CN117611226B - 基于单车定额和当量物流量的物流资源智能在线核算方法 - Google Patents

基于单车定额和当量物流量的物流资源智能在线核算方法 Download PDF

Info

Publication number
CN117611226B
CN117611226B CN202410086777.8A CN202410086777A CN117611226B CN 117611226 B CN117611226 B CN 117611226B CN 202410086777 A CN202410086777 A CN 202410086777A CN 117611226 B CN117611226 B CN 117611226B
Authority
CN
China
Prior art keywords
resource
logistics
scene
planning
daily
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
Application number
CN202410086777.8A
Other languages
English (en)
Other versions
CN117611226A (zh
Inventor
陈雨琦
孙宝凤
李根道
白杨
邓志华
裴彬
张雪桐
李磊
吴业成
丁威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN202410086777.8A priority Critical patent/CN117611226B/zh
Publication of CN117611226A publication Critical patent/CN117611226A/zh
Application granted granted Critical
Publication of CN117611226B publication Critical patent/CN117611226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于单车定额和当量物流量的物流资源智能在线核算方法，包括以下步骤：步骤S1：核算基础数据生成；步骤S2：物流资源核算模型构建；步骤S3：日生产计划下基于零件单车定额确定资源任务量；步骤S4：不同场景下任务量转化当量物流量；步骤S5：物流资源单位作业能力标定；步骤S6：基于当量物流量估算作业总时长；步骤S7：物流资源规划值智能化在线核算；本发明的优点是：实现全要素多场景的物流资源的精益核算和动态变更，用以指导工厂物流资源规划透明化和数字化，同时为工厂精益管控物流成本提供业务依据和技术方法指导。

