CN113361830A - 数字化生产控制***、排产方法、装置、设备及存储介质 - Google Patents
数字化生产控制***、排产方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113361830A CN113361830A CN202110908014.3A CN202110908014A CN113361830A CN 113361830 A CN113361830 A CN 113361830A CN 202110908014 A CN202110908014 A CN 202110908014A CN 113361830 A CN113361830 A CN 113361830A
- Authority
- CN
- China
- Prior art keywords
- production
- produced
- orders
- scheduling
- order
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 909
- 238000000034 method Methods 0.000 title claims abstract description 232
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims description 193
- 238000012384 transportation and delivery Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010924 continuous production Methods 0.000 abstract description 6
- 239000000047 product Substances 0.000 description 85
- 238000009958 sewing Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 21
- 238000005520 cutting process Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 13
- 238000003058 natural language processing Methods 0.000 description 12
- 238000007639 printing Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010409 ironing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010061224 Limb discomfort Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000009964 serging Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本申请实施例提供一种数字化生产控制***、排产方法、装置、设备及存储介质。其中,数字化生产控制***包括排产***、中心调度节点和部署在工厂环境中的多个生产线组。由于排产***在计算待产订单之间的相似度时,考虑了待产订单需要的生产工段,这样,排产***基于待产订单之间的相似度对待产订单排产时,可以将生产工段相似的待产订单排产到同一生产线,使得中心调度节点可以控制同一生产线生产相似的待产订单,提高了生产线连续生产的可能性,改善了生产线的生产效率,满足了数字化工厂优化排产的需求。
Description
技术领域
本申请涉及智能制造技术领域,尤其涉及一种数字化生产控制***、排产方法、装置、设备及存储介质。
背景技术
随着云计算、物联网、人工智能等技术的不断发展,涌现出越来越多的数字化工厂。数字化工厂能够实现产品从原料采购、产品设计以及生产加工等全生产链条的数据化处理;还能够按照柔性制造模式进行生产制造。在柔性制造模式下,数字化工厂以消费者需求为核心,重构传统以产定销的生产模式,实现按需智造。例如,由于服装智造领域具有按需生产、按销生产以及快速响应等需求,致使数字化工厂接受的服装订单具有所需生产的服装款式繁多、每个款式的服装所需生产的数量较少、生产周期短以及交货快等特点。
实际应用中,订单的排产计划影响数字化工厂的生产效率。订单的排产计划安排合理的话,可以使得数字化工厂的生产线持续生产,产品生产周期短,有利于提高生产效率。而订单的排产计划安排不够妥善的话,容易致使产品生产周期长,降低了生产线的生产效率。因此,在提高生产效率的目标下,数字化工厂存在优化排产的需求。
发明内容
本申请的多个方面提供一种数字化生产控制***、排产方法、装置、设备及存储介质,用以提高生产线连续生产的可能性,改善生产线的生产效率,满足数字化工厂优化排产的需求。
本申请实施例提供一种数字化生产控制***,包括:排产***、中心调度节点和部署在工厂环境中的多个生产线组,每个生产线组包括至少一条生产线,不同生产线组中的生产线负责完成不同生产工段;排产***,用于根据待产订单需要生产的产品信息,确定待产订单需要的生产工段,根据待产订单需要的生产工段,计算待产订单之间的相似度;根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息;将排产计划信息发送给中心调度节点;中心调度节点,用于接收排产计划信息,排产计划信息包括待产订单被排产到的生产线信息及对应的生产时段;并根据待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
本申请实施例还提供一种排产方法,包括:根据待产订单需要生产的产品信息,确定待产订单需要的生产工段;根据待产订单需要的生产工段,计算待产订单之间的相似度;根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息;将排产计划信息用于发送给中心调度节点,以使中心调度节点根据排产计划信息中待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
本申请实施例还提供一种排产排产装置,包括:确定模块,用于根据待产订单需要生产的产品信息,确定待产订单需要的生产工段;计算模块,用于根据待产订单需要的生产工段,计算待产订单之间的相似度;排产模块,用于根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息;发送模块,用于将排产计划信息用于发送给中心调度节点,以使中心调度节点根据排产计划信息中待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
本申请实施例还提供一种排产设备,其特征在于,包括:存储器和处理器;存储器,用于存储计算机程序;处理器耦合至存储器,用于执行计算机程序以用于执行本申请实施例提供的排产方法中的步骤。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当计算机程序被处理器执行时,致使处理器能够实现本申请实施例提供的排产方法中的步骤。
本申请实施例提出的数字化生产控制***包括排产***、中心调度节点和部署在工厂环境中的多个生产线组。在本申请实施例中,排产***基于待产订单需要的生产工段计算待产订单之间的相似度,以及基于待产订单之间的相似度对待产订单排产并得到排产计划信息。中心调度节点根据排产计划信息中的待产订单被排产到的生产线信息及对应的生产时段对多个生产线组中的生产线进行生产控制。由于排产***在计算待产订单之间的相似度时,考虑了待产订单需要的生产工段,这样,排产***基于待产订单之间的相似度对待产订单排产时,可以将生产工段相似的待产订单排产到同一生产线,使得中心调度节点可以控制同一生产线生产相似的待产订单,提高了生产线连续生产的可能性,改善了生产线的生产效率,满足了数字化工厂优化排产的需求。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请示例性实施例提供的一种数字化生产控制***的结构示意图;
图2为本申请示例性实施例提供的一种生产工序的详情页面;
图3为本申请一示例性实施例提供的一种排产方法的流程示意图;
图4为本申请一示例性实施例提供的一种排产装置的结构示意图;
图5为本申请一示例性实施例提供的一种排产设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在现有技术中,订单的不合理排产容易数字化工厂降低生产线的生产效率。为此,本申请实施例提出一种数字化生产控制***,该数字化生产控制***包括排产***、中心调度节点和部署在工厂环境中的多个生产线组。在本申请实施例中,排产***基于待产订单需要的生产工段计算待产订单之间的相似度,以及基于待产订单之间的相似度对待产订单排产并得到排产计划信息。中心调度节点根据排产计划信息中的待产订单被排产到的生产线信息及对应的生产时段对多个生产线组中的生产线进行生产控制。由于排产***在计算待产订单之间的相似度时,考虑了待产订单需要的生产工段,这样,排产***基于待产订单之间的相似度对待产订单排产时,可以将生产工段相似的待产订单排产到同一生产线,使得中心调度节点可以控制同一生产线生产相似的待产订单,提高了生产线连续生产的可能性,改善了生产线的生产效率,满足了数字化工厂优化排产的需求。
为便于本领域技术人员更好地理解本申请实施例的技术方案,下面首先对本申请下述实施例涉及的与智能智造相关的一些技术用语进行简单介绍。
1、整体生产过程,是指在生产过程中,生产人员利用生产工具将各种原材料、半成品通过一定的设备、按照一定的顺序连续进行加工,最终使之成为成品的过程。整体生产过程包括至少一个生产工段。例如,以数字化服装制造领域为例,整个数字化服装生产过程包括验布、裁剪、印绣花、缝制、整烫、检验以及包装等多个生产工段。
