CN108764741A - 用于确定工厂设定区域内的生产设备布局的方法及装置 - Google Patents
用于确定工厂设定区域内的生产设备布局的方法及装置 Download PDFInfo
- Publication number
- CN108764741A CN108764741A CN201810558686.4A CN201810558686A CN108764741A CN 108764741 A CN108764741 A CN 108764741A CN 201810558686 A CN201810558686 A CN 201810558686A CN 108764741 A CN108764741 A CN 108764741A
- Authority
- CN
- China
- Prior art keywords
- cluster
- position sample
- space
- area
- sample
- 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.)
- Granted
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种用于确定工厂设定区域内的生产设备布局的方法,包括:基于生产设备的操作属性和/或生产能力属性,对所述工厂的设定区域内的一个或多个生产设备进行聚类;设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置;以及确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。利用该方法,可以对工厂设定区域内的生产设备进行快速且有效地布局。
Description
技术领域
本申请通常涉及产品生产领域,更具体地,涉及一种用于确定工厂设定区域内的生产设备布局的方法及装置。
背景技术
在当今产品生产领域中,通常是以例如具有多个生产设备的加工站点的方式在工厂(例如,设定区域)内进行产品生产。生产设备所占用的空间区域越小,产品在加工站点之间的行进距离越短,工厂的产品生产成本就越低同时产品生产效率越高。因此,如何对工厂设定区域内的生产设备进行快速且有效地布局以降低产品生产成本和提高产品生产效率,成为产品生产领域中的关键问题。
发明内容
鉴于上述问题,本申请提供了一种用于确定工厂设定区域内的生产设备布局的方法及装置。利用该方法及装置,通过基于生产设备的操作属性和/或生产能力属性进行设备聚类,并以圆形区域来表征聚类所占用的空间区域,然后基于总搬运成本、重叠度和设定区域边缘限制来确定聚类所占用的空间区域的位置和尺寸,并确定各个聚类中的设备在所确定的对应空间区域内的布局位置,可以对工厂设定区域内的生产设备进行快速且有效地布局。
根据本申请的一个方面,提供了一种用于确定工厂设定区域内的生产设备布局的方法,包括:基于生产设备的操作属性和/或生产能力属性,对所述工厂的设定区域内的一个或多个设备进行聚类;设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置;以及确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。
利用根据本申请的方法,通过以圆形区域来表征设备所占用的空间区域,可以适用于处理不规则生产设备或者处理生产设备组合为聚类后导致所占用的不规则形状的空间区域。
可选地,在一个示例中,每个聚类所占用的空间区域的尺寸可以是基于该聚类中的各类生产设备的尺寸和所具有的对应生产设备数量来设定的,或者每个聚类所占用的空间区域的尺寸可以是通过人工布置该聚类中的各个生产设备来设定的。
可选地,在一个示例中,确定各个聚类的空间区域的中心点的位置可以包括:定义所述空间区域的最小单位精度;基于所定义的最小单位精度、设定区域尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的;以及对所生成的预定数目个初始聚类位置样本执行下述迭代操作,直到满足预定条件:对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集;基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估;以及在未满足所述预定条件时,根据所述聚类位置样本更新集来获取所述当前聚类位置样本集,在满足所述预定条件时,从所述聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
利用上述方法,通过仅仅以圆形区域的圆心坐标来表征每个聚类所占用的空间区域的位置以形成聚类位置样本,并利用所形成的聚类位置样本来确定各个对应聚类的空间区域的中心点的位置坐标,可以降低用于确定中心点位置的过程的计算复杂度,并且提高其计算速度。例如,如果以矩形区域来表征每个聚类所占用的空间区域的位置,则至少需要使用顶点位置坐标以及两个边长数值总共4个因子来表征,而根据本申请的方法,仅仅需要圆心坐标(即,2个因子)来表征,从而可以降低计算复杂度以及降低确定结果所需时间。
可选地,在一个示例中,确定各个聚类的空间区域的中心点的位置可以采用遗传算法或粒子群算法来实现。
可选地,在一个示例中,在确定各个聚类的空间区域的中心点的位置是采用遗传算法来实现时,对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集可以包括:对当前聚类位置样本集执行杂交操作和/或变种操作以得到聚类位置样本更新集,以及在未满足所述预定条件时,根据所述聚类位置样本更新集来获取当前聚类位置样本集可以包括:在未满足所述预定条件时,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集。
可选地,在一个示例中,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集可以包括:从所述聚类位置样本更新集中选择所述预定数目个适合度得分最小的聚类位置样本作为所述当前聚类位置样本集。
