CN117273318B - 物料齐套的分析方法和装置 - Google Patents
物料齐套的分析方法和装置 Download PDFInfo
- Publication number
- CN117273318B CN117273318B CN202311169418.0A CN202311169418A CN117273318B CN 117273318 B CN117273318 B CN 117273318B CN 202311169418 A CN202311169418 A CN 202311169418A CN 117273318 B CN117273318 B CN 117273318B
- Authority
- CN
- China
- Prior art keywords
- production
- materials
- demand
- determining
- path set
- 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
- 239000000463 material Substances 0.000 title claims abstract description 583
- 238000004458 analytical method Methods 0.000 title claims description 103
- 238000004519 manufacturing process Methods 0.000 claims abstract description 675
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000009826 distribution Methods 0.000 claims abstract description 52
- 238000006467 substitution reaction Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 239000003016 pheromone Substances 0.000 claims description 48
- 230000007704 transition Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 23
- 239000012852 risk material Substances 0.000 claims description 14
- 238000012546 transfer Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 33
- 230000008569 process Effects 0.000 description 19
- 238000004590 computer program Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 14
- 238000007726 management method Methods 0.000 description 13
- 239000002355 dual-layer Substances 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108010046685 Rho Factor Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000547 structure data 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
- 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
-
- 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
本公开提供一种物料齐套的分析方法和装置,包括执行下述步骤直至满足迭代终止条件:在搜索到第N生产需求和第N可行路径集合时,计算第N生产需求转移至确定出的选取范围中各生产需求各自对应的转移概率,并将选取范围中最大转移概率对应的生产需求确定为第N+1生产需求,且从第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,直至搜索到生产目标产品的最后的生产需求和最后的可行路径集合,根据各生产需求以及各可行路径集合确定用于生产目标产品的生产路径集合,并根据预设的目标优化参数确定生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集。
Description
技术领域
本公开涉及制造生产技术领域,尤其涉及一种物料齐套的分析方法和装置。
背景技术
随着多品种小批量生产模式在制造业中的普及,物料齐套作为一种重要的生产管理理念和方式,越来越多地被应用到了制造企业的生产管理流程中。合适的物料齐套的分析方法能准确地为企业生产安排做指导,减少企业在制品库存,增加企业经济效益。
在相关技术中,物料齐套的分析方法通常基于Excel结合人工经验的方式实现,或者基于人工预先定义的物料消耗规则实现。
然而,上述物料齐套的方法需基于人工实现,容易受到人为因素的影响,导致准确性和可靠性偏低,且存在效率低等弊端。
背景技术部分的内容仅仅是发明人个人所知晓的信息,并不代表上述信息在本公开申请日之前已经进入公共领域,也不代表其可以成为本公开的现有技术。
发明内容
本公开提供一种物料齐套的分析方法和装置,用以提高物料齐套分析的有效性和可靠性。
第一方面,本公开提供一种物料齐套的分析方法,所述方法应用于生产目标产品,生产所述目标产品包括多个生产需求,一个所述生产需求包括至少一个替代组,一个所述替代组中包括至少一种生产物料;所述方法包括重复下述步骤,直至满足预设的迭代终止条件:
从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及所述第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,并将所述选取范围中最大转移概率对应的生产需求确定为所述第N+1生产需求,且从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产所述目标产品的最后的生产需求和最后的可行路径集合;
其中,所述第N可行路径集合包括一种或多种实现生产所述第N+1生产需求的生产物料,所述N为大于等于1的整数;
根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,并根据预设的目标优化参数确定所述生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,所述目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,所述非支配解集用于确定生产所述目标产品的物料。
在一些实施例中,所述计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,包括:
针对所述选取范围中的每一生产需求,分别获得该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本,并根据该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本计算所述第N生产需求与该生产需求之间的信息素浓度和启发函数;
根据所述启发函数、以及获取到的所述第N生产需求与该生产需求之间信息素浓度,确定所述第N生产需求与该生产需求之间的转移概率。
在一些实施例中,所述从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,包括:
获得所述第N+1替代组中各生产物料各自对应的物料分类,其中,所述物料分类用于表征生产物料的预设消耗顺序;
在所述第N+1替代组中任意生产物料的物料分类为预留物料的情况下,确定该生产物料预设的可用预留量与预设的第一需求量之间的大小关系;
若所述可用预留量小于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为所述可用预留量;
若所述可用预留量大于等于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,所述从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为风险物料的生产物料,并确定该生产物料预设的可用量与预设的第二需求量之间的大小关系;