2、生产工段,是指整体生产过程中的一个相对独立的生产环节,该生产环节通常会生产出整个生产过程中相对独立的半成品或成品。在本申请实施例中,生产工段可以认为是较细粒度的生产过程。一个完整的生产工段包括一个或多个生产工序。例如,以数字化服装生产过程中的“缝制”生产工段为例,缝制生产工段包括打线钉、剪省缝、环缝、缉省缝、烫省缝、拼耳朵片、粘牵条、开袋口、封袋口等多个生产工序。另外,需要说明的是,随着生产过程的数字化和智能化,同一生产工段可以负责生产多种不同类型或款式的产品,例如,以数字化服装生产场景为例,缝制工段既可以完成牛仔裤的缝制任务,也可以完成女士风衣的缝制任务,还可以完成婴幼儿衣物的缝制任务。对于不同类型或款式的衣服,有些可能需要环缝,有些可能不需要环缝,有些可能需要烫省缝,有些可能不需要烫省缝,有些可能需要粘牵条。有些可能不需要粘牵条,有些可能需要开袋口,有些可能不需要开袋口。也就是说,同一生产工段会因为生产不同产品而在实现细节上有所不同,例如同一生产工段可能会因为生产不同产品而需要不同的工序,即使是同一工序也有看能因为生产不同产品而需要不同的制造参数。
3、生产工序,是指制造、生产某种产品或达到某一特定结果所需的特定步骤,是组成生产过程的基本单位。在本申请实施例中,相比于生产工段,生产工序可以认为是更细粒度的生产过程。同理,同一生产工序会因为生产不同产品在实现细节上有所不同,例如同一工序可能会因为生产不同产品而需要不同的生产步骤、生产参数或生产设备,而且同一生产工序也会因为不同制造工艺人员的命名习惯不同而有所不同。
4、生产线,是指完成产品全部或部分制造过程所需的相对较为独立的生产***。生产线包括按照生产任务配置的各种生产设备和各种生产人员。生产任务按照生产产品的生产工段进行编制,且各生产任务被分配到各生产线上,以使得生产线按照产品的生产工段生产半成品或成品。生产线上的生产设备和生产人员相互配合可完成各种生产工序,整条生产线上的生产设备和生产人员相互配合可完成各种生产工段。
5、排产,也即生产排程,是指将生产任务(具体是指待产订单)分配到各生产线的过程。在考虑能力和设备的前提下,在物料数量一定的情况下,安排各生产任务的生产顺序,优化生产顺序,优化选择生产设备,使得减少等待时间,平衡各生产设备和生产人员的生产负荷。从而优化产能,提高生产效率,缩短生产周期。
图1为本申请示例性实施例提供的一种数字化生产控制***的结构示意图。如图1所示,该***100包括:排产***10、中心调度节点20和部署在工厂环境中的多个生产线组。
在本实施例中,工厂环境可以是一个或多个,工厂环境是指产品生产场所,例如为生产工厂。在本实施例中,工厂环境中部署有多条生产线,并且根据生产线所负责的生产工段,将多条生产线划分为多个生产线组,多个生产线组部署在工厂环境中,任一生产线组可以包括一条或多条生产线,且同一生产线组中的生产线可以分布在同一工厂环境中,也可以分布在不同工厂环境中。
在本实施例中,相同生产线组中的生产线支持相同生产工段,但不同生产线组中的生产线支持的生产工段不同,使得数字化工厂可以支持多种生产工段,能够生产出多样化产品,满足下单用户的多样化需求。
在本实施例中,生产线上可以部署多个工作站,这些工作站可以负责完成不同的生产工序,同一生产工序可以有多个工作站。其中,因生产场景不同,生产线上部署的生产设备的实现形态会有所不同。以服装制造行业为例,生产设备可以包括缝纫机、粘衬机、锁眼机、锁边机、熨烫机、钉扣机等。
进一步可选地,为了改善生产线的生产效率,如图1所示,该***还可以包括排产***10和中心调度节点20。中心调度节点20位于云端,例如部署在中心云或者传统的数据中心中,在实现形态上可以是云服务器、服务器阵列或虚拟机等。排产***10与中心调度节点20通过网络连接,网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
在本申请实施例中,排产***10可以提供排产服务,当然,排产***10还可以提供数据存储以及数据计算等各种服务。排产***10可以是硬件实现也可以是软件实现。当排产***10为硬件实现时,该排产***10可以包括单个服务器或包括由多个服务器组成的分布式服务器集群。当排产***10为软件实现时,可以为多个软件模块或单个软件模块等,并且这些软件模块可以部署在虚拟机、容器、物理机或服务器集群等中,本申请实施例并不限制。
排产***10在对待产订单进行排产时,主要承担但不限于以下生产排产任务:针对待产订单要求生产的产品,确定生产待产订单要求生产的产品的生产线;确定生产线可以生产待产订单要求生产的产品的生产时段。其中,待产订单是指需要安排生产的订单,这些订单可来自订单***30。可选的,如图1所示,该***还包括订单***30,用于接收待产订单,并将待产订单的信息发送给排产***10,待产订单的信息至少包括待产订单需要生产的产品信息。排产***10可以与订单***30进行交互,获取订单***30提供的待产订单以及待产订单的信息。订单***30维护和管理B(Business)端用户或C(Consumer)端用户提交的订单,例如,订单***30可以维护以下订单信息:生产产品的名称、规格、数量、原材料、质量要求、价格、下单时间、交付时间、下单用户名称等信息。
排产***10在对待产订单进行排产时,可以采用多种的排产策略对待产订单进行排产以得到排产计划信息。例如,排产策略可以是综合待产订单的交付时间、所需的生产资源、所需的原材料以及所需生产的产品的制造复杂度等订单属性信息对待产订单进行排产。又如,考虑到若将生产工段相似的产品安排到相同的生产线上生产,生产线可以减少因为更换订单引起的物料更换、设备组件更换的次数,可以较大概率地保证生产线处于连续生产状态中。应理解,生产线连续生产可以提升生产效率。相反,若将生产工段相差较大的产品安排到相同的生产线上生产,则在生产订单变更时通常需要重新更换物料、更换生产设备上的设备组件甚至需要更换生产人员,这会导致生产线处于断续生产状态中。应理解,生产线断续生产会降低生产线的生产效率。于是,在本申请实施例中,排产***10可以将待产订单所需生产的产品的生产工段作为一个排产指标进行排产。
基于上述,在本实施例中,排产***10具体用于根据待产订单需要生产的产品信息,确定待产订单需要的生产工段,根据待产订单需要的生产工段,计算待产订单之间的相似度;根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息。进一步,如图1所示,排产***10在得到排产计划信息之后,可以将排产计划信息上报给中心调度节点20,以供中心调度节点20对多个生产线组中的生产线进行生产控制;相应地,中心调度节点20具体用于:接收排产***10上报的排产计划信息,排产计划信息包括待产订单被排产到的生产线信息及对应的生产时段;并根据待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。由于排产***10在计算待产订单之间的相似度时,考虑了待产订单需要的生产工段,这样,排产***10基于待产订单之间的相似度对待产订单排产时,可以将生产工段相似的待产订单排产到同一生产线,使得中心调度节点20可以控制同一生产线生产相似的待产订单,提高了生产线连续生产的可能性,改善了生产线的生产效率,满足了数字化工厂优化排产的需求。
在本申请上述或下述实施例中,由于每个产品都是需要按照相应的生产工段生产出来的,因此,排产***10在对待产订单排产之前,可以先根据待产订单需要生产的产品信息,确定待产订单需要的生产工段。其中,产品信息可以包括但不限于:待产订单所需生产的产品的名称、规格、原材料以及质量要求等。如果待产订单需要生产的产品是服装,则产品信息还会包括服装款式、样式等信息。其中,产品信息可以唯一确定在数字化工厂中生产对应产品所需的生产工段。
本申请实施例不限定对根据待产订单需要生产的产品信息确定待产订单所需的生产工段的实施方式。例如,在数字化工厂中,允许下单用户定制自己所需产品的规格、样式等,故在订单***30接收到下单用户的订单之后,可以将该订单作为待产订单并将待产订单中的产品信息提供给数字化工厂中的制造工艺管理***,并通知数字化工厂中的制造工艺人员制定该待产订单需要生产的产品的生产工段。或者,也可以通过大数据挖掘方法挖掘该待产订单需要生产的产品的生产工段;或者,若下单用户是针对数字化工厂已有的产品进行下单,该已有产品的规格、样式已经确定,相应地,该已有产品所需的生产工段也是确定的,则排产***10可直接根据待产订单要求生产的已有产品的产品信息从制造工艺管理***中唯一获取该待产订单所需的生产工段。对于下单用户定制产品的情况,在确定订单需要生产的产品的生产工段之后,将订单需要生产的产品信息及其所需的生产工段进行关联存储,例如存储至制造工艺管理***中,以便排序***存在排产需求时,可以根据待产订单需要生产的产品信息查询制造工艺管理***,从中获取已存储的产品信息及其生产工段。
实际应用中,某些产品的生产过程需要经过一个生产工段,而某些产品的生产过程需要经过多个生产工段。例如,在服装制造行业,有的衣服只需裁剪这一生产工段便可完成制造,有的衣服需要经过裁剪、印花以及缝制等多个生产工段,有的衣服不需要印花只需要经过裁剪以及缝制等其它多个生产工段。其中,根据生产场景的不同,排产需求可能有所不同,例如,有些生产场景中可能需要以整个生产过程为粒度对整体生产过程进行统一排产,有些生产场景中可能需要以生产工段为粒度单独对每个生产工段进行排产,有些生产场景中可能需要针对整个生产过程中的部分生产工段进行联合排产。对于不同排产需求在排产时,需要考虑的生产工段会有所不同。下面分情况对本申请实施例中基于待产订单相似度的排产过程进行详细说明:
情况1:在针对整体生产过程进行排产时,需要考虑生产待产订单涉及产品的全部生产工段,也可简称为全工段排产。例如,在数字化服装生产过程中,待产订单1需要制造的衣服包括裁剪、印花以及缝制三个生产工段,待产订单2需要制造的衣服包括裁剪以及缝制两个生产工段;在以整个生产过程为粒度的全工段排产过程中,需要同时考虑待产订单1涉及的裁剪、印花以及缝制三个生产工段,以及待产订单2涉及的裁剪以及缝制两个生产工段;综合待产订单涉及的全部生产工段计算待产订单之间的相似度;进而根据待产订单之间的相似度对这些待产订单进行排产。
示例性的,针对全工段排产的情形,排产***10首先计算待产订单之间在单个生产工段下的相似度;接着,对待产订单之间在各个生产工段下的相似度进行加权求和,得到待产订单之间的相似度;最后,基于待产订单之间的相似度进行排产。有关基于待产订单之间的相似度进行排产的相关内容参见后续实施例中的描述。其中,加权求和时,可以根据生产工段的重要程度设置相应的权重,重要程度越高的生产工段,其对应的权重越大。