可选地,在一个示例中,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集可以包括:基于所述聚类位置样本更新集中的各个聚类位置样本的适合度得分,为所述各个聚类位置样本赋予对应的概率;以及基于所述各个聚类位置样本的概率,从所述聚类位置样本更新集中随机选择所述预定数目个聚类位置样本作为所述当前聚类位置样本集。
可选地,在一个示例中,在确定各个聚类的空间区域的中心点的位置是采用粒子群算法来实现时,对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集可以包括:将当前聚类位置样本集中的其他聚类位置样本沿着朝向适合度得分最小的聚类位置样本的方向移动随机距离,以得到聚类位置样本更新集,以及在未满足所述预定条件时,根据所述聚类位置样本更新集来获取当前聚类位置样本集可以包括:在未满足所述预定条件时,将所述聚类位置样本更新集作为所述当前聚类位置样本集。
可选地,在一个示例中,所述预定条件可以包括下述条件中的一个条件:达到预定迭代次数;当前迭代的最小适合度得分与前一迭代的最小适合度得分的差值小于第一预定阈值;和预定迭代次数内的最小适合度得分之间的差值小于第二预定阈值。
可选地,在一个示例中,所述最小单位精度可以是基于所述设定区域的尺寸、生产设备安装允许误差和计算能力来定义的。
根据本申请的另一方面,提供了一种用于确定工厂设定区域内的生产设备布局的装置,包括:聚类单元,用于基于生产设备的操作属性和/或生产能力属性,对所述工厂的设定区域内的一个或多个生产设备进行聚类;聚类空间尺寸设定单元,用于设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;聚类空间位置确定单元,用于至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置;以及生产设备位置确定单元,用于确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。
可选地,在一个示例中,所述聚类空间尺寸设定单元用于:基于该聚类中的各类生产设备的尺寸和所具有的对应生产设备数量来设定每个聚类所占用的空间区域的尺寸;或者通过人工布置该聚类中的各个生产设备来设定每个聚类所占用的空间区域的尺寸。
可选地,在一个示例中,所述聚类空间位置确定单元可以包括:单位精度定义模块,用于定义所述空间区域的最小单位精度;聚类位置样本生成模块,用于基于所定义的最小单位精度、设定区域的尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的;以及迭代操作模块,用于对所生成的预定数目个初始聚类位置样本执行下述迭代操作,直到满足预定条件:对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集;基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估;以及在未满足所述预定条件时,根据所述聚类位置样本更新集来获取所述当前聚类位置样本集;以及聚类空间位置确定模块,用于在满足所述预定条件时,从所述聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
根据本申请的另一方面,提供了一种计算设备,包括:一个或多个处理器,以及与所述一个或多个处理器耦合的存储器,所述存储器存储指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的用于确定工厂设定区域内的设备布局的方法。
根据本申请的另一方面,提供了一种非暂时性机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的用于确定工厂设定区域内的设备布局的方法。
附图说明
通过参照下面的附图,可以实现对于本公开内容的本质和优点的进一步理解。在附图中,类似组件或特征可以具有相同的附图标记。
图1示出了根据本申请的用于确定工厂设定区域内的生产设备布局的方法的流程图;
图2A-图2C示出了根据本申请的每个聚类所占用的空间区域中的生产设备布置的示例;
图3示出了根据本申请的用于确定各个聚类的空间区域的中心点的位置的示例过程的流程图;
图4示出了根据本申请的聚类位置样本的示例的示意图;
图5示出了根据本申请的采用遗传算法确定各个聚类的空间区域的中心点的位置的示例过程的流程图;
图6A示出了根据本申请的杂交操作的示例的示意图;
图6B示出了根据本申请的变种操作的示例的示意图;
图7示出了根据本申请的采用粒子群算法确定各个聚类的空间区域的中心点的位置的示例过程的流程图;
图8示出了根据本申请的用于确定工厂设定区域内的生产设备布局的装置的方框图;
图9示出了根据本申请的聚类空间位置确定单元的一个实现示例的方框图;和
图10示出了根据本申请的用于确定工厂设定区域内的生产设备布局的计算设备的方框图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。例如,所描述的方法可以按照与所描述的顺序不同的顺序来执行,以及各个步骤可以被添加、省略或者组合。另外,相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义,无论是明确的还是隐含的。除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
如本文中使用的,术语“产品”可以涉及各种领域的产品。可选的,所述产品可以包括半导体芯片产品。为了论述简便,下文中结合半导体芯片产品来进行描述。但是要明白的是,下文中描述的方案通常适合于其它类型的产品。
如本文中使用的,术语“设定区域”是指所设定的凸结构多边形区域。
下面结合附图描述根据本申请的用于确定工厂设定区域内的生产设备布局的方法及装置的实施例。
图1示出了根据本申请的用于确定工厂设定区域内的生产设备布局的方法的流程图。
如图1所示,在块S110,基于生产设备的操作属性和/或生产能力属性,对所述工厂的设定区域内的一个或多个生产设备进行聚类。生产设备的操作属性是指生产设备可以用于哪些操作或者被设定为将要用于哪些操作。生产设备的生产能力属性是指生产设备具有何种产品生产能力或者执行产品的何种工序的生产能力。根据本申请的一个实施例,可以将处理同一操作或工序的生产设备或者具备相同或相似生产能力的生产设备聚类为同一聚类。这里,设定区域可以指工厂的用于产品生产的生产区域的全部区域或部分区域。例如,设定区域可以是整个工厂的厂房/生产车间或者厂房/生产车间内的部分区域。此外,所述聚类可以具有用于指示该聚类在工艺流程中的顺序的流程顺序属性。
