CN117236665B - 物资生产调度优化方法及系统 - Google Patents
物资生产调度优化方法及系统 Download PDFInfo
- Publication number
- CN117236665B CN117236665B CN202311511190.9A CN202311511190A CN117236665B CN 117236665 B CN117236665 B CN 117236665B CN 202311511190 A CN202311511190 A CN 202311511190A CN 117236665 B CN117236665 B CN 117236665B
- Authority
- CN
- China
- Prior art keywords
- production
- demand
- scheduling
- global
- sequence
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 289
- 239000000463 material Substances 0.000 title claims abstract description 274
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 151
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000012567 medical material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
Abstract
本发明公开了一种物资生产调度优化方法及系统，其获取调度区域内各个分区域的物资需求数据和物资生产能力数据；构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求‑生产能力关联特征向量的序列；提取所述物资需求‑生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及，基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。这样，可以判断此时各个分区域内的生产能力与需求能力是否相匹配，若不匹配，则生成调度预警。
Description
技术领域
本发明涉及智能化调度技术领域，尤其涉及一种物资生产调度优化方法及系统。
背景技术
传统的物资调度方法通常是基于静态的计划和预测数据进行操作，无法及时响应实际需求和变化的情况，例如，中国公开专利CN113223678A。这可能导致无法满足紧急需求或无法充分利用可用资源。并且，传统的物资调度方法通常依赖于人工经验和决策，这可能导致决策过程受限于个人能力和主观判断，存在人为错误和不一致性。同时传统的物资调度方法往往只关注局部的需求和产能情况，缺乏对整个调度区域的全局视野。这可能导致资源分配不均衡，无法最大程度地满足整体需求。传统的物资调度方法中，物资需求和生产能力之间的信息流通通常不够及时和准确。这可能导致供需信息不对称，难以实现精确匹配和优化调度。
也就是，由于事件的不可预测性和复杂性，物资生产和调度面临着巨大的挑战，如物资需求的不确定性、物资生产能力的不均衡性、物资调度的时效性等。因此，如何优化物资生产调度，提高物资供应效率和满足度，是一项亟待解决的重要问题。
发明内容
本发明实施例提供一种物资生产调度优化方法及系统，其获取调度区域内各个分区域的物资需求数据和物资生产能力数据；构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及，基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。这样，可以判断此时各个分区域内的生产能力与需求能力是否相匹配，若不匹配，则生成调度预警。
本发明实施例还提供了一种物资生产调度优化方法，其包括：
获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；
构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；
提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及
基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。
本发明实施例还提供了一种物资生产调度优化系统，其包括：
数据获取模块，用于获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；
关联特征构建模块，用于构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；
特征提取模块，用于提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及
调度预警确定模块，用于基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。
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一些实施例，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，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的一种物资生产调度优化方法的流程图。
图2为本发明实施例中提供的一种物资生产调度优化方法的系统架构的示意图。
图3为本发明实施例中提供的一种物资生产调度优化系统的框图。