情况2:在针对多个生产工段进行联合排产过程中,首先确定需要联合排产的多个生产工段,然后获取涉及需要联合排产的多个生产工段的待产订单,对这些待产订单在这些生产工段上进行联合排产。一般来说,多个生产工段中生产工段是重要环节的生产工段。例如,针对裁剪、印花以及缝制三个生产工段,可以将印花以及缝制作为排产时需要考虑的多个生产工段,而裁剪在排产时可以不用加以考虑。例如,在数字化服装生产过程中,待产订单1需要制造的衣服包括裁剪、印花以及缝制三个生产工段,待产订单2需要制造的衣服包括裁剪以及缝制两个生产工段;在多工段排产过程中,需要同时考虑待产订单1涉及的印花以及缝制两个生产工段,以及待产订单2涉及的裁剪以及缝制两个生产工段,而不用考虑裁剪这一生产工段。
示例性的,针对多工段排产的情形,排产***10首先计算待产订单之间在单个生产工段下的相似度;接着,对待产订单之间在各个生产工段下的相似度进行加权求和,得到待产订单之间的相似度;最后,基于待产订单之间的相似度进行排产。有关基于待产订单之间的相似度进行排产的相关内容参见后续实施例中的描述。其中,加权求和时,可以根据生产工段的重要程度设置相应的权重,重要程度越高的生产工段,其对应的权重越大。
情况3:在针对单个生产工段进行排产的过程中,首先要确定数字化生产工厂中待排产的生产工段,然后获取涉及待排产生产工段的待产订单,对这些待产订单针对待排产生产工段这一工段进行排产。例如,在数字化服装生产过程中,可以单独针对裁剪、印花和缝制工段分别进行排产,或者,也可以有选择地对部分工段例如裁剪或缝制工段进行排产。在当前待排产的生产工段是裁剪工段的情况下,首先确定哪些订单涉及裁剪工段,接着,对涉及裁剪工段的订单进行排产。沿用上述举例,待产订单1和2涉及裁剪,故待产订单1和2是需要参与裁剪排产过程的订单。另外,由于当前待排产的生产工段是裁剪工段,可以不用考虑待产订单1和2涉及的诸如印花、缝制等其他生产工段。需要说明的是,对于同样需要待排产生产工段的不同待产订单来说,不同待产订单所需的待排产生产工段在实现细节上可能相同或存在少许或较大差异,所以从所需待排产生产工段这个维度来看,同样需要待排产生产工段的不同待产订单之间的相似度也是不同的。
为了便于理解和区分,将上述情况3中订单排产时需要考虑的生产工段称之为待排产生产工段。排产***10在计算待产订单之间的相似度时,可以将待产订单之间在单个待排产生产工段下的相似度作为待产订单之间的相似度。可选的,排产***10还可以结合待产订单需要的待排产生产工段和待产订单的其它信息计算待产订单之间的相似度。
进一步可选地,排***在计算待产订单之间的相似度时,具体用于:针对工厂环境中的待排产生产工段,根据各个待产订单需要的生产工段,从中选择需要待排产生产工段的第一待产订单组;获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据;根据第一待产订单组中各待产订单在待排产生产工段下所需的工序数据,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度。其中,第一待产订单组中各待产订单在待排产生产工段下所需的工序数据可能相同或存在少许或较大差异。以数字化服装生产场景中的缝制工段为例,若订单1和订单2要求生产不同款式的衣服,订单1至少需要缝制工段中的环缝、烫省缝和粘牵条,但不需要开口袋,而订单2则不需要缝制工段中额环缝、烫省缝和粘牵条,但需要开袋口。由此可见,订单1和订单2在缝制工段下所需的工序数据差异较大。
考虑到待产订单中可能有些待产订单不涉及待排产生产工段,因此,需要对待产订单进行筛选,筛选出需要待排产生产工段的待产订单形成待产订单组。为了便于理解和区分,将需要待排产生产工段的待产订单组称之为第一待产订单组。
在得到第一待产订单组之后,针对第一待产订单组中各待产订单,获取各待产订单在待排产生产工段下所需的工序数据。其中,工序数据包括待排产生产工段下涉及的工序的相关数据。工序的相关数据例如包括但不限于工序名称、按照工序加工产品时所需的标准时间、工序所需的设备以及设备参数、工序的操作步骤、辅助工具、做工说明以及品质说明。例如,图2所示的“单锁式线落前袋贴(弧25CM)1*2”工序的工序数据包括:工序名称、工序执行所需的标准时间(以10s为例)、工序所需的设备(以单针平缝机为例)和参数(以针距3.67,最高缝速4000为例)、辅助工具、操作步骤等;其中,操作步骤中示出了“明落前袋贴”、“同时取袋布与前袋贴配对”、“将裁片移正压脚下”等几个详细步骤,在实际生产过程中可将这些操作步骤显示在生产设备上,以供生产人员参考。
进一步可选地,在获取任一待产订单在待排产生产工段下所需的工序数据时,可以先获取待产订单在待排产生产工段下所需的生产工段描述数据,生产工段描述数据包括用于对待排产生产工段自身进行解释说明的数据,也包括用于描述该待产订单在待排产生产工段下需要哪些工序以及对所需各个工序的描述说明(即工序数据)的数据,生产工段描述数据通常包括类似上述图2所示的多种工序数据;接着,采用正则表达式、NLP(NaturalLanguage Processing,自然语言处理)或机器学习的方式对生产工段描述数据进行特征提取,以得到待产订单在待排产生产工段下所需的工序数据。
具体的,考虑到一个待排产生产工段可能涉及一个或多个生产工序,在从待排产生产工段对应的生产工段描述数据中获取工序数据时,可以以单个生产工序为粒度,从生产工段描述数据中获取每个生产工序对应的工序数据。
可选地,正则表达式是一种用于描述文本模式的形式语言,可以从文本信息里抽取所需的文本片段。示例性的,可以先针对各个生产工序,确定需要从生产工段描述数据中要抽取的该生产工序的字段名称,接着编写用于抽取该字段名称对应的字段值所需的正则表达式,最后,利用各个生产工序对应的正则表达式从生产工段描述数据抽取各个生产工序的工序数据,工序数据包括上述字段名称对应的字段值。其中,可以根据具体应用需求设置需要针对各生产工序抽取的字段名称,沿用图2所示的工序,该工序需要抽取的字段名称包括:工序名称、标准时间、设备和参数以及操作步骤等。
可选地,在采用NLP技术抽取各个生产工序的工序数据时,可以对生产工段描述数据依次进行词法分析、句法分析、语义分析以及文档分析等,得到待排产生产工段包含的各个生产工序以及各个生产工序对应的工序数据。
可选地,在采用机器学习方法从生产工段描述数据中获取各个生产工序对应的工序数据时,可以训练一个机器学习模型,利用机器学习模型从待排产生产工段的生产工段描述数据中学习出待排产生产工段包含的各个生产工序及其对应的工序数据。其中,机器学习模型是利用大量的样本生产工段描述数据及其包含的各个工序的工序数据训练得到的。
在获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据之后,可以根据第一待产订单组中各待产订单在待排产生产工段下所需的工序数据,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度。本申请实施例对基于工序数据计算第一待产订单组中待产订单之间在待排产生产工段下的相似度的方式不做限制,下面举例说明:
方式A1,针对任意两个待产订单,分别计算两个待排产生产订单在各个生产工序下的相似度;接着,对两个待排产生产订单在各个生产工序下的相似度进行加权求和,得到任意两个待排产生产订单在待排产生产工段下的相似度。
方式A2,为了减少相似度计算的数据处理量和提高相似度计算的准确度,可以基于关键生产工序对应的关键工序数据计算任意两个待产订单之间在待排产生产工段下的相似度。于是,排产***10在计算各待产订单之间在待排产生产工段下的相似度时,具体用于:针对任意两个待产订单,从每个待产订单在待排产生产工段下所需的工序数据中选择关键工序数据;根据任意两个待产订单对应的关键工序数据,计算任意两个待产订单之间在待排产生产工段下的相似度。进一步,可以根据任意两个待产订单对应的关键工序数据,计算任意两个待产订单之间在关键工序下的相似度;对任意两个待产订单之间在关键工序下的相似度进行加权求和,得到任意两个待排产生产订单在待排产生产工段下的相似度。其中,关键工序数据对应关键工序,且关键工序可以是一个或多个。
需要指出的是,每个生产工段的关键工序可以是预先设定好的,也可以基于工序名称和生产工段名称的相似度从生产工段包括的生产工序中选择关键工序。例如,可以选择工序名称与生产工段的名称相似度最高的一个或几个工序作为关键工序。在确定好关键工序之后,排产***10从每个待产订单在待排产生产工段下所需的工序数据提取关键工序的工序数据也即关键工序数据。
进一步可选地,在上述方式A1或方式A2中,为了更为提高计算待产订单之间在生产工序或关键工序下的相似度的准确性,可以训练一个用于相似度计算的机器学习模型,利用机器学习模型计算各待产订单之间在待排产生产工段下的各个生产工序的相似度。其中,在训练机器学习模型时,首先准备大量的训练样本,每个训练样本包括第一样本工序的工序数据、第二样本工序的工序数据、以及表征第一样本工序和第二样本工序之间相似度的标注数据。接着,训练训练样本以得到一个用于相似度计算的机器学习模型。其中,用于相似度计算的机器学习模型可以基于工序数据中的工序名称、标准时间、设备及其设备参数和操作步骤中的一个或多个进行相似度计算。
进一步可选地,在上述方式A1或方式A2中,可以采用NLP技术分析工序名称以计算待产订单之间在生产工序或关键工序下的相似度。例如,待产订单1在某个工段下包括工序A1、B1以及C1,待产订单2在某个工段下包括工序a1、b1以及c1。在基于NLP技术分析工序名称计算相似度时,首先确定两两订单属于同一类型的生产工序,例如工序A1和工序a1属于同一类,工序B1和工序b1属于同一类,工序C1和工序c1属于同一类。针对同一类的生产工序,采用NLP技术分析工序名称以计算相应工序之间的相似度。也即,采用NLP技术分析工序A1和工序a1的工序名称,以计算工序A1和工序a1之间的相似度;采用NLP技术分析工序B1和工序b1的工序名称,以计算工序B1和工序b1之间的相似度;采用NLP技术分析工序C1和工序c1的工序名称,以计算工序C1和工序c1之间的相似度。