在如上对设备进行聚类后,在块S120,设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示。通常,将所占用的圆形区域的半径设定为能够覆盖该聚类的所有设备的最小半径。根据本申请的一个实施例,每个聚类所占用的空间区域的尺寸可以基于该聚类中的各类设备的尺寸和所具有的对应设备数量来设定。例如,假设该聚类包括三种类型的生产设备,比如,生产设备A,生产设备B和生产设备C,生产设备A的尺寸为2平方米,生产设备A的数量为3个,生产设备B的尺寸为1.8平方米,生产设备B的数量为2个,生产设备C的尺寸为2.4平方米,以及生产设备C的数量为2个,则该聚类所占用的空间区域的面积为2×3+1.8×2+2.4×2=14.4平方米。由于每个聚类的空间区域利用圆形区域来表示,则该聚类的空间区域所对应的圆形区域的半径至少为2.15米。根据本申请的另一实施例,每个聚类所占用的空间区域的尺寸可以通过人工布置该聚类中的各个生产设备来设定。
图2A-图2C示出了根据本申请的每个聚类所占用的空间区域中的生产设备布置的示例。图2A示出了每个聚类中的生产设备使用面对背(face-to-back)方式进行水平布置的示例,图2B示出了每个聚类中的生产设备使用面对面(face-to-face)方式进行水平布置的示例,以及图2C示出了每个聚类中的生产设备竖直布置的示例。
接着,在块S130,至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置。这里,搬运成本是指产品物料从入口起按照工艺路线行进最后到达终点所花费的成本。总搬运成本是指所有产品物料从入口起按照工艺路线行进最后到达终点所花费的总成本。重叠度是指两个聚类所占用的空间区域之间的重叠程度,即,两个聚类所占用的圆形区域之间的重叠程度。设定区域边缘限制是指工厂的设定区域边缘位置导致的生产设备布置限制。设定区域通常为具有规则图形的区域。可选地,设定区域为矩形区域或正方形区域。每个聚类的空间区域的中心点的位置的确定过程将在下面参照图3-图7进行详细描述。
在确定出各个聚类的空间区域的中心点的位置后,在块S140,确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。根据本申请的一个实施例,在如上确定出每个聚类所占用的空间区域(即,圆形区域)的尺寸和中心点位置后,可以通过人工布置的方式来确定出每个聚类中的各个生产设备在对应的空间区域中的布局位置,或者,可以基于每个生产设备的尺寸和形状,利用预定设备布置模型来确定出每个聚类中的各个生产设备在对应的空间区域中的布局位置。这里,设备布置模型可以是利用历史生产设备布置数据训练出的数学模型。
可选地,在确定出各个聚类中的各个生产设备在对应的空间区域中的布局位置后,还可以基于所确定出的各个生产设备的布局位置,将各个聚类中的各个生产设备布置在对应的空间区域中,从而完成工厂设定区域内的生产设备的布置过程。
图3示出了根据本申请的用于确定各个聚类的空间区域的中心点的位置的示例过程的流程图。
如图3所示,在块S310,定义空间区域的最小单位精度。在本申请中,最小单位精度是指空间区域分割时的最小粒度。例如,假设工厂的设定区域为100米×100米,最小单位精度为1米,则每个聚类的中心点的位置取值有10000种可能值。如果最小单位精度为2米,则每个聚类的中心点的位置取值有2500种可能性。在本申请中,所述最小单位精度是基于所述设定区域的尺寸、生产设备安装允许误差和计算能力来定义的。优选地,最小单位精度的取值被定义为在允许误差范围内的最大取值。这里,计算能力是指用于确定每个聚类所占用的空间区域的中心点的位置的装置的计算能力或处理能力。例如,用于确定每个聚类所占用的空间区域的中心点的位置的处理器或处理芯片的计算能力或处理能力。在本申请中,通过将最小单位精度定义为合适取值,可以较好地平衡根据本申请的设备布局方案的计算难度和计算精确度。
在块S320,基于所定义的最小单位精度、设定区域尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成第一预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的。例如,可以基于所定义的最小单位精度和设定区域的尺寸,确定初始聚类位置样本的位置坐标的取值范围。然后,基于各个聚类的空间区域的尺寸,从所确定的位置坐标的取值范围中取出合适的位置坐标来生成预定数目个初始聚类位置样本。这里,第一预定数目可以是基于用于确定每个聚类所占用的空间区域的中心点的位置的装置的计算能力或处理能力来设定。或者,第一预定数目可以是基于经验来设定。在本申请中,每个聚类位置样本反映设定区域中的一种聚类位置布局方案。
图4示出了根据本申请的聚类位置样本的示例的示意图。图4中示出了4个聚类,比如,聚类1,聚类2,聚类3和聚类4。其中,聚类1的中心点的位置坐标为(5,4),聚类2的中心点的位置坐标为(4,11),聚类3的中心点的位置坐标为(12,12),以及聚类4的中心点的位置坐标为(15,4),并且各个聚类在工艺路线中的顺序为聚类1→聚类2→聚类3→聚类4,则所得到的聚类位置样本为[5,4,4,11,12,12,15,4]。
然后,对所生成的预定数目个初始聚类位置样本执行块S330到块S360迭代操作,直到满足预定条件。其中,初始当前聚类位置样本集是由所述预定数目个初始聚类位置样本构成的样本集。
具体地,在块S330,对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集。
在得到聚类位置样本更新集后,在块S340,基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估。
基于总搬运成本的适合度得分可以采用下述过程来计算:首先,计算每种产品物料搬运距离,其计算方法为从入口开始,按照工艺路线依次经过各个聚类所占用空间区域的圆心,最后到达终点(即,出口)的移动距离。然后,再将各个产品的产量,单位移动成本和移动距离相乘以得到各个产品的搬运成本得分,最后将所有产品的搬运成本得分相加得到基于总搬运成本的适合度得分。
