CN118052424A - 物料分配方法、装置、电子设备及存储介质 - Google Patents
物料分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118052424A CN118052424A CN202410456262.2A CN202410456262A CN118052424A CN 118052424 A CN118052424 A CN 118052424A CN 202410456262 A CN202410456262 A CN 202410456262A CN 118052424 A CN118052424 A CN 118052424A
- Authority
- CN
- China
- Prior art keywords
- supply
- demand
- date
- factory
- factories
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000006870 function Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor 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
- General Factory Administration (AREA)
Abstract
本发明涉及计算机领域,具体涉及一种物料分配方法、装置、电子设备及存储介质,该物料分配方法包括:针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。该物料分配方法能够快速的完成物料分配。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种物料分配方法、装置、电子设备及计算机可读存储介质。
背景技术
随着家电、汽车等生产制造行业进入高速发展期,家电、汽车等企业也不断迅速扩张,生产基地也在不断扩建。因此,家电、汽车等企业生产过程中所需的物料的供需分配复杂度也随指数级增长。
而随着市场规模的扩大,企业对物料的供需分配的要求也在不断提高。过去依靠人为经验的分配方式较为主观,在当前供应工厂和需求工厂多,物料种类数量庞大的情境下,依靠人工进行供需分配的方式已经难以有效的完成。因此,亟待一种物料分配方法,以快速的完成物料分配。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种物料分配方法,具有快速完成物料分配的优点。
根据本发明实施例的第一方面,提供一种物料分配方法,包括:
针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;
获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;
基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
在本公开的一种示例性实施例中,所述获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量包括:
获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期;
获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期;
计算各所述供应工厂在所述最早供应日期至所述最晚供应日期之间的所有供应日期所述物料的库存量和值,并将所述库存量和值作为所述最大供应量。
在本公开的一种示例性实施例中,所述获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期包括:
将所述当前日期与各所述供应工厂对各所述需求工厂的物料运输天数的差值作为所述最晚供应日期。
在本公开的一种示例性实施例中,所述获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期包括:
针对每个所述供应工厂,获取所述供应工厂对所述物料的供应日期列表;
获取所述供应工厂对所述物料在供应日期列表中各供应日期的库存量;
从所述供应日期列表中确定所述库存量大于预设库存量的第一供应日期;
从所述供应日期列表中确定小于或者等于所述当前日期的第二供应日期;
获取所述第一供应日期和所述第二供应日期的交集供应日期,并从所述交集供应日期中获取最早供应日期。
在本公开的一种示例性实施例中,所述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量后,所述方法还包括:
针对每个所述供应工厂,采用与所述供应工厂对应的目标供应量更新所述供应工厂在目标供应日期所述物料的库存量,所述目标供应日期为所述供应工厂对所述物料的供应日期列表中的可供应日期中最接近所述当前日期的供应日期;
将所述供应工厂在其他供应日期的库存量和所述供应工厂在所述目标供应日期更新后的库存量,作为所述供应工厂在下一日期每个供应日期所述物料的库存量,所述其他供应日期为所述供应日期列表中除所述目标供应日期外的供应日期;
将所述下一日期作为所述当前日期。
在本公开的一种示例性实施例中,所述获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量前,所述方法还包括:
计算所述需求工厂集合中各需求工厂在所述当前日期对所述物料的需求量的第一和值;
计算所述供应工厂集合中各实际供应工厂在所述当前日期对所述物料的最大供应量的第二和值;
计算所述第一和值与所述第二和值的第一差值;
若所述第一差值为正,则将所述差值作为虚拟供应工厂在所述当前日期对所述物料的供应量,并将所述虚拟供应工厂加入所述供应工厂集合中。