在情况3中,在得到第一待产订单组中各待产订单之间在待排产生产工段下的相似度后,可以根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度对第一待产订单组中各待产订单进行排产,具体可以将第一待产订单组中的各待产订单排产到待排产生产工段对应的生产线组中的各生产线上,并确定各待产订单对应的生产时段。进一步,在情况3以及情况1和2中,也可以结合待产订单之间的相似度和排产辅助信息进行排产。关于各种排产详细实施方式可参见下文中的描述。
进一步,在本申请的上述或下述实施例中,排产***10在根据待产订单需要的生产工段,计算待产订单之间的相似度时,具体用于:根据待产订单需要的生产工段,结合待产订单的其它信息,计算待产订单之间的相似度;其中,其他信息可以是订单信息中的所需生产产品的数量、下单时间、交付时间和下单用户名称等。
具体的,排产***10综合待产订单需要的生产工段和其他信息计算待产订单之间的相似度,可以提高待产订单之间的相似度。其中,在计算待产订单之间的相似度时,以待产订单所需生产工段为主要依据,进一步考虑下单用户名称可以使得同一下单用户的待产订单在同一生产线上生产,减少因生产线不同导致交付给同一下单用户的产品质量不一致的风险。假设对于订单D1,订单D2和订单D3与订单D1所需生产工段的相似度相同或相近,但订单D2和订单D1来自同一下单用户,而订单D3和订单D1来自不同下单用户,则订单D1和订单D2的整体相似度要高于订单D1和订单D3的整体相似度,可以优先将订单D1和订单D2分配到同一生产线上。例如,在计算待产订单之间的相似度时,以待产订单所需生产工段为主要依据,进一步考虑所需生产产品的数量,将对产品数量要求相同或相近的订单分配至同一生产线,有利于让该生产线养成长期生产大订单(即产品数量较多的订单)的良好习惯,提高生产效率。假设对于订单D1,订单D2和订单D3与订单D1所需生产工段的相似度相同或相近,但订单D2和订单D1的订单量较大,如500件,属于大订单,而订单D3的订单量较小,例如30件,属于小订单,则订单D1和订单D2的整体相似度要高于订单D1和订单D3的整体相似度,可以优先将订单D1和订单D2分配到同一生产线上。例如,在计算待产订单之间的相似度时,以待产订单所需生产工段为主要依据,进一步考虑所需生产产品的交付时间,可以减少待产订单被延误交付的风险。假设对于订单D1,订单D2和订单D3与订单D1所需生产工段的相似度相同或相近,但订单D2和订单D1要求的交付时间在同一时段T1,而订单D3要求的交付时间在时段T2,假设时段T2远远晚于时段T1,则订单D1和订单D2的整体相似度要高于订单D1和订单D3的整体相似度,可以优先将订单D1和订单D2分配到同一生产线上。例如,在计算待产订单之间的相似度时,以待产订单所需生产工段为主要依据,进一步考虑下单时间,可以减少待产订单长期不生产造成的仓储资源浪费。假设对于订单D1,订单D2和订单D3与订单D1所需生产工段的相似度相同或相近,但订单D2和订单D1的下单时间在同一时段T3,而订单D3的下单时间在时段T4,假设时段T4远远晚于时段T3,则订单D1和订单D2的整体相似度要高于订单D1和订单D3的整体相似度,可以优先将订单D1和订单D2分配到同一生产线上。
在上述示例中,均以待产订单的生产工段与待产订单的某一种其它信息相结合为例,对计算待产订单之间的相似度的方式进行了示例性说明,但并不限于此,在计算待产订单之间的相似度时,还可以将生产工段与上述列举的任意两种或两种以上的其它信息相结合。
进一步可选地,排产***10在综合生产工段和各种其它信息计算待产订单之间的相似度时,首先,可以基于待产订单需要的生产工段计算待产订单之间的第一相似度,以及基于待产订单的其他信息计算待产订单之间的第二相似度;接着,对第一相似度和第二相似度进行加权求和,得到待产订单之间的相似度。
考虑到排产场景应当主要考虑待产订单之间的生产工段是否相近,因此,在加权求和时,应当使得第一相似度分配的权重大于第二相似度分配的权重,以提高第一相似度在计算待产订单之间的相似度时的占比。
进一步,在本申请的上述或下述实施例中,排产***10在根据待产订单之间的相似度进行排产时,具体用于:根据待产订单之间的相似度,结合排产辅助信息,对待产订单进行排产,以得到排产计划信息;其中,排产辅助信息包括待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。其中,产线现场数据例如包括但不限于生产线的生产效率、生产线的产能、生产线上的设备是否故障以及生产线上的人员到岗情况、人员的技能数据等。需要指出的是,排产***10综合待产订单之间的相似度和排产辅助信息进行排产,能够进一步优化对数字化工厂中的生产线的控制。
进一步可选地,排产***10在综合各种因素排产时,首先可以根据待产订单之间的相似度对待产订单进行初步排产,得到初步排产计划信息;再根据排产辅助信息对初步排产计划信息进行优化,得到最终的排产计划信息。
进一步,在本申请的上述或下述实施例中,排产***10在根据待产订单之间的相似度进行排产时,具体用于:将相似度大于设定相似度阈值的待产订单排到同一生产线上;对于排产到同一生产线上的各待产订单,进一步确定各待产订单在该生产线上的生产顺序,从而得到各待产订单在该生产线上的生产时段。在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以在设定的排产维度上计算待产订单之间的优先级,按照待产订单在设定排产维度上的优先级,确定分配到该生产线上的各待产订单的生产时段。设定排产维度可以是工序产能维度、工序负载维度、下单时间维度和交货时间维度等中的至少一种或多种。或者,在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以先根据各待产订单所需的工序数据,对分配到同一生产线上的各待产订单进行分组,每个订单分组对应一个工序;针对每个工序,在设定排产维度上对其对应订单分组内的待产订单进行优先级计算,按照待产订单之间的优先级确定各待产订单在该生产线上对应该生产工序的生产时段。其中,若同一待产订单同时需要多个生产工序,则该订单可被划分至多个订单组内,经排产可以得到该待产订单在每个生产工序上的生产时段。
在本申请的上述或下述实施例中,排产***10在对待产订单进行排产以得到排产计划信息时,可以采用但不限于下述两种方式:
方式B1:以使排产到同一生产线上的待产订单之间的整体相似度最大为目标,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息。对于上文中的情况3,方式B1具体实现为:针对第一待产订单组中的各待产订单,以使排产到同一生产线上的待产订单之间的整体相似度最大为一个目标,根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度,对第一待产订单组中各待产订单进行排产,以得到待排产生产工段对应的排产计划信息。另外,还可以根据实际应用需求,确定排产问题的多个目标,例如,以待排产订单不超交付时间为一个目标。又如,以排产到同一生产线上的待产订单不超生产线的产能为一个目标。又如,以排产到同一生产线上的待产订单的下单时间相近为一个目标。
方式B2:以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息。对于上文中的情况3,方式B2具体实现为:针对第一待产订单组中的各待产订单,以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度,对第一待产订单组中各待产订单进行排产,以得到待排产生产工段对应的排产计划信息。
具体的,排产***10首先确定排产优化问题为在不超过生产线的产能下使得生产线上的待产订单之间的整体相似度最大为一个目标进行排产。接着,构建排产优化问题的排产优化模型,排产优化模型包括目标函数和约束条件。最后,排产***10求解目标函数在约束条件下的最优解或近似最优解。其中,最优解或近似最优解包括排产到同一生产线上的最优订单组合,也即最优订单组合可以使得目标函数的取值在约束条件下满足设定的目标。
针对方式B1,以构建目标函数为主,对约束条件不做限制。在本申请中,一个目标函数可选Max f=C×Similarity。C为常系数,Similarity表征生产线上的待产订单之间的整体相似度,整体相似度是生产线上全部待产订单之间的相似度总和,目标函数的数学意义使生产线上的待产订单之间的整体相似度最大。需要指出的是,根据实际应用需求确定的排产问题的其他目标,可以根据其他目标的具体数学意义创建其他目标对应的目标函数。应理解,在多目标排产下,多个目标对应多个目标函数。
示例的,可以从生产线上的待产订单中选择一个基准订单,计算其他待产订单与基准订单之间的相似度总和作为整体相似度。
针对方式B2,以构建约束条件为主,约束条件的表达式可以是A×similarity>=x。A为常系数,similarity表征任意两个待产订单之间的相似度,x为设定相似度阈值。
可选的,针对任一生产线,排产***10首先从待产订单中选择一个基准订单,在从剩余的待产订单中选择一个或多个其他待产订单,目标函数为其他待产订单与基准订单之间的相似度总和。构建的约束条件至少包括第一约束条件和第二约束条件。其中,第一约束条件为排产到生产线上的待产订单与生产线的产能匹配。第二约束条件为:其他待产订单与基准订单之间的相似度大于设定相似度阈值。
本申请对排产***10求解目标函数在约束条件下的最优解或近似最优解的方式不做限制。例如,排产***10可以采用启发式算法求解目标函数在约束条件下的最优解或近似最优解。其中,启发式算法例如包括但不限于模拟退火算法、遗传算法、列表搜索算法、进化规划、进化策略、蚁群算法、人工神经网络。
可选的,在采用遗传算法求解目标函数在约束条件下的最优解或近似最优解时,一种实施过程可以是:随机产生初始种群,初始种群包括至少两个个体,每个个体为包括至少一个待产订单的订单组;基于目标函数确定的适应度函数,计算每个个体的适应度;基于各个个体的适应度,对初始种群中的各个个体进行选择、交叉和变异处理,产生下一代种群;将下一代种群作为新的初始种群,重复执行基于目标函数确定的适应度函数,计算每个个体的适应度的步骤,直至达到预设的最大迭代次数;将达到预设的最大迭代次数的下一代种群中的个体作为目标函数在约束条件下的最优解或近似最优解。