基于重叠度的适合度得分可以采用下述过程来计算:将所有聚类的圆形区域两两进行比较,以基于两个圆形区域的实际圆心距离和目标圆心距离来确定该两个聚类之间的基于重叠度的适合度得分,然后,将所确定出的所有圆形区域的基于重叠度的适合度得分相加得到基于重叠度的适合度得分。例如,假设目标重叠度为0.2.两个圆的半径都为5米。两圆的圆心距离为6米。在这种情况下,圆心的目标距离为(5+5)*(1-0.2)=8米,而实际距离的圆心距离为6米,比目标距离短2米,那么针对该两个圆形区域所得到的基于重叠度的适合度得分为2。
基于设定区域边缘限制的适合度得分可以采用下述过程来计算:将每一个圆形区域和设定区域边缘进行比较,以基于该圆形区域的圆心与设定区域的各个边缘的实际距离与相应的目标距离来确定该圆形区域基于设定区域边缘限制的适合度得分;然后将所确定出的所有圆形区域的基于设定区域边缘限制的适合度得分相加得到基于设定区域边缘限制的适合度得分。例如,假设目标重叠度为0.2,圆形区域的圆心为(5,2),半径为5米,设定区域为正方形区域,并且设定区域的四个顶点的位置坐标为{(0,0),(0,50),(50,50),(50,0)},当它和设定区域的下边界比较时,圆心和下边界的实际距离为2-0=2米,而所要求的目标距离为5×(1-0.2)=4米,那么该圆形区域相对于下边界的基于设定区域边缘限制的适合度得分为4-2=2。此外,按照同样的方式计算该圆形区域相对设定区域的其余3个边界的适合度得分。例如,由于该圆形区域的圆心位置距离上边界的距离为48米,该距离大于所要求的目标距离4米,则该圆形区域相对于上边界的基于设定区域边缘限制的适合度得分为0。同样,该圆形区域相对于右边界的基于设定区域边缘限制的适合度得分为0。该圆形区域相对于左边界的基于设定区域边缘限制的适合度得分为0。然后,将所有四个得分相加,得到该圆形区域基于设定区域边缘限制的适合度得分为2。在设定区域是其它类型的凸结构多边形时,可以如上所述基于圆形区域的中心点(即,圆心)到各个边的距离来计算每个边的适合度得分,然后将所有边的适合度得分相加得到基于设定区域边缘限制的适合度得分。
此外,可选地,根据本申请的一个实施例,还可以为基于总搬运成本的适合度得分、基于重叠度的适合度得分和基于设定区域边缘限制的适合度得分赋予权重。例如,基于总搬运成本的适合度得分通常在1000到2000的数量级,基于重叠度的适合度得分通常在30-40的数量级,以及基于设定区域边缘限制的适合度得分通常在5-10的数量级。为了平衡各个适合度得分对总体评估的影响,通常通过为各个适合度得分赋予不同的权重以使得该各个适合度得分在同一数量级水平上。例如,在上述适合度得分的情况下,可以将基于总搬运成本的适合度得分的权重设置为1,将基于重叠度的适合度得分的权重设置为50,以及将基于工厂设定区域边缘限制的适合度得分的权重设置为200。然后,将上述三种适合度得分进行权重加和,以得到该聚类位置样本的适合度得分。
接着,在块S350,判断是否达到预定条件。在未满足所述预定条件时,在块S360,根据所述聚类位置样本更新集来获取当前聚类位置样本集。然后,返回到块S330,基于所获取的新的当前聚类位置样本集来执行下一次迭代操作。
在满足所述预定条件时,在块S370,从聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。例如,在满足预定条件后,从聚类位置样本更新集中找出适合度得分最小的聚类位置样本,然后从所找出的适合度得分最小的聚类位置样本中依次取出各个聚类的中心点的位置坐标。
在本申请中,所述预定条件可以包括下述条件中的一个条件:达到预定迭代次数;当前迭代的最小适合度得分与前一迭代的最小适合度得分的差值小于第一预定阈值;和预定迭代次数内的最小适合度得分之间的差值小于第二预定阈值。
在本申请中,确定各个聚类的空间区域的中心点的位置可以采用遗传算法或粒子群算法来实现。
图5示出了根据本申请的采用遗传算法确定各个聚类的空间区域的中心点的位置的示例过程的流程图。
如图5所示,在块S510,定义空间区域的最小单位精度。在块S520,基于所定义的最小单位精度、设定区域的尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成第一预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的。
然后,对所生成的预定数目个初始聚类位置样本执行块S530到块S560迭代操作,直到满足预定条件。其中,初始当前聚类位置样本集是由所述预定数目个初始聚类位置样本构成的样本集。
具体地,在块S530,对当前聚类位置样本集执行杂交操作和/或变种操作以得到聚类位置样本更新集。例如,在本申请的一个实施例中,可以对当前聚类位置样本集执行杂交操作和/或变种操作,然后将经过杂交操作和/或变种操作后得到的聚类位置样本作为聚类位置样本更新集,或者,在本申请的另一实施例中,可以将经过杂交操作和/或变种操作后得到的聚类位置样本与当前聚类位置样本集一起作为聚类位置样本更新集。
图6A示出了根据本申请的杂交操作的示例的示意图。如图6A所示,杂交操作前的聚类位置样本为A1:[5,4,4,11,12,12,15,4]和B1:[4,4,14,12,5,11,11,6],则通过将聚类位置样本A1和B2中的部分元素互换来执行杂交操作,执行杂交操作后的聚类位置样本为A2:[5,4,14,12,5,11,15,4]和B2:[4,4,4,11,12,12,11,6]。可选地,在本申请的一个实施例中,通过执行杂交操作后获得的聚类位置样本的数目可以和当前聚类位置样本的数目相同。例如,假设当前聚类位置样本的数目为100,则通过执行杂交操作后获得的聚类位置样本的数目也可以为100。在本申请的其它实施例中,通过执行杂交操作后获得的聚类位置样本的数目也可以和当前聚类位置样本的数目不相同,比如更多或更少。
图6B示出了根据本申请的变种操作的示例的示意图。如图6B所示,变种操作前的聚类位置样本为A1:[5,4,4,11,12,12,15,4],则通过将聚类位置样本A1中的部分元素更换来执行变种操作,执行变种操作后的聚类位置样本为A2:[5,4,4,11,7,14,15,4]。可选地,在本申请的一个实施例中,通过执行变种操作后获得的聚类位置样本的数目可以少于当前聚类位置样本的数目。例如,假设当前聚类位置样本的数目为100,则通过执行变种操作后获得的聚类位置样本的数目可以为50。在本申请的其它实施例中,通过执行变种操作后获得的聚类位置样本的数目也可以和当前聚类位置样本的数目相同,或者,通过执行变种操作后获得的聚类位置样本的数目也可以比当前聚类位置样本的数目更多。
