CN117709697B - 一种云制造环境下面向资源调度的调控系统及方法 - Google Patents
一种云制造环境下面向资源调度的调控系统及方法 Download PDFInfo
- Publication number
- CN117709697B CN117709697B CN202410168983.3A CN202410168983A CN117709697B CN 117709697 B CN117709697 B CN 117709697B CN 202410168983 A CN202410168983 A CN 202410168983A CN 117709697 B CN117709697 B CN 117709697B
- Authority
- CN
- China
- Prior art keywords
- supplier
- suppliers
- sieve
- purchasing
- task
- 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 128
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012216 screening Methods 0.000 claims description 62
- 238000009826 distribution Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 25
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于云制造任务调度技术领域,尤其涉及一种云制造环境下面向资源调度的调控系统及方法,该系统包括云平台、信息存储单元、信息采集单元、供应方筛选单元和任务分解单元,通过从运输成本、生产效率、生产资源利用率、信誉度、综合单件成本等方面对供应方进行多级筛选,使终选供应方在满足生产需求的同时,还能够满足低成本、高质量、高生产资源利用率的要求,从而使采购方与供应方双方均可受益,符合降本增效的需求。此外,本发明在对任务进行分配时,还合理考虑了各终选供应方在未来一段时间内能够完成的最大生产量,并依此对各终选供应方的任务量按比例分配,保证各终选供应方的生产资源均能够得到合理充分的应用。
Description
技术领域
本发明属于云制造任务调度技术领域,尤其涉及一种云制造环境下面向资源调度的调控系统及方法。
背景技术
云制造是一种基于物联网、云计算以及大数据等技术的新型制造模式,云制造资源服务化是一个实际应用,它利用云计算技术将制造资源、模型、服务等进行分配和整合,以实现资源的优化配置和服务化转型。
但是在实际分配过程中,通常会着重考虑采购方的利益,并以低成本为导向来进行,导致经常出现部分供应方订单资源获取率较高、部分供应方订单获取率较低的情况,以至于生产资源无法得到充分的利用,严重时甚至会存在劣币驱除良币的恶性竞争。此外,在配送生产资源时,同样会着重考虑采购方的利益并以低成本为指标,这就导致区域内运输资源无法得到充分的利用,不利于良性竞争发展。为解决上述问题,急需提供一种能够在低成本的基础上尽可能高效的利用生产资源与运输资源的调控系统。
发明内容
本发明的目的在于提供一种云制造环境下面向资源调度的调控系统及方法,以解决现有技术中生产资源与运输资源分配着重考虑采购方的利益而导致生产资源与运输资源利用不合理的问题。
本发明提供了一种云制造环境下面向资源调度的调控系统,用于综合考虑采购方、供应方和配送方三方的利益,并合理的对云制造资源进行分配,该系统包括:
云平台,获取采购方发布采购需求信息并分配至供应方和配送方,同时实时更新供应方和配送方已承接任务状态;
信息存储单元,用于存储采购方、供应方和配送方基本信息,并接收云平台已获取的信息;
信息采集单元,用于调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,并从中采集关键信息;
供应方筛选单元,基于关键信息对供应方进行多级筛选后确定终选供应方;
任务分解单元,基于确定的终选供应方将采购方的采购总任务量分解后确定每个终选供应方的分配任务量。
优选的,所述采购需求信息包括采购人、采购方式、采购范围、工期要求、项目地点和最高限价。
优选的,所述关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类,其中采购方关键信息包括地理位置、提出时刻、交付时刻、交付点和采购总任务量,供应方关键信息包括地理位置、运输方式、职工数量、工作时间、机器数量、职工生产效率、历史交易记录、历史客户、历史任务完成量、历史客户信誉度评分、已承接采购方数量、已承接的各采购方采购总任务量和已承接采购方任务进行状态,配送方关键信息包括运输方式、地理位置、职工数量、工作时间、车辆数量、历史客户和车辆历史使用时长记录。
优选的,所述供应方筛选单元中对供应方进行多级筛选的过程具体包括:
S11、基于单件运输成本与配送方的繁荣系数对供应方进行第一次筛选,获得供应方一筛表,具体为:
S111、根据每个供应方与交付点之间的运输方式与路径距离计算出每个供应方的单件运输成本c;
S112、根据每个供应方与交付点之间的运输路径为每个供应方确定一个路径距离最小的配送方作为与该供应方相匹配的配送方,其中每个供应方与交付点之间的运输路径为:配送方——供应方——交付点,同时计算出与每个供应方相匹配的配送方的繁荣系数,计算公式如下:
,
式中,t1为预设时间系数,为过去的t1时间内配送方全部车辆使用总时长,n为配送方全部车辆的数量;
S113、基于单件运输成本c与繁荣系数,计算出每个供应方的第一筛选系数Z1,计算公式如下:
,
式中,和/>为预设系数,且/>;
S114、基于第一筛选系数Z1对供应方进行升序排序,获得供应方一筛表,其中第一筛选系数Z1越小的供应方优先级越高;
S12、基于供应方在生产宽限期内的生产效率对一筛供应方进行第二次筛选,获得供应方二筛表,其中生产宽限期指自当前时刻至交付时刻这一时段内的时间,具体为:
S121、计算每个一筛供应方在生产宽限期内能为当前采购方提供的最大生产量,计算公式如下:
,
式中,R为每个一筛供应方在生产宽限期内能提供的生产总量,为每个一筛供应方在生产宽限期内能为已承接的采购方提供的生产总量;
S122、将每个一筛供应方的最大生产量与预设阈值/>进行比较,在供应方一筛表中删除/>的一筛供应方,保留/>的供应方,获得供应方二筛表;
S13、基于供应方信誉度与生产资源利用程度对二筛供应方进行第三次筛选,获得供应方三筛表,具体为:
S131、计算每个二筛供应方的综合信誉度评分U,计算公式如下:
,
式中,i表示对二筛供应方进行过信誉度评价的采购方的数量,表示第i个采购方对二筛供应方的信誉度评分;
S132、计算每个二筛供应方的产线利用率,计算公式如下:
,
式中, Rs为过去的t2时间内每个二筛供应方实际完成的生产总量,为过去的t2时间内每个二筛供应方在满负荷条件下能完成的生产总量,t2为预设时间系数;
S133、基于综合信誉度评分U与产线利用率β,计算二筛供应方的第二筛选系数Z2,计算公式如下:
,
S134、基于第二筛选系数Z2对供应方二筛表的二筛供应方进行降序排序,获得供应方三筛表,其中第二筛选系数Z2越大的供应方优先级越高;
S14、基于综合单件成本P对三筛供应方进行第四次筛选,获得供应方终筛表,具体为:
S141、计算每个三筛供应方的综合单件成本P,计算公式如下:
,
式中,为每个三筛供应方的单件生产成本,/>为每个三筛供应方的单件运输成本;
S142、基于综合单件成本P对三筛供应方进行升序排序,并将前M个三筛供应方标记为初选供应方,其中M为预设阈值,同时计算所有初选供应方中在生产宽限期内能为采购方提供的最大生产量之和;
S143、将与当前采购方的总任务量N进行比较,若/>,则将所有初选供应方作为终选供应方,并获得供应方终筛表;若/>,则依步骤S142中的排序依次标记一位初选供应方,并重新计算/>,直至/>时停止标记,并将已标记的所有初选供应方作为终选供应方,获得供应方终筛表。
优选的,所述步骤S111中单件运输成本c仅考虑供应方与交付点的路径距离,而步骤S141中单件运输成本中路径距离还考虑了配送方的始发地。
优选的,所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程具体包括:
S21、计算各终选供应方的初次分配系数和初始分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大生产量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量之和;
S22、将初始分配任务量≤预设阈值/>的终选供应方的初始分配任务量调整为,同时记录初始分配任务量为/>的终选供应方的数量;
S23、将初始分配任务量>预设阈值/>的终选供应方的分配任务量设置为/>;
S24、将分配结果经云平台分配至各终选供应方。
优选的,所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程还包括:对初始分配任务量>预设阈值/>的终选供应方进行二次分配,具体为:
S31、计算初始分配任务量>预设阈值/>的终选供应方的二次分配系数/>和二次分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大任务量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量/>之和,k为初始分配任务量为/>的终选供应方的数量;
S32、将初始分配任务量≤预设阈值/>的终选供应方的分配任务量设置为/>,初始分配任务量/>>预设阈值/>的终选供应方的分配任务量设置为/>;
S33、将分配结果经云平台分配至各终选供应方。
优选的,所述步骤S122和S22中预设阈值均为一辆运输车满载时的配送生产量。
本发明还提供了一种云制造环境下面向资源调度的调控方法,应用于一种云制造环境下面向资源调度的调控系统,具体步骤为:
步骤一:采购方登录云平台发布采购需求信息;同时,供应方和配送方在云平台更新已承接任务状态;
步骤二:信息存储单元存储云平台已获取的信息;