在本公开的一种示例性实施例中,所述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量包括:
根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量;
根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数;
获取所述决策函数的最小值,并将与所述最小值对应的各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为所述目标供应量。
在本公开的一种示例性实施例中,所述根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量包括:
将各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为第一决策变量;
针对每个所述供应工厂,计算所述目标供应量与所述供应工厂对所述物料的最小起运量的第二差值;
基于所述第二差值构建第二决策变量。
在本公开的一种示例性实施例中,所述根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数包括:
针对每个所述供应工厂,分别计算所述供应工厂的各所述第一决策变量与其对应的所述物料运输天数的第一乘积;
分别计算与各所述供应工厂对应的第一乘积的第三和值,并计算所有第三和值的第四和值;
针对每个所述供应工厂,分别计算所述供应工厂的各所述第二决策变量与其对应的所述物料运输天数的第二乘积;
分别计算与各所述供应工厂对应的第二乘积的第五和值,并计算所有第五和值的第六和值;
计算所述第五和值和所述第六和值的加权值;
将所述加权值作为所述决策函数;其中,所述决策函数的约束条件为由所述最大供应量以及所述需求量确定。
根据本公开的第二方面,提供一种物料分配装置,包括:
需求量获取模块,用于针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;
最大供应量获取模块,用于获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;
目标供应量获取模块,用于基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
根据本公开的第三方面,提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面中任一项所述的物料分配方法。
根据本公开的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面中任一项所述的物料分配方法。
根据本公开的第五方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述的物料分配方法。
综上所述,本公开的方法,通过针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量,能够快速的完成物料分配。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是根据一示例性实施例提供的一种物料分配方法的流程图;
图2是根据一示例性实施例提供的一种物料分配系统的架构图;
图3是根据一示例性实施例提供的一种目标供应量的确定方法的流程图;
图4是根据一示例性实施例提供的一种物料分配装置的方框图;
图5是根据一示例性实施例提供的一种存储介质的示意图;
图6是根据一示例性实施例提供的一种电子设备的方框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的物料分配方法进行说明。参考图1所示,上述的物料分配方法可以包括以下步骤:
S1、针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量。
在本公开的一种示例性实施例中,物料集合为。k为大于1的整数,L为大于k的整数,/>表示第k个物料。
在本公开的一种示例性实施例中,初始状态下需求工厂集合只包含需求工厂,即初始状态下需求工厂集合为,其中i为大于1的整数,为大于i的整数,/>表示第i个需求工厂。
在本公开的一种示例性实施例中,初始状态下需求工厂集合中各需求工厂在当前日期对各物料的需求量可以根据各需求工厂的实际需要决定,具体如下所示:
(1);
其中,表示第i个需求工厂对第k个物料的需求量。
S2、获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量。
在本公开的一种实施例中,初始状态下供应工厂集合只包含实际供应工厂,即初始状态下供应工厂集合为,其中j为大于1的整数,M为大于j的整数,/>表示第j个实际供应工厂。
在本公开的一种示例性实施例中,初始状态下供应工厂集合中各供应工厂在当前日期各所述需求工厂供应所述物料的最大供应量如下所示:
(2);
其中,表示第j个实际供应工厂对第k个需求工厂供应物料的最大供应量。
S3、基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
综上所述,本公开提供的物料分配方法,通过针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量,能够快速的完成物料分配。
下面结合具体实施例,对图1中的每个步骤进行具体说明:
在步骤S1中,针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量。