在得到聚类位置样本更新集后,在块S540,基于总搬运成本、重叠度和工厂设定区域边缘限制,对聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估。接着,在块S550,判断是否达到预定条件。
在未满足所述预定条件时,在块S560,从所述聚类位置样本更新集中获取第一预定数目个聚类位置样本,作为当前聚类位置样本集。在根据本申请的一个实施例中,根据聚类位置样本更新集来获取当前聚类位置样本集可以包括:从所述聚类位置样本更新集中选择所述预定数目个适合度得分最小的聚类位置样本,作为所述当前聚类位置样本集。例如,可以基于适合度得分对聚类位置样本更新集中的聚类位置样本进行从小到大的排序,然后选择第一预定数目个排序在前的聚类位置样本作为当前聚类位置样本集。在根据本申请的另一实施例中,根据聚类位置样本更新集来获取当前聚类位置样本集可以包括:基于聚类位置样本更新集中的各个聚类位置样本的适合度得分,为所述各个聚类位置样本赋予对应的概率;以及基于各个聚类位置样本的概率,从聚类位置样本更新集中随机选择第一预定数目个聚类位置样本作为当前聚类位置样本集。
然后,返回到块S530,基于所获取的新的当前聚类位置样本集来执行下一次迭代操作。
在满足所述预定条件时,在块S570,从聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
图7示出了根据本申请的采用粒子群算法确定各个聚类的空间区域的中心点的位置的示例过程的流程图。
如图7所示,在块S710,定义空间区域的最小单位精度。在块S720,基于所定义的最小单位精度、设定区域的尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成第一预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的。
然后,对所生成的预定数目个初始聚类位置样本执行块S730到块S760迭代操作,直到满足预定条件。其中,初始当前聚类位置样本集是由所述预定数目个初始聚类位置样本构成的样本集。
具体地,在块S730,将当前聚类位置样本集中的其他聚类位置样本沿着朝向适合度得分最小的聚类位置样本的方向移动随机距离,以得到聚类位置样本更新集。具体地,每一次迭代确认了当前适合度得分最小的聚类位置样本后,所有的其它聚类位置样本都朝向适合度得分最小的聚类位置样本的方向移动,移动距离为随机值。例如,假设存在3个聚类以及50个聚类位置样本,其中,聚类位置样本[3,4,6,3,7,8]是当前迭代过程中的适合度得分最小的聚类位置样本,则在不满足预定条件时,所有其它聚类位置样本都朝向聚类位置样本[3,4,6,3,7,8]移动。例如,假设聚类位置样本[1,1,9,9,2,2]是要朝向聚类位置样本[3,4,6,3,7,8]移动的聚类位置样本,其随机的移动距离为[0.1,0.5,0.2,0.7,0.4,0.3],则移动后得到的聚类位置样本为[1.1,1.5,8.8,8.3,2.4,2.3]。如上重复执行移动过程,直到满足预定条件。
在得到聚类位置样本更新集后,在块S740,基于总搬运成本、重叠度和工厂设定区域边缘限制,对聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估。接着,在块S750,判断是否达到预定条件。
在未满足所述预定条件时,在块S760,将聚类位置样本更新集作为当前聚类位置样本集。然后,返回到块S730,基于所获取的新的当前聚类位置样本集来执行下一次迭代操作。
在满足所述预定条件时,在块S770,从聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
如上参照图1到图7描述了根据本申请的用于确定工厂设定区域内的设备布局的方法,下面将参照图8和图9描述根据本申请的用于确定工厂设定区域内的设备布局的装置。
图8示出了根据本申请的用于确定工厂设定区域内的生产设备布局的装置800(下文中简称为生产设备布局装置800)的方框图。
如图8所示,生产设备布局装置800包括聚类单元810、聚类空间尺寸设定单元820、聚类空间位置确定单元830和生产设备位置确定单元840。
聚类单元810用于基于生产设备的操作属性和/或生产能力属性,对所述工厂设定区域内的一个或多个生产设备进行聚类。聚类单元810的操作类似于上面参照图1中的块S110描述的操作。
聚类空间尺寸设定单元820用于设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示。聚类空间尺寸设定单元820的操作类似于上面参照图1中的块S120描述的操作。
聚类空间位置确定单元830用于至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置。聚类空间位置确定单元830的操作类似于上面参照图1中的块S130描述的操作。
生产设备位置确定单元840用于确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。生产设备位置确定单元840的操作类似于上面参照图1中的块S140描述的操作。
可选地,根据本申请的一个实施例,聚类空间尺寸设定单元820可以基于该聚类中的各类生产设备的尺寸和所具有的对应生产设备数量来设定每个聚类所占用的空间区域的尺寸。或者,根据本申请的另一实施例,聚类空间尺寸设定单元820可以通过人工布置该聚类中的各个生产设备来设定每个聚类所占用的空间区域的尺寸。
图9示出了根据本申请的聚类空间位置确定单元830的一个实现示例的方框图。如图9所示,聚类空间位置确定单元830包括单位精度定义模块831、聚类位置样本生成模块833、迭代操作模块835和聚类空间位置确定模块837。
单位精度定义模块831用于定义空间区域的最小单位精度。单位精度定义模块831的操作类似于上面参照图3、图5和图7中的块S310、块S510和S710描述的操作。