图4为本发明实施例中提供的一种物资生产调度优化方法的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
在本发明的一个实施例中，图1为本发明实施例中提供的一种物资生产调度优化方法的流程图。图2为本发明实施例中提供的一种物资生产调度优化方法的系统架构的示意图。如图1和图2所示，根据本发明实施例的物资生产调度优化方法，包括：110，获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；120，构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；130，提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及，140，基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。
在所述步骤110中，确保收集到准确和全面的物资需求数据和物资生产能力数据，需要与各个分区域的相关部门、企业或组织进行沟通和协调，获取他们的数据，确保数据的时效性和准确性，以便进行后续的调度和规划。这样，通过获取物资需求数据和物资生产能力数据，可以了解各个分区域的需求情况和生产能力状况，为后续的物资调度和协调提供基础数据。
在所述步骤120中，根据物资需求数据和物资生产能力数据，构建相应的关联特征，例如，可以考虑物资需求的紧急程度、物资种类的关联性、物资生产能力的稳定性等，确保选取的特征能够准确反映需求和生产能力之间的关系。其中，通过构建关联特征，可以更好地理解物资需求和生产能力之间的关系，为后续的调度决策提供依据。
在所述步骤130中，从物资需求-生产能力关联特征向量的序列中提取全局需求与生产关联特征，可以考虑使用统计分析或机器学习方法来提取全局特征，例如平均值、方差、趋势等，确保提取的特征能够准确反映整个调度区域的需求与生产关系。这样，通过提取全局需求与生产关联特征，可以综合考虑整个调度区域的需求和生产能力情况，为调度预警和决策提供综合性指标。
在所述步骤140中，基于调度区域全局需求与生产关联特征向量，根据预设的规则或模型，确定是否生成调度预警。预警的生成可以基于阈值、异常检测、预测模型等方法，确保预警机制的准确性和及时性，以便及早采取相应的调度措施。这样，通过生成调度预警，可以及时发现需求与生产之间的不匹配或潜在的问题，提前做出调度决策，避免物资短缺或过剩的情况发生，提高调度效率和满足度。
针对上述技术问题，本申请的技术构思为基于调度区域内各个分区域的物资需求数据和物资生产能力数据来智能化地生产调度预警。具体而言，基于调度区域内各个分区域的物资需求数据和物资生产能力数据，来判断此时各个分区域内的生产能力与需求能力是否相匹配，若不匹配，则生成调度预警。
基于此，在本申请的技术方案中，首先，获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期。这里，获取调度区域内各个分区域的物资需求数据和物资生产能力数据的目的是为了全面了解物资需求和生产情况。
物资需求数据提供了对不同分区域的物资需求情况的了解，通过收集和分析物资需求数据，可以确定各个分区域的物资需求量、种类和时间窗口等信息。物资需求数据可以用于判断是否存在物资短缺或供应不足的情况，如果某个分区域的物资需求超过了其生产能力或现有库存的供应能力，就可能需要生成调度预警，以采取相应的措施满足需求。
物资生产能力数据提供了对各个分区域的物资生产能力的了解，通过收集和分析物资生产能力数据，可以确定各个分区域的生产设备、产能和生产周期等信息。物资生产能力数据可以用于评估各个分区域的物资供应能力，如果某个分区域的物资生产能力无法满足其物资需求，就可能需要生成调度预警，以寻找其他分区域的物资供应或调整生产计划。
通过综合考虑物资需求数据和物资生产能力数据，可以判断调度区域内是否存在物资供需失衡的情况。如果存在供需失衡，即物资需求超过了物资生产能力，就需要生成调度预警，以及时采取措施调配物资，避免物资短缺和满足需求。因此，获取物资需求数据和物资生产能力数据对于最后确定是否生成调度预警非常关键。
具体而言，不同类型的事件对物资需求有所差异，例如医疗物资、救援物资、生活物资等。了解各种物资的需求种类可以帮助确定所需物资的具体属性和特征。了解物资的数量需求可以帮助评估所需物资的规模。有些事件通常有紧迫的时间要求，需要及时提供物资支持。通过了解物资的时间窗口，可以反映事件的紧急程度和时间要求。
此外，物资的生产需要相应的生产设备和工具，例如生产线、机器设备等。了解各个分区域的生产设备情况可以帮助评估生产能力和生产效率，以及确定可能存在的瓶颈和限制。了解生产设备的产能可以帮助评估每个分区域的物资生产能力，即在一定时间内能够生产的物资数量。这有助于了解各个分区域的生产潜力和供应能力。物资的生产过程需要一定的时间，包括从原材料采购到生产加工、质量检验等。了解生产周期可以帮助预估物资的生产时间，从而反映物资的供应时间。
然后，构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列。也就是，将各个分区域的物资需求数据与物资生产能力数据进行一一对应与关联，使得物资需求-生产能力关联特征向量能够表征一个分区域的供需能力。
在本申请的一个具体示例中，构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列的编码过程，包括：先对所述各个分区域的物资需求数据和物资生产能力数据进行数据预处理与向量化表示以得到物资需求编码向量的序列和物资生产能力编码向量的序列；随后，对所述物资需求编码向量的序列和所述物资生产能力编码向量的序列进行语义编码以得到物资需求特征向量的序列和物资生产能力特征向量的序列；再对所述物资需求特征向量的序列与物生产能力特征向量的序列中对应的两个特征向量通过特征间注意力层进行融合以得到物资需求-生产能力关联特征向量的序列。