步骤三:信息采集单元调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,从中采集关键信息,其中关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类;
步骤四:供应方筛选单元基于关键信息对供应方进行多级筛选,获得供应方终选表;
步骤五:任务分解单元将采购方的总任务拆解成若干个子任务,合理分配各终选供应方的任务量;
步骤六:云平台将任务分解单元分配结果转发至各终选供应方。
与现有技术相比,本发明具有如下有益效果:
1、本发明通过从运输成本、生产效率、生产资源利用率、信誉度、综合单件成本等方面对供应方进行多级筛选,使终选供应方在满足生产需求的同时,还能够满足低成本、高质量、高生产资源利用率的要求,从而使采购方与供应方双方均可受益,符合降本增效的需求,相较于单纯的成本导向,能够合理保证需求与服务双方利益,实现生产发展的正向反馈。
2、本发明从运输成本上对供应方进行筛选时,还综合考虑了配送方的利用程度,不仅利于排除运输成本较高的匹配方案,还尽可能选择利用程度较低的配送方,有效保证了运输资源的合理分配利用。
3、本发明在对任务进行分配时,还合理考虑了各终选供应方在未来一段时间内能够完成的最大任务量,并依此进行按比例的分配,使生产资源利用率较低的终选供应方能够得到较高比例的任务分配,生产资源利用率较高的终选供应方能够得到较低比例的任务分配,即充分考虑了各终选供应方之间的差异性,保证各终选供应方的生产资源均能够得到合理充分的应用。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中一种云制造环境下面向资源调度的调控系统的框架结构示意图;
图2是本发明中一种云制造环境下面向资源调度的调控方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
一种云制造环境下面向资源调度的调控系统,用于综合考虑采购方、供应方和配送方三方的利益,并合理的对云制造资源进行分配,从而提升云制造资源的利用效率,满足多方的需求,如图1所示,该系统包括云平台、信息存储单元、信息采集单元、供应方筛选单元和任务分解单元。
本申请涉及的云平台,获取采购方发布采购需求信息并分配至供应方和配或送方,同时实时更新供应方和配送方已承接任务状态。
本申请实施例中,采购需求信息包括采购人、采购方式、采购范围、工期要求、项目地点和最高限价。
本申请涉及的信息存储单元,用于存储采购方、供应方和配送方基本信息,并接收云平台已获取的信息。
本申请实施例中,采购方、供应方和配送方基本信息均是在云平台注册账号时填写,在后续使用过程中会根据实际情况实时更新。
本申请涉及的信息采集单元,用于调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,并从中采集关键信息。
本申请实施例中,关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类,其中采购方关键信息包括地理位置、提出时刻、交付时刻、交付点和采购总任务量,供应方关键信息包括地理位置、运输方式、职工数量、工作时间、机器数量、职工生产效率、历史交易记录、历史客户、历史任务完成量、历史客户信誉度评分、已承接采购方数量、已承接的各采购方采购总任务量和已承接采购方任务进行状态,配送方关键信息包括运输方式、地理位置、职工数量、工作时间、车辆数量、历史客户和车辆历史使用时长记录。
本申请涉及的供应方筛选单元,基于关键信息对供应方进行多级筛选后确定终选供应方。
本申请实施例中,所述供应方筛选单元中对供应方进行多级筛选的过程具体包括:
S11、基于单件运输成本与配送方的繁荣系数对供应方进行第一次筛选,获得供应方一筛表,具体为:
S111、根据每个供应方与交付点之间的运输方式与路径距离计算出每个供应方的单件运输成本c。
需要说明的是,交付点为采购方或供应方预先确定的产品交付地点。
此外,在本申请实施例中,每个供应方与交付点之间的运输方式只考虑一种,具体运输方式由每个供应方根据实际情况自行确定;同时,每个供应方与交付点之间的路径距离是基于每个供应方所选择的运输方式选择出的路径距离最小的路线。
S112、根据每个供应方与交付点之间的运输路径为每个供应方确定一个路径距离最小的配送方作为与该供应方相匹配的配送方,同时计算出与每个供应方相匹配的配送方的繁荣系数,计算公式如下:
,
式中,t1为预设时间系数,可根据实际需求自行设定;为过去的t1时间内配送方全部车辆使用总时长,n为配送方全部车辆的数量。
例如,本申请实施例中,设定t1=1个月,因而在计算配送方的繁荣系数时,是基于配送方过去的1个月内全部车辆使用总时长计算。
本申请实施例中,每个供应方与交付点之间的运输路径为:配送方——供应方——交付点。
S113、基于单件运输成本c与繁荣系数,计算出每个供应方的第一筛选系数Z1,计算公式如下:
,
式中,和/>为预设系数,且/>。
S114、基于第一筛选系数Z1对供应方进行升序排序,获得供应方一筛表,其中第一筛选系数Z1越小的供应方优先级越高。