聚类位置样本生成模块833用于基于所定义的最小单位精度、设定区域的尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的。聚类位置样本生成模块833的操作类似于上面参照图3、图5和图7中的块S320、块S520和S720描述的操作。
迭代操作模块835用于对所生成的预定数目个初始聚类位置样本执行下述迭代操作,直到满足预定条件:对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集;基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估;以及在未满足所述预定条件时,根据所述聚类位置样本更新集来获取所述当前聚类位置样本集。迭代操作模块835的操作类似于上面参照图3、图5和图7中的块S330-S360、块S530-S560和S730-S760描述的操作。
聚类空间位置确定模块837用于在满足预定条件时,从聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。聚类空间位置确定模块837的操作类似于上面参照图3、图5和图7中的块S370、块S570和S770描述的操作。
如上参照图1到图9,对根据本申请的用于确定工厂设定区域内的生产设备布局的方法及装置的实施例进行了描述。上面所述的生产设备布局确定装置可以采用硬件实现,也可以采用软件或者硬件和软件的组合来实现。
图10示出了根据本申请的用于确定工厂设定区域内的生产设备布局的计算设备1000的方框图。根据一个实施例,计算设备1000可以包括一个或多个处理器1010,处理器1010执行在计算机可读存储介质(即,存储器1020)中存储或编码的一个或多个计算机可读指令(即,上述以软件形式实现的元素)。
在一个实施例中,在存储器1020中存储计算机可执行指令,其当执行时使得一个或多个处理器1010:基于所述工厂设定区域内的一个或多个生产设备的操作属性和/或生产能力属性,对所述工厂内的一个或多个生产设备进行聚类;设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定每个聚类的空间区域的中心点的位置;以及确定每个聚类中的各个生产设备在对应的空间区域中的布局位置。
应该理解,在存储器1020中存储的计算机可执行指令当执行时使得一个或多个处理器1010进行本申请的各个实施例中以上结合图1-9描述的各种操作和功能。
根据一个实施例,提供了一种比如非暂时性机器可读介质的程序产品。所述非暂时性机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本申请的各个实施例中以上结合图1-9描述的各种操作和功能。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本发明的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各***结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理实体实现,或者,有些单元可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元或模块可以通过机械方式或电气方式实现。例如,一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上面结合附图阐述的具体实施方式描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所定义的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (15)
1.一种用于确定工厂设定区域内的生产设备布局的方法,包括:
基于生产设备的操作属性和/或生产能力属性,对所述工厂的设定区域内的一个或多个生产设备进行聚类;
设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;
至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置;以及
确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。
2.如权利要求1所述的方法,其中,每个聚类所占用的空间区域的尺寸是基于该聚类中的各类生产设备的尺寸和所具有的对应生产设备数量来设定的,或者
每个聚类所占用的空间区域的尺寸是通过人工布置该聚类中的各个生产设备来设定的。
3.如权利要求1所述的方法,其中,确定各个聚类的空间区域的中心点的位置包括:
定义所述空间区域的最小单位精度;
基于所定义的最小单位精度、设定区域尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的;以及
对所生成的预定数目个初始聚类位置样本执行下述迭代操作,直到满足预定条件:
对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集;
基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估;以及
在未满足所述预定条件时,根据所述聚类位置样本更新集来获取所述当前聚类位置样本集,
在满足所述预定条件时,从所述聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
4.如权利要求3所述的方法,其中,确定各个聚类的空间区域的中心点的位置是采用遗传算法或粒子群算法来实现的。
5.如权利要求4所述的方法,其中,在确定各个聚类的空间区域的中心点的位置是采用遗传算法来实现时,对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集包括:
对当前聚类位置样本集执行杂交操作和/或变种操作以得到聚类位置样本更新集,以及
在未满足所述预定条件时,根据所述聚类位置样本更新集来获取当前聚类位置样本集包括:
在未满足所述预定条件时,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集。