值得一提的是，传统的注意力机制的目标在于学习一个注意力权重矩阵，应用于当前层的各个神经节点，对于那些重要的节点，赋予它们较大的权重，对于那些次要的节点，赋予它们较小的权重。由于每个神经节点都包含着某种特征信息，经过上述操作，神经网络就能从众多特征信息中选择出对当前任务目标更关键的信息。而所述特征间注意力层则不同，其更多地关注到了各个特征信息间的依赖关系。
在本申请的一个实施例中，提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量，包括：将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器以得到所述调度区域全局需求与生产关联特征向量。
进一步地，将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器以得到调度区域全局需求与生产关联特征向量。也就是，提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征，以表征调度区域的整体物资供需能力与水平。
在本申请的一个实施例中，基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警，包括：对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；以及，将所述优化调度区域全局需求与生产关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否生成调度预警。
优化特征分布可以通过数据预处理、特征选择、特征变换等方法来实现，这样可以使得特征向量更加符合调度需求和生产关系的实际情况，提高特征的表达能力和区分度。优化特征分布可以减少特征向量中的噪声和冗余信息，提高特征的相关性和可解释性，有助于更准确地反映调度区域的全局需求与生产关联关系，为后续的分类结果提供更可靠的输入。
分类器可以基于优化后的特征向量学习调度预警的模式和规律，从而能够更准确地判断是否生成调度预警。分类器可以是传统的机器学习算法，如支持向量机、随机森林，也可以是深度学习模型，如神经网络等。通过分类器生成的分类结果可以直接表示是否生成调度预警，提供了一种便捷和可解释的决策依据，根据分类结果，可以及时采取相应的调度措施，以满足物资需求和优化物资供应。
对调度区域全局需求与生产关联特征向量进行特征分布优化和使用分类器进行分类可以提升调度预警的准确性和可操作性。优化特征分布可以提高特征的表达能力和区分度，而分类器可以学习预警模式并生成可解释的分类结果，从而有效地指导调度决策和优化物资供应。
在本申请的技术方案中，所述物资需求-生产能力关联特征向量的序列中的每个物资需求-生产能力关联特征向量表达所述物资需求特征向量和所述物质生产能力特征向量的分区域的物资需求和物资生产能力的文本语义特征之间的依赖关系特征，由此，将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器，可以提取各个分区域之间的文本语义依赖关系的上下文关联表示，这样，将所述调度区域全局需求与生产关联特征向量通过分类器进行分类时，也会基于各个分区域的文本语义特征依赖关系表示来进行尺度启发式的类概率映射，但是考虑到所述调度区域全局需求与生产关联特征向量的归属于各个物资需求-生产能力关联特征向量的局部尺度特征分布也包含了物资需求和物资生产能力本身的文本语义及其文本语义依赖关系的混合语义特征分布表示，从而引起所述调度区域全局需求与生产关联特征向量的整体特征分布的混合语义关联特征分布稀疏化，使得将所述调度区域全局需求与生产关联特征向量通过分类器进行类概率回归映射时，所述调度区域全局需求与生产关联特征向量的各个特征值的回归概率的概率密度分布的收敛性差，影响通过分类器得到的分类结果的准确性。
因此，优选地，对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化，具体表示为：以如下优化公式对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；其中，所述优化公式为：
，
其中，是所述调度区域全局需求与生产关联特征向量，/>和/>是所述调度区域全局需求与生产关联特征向量/>的第/>和第/>个特征值，且/>是所述调度区域全局需求与生产关联特征向量/>的全局特征均值，/>是所述优化调度区域全局需求与生产关联特征向量的第/>个特征值。
具体地，针对所述调度区域全局需求与生产关联特征向量在高维特征空间内的稀疏分布导致的概率空间内概率密度分布的局部概率密度不匹配，通过正则化全局自洽类编码，来模仿所述调度区域全局需求与生产关联特征向量/>的高维特征在概率空间内的编码行为的全局自洽关系，以调整在高维开放空间域内的特征流形的误差景观，实现所述调度区域全局需求与生产关联特征向量/>的高维特征对显式概率空间嵌入的自洽匹配式类编码，从而提升所述调度区域全局需求与生产关联特征向量/>的回归概率的概率密度分布的收敛性，改进其通过分类器得到的分类结果的准确性。
继而，将所述调度区域全局需求与生产关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否生成调度预警。通过这样的方式，实现物资生产调度优化，并及时发出调度预警，从而提高了物资供应效率。
综上，基于本发明实施例的物资生产调度优化方法被阐明，其基于调度区域内各个分区域的物资需求数据和物资生产能力数据来智能化地生产调度预警。具体而言，基于调度区域内各个分区域的物资需求数据和物资生产能力数据，来判断此时各个分区域内的生产能力与需求能力是否相匹配，若不匹配，则生成调度预警。