若该生产物料预设的可用量小于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为指定顺序物料的生产物料,并确定该生产物料预设的可用量与预设的第三需求量之间的大小关系;
若该生产物料预设的可用量小于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为普通物料的生产物料,并将物料分类为普通物料的生产物料确定为所述第N+1可行路径集合中的生产物料;
其中,所述第N+1可行路径集合中物料分类为普通物料的生产物料所组成的路径为可行且不重复路径。
在一些实施例中,所述根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,包括:
根据各生产需求以及各可行路径集合确定每个生成需求的每一替代组中的每条替代组内路径;
针对每一替代组内路径,根据该替代组内路径的信息素浓度、生产物料分配数量、生产物料分配离散程度,计算该替代组内路径的累计信息素浓度,并根据该替代组内路径的累计信息素浓度、以及获得的该可行路径的启发函数,计算该替代组内路径的可行概率;
根据各替代组内路径各自对应的可行概率计算得到各可行路径各自对应的累计概率,并根据预设的伪随机数和各累计概率确定所述路径集合,其中,所述伪随机数为在预设区间内产生的均匀分布的伪随机数。
在一些实施例中,搜索是针对预先构建的双层网络结构进行的,所述双层网络结构包括第一层网络和第二层网络,所述第一层网络中包括多个节点,第一个节点为搜索起点,最后一个节点为搜索终点,所述搜索起点和所述搜索终点之间的一个节点为一个生成需求对应的节点,所述第二层网络为生成需求节点根据预设的物料清单展开的替代组内物料节点路径;
所述迭代终止条件包括:重复次数达到预设的最大迭代次数、重复的时间达到预设的最大运行时间、非支配解集的解达到预设解的最大连续迭代次数中的一种,其中,所述预设解为最优解或未改进解,所述当前轮迭代的非支配解集用于更新得到下一轮迭代的信息素浓度,所述下一轮迭代的信息素浓度用于启发下轮迭代搜索。
第二方面,本公开提供一种物料齐套的分析装置,所述装置应用于生产目标产品,生产所述目标产品包括多个生产需求,一个所述生产需求包括至少一个替代组,一个所述替代组中包括至少一种生产物料;所述装置包括用于重复下述操作的搜索单元和确定单元,直至满足预设的迭代终止条件:
所述搜索单元,用于从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及所述第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,并将所述选取范围中最大转移概率对应的生产需求确定为所述第N+1生产需求,且从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产所述目标产品的最后的生产需求和最后的可行路径集合;
其中,所述第N可行路径集合包括一种或多种实现生产所述第N+1生产需求的生产物料,所述N为大于等于1的整数;
所述确定单元,用于根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,并根据预设的目标优化参数确定所述生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,所述目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,所述非支配解集用于确定生产所述目标产品的物料。
第三方面,本公开提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行如上第一方面所述的方法。
第四方面,本公开提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法。
第五方面,本公开提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上所述的方法。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本公开一个实施例的物料齐套的分析方法的示意图;
图2为本公开另一实施例的物料齐套的分析方法的示意图;
图3为本公开实施例的双层网络结构的示意图;
图4为本公开实施例确定下一生产需求的原理示意图;
图5为本公开实施例的生产物料分配的原理示意图;
图6为本公开实施例的迭代搜索的流程示意图;
图7为本公开实施例的物料齐套的分析装置的示意图;
图8为本公开实施例的示例电子设备的示意性框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
应该理解的是,本公开实施例中术语“包括”和“具有”以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的那些组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
本公开实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
本公开中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体,而不必然意味着限定特定的顺序或先后次序,除非另外注明(Unless otherwiseindicated)。应该理解这样使用的用语在适当情况下可以互换,例如能够根据本公开实施例图示或描述中给出那些以外的顺序实施。
本公开中使用的术语“单元/模块”,是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合,能够执行与该元件相关的功能。
为便于读者对本公开地理解,现对本公开所涉及的至少部分术语解释如下:
3C,是计算机(Computer)、通讯(Communication)和消费电子产品(ConsumerElectronics)三类电子产品的简称。
企业级的资源管理系统(Enterprise Resource Planning,ERP),它负责整合企业的所有部门信息,包括生产、采购、销售等。
高级计划和排程系统(Advanced Planning and Scheduling,APS),主要是利用计算机运算速度快,数据存储、传递、演绎、纠错和交换方便,可以把人的很多工作实现“自动化。
物料清单(Bill of Material,BOM),也就是以数据格式来描述产品结构的文件,是计算机可以识别的产品结构数据文件,也是ERP的主导文件。BOM是系统识别产品结构,也是联系与沟通企业各项业务的纽带。
先入先出或先进先出(First In First Out,FIFO)规则是会计学中的先进先出法,即先进先出法是计算发出存货成本的方法。
蚁群算法(Ant Colony Optimization,ACO)是一类反应式搜索优化技术,它能够在搜索的同时进行优化。ACO利用信息素矩阵记录搜索过程中学习到的知识,每个解元素的信息素值表征其在一个好解中的可能性。同时,为了引入问题的相关信息,ACO在搜索之前定义一个启发信息矩阵。ACO利用蚂蚁觅食方式进行搜索,在每一轮迭代中,每个蚂蚁利用信息素和启发信息矩阵来构造解,然后利用新构造的解更新信息素矩阵的值。
物料齐套,是指要完成客户所需产品而对应的生产物料是否齐全可用,生产物料包含原材料、采购零件、外协配件等产品必须物料。
值得说明的是,随着多品种小批量生产模式在制造业中的普及,物料齐套作为一种重要的生产管理理念和方式,越来越多地被应用到了制造企业的生产管理流程中。考虑到相似产品之间物料替代、借用等情况,企业对物料齐套管理越来越严格且复杂。
合适的物料齐套的分析方法能准确地为企业生产安排做指导,减少企业在制品库存,增加企业经济效益。传统物料齐套的分析方法采用Excel结合人工经验的方式,或是通过现有ERP产品或APS产品设置一些预定义的物料消耗规则来计算物料齐套,这样的方式使得物料齐套的分析方法准确性不高、反应不及时、复杂且耗费时间,并且在一些特定的场景(如不完全替代场景)下难以满足制造企业生产管理流程的需求。所以,制造企业尝试寻求满足物料最大齐套性的智能分配系统来代替现有的分配方式,这种智能优化方法既能得出缺件的生产物料的种类和数量,以便采购部门制定采购计划,又能计算出物料齐套的产品种类和数量,以便生产计划员制定合理的车间作业计划,节省安排生产计划的时间。
作为制造企业生产管理流程非常重要的一环,物料齐套的概念最早是针对印制电路板的装配过程的分析总结中提出的。物料齐套概念的引出为各行各业的生产管理都具有指导性意义。物料全局齐套是指根据产品的物料清单设计物料的成套查询和缺料查询模块,在订单生产开工前,将全部所需零部件准备齐全。
替代料场景是指企业在实际生产过程中,为保障不影响生产进度,因一种生产物料的库存不足而使用其它生产物料代替该生产物料继续进行生产的情况。出现替代料的原因通常有以下几个:
1)当库存物料不足,如供应商无法及时供应原定的生产物料,需要使用替代料;
2)市场的原因,如原有的生产物料已经没有或者采购非常困难,采购新的性能可满足生产需要的物料替代原有的生产物料;
3)企业基于成本管理的需要,如企业需要用价格更低的生产物料替代价格高的生产物料,以达到降低生产成本的目的;
4)清理旧料库存的原因,如某一旧的生产物料仍然可用,一般在不影响产品功能的前提下优先考虑将旧料用完再用新料。
替代料场景分为完全替代和不完全替代。完全替代场景是指同一替代组内的生产物料在任何情况下都可以互相替代;不完全替代场景通常是指一个生产物料A在X产品上可以被生产物料B和生产物料C替代,而在Y产品上只能被生产物料D替代,则生产物料A、B、C、D就构成一个不完全的替代组。
上述相关技术体现了学者对生产过程中的物料齐套分析做了研究,并证明了物料齐套分析给制造业带来的巨大收益。如相关技术可以使用装配物料过程齐套和产品工艺路线结合的方式,实现工序级过程齐套的动态变更,生产过程中逐步提高生产物料的完备性,完成对生产物料的管控。又如相关技术中建立了面向空调混装线的工位物料改进的齐套性分析方法,以提高家电总装过程中对多种同系列产品物料供应的及时性和齐套性。再如相关技术中基于齐套系数的齐套制造模型,给出了齐套系数的有效的计算方法,并以此来建立齐套制造的评价方法。还如相关技术中针对印制电路的装配过程,提出的将批量供应转化为齐套供应方式,并证明了齐套供应方式能够减少产品的装配时间,提高生产效率。还如相关技术中针对航空制造业复杂装配的特点,提出的全局齐套向过程齐套的转变,建立了多架飞机同时装配时的物料齐套调度模型。
然而,上述相关技术只针对非替代料场景。而针对替代料场景,现在市面上的ERP产品或APS产品中,通常是通过定义一些简单的规则去解决替代料消耗问题,而这些预先定制的规则通常无法完全满足业务对于替代料管理的需求。在离散制造行业,尤其是3C电子行业,替代料场景非常常见,因此,设计出满足替代料场景下的物料齐套的分析方法至关重要。
可以理解的是,上述相关技术部分的内容仅仅是发明人个人所知晓的信息,并不代表上述信息在本公开申请日之前已经进入公共领域,也不代表其可以成为本公开的现有技术。
为了避免上述相关技术中的技术问题中的至少一种,或者,为了提高物料齐套分析的有效性和可靠性等,本公开提供了经创造性劳动的技术构思:通过迭代搜索的方式,从最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本等目标优化参数搜索非支配解(Non-Dominated)集,以基于非支配解集用于确定生产所述目标产品的物料,且在每一次搜索过程中,先确定当前的生成需求,而后确定该生产需求下的替代组内的可行路径集合,以基于可行路径集合确定非支配解集,且当前的生产需求与下一生产需求之间的先后关系是基于最大转移概率确定。
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,并不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
基于上述技术构思,本公开提供了一种物料齐套的分析方法,该方法可以应用于生产目标产品,生产目标产品包括多个生产需求,一个生产需求包括至少一个替代组,一个替代组中包括至少一种生产物料。请参阅图1,图1为本公开一个实施例的物料齐套的分析方法的示意图,如图1所示,该方法包括重复下述步骤,直至满足预设的迭代终止条件:
S101:从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算第N生产需求转移至选取范围中各生产需求各自对应的转移概率,并将选取范围中最大转移概率对应的生产需求确定为第N+1生产需求,且从第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产目标产品的最后的生产需求和最后的可行路径集合。
其中,第N可行路径集合包括一种或多种实现生产第N+1生产需求的生产物料,N为大于等于1的整数。
示例性的,本实施例的执行主体可以为物料齐套的分析装置(下文简称为分析装置),分析装置可以为服务器(如独立的服务器或者服务器集群,又如云端服务器或者本地服务器),也可以为终端设备,也可以为处理器,也可以为芯片,等等,本实施例不做限定。
可以理解的是,本公开的物料齐套的分析方法可以应用于不同的应用场景,如本公开的物料齐套的方法可以应用于生产3C产品的应用场景,且针对不同的3C产品的场景,目标产品不同,如目标产品可以为手机,也可以为手表等。
一般的,目标产品包括多种组件,如以目标产品为手机为例,目标产品包括触摸屏和摄像头等组件。生产一种组件的需求可以称为一个生产需求。相应的,目标产品的生产需求可以包括生产触摸屏的生产需求和生产摄像头的生产需求。一个生产需求可能需要多个组件组成,如摄像头包括摄像头传感器、图像处理器、镜头等,则摄像头的生产需求下至少包括三个替代组,分别为摄像头传感器替代组、图像处理器替代组、镜头替代组,且每个替代组内包括用于生成该组件的生产物料,如摄像头传感器替代组内包括用于生成摄像头传感器的生产物料。
其中,可行路径集合中可以包括一条可行路径,也可以包括多条可行路径,可行路径可以理解为用于实现生产需求的替代组内的生产物料的路径,如选择不同的生产物料可以生成不同的可行路径。
由于生产需求的数量为多个,如生产需求包括生产需求A、生产需求B、生产需求C,在分析装置对生产目标产品进行分析时,可以先实现生产需求A而后实现生产需求B再实现生产需求C,也可以先实现生产需求A而后实现生产需求C再实现生产需求B,则分析装置先分析实现生产需求A而后实现生产需求B的可能性可以理解为生产需求A转移至生产需求B的转移概率,同理,分析装置分析先实现生产需求A而后实现生产需求C的可能性可以理解为生产需求A转移至生产需求C的转移概率。
在本实施例中,分析装置可以在选取范围内计算各转移概率,以从各转移概率中选取最大转移概率,并将该最大转移概率对应的生产需求确定为下一个需要实现的生产需求。其中,选取范围可以理解为分析装置可能选取的作为下一生产需求的空间。例如,选取范围中包括分析装置之前没有搜索到的生产需求,以避免重复搜索。
也就是说,在本实施例中,该步骤可以理解为,针对有多个生产需求的分析场景,分析装置可以基于最大转移概率依次搜索生产需求,并在获得了某生产需求的情况下,进一步搜索该生产需求的各替代组内各自对应的可能利用的生产物料的路径(即可行路径),从而获得可行路径集合,以便在各生产需求以及各生产需求下的可行路径集合都搜索到的情况下,分析装置执行S102。
S102:根据各生产需求以及各可行路径集合确定用于生产目标产品的生产路径集合,并根据预设的目标优化参数确定生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,非支配解集用于确定生产目标产品的物料。
结合上述示例,可行路径集合是以生产需求下的替代组为基准的可能的路径的集合,分析装置在确定了各可行路径集合之后,分析装置可以进一步融合各生产需求和各可行路径集合,得到生成目标产品的各生产路径,包括各生产路径的集合即为生产路径集合。
非支配解集可以理解为包括互不干扰的解的集合,分析装置每一轮迭代搜索都会得到与之对应的非支配解集,相应的,我们可以将当前轮迭代搜索得到的非支配解集称为当前轮迭代的非支配解集。
在本实施例中,分析装置基于两种或者更多种目标优化参数约束得到非支配解集,相当于以最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本为优化目标,建立多目标优化模型,以从多目标的维度对物料齐套分析进行优化,以提高物料优化的有效性和可靠性。
为了便于读者对本公开的物料齐套的分析方法的理解,现结合图2对本公开的物料齐套的分析方法进行详细阐述。其中,图2为本公开另一实施例的物料齐套的分析方法的示意图,该方法可以应用于生产目标产品,生产目标产品包括多个生产需求,一个生产需求包括至少一个替代组,一个替代组中包括至少一种生产物料,如图2所示,该方法包括重复下述步骤,直至满足预设的迭代终止条件:
S201:从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,其中,N为大于等于1的整数。
可以理解的是,为了避免繁琐的陈述,关于本实施例与上述实施例相同的技术特征,本实施例不再赘述。
在一些实施例中,搜索是针对预先构建的双层网络结构进行的,双层网络结构包括第一层网络和第二层网络,第一层网络中包括多个节点,第一个节点为搜索起点,最后一个节点为搜索终点,搜索起点和搜索终点之间的一个节点为一个生成需求对应的节点,第二层网络为生成需求节点根据预设的物料清单展开的替代组内物料节点路径。
示例性的,双层网络结构可以为分析装置预先构建的,也可以为其他装置构建并存储于分析装置的,本实施例以双层网络结构是分析装置预先构建的为例,对本公开进行示范性的阐述。