6.如权利要求5所述的方法,其中,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集包括:
从所述聚类位置样本更新集中选择所述预定数目个适合度得分最小的聚类位置样本作为所述当前聚类位置样本集。
7.如权利要求5所述的方法,其中,从所述聚类位置样本更新集中获取所述预定数目个聚类位置样本作为所述当前聚类位置样本集包括:
基于所述聚类位置样本更新集中的各个聚类位置样本的适合度得分,为所述各个聚类位置样本赋予对应的概率;以及
基于所述各个聚类位置样本的概率,从所述聚类位置样本更新集中随机选择所述预定数目个聚类位置样本作为所述当前聚类位置样本集。
8.如权利要求4所述的方法,其中,在确定各个聚类的空间区域的中心点的位置是采用粒子群算法来实现时,对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集包括:
将当前聚类位置样本集中的其他聚类位置样本沿着朝向适合度得分最小的聚类位置样本的方向移动随机距离,以得到聚类位置样本更新集,以及
在未满足所述预定条件时,根据所述聚类位置样本更新集来获取当前聚类位置样本集包括:
在未满足所述预定条件时,将所述聚类位置样本更新集作为所述当前聚类位置样本集。
9.如权利要求3所述的方法,其中,所述预定条件包括下述条件中的一个条件:
达到预定迭代次数;
当前迭代的最小适合度得分与前一迭代的最小适合度得分的差值小于第一预定阈值;和
预定迭代次数内的最小适合度得分之间的差值小于第二预定阈值。
10.如权利要求3所述的方法,其中,所述最小单位精度是基于所述设定区域尺寸、生产设备安装允许误差和计算能力来定义的。
11.一种用于确定工厂设定区域内的生产设备布局的装置,包括:
聚类单元,用于基于生产设备的操作属性和/或生产能力属性,对所述工厂设定区域内的一个或多个生产设备进行聚类;
聚类空间尺寸设定单元,用于设定每个聚类所占用的空间区域的尺寸,其中,每个聚类所占用的空间区域以圆形区域表示;
聚类空间位置确定单元,用于至少部分地基于总搬运成本、重叠度和设定区域边缘限制,确定各个聚类的空间区域的中心点的位置;以及
生产设备位置确定单元,用于确定各个聚类中的各个生产设备在对应的空间区域中的布局位置。
12.如权利要求11所述的装置,其中,所述聚类空间尺寸设定单元用于:
基于该聚类中的各类生产设备的尺寸和所具有的对应设备数量来设定每个聚类所占用的空间区域的尺寸;或者
通过人工布置该聚类中的各个生产设备来设定每个聚类所占用的空间区域的尺寸。
13.如权利要求11所述的装置,其中,所述聚类空间位置确定单元包括:
单位精度定义模块,用于定义所述空间区域的最小单位精度;
聚类位置样本生成模块,用于基于所定义的最小单位精度、设定区域尺寸、各个聚类的工艺顺序以及各个聚类的空间区域的尺寸,生成预定数目个初始聚类位置样本,其中,所述聚类位置样本是利用各个聚类的空间区域的中心点的位置坐标依次链接形成的;以及
迭代操作模块,用于对所生成的预定数目个初始聚类位置样本执行下述迭代操作,直到满足预定条件:
对当前聚类位置样本集执行预定操作以得到聚类位置样本更新集;
基于总搬运成本、重叠度和设定区域边缘限制,对所述聚类位置样本更新集中的各个聚类位置样本进行适合度得分评估;以及
在未满足所述预定条件时,根据所述聚类位置样本更新集来获取所述当前聚类位置样本集;以及
聚类空间位置确定模块,用于在满足所述预定条件时,从所述聚类位置样本更新集中的适合度得分最小的聚类位置样本中获取各个对应聚类的空间区域的中心点的位置坐标。
14.一种计算设备,包括:
一个或多个处理器,以及
与所述一个或多个处理器耦合的存储器,所述存储器存储指令,当所述指令被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1到10中任一所述的方法。
15.一种非暂时性机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如权利要求1到10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558686.4A CN108764741B (zh) | 2018-06-01 | 2018-06-01 | 用于确定工厂设定区域内的生产设备布局的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558686.4A CN108764741B (zh) | 2018-06-01 | 2018-06-01 | 用于确定工厂设定区域内的生产设备布局的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764741A true CN108764741A (zh) | 2018-11-06 |
CN108764741B CN108764741B (zh) | 2019-10-18 |
Family
ID=64002204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810558686.4A Active CN108764741B (zh) | 2018-06-01 | 2018-06-01 | 用于确定工厂设定区域内的生产设备布局的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764741B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395660A (zh) * | 2019-08-15 | 2021-02-23 | 达索***美国公司 | 使用虚拟模型和基于图形的模拟为制造资源的操作区建模 |
CN112859756A (zh) * | 2019-11-12 | 2021-05-28 | 珠海格力电器股份有限公司 | 一种目标区域的工作质量的监控方法及存储介质 |
CN115599809A (zh) * | 2022-11-16 | 2023-01-13 | 泽恩科技有限公司(Cn) | 基于粒子群优化算法的数据库布局设计方法 |