图3为本发明实施例中提供的一种物资生产调度优化系统的框图。如图3所示，所述物资生产调度优化系统，包括：数据获取模块210，用于获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；关联特征构建模块220，用于构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；特征提取模块230，用于提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及，调度预警确定模块240，用于基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警。
在所述物资生产调度优化系统中，所述关联特征构建模块，包括：预处理与向量化单元，用于对所述各个分区域的物资需求数据和物资生产能力数据进行数据预处理与向量化表示以得到物资需求编码向量的序列和物资生产能力编码向量的序列；语义编码单元，用于对所述物资需求编码向量的序列和所述物资生产能力编码向量的序列进行语义编码以得到物资需求特征向量的序列和物资生产能力特征向量的序列；以及，融合单元，用于对所述物资需求特征向量的序列与物生产能力特征向量的序列中对应的两个特征向量通过特征间注意力层进行融合以得到所述物资需求-生产能力关联特征向量的序列。
在所述物资生产调度优化系统中，所述特征提取模块，用于：将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器以得到所述调度区域全局需求与生产关联特征向量。
在所述物资生产调度优化系统中，所述调度预警确定模块，包括：优化单元，用于对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；以及，分类单元，用于将所述优化调度区域全局需求与生产关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否生成调度预警。
在所述物资生产调度优化系统中，所述优化单元，用于：以如下优化公式对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；其中，所述优化公式为：
，
其中，是所述调度区域全局需求与生产关联特征向量，/>和/>是所述调度区域全局需求与生产关联特征向量/>的第/>和第/>个特征值，且/>是所述调度区域全局需求与生产关联特征向量/>的全局特征均值，/>是所述优化调度区域全局需求与生产关联特征向量的第/>个特征值。
本领域技术人员可以理解，上述物资生产调度优化系统中的各个步骤的具体操作已经在上面参考图1到图2的物资生产调度优化方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本发明实施例的物资生产调度优化系统200可以实现在各种终端设备中，例如用于物资生产调度优化的服务器等。在一个示例中，根据本发明实施例的物资生产调度优化系统200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该物资生产调度优化系统200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该物资生产调度优化系统200同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该物资生产调度优化系统200与该终端设备也可以是分立的设备，并且该物资生产调度优化系统200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
图4为本发明实施例中提供的一种物资生产调度优化方法的应用场景图。如图4所示，在该应用场景中，首先，获取调度区域内各个分区域的物资需求数据（例如，如图4中所示意的C1）和物资生产能力数据（例如，如图4中所示意的C2）；然后，将获取的物资需求数据和物资生产能力数据输入至部署有物资生产调度优化算法的服务器（例如，如图4中所示意的S）中，其中所述服务器能够基于物资生产调度优化算法对所述物资需求数据和所述物资生产能力数据进行处理，以确定是否生成调度预警。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种物资生产调度优化方法，其特征在于，包括：
获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；
构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；
提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警；
其中，提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量，包括：
将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器以得到所述调度区域全局需求与生产关联特征向量；
其中，基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警，包括：
对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；以及将所述优化调度区域全局需求与生产关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否生成调度预警；
其中，对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量，包括：以如下优化公式对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；
其中，所述优化公式为：
，
