 一种基于备件最佳补充周期的库存控制方法 |
| JP2017151901A (ja) * | 2016-02-26 | 2017-08-31 | 三菱日立パワーシステムズ株式会社 | プラント設備の保守計画方法 |
| CN113988768A (zh) * | 2021-12-27 | 2022-01-28 | 北京京东振世信息技术有限公司 | 一种库存的确定方法和装置 |
| CN115345564A (zh) * | 2022-09-22 | 2022-11-15 | 启明信息技术股份有限公司 | 基于自动预测的库存管理方法 |
-
2023
- 2023-06-30 CN CN202310804942.4A patent/CN117057704B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732287A (zh) * | 2013-12-19 | 2015-06-24 | 广州市地下铁道总公司 | 一种基于备件最佳补充周期的库存控制方法 |
| JP2017151901A (ja) * | 2016-02-26 | 2017-08-31 | 三菱日立パワーシステムズ株式会社 | プラント設備の保守計画方法 |
| CN113988768A (zh) * | 2021-12-27 | 2022-01-28 | 北京京东振世信息技术有限公司 | 一种库存的确定方法和装置 |
| CN115345564A (zh) * | 2022-09-22 | 2022-11-15 | 启明信息技术股份有限公司 | 基于自动预测的库存管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117057704B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111913818B (zh) | 一种确定服务间依赖关系的方法及相关装置 | |
| CN110162388A (zh) | 一种任务调度方法、系统及终端设备 | |
| CN107995377A (zh) | 客服管理方法、电子装置及计算机可读存储介质 | |
| CN110138688A (zh) | 动态调整业务接口的方法、装置、设备及可读存储介质 | |
| CN108243264A (zh) | 一种序列号生成方法及系统 | |
| CN108415925A (zh) | 电子装置、数据调用日志生成及查询方法及存储介质 | |
| CN114662953A (zh) | 物联网设备运维方法、装置、设备及介质 | |
| CN116522284B (zh) | 一种船闸机械及金属结构多源信息融合方法及系统 | |
| CN117057704B (zh) | 一种复杂工况下多品类备件快速调度的方法及系统 | |
| CN117555913A (zh) | 基于第三方平台的对象数据更新方法和装置 | |
| CN115426287B (zh) | 一种系统监控和优化方法、装置、电子设备及介质 | |
| CN107124314B (zh) | 数据监控方法及装置 | |
| CN111722914B (zh) | 一种定时任务分发方法、系统、计算机设备及存储介质 | |
| CN117057538B (zh) | 一种基于模型的门店维修人员调度方法及系统 | |
| CN117057527B (zh) | 一种汽车制造设备工业物联网智慧运维方法及系统 | |
| CN112565391A (zh) | 调整工业互联网平台中实例的方法、装置、设备和介质 | |
| CN118071003A (zh) | 一种面向互联网共享运维服务的方法及系统 | |
| CN117056588B (zh) | 一种汽车制造设备的维修门店智能推荐方法及系统 | |
| CN109828884A (zh) | 加挂服务数据处理方法、系统、计算机设备及存储介质 | |
| CN117314063A (zh) | 一种生产过程中应急人员协调方法及系统 | |
| CN117952356A (zh) | 一种基于多门店备件的智能调度方法及系统 | |
| CN116957311A (zh) | 一种应急策略的智能分配方法及系统 | |
| CN116976849A (zh) | 一种基于大数据的船舶作业设备的故障预测方法及系统 | |
| CN110648199A (zh) | 一种基于定时任务的业务系统积压情况检查的方法 | |
| CN115834390A (zh) | 网络链路容量管理方法、装置、设备及介质 |
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 |