在本申请的上述或下述实施例中,该***100还可包括:边缘集群50,边缘集群50中包括生产服务节点60。边缘集群50是指靠近生产现场环境的资源集群,包括一系列的边缘基础设施,这些边缘基础设施包括但不限于:靠近数字化生产现场环境或位于数字化生产现场环境中的分布式数据中心(DC)、无线机房或集群,运营商的通信网络、核心网设备、基站、边缘网关、家庭网关、计算设备和/或存储设备等边缘设备及对应的网络环境等。在这些基础设施上部署有生产服务节点60,边缘集群50通过生产服务节点60与中心调度节点20通信连接。中心调度节点20和边缘集群50中的生产服务节点60相配合,将对不同生产线的调度在通信层面联通,使不同生产线统一被中心调度节点20进行调度成为现实。
具体的,中心调度节点20根据待产订单被排产到的生产线信息及对应的生产时段,生成针对各个生产线的生产调度信息,将生产调度信息下发给生产服务节点60。其中,生产调度信息例如包括待产订单需要的生产线的名称、生产线上配置的生产设备、人员、生产线所需的物料、生产时段等。
生产服务节点60在接收到中心调度节点20下发的生产调度信息之后,根据生产调度信息,对各生产线进行生产调度。例如,控制生产线在生产时段启动生产设备,对吊挂设备进行输送控制,准备所需物料,并配置相关作业人员按照生产工段进行生产作业。
进一步可选地,生产服务节点60还可以采集物料供给数据、人员技术数据、产线现场数据上报给中心调度节点20,并由中心调度节点20上报给排产***10,使得排产***10可以综合物料供给数据、人员技术数据、产线现场数据对待产订单进行排产。进一步可选地,本实施例的生产服务节点60可以分为用于采集人员信息的服务节点、用于采集设备信息的服务节点以及用于采集吊挂数据的服务节点。其中,吊挂设备是生产线上进行流水化生产所需的生产运输设备,主要包括吊挂线和控制设备。其中,人员技术数据、人员到岗信息、生产设备信息和吊挂数据可以统称为产线现场数据。吊挂数据是指与生产线上吊挂设备相关的数据,例如包括运行在吊挂线上载具(如衣架)的标识和位置,也可以包括吊挂线的运行状态(如故障、正常运行中)、载具的运行状态(如输送卡顿、正常输送中)等,吊挂数据属于一种产线现场数据。
进一步,在本申请实施例中,中心调度节点20除了可以根据排产计划信息对各生产线进行生产调度之外,还可以结合各种产线现场数据,生成下单引导信息,将该下单引导信息发送给订单***,以供订单***引导用户提交订单;和/或,结合各种产线现场数据,生成排产引导信息,并将该排产引导信息发送给排产***,以引导排产***对待产订单进行排产;从而在生产现场与订单***和/或排产***之间形成反馈闭环。
基于上述,参见图1,订单***30还可以与中心调度节点20进行通信连接。订单***30可向中心调度节点20发送订单数据,以使中心调度节点20结合订单数据和产线现场数据,生成下单引导信息,将该下单引导信息发送给订单***,以供订单***引导用户提交订单,从而使中心调度节点20与订单***30之间形成反馈闭环。
对于下单引导:中心调度节点20可以对产线现场数据进行分析,得到各工作站上的生产进度,例如位于某个工作站上的空闲的生产设备数量较多(如大于设定的数量阈值),说明该工作站的生产进度较慢,有积压现象,反之,如果位于某个工作站上的空闲的生产设备数量较少(如小于设定的数量阈值),说明该工作站的生产进度较快。进而,中心调度节点20基于各工作站与工序之间的对应关系,结合各工作站上的生产进度,分析数字化工厂中各工序的剩余生产力;根据各工序与各产线成品之间的对应关系,得到数字化工厂当前针对各产线成品的剩余生产力。
在一可选实施例中,中心调度节点20可以将数字化工厂当前针对各产线成品的剩余生产力,作为下单引导信息提供给订单***。订单***30根据数字化工厂当前针对各产线成品的剩余生产力,生成各产线产品对应的下单约束条件,基于该下单约束条件引导用户提交订单。其中,下单约束条件可以是限定交货期限,例如最少10天;也可以是限定单价,例如单价在原价格基础上增大5%,还可以是限定订单数量,例如单个订单不能超过400件,等等。
进一步可选地,在上述分析数字化工厂中各工序的剩余生产力时,还可以结合各工作站上生产人员的技能数据,例如可以对工作站上的生产进度与工作站上生产人员的技能数据进行加权求和,得到工作站的综合生产进度;进而,基于各工作站与工序之间的对应关系,结合各工作站上的综合生产进度,分析数字化工厂中各工序的剩余生产力。对任一工作站而言,在其生产进度一定的基础上,如果该工作站上生产人员的技能熟练度越高,该工作站的综合生产进度就越快,反之,如果该工作站上生产人员的技能熟练度越低,该工作站的综合生产进度会被拉低。
在另一可选实施例中,中心调度节点20还可以根据数字化工厂当前针对各产线成品的剩余生产力,生成各产线产品的下单约束条件,将各产线产品的下单约束条件作为下单引导信息提供给订单***。订单***30基于各产线产品的下单约束条件,引导用户提交订单。例如,订单***30可以在每个产线产品对应的详情页面或下单页面上显示对应的下单约束条件,以供用户查看并确定是否按照该条件进行下单。或者,订单***30也可以直接在用户下单时,在下单页面上锁定这些下单约束条件,例如交货期限最少10天,用户可以将交货期限修改为更长,但不允许用户修改为更短,例如订单量最多是400,用户可以选择400以内的数量,但不允许用户选择超过400的数量。
在本实施例中,通过将生产线的现场数据反馈到订单***,实现产线现场对订单***的指导,达到订单***30与生产线之间的协调同步。另外,通过下单约束条件,可以侧面反映不同产线产品的热度,激励用户踊跃下单或跟随市场趋势,促进产销市场良性发展。
对于排产引导:中心调度节点20可以对各种产线现场数据进行分析,得到各工作站上的生产进度;基于各工作站与工序之间的对应关系,结合各工作站上的生产进度,分析数字化工厂中各工序的剩余生产力,将数字化工厂中各工序的剩余生产力作为排产引导信息发送给排产***;排产***根据数字化工厂中各工序的剩余生产力,对待产订单进行合理排产。例如,可以确定剩余生产力比较充足的工序,优先安排对这些工序依赖较重的订单进行生产,将哪些对当前生产力不足的工序依赖较重的订单往后安排,以给这些工序留出恢复生产力的时间。
或者,
在一可选实施例中,中心调度节点20在得到数字化工厂中各工序的剩余生产力之后,可以据此生成排产约束条件,将排产约束条件作为排产引导信息发送给排产***。订单排产***根据该排产约束条件,对待产订单进行合理排产。排产约束条件可以限定工序优先级,例如优先级由高到低的工序顺序依次为A、B和C,则凡是依赖A工序的订单优先排产,其次是依赖B工序的订单,最后是依赖C工序的订单。需要说明的是,如果一个订单同时依赖A和B工序,将该订单视为是属于依赖A工序的订单,需优先对该订单进行排产。排产约束条件可以限定生产力不足的工序进行跨厂排产,例如,对于工厂P1中生产力不足的A工序允许跨厂排产,基于此,排产***可以将依赖A工序的订单跨厂排产到生产力相对较好的工厂P2中,关于工厂P2可以由中心调度节点提供,也可以由排产***自行获取。
在本实施例中,通过将吊挂线的现场数据反馈到排产***,实现产线现场对排产***的指导,达到排产***与吊挂调度之间的协调同步,促进排产合理性,提高数字化工厂的整体产能和效率。
图3为本申请一示例性实施例提供的一种排产方法的流程示意图。该方法的执行主体可以是图1所示的数字化生产控制***100中的排产***10。如图3所示,该方法可以包括以下步骤:
301、根据待产订单需要生产的产品信息,确定待产订单需要的生产工段。
302、根据待产订单需要的生产工段,计算待产订单之间的相似度。
303、根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息。
304、将排产计划信息用于发送给中心调度节点,以使中心调度节点根据排产计划信息中待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
进一步可选地,上述排产方法还包括:接收订单***发送的待产订单的信息,待产订单的信息至少包括待产订单需要生产的产品信息。
进一步可选地,根据待产订单需要的生产工段,计算待产订单之间的相似度包括:根据待产订单需要的生产工段,结合待产订单的其它信息,计算待产订单之间的相似度;其中,其它信息是指待产订单中除产品信息之外的信息。
进一步可选地,根据待产订单需要的生产工段,计算待产订单之间的相似度包括:针对工厂环境中的待排产生产工段,根据待产订单需要的生产工段,从中选择需要待排产生产工段的第一待产订单组;获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据;根据第一待产订单组中各待产订单在待排产生产工段下所需的工序数据,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度。
进一步可选地,获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据包括:针对第一待产订单组中任一待产订单,获取待产订单在待排产生产工段下所需的生产工段描述数据;采用正则表达式、NLP或机器学习的方式对生产工段描述数据进行特征提取,以得到待产订单在待排产生产工段下所需的工序数据。
进一步可选地,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度包括:针对第一待产订单组中任意两个待产订单,从每个待产订单在待排产生产工段下所需的工序数据中选择关键工序数据;根据任意两个待产订单对应的关键工序数据,计算任意两个待产订单之间在待排产生产工段下的相似度。
进一步可选地,根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息包括:根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度,结合排产辅助信息,将各待产订单排产到待排产生产工段对应的生产线组中的各生产线上,以得到待排产生产工段对应的排产计划信息;其中,排产辅助信息包括各待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。