其中，是所述调度区域全局需求与生产关联特征向量，/>和/>是所述调度区域全局需求与生产关联特征向量/>的第/>和第/>个特征值，且/>是所述调度区域全局需求与生产关联特征向量/>的全局特征均值，/>是所述优化调度区域全局需求与生产关联特征向量的第/>个特征值。
2.根据权利要求1所述的物资生产调度优化方法，其特征在于，构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列，包括：
对所述各个分区域的物资需求数据和物资生产能力数据进行数据预处理与向量化表示以得到物资需求编码向量的序列和物资生产能力编码向量的序列；
对所述物资需求编码向量的序列和所述物资生产能力编码向量的序列进行语义编码以得到物资需求特征向量的序列和物资生产能力特征向量的序列；以及对所述物资需求特征向量的序列与物生产能力特征向量的序列中对应的两个特征向量通过特征间注意力层进行融合以得到所述物资需求-生产能力关联特征向量的序列。
3.一种物资生产调度优化系统，其特征在于，包括：
数据获取模块，用于获取调度区域内各个分区域的物资需求数据和物资生产能力数据，其中，所述物资需求数据包括物资种类、物资数量和物资的时间窗口，所述物资生产能力数据包括生产设备、生产产能和生产周期；
关联特征构建模块，用于构建所述各个分区域的物资需求数据和物资生产能力数据之间的关联特征以得到物资需求-生产能力关联特征向量的序列；
特征提取模块，用于提取所述物资需求-生产能力关联特征向量的序列中的全局需求与生产关联特征以得到调度区域全局需求与生产关联特征向量；以及调度预警确定模块，用于基于所述调度区域全局需求与生产关联特征向量，确定是否生成调度预警；
其中，所述特征提取模块，用于：
将所述物资需求-生产能力关联特征向量的序列通过基于转换器的调度区域需求与生产全局关联编码器以得到所述调度区域全局需求与生产关联特征向量；
其中，所述调度预警确定模块，包括：
优化单元，用于对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；以及分类单元，用于将所述优化调度区域全局需求与生产关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否生成调度预警；
其中，所述优化单元，用于：以如下优化公式对所述调度区域全局需求与生产关联特征向量的各个特征值进行优化以得到优化调度区域全局需求与生产关联特征向量；
其中，所述优化公式为：
，
其中，是所述调度区域全局需求与生产关联特征向量，/>和/>是所述调度区域全局需求与生产关联特征向量/>的第/>和第/>个特征值，且/>是所述调度区域全局需求与生产关联特征向量/>的全局特征均值，/>是所述优化调度区域全局需求与生产关联特征向量的第/>个特征值。
4.根据权利要求3所述的物资生产调度优化系统，其特征在于，所述关联特征构建模块，包括：
预处理与向量化单元，用于对所述各个分区域的物资需求数据和物资生产能力数据进行数据预处理与向量化表示以得到物资需求编码向量的序列和物资生产能力编码向量的序列；
语义编码单元，用于对所述物资需求编码向量的序列和所述物资生产能力编码向量的序列进行语义编码以得到物资需求特征向量的序列和物资生产能力特征向量的序列；以及融合单元，用于对所述物资需求特征向量的序列与物生产能力特征向量的序列中对应的两个特征向量通过特征间注意力层进行融合以得到所述物资需求-生产能力关联特征向量的序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511190.9A CN117236665B (zh) | 2023-11-14 | 2023-11-14 | 物资生产调度优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511190.9A CN117236665B (zh) | 2023-11-14 | 2023-11-14 | 物资生产调度优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117236665A CN117236665A (zh) | 2023-12-15 |
| CN117236665B true CN117236665B (zh) | 2024-02-09 |
Family
ID=89091593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311511190.9A Active CN117236665B (zh) | 2023-11-14 | 2023-11-14 | 物资生产调度优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236665B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117479127A (zh) * | 2023-12-26 | 2024-01-30 | 深圳市掌锐电子有限公司 | 基于5g的车联网智能终端及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012093410A2 (en) * | 2011-01-07 | 2012-07-12 | Mishra Vaibhav | Real-time demand supply control system |
| CN107784397A (zh) * | 2017-11-09 | 2018-03-09 | 贵州电网有限责任公司 | 一种电网物资需求预测系统及其预测方法 |
| CN116151845A (zh) * | 2023-02-20 | 2023-05-23 | 南京天通新创科技有限公司 | 基于工业物联网技术的产品全生命周期管理系统及其方法 |