Description

基于单车定额和当量物流量的物流资源智能在线核算方法
技术领域
本发明涉及生产物流规划技术和流程级数字化技术领域，具体涉及一种基于单车定额和当量物流量的物流资源智能在线核算方法。
背景技术
汽车市场竞争日趋激烈，个性化定制和大规模定制加剧了物流成本管控压力，汽车企业不仅需要从生产原材料采购过程中压缩采购成本，更需要在生产计划与管理过程中严格把控生产物流成本。其中，物流成本已经成为汽车企业核心竞争力之一，而物流成本的核算依据是以物流资源消耗的单价和总量为基础，为此，物流资源动态核算是生产物流规划及其成本控制的重要决策问题之一，研究物流资源动态核算方法，对于实现智慧工厂物流成本精益管控具有重要研究价值和实践意义。
1、现有方法基于作业成本法，仅将物流资源作为组成予以对象分摊，未充分体现物流资源的核算标准，对资源消耗与物流作业关系的紧密性和依赖性缺乏定量关联模型指导。
已报道的张川,张涛.企业物流成本控制研究综述:进展、评价与建议[J].财务研究（2019），其研究表明作业成本法更重视明确作业动因与资源消耗分配关系，为管理者提供了准确的成本信息。即将传统成本核算方法的单一分配标准改为按作业动因进行成本分配，使得资源消耗数量与作业过程紧密联系。但其对于如何量化作业动因并未给出方法。戴旭东,张圆.作业成本法在我国物流企业成本管控中的应用研究[J].物流科技（2023）也强调了作业成本法在企业成本管理控制的应用中需要加强各物流环节成本动因分析和业务价值管理。但是，其研究并未针对不同物流环节具体给出作业动因及其消耗的资源给出核算依据。
已报道的《用于产品生产环节的物流配送系统及其物流成本核算方法》，专利申请号：201910197996.2创建由生产线、配送中心和物流中心组成的多层次物流构成的服务体系，考虑利用生产厂家岗位数据对应各物流环节细化拆分工人成本，如管理人工费用、入库人工费用、拣货人工费用等，侧重物流成本数据的采集方法，并未给成本对应的资源消耗细节。专利《物流成本核算方法、装置、计算机设备和存储介质》，专利申请号：202110315889.2中资源指的是物流成本对应的多个资源，包括人工、场地、设备、管理等多种类型，将由资源向作业活动、再由作业活动向成本对象进行逐层分摊，从而将资源成本依据动因分摊到每个成本对象，即客户、产品、订单等，以提高对象分摊成本的准确性。上述“由资源向作业活动”这一层未给出各类资源消耗的计算方法。
2、针对现有物流资源规划基于规划阶段确定的预估产量和预估消耗量，不能反映物流资源实际消耗与当期任务量映射关系的不足，一方面，从资源投入规则角度，传统的物流资源基于规划值，并在运营过程中调整有限，而忽略了物流资源的实际消耗情况。在当前定制化生产的背景下，产品的多样性和月生产计划的变化加剧了物流资源消耗量与规划值之间的偏离程度，为此需要及时更新和调整物流资源的投入数量；另一方面，从结算方式影响角度，汽车制造业物流成本核算采用单位成本法（按辆份单价）结算，根据年度预估产量规划物流资源，并计算单车物流成本。当月度实际产量变动时，月度物流资源随之变动，单车价格随之变动。若月度物流资源消耗按年度规划值不变，则每月单车价格失真，月度费用结算差异大。
已报道的周福禄.基于时间驱动作业成本法的整车物流成本控制与优化，吉林大学硕士学位论文（2018）提出了一种自上而下整车物流成本分摊方法和物流成本控制方法，在其方法的第一步就是基于标准成本法计算总资源消耗，该方法由月度汽车销量确定为标准整车运输量，逐项合计运输、库存和管理的标准成本，（得到单车物流成本，统计资源投入数量和工作时间作为核算输入，得到单车单位时间物流成本，统计物流作业时间根据情境发生的概率拟合期望时间，在实际作业频次上积分），得到完成全部任务的标准资源消耗成本。其研究实现了基于标准成本的资源成本核算和基于有效时间的成本分摊，但是并未将生产计划变化带来任务量的变化体现在物流资源的核算规则中。
已报道的仝豫明.时间驱动作业成本法在物流企业中的应用研究[J].现代商贸工业（2022)采用时间驱动作业成本法将资源成本区分为已经耗用的资源和过剩产能成本，利用作业活动需要耗费的时间分配资源成本，计算出准确的成本动因分配率之后，考虑作业量，经过计算得到单位成本以及总成本，从而估计各物流活动需要消耗的物流资源，用以指导解决资源闲置问题。但上述研究仍未将生产计划带来任务量的变化机理与物流资源的核算进行定量关联，从而无法在现场运营阶段将真实投入的资源数据与模型测算数据进行对比优化。
3、当量物流量是一种按规定标准修正、折算的物流量，广泛应用于物流系统分析、规划与设计过程中，支持相关比较、分析和运算。
已报道的丁穗庭等.基于可重构思路的智慧车间优化布局算法[J].现代制造技术与装备（2018)和周娜等.基于遗传算法的车间布局多目标优化[J].工业工程（2011）的研究，采用当量物流量对不同类型物料的搬运量做量纲化处理，从而用一致的搬运价格标准核算物流成本，平衡了不同产品搬运的难度，以指导物流车间布局规划。常江.基于Flexsim的车身零部件焊装企业精益物流设计[D].沈阳工业大学（2022）结合玛格数法和经验估算法的理念，考虑物料包装和搬运器具对搬运工作量的影响，两种因素设计当量物流量的中间变量，即包装容量数和搬运器具的货位数，标定了各零件当量物流量的计算方法。上述研究均考虑采用当量物流量作为量化作业单元间物流流量的标准，从空间布局的视角精确调整车间布置方案，降低物流搬运成本，但均未考虑当量物流量作为影响资源作业任务量的关键因素，而在物流资源核算中应用。
发明内容
鉴于上述问题，本发明的目的是提供一种基于单车定额和当量物流量的物流资源智能在线核算方法，用于实现全要素多场景的物流资源的精益核算和动态变更，用以指导工厂物流资源规划透明化和数字化，同时为工厂精益管控物流成本提供业务依据和技术方法指导，以克服上述现有技术的不足。
为实现上述目的，本发明采用如下技术方案：
一种基于单车定额和当量物流量的物流资源智能在线核算方法，具体包括以下步骤：
步骤S1：核算基础数据生成；
利用制造运营管理系统和物流执行系统中的数据抓取物流资源核算所需的数据输入，形成物流核算多属性、关系型数据库；
步骤S2：物流资源核算模型构建；
对规划期内各资源的作业总时长进行核算，将其分摊至有效的日计划工作时间内，得到各场景下各作业类型所对应的资源规划值；
步骤S3：日生产计划下基于零件单车定额确定资源任务量；
由生产计划及零件单车用量估算资源任务量，根据日计划产量、零件单车定额、以及备用零件得到当日物流资源任务量；
步骤S4：不同场景下任务量转化当量物流量；
由已获取的资源任务量，根据每种场景作业规范的特点，通过多种类型活动中影响资源作业量的折算变量，规定每种物流活动当量物流量；
步骤S5：物流资源单位作业能力标定；
明确每个场景内相关作业动作的标准作业流程，根据标准作业流程，确定场景下不同物流模式对应资源各作业标准作业时间，得到场景下标准作业时间；
步骤S6：基于当量物流量估算作业总时长；
考虑规划期内资源完成作业的总时长由作业量和单位作业能力共同决定，计算场景下物流模式对应资源的作业总时长；