如图3所示,分析装置可以构建得到双层网络结构,双层网络结构包括两层网络,两层网络分别为第一层网络和第二层网络,第一层网络表示生产需求,每个生成需求对应第一层网络中的一个节点,同时第一网络中加入了两个虚拟(dummy)节点,一个虚拟节点为搜索起点(Source),一个虚拟节点为搜索终点(Sink),搜索起点和搜索终点的生产物料的需求量为0。第二层网络表示每个生产需求节点根据其根据物料清单展开的替代组内生产物料节点路径。
如图3所示,第一层网络包括:搜索起点、需求节点A、需求节点B、需求节点C、需求节点D、搜索终点,第二层网络包括:需求节点A的两个替代组,一个替代组为A1,一个替代组为A2,替代组A1中包括多种可以替代的生产物料,如生产物料A11、生产物料A12、生产物料A13。应该理解的是,图3只是示范性地说明两层网络的结构,而不能理解为对节点和替代组等的限定。
其中,分析装置的分析过程可以理解为基于双层网络结构的替代料齐套分析模型求解的过程,该过程可以采用蚁群算法、遗传算法等算法进行迭代搜索实现,迭代搜索过程表现为分析装置先从第一层网络的搜素起点出发,到达某需求节点后,进入该需求节点对应的第二层网络,对该生产需求下的每个替代组寻找其可行路径以分配生产物料,分配完成后再回到第一层网络下选择访问下一个需求节点,以此类推,直至搜索到搜索终点。
在本实施例中,分析装置基于双层网络结构进行搜索迭代,而双层网络结构可以通过节点和路径的方式对生产需求和替代组进行表征,因此,双层网络结构可以便于分析装置的搜索迭代的操作,从而可以提高分析装置的搜索迭代的效率和准确性。
S202:针对选取范围中的每一生产需求,分别获得该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本,并根据该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本计算第N生产需求与该生产需求之间的信息素浓度和启发函数。
S203:根据启发函数、以及获取到的第N生产需求与该生产需求之间信息素浓度,确定第N生产需求与该生产需求之间的转移概率。
示例性的,以分析装置基于双层网络结构和蚁群算法为例,S202-S203可以理解为:
在当前轮迭代为第t轮迭代,第N生产需求为需求节点(即生成需求)Di的情况下,第N+1需求节点Di′的可选范围为Di′∈UVi,UVi表示分析装置未访问过的生产需求的集合,分析装置可以基于式1计算第t轮迭代下蚁群中的第k个个体从需求节点Di处转移到需求节点Di′的概率(即转移概率)式1:
其中,α,β为预先设置的常数控制因子,为第一层网络中需求节点Di与需求节点Di′之间的信息素浓度,/>为第一层网络中需求节点Di与需求节点Di′之间的启发函数,I为需求节点的总个数,需求节点的集合可以表示为D={D1,D2,…,DI},需求节点Di为第i个需求节点,/>为第t轮迭代中第k个个体在需求节点Di处剩余未访问需求集合,可以基于式2计算得到,式2:
其中,γ1,γ2为预先设置的影响控制参数,为需求节点Di′的齐套数量,为需求节点Di′的所分配物料的过期成本,/>为需求节点Di′的所分配物料的呆滞成本。
在一些实施例中,可以基于式3计算得到,式3:
可以基于式4计算得到,式4:
可以基于式5计算得到,式5:
其中,为第t轮迭代中第k个个体访问需求节点Di的第j个替代组时,其中第o个生产物料的库存可供应量,ri,j,o为需求节点Di的第j个替代组内第o个生产物料的使用比例,o=1,2,…,Gi,j,Ri,j为预先设置的需求节点Di的第j个替代组的使用比例,Gi,j为需求节点Di的第j个替代组内的生产物料种类数量,j=1,2,…,Ni,Ni为需求节点Di根据物料清单展开后的替代组数量,Qi为需求节点Di的需求量,TD为当前计算日期,SLmax为所有生产物料的最大保质期,/>为第t轮迭代中第k个个体访问需求节点Di时第j个替代组中第o个生成物料的第b个批次的分配数量,/>为第t轮迭代中第k个个体访问需求节点Di时对其第j个替代组的需求量,H为生产物料的种类数量,生产物料集合M={M1,M2,…,MH},Mh为第h个生产物料,h=1,2,…,H,v1h为预先设置的生产物料Mh的过期成本系数,v2h为预先设置的生产物料Mh的呆滞成本系数,SLh为生产物料M的保质期,Bh为生产物料Mh的批次数量,DCh,b为生产物料Mh的第b个批次的生产日期,GRh,b为生产物料Mh的第b个批次的入库日期。
在本实施例中,分析装置通过结合齐套数量、过期成本、呆滞成本三个维度的参数确定转移概率,相当于转移概率是分析装置在较为充分的考虑因素的情况做出的,因此转移概率的准确性和可靠性相对较高。
S204:将各转移概率中的最大转移概率对应的生产需求确定为第N+1生产需求。
示例性的,最大转移概率可以通过式6表示,式6:
示例性的,图4为本公开实施例确定下一生产需求的原理示意图,如图4所示,分析装置在搜索时遍历生产需求的情况下,判断是否遍历完所有生产需求,若是,则从中选择最大转移概率,以将其对应的生产需求确定为下一生产需求,若否,则计算遍历的生产需求的最大齐套数量,根据物料清单展开遍历替代组,选择物料分配,计算转移概率,以此类推,直至遍历完成,得到最大转移概率。
S205:从第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产目标产品的最后的生产需求和最后的可行路径集合,其中,第N可行路径集合包括一种或多种实现生产第N+1生产需求的生产物料。
在一些实施例中,S205可以包括如下步骤:
第一步骤:获得第N+1替代组中各生产物料各自对应的物料分类,其中,物料分类用于表征生产物料的预设消耗顺序。
结合上述分析,分析装置在确定了需求节点之后,需要进一步确定为实现该需求节点而为该需求节点分配的生产物料。示例性的,对于需求节点Di的第j个替代组,假设其需求总量为di,j,替代物料种类为Gi,j,在考虑生产物料消耗优先规则约束下,寻找生产物料消耗顺序的可行路径集合。例如,分析装置可以根据生产物料消耗优先规则将生产物料进行分类,分为特殊物料和普通物料,其中特殊物料包括:预留物料、过期风险物料、指定顺序物料,预设消耗顺序依次为预留物料>风险物料>指定顺序物料>普通物料。
第二步骤:在第N+1替代组中任意生产物料的物料分类为预留物料的情况下,确定该生产物料预设的可用预留量与预设的第一需求量之间的大小关系。
结合上述示例,在物料分类为预留物料的情况下,分析装置可以确定可用预留量与第一需求量之间的大小关系,以基于该大小关系执行不同的分配操作。其中,可用预留量是指留下的生产物料的数量,第一需求量是为了实现生产需求而需要的生产物料的数量。
第三步骤:若可用预留量大于等于第一需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
结合上述示例,分析装置可以将大小关系分为两种,一种为大于等于的情况,一种为小于的情况,针对大于等于的情况,即可用预留量能够满足需求节点的实现,则可以为需求节点分配足够的生产物料,相应的,分析装置可以继续选择下一个需求节点。
第四步骤:若可用预留量小于第一需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并从第N+1替代组中获得与该物料对应的其他生产物料确定为第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为可用预留量。
相应的,分析装置确定出的大小关系可能为小于的情况,而在该情况下,可用预留量无法满足需求节点,则分析装置在为需求节点分配了可用预留量的生产物料的情况下,需要进一步从替代组中获得用于实现需求节点的生产物料。
在本实施例中,分析装置通过结合物料类型、可用预留量、第一需求量为生成需求分配生产物料,可以实现生成物料分配的合理性和可靠性。
在一些实施例中,分析装置可以预先设置预留物料的排序策略。例如,若预留物料为过期风险物料,则分析装置按物料剩余有效期升序排列;若预留物料存在指定消耗顺序,则分析装置按指定顺序排列;分析装置根据入库日期(GR Date)按入库周期降序排列;分析装置按通用性,适配机型越少越优先排列,等等,此处步骤一一列举。
在一些实施例中,第四步骤中的“从第N+1替代组中获得与该物料对应的其他生产物料确定为第N+1可行路径集合中的生产物料”,包括如下子步骤:
第一子步骤:从第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为风险物料的生产物料,并确定该生产物料预设的可用量与预设的第二需求量之间的大小关系。
第二子步骤:若该生产物料预设的可用量大于等于第二需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
第三子步骤:若该生产物料预设的可用量小于第二需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并从第N+1替代组中获得与该物料对应的其他生产物料确定为第N+1可行路径集合中的生产物料,其中,该生产物料在第N+1可行路径集合中的分配量为该生产物料预设的可用量。
值得说明的是,分析装置本次分配生产物料的原理与上述分配生产物料的原理类似,如分析装置可以为需求节点分配风险物料。同理,分析装置分配风险物料时可能存在两种一种,一种情况为风险物料的可用量大于等于第二需求量,则说明可用量能够满足生产物料的分配需求,以使得生产物料满足需求节点,则可以将风险物料分配给需求节点,作为需求节点的生产物料。其中,可用量是指风险物料可以投入使用用于实现需求节点的生成物料的量。另一种情况为风险物料的可用量小于第二需求量,即可用量无法满足生产物料的分配需求,则分析装置可以进一步从替代组中获得用于实现需求节点的生产物料。
同理,分析装置通过结合物料类型、可用量、第二需求量为需求节点分配生产物料,可以实现生成物料分配的合理性和可靠性。
相应的,在一些实施例中,分析装置在第三子步骤中进一步从替代组中获得用于实现生产需求的生产物料包括如下细化步骤:
第一细化步骤:从第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为指定顺序物料的生产物料,并确定该生产物料预设的可用量与预设的第三需求量之间的大小关系。
第二细化步骤:若该生产物料预设的可用量大于等于第三需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
第三细化步骤:若该生产物料预设的可用量小于第三需求量,则将该生产物料确定为第N+1可行路径集合中的生产物料,并从第N+1替代组中获得与该物料对应的其他生产物料确定为第N+1可行路径集合中的生产物料,其中,该生产物料在第N+1可行路径集合中的分配量为该生产物料预设的可用量。
同理,分析装置本次分配生产物料的原理与上述分配生产物料的原理类似,如分析装置可以为需求节点分配指定顺序物料。示例性的,分析装置分配指定顺序物料时可能存在两种一种,一种情况为指定顺序物料的可用量大于等于第三需求量,则说明可用量能够满足生产物料的分配需求,以使得生产物料满足需求节点,则可以将指定顺序物料分配给需求节点,作为需求节点的生产物料。其中,可用量是指指定顺序物料可以投入使用以用于实现需求节点的生成物料的量。另一种情况为风险物料的可用量小于第三需求量,即可用量无法满足生产物料的分配需求,则分析装置可以进一步从替代组中获得用于实现需求节点的生产物料。
相应的,分析装置通过结合物料类型、可用量、第三需求量为生成需求分配生产物料,可以实现生成物料分配的合理性和可靠性。
相应的,在一些实施例中,分析装置在第三细化步骤中进一步从替代组中获得用于实现生产需求的生产物料包括:从第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为普通物料的生产物料,并将物料分类为普通物料的生产物料确定为第N+1可行路径集合中的生产物料,其中,第N+1可行路径集合中物料分类为普通物料的生产物料所组成的路径为可行且不重复路径。
示例性的,分析装置可以为生产需求分配普通物料,特殊物料具有唯一序列,普通物料无优先顺序,可以按任意顺序组合,分析装置可以将所有普通物料进行全排列,并排除重复路径和不可行路径后,得到普通物料的可行分配组合,再将所有可行分配组合与特殊物料形成的唯一序列连接,由此得到替代组的可行路径集合。其中,普通物料的不可行路径排除策略包括:根据顺序依次分配生产物料,数量充足情况下不混料;所有分配量为0的生产物料。
结合上述分析可知,分析装置可以基于物料分类(即生产物料的预设消耗顺序)为生产需求分配生产物料,以提高生产物料分配的有效性和可靠性。具体的,分析装置在替代料齐套分析的情况下考虑了如下因素:1)重要的生产物料预留,即针对某些重要程度较高的生产需求,为其预留部分物料以保证其能够优先齐套;2)生产物料过期风险,即生产物料剩余保质期小于过期风险的预警时间需要考虑优先消耗,避免生产物料过期失效;3)生产物料指定优先消耗,即针对某些生产需求,为其指定替代料的优先消耗顺序;4)生产物料呆滞风险,即为避免生产物料入库后成为呆滞库存,考虑不同生产物料间或同一生产物料不同批次间都按先进先出原则消耗,而通过考虑如上因素,可以在确保物料齐套的情况下,还避免了生产物料过期、失效、呆滞等风险,即提高了资源的合理利用和配置。即本公开实施例的物料齐套的分析方法考虑了库存中生产物料的过期风险和呆滞风险等,避免了因生产物料使用不当造成品质问题或者因主料预计库存不足造成停产等问题,能有效地降低企业采购成本,提升企业运营效率。
在一些实施例中,生产物料分配的原理可以参阅图5,如图5所示,在替代组内,分析装置可以筛选得到可行路径集合,计算可行路径集合中每条可行路径被选择的概率(即计算选择概率),并基于选择概率选择可行路径,以在此基础上分配生产物料,形成物料分配结果,并基于分配结合进行当前可用库存信息扣减。
S206:根据各生产需求以及各可行路径集合确定用于生产目标产品的生产路径集合,并根据预设的目标优化参数确定生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,非支配解集用于确定生产目标产品的物料。
在一些实施例中,S206中的“根据各生产需求以及各可行路径集合确定用于生产目标产品的生产路径集合”,包括如下步骤:
第一步骤:根据各生产需求以及各可行路径集合确定每个生成需求的每一替代组中的每条替代组内路径。
示例性的,结合上述分析,分析装置可以将所有可行分配组合与特殊物料形成唯一序列连接,由此得到替代组的可行路径集合,可行路径结合中包括替代组内路径。
第二步骤:针对每一替代组内路径,根据该替代组内路径的信息素浓度、生产物料分配数量、生产物料分配离散程度,计算该替代组内路径的累计信息素浓度,并根据该替代组内路径的累计信息素浓度、以及获得的该可行路径的启发函数,计算该替代组内路径的可行概率。
其中,可行概率可以理解为选择概率,如替代组内包括多条路径,每一路径可以称为可行路径,每一可行路径的选择概率可以称为该路径的可行概率。
在一些实施例中,分析装置可以基于式7计算得到可行概率,式7:
其中,α,β为预先设置的常数控制因子,为第l条可行路径上的累积信息素浓度,/>为假设第t轮迭代中第k个个体在需求节点Di的第j个替代组内共有/>条可行路径。
在一些实施例中,可以基于式8计算得到,式8:
其中,为第二层网络上连接物料Mo的弧上的信息素浓度,/>为需求节点Di的第j个替代组内第l条可行路径上第o个生产物料的分配数量;/>为第l条可行路径上生产物料分配离散程度,即第l条可行路径上分配数量量不为0的生产物料个数。
在一些实施例中,可以基于式9计算得到,式9:/>
第三步骤:根据各替代组内路径各自对应的可行概率计算得到各可行路径各自对应的累计概率,并根据预设的伪随机数和各累计概率确定生产路径集合,其中,伪随机数为在预设区间内产生的均匀分布的伪随机数。
在一些实施例中,分析装置可以基于式10计算得到第l条可行路径的累计概率,式10:
相应的,在分析装置计算得到所有可行路径的累计概率之后,可以在[0,1]区间内产生一个均匀分布的伪随机数,rand;若则选择第1条可行路径;否则,选择第l条可行路径,使得/>成立,自此,分析装置经过一轮迭代结束,对群种进行非支配排序,得到非支配解集。
在本实施例中,分析装置通过确定个替代组内路径,以从信息素浓度、生产物料分配数量、生产物料分配离散程度计算对应的可行概率,并结合可行概率计算累计概率,以在累计概率的基础上确定生产路径集合,以充分考虑生产物料分配的可行性,从而使得生产路径集合具有较高的有效性和可靠性,从而提高生产物料分配的准确性和可靠性。
在一些实施例中,迭代终止条件包括:重复次数达到预设的最大迭代次数、重复的时间达到预设的最大运行时间、非支配解集的解达到预设解的最大连续迭代次数中的一种,其中,所述预设解为最优解或未改进解,所述当前轮迭代的非支配解集用于更新得到下一轮迭代的信息素浓度,所述下一轮迭代的信息素浓度用于启发下轮迭代搜索。
示例性的,分析装置可以根据非支配解集更新信息素浓度,对于有个体经过的可行路径,会增加相应数量的信息素浓度用于启发后续的迭代搜索,同时每条可行路径上的信息素浓度都会随着时间挥发一部分,因此各路径上信息素浓度的更新方式可以式11和12表征,式11表征的为第一层网络上信息素浓度的更新方式,式11表征的为第一层网络上信息素浓度的更新方式,式11:
式12:
其中,ρ为信息素挥发因子,ρ∈(0,1],Δτk(t)为第t轮迭代第k个个体的信息素增量,在一些实施例中,Δτk(t)可以由分析装置通过式13计算得到,式13:
/>
其中,Sk(t)在除了式13表征的情况下,即Sk(t)在其他情况(otherwise)下,Δτk(t)为0,Sk(t)为第t轮迭代中第k个个体搜索完成后产生的解,δ为预先设置的大于0的常数,3-Dim、2-Dim、1-Dim分别表征蚁群的样本维度。