| CN116502771A (zh) * | 2023-06-21 | 2023-07-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于电力物资预测的配电方法及系统 |
-
2023
- 2023-11-14 CN CN202311511190.9A patent/CN117236665B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012093410A2 (en) * | 2011-01-07 | 2012-07-12 | Mishra Vaibhav | Real-time demand supply control system |
| CN107784397A (zh) * | 2017-11-09 | 2018-03-09 | 贵州电网有限责任公司 | 一种电网物资需求预测系统及其预测方法 |
| CN116151845A (zh) * | 2023-02-20 | 2023-05-23 | 南京天通新创科技有限公司 | 基于工业物联网技术的产品全生命周期管理系统及其方法 |
| CN116502771A (zh) * | 2023-06-21 | 2023-07-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于电力物资预测的配电方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117236665A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Syan et al. | Maintenance applications of multi-criteria optimization: A review | |
| Sheu | Dynamic relief-demand management for emergency logistics operations under large-scale disasters | |
| JP2023529760A (ja) | 気候変動の影響下における貯水池スケジューリング規則の失効早期警告分析法 | |
| CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
| CN117236665B (zh) | 物资生产调度优化方法及系统 | |
| CN116861924A (zh) | 基于人工智能的项目风险预警方法及系统 | |
| US20220414526A1 (en) | Intelligent fault detection system | |
| CN116882978B (zh) | 一种基于产品信息框架的深海潜水器运维保障系统 | |
| CN115204536A (zh) | 楼宇设备故障预测方法、装置、设备及存储介质 | |
| WO2021204365A1 (en) | Device and method for monitoring communication networks | |
| Pushphavathi et al. | A novel method for software defect prediction: hybrid of FCM and random forest | |
| CN117094535B (zh) | 基于人工智能的能源补给管理方法及系统 | |
| CN116611813B (zh) | 一种基于知识图谱的智能运维管理方法及系统 | |
| CN116562746B (zh) | 一种被服物流站点的被服数据监控方法及相关装置 | |
| CN116909712A (zh) | 基于机器学习的智能任务调度系统及其方法 | |
| CN115438190B (zh) | 一种配电网故障辅助决策知识抽取方法及系统 | |
| CN116956702A (zh) | 一种用电安全预警方法、介质及系统 | |
| CN114625627B (zh) | 一种基于大数据多维分析的用户智能感知方法 | |
| CN114240102A (zh) | 一种线损异常数据识别方法、装置、电子设备及存储介质 | |
| Ozoh et al. | Prediction of electricity consumtion based on complex computational method | |
| Tan et al. | Managing manufacturing technology investments: an intelligent learning system approach | |
| Bechina et al. | A system of systems approach to smart Building Management: an AI vision for Facility Management | |
| CN116823193B (zh) | 基于大数据的智能制造流程管理系统 | |
| Helgo | Deep Learning and Machine Learning Algorithms for Enhanced Aircraft Maintenance and Flight Data Analysis | |
| Yu et al. | Interpretable data‐driven contingency classification for real‐time corrective security‐constrained economic dispatch |
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 |