进一步可选地,根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息包括:以使排产到同一生产线上的待产订单之间的整体相似度最大为一个目标,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息;或者,以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息。
可选地,根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息包括:将相似度大于设定相似度阈值的待产订单排到同一生产线上;对于排产到同一生产线上的各待产订单,进一步确定各待产订单在该生产线上的生产顺序,从而得到各待产订单在该生产线上的生产时段。在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以在设定的排产维度上计算待产订单之间的优先级,按照待产订单在设定排产维度上的优先级,确定分配到该生产线上的各待产订单的生产时段。设定排产维度可以是工序产能维度、工序负载维度、下单时间维度和交货时间维度等中的至少一种或多种。或者,在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以先根据各待产订单所需的工序数据,对分配到同一生产线上的各待产订单进行分组,每个订单分组对应一个工序;针对每个工序,在设定排产维度上对其对应订单分组内的待产订单进行优先级计算,按照待产订单之间的优先级确定各待产订单在该生产线上对应该生产工序的生产时段。其中,若同一待产订单同时需要多个生产工序,则该订单可被划分至多个订单组内,经排产可以得到该待产订单在每个生产工序上的生产时段。
关于排产***执行排产方法的具体实现方式参已经在有关该数字化生产控制***的实施例中进行了详细描述,此处将不做详细阐述说明。
需要说明的是,上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤301至步骤304的执行主体可以为设备A;又比如,步骤301和302的执行主体可以为设备A,步骤303的执行主体可以为设备B;等等。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如301、302等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图4为本申请一示例性实施例提供的一种排产装置的结构示意图。如图4所示,该装置可以包括:确定模块401、计算模块402、排产模块403和发送模块404。
确定模块401,用于根据待产订单需要生产的产品信息,确定待产订单需要的生产工段;计算模块402,用于根据待产订单需要的生产工段,计算待产订单之间的相似度;排产模块403,用于根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息;发送模块404,用于将排产计划信息用于发送给中心调度节点,以使中心调度节点根据排产计划信息中待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
进一步可选地,上述排产装置还包括:接收模块,用于接收订单***发送的待产订单的信息,待产订单的信息至少包括待产订单需要生产的产品信息。
进一步可选地,计算模块402计算待产订单之间的相似度时,具体用于:根据待产订单需要的生产工段,结合待产订单的其它信息,计算待产订单之间的相似度;其中,其它信息是指待产订单中除产品信息之外的信息。
进一步可选地,计算模块402计算待产订单之间的相似度时,具体用于:针对工厂环境中的待排产生产工段,根据待产订单需要的生产工段,从中选择需要待排产生产工段的第一待产订单组;获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据;根据第一待产订单组中各待产订单在待排产生产工段下所需的工序数据,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度。
进一步可选地,计算模块402获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据时,具体用于:针对第一待产订单组中任一待产订单,获取待产订单在待排产生产工段下所需的生产工段描述数据;采用正则表达式、NLP或机器学习的方式对生产工段描述数据进行特征提取,以得到待产订单在待排产生产工段下所需的工序数据。
进一步可选地,计算模块402计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度时,具体用于:针对第一待产订单组中任意两个待产订单,从每个待产订单在待排产生产工段下所需的工序数据中选择关键工序数据;根据任意两个待产订单对应的关键工序数据,计算任意两个待产订单之间在待排产生产工段下的相似度。
进一步可选地,排产模块403,具体用于:根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度,结合排产辅助信息,将各待产订单排产到待排产生产工段对应的生产线组中的各生产线上,以得到待排产生产工段对应的排产计划信息;其中,排产辅助信息包括各待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。
进一步可选地,排产模块403,具体用于:以使排产到同一生产线上的待产订单之间的整体相似度最大为一个目标,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息;或者,以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息。
进一步可选地,排产模块403,具体用于:将相似度大于设定相似度阈值的待产订单排到同一生产线上;对于排产到同一生产线上的各待产订单,进一步确定各待产订单在该生产线上的生产顺序,从而得到各待产订单在该生产线上的生产时段。在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以在设定的排产维度上计算待产订单之间的优先级,按照待产订单在设定排产维度上的优先级,确定分配到该生产线上的各待产订单的生产时段。设定排产维度可以是工序产能维度、工序负载维度、下单时间维度和交货时间维度等中的至少一种或多种。或者,在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以先根据各待产订单所需的工序数据,对分配到同一生产线上的各待产订单进行分组,每个订单分组对应一个工序;针对每个工序,在设定排产维度上对其对应订单分组内的待产订单进行优先级计算,按照待产订单之间的优先级确定各待产订单在该生产线上对应该生产工序的生产时段。其中,若同一待产订单同时需要多个生产工序,则该订单可被划分至多个订单组内,经排产可以得到该待产订单在每个生产工序上的生产时段。
图4的排产装置可以执行图3所示实施例的排产方法,其实现原理和技术效果不再赘述。对于上述实施例中的排产装置其中各个模块、单元执行操作的具体方式已经在有关该数字化生产控制***的实施例中进行了详细描述,此处将不做详细阐述说明。
图5为本申请一示例性实施例提供的一种排产设备的结构示意图。如图5所示,该排产设备包括:存储器501和处理器502。
存储器501,用于存储计算机程序,并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。
存储器501可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器502,与存储器501耦合,用于执行存储器501中的计算机程序,以用于:根据待产订单需要生产的产品信息,确定待产订单需要的生产工段;根据待产订单需要的生产工段,计算待产订单之间的相似度;根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息;将排产计划信息用于发送给中心调度节点,以使中心调度节点根据排产计划信息中待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
进一步可选地,处理器502,还用于:接收订单***发送的待产订单的信息,待产订单的信息至少包括待产订单需要生产的产品信息。
进一步可选地,处理器502计算待产订单之间的相似度时,具体用于:根据待产订单需要的生产工段,结合待产订单的其它信息,计算待产订单之间的相似度;其中,其它信息是指待产订单中除产品信息之外的信息。
进一步可选地,处理器502计算待产订单之间的相似度时,具体用于:针对工厂环境中的待排产生产工段,根据待产订单需要的生产工段,从中选择需要待排产生产工段的第一待产订单组;获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据;根据第一待产订单组中各待产订单在待排产生产工段下所需的工序数据,计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度。
进一步可选地,处理器502获取第一待产订单组中各待产订单在待排产生产工段下所需的工序数据时,具体用于:针对第一待产订单组中任一待产订单,获取待产订单在待排产生产工段下所需的生产工段描述数据;采用正则表达式、NLP或机器学习的方式对生产工段描述数据进行特征提取,以得到待产订单在待排产生产工段下所需的工序数据。
进一步可选地,处理器502计算第一待产订单组中各待产订单之间在待排产生产工段下的相似度时,具体用于:针对第一待产订单组中任意两个待产订单,从每个待产订单在待排产生产工段下所需的工序数据中选择关键工序数据;根据任意两个待产订单对应的关键工序数据,计算任意两个待产订单之间在待排产生产工段下的相似度。
进一步可选地,处理器502对待产订单进行排产以得到排产计划信息时,具体用于:根据第一待产订单组中各待产订单之间在待排产生产工段下的相似度,结合排产辅助信息,将各待产订单排产到待排产生产工段对应的生产线组中的各生产线上,以得到待排产生产工段对应的排产计划信息;其中,排产辅助信息包括各待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。