前一轮迭代搜索过程中得到的非支配解集与本轮迭代得到非支配解集重新进行非支配排序,得到新的非支配解集,重复搜索迭代的逻辑(如上述实施例所述),直到满足任一迭代终止条件,迭代终止条件包括三个:达到最大迭代次数、达到最大运行时间、达到最优解未改进解的最大连续迭代次数,分析装置在迭代搜索终止后,输出最终的非支配解集,即为替代料齐套分析的生产物料最优分配方案集合。
示例性,图6为本公开实施例的迭代搜索的流程示意图,如图6所示,在迭代开始后,分析装置判断当前是否达到迭代终止条件,若是,则输出全局最优解(如生产物料最优分配方案集合),若否,则分析装置获取生产需求,判断选取范围是否为空,若是,则输出结果,筛选非支配解(如确定非支配解集),根据用户输入条件排序选择,以得到全局最优解,更新全局最优解,更新信息素浓度,而后进入下一轮迭代,若否,则选择下一步的生产需求。
在一些实施例中,分析装置可以基于用户生产目标产品的历史利用分配方案记录,从迭代搜索得到的最优分配方案集合为用户推荐生产目标产品的生产物料分配信息。例如,分析装置可以基于历史利用分配方案记录确定用户的选取偏好,并基于选取偏好从迭代搜索得到的最优分配方案集合为用户推荐生产目标产品的生产物料分配信息。
其中,选取偏好可以为目标优化参数的选取偏好。示例性的,选取偏好可以为最大化齐套数量的选取偏好,则分析装置从迭代搜索得到的最优分配方案集合中,选取最大的最大化齐套数量的分配方案推荐给用户。
值得说明的是,上述实施例所述的物料齐套的分析方法,通过结合双层网络结合和蚁群算法,主要可以应用在制造企业的生产计划领域。使用现有库存、在制品库存以及在途库存等物料信息,在复杂的替代料的场景下,对生产需求的生产物料使用进行合理分配,最大范围的满足生产需求计划,同时能够统计缺料的情况,提高生产的平顺度。
且通过结合最大化生产需求齐套数量、最小化物料过期成本和最小化物料呆滞成本为优化目标,建立多目标优化模型,再采用蚁群优化算法求解该模型,与原手工开工单方式相比,本公开提供的上述方法可以在短时间内求解出所需要的帕累托(Pareto)最优解,极大减少了开立工单时人工核对工单齐套的工作量,同时兼顾了替代料消耗的合理性,使工单开立环节的准确性和有效性都得到了极大的提升。该方法不仅提升了制造企业的生产效率,还能节省制造企业的运营成本。
基于上述技术构思,本公开还提供了一种物料齐套的分析装置,所述装置应用于生产目标产品,生产所述目标产品包括多个生产需求,一个所述生产需求包括至少一个替代组,一个所述替代组中包括至少一种生产物料;如图7所示,所述装置700包括用于重复下述操作的搜索单元和确定单元,直至满足预设的迭代终止条件:
所述搜索单元701,用于从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及所述第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,并将所述选取范围中最大转移概率对应的生产需求确定为所述第N+1生产需求,且从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产所述目标产品的最后的生产需求和最后的可行路径集合;
其中,所述第N可行路径集合包括一种或多种实现生产所述第N+1生产需求的生产物料,所述N为大于等于1的整数;
所述确定单元702,用于根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,并根据预设的目标优化参数确定所述生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,所述目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,所述非支配解集用于确定生产所述目标产品的物料。
在一些实施例中,所述搜索单元701在用于执行所述计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率时,具体用于:
针对所述选取范围中的每一生产需求,分别获得该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本,并根据该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本计算所述第N生产需求与该生产需求之间的信息素浓度和启发函数;
根据所述启发函数、以及获取到的所述第N生产需求与该生产需求之间信息素浓度,确定所述第N生产需求与该生产需求之间的转移概率。
在一些实施例中,所述搜索单元701在用于执行所述从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合时,具体用于:
获得所述第N+1替代组中各生产物料各自对应的物料分类,其中,所述物料分类用于表征生产物料的预设消耗顺序;
在所述第N+1替代组中任意生产物料的物料分类为预留物料的情况下,确定该生产物料预设的可用预留量与预设的第一需求量之间的大小关系;
若所述可用预留量小于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为所述可用预留量;
若所述可用预留量大于等于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,所述搜索单元701在用于执行所述从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料时,具体用于:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为风险物料的生产物料,并确定该生产物料预设的可用量与预设的第二需求量之间的大小关系;
若该生产物料预设的可用量小于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,所述搜索单元701在用于执行从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料时,具体用于:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为指定顺序物料的生产物料,并确定该生产物料预设的可用量与预设的第三需求量之间的大小关系;
若该生产物料预设的可用量小于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
在一些实施例中,所述搜索单元701在用于执行从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料时,具体用于:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为普通物料的生产物料,并将物料分类为普通物料的生产物料确定为所述第N+1可行路径集合中的生产物料;
其中,所述第N+1可行路径集合中物料分类为普通物料的生产物料所组成的路径为可行且不重复路径。
在一些实施例中,所述确定单元702在用于执行所述根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合时,具体用于:
根据各生产需求以及各可行路径集合确定每个生成需求的每一替代组中的每条替代组内路径;
针对每一替代组内路径,根据该替代组内路径的信息素浓度、生产物料分配数量、生产物料分配离散程度,计算该替代组内路径的累计信息素浓度,并根据该替代组内路径的累计信息素浓度、以及获得的该可行路径的启发函数,计算该替代组内路径的可行概率;
根据各替代组内路径各自对应的可行概率计算得到各可行路径各自对应的累计概率,并根据预设的伪随机数和各累计概率确定所述路径集合,其中,所述伪随机数为在预设区间内产生的均匀分布的伪随机数。
在一些实施例中,搜索是针对预先构建的双层网络结构进行的,所述双层网络结构包括第一层网络和第二层网络,所述第一层网络中包括多个节点,第一个节点为搜索起点,最后一个节点为搜索终点,所述搜索起点和所述搜索终点之间的一个节点为一个生成需求对应的节点,所述第二层网络为生成需求节点根据预设的物料清单展开的替代组内物料节点路径;
所述迭代终止条件包括:重复次数达到预设的最大迭代次数、重复的时间达到预设的最大运行时间、非支配解集的解达到预设解的最大连续迭代次数中的一种,其中,所述预设解为最优解或未改进解,所述当前轮迭代的非支配解集用于更新得到下一轮迭代的信息素浓度,所述下一轮迭代的信息素浓度用于启发下轮迭代搜索。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如物料齐套的分析方法。例如,在一些实施例中,物料齐套的分析方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的物料齐套的分析方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行物料齐套的分析方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中,使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (9)
1.一种物料齐套的分析方法,其特征在于,所述方法应用于生产目标产品,生产所述目标产品包括多个生产需求,一个所述生产需求包括至少一个替代组,一个所述替代组中包括至少一种生产物料;所述方法包括重复下述步骤,直至满足预设的迭代终止条件:
从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及所述第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,并将所述选取范围中最大转移概率对应的生产需求确定为所述第N+1生产需求,且从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产所述目标产品的最后的生产需求和最后的可行路径集合;
其中,所述第N可行路径集合包括一种或多种实现生产所述第N+1生产需求的生产物料,所述N为大于等于1的整数,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,包括:针对所述选取范围中的每一生产需求,分别获得该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本,并根据该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本计算所述第N生产需求与该生产需求之间的信息素浓度和启发函数;根据所述启发函数、以及获取到的所述第N生产需求与该生产需求之间信息素浓度,确定所述第N生产需求与该生产需求之间的转移概率;
根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,并根据预设的目标优化参数确定所述生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,所述目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,所述非支配解集用于确定生产所述目标产品的物料。
2.根据权利要求1所述的方法,其特征在于,所述从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,包括:
获得所述第N+1替代组中各生产物料各自对应的物料分类,其中,所述物料分类用于表征生产物料的预设消耗顺序;
在所述第N+1替代组中任意生产物料的物料分类为预留物料的情况下,确定该生产物料预设的可用预留量与预设的第一需求量之间的大小关系;
若所述可用预留量小于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为所述可用预留量;
若所述可用预留量大于等于所述第一需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
3.根据权利要求2所述的方法,其特征在于,所述从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为风险物料的生产物料,并确定该生产物料预设的可用量与预设的第二需求量之间的大小关系;
若该生产物料预设的可用量小于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第二需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
4.根据权利要求3所述的方法,其特征在于,从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为指定顺序物料的生产物料,并确定该生产物料预设的可用量与预设的第三需求量之间的大小关系;
若该生产物料预设的可用量小于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,其中,该生产物料在所述第N+1可行路径集合中的分配量为该生产物料预设的可用量;
若该生产物料预设的可用量大于等于所述第三需求量,则将该生产物料确定为所述第N+1可行路径集合中的生产物料,并确定第N+2生产需求。
5.根据权利要求4所述的方法,其特征在于,从所述第N+1替代组中获得与该物料对应的其他生产物料确定为所述第N+1可行路径集合中的生产物料,包括:
从所述第N+1替代组获得的与该物料对应的其他生产物料中,获得物料分类为普通物料的生产物料,并将物料分类为普通物料的生产物料确定为所述第N+1可行路径集合中的生产物料;
其中,所述第N+1可行路径集合中物料分类为普通物料的生产物料所组成的路径为可行且不重复路径。
6.根据权利要求1所述的方法,其特征在于,所述根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,包括:
根据各生产需求以及各可行路径集合确定每个生成需求的每一替代组中的每条替代组内路径;
针对每一替代组内路径,根据该替代组内路径的信息素浓度、生产物料分配数量、生产物料分配离散程度,计算该替代组内路径的累计信息素浓度,并根据该替代组内路径的累计信息素浓度、以及获得的该可行路径的启发函数,计算该替代组内路径的可行概率;
根据各替代组内路径各自对应的可行概率计算得到各可行路径各自对应的累计概率,并根据预设的伪随机数和各累计概率确定所述路径集合,其中,所述伪随机数为在预设区间内产生的均匀分布的伪随机数。
7.根据权利要求1所述的方法,其特征在于,搜索是针对预先构建的双层网络结构进行的,所述双层网络结构包括第一层网络和第二层网络,所述第一层网络中包括多个节点,第一个节点为搜索起点,最后一个节点为搜索终点,所述搜索起点和所述搜索终点之间的一个节点为一个生成需求对应的节点,所述第二层网络为生成需求节点根据预设的物料清单展开的替代组内物料节点路径;
所述迭代终止条件包括:重复次数达到预设的最大迭代次数、重复的时间达到预设的最大运行时间、非支配解集的解达到预设解的最大连续迭代次数中的一种,其中,所述预设解为最优解或未改进解,所述当前轮迭代的非支配解集用于更新得到下一轮迭代的信息素浓度,所述下一轮迭代的信息素浓度用于启发下轮迭代搜索。
8.一种物料齐套的分析装置,其特征在于,所述装置应用于生产目标产品,生产所述目标产品包括多个生产需求,一个所述生产需求包括至少一个替代组,一个所述替代组中包括至少一种生产物料;所述装置包括用于重复下述操作的搜索单元和确定单元,直至满足预设的迭代终止条件:
所述搜索单元,用于从预设的第一生产需求开始搜索,在搜索到第N生产需求、以及所述第N生产需求的替代组内的第N可行路径集合的情况下,确定第N+1生产需求的选取范围,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,并将所述选取范围中最大转移概率对应的生产需求确定为所述第N+1生产需求,且从所述第N+1生产需求的替代组内的第N+1替代组中确定第N+1可行路径集合,以此类推,直至搜索到生产所述目标产品的最后的生产需求和最后的可行路径集合;
其中,所述第N可行路径集合包括一种或多种实现生产所述第N+1生产需求的生产物料,所述N为大于等于1的整数,计算所述第N生产需求转移至所述选取范围中各生产需求各自对应的转移概率,包括:针对所述选取范围中的每一生产需求,分别获得该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本,并根据该生产需求的齐套数量、所分配物料的过期成本、所分配物料的呆滞成本计算所述第N生产需求与该生产需求之间的信息素浓度和启发函数;根据所述启发函数、以及获取到的所述第N生产需求与该生产需求之间信息素浓度,确定所述第N生产需求与该生产需求之间的转移概率;
所述确定单元,用于根据各生产需求以及各可行路径集合确定用于生产所述目标产品的生产路径集合,并根据预设的目标优化参数确定所述生产路径集合中各生产路径各自对应的优化目标值,且根据各优化目标值生成物料分配的当前轮迭代的非支配解集,其中,所述目标优化参数包括最大化齐套数量、最小化物料过期成本、最小化物料呆滞成本中的至少两种,所述非支配解集用于确定生产所述目标产品的物料。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169418.0A CN117273318B (zh) | 2023-09-11 | 2023-09-11 | 物料齐套的分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169418.0A CN117273318B (zh) | 2023-09-11 | 2023-09-11 | 物料齐套的分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273318A CN117273318A (zh) | 2023-12-22 |