步骤S7：物流资源规划值智能化在线核算；
对月度规划期内每天的日资源规划数进行核算，得到月度日资源规划值集合，以及根据每日的资源规划值计算其均值及计划变化率；
由计划变化率判别生产稳定情景和生产波动情景，分别适配资源规划值基于均值迭代和最大值的计算，通过对生产计划变化的判别，适配资源投入的场景类型，得到生产稳定情景或生产波动情景下的月度投入资源规划值。
作为本发明的优选，在步骤S1中包括：
步骤S11：由制造运营管理系统（Manufacturing Operation Management，MOM）获取当前量产Workshop数据，Workshop数据包括：零件原单位信息、物流规划前提和生产计划；
零件原单位信息包括：零件种类、器具收容数/>和车辆收容数/>，其中，器具收容数/>为器具对零件整包装的收容数，车辆收容数/>为配送车辆挂载器具的收容数，/>为资源种类，/>表示器具，/>表示配送车辆资源，/>表示折算变量；
物流规划前提包括：车型种类、日计划工作时间/>和作业负荷率/>，其中，日计划工作时间/>为每日计划进行生产的额定工作时长，作业负荷率/>为资源在一定时间内完成有效作业量的能力；
生产计划包括：车型排产配比、生产计划节拍/>；计划兑现率/>，其中，车型排产配比/>为每种车型计划投产的比例；
步骤S12：由物流执行系统（Logistics Execution System，LES）获取物流3P（production preparation process）-Workshop规划数据，Workshop规划数据包括：物流模板信息和物料清单（Bill of Material，BOM）信息；
物流模板信息包括：物流模式、物流场景/>和供应路线，其中，物流模式/>包括：批量供应/>、准时化供应/>、顺建供应/>和成套（Set Parts Supply，SPS）供应/>；物流场景/>包括：卸货/>、入库/>、出库/>、备货/>和上线/>；供应路线为厂内物流通道中的供应路线；
物料清单信息包括：零件单车用量、单车包装体积/>和包装收容数/>，其中，零件单车用量/>为每种零件在每种车型上的使用数量，单车包装体积/>为每种零件的包装体积，包装收容数/>为每种零件对应包装对零件的收容数，/>表示零件种类，/>表示包装体积，/>表示折算变量，/>表示零件包装；
步骤S13：从制造运营管理系统和物流执行系统中的数据抓取物流资源核算所需的数据输入，形成物流核算多属性、关系型数据库。
作为本发明的优选，在步骤S2中包括：
步骤S21：考虑各资源的消耗原理，即资源作业量和单位作业能力共同决定所有资源完成任务的总作业时间，资源作业量为规划期内资源完成单位作业的频次，单位作业能力为资源完成单位作业所需消耗的标准时间，因此需对各场景作业量和资源单位作业能力分别进行标定，得到规划期内完成各类型作业的总作业时长，再根据规划期内时间的日计划工作时间和资源的作业负荷率得到各场景下各作业类型所对应的资源规划值为：
；
其中，表示各资源的作业总时长，/>表示日计划工作时间，/>表示资源的作业负荷率；
步骤S22：覆盖汽车生产所关联的物流全流程业务的核算规划，将工厂内物流拆解为相互独立的物流场景，对应每个物流场景，并识别完成物流作业消耗的关键资源/>；其中，将汽车总装车间的工厂内物流划分为卸货/>、入库/>、出库/>、备货/>和上线/>五个物流场景，参与内物流作业活动的物流资源/>包括人员/>、叉车/>、牵引车/>三种类型。
作为本发明的优选，在步骤S3中包括：步骤S31：工厂物流作业消耗与生产任务量成正比，而在混流生产模式下，生产计划与物流规划的波动直接影响零件种类和需求数量的变化，因此选取零件单车定额作为资源计划任务量的核算基准，即表示每种零件平均在单车上的计划使用数量，为此，物流资源核算方式亦同步基于零件单车定额；
步骤S32：当日物流资源任务量的计算方式；
调用物流资源核算数据库计算日计划产量：
；
其中，表示生产计划节拍，/>表示计划兑现率，/>表示日计划工作时间；
计算各零件对应的单车定额/>：
；
其中，为车型/>对应的车型排产配比，/>为车型/>对应零件/>的零件单车用量；
得到零件单车定额矩阵：
；
由日计划产量及零件单车定额/>计算当日零件需求量表征资源作业的任务量；同时，为保证生产的连续性，需在额定的零件需求量上增加一个单位的零件备用，因此得到对应零件/>的任务量/>为：
；
其中，表示日计划产量，/>为各零件/>对应的单车定额；
得到当日物流资源任务量矩阵：
。
作为本发明的优选，在步骤S4中包括：步骤S41：在物流资源核算时，不同物流场景下的作业量缺乏统一的标定基准，因此对全要素多场景下的规范化资源核算给定基于当量物流量的计算标准以表征资源作业量；由已获取的资源任务量，根据每种场景作业规范的特点，通过多种类型活动中影响资源作业量的折算变量，规定每种物流活动当量物流量的计算方式，以此统一工厂精益化物流资源核算所需要的作业量的计算标准；
步骤S42：当量物流量的计算方式；
计算卸货、入库/>、出库/>3个场景下对应当量物流量垛数/>、/>、/>为：
；
其中，为卸货/>场景的当量物流量垛数，/>为入库/>场景的当量物流量垛数，/>为出库/>场景的当量物流量垛数，对于/>种零件求和，/>为零件/>的单车包装体积，/>表示包装体积，/>表示折算变量，/>为零件/>的任务量，/>为零件/>的包装收容数，/>表示零件包装，/>表示折算变量；
对于备货场景，其资源作业类型为分拣作业，其分拣的作业量与器具收容数有关，因此在备货/>场景下选取分拣次数作为当量物流量；
计算备货场景的当量物流量分拣次数/>为：
；
其中，为备货/>场景的当量物流量分拣次数，对于/>种零件求和，/>为零件/>的任务量，/>为零件/>的器具收容数，/>表示器具，/>表示折算变量；
对于上线场景，其资源作业类型为上线配送作业，其配送的作业量与牵引车或叉车的收容数有关，因此在上线/>场景下选取上线次数作为当量物流量；
计算上线场景的当量物流量上线次数/>为：
；
其中，为上线/>场景的当量物流量上线次数，对于/>种零件求和，/>为零件/>的任务量，/>为零件/>的器具收容数，/>表示器具，/>表示折算变量，/>为资源配送车辆/>的车辆收容数，/>表示配送车辆资源，/>表示折算变量；
通过对资源任务量的折算，同时考虑不同场景下各物流模式所分配的任务量不同，由数据库中零件的物流模式划分各模式/>下的当量物流量/>，得到各场景各物流模式下资源作业当量物流量/>的矩阵：
。
作为本发明的优选，在步骤S5中包括：步骤S51：根据物流资源场景内的作业特点，明确每个场景内相关作业动作的标准作业流程，并通过物联网技术（Internet of Things，IOT）、无线载波通信技术（Ultra Wide Band，UWB）、智能穿戴设备数字化技术标定标准作业工时，作为物流资源的单位作业能力用于物流资源的动态核算；
步骤S52：对于每个物流场景，确定一套由物流资源参与的标准作业流程，该标准作业流程涵盖场景内的全部动作，根据不同的资源类型，可对每种资源分别给出标准作业流程，随着核算基准数值的变化，引发的物流活动被规范为标准作业进行重复；对于人员，由智能穿戴设备多次采集在不同动作下完成的时间，从而计算均值，将该值作为修正基础；人员动作时间的测量基础采用时间测量方法对标准工时赋值，其单位为时间测量单位；