本申请中,单件运输成本与第一筛选系数为正相关,繁荣系数与第一筛选系数也为正相关,因而为了尽可能排除掉运输成本较高的供应方的同时提高配送方的利用程度,本申请中按照“第一筛选系数Z1越小,优先级别越高”的原则对供应方进行第一次筛选。
本申请中对供应方进行第一次筛选,同时考虑了供应方的单件运输成本和配送方的利用程度,不仅有利于排除运输成本较高的匹配方案,还尽可能选择利用程度较低的配送方,有效保证了运输资源的合理分配利用。
S12、基于供应方在生产宽限期内的生产效率对一筛供应方进行第二次筛选,获得供应方二筛表,其中生产宽限期指自当前时刻至交付时刻这一时段内的时间,具体为:
S121、计算每个一筛供应方在生产宽限期内能为当前采购方提供的最大生产量,计算公式如下:
,
式中,R为每个一筛供应方在生产宽限期内能提供的生产总量,为每个一筛供应方在生产宽限期内能为已承接的采购方提供的生产总量。
优选的,计算每个一筛供应方在生产宽限期内能为当前采购方提供的最大生产量时,还需要减去配送方运输过程中占用的生产宽限期的时间。
S122、将每个一筛供应方的最大生产量与预设阈值/>进行比较,在供应方一筛表中删除/>的一筛供应方,保留/>的供应方,获得供应方二筛表。
优选的,预设阈值为一辆运输车满载时的配送生产量。
为了保证各供应方均能完成一定量的产品生产,本申请中在进行第二次筛选时预设了一个阈值,与每个一筛供应方在生产宽限期内能为当前采购方提供的最大生产量进行比较,排除部分生产总量较小的一筛供应方,同时避免运输资源的浪费。
S13、基于供应方信誉度与生产资源利用程度对二筛供应方进行第三次筛选,获得供应方三筛表,具体为:
S131、计算每个二筛供应方的综合信誉度评分U,计算公式如下:
,
式中,i表示对二筛供应方进行过信誉度评价的采购方的数量,表示第i个采购方对二筛供应方的信誉度评分。
S132、计算每个二筛供应方的产线利用率,计算公式如下:
,
式中, Rs为过去的t2时间内每个二筛供应方实际完成的生产总量,为过去的t2时间内每个二筛供应方在满负荷条件下能完成的生产总量,t2为预设时间系数,可根据实际需求自行设定。
例如,本申请实施例中,设定t2=2个月,因而在计算每个二筛供应方的产线利用率时,是基于每个二筛供应方过去的2个月内实际完成的生产总量和满负荷条件下能完成的生产总量计算。
S133、基于综合信誉度评分U与产线利用率β,计算二筛供应方的第二筛选系数Z2,计算公式如下:
S134、基于第二筛选系数Z2对供应方二筛表的二筛供应方进行降序排序,获得供应方三筛表,其中第二筛选系数Z2越大的供应方优先级越高。
本申请中,综合信誉度评分与第二筛选系数为正相关,产线利用率与第二筛选系数为负相关,为了进一步筛选出在过去的一段时间内生产资源利用率较低且信用优良的供应方,从而避免部分优良信用的供应方的生产资源由于规模或品牌度等因素导致难以得到充分利用的情况发生,本申请中按照“第二筛选系数Z2越大,优先级别越高”的原则对供应方进行第三次筛选。
本申请中对供应方进行第三次筛选时,同时考虑了供应方的生产资源利用程度和信誉度,尽可能选择相较于其他的供应方而言生产资源利用程度较低的供应方,有效保证了生产资源的合理分配利用。
S14、基于综合单件成本P对三筛供应方进行第四次筛选,获得供应方终筛表,具体为:
S141、计算每个三筛供应方的综合单件成本P,计算公式如下:
,
式中,为每个三筛供应方的单件生产成本,/>为每个三筛供应方的单件运输成本。
应当注意的是,步骤S111中单件运输成本c仅考虑供应方与交付点的路径距离,而步骤S141中单件运输成本中路径距离还考虑了配送方的始发地。
S142、基于综合单件成本P对三筛供应方进行升序排序,并将前M个三筛供应方标记为初选供应方,其中M为预设阈值,同时计算所有初选供应方中在生产宽限期内能为采购方提供的最大生产量之和。
S143、将与当前采购方的总任务量N进行比较,若/>,则将所有初选供应方作为终选供应方,并获得供应方终筛表;若/>,则依步骤S142中的排序依次标记一位初选供应方,并重新计算/>,直至/>时停止标记,并将已标记的所有初选供应方作为终选供应方,获得供应方终筛表。
本申请通过对供应方进行多级筛选,从而使最终选取的供应方能够满足低成本、高运输资源利用率、高生产资源利用率以及高质量生产的要求,从而使采购方、供应方双方均可受益,符合降本增效的需求。
本申请涉及的任务分解单元,基于确定的终选供应方将采购方的采购总任务量分解后确定每个终选供应方的分配任务量。
本申请实施例中,所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程具体包括:
S21、计算各终选供应方的初次分配系数和初始分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大生产量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量之和。
S22、将初始分配任务量预设阈值/>的终选供应方的初始分配任务量调整为,同时记录初始分配任务量为/>的终选供应方的数量。
需要说明的是,所述步骤S122和S22中预设阈值均为一辆运输车满载时的配送生产量。