CN117273318B true CN117273318B (zh) | 2024-05-03 |
Family
ID=89213495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311169418.0A Active CN117273318B (zh) | 2023-09-11 | 2023-09-11 | 物料齐套的分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273318B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461473A (zh) * | 2019-01-22 | 2020-07-28 | 深圳市赢领智尚科技有限公司 | 一种aps服装排产方法及其系统 |
CN112418497A (zh) * | 2020-11-10 | 2021-02-26 | 河南科技大学 | 一种面向制造物联的物料配送路径优化方法 |
CN113627745A (zh) * | 2021-07-21 | 2021-11-09 | 苏州慧工云信息科技有限公司 | 一种物料需求计划方法及系统 |
CN113947310A (zh) * | 2021-10-19 | 2022-01-18 | 福州大学 | 一种车间物料配送路径优化方法 |
CN114690728A (zh) * | 2022-05-18 | 2022-07-01 | 山东大学 | 一种用于物料快速运输的双向可调agv路径规划方法 |
CN114970925A (zh) * | 2021-02-26 | 2022-08-30 | 华晨宝马汽车有限公司 | 优化物流调度的方法和系统 |
CN115470651A (zh) * | 2022-09-30 | 2022-12-13 | 浙江工业大学 | 一种基于蚁群算法的带道路与时间窗车辆路径优化方法 |
CN115578023A (zh) * | 2022-10-31 | 2023-01-06 | 中国农业银行股份有限公司 | 一种装配车间调度方法、装置、设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8112300B2 (en) * | 2005-04-22 | 2012-02-07 | Air Liquide Large Industries U.S. Lp | Production optimizer for supply chain management |
-
2023
- 2023-09-11 CN CN202311169418.0A patent/CN117273318B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461473A (zh) * | 2019-01-22 | 2020-07-28 | 深圳市赢领智尚科技有限公司 | 一种aps服装排产方法及其系统 |
CN112418497A (zh) * | 2020-11-10 | 2021-02-26 | 河南科技大学 | 一种面向制造物联的物料配送路径优化方法 |
CN114970925A (zh) * | 2021-02-26 | 2022-08-30 | 华晨宝马汽车有限公司 | 优化物流调度的方法和系统 |
CN113627745A (zh) * | 2021-07-21 | 2021-11-09 | 苏州慧工云信息科技有限公司 | 一种物料需求计划方法及系统 |
CN113947310A (zh) * | 2021-10-19 | 2022-01-18 | 福州大学 | 一种车间物料配送路径优化方法 |
CN114690728A (zh) * | 2022-05-18 | 2022-07-01 | 山东大学 | 一种用于物料快速运输的双向可调agv路径规划方法 |
CN115470651A (zh) * | 2022-09-30 | 2022-12-13 | 浙江工业大学 | 一种基于蚁群算法的带道路与时间窗车辆路径优化方法 |
CN115578023A (zh) * | 2022-10-31 | 2023-01-06 | 中国农业银行股份有限公司 | 一种装配车间调度方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
多目标同时取送货车辆路径问题的改进蚁群算法;陈希琼 等;《控制理论与应用》;20181030(第9期);第135-144页 * |
机器人-人工拣选环境下混流装配线齐套物料配送优化;周晓晔 等;《计算机集成制造系统》;20220129;第1-17页 * |
面向无等待流水线生产的物料配套方法研究;刘海军;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20150715(第7期);第J152-438页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117273318A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107437137B (zh) | 供应链中的风险识别 | |
JP2006503352A (ja) | プランニング、スケジューリングおよびサプライ・チェーン・マネジメントを改善するためのシステムおよび方法 | |
US10346862B2 (en) | Migration system to migrate users to target services | |
CN111598487B (zh) | 数据处理和模型训练方法、装置、电子设备和存储介质 | |
CN115578023A (zh) | 一种装配车间调度方法、装置、设备和存储介质 | |
CN114663015A (zh) | 补货方法和装置 | |
CN112819215B (zh) | 推荐策略训练方法、装置、电子设备及可读存储介质 | |
CN117273318B (zh) | 物料齐套的分析方法和装置 | |
CN111353794B (zh) | 数据处理的方法、供应链调度的方法和装置 | |
CN113222490A (zh) | 一种库存分配方法和装置 | |
CN116579570A (zh) | 产品生产排产方法、装置、设备及介质 | |
CN115907926A (zh) | 商品的推荐方法、装置、电子设备及存储介质 | |
US20230130752A1 (en) | System and method for optimizing platform conversion through dynamic management of capacity in an ecommerce environment | |
US20200286024A1 (en) | Automated structured workflow recommendation system | |
US20210304220A1 (en) | Complex sourcing system | |
CN113780611A (zh) | 一种库存管理方法和装置 | |
WO2021112985A1 (en) | Systems and methods for user selection of wearable items for next shipment in electronic clothing subscription platform | |
CN113034076A (zh) | 物流承运对象推荐方法、装置、电子设备和存储介质 | |
CN115545402B (zh) | 一种资源适配方法、装置、电子设备及存储介质 | |
US20210304299A1 (en) | Complex sourcing system with infeasibility check | |
CN115204518A (zh) | 供应链信息处理方法、装置、设备及存储介质 | |
CN117237070A (zh) | 一种资源分配策略的评价方法、装置、设备及介质 | |
CN114169944A (zh) | 用户需求确定方法、装置、存储介质和电子设备 | |
CN114547416A (zh) | 一种媒体资源排序方法及电子设备 | |
CN114186841A (zh) | 高精地图任务分配方法、装置、电子设备及存储介质 |
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 |