步骤S53：根据标准作业流程，确定场景下不同物流模式/>对应资源/>各作业标准作业时间/>，得到/>场景下标准作业时间/>矩阵：
。
作为本发明的优选，在步骤S6中包括：步骤S61：计算场景下物流模式/>对应资源/>的作业总时长/>：
；
其中，为场景/>下模式/>对应的当量物流量，/>为/>场景下物流模式/>对应资源各作业标准作业时间；
得到作业总时长矩阵为：
。
作为本发明的优选，在步骤S7中包括：步骤S71：场景下各物流模式/>与资源类型/>对应的规划值/>核算公式为：
；
其中，为/>场景下物流模式/>对应资源/>的作业总时长，/>表示日计划工作时间，表示资源作业负荷率；
得到第日当日作业计划下的日资源规划值/>矩阵：
；
对月度规划期天内每天的日资源规划数进行核算，得到月度日资源规划值集合；考虑生产计划波动的影响，每日的规划值会随之变化，但资源投入的数量在月度内通常需保持为一个定值，且足以在计划工作时间和一定的延伸作业能力下完成每天的作业需求；因此考虑评估生产计划的波动程度，分情境智能化适配/>场景下月度资源规划值矩阵/>，/>为资源规划值，/>表示该规划值为月度资源规划值；
对每日场景的资源规划值计算其均值/>，并计算其方差/>表示计划变化率：
；
其中，为/>场景第/>日的日资源规划值，/>为/>场景月度资源规划值日均值，/>表示月度天数；
当计划变化率均小于等于15%时，适配该月为生产稳定情景，此情境下考虑由均值/>迭代得到月度投入资源规划值；
均值作为月度资源投入的规划初始值，以该资源规划值/>计算每天完成日作业计划所需的实际工作时间/>为：
；
其中，为/>场景第/>日的作业总时长，/>为/>场景下月度资源规划值；
对月度内每天计算第日资源风险系数/>：
；
其中，为第/>日实际工作时间，/>为日计划工作时间；
判断该资源规划值下月度每天的资源风险系数是否均小于等于12.5%，若成立，该规划值则可作为月度资源规划值，反之对该值进行步长为1的自增，直至满足风险判断条件，得到生产稳定情景下的月度投入资源规划值；
当计划变化率均大于15%时，认为该月属于生产波动情景，为保证对抗生产计划变更的能力，取最大值/>作为生产稳定波动下的月度投入资源规划值；
综上，通过对生产计划变化的判别，适配资源投入的场景类型，得到两种情境下的月度投入资源规划值矩阵；
。
本发明的优点及积极效果是：
1、本发明的汽车物流资源智能化在线核算，对于响应个性化定制和大规模定制的快速变化要求，建立精益核算模型和动态变更机制的物流资源动态核算方法，可以有效解决现有物流资源核算资源消耗与物流作业关系的紧密性差、资源核算标准不透明、资源动态变更不及时等实际问题。
2、本发明的物流资源核算模型依据时间驱动的作业成本法，采用MTM标定的标准作业时间明晰了资源消耗的成因，资源消耗总量计算体现了单位时间的作业能力,全面构建了物流资源消耗的单价和总量之间的量化关系。
3、本发明运用当量物流量作为中间转换标准变量，计算和分析物流资源消耗量和完成作业量。
4、本发明由物流资源实际投入，真实反映物流成本。推进梳理潜在的成本因果关系，以指导运营管理。适应生产计划变更常态化，实现自适应动态响应运算。实现物流资源核算、运行和优化全过程透明及精准管控目标。
附图说明
图1为本发明基于单车定额和当量物流量的物流资源智能在线核算方法的流程图。
实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。
下面结合附图1，详细说明本发明的技术方案及发明要点。
本实施例以汽车生产制造涉及的物流活动中的所有物流资源为研究对象，创新性地提出了一种基于单车定额和当量物流量的物流资源智能在线核算方法，具体包括以下步骤：
步骤S1：核算基础数据生成；
由制造运营管理系统（Manufacturing Operation Management，MOM）获取当前量产Workshop数据，包括零件原单位信息、物流规划前提和生产计划。
其中，零件原单位信息包括：零件种类；器具收容数/>，即器具对零件整包装的收容数，其中/>为零件种类，/>表示器具，/>表示折算变量；车辆收容数/>，即配送车辆挂载器具的收容数，其中/>为资源种类，/>表示配送车辆资源，/>表示折算变量。
物流规划前提包括：车型种类；日计划工作时间/>，为每日计划进行生产的额定工作时长；作业负荷率/>，表示资源在一定时间内完成有效作业量的能力。
生产计划包括：车型排产配比，即每种车型计划投产的比例；生产计划节拍/>；计划兑现率/>。
由物流执行系统（Logistics Execution System，LES）获取物流3P（productionpreparation process）-Workshop规划数据，包括物流模板信息和物料清单（Bill ofMaterial，BOM）信息。
其中，物流模板信息包括：物流模式，即批量供应/>、准时化供应/>、顺建供应/>和成套（Set Parts Supply，SPS）供应/>四种方式；物流场景/>，即卸货/>、入库/>、出库/>、备货/>和上线/>五个物流场景；供应路线，即厂内物流通道中的供应路线。
物料清单信息包括：零件单车用量，表示每种零件在每种车型上的使用数量；单车包装体积/>，表示每种零件的包装体积，其中/>为零件种类，/>表示包装体积，/>表示折算变量；包装收容数/>，为每种零件对应包装对零件的收容数，其中/>为零件种类，/>表示零件包装，/>表示折算变量。
从以上两个系统中的数据抓取物流资源核算所需的数据输入，形成物流核算多属性、关系型数据库。
步骤S2：物流资源核算模型构建；
本实施例中依据时间驱动作业成本法的思想，由资源作业时间进行资源分配，因此需对规划期内各资源的作业总时长进行核算，将其分摊至有效的日计划工作时间内，即得到资源的规划值。
考虑各资源的消耗原理，即资源作业量和单位作业能力共同决定所有资源完成任务的总作业时间，资源作业量为规划期内资源完成单位作业的频次，单位作业能力为资源完成单位作业所需消耗的标准时间，因此需对各场景作业量和资源单位作业能力分别进行标定，得到规划期内完成各类型作业的总作业时长，再根据规划期内时间的日计划工作时间和资源的作业负荷率得到各场景下各作业类型所对应的资源规划值为：
；
其中为各资源的作业总时长，/>为日计划工作时间，/>为资源的作业负荷率。
为实现覆盖汽车生产所关联的物流全流程业务的核算规划，将工厂内物流拆解为相互独立的物流场景。对应每个物流场景，并识别完成物流作业消耗的关键资源/>。在本实施例中，将汽车总装车间的工厂内物流划分为卸货/>、入库/>、出库/>、备货/>和上线/>五个物流场景。参与内物流作业活动的物流资源/>包括人员/>、叉车/>、牵引车/>三种类型。
步骤S3：日生产计划下基于零件单车定额确定资源任务量；