S23、将初始分配任务量>预设阈值/>的终选供应方的分配任务量设置为/>。
S24、将分配结果经云平台分配至各终选供应方。
此外,本申请实施例中,所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程还包括:对初始分配任务量预设阈值/>的终选供应方进行二次分配,具体为:
S31、计算初始分配任务量预设阈值/>的终选供应方的二次分配系数/>和二次分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大任务量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量/>之和,k为初始分配任务量为/>的终选供应方的数量。
S32、将初始分配任务量≤预设阈值/>的终选供应方的分配任务量设置为/>,初始分配任务量/>>预设阈值/>的终选供应方的分配任务量设置为/>。
S33、将分配结果经云平台分配至各终选供应方。
本申请中在对任务进行分配时,还合理考虑了各终选供应方在未来一段时间内能够完成的最大生产量,并依此进行按比例的分配,保证各终选供应方的生产资源均能够得到合理充分的应用。
实施例二
如图2所示,本实施例在实施例一的基础上,本发明具体公开了一种云制造环境下面向资源调度的调控方法,应用于一种云制造环境下面向资源调度的调控系统,具体步骤为:
步骤一:采购方登录云平台发布采购需求信息;同时,供应方和配送方在云平台更新已承接任务状态;
步骤二:信息存储单元存储云平台已获取的信息;
步骤三:信息采集单元调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,从中采集关键信息,其中关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类;
步骤四:供应方筛选单元基于关键信息对供应方进行多级筛选,获得供应方终选表;
步骤五:任务分解单元将采购方的总任务拆解成若干个子任务,合理分配各终选供应方的任务量;
步骤六:云平台将任务分解单元分配结果转发至各终选供应方。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种云制造环境下面向资源调度的调控系统,用于综合考虑采购方、供应方和配送方三方的利益,并合理的对云制造资源进行分配,其特征在于,该系统包括:
云平台,获取采购方发布采购需求信息并分配至供应方和配送方,同时实时更新供应方和配送方已承接任务状态;
信息存储单元,用于存储采购方、供应方和配送方基本信息,并接收云平台已获取的信息;
信息采集单元,用于调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,并从中采集关键信息;
供应方筛选单元,基于关键信息对供应方进行多级筛选后确定终选供应方,其中所述供应方筛选单元中对供应方进行多级筛选的过程具体包括:
S11、基于单件运输成本与配送方的繁荣系数对供应方进行第一次筛选,获得供应方一筛表,具体为:
S111、根据每个供应方与交付点之间的运输方式与路径距离计算出每个供应方的单件运输成本c;
S112、根据每个供应方与交付点之间的运输路径为每个供应方确定一个路径距离最小的配送方作为与该供应方相匹配的配送方,其中每个供应方与交付点之间的运输路径为:配送方——供应方——交付点,同时计算出与每个供应方相匹配的配送方的繁荣系数,计算公式如下:
,
式中,t1为预设时间,为过去的t1时间内配送方全部车辆使用总时长,n为配送方全部车辆的数量;
S113、基于单件运输成本c与繁荣系数,计算出每个供应方的第一筛选系数Z1,计算公式如下:
,
式中,和/>为预设系数,且/>;
S114、基于第一筛选系数Z1对供应方进行升序排序,获得供应方一筛表,其中第一筛选系数Z1越小的供应方优先级越高;
S12、基于供应方在生产宽限期内的生产效率对一筛供应方进行第二次筛选,获得供应方二筛表,其中生产宽限期指自当前时刻至交付时刻这一时段内的时间,具体为:
S121、计算每个一筛供应方在生产宽限期内能为当前采购方提供的最大生产量,计算公式如下:
,
式中,R为每个一筛供应方在生产宽限期内能提供的生产总量,为每个一筛供应方在生产宽限期内能为已承接的采购方提供的生产总量;
S122、将每个一筛供应方的最大生产量与预设阈值/>进行比较,在供应方一筛表中删除/>的一筛供应方,保留/>的供应方,获得供应方二筛表;
S13、基于供应方信誉度与生产资源利用程度对二筛供应方进行第三次筛选,获得供应方三筛表,具体为:
S131、计算每个二筛供应方的综合信誉度评分U,计算公式如下:
,
式中,i表示对二筛供应方进行过信誉度评价的采购方的数量,表示第i个采购方对二筛供应方的信誉度评分;
S132、计算每个二筛供应方的产线利用率,计算公式如下:
,
式中, Rs为过去的t2时间内每个二筛供应方实际完成的生产总量,为过去的t2时间内每个二筛供应方在满负荷条件下能完成的生产总量,t2为预设时间;
S133、基于综合信誉度评分U与产线利用率β,计算二筛供应方的第二筛选系数Z2,计算公式如下:
,
S134、基于第二筛选系数Z2对供应方二筛表的二筛供应方进行降序排序,获得供应方三筛表,其中第二筛选系数Z2越大的供应方优先级越高;
S14、基于综合单件成本P对三筛供应方进行第四次筛选,获得供应方终筛表,具体为:
S141、计算每个三筛供应方的综合单件成本P,计算公式如下:
,
式中,为每个三筛供应方的单件生产成本,/>为每个三筛供应方的单件运输成本;
S142、基于综合单件成本P对三筛供应方进行升序排序,并将前M个三筛供应方标记为初选供应方,其中M为预设阈值,同时计算所有初选供应方中在生产宽限期内能为采购方提供的最大生产量之和;
S143、将与当前采购方的总任务量N进行比较,若/>,则将所有初选供应方作为终选供应方,并获得供应方终筛表;若/>,则依步骤S142中的排序依次标记一位初选供应方,并重新计算/>,直至/>时停止标记,并将已标记的所有初选供应方作为终选供应方,获得供应方终筛表;
任务分解单元,基于确定的终选供应方将采购方的采购总任务量分解后确定每个终选供应方的分配任务量,其中所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程具体包括:
S21、计算各终选供应方的初次分配系数和初始分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大生产量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量之和;
S22、将初始分配任务量≤预设阈值/>的终选供应方的初始分配任务量调整为/>,同时记录初始分配任务量为/>的终选供应方的数量;
S23、将初始分配任务量>预设阈值/>的终选供应方的分配任务量设置为/>;
S24、将分配结果经云平台分配至各终选供应方;
此外,所述步骤S111中单件运输成本c仅考虑供应方与交付点的路径距离,而步骤S141中单件运输成本中路径距离还考虑了配送方的始发地。
2.根据权利要求1所述的一种云制造环境下面向资源调度的调控系统,其特征在于,所述采购需求信息包括采购人、采购方式、采购范围、工期要求、项目地点和最高限价。
3.根据权利要求2所述的一种云制造环境下面向资源调度的调控系统,其特征在于,所述关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类,其中采购方关键信息包括地理位置、提出时刻、交付时刻、交付点和采购总任务量,供应方关键信息包括地理位置、运输方式、职工数量、工作时间、机器数量、职工生产效率、历史交易记录、历史客户、历史任务完成量、历史客户信誉度评分、已承接采购方数量、已承接的各采购方采购总任务量和已承接采购方任务进行状态,配送方关键信息包括运输方式、地理位置、职工数量、工作时间、车辆数量、历史客户和车辆历史使用时长记录。
4.根据权利要求3所述的一种云制造环境下面向资源调度的调控系统,其特征在于,所述任务分解单元中将采购方的采购总任务量分解后确定每个终选供应方的分配任务量的过程还包括:对初始分配任务量>预设阈值/>的终选供应方进行二次分配,具体为:
S31、计算初始分配任务量>预设阈值/>的终选供应方的二次分配系数/>和二次分配任务量/>,计算公式如下:
,
式中,为各终选供应方在生产宽限期内能够为采购方提供的最大任务量,/>为所有终选供应方在生产宽限期内能够为采购方提供的最大生产量/>之和,k为初始分配任务量为的终选供应方的数量;
S32、将初始分配任务量≤预设阈值/>的终选供应方的分配任务量设置为/>,初始分配任务量/>>预设阈值/>的终选供应方的分配任务量设置为/>;
S33、将分配结果经云平台分配至各终选供应方。
5.根据权利要求4所述的一种云制造环境下面向资源调度的调控系统,其特征在于,所述步骤S122和S22中预设阈值均为一辆运输车满载时的配送生产量。
6.一种云制造环境下面向资源调度的调控方法,应用于权利要求1-5任意一项所述的一种云制造环境下面向资源调度的调控系统,其特征在于,具体步骤为:
步骤一:采购方登录云平台发布采购需求信息;同时,供应方和配送方在云平台更新已承接任务状态;
步骤二:信息存储单元存储云平台已获取的信息;
步骤三:信息采集单元调用信息存储单元存储的采购方、供应方、配送方基本信息以及云平台已获取的信息,从中采集关键信息,其中关键信息包括采购方关键信息、供应方关键信息和配送方关键信息三类;
步骤四:供应方筛选单元基于关键信息对供应方进行多级筛选,获得供应方终选表;
步骤五:任务分解单元将采购方的总任务拆解成若干个子任务,合理分配各终选供应方的任务量;
步骤六:云平台将任务分解单元分配结果转发至各终选供应方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168983.3A CN117709697B (zh) | 2024-02-06 | 2024-02-06 | 一种云制造环境下面向资源调度的调控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410168983.3A CN117709697B (zh) | 2024-02-06 | 2024-02-06 | 一种云制造环境下面向资源调度的调控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117709697A CN117709697A (zh) | 2024-03-15 |
CN117709697B true CN117709697B (zh) | 2024-04-19 |
Family
ID=90161118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410168983.3A Active CN117709697B (zh) | 2024-02-06 | 2024-02-06 | 一种云制造环境下面向资源调度的调控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709697B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001033464A1 (en) * | 1999-11-01 | 2001-05-10 | Solomon Neal E | Customer demand-initiated system and method for on-line information retrieval, interactive negotiation, procurement, and exchange |
WO2016195716A1 (en) * | 2015-06-05 | 2016-12-08 | Hewlett Packard Enterprise Development Lp | Price, completion time, and resource allocation determination for cloud services |
CN112288374A (zh) * | 2020-11-19 | 2021-01-29 | 南京岁卞智能设备有限公司 | 一种基于云计算的智慧供应链物流智能优化管理系统 |
CN115271227A (zh) * | 2022-08-04 | 2022-11-01 | 桂林航天工业学院 | 云环境下的资源调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8515792B2 (en) * | 2009-09-25 | 2013-08-20 | International Business Machines Corporation | Method and system for chargeback allocation in information technology systems |
US10235642B2 (en) * | 2017-08-11 | 2019-03-19 | Tata Consultancy Services Limited | Method and system for optimally allocating warehouse procurement tasks to distributed robotic agents |
-
2024
- 2024-02-06 CN CN202410168983.3A patent/CN117709697B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001033464A1 (en) * | 1999-11-01 | 2001-05-10 | Solomon Neal E | Customer demand-initiated system and method for on-line information retrieval, interactive negotiation, procurement, and exchange |
WO2016195716A1 (en) * | 2015-06-05 | 2016-12-08 | Hewlett Packard Enterprise Development Lp | Price, completion time, and resource allocation determination for cloud services |
CN112288374A (zh) * | 2020-11-19 | 2021-01-29 | 南京岁卞智能设备有限公司 | 一种基于云计算的智慧供应链物流智能优化管理系统 |
CN115271227A (zh) * | 2022-08-04 | 2022-11-01 | 桂林航天工业学院 | 云环境下的资源调度方法 |
Non-Patent Citations (4)
Title |
---|
一种基于张量理论的云制造资源服务化封装与发布策略;李州健等;《计算机应用研究》;20230323;第40卷(第8期);第2429-2434页 * |
云制造环境下面向多目标优化的虚拟资源调度研究;夏世洪;石宇强;吴双;陈柏志;;《计算机应用研究》;20180408(第05期);第1338-1342页 * |
基于地理模拟方法的昆明市空间拓展情景分析;赵耀龙;张珂;彭永俊;付迎春;张洪;;《地理研究》;20140115(第01期);第119-131页 * |
多属性指标云制造资源的评价及选择;吴阳等;《机械设计与制造》;20190708(第7期);第249-253页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117709697A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Engevall et al. | The heterogeneous vehicle-routing game | |
US8423395B1 (en) | System and method for managing data associated with available to-promise (ATP) products | |
US7680696B1 (en) | Computer processing system for facilitating the order, purchase, and delivery of products | |
US7085729B1 (en) | System and method for allocating manufactured products to sellers | |
CN110348963B (zh) | 一种用于交易平台实现多元商品智能交易推荐的方法和系统 | |
Lahrichi et al. | Strategic analysis of the dairy transportation problem | |
US20020019759A1 (en) | Transportation planning, execution, and freight payments managers and related methods | |
US20190089713A1 (en) | System and method for producing a dynamically ordered queue | |
US7991634B2 (en) | Vehicle transport load optimization | |
EP2240876A1 (en) | System for optimizing bulk product allocations, transportation and blending | |
CN106485419B (zh) | 一种二级资源管理方法及装置 | |
CN107944788A (zh) | 一种用于全渠道零售的云仓系统 | |
Knolmayer et al. | Supply chain management based on SAP systems: Architecture and planning processes | |
Deng et al. | Urban consolidation center or peer‐to‐peer platform? The solution to urban last‐mile delivery | |
CN112001681A (zh) | 一种仓储管理方法、装置、平台和计算机可读存储介质 | |
CN113762885B (zh) | 补货量确定方法、装置、设备、存储介质及程序产品 | |
Triki et al. | Integrating production scheduling and transportation procurement through combinatorial auctions | |
US20100076806A1 (en) | Inventory management tool using a criticality measure | |
CN117709697B (zh) | 一种云制造环境下面向资源调度的调控系统及方法 | |
CN115034709A (zh) | 一种库存管理方法及装置 | |
US20030061108A1 (en) | Online purchasing and inventory distribution of materials | |
JP2003534582A6 (ja) | サプライチェーンアーキテクチャ | |
Bömer et al. | Freight Costs Versus Service Level: Optimizing the Distribution of a Materials Trader | |
Takahashi et al. | The bullwhip effect and its suppression in supply chain management | |
JP2002114329A (ja) | 輸送計画立案方法及び輸送計画立案装置 |
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 |