US11734622B2 (en) | 2021-05-27 | 2023-08-22 | Changxin Memory Technologies, Inc. | Method, apparatus and device for determining production capacity boundaries |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106540A (zh) * | 2011-11-14 | 2013-05-15 | 李星月 | 应用于粒子群的优化方法 |
CN105101093A (zh) * | 2015-09-10 | 2015-11-25 | 电子科技大学 | 一种关于地理位置信息的网络拓扑可视化方法 |
CN106650202A (zh) * | 2016-09-18 | 2017-05-10 | 中国科学院计算技术研究所 | 一种数据驱动的室内区域布局预测方法及*** |
CN107909223A (zh) * | 2017-12-11 | 2018-04-13 | 浙江工业大学 | 一种复杂车间低熵化布局与稳健优化方法 |
-
2018
- 2018-06-01 CN CN201810558686.4A patent/CN108764741B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106540A (zh) * | 2011-11-14 | 2013-05-15 | 李星月 | 应用于粒子群的优化方法 |
CN105101093A (zh) * | 2015-09-10 | 2015-11-25 | 电子科技大学 | 一种关于地理位置信息的网络拓扑可视化方法 |
CN106650202A (zh) * | 2016-09-18 | 2017-05-10 | 中国科学院计算技术研究所 | 一种数据驱动的室内区域布局预测方法及*** |
CN107909223A (zh) * | 2017-12-11 | 2018-04-13 | 浙江工业大学 | 一种复杂车间低熵化布局与稳健优化方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395660A (zh) * | 2019-08-15 | 2021-02-23 | 达索***美国公司 | 使用虚拟模型和基于图形的模拟为制造资源的操作区建模 |
CN112859756A (zh) * | 2019-11-12 | 2021-05-28 | 珠海格力电器股份有限公司 | 一种目标区域的工作质量的监控方法及存储介质 |
CN112859756B (zh) * | 2019-11-12 | 2022-04-08 | 珠海格力电器股份有限公司 | 一种目标区域的工作质量的监控方法及存储介质 |
US11734622B2 (en) | 2021-05-27 | 2023-08-22 | Changxin Memory Technologies, Inc. | Method, apparatus and device for determining production capacity boundaries |
CN115599809A (zh) * | 2022-11-16 | 2023-01-13 | 泽恩科技有限公司(Cn) | 基于粒子群优化算法的数据库布局设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108764741B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764741B (zh) | 用于确定工厂设定区域内的生产设备布局的方法及装置 | |
TWI338846B (en) | A method for grid-based data clustering | |
CN104239299B (zh) | 三维模型检索方法及装置 | |
CN110427433A (zh) | 一种区块链共识方法和存储介质 | |
CN106096727A (zh) | 一种基于机器学习的网络模型构造方法及装置 | |
CN109118119A (zh) | 风控模型生成方法及装置 | |
CN106375120B (zh) | 一种it基础设施快速拓扑方法及装置 | |
WO2021068527A1 (zh) | 一种足迹引导的高效航空电磁法数值模拟方法 | |
CN106484692A (zh) | 一种三维模型检索方法 | |
CN110704560B (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
CN109214557A (zh) | 一种二维不规则板件排样方法 | |
CN108764322A (zh) | 一种基于概念漂移的流数据集成分类方法和装置 | |
Shang et al. | Spatial scheduling optimization algorithm for block assembly in shipbuilding | |
CN105953773A (zh) | 斜坡坡度角获取方法及装置 | |
CN105205052A (zh) | 一种数据挖掘方法及装置 | |
CN103971136A (zh) | 一种面向大规模数据的并行结构化支持向量机分类方法 | |
CN114783021A (zh) | 一种口罩佩戴智能检测方法、装置、设备及介质 | |
CN103714384B (zh) | 基于移动模式序列与遗传禁忌的集成电路的布图方法 | |
CN110853120A (zh) | 基于分割绘图法的网络布局方法、***及介质 | |
CN110222484A (zh) | 一种用户身份识别方法、装置、电子设备及存储介质 | |
CN110972060B (zh) | 一种在电力通信网面向终端接入的边缘控制中心部署方法 | |
CN105589896B (zh) | 数据挖掘方法及装置 | |
CN106919712A (zh) | 报表的数据统计方法和*** | |
CN111782904A (zh) | 一种基于改进smote算法的非平衡数据集处理方法及*** | |
CN105512726A (zh) | 基于免疫遗传优化的可靠性分配方法及装置 |
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 |