由生产计划及零件单车用量估算资源任务量，考虑工厂物流作业消耗与生产任务量成正比，而在混流生产模式下，生产计划与物流规划的波动直接影响零件种类和需求数量的变化，因此选取零件单车定额作为资源计划任务量的核算基准，即表示每种零件平均在单车上的计划使用数量。为此，本实施例中的物流资源核算方式亦同步基于零件单车定额，这种改变实现了由传统的物流资源按照“年度预估产能（预估总成本）测算”向当前的“月度单车成本结算”的转变，既体现了物流资源消耗量随月生产计划变化而变化的情况，又直接对接物流成本按照单车定额结算的要求。
调用物流核算多属性、关系型数据库的物流资源核算数据库计算日计划产量：
；
其中，为生产计划节拍，/>为计划兑现率，/>为日计划工作时间。
计算各零件对应的单车定额/>：
；
其中，为车型/>对应的车型排产配比，/>为车型/>对应零件/>的零件单车用量。
得到零件单车定额矩阵：/>
；
由日计划产量及零件单车定额/>计算当日零件需求量表征资源作业的任务量。同时，为保证生产的连续性，需在额定的零件需求量上增加一个单位的零件备用，因此得到对应零件/>的任务量/>为：
；
其中，为日计划产量，/>为各零件/>对应的单车定额。
得到当日物流资源任务量矩阵：
。
步骤S4：不同场景下任务量转化当量物流量；
本实施例中，在物流资源核算时，不同物流场景下的作业量缺乏统一的标定基准，因此需要对全要素多场景下的规范化资源核算给定基于当量物流量的计算标准以表征资源作业量。由已获取的资源任务量，根据每种场景作业规范的特点，通过多种类型活动中影响资源作业量的折算变量，规定每种物流活动当量物流量的计算方法，以此统一工厂精益化物流资源核算所需要的作业量的计算标准。
在本实施例中，卸货、入库/>、出库/>3个场景下的资源作业类型均为搬运作业，其搬运的作业量与零件包装体积正相关，因此这三种场景下均选取垛数作为当量物流量。
计算卸货、入库/>、出库/>3个场景下对应当量物流量垛数/>、/>、/>为：
；
其中，为卸货/>场景的当量物流量垛数，/>为入库/>场景的当量物流量垛数，/>为出库/>场景的当量物流量垛数，对于/>种零件求和，/>为零件/>的单车包装体积，/>表示包装体积，/>表示折算变量，/>为零件/>的任务量，/>为零件/>的包装收容数，/>表示零件包装，/>表示折算变量。
对于备货场景，其资源作业类型为分拣作业，其分拣的作业量与器具收容数有关，因此在备货/>场景下选取分拣次数作为当量物流量。
计算备货场景的当量物流量分拣次数/>为：
；
其中，为备货/>场景的当量物流量分拣次数，对于/>种零件求和，/>为零件/>的任务量，/>为零件/>的器具收容数，/>表示器具，/>表示折算变量。
对于上线场景，其资源作业类型为上线配送作业，其配送的作业量与牵引车或叉车的收容数有关，因此在上线/>场景下选取上线次数作为当量物流量。
计算上线场景的当量物流量上线次数/>为：
；
其中，为上线/>场景的当量物流量上线次数，对于/>种零件求和，/>为零件/>的任务量，/>为零件/>的器具收容数，/>表示器具，/>表示折算变量，/>为资源配送车辆/>的车辆收容数，/>表示配送车辆资源，/>表示折算变量。
通过对资源任务量的折算，同时考虑不同场景下各物流模式所分配的任务量不同，由数据库中零件的物流模式划分各模式/>下的当量物流量/>，得到各场景各物流模式下资源作业当量物流量/>的矩阵：
。
步骤S5：物流资源单位作业能力标定；
根据物流资源场景内的作业特点，明确每个场景内相关作业动作的标准作业流程，并通过物联网技术（Internet of Things，IOT）、无线载波通信技术（Ultra Wide Band，UWB）、智能穿戴设备等数字化技术标定标准作业工时，作为物流资源的单位作业能力用于物流资源的动态核算。
对于每个物流场景，确定一套由物流资源参与的标准作业流程，该标准作业流程涵盖场景内的全部动作，根据不同的资源类型，可对每种资源分别给出标准作业流程，随着核算基准数值的变化，引发的物流活动被规范为标准作业进行重复。对于人员，由智能穿戴设备多次采集在不同动作下完成的时间，从而计算均值，将该值作为修正基础。人员动作时间的测量基础采用时间测量方法（Methods-Time-Measurement，MTM）对标准工时赋值，其单位为时间测量单位（Time Measurement Unit，TMU），1TMU=0.036秒。根据MTM方法的编码规则对每个分解动作编码，每个分解动作的时间（分钟）=TMU×0.0006×系数。
根据资源标准作业流程，确定场景下不同物流模式/>对应资源/>各作业标准作业时间/>，得到/>场景下标准作业时间/>矩阵：
。/>
步骤S6：基于当量物流量估算作业总时长；
考虑规划期内资源完成作业的总时长由作业量和单位作业能力共同决定，计算场景下物流模式/>对应资源/>的作业总时长/>：
；
其中，为场景/>下模式/>对应的当量物流量，/>为/>场景下物流模式/>对应资源各作业标准作业时间。
得到作业总时长矩阵为：
。
步骤S7：物流资源规划值智能化在线核算；
读取步骤S1所构建的物流核算多属性、关系型数据库，获得物流资源核算模型参数输入。
根据步骤S2-S6所构建的物流资源核算模型，得到场景下各物流模式/>与资源类型/>对应的规划值/>核算公式为：
；
其中，为/>场景下物流模式/>对应资源/>的作业总时长，/>为日计划工作时间，/>为资源作业负荷率。
得到第日当日作业计划下的日资源规划值/>矩阵：
；
对月度规划期天内每天的日资源规划数进行核算，得到月度日资源规划值集合。考虑生产计划波动的影响，每日的规划值会随之变化，但资源投入的数量在月度内通常需保持为一个定值，且足以在计划工作时间和一定的延伸作业能力（加班工作时间）下完成每天的作业需求。因此考虑评估生产计划的波动程度，分情境智能化适配/>场景下月度资源规划值矩阵/>，/>为资源规划值，/>表示该规划值为月度资源规划值。
对每日场景的资源规划值计算其均值/>，并计算其方差/>表示计划变化率：
；
其中，为/>场景第/>日的日资源规划值，/>为/>场景月度资源规划值日均值，/>表示月度天数。
当计划变化率均小于等于15%时，适配该月为生产稳定情景，此情境下考虑由均值/>迭代得到月度投入资源规划值。
均值作为月度资源投入的规划初始值，以该资源规划值/>计算每天完成日作业计划所需的实际工作时间/>为：
；
其中，为/>场景第/>日的作业总时长，/>为/>场景下月度资源规划值。
对月度内每天计算第日资源风险系数/>：
；
其中，为第/>日实际工作时间，/>为日计划工作时间。
判断该资源规划值下月度每天的资源风险系数是否均小于等于12.5%，若成立，该规划值则可作为月度资源规划值，反之对该值进行步长为1的自增，直至满足风险判断条件，得到生产稳定情景下的月度投入资源规划值。
当计划变化率均大于15%时，认为该月属于生产波动情景，为保证对抗生产计划变更的能力，取最大值/>作为生产稳定波动下的月度投入资源规划值。
综上，通过对生产计划变化的判别，智能化适配资源投入的场景类型，得到两种情境下的月度投入资源规划值矩阵。
。
仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (2)

1.一种基于单车定额和当量物流量的物流资源智能在线核算方法，其特征在于，包括以下步骤：
步骤S1：核算基础数据生成；
利用制造运营管理系统和物流执行系统中的数据抓取物流资源核算所需的数据输入，形成物流核算多属性、关系型数据库；
步骤S11：由制造运营管理系统获取当前量产Workshop数据，Workshop数据包括：零件原单位信息、物流规划前提和生产计划；
零件原单位信息包括：零件种类P、器具收容数和车辆收容数/>其中，器具收容数/>为器具对零件整包装的收容数，车辆收容数/>为配送车辆挂载器具的收容数，R为资源种类，cnt表示器具，trn表示配送车辆资源，M表示折算变量；
物流规划前提包括：车型种类V、日计划工作时间H和作业负荷率δ，其中，日计划工作时间H为每日计划进行生产的额定工作时长，作业负荷率δ为资源在一定时间内完成有效作业量的能力；
生产计划包括：车型排产配比X、生产计划节拍α；计划兑现率β，其中，车型排产配比X为每种车型计划投产的比例；
步骤S12：由物流执行系统获取物流3P-规划数据，规划数据包括：物流模板信息和物料清单信息；
物流模板信息包括：物流模式K、物流场景S和供应路线，其中，物流模式K包括：批量供应k1、准时化供应k2、顺建供应k3和成套供应k4；物流场景S包括：卸货s1、入库s2、出库s3、备货s4和上线s5；供应路线为厂内物流通道中的供应路线；
物料清单信息包括：零件单车用量U、单车包装体积和包装收容数/>其中，零件单车用量U为每种零件在每种车型上的使用数量，单车包装体积/>为每种零件的包装体积，包装收容数/>为每种零件对应包装对零件的收容数，P表示零件种类，vol表示包装体积，M表示折算变量，pkg表示零件包装；
步骤S13：从制造运营管理系统和物流执行系统中的数据抓取物流资源核算所需的数据输入，形成物流核算多属性、关系型数据库；
步骤S2：物流资源核算模型构建；
对规划期内各资源的作业总时长进行核算，将其分摊至有效的日计划工作时间内，得到各场景下各作业类型所对应的资源规划值；
步骤S21：考虑各资源的消耗原理，即资源作业量和单位作业能力共同决定所有资源完成任务的总作业时间，资源作业量为规划期内资源完成单位作业的频次，单位作业能力为资源完成单位作业所需消耗的标准时间，因此需对各场景作业量和资源单位作业能力分别进行标定，得到规划期内完成各类型作业的总作业时长，再根据规划期内时间的日计划工作时间和资源的作业负荷率得到各场景下各作业类型所对应的资源规划值N为：
其中，T表示各资源的作业总时长，H表示日计划工作时间，δ表示资源的作业负荷率；
步骤S22：覆盖汽车生产所关联的物流全流程业务的核算规划，将工厂内物流拆解为相互独立的物流场景S，对应每个物流场景，并识别完成物流作业消耗的关键资源R；其中，将汽车总装车间的工厂内物流划分为卸货s1、入库s2、出库s3、备货s4和上线s5五个物流场景，参与内物流作业活动的物流资源R包括人员r1、叉车r2、牵引车r31三种类型；
步骤S3：日生产计划下基于零件单车定额确定资源任务量；
由生产计划及零件单车用量估算资源任务量，根据日计划产量、零件单车定额、以及备用零件得到当日物流资源任务量；
步骤S4：不同场景下任务量转化当量物流量；
由已获取的资源任务量，根据每种场景作业规范的特点，通过多种类型活动中影响资源作业量的折算变量，规定每种物流活动当量物流量；
步骤S41：在物流资源核算时，不同物流场景下的作业量缺乏统一的标定基准，因此对全要素多场景下的规范化资源核算给定基于当量物流量的计算标准以表征资源作业量；由已获取的资源任务量，根据每种场景作业规范的特点，通过多种类型活动中影响资源作业量的折算变量，规定每种物流活动当量物流量Q的计算方式，以此统一工厂精益化物流资源核算所需要的作业量的计算标准；
步骤S42：当量物流量Q的计算方式；
计算卸货s1、入库s2、出库s33个场景下对应当量物流量垛数q1、q2、q3为：
其中，q1为卸货s1场景的当量物流量垛数，q2为入库s2场景的当量物流量垛数，q3为出库s3场景的当量物流量垛数，对于P种零件求和，为零件p的单车包装体积，vol表示包装体积，M表示折算变量，dp为零件p的任务量，/>为零件p的包装收容数，pkg表示零件包装，M表示折算变量；
对于备货s4场景，其资源作业类型为分拣作业，其分拣的作业量与器具收容数有关，因此在备货s4场景下选取分拣次数作为当量物流量；
计算备货s4场景的当量物流量分拣次数q4为：
其中，q4为备货s4场景的当量物流量分拣次数，对于P种零件求和，dp为零件p的任务量，为零件p的器具收容数，cnt表示器具，M表示折算变量；
对于上线s5场景，其资源作业类型为上线配送作业，其配送的作业量与牵引车或叉车的收容数有关，因此在上线s5场景下选取上线次数作为当量物流量；
计算上线s5场景的当量物流量上线次数q5为：
其中，q5为上线s5场景的当量物流量上线次数，对于P种零件求和，dp为零件p的任务量，为零件p的器具收容数，cnt表示器具，M表示折算变量，/>为资源配送车辆r的车辆收容数，trn表示配送车辆资源，M表示折算变量；
通过对资源任务量的折算，同时考虑不同场景s下各物流模式所分配的任务量不同，由数据库中零件的物流模式划分各模式k下的当量物流量qsk，得到各场景各物流模式下资源作业当量物流量Q的矩阵：
步骤S5：物流资源单位作业能力标定；
明确每个场景内相关作业动作的标准作业流程，根据标准作业流程，确定场景下不同物流模式对应资源各作业标准作业时间，得到场景下标准作业时间；
步骤S51：根据物流资源场景内的作业特点，明确每个场景内相关作业动作的标准作业流程，并通过物联网技术、无线载波通信技术、智能穿戴设备数字化技术标定标准作业工时，作为物流资源的单位作业能力用于物流资源的动态核算；
步骤S52：对于每个物流场景，确定一套由物流资源参与的标准作业流程，该标准作业流程涵盖场景内的全部动作，根据不同的资源类型，可对每种资源分别给出标准作业流程，随着核算基准数值的变化，引发的物流活动被规范为标准作业进行重复；对于人员，由智能穿戴设备多次采集在不同动作下完成的时间，从而计算均值，将该值作为修正基础；人员动作时间的测量基础采用时间测量方法对标准工时赋值，其单位为时间测量单位；
步骤S53：根据标准作业流程，确定s场景下不同物流模式k对应资源r各作业标准作业时间stskr，得到s场景下标准作业时间STs矩阵：
步骤S6：基于当量物流量估算作业总时长；
考虑规划期内资源完成作业的总时长由作业量和单位作业能力共同决定，计算场景下物流模式对应资源的作业总时长；
步骤S61：计算s场景下物流模式k对应资源r的作业总时长tskr：
tskr＝qsk·stskr；
其中，qsk为场景s下模式k对应的当量物流量，stskr为s场景下物流模式k对应资源r各作业标准作业时间；
得到作业总时长Ts矩阵为：
步骤S7：物流资源规划值智能化在线核算；
对月度规划期内每天的日资源规划数进行核算，得到月度日资源规划值集合，以及根据每日的资源规划值计算其均值及计划变化率；
由计划变化率判别生产稳定情景和生产波动情景，分别适配资源规划值基于均值迭代和最大值的计算，通过对生产计划变化的判别，适配资源投入的场景类型，得到生产稳定情景或生产波动情景下的月度投入资源规划值；
步骤S71：s场景下各物流模式k与资源类型r对应的规划值nskr核算公式为：
其中，tskr为s场景下物流模式k对应资源r的作业总时长，H表示日计划工作时间，δ表示资源作业负荷率；
得到第i日当日作业计划下的日资源规划值Nsi矩阵：
对月度规划期I天内每天的日资源规划数进行核算，得到月度日资源规划值集合；考虑生产计划波动的影响，每日的规划值会随之变化，但资源投入的数量在月度内通常需保持为一个定值，且足以在计划工作时间和一定的延伸作业能力下完成每天的作业需求；因此考虑评估生产计划的波动程度，分情境智能化适配s场景下月度资源规划值矩阵N为资源规划值，mth表示该规划值为月度资源规划值；
对每日s场景的资源规划值计算其均值并计算其方差/>表示计划变化率：
其中，Nsi为s场景第i日的日资源规划值，为s场景月度资源规划值日均值，I表示月度天数；
当计划变化率均小于等于15％时，适配该月为生产稳定情景，此情境下考虑由均值迭代得到月度投入资源规划值；
均值作为月度资源投入的规划初始值，以该资源规划值/>计算每天完成日作业计划所需的实际工作时间Hi ′为：
其中，Tsi为s场景第i日的作业总时长，为s场景下月度资源规划值；
对月度内每天计算第i日资源风险系数μi：
其中，Hi ′为第i日实际工作时间，H为日计划工作时间；
判断该资源规划值下月度每天的资源风险系数μi是否均小于等于12.5％，若成立，该规划值则可作为月度资源规划值，反之对该值进行步长为1的自增，直至满足风险判断条件，得到生产稳定情景下的月度投入资源规划值；
当计划变化率均大于15％时，认为该月属于生产波动情景，为保证对抗生产计划变更的能力，取最大值max0≤i≤I Nsi作为生产稳定波动下的月度投入资源规划值；
综上，通过对生产计划变化的判别，适配资源投入的场景类型，得到两种情境下的月度投入资源规划值矩阵
2.根据权利要求1所述的一种基于单车定额和当量物流量的物流资源智能在线核算方法，其特征在于，包括：
步骤S31：工厂物流作业消耗与生产任务量成正比，而在混流生产模式下，生产计划与物流规划的波动直接影响零件种类和需求数量的变化，因此选取零件单车定额作为资源计划任务量的核算基准，即表示每种零件平均在单车上的计划使用数量，为此，物流资源核算方式亦同步基于零件单车定额；
步骤S32：当日物流资源任务量的计算方式；
调用物流资源核算数据库计算日计划产量C：
C＝α·β·H；
其中，α表示生产计划节拍，β表示计划兑现率，H表示日计划工作时间；
计算各零件p对应的单车定额eP：
eP＝xv·uvp；
其中，xv为车型v对应的车型排产配比，uvp为车型v对应零件p的零件单车用量；
得到零件单车定额E矩阵：
E＝[e1,e2…eP]；
由日计划产量C及零件单车定额E计算当日零件需求量表征资源作业的任务量；同时，为保证生产的连续性，需在额定的零件需求量上增加一个单位的零件备用，因此得到对应零件p的任务量dp为：
dp＝C·eP+1；
其中，C表示日计划产量，eP为各零件p对应的单车定额；
得到当日物流资源任务量D矩阵：
D＝[d1,d2…dp]。
CN202410086777.8A 2024-01-22 2024-01-22 基于单车定额和当量物流量的物流资源智能在线核算方法 Active CN117611226B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410086777.8A CN117611226B (zh) 2024-01-22 2024-01-22 基于单车定额和当量物流量的物流资源智能在线核算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410086777.8A CN117611226B (zh) 2024-01-22 2024-01-22 基于单车定额和当量物流量的物流资源智能在线核算方法

Publications (2)

Publication Number Publication Date
CN117611226A CN117611226A (zh) 2024-02-27
CN117611226B true CN117611226B (zh) 2024-04-09

Family

ID=89960144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410086777.8A Active CN117611226B (zh) 2024-01-22 2024-01-22 基于单车定额和当量物流量的物流资源智能在线核算方法

Country Status (1)

Country Link
CN (1) CN117611226B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251908A (zh) * 2007-12-27 2008-08-27 北京奥腾讯达科技有限公司 远程物流优化管理和咨询系统
CN101441731A (zh) * 2007-08-27 2009-05-27 北京奥腾讯达科技有限公司 物流优化管理系统
KR20130016857A (ko) * 2011-08-09 2013-02-19 (주) 디지털팩토리 실시간 공장상황을 반영한 디지털팩토리 최적 생산계획 및 실적 확인시스템
CN107909325A (zh) * 2017-11-24 2018-04-13 九州通医药集团物流有限公司 基于医药企业物流成本的精细化核算方法
CN108470226A (zh) * 2018-03-27 2018-08-31 重庆邮电大学 一种物流系统收益最大化方法
CN109993483A (zh) * 2019-03-15 2019-07-09 安徽省司尔特肥业股份有限公司 用于产品生产环节的物流配送系统及其物流成本核算方法
CN110717716A (zh) * 2019-10-10 2020-01-21 安徽九州通智能科技有限公司 一种云物流平台及构建方法
CN114240168A (zh) * 2021-12-17 2022-03-25 长沙智能制造研究总院有限公司 基于军工智能装备行业高级计划排程方法及系统
CN114297837A (zh) * 2021-12-21 2022-04-08 北京紫微宇通科技有限公司 一种卫星总装生产线智能管理系统设计方法
CN115079655A (zh) * 2022-07-12 2022-09-20 安徽云轨信息科技有限公司 一种基于数据分析的数字化智慧车间系统
CN115081868A (zh) * 2022-06-20 2022-09-20 青岛优云智联科技有限公司 一种面向业务流程的erp加mes管理业务系统及其推送方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101441731A (zh) * 2007-08-27 2009-05-27 北京奥腾讯达科技有限公司 物流优化管理系统
CN101251908A (zh) * 2007-12-27 2008-08-27 北京奥腾讯达科技有限公司 远程物流优化管理和咨询系统
KR20130016857A (ko) * 2011-08-09 2013-02-19 (주) 디지털팩토리 실시간 공장상황을 반영한 디지털팩토리 최적 생산계획 및 실적 확인시스템
CN107909325A (zh) * 2017-11-24 2018-04-13 九州通医药集团物流有限公司 基于医药企业物流成本的精细化核算方法
CN108470226A (zh) * 2018-03-27 2018-08-31 重庆邮电大学 一种物流系统收益最大化方法
CN109993483A (zh) * 2019-03-15 2019-07-09 安徽省司尔特肥业股份有限公司 用于产品生产环节的物流配送系统及其物流成本核算方法
CN110717716A (zh) * 2019-10-10 2020-01-21 安徽九州通智能科技有限公司 一种云物流平台及构建方法
CN114240168A (zh) * 2021-12-17 2022-03-25 长沙智能制造研究总院有限公司 基于军工智能装备行业高级计划排程方法及系统
CN114297837A (zh) * 2021-12-21 2022-04-08 北京紫微宇通科技有限公司 一种卫星总装生产线智能管理系统设计方法
CN115081868A (zh) * 2022-06-20 2022-09-20 青岛优云智联科技有限公司 一种面向业务流程的erp加mes管理业务系统及其推送方法
CN115079655A (zh) * 2022-07-12 2022-09-20 安徽云轨信息科技有限公司 一种基于数据分析的数字化智慧车间系统

Also Published As

Publication number Publication date
CN117611226A (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
US7860737B2 (en) Constraint-based production planning and scheduling
US6594535B1 (en) Material and inventory control system for a demand flow process
US20090043625A1 (en) Process Management System and Method
US20050171828A1 (en) A method for considering hierarchical preemptive demand priorities in a supply chain optimization model
CN101099120A (zh) 定购和预测生产混合时的生产计划方法和生产计划系统
US7925365B2 (en) Rough-cut capacity planning with production constraints and dynamic bottleneck considerations
JP2017072870A (ja) 損益予測装置及び損益予測プログラム
CN109117990A (zh) 一种核电站备件库存预测及指标分解装置
CN108960741A (zh) 一种核电站群厂备件库存管理系统
CN115860508A (zh) 核电仓储工程量计量方法、装置、计算机设备及介质
Leung et al. A robust optimization model for production planning of perishable products
CN114239989A (zh) 一种物料需求计划的计算方法、系统、设备及存储介质
CN117611226B (zh) 基于单车定额和当量物流量的物流资源智能在线核算方法
US20100076806A1 (en) Inventory management tool using a criticality measure
WO2006082808A1 (ja) 納期回答プログラム、納期回答方法、及びこの方法を実行するシステム
JP5089352B2 (ja) 販売生産計画システム、販売生産計画システムの動作方法及びコンピュータプログラム
US20240028983A1 (en) Method of production scheduling for product, electronic device and storage medium
Eskigun et al. Outbound supply chain network design with mode selection and lead time considerations
US20070016318A1 (en) Systems and methods for determining production availability
CN113762842B (zh) 仓储调度方法、服务器和系统
Kunert Design for Stability in Transport Logistics-Definition, Concepts and Evaluation
JP2004292101A (ja) 発注処理支援システム及び方法
Herding A short-term demand supply matching approach for semiconductor supply chains
JP5102525B2 (ja) 複数の需要日及び優先順位を含む需要のための材料要求計画を計算する方法
JP2016184250A (ja) 損益予測装置及び損益予測プログラム

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