进一步可选地,进一步可选地,处理器502对待产订单进行排产以得到排产计划信息,具体用于:以使排产到同一生产线上的待产订单之间的整体相似度最大为目标,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息;或者,以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据待产订单之间的相似度,对待产订单进行排产,以得到排产计划信息。
可选地,处理器502根据待产订单之间的相似度,对待产订单进行排产以得到排产计划信息时,具体用于:将相似度大于设定相似度阈值的待产订单排到同一生产线上;对于排产到同一生产线上的各待产订单,进一步确定各待产订单在该生产线上的生产顺序,从而得到各待产订单在该生产线上的生产时段。在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以在设定的排产维度上计算待产订单之间的优先级,按照待产订单在设定排产维度上的优先级,确定分配到该生产线上的各待产订单的生产时段。设定排产维度可以是工序产能维度、工序负载维度、下单时间维度和交货时间维度等中的至少一种或多种。或者,在确定分配到同一生产线上的各待产订单在该生产线上的生产时段时,可以先根据各待产订单所需的工序数据,对分配到同一生产线上的各待产订单进行分组,每个订单分组对应一个工序;针对每个工序,在设定排产维度上对其对应订单分组内的待产订单进行优先级计算,按照待产订单之间的优先级确定各待产订单在该生产线上对应该生产工序的生产时段。其中,若同一待产订单同时需要多个生产工序,则该订单可被划分至多个订单组内,经排产可以得到该待产订单在每个生产工序上的生产时段。
进一步,如图5所示,该排产设备还包括:通信组件503、显示器504、电源组件505、音频组件506等其它组件。图5中仅示意性给出部分组件,并不意味着排产设备只包括图5所示组件。另外,图5中虚线框内的组件为可选组件,而非必选组件,具体可视排产设备的产品形态而定。本实施例的排产设备可以实现为台式电脑、笔记本电脑、智能手机或IOT设备等终端设备,也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的排产设备实现为台式电脑、笔记本电脑、智能手机等终端设备,可以包含图5中虚线框内的组件;若本实施例的排产设备实现为常规服务器、云服务器或服务器阵列等服务端设备,则可以不包含图5中虚线框内的组件。
上述图5中的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G、3G、4G/LTE、5G等移动通信网络,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,通信组件还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
上述图5中的显示器包括屏幕,其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
上述图5中的电源组件,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理***,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述图5中的音频组件,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(MIC),当音频组件所在设备处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当计算机程序被处理器执行时,致使处理器能够实现上述方法实施例中可由排产设备执行的各步骤。
相应地,本申请实施例还提供一种计算机程序产品,包括计算机程序/指令,当计算机程序/指令被处理器执行时,致使处理器能够实现上述方法实施例中可由排产设备执行的各步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种数字化生产控制***,其特征在于,包括:排产***、中心调度节点和部署在工厂环境中的多个生产线组,每个生产线组包括至少一条生产线,不同生产线组中的生产线负责完成不同生产工段;
所述排产***,用于根据待产订单需要生产的产品信息,确定所述待产订单需要的生产工段,根据所述待产订单需要的生产工段,计算所述待产订单之间的相似度;根据所述待产订单之间的相似度,对所述待产订单进行排产以得到排产计划信息;将所述排产计划信息发送给所述中心调度节点;
所述中心调度节点,用于接收所述排产计划信息,所述排产计划信息包括所述待产订单被排产到的生产线信息及对应的生产时段;并根据所述待产订单被排产到的生产线信息及对应的生产时段,对所述多个生产线组中的生产线进行生产控制。
2.根据权利要求1所述的***,其特征在于,还包括:
订单***,用于接收待产订单,并将所述待产订单的信息发送给所述排产***,所述待产订单的信息至少包括待产订单需要生产的产品信息。
3.根据权利要求2所述的***,其特征在于,所述排产***在计算所述待产订单之间的相似度时,具体用于:
根据所述待产订单需要的生产工段,结合所述待产订单的其它信息,计算所述待产订单之间的相似度;其中,所述其它信息是指所述待产订单中除所述产品信息之外的信息。
4.根据权利要求1所述的***,其特征在于,还包括:边缘集群,所述边缘集群中包括生产服务节点;
所述中心调度节点具体用于:根据所述待产订单被排产到的生产线信息及对应的生产时段,生成针对各个生产线的生产调度信息,将所述生产调度信息下发给所述生产服务节点;
所述生产服务节点,用于根据所述中心调度节点下发的生产调度信息,对所述各生产线进行生产调度。
5.根据权利要求1-4任一项所述的***,其特征在于,所述排产***在计算所述待产订单之间的相似度时,具体用于:
针对工厂环境中的待排产生产工段,根据所述待产订单需要的生产工段,从中选择需要所述待排产生产工段的第一待产订单组;
获取所述第一待产订单组中各待产订单在所述待排产生产工段下所需的工序数据;
根据所述第一待产订单组中各待产订单在所述待排产生产工段下所需的工序数据,计算所述第一待产订单组中各待产订单之间在所述待排产生产工段下的相似度。
6.根据权利要求5所述的***,其特征在于,所述排产***在得到排产计划信息时,具体用于:
根据所述第一待产订单组中各待产订单之间在所述待排产生产工段下的相似度,结合排产辅助信息,将各待产订单排产到所述待排产生产工段对应的生产线组中的各生产线上,以得到所述待排产生产工段对应的排产计划信息;其中,所述排产辅助信息包括各待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。
7.一种排产方法,其特征在于,包括:
根据待产订单需要生产的产品信息,确定所述待产订单需要的生产工段;
根据所述待产订单需要的生产工段,计算所述待产订单之间的相似度;
根据所述待产订单之间的相似度,对所述待产订单进行排产以得到排产计划信息;
将所述排产计划信息用于发送给中心调度节点,以使所述中心调度节点根据所述排产计划信息中所述待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
8.根据权利要求7所述的方法,其特征在于,根据所述待产订单需要的生产工段,计算所述待产订单之间的相似度,包括:
针对工厂环境中的待排产生产工段,根据所述待产订单需要的生产工段,从中选择需要所述待排产生产工段的第一待产订单组;
获取所述第一待产订单组中各待产订单在所述待排产生产工段下所需的工序数据;
根据所述第一待产订单组中各待产订单在所述待排产生产工段下所需的工序数据,计算所述第一待产订单组中各待产订单之间在所述待排产生产工段下的相似度。
9.根据权利要求8所述的方法,其特征在于,根据所述第一待产订单组中各待产订单在所述待排产生产工段下所需的工序数据,计算所述第一待产订单组中各待产订单之间在所述待排产生产工段下的相似度,包括:
针对所述第一待产订单组中任意两个待产订单,从每个待产订单在所述待排产生产工段下所需的工序数据中选择关键工序数据;根据所述任意两个待产订单对应的关键工序数据,计算所述任意两个待产订单之间在所述待排产生产工段下的相似度。
10.根据权利要求8所述的方法,其特征在于,根据所述待产订单之间的相似度,对所述待产订单进行排产以得到排产计划信息,包括:
根据所述第一待产订单组中各待产订单之间在所述待排产生产工段下的相似度,结合排产辅助信息,将各待产订单排产到所述待排产生产工段对应的生产线组中的各生产线上,以得到所述待排产生产工段对应的排产计划信息;其中,所述排产辅助信息包括各待产订单的下单时间、交货时间、物料供给数据、人员技术数据、产线现场数据中的至少一种。
11.根据权利要求7-10任一项所述的方法,其特征在于,根据所述待产订单之间的相似度,对所述待产订单进行排产以得到排产计划信息,包括:
以使排产到同一生产线上的待产订单之间的整体相似度最大为一个目标,根据所述待产订单之间的相似度,对所述待产订单进行排产,以得到排产计划信息;
或者
以排产到同一生产线上的相邻两个待产订单之间的相似度满足设定相似度要求为约束条件,根据所述待产订单之间的相似度,对所述待产订单进行排产,以得到排产计划信息。
12.一种排产装置,其特征在于,包括:
确定模块,用于根据待产订单需要生产的产品信息,确定所述待产订单需要的生产工段;
计算模块,用于根据所述待产订单需要的生产工段,计算所述待产订单之间的相似度;
排产模块,用于根据所述待产订单之间的相似度,对所述待产订单进行排产以得到排产计划信息;
发送模块,用于将所述排产计划信息用于发送给中心调度节点,以使所述中心调度节点根据所述排产计划信息中所述待产订单被排产到的生产线信息及对应的生产时段,对多个生产线组中的生产线进行生产控制。
13.一种排产设备,其特征在于,包括:存储器和处理器;所述存储器,用于存储计算机程序;所述处理器耦合至所述存储器,用于执行所述计算机程序以用于执行权利要求7-11任一项所述方法中的步骤。