在本发明的一种示例性实施例中,参考图2所示的物料分配系统架构,可以包括:用户侧移动终端设备201、用户侧智能终端设备204和服务器203等。用户侧移动终端设备201、用户侧智能终端设备204和服务器203之间,均可以通过网络202进行数据传输。网络可以包括各种连接类型,例如有线通信链路、无线通信链路等等。上述的物料分配方法可以执行在服务器端、用户侧的终端设备或者由用户侧的终端设备与服务器端协作执行。以上述的方法执行在服务器端为例进行说明。服务器针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。进一步地,服务器再将各所述供应工厂在所述当前日期对分别对各所述需求工厂供应所述物料的目标供应量发送至用户侧的终端设备。
基于上述内容,在本公开的一种示例性实施例中,上述获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量前,所述方法还包括:
S41、计算所述需求工厂集合中各需求工厂在所述当前日期对所述物料的需求量的第一和值。
在本公开的一种示例性实施例中,以物料为例进行说明。如公式(1)所示,该第一和值即为/>、/>…/>…/>的和值/>,即物料/>在当前日期的总需求量。
S42、计算所述供应工厂集合中各实际供应工厂在所述当前日期对所述物料的最大供应量的第二和值。
在本公开的一种示例性实施例中,同样的以物料为例进行说明。如公式(2)所示,该第二和值即为/>、/>…/>…/>的和值/>,即物料/>在当前日期的总实际供应量,总实际供应量就是最大供应量。
S43、计算所述第一和值与所述第二和值的第一差值;
S44、若所述第一差值为正,则将所述差值作为虚拟供应工厂在所述当前日期对所述物料的供应量,并将所述虚拟供应工厂加入所述供应工厂集合中。
由于供需往往不能完全匹配,有可能存在供不应求的情况,即总需求量可能大于总实际供应量,因此可以在与/>的第一差值为正的情况下,构建一个虚拟供应工厂,将/>作为/>在当前日期对物料/>的最大供应量,并将/>加入供应工厂列表中,以实现供需平衡,进而可以更加方便快速的进行物料分配。
此处需要说明的是,若该第一差值小于或者为零,则说明可以实现供需平衡,则不需要虚拟供应工厂,可以直接根据总需求量和总供应量进行物料分配。
物料列表集合中其他物料的处理方式与物料类似,本实施例此处不再赘述。
在步骤S2中,获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量。
基于上述内容,在本公开的一种示例性实施例中,上述获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量包括:
S21、获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期。
在本公开的一种示例性实施例中,上述获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期包括:
将所述当前日期与各所述供应工厂对各所述需求工厂的物料运输天数的差值作为所述最晚供应日期。
在本公开的一种示例性实施例中,各所述供应工厂对各所述需求工厂的物料运输天数如下所示:
(3);
其中,表示第j个实际供应工厂对第i个需求工厂的物料运输天数,可以根据实际需求设定。在本公开的一种示例性实施例中,第j个实际供应工厂对第i个需求工厂供应各个物料时,其物料运输天数是一致的。即物料运输天数只由供应工厂和需求工厂决定(实际中与供应工厂和需求工厂之间的距离相关),与物料的种类没有关系。
此处需要说明的是,若存在虚拟供应工厂,则将虚拟供应工厂/>对各需求工厂的物料运输天数均设置为0,表示/>分配物料给各需求工厂时,无运输时间。
进一步地,将当前日期与各所述供应工厂对各所述需求工厂的物料运输天数的差值作为各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期。
例如,当前日期与的差值为第j个实际供应工厂对第i个需求工厂供应所述物料的最晚供应日期,最晚供应日期的计算公式如下所示:
;(4)
其中,表示第j个实际供应工厂对第i个需求工厂供应所述物料的最晚供应日期,T表示当前日期。进一步地,构造得到最晚供应日期矩阵如下所示:
;(5)
S22、获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期。
基于上述内容,在本公开的一种示例性实施例中,上述获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期包括:
S221、针对每个所述供应工厂,获取所述供应工厂对所述物料的供应日期列表;
S222、获取所述供应工厂对所述物料在供应日期列表中各供应日期的库存量;
S223、从所述供应日期列表中确定所述库存量大于预设库存量的第一供应日期;
S224、从所述供应日期列表中确定小于或者等于所述当前日期的第二供应日期;
S225、获取所述第一供应日期和所述第二供应日期的交集供应日期,并从所述交集供应日期中获取最早供应日期。在本公开的一种示例性实施例中,各所述供应工厂对各物料的供应日期矩阵如下所示:
(6);
其中,为第j个实际供应工厂/>对物料/>的供应日期列表,。
在本公开的一种示例性实施例中,对物料/>在各供应日期的库存量为。
则获取从供应日期列表中确定的第一供应日期为/>,/>的第二供应日期为/>;/>与/>的交集为/>。则最早供应日期如下所示:
;(7)
进一步地,构造得到的最早供应日期矩阵如下所示:
(8);
此处需要说明的是,由于虚拟供应工厂对各需求工厂的物料运输天数均为0,因此,在本实施例中虚拟工厂/>对各物料的供应日期只包括当前日期。
S23、计算各所述供应工厂在所述最早供应日期至所述最晚供应日期之间的所有供应日期所述物料的库存量和值,并将所述库存量和值作为所述最大供应量。
进一步地,根据最早供应日期矩阵和最晚供应日期矩阵构建的可供应日期矩阵如下所述:
(9);
进一步地,计算各所述供应工厂在可供应日期区间内所有供应日期所述物料的库存量和值,将该库存量和值作为该最大供应量,该最大供应量的计算公式如下所示:
(10);
其中,表示第j个实际供应工厂/>在当前日期在对物料/>的最大供应量,表示/>对/>在最早供应日期的库存量,/>表示/>对物料/>在最晚供应日期的库存量。
此处需要说明的是,时,/>即为/>在当前日期的库存量,也是/>在当前日期对物料/>的最大供应量。
在步骤S3中,基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
基于上述内容,在本公开的一种示例性实施例中,如图3所示,上述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量包括:
S31、根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量;
基于上述内容,在本公开的一种示例性实施例中,上述根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量包括:
S311、将各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为第一决策变量;
在本公开的一种示例性实施例中,物料的第一决策变量矩阵如下所示:
(11);
其中,第j个实际供应工厂/>在所述当前日期对第i个需求工厂/>供应物料/>的供应量,即第一决策变量,/>表示虚拟供应工厂/>在所述当前日期对第i个需求工厂/>供应物料/>的供应量。
S312、针对每个所述供应工厂,计算所述目标供应量与所述供应工厂对所述物料的最小起运量的第二差值;
S313、基于所述第二差值构建第二决策变量。
在本公开的一种示例性实施例中,各供应工厂对各物料的最小起运量矩阵如下所示:
(12);
其中,表示第j个实际供应工厂/>在所述当前日期对物料/>的最小起运量,可以根据实际情况设置。/>表示虚拟供应工厂/>在所述当前日期对物料/>的最小起运量。此处需要说明的是,该最小起运量矩阵中的值均为预设单位起运量阈值,例如在本实施例中,预设单位起运量阈值为1。
在本公开的一种示例性实施例中,预设单位起运量阈值是远小于最小起运量矩阵中的其他最小起运量,表示如果需要虚拟供应工厂对物料有库存,在需要虚拟供应工厂/>供应该物料时,虚拟供应工厂就可以供应该物料。
进一步地,根据第一决策变量矩阵构建的物料的第二决策变量矩阵如下所示:
(13);
其中,表示第二决策变量,且当/>大于或者等于/>时,/>为1;当小于/>时,/>为0。同样的,/>大于或者等于/>时,/>为1;否则/>为0。
S32、根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数;
基于上述内容,在本公开的一种示例性实施例中,上述根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数包括:
S321、针对每个所述供应工厂,分别计算所述供应工厂的各所述第一决策变量与其对应的所述物料运输天数的第一乘积;
S322、分别计算与各所述供应工厂对应的第一乘积的第三和值,并计算所有第三和值的第四和值。
在本公开的一种示例性实施例中,该第四和值的计算公式如下所示:
(14);
其中,表示该第一乘积,/>表示该第三和值。
S323、针对每个所述供应工厂,分别计算所述供应工厂的各所述第二决策变量与其对应的所述物料运输天数的第二乘积;
S324、分别计算与各所述供应工厂对应的第二乘积的第五和值,并计算所有第五和值的第六和值。
在本公开的一种示例性实施例中,该第六和值的计算公式如下所示:
(15);
其中,表示该第二乘积,/>表示该第五和值。
S325、计算所述第五和值和所述第六和值的加权值;
S326、将所述加权值作为所述决策函数;其中,所述决策函数的约束条件为由所述最大供应量以及所述需求量确定。
在本公开的一种示例性实施例中,该加权值的计算公式如下所示:
(16);
其中,a为常数,符号为正。
进一步地,确定该加权值的计算公式后,将该加权值的计算公式作为所述决策函数。
在本公开的一种示例性实施例中,若存在虚拟供应工厂,则决策函数的计算公式可以如下所示:
(17);
此处需要说明的是,表示虚拟供应工厂/>对各需求工厂供应的物料/>的总数量。在总需求量大于总实际供应量,将/>即为/>。
在本公开的一种示例性实施例中,若不存在虚拟供应工厂,则决策函数的约束条件如下所示:
;
;(18)
。
在本公开的一种示例性实施例中,若存在虚拟供应工厂,则决策函数的约束条件如下所示:
;
;(19)
。
S33、获取所述决策函数的最小值,并将与所述最小值对应的各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为所述目标供应量。
在本公开的一种示例性实施例中,获取决策函数在符合约束条件的最小值,并将与该最小值对应的的取值(将与所述最小值对应的各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量)作为所述目标供应量。
基于上述内容,在本公开的一种示例性实施例中,上述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对所述需求工厂供应所述物料的目标供应量后,所述方法还包括:
S51、针对每个所述供应工厂,采用与所述供应工厂对应的目标供应量更新所述供应工厂在目标供应日期所述物料的库存量,所述目标供应日期为所述供应工厂对所述物料的供应日期列表中的可供应日期中最接近所述当前日期的供应日期;
S52、将所述供应工厂在其他供应日期的库存量和所述供应工厂在所述目标供应日期更新后的库存量,作为所述供应工厂在下一日期每个供应日期对所述物料的库存量,所述其他供应日期为所述供应日期列表中除所述目标供应日期外的供应日期;
S53、将所述下一日期作为所述当前日期。
例如,当前日期为2023年12月29日,在2023年12月29日对各需求工厂供应物料的目标供应量分别为3、2、3,即/>在2023年12月29日供应物料/>的总供应量为8,且对物料/>的供应日期列表/>,对所有需求工厂的可供应日期为/>。
其中,为/>对所有需求工厂供应物料/>的最早供应日期,/>为/>对所有需求工厂供应物料/>的最晚供应日期,且/>在/>且对物料的库存量分别为5…3、4以及5。则根据总供应量为8确定与当前日期最接近的供应日期为,将/>在目标日期/>对物料/>的库存量更新为0,将/>在目标日期/>对物料/>的库存量更新为1,/>在其他供应日期对/>的库存量保持不变。
然后,将在其他供应日期的库存量和/>在目标供应日期更新后的库存量,作为/>在下一日期2023年12月30日每个供应日期对所述物料的库存量。进一步地,将下一日期2023年12月30日作为当前日期,再次执行本发明的物料分配方法。
综上所述,本公开提供的物料分配方法,能够有效地解决多约束的物料分配问题,实现了数据清晰、数据可追溯的物料分配,能够高效的实现物料分配,且分配结果准确,提高了物料分配结果的效率以及准确性。
在介绍了本发明示例性实施方式的物料分配方法之后,接下来,参考图4对本发明示例性实施方式的物料分配进行描述。
参考图4所示,本发明示例性实施方式的物料分配装置40可以包括:需求量获取模块401、最大供应量获取模块402以及目标供应量获取模块403;其中,
需求量获取模块401,用于针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;
最大供应量获取模块402,用于获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;
目标供应量获取模块403,用于基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
在本公开的一种示例性实施例中,所述最大供应量获取模块包括:
最晚供应日期获取单元,用于获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期;
最早供应日期获取单元,用于获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期;
最大供应量获取单元,用于计算各所述供应工厂在所述最早供应日期至所述最晚供应日期之间的所有供应日期所述物料的库存量和值,并将所述库存量和值作为所述最大供应量。
在本公开的一种示例性实施例中,所述最大供应量获取单元,包括:
最晚供应日期获取子单元,用于将所述当前日期与各所述供应工厂对各所述需求工厂的物料运输天数的差值作为所述最晚供应日期。
在本公开的一种示例性实施例中,所述最早供应日期获取单元包括:
供应日期列表获取单元,用于针对每个所述供应工厂,获取所述供应工厂对所述物料的供应日期列表;
库存量获取单元,用于获取所述供应工厂对所述物料在供应日期列表中各供应日期的库存量;
第一供应日期确定单元,用于从所述供应日期列表中确定所述库存量大于预设库存量的第一供应日期;
第二供应日期获取单元,用于从所述供应日期列表中确定小于或者等于所述当前日期的第二供应日期;
交集供应日期获取单元,用于获取所述第一供应日期和所述第二供应日期的交集供应日期,并从所述交集供应日期中获取最早供应日期。
在本公开的一种示例性实施例中,所述装置还包括:
当前日期更新模块,用于:
库存量更新单元,用于所述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量后,针对每个所述供应工厂,采用与所述供应工厂对应的目标供应量更新所述供应工厂在目标供应日期所述物料的库存量,所述目标供应日期为所述供应工厂对所述物料的供应日期列表中的可供应日期中最接近所述当前日期的供应日期;
库存量确定单元,用于将所述供应工厂在其他供应日期的库存量和所述供应工厂在所述目标供应日期更新后的库存量,作为所述供应工厂在下一日期每个供应日期所述物料的库存量,所述其他供应日期为所述供应日期列表中除所述目标供应日期外的供应日期;
当前日期更新单元,用于将所述下一日期作为所述当前日期。
在本公开的一种示例性实施例中,所述装置还包括:
供应工厂集合更新模块,用于:
第一和值计算单元,用于所述获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量前,计算所述需求工厂集合中各需求工厂在所述当前日期对所述物料的需求量的第一和值;
第二和值计算单元,用于计算所述供应工厂集合中各实际供应工厂在所述当前日期对所述物料的最大供应量的第二和值;
第一差值计算单元,用于计算所述第一和值与所述第二和值的第一差值;
供应工厂集合更新单元,用于若所述第一差值为正,则将所述差值作为虚拟供应工厂在所述当前日期对所述物料的供应量,并将所述虚拟供应工厂加入所述供应工厂集合中。
在本公开的一种示例性实施例中,所述目标供应量获取模块包括:
决策变量构建单元,用于根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量;
决策函数构建单元,用于根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数;
目标供应量确定单元,用于获取所述决策函数的最小值,并将与所述最小值对应的各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为所述目标供应量。
在本公开的一种示例性实施例中,所述决策变量构建单元包括:
第一决策变量确定单元,用于将各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为第一决策变量;
第二差值计算单元,用于针对每个所述供应工厂,计算所述目标供应量与所述供应工厂对所述物料的最小起运量的第二差值;
第二决策变量构建单元,用于基于所述第二差值构建第二决策变量。
在本公开的一种示例性实施例中,所述决策函数构建单元包括:
第一乘积计算单元,用于针对每个所述供应工厂,分别计算所述供应工厂的各所述第一决策变量与其对应的所述物料运输天数的第一乘积;
第四和值计算单元,用于分别计算与各所述供应工厂对应的第一乘积的第三和值,并计算所有第三和值的第四和值;
第二乘积计算单元,用于针对每个所述供应工厂,分别计算所述供应工厂的各所述第二决策变量与其对应的所述物料运输天数的第二乘积;
第六和值计算单元,用于分别计算与各所述供应工厂对应的第二乘积的第五和值,并计算所有第五和值的第六和值;
加权值计算单元,用于计算所述第五和值和所述第六和值的加权值;
决策函数确定单元,用于将所述加权值作为所述决策函数;其中,所述决策函数的约束条件为由所述最大供应量以及所述需求量确定。
在介绍了本发明示例性实施方式的物料分配方法、物料分配装置之后,接下来,参考图5对本发明示例性实施方式的存储介质进行说明。参考图5所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品500,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在测试人员计算终端设备上执行、部分在测试人员计算终端设备上部分在远程计算终端设备上执行、或者完全在远程计算终端设备或服务器上执行。在涉及远程计算终端设备的情形中,远程计算终端设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到测试人员计算终端设备,或者,可以连接到外部计算终端设备(例如利用因特网服务提供商来通过因特网连接)。
在介绍了本发明示例性实施方式的存储介质之后,接下来,参考图6对本发明示例性实施方式的电子设备进行说明。
图6显示的电子设备60仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60以通用计算终端设备的形式表现。电子设备60的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述"示例性方法"部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤S1至步骤S3。
存储单元620可以包括易失性存储单元,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以包括数据总线、地址总线和控制总线。
电子设备60也可以与一个或多个外部设备70(例如键盘、指向终端设备、蓝牙终端设备等)通信,这种通信可以通过输入/输出(I/O)接口650进行。电子设备60还包括显示单元640,其连接到输入/输出(I/O)接口650,用于进行显示。并且,电子设备60还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器660通过总线630与电子设备60的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备60使用其它硬件和/或软件模块,包括但不限于:微代码、终端设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。应当注意,尽管在上文详细描述中提及了物料分配装置的若干模块或子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
本发明实施例还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如上述任一项实施例所述的物料分配方法。
此外,尽管在附图中以特定序列描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定序列来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (13)
1.一种物料分配方法,其特征在于,包括:
针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;
获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;
基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
2.根据权利要求1所述的方法,其特征在于,所述获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量包括:
获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期;
获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期;
计算各所述供应工厂在所述最早供应日期至所述最晚供应日期之间的所有供应日期所述物料的库存量和值,并将所述库存量和值作为所述最大供应量。
3.根据权利要求2所述的方法,其特征在于,所述获取各所述供应工厂对各所述需求工厂供应所述物料的最晚供应日期包括:
将所述当前日期与各所述供应工厂对各所述需求工厂的物料运输天数的差值作为所述最晚供应日期。
4.根据权利要求2或3所述的方法,其特征在于,所述获取各所述供应工厂对各所述需求工厂供应所述物料的最早供应日期包括:
针对每个所述供应工厂,获取所述供应工厂对所述物料的供应日期列表;
获取所述供应工厂对所述物料在供应日期列表中各供应日期的库存量;
从所述供应日期列表中确定所述库存量大于预设库存量的第一供应日期;
从所述供应日期列表中确定小于或者等于所述当前日期的第二供应日期;
获取所述第一供应日期和所述第二供应日期的交集供应日期,并从所述交集供应日期中获取最早供应日期。
5.根据权利要求2所述的方法,其特征在于,所述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量后,所述方法还包括:
针对每个所述供应工厂,采用与所述供应工厂对应的目标供应量更新所述供应工厂在目标供应日期所述物料的库存量,所述目标供应日期为所述供应工厂对所述物料的供应日期列表中的可供应日期中最接近所述当前日期的供应日期;
将所述供应工厂在其他供应日期的库存量和所述供应工厂在所述目标供应日期更新后的库存量,作为所述供应工厂在下一日期每个供应日期所述物料的库存量,所述其他供应日期为所述供应日期列表中除所述目标供应日期外的供应日期;
将所述下一日期作为所述当前日期。
6.根据权利要求1所述的方法,其特征在于,所述获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量前,所述方法还包括:
计算所述需求工厂集合中各需求工厂在所述当前日期对所述物料的需求量的第一和值;
计算所述供应工厂集合中各实际供应工厂在所述当前日期对所述物料的最大供应量的第二和值;
计算所述第一和值与所述第二和值的第一差值;
若所述第一差值为正,则将所述差值作为虚拟供应工厂在所述当前日期对所述物料的供应量,并将所述虚拟供应工厂加入所述供应工厂集合中。
7.根据权利要求2所述的方法,其特征在于,所述基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量包括:
根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量;
根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数;
获取所述决策函数的最小值,并将与所述最小值对应的各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为所述目标供应量。
8.根据权利要求7所述的方法,其特征在于,所述根据各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量构建决策变量包括:
将各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的供应量作为第一决策变量;
针对每个所述供应工厂,计算所述目标供应量与所述供应工厂对所述物料的最小起运量的第二差值;
基于所述第二差值构建第二决策变量。
9.根据权利要求8所述的方法,其特征在于,所述根据所述决策变量、所述最大供应量、所述物料运输天数以及所述需求量构建所述物料的决策函数包括:
针对每个所述供应工厂,分别计算所述供应工厂的各所述第一决策变量与其对应的所述物料运输天数的第一乘积;
分别计算与各所述供应工厂对应的第一乘积的第三和值,并计算所有第三和值的第四和值;
针对每个所述供应工厂,分别计算所述供应工厂的各所述第二决策变量与其对应的所述物料运输天数的第二乘积;
分别计算与各所述供应工厂对应的第二乘积的第五和值,并计算所有第五和值的第六和值;
计算所述第五和值和所述第六和值的加权值;
将所述加权值作为所述决策函数;其中,所述决策函数的约束条件为由所述最大供应量以及所述需求量确定。
10.一种物料分配装置,其特征在于,包括:
需求量获取模块,用于针对物料集合中的每个物料,获取需求工厂集合中各需求工厂在当前日期对所述物料的需求量;
最大供应量获取模块,用于获取供应工厂集合中各供应工厂在所述当前日期对各所述需求工厂供应所述物料的最大供应量;
目标供应量获取模块,用于基于所述最大供应量和所述需求量确定各所述供应工厂在所述当前日期对各所述需求工厂供应所述物料的目标供应量。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至9中任一项所述的物料分配方法。
12.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至9中任一项所述的物料分配方法。
13.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的物料分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410456262.2A CN118052424A (zh) | 2024-04-16 | 2024-04-16 | 物料分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410456262.2A CN118052424A (zh) | 2024-04-16 | 2024-04-16 | 物料分配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118052424A true CN118052424A (zh) | 2024-05-17 |
Family
ID=91052277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410456262.2A Pending CN118052424A (zh) | 2024-04-16 | 2024-04-16 | 物料分配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118052424A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401619A (zh) * | 2020-03-10 | 2020-07-10 | 杭州网易再顾科技有限公司 | 采购订单处理方法、装置、电子设备及存储介质 |
CN114331146A (zh) * | 2021-12-29 | 2022-04-12 | 深圳市智能制造软件开发有限公司 | 一种基于大数据预测的纺织厂供应链管理系统 |
CN115587714A (zh) * | 2022-12-09 | 2023-01-10 | 广州中和互联网技术有限公司 | 一种基于标识解析的供应链物料采购交付系统及方法 |
CN115907161A (zh) * | 2022-11-23 | 2023-04-04 | 华润数字科技有限公司 | 一种物料分配运输优化的方法、装置、设备及介质 |
CN115983604A (zh) * | 2023-01-18 | 2023-04-18 | 华润数字科技有限公司 | 运输分配方法和装置、电子设备及存储介质 |
-
2024
- 2024-04-16 CN CN202410456262.2A patent/CN118052424A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401619A (zh) * | 2020-03-10 | 2020-07-10 | 杭州网易再顾科技有限公司 | 采购订单处理方法、装置、电子设备及存储介质 |
CN114331146A (zh) * | 2021-12-29 | 2022-04-12 | 深圳市智能制造软件开发有限公司 | 一种基于大数据预测的纺织厂供应链管理系统 |
CN115907161A (zh) * | 2022-11-23 | 2023-04-04 | 华润数字科技有限公司 | 一种物料分配运输优化的方法、装置、设备及介质 |
CN115587714A (zh) * | 2022-12-09 | 2023-01-10 | 广州中和互联网技术有限公司 | 一种基于标识解析的供应链物料采购交付系统及方法 |
CN115983604A (zh) * | 2023-01-18 | 2023-04-18 | 华润数字科技有限公司 | 运输分配方法和装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11281969B1 (en) | Artificial intelligence system combining state space models and neural networks for time series forecasting | |
Chien et al. | Strategic capacity planning for smart production: Decision modeling under demand uncertainty | |
US20140310059A1 (en) | System , method and computer program forecasting energy price | |
CN109035028B (zh) | 智能投顾策略生成方法及装置、电子设备、存储介质 | |
CN107133699A (zh) | 电影票房趋势预测方法和装置、设备、存储介质 | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
Poojari et al. | Robust solutions and risk measures for a supply chain planning problem under uncertainty | |
CN113762502B (zh) | 神经网络模型的训练方法及装置 | |
Cox et al. | Croon’s bias-corrected estimation of latent interactions | |
CN117194588A (zh) | 一种基于大数据的业务数据一体化监管系统及方法 | |
CN110619407B (zh) | 对象销量的预测方法及系统、电子设备和存储介质 | |
CN111105050B (zh) | 风机维护计划的生成方法、装置、设备及存储介质 | |
CN110689137B (zh) | 参数确定方法、系统、介质和电子设备 | |
CN118052424A (zh) | 物料分配方法、装置、电子设备及存储介质 | |
CN115187144B (zh) | 虚拟电厂电力流转方法、装置、设备、介质和程序产品 | |
CN112308594A (zh) | 选址系统、方法、电子设备及存储介质 | |
CN110377769A (zh) | 基于图数据结构的建模平台系统、方法、服务器及介质 | |
CN113139881B (zh) | 双电源用户主供电源识别方法、装置、设备及存储介质 | |
CN112560325B (zh) | 换电业务的预测方法、系统、设备及存储介质 | |
Chang | A direct search method for unconstrained quantile-based simulation optimization | |
CN113570204A (zh) | 用户行为预测方法、系统和计算机设备 | |
Hammerstrom et al. | A transactive network template for decentralized coordination of electricity provision and value | |
CN116402321B (zh) | 物品需求量确定方法及装置、电子设备和存储介质 | |
US20240160168A1 (en) | Method for schematic design of modular power systems | |
US20080065517A1 (en) | Determining a Technology State of an Entity Using a Technology Index |
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 |