14.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,致使所述处理器实现权利要求7-11任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908014.3A CN113361830B (zh) | 2021-08-09 | 2021-08-09 | 数字化生产控制***、排产方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908014.3A CN113361830B (zh) | 2021-08-09 | 2021-08-09 | 数字化生产控制***、排产方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361830A true CN113361830A (zh) | 2021-09-07 |
CN113361830B CN113361830B (zh) | 2022-05-06 |
Family
ID=77540687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908014.3A Active CN113361830B (zh) | 2021-08-09 | 2021-08-09 | 数字化生产控制***、排产方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361830B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375402A (zh) * | 2022-08-26 | 2022-11-22 | 佛山市南海区微高软件有限公司 | 一种门窗生产订单分配方法、装置、电子设备及存储介质 |
CN115936405A (zh) * | 2023-01-10 | 2023-04-07 | 东莞盟大集团有限公司 | 一种基于大数据技术的物联网平台 |
TWI798950B (zh) * | 2021-11-22 | 2023-04-11 | 泰科動力股份有限公司 | 細胞生產模式下的生產系統、工作站以及平板 |
CN116300772A (zh) * | 2023-05-18 | 2023-06-23 | 智昌科技集团股份有限公司 | 基于机器人集群的全产业链制造方法及*** |
CN116307649A (zh) * | 2023-05-24 | 2023-06-23 | 南洋电缆(天津)有限公司 | 电缆生产工序排产方法、***、设备及低代码开发方法 |
CN117608257A (zh) * | 2024-01-23 | 2024-02-27 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371409A (zh) * | 2016-08-27 | 2017-02-01 | 绍兴兴明染整有限公司 | 一种染整生产线管理***及管理方法 |
CN111047415A (zh) * | 2019-12-18 | 2020-04-21 | 苏州市伽顿服饰有限公司 | 服饰配件订单处理方法、***、电子设备及存储介质 |
US20200134762A1 (en) * | 2017-06-29 | 2020-04-30 | Beijing Xiaodu Information Technology Co., Ltd. | Order group allocation method and device |
CN112200412A (zh) * | 2020-09-16 | 2021-01-08 | 广东富畅智能***有限公司 | 生产工单管理控制方法、装置、计算机设备和存储介质 |
-
2021
- 2021-08-09 CN CN202110908014.3A patent/CN113361830B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371409A (zh) * | 2016-08-27 | 2017-02-01 | 绍兴兴明染整有限公司 | 一种染整生产线管理***及管理方法 |
US20200134762A1 (en) * | 2017-06-29 | 2020-04-30 | Beijing Xiaodu Information Technology Co., Ltd. | Order group allocation method and device |
CN111047415A (zh) * | 2019-12-18 | 2020-04-21 | 苏州市伽顿服饰有限公司 | 服饰配件订单处理方法、***、电子设备及存储介质 |
CN112200412A (zh) * | 2020-09-16 | 2021-01-08 | 广东富畅智能***有限公司 | 生产工单管理控制方法、装置、计算机设备和存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI798950B (zh) * | 2021-11-22 | 2023-04-11 | 泰科動力股份有限公司 | 細胞生產模式下的生產系統、工作站以及平板 |
CN115375402A (zh) * | 2022-08-26 | 2022-11-22 | 佛山市南海区微高软件有限公司 | 一种门窗生产订单分配方法、装置、电子设备及存储介质 |
CN115936405A (zh) * | 2023-01-10 | 2023-04-07 | 东莞盟大集团有限公司 | 一种基于大数据技术的物联网平台 |
CN115936405B (zh) * | 2023-01-10 | 2024-07-16 | 东莞盟大集团有限公司 | 一种基于大数据技术的物联网平台 |
CN116300772A (zh) * | 2023-05-18 | 2023-06-23 | 智昌科技集团股份有限公司 | 基于机器人集群的全产业链制造方法及*** |
CN116300772B (zh) * | 2023-05-18 | 2023-09-15 | 智昌科技集团股份有限公司 | 基于机器人集群的全产业链制造方法及*** |
CN116307649A (zh) * | 2023-05-24 | 2023-06-23 | 南洋电缆(天津)有限公司 | 电缆生产工序排产方法、***、设备及低代码开发方法 |
CN116307649B (zh) * | 2023-05-24 | 2023-08-22 | 南洋电缆(天津)有限公司 | 电缆生产工序排产方法、***、设备及低代码开发方法 |
CN117608257A (zh) * | 2024-01-23 | 2024-02-27 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
CN117608257B (zh) * | 2024-01-23 | 2024-05-28 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113361830B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113361830B (zh) | 数字化生产控制***、排产方法、装置、设备及存储介质 | |
CA3013721A1 (en) | Project management and activity tracking methods and systems | |
Braglia et al. | Managerial and Industry 4.0 solutions for fashion supply chains | |
CN109144374A (zh) | 基于可视化规则引擎的业务处理方法、***及相关设备 | |
CN109711802A (zh) | 项目信息处理方法、装置、计算机设备和存储介质 | |
CN106302008A (zh) | 数据更新方法和装置 | |
CN113298349A (zh) | 一种订单处理方法、设备及存储介质 | |
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
CN108369528A (zh) | 用于生产力应用的唤回服务 | |
CN109657225A (zh) | 数据整合方法、装置、终端及存储介质 | |
CN102411540A (zh) | 基于工作流的通用软件测试过程自动化管理*** | |
CN110796416B (zh) | 一种基于工业联网订单处理方法及计算机存储介质 | |
CN113762710A (zh) | 生产计划排产方法、装置及存储介质 | |
CN108459792A (zh) | 一种流量切换方法、装置、及计算机设备 | |
CN112149838A (zh) | 实现自动构建模型的方法、装置、电子设备和存储介质 | |
CN106127365A (zh) | 定量遥感产品在线交互式自主生产方法 | |
CN103945444A (zh) | 脚本生成装置及脚本生成方法 | |
Hu et al. | Lean thinking and organisational learning: how can they facilitate each other? | |
CN113570335A (zh) | 一种定制家具智能化可视***及生产工艺 | |
Boza et al. | Industry 4.0 from the supply chain perspective: case study in the food sector | |
CN110083079A (zh) | 工艺参数确定方法、装置及*** | |
CN115660261B (zh) | 生产订单信息处理方法、计算机装置和存储介质 | |
US20180349932A1 (en) | Methods and systems for determining persona of participants by the participant use of a software product | |
Campos et al. | Engineering environment to support product-service design using value chain data | |
CN110262973B (zh) | 数据养成维护方法、装置、设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |