CN113674057A - 一种基于分层聚合策略的组批优化方法 - Google Patents
一种基于分层聚合策略的组批优化方法 Download PDFInfo
- Publication number
- CN113674057A CN113674057A CN202110952691.5A CN202110952691A CN113674057A CN 113674057 A CN113674057 A CN 113674057A CN 202110952691 A CN202110952691 A CN 202110952691A CN 113674057 A CN113674057 A CN 113674057A
- Authority
- CN
- China
- Prior art keywords
- order
- batch
- orders
- parts
- purity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000004220 aggregation Methods 0.000 title claims description 13
- 230000002776 aggregation Effects 0.000 title claims description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 57
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 227
- 239000011159 matrix material Substances 0.000 claims description 70
- 238000010276 construction Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 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
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于分层聚合策略的组批优化方法,根据企业提供的生产相关数据,构建分批规则,提升板材利用率,同时提升生产效率,对订单进行组批,使生产达到最优,替代原有人工编排所带来的效率低、耗时长等问题的组批模式。
Description
技术领域
本发明涉及订单组批优化领域,具体涉及一种基于分层聚合策略的组批优化方法。
背景技术
在家具行业中,传统的大批量、单品种的生产方式已不再适用,许多企业转向大规模定制生产。大规模定制已成为家具行业中常用的生产模式,尤其是板式家具行业近年来极大地发展。由于客户的定制化需求,设计师所设计的方案包罗万象,但将这些方案分解出来主要就是各种功能的柜子,这些柜子实际上就是由不同数量的材质、花色和尺寸的板材组装而成的。因此,可为大量不同订单的大规模定制提供了应用条件。目前,板式家具行业的也面临诸多挑战。一方面,由于家具生产技术含量不高,准入门槛较低,造成行业竞争激烈,市场上所生产的家具也是良莠不齐。另一方面,家具生产商由于产能的约束,需要制定较优的生产计划和生产方式。
由于市场个性化需求越来越高,客户订单错综复杂,个性化生产往往带来两个问题:即工序非作业时间的增加以及原材料的浪费。如何将海量客户订单进行组批生产,以提升板材利用率和生产效率,是企业当下所亟待解决的问题。在这样的背景下,本发明数据基于某家具制造厂,考虑了实际生产当中的限制,材料、设备、工艺带来的具体量化关系带来的约束,探索设计符合企业实际需要的组批优化策略,提高生产效率及板材的利用率。
国内外学者对订单组批问题进行了大量的研究,然而,国内研究的订单组批研究应用在家具行业上的较少,对板式产品车间普遍存在组批与排样问题组合的研究。陈炫锐和张浩等人在家具订单组批上的研究,考虑的产能约束较少,关注于板块颜色和板块厚度,对部件面积、部件数量没有考虑。国内外研究大多将订单组批与排样问题相组合,考虑板材的叠板切割,即将多块原材料叠放在一起,一次性同时切割这些板,即可得到多个相同的部件。但叠板切割对工艺要求很高,需要保证切割的精准度,对于工作台以及设备也有较高的要求,要保证切割能平稳进行,且各参数保持一致,并且企业要有该批次下足够多的同类部件一样才能考虑叠板切割。国外研究订单组批策略的求解过程一般较复杂,有时难以找到最优解,定制化也不显著。
为响应市场的定制化、多品种小批量的需求,大部分企业订单的组批是根据人工编排形成的,需要耗费比较长的时间。家具订单不能快速投入生产,并且在板材利用率上并非是最优的。针对板式家具生产企业在生产现场排产中因生产场地、设备和人员能力的限制而导致的订单组批需求,如何基于生产排产计划,将生产订单划分成若干个满足生产需求的订单集合是部门企业亟待解决的难题。板材产品是以板材为主要原料、通过平面加工后的几种版式配件装配而形成的一类产品。板材家具厂若不能在生产计划和作业计划得以均衡实现,容易造成板材严重浪费,不能按期交货,经济效益降低等问题。
发明内容
本发明的目的是提供一种基于分层聚合策略的组批优化方法,根据企业提供的生产相关数据,替代原有人工编排所带来的效率低、耗时长等问题的组批模式,提升生产效率。
为了实现上述任务,本发明采用以下技术方案:
一种基于分层聚合策略的组批优化方法,包括以下步骤:
步骤1,输入订单信息表、部件信息表;输入批次内部件数量、批次内订单数量和分批数的上下限范围;
步骤2,获取输入的部件数量、订单数量,计算批次内最大部件数量标准,批次内最大订单数量标准;
步骤3,对输入的订单信息表和部件信息表进行数据预处理,构建订单-部件信息阵、订单-部件信息决策阵和物料-订单信息决策阵、订单选择决策矩阵;
步骤4,判断当前批次中是否有已分批的订单/部件,若无则根据订单选择决策矩阵进行首单的选择;否则,转入步骤5;
步骤5,选择当前批次中已分配订单的物料,根据订单-部件信息决策阵从未组批订单中找到与物料相关的订单编号,进行订单纯度的计算,并构建订单-纯度矩阵;根据订单-纯度矩阵完成订单的选择;
步骤6,将已组批的订单从订单-部件信息阵删除,并相应完成订单选择决策矩阵、订单-部件信息决策阵和物料-订单信息决策阵的更新;
步骤7,通过对当前批次订单数量和部件数量进行统计,判断是否超过批次内最大部件数量标准、批次内最大订单数量标准,若超过,则另起一批次;
步骤8,对已完成订单数量统计,进行判断,若已完成的订单数量等于总的订单数量,完成分批;否则,返回步骤4。
进一步地,所述计算批次内最大部件数量标准,批次内最大订单数量标准,包括:
从订单信息表统计当前排产订单中的部件总数量:
实际最大分批数量=min(输入端最大分批数,当前排产订单中的部件总数量/输入端批次内最小部件数);
实际最小分批数量=max(输入端最小分批数,当前排产订单中的部件总数量/输入端批次内最大部件数);
批次内最大部件数量标准=当前排产订单中的部件总数量/实际最小分批数量;
批次内最小部件数量标准=当前排产订单中的部件总数量/实际最大分批数量;
实际最大批次内订单数=订单总数量/实际最小分批数量;
实际最小批次内订单数=订单总数量/实际最大分批数量;
批次内最大订单数量标准=min(输入端批次内最大订单数,当前排产订单中的部件总数量/输入端批次内最小部件数);
以批次内最大部件数量标准、批次内最大订单数量标准作为另起一批的依据。
进一步地,所述订单-部件信息矩阵构建方法为:
从订单信息表中获取订单数据,并对每个订单信息进行搜索、统计,获得属于当前订单的部件信息:物料信息、高度信息、宽度信息、面积信息、部件类型数量和部件合并数量,并以元胞的形式储存。
进一步地,所述订单-部件信息决策阵的构建方法为:
获取订单编号、进行索引:订单数量、订单下的物料信息、订单下部件尺寸信息和部件数量;再通过该订单下的物料信息,利用物料类型对订单下的部件集合进行搜索、统计使用当前物料类型部件数量、部件的总面积,生成订单-部件决策矩阵,该矩阵包括的信息有:订单编号、订单数量、物料编号、此订单下使用同一物料的部件数量、与所述部件数量相对应的面积、物料的品种数量、订单部件的总数量。
进一步地,所述物料-订单信息决策矩阵构建方法为:
获取部件详情表,并通过物料编号从中提取出订单编号,对订单编号进行去重复处理,获取不同订单编号数量;
构建矩阵,该矩阵中的信息包括物料编号、当前物料下订单编号集合、对应订单编号下的部件数量、订单编号下使用了该物料的部件数量、不计重复订单的订单数量、以当前物料为唯一物料的订单数量、订单下使用了该物料的部件总面积、当前物料为唯一物料的部件使用总面积。
进一步地,所述物料-订单信息决策矩阵中,以物料编号作为行,以订单编号集合、部件数量、部件数量、不计重复订单的订单数量、订单数量、部件总面积、部件使用总面积作为列;
在矩阵创建过程中根据订单编号和物料编号进行匹配,并确定当前物料-订单的使用物料的部件数量和订单的对应的部件总数量、使用当前物料的部件总面积和订单下部件的总面积,并在统计过程中判断不同订单是否为当前物料的唯一使用订单,并进入唯一物料订单数中,否则在唯一物料订单数量中不记录该订单。
进一步地,所述订单选择决策矩阵的构建方法为:
通过物料编号从物料信息矩阵进行检索,使用了该物料的订单、订单下使用了该物料的部件数量;使用了该物料且为唯一物料订单;
计算物料订单层纯度:使用了该物料且为唯一物料订单的订单数量/使用了该物料的订单的订单数量;
计算物料的部件层纯度:从物料-订单信息决策阵中检索涉及物料订单下的部件总数量,涉及物料订单下使用了该物料的部件总数量;部件层纯度为涉及物料订单下使用了该物料的部件总数量/涉及物料订单下的部件总数量;
计算物料的面积层纯度:从物料-订单信息决策阵中检索涉及物料订单下的部件总面积,涉及物料订单下使用了该物料的部件总面积;面积层纯度为涉及物料订单下使用了该物料的部件总面积/涉及物料订单下的部件总面积;
以物料编号为列,以:涉及物料的订单数量、涉及物料的部件数量、订单级别的物料纯度、部件级别的物料纯度、面积级别的物料纯度为列,遍历物料编号,依次储存。
进一步地,所述根据订单选择决策矩阵进行首单的选择,包括:
通过制定的规则策略—选择涉及部件数量最多的物料,并根据物料信息检索订单信息,将检索所得的订单信息进行纯度的计算,构建订单-纯度矩阵;进行物料纯度对比,选择当期纯度最高的订单。
进一步地,所述订单-纯度矩阵的构建方法为:
依据订单编号从订单-部件决策阵检索到订单的物料编号和对应使用同一物料的部件数量,计算订单纯度
订单纯度计算方法为:通过从订单-部件决策阵检索到订单的物料编号和对应使用同一物料的部件数量,统计使用了当前批次中已分配订单的物料的部件数量;订单纯度为当前订单使用了当前批次中已分配订单的物料的部件数量/当前订单的部件总数量;以订单编号、订单纯度、订单下的部件总数为列,完成订单纯度矩阵的构建。
进一步地,所述根据订单-纯度矩阵完成订单的选择时,按照以下策略:
首先,选择相关性纯度最高的订单;其次,存在多个相同最高纯度订单时,选择部件数量最多的订单。
与现有技术相比,本发明具有以下技术特点:
本发明针对具有产能约束的大规模个性化板式家具企业,提升了板材利用率,同时提升生产效率;对订单进行组批,构建分批规则,使生产达到最优,对于家具行业具有重要的意义。
附图说明
图1为本发明方法的流程示意图;
图2为实施例中现有方案在6.2生产日期批次号下的订单数量示意图;
图3为实施例中本方案在6.3生产日期批次号下的订单数量示意图;
图4为实施例中本方案在6.4生产日期批次号下的部件数量示意图;
图5为实施例中本方案在6.5生产日期批次号下的部件数量示意图;
图6为实施例中现有方案在6.6生产日期批次号下板材使用数量示意图;
图7为实施例中本方案在6.7生产日期批次号下板材使用数量示意图;
图8为实施例中现有方案在6.8生产日期批次号下出材率示意图;
图9为实施例中本方案在6.8生产日期批次号下出材率示意图。
具体实施方式
参见附图,本发明提供了一种基于分层聚合策略的组批优化方法,用于解决订单组批优化问题;本发明的一个实施例中,应用问题的描述如下:
即企业在生产制造过程中,需要排产的订单优先选出来,例如200~500个订单,按照每个批次25~35个订单组成一批或者按部件数量为分批依据,然后每一批次采用专业的排版优化软件去计算排版。目前许多企业订单的组批是计划人员来完成,可能需要几天时间,最快也要几个小时,对于紧急订单不能立刻投入生产,耗费人力;故设计本发明来解决这一问题。
本发明方法包括以下步骤:
步骤1,输入订单信息表、部件信息表;输入批次内部件数量、批次内订单数量和分批数的上下限范围(由计划人员自由配置项)。
其中:订单信息表信息:1、订单编号;2、订单数量;3、订单下的部件类别数量;4、部件合并数量;5、订单下的部件总数;
部件信息表信息:1、订单编号;2、部件编号;3、部件材料编号;4、部件尺寸-高度;5、部件尺寸-宽度;6、部件尺寸-面积。
步骤2,分批算法开始,获取输入算法接口的部件数量、订单数量,计算批次内最大部件数量标准,批次内最大订单数量标准。
设定已分配订单数量为0,批次内最大部件数量标准、临时批次内最大订单数量标准的计算如下:
从订单信息表统计当前排产订单中的部件总数量:
实际最大分批数量=min(输入端最大分批数,当前排产订单中的部件总数量/输入端批次内最小部件数);
实际最小分批数量=max(输入端最小分批数,当前排产订单中的部件总数量/输入端批次内最大部件数);
批次内最大部件数量标准=当前排产订单中的部件总数量/实际最小分批数量;
批次内最小部件数量标准=当前排产订单中的部件总数量/实际最大分批数量;
实际最大批次内订单数=订单总数量/实际最小分批数量;
实际最小批次内订单数=订单总数量/实际最大分批数量;
批次内最大订单数量标准=min(输入端批次内最大订单数,当前排产订单中的部件总数量/输入端批次内最小部件数);
以批次内最大部件数量标准、批次内最大订单数量标准作为另起一批的依据。
步骤3,为了建立更好的数据映射关系,方便进行数据读取时候的数据输入/输出方便,需要对输入的订单信息表和部件信息表进行数据预处理,从而避免算法在实际执行过程中因在数据存储上花费大量的时间而产生无意义的运行时间(如,若仅基于原始订单信息,每次寻找某一订单编号下的所有工件需要先找先进行全工件的集合规模的搜索,但进行初步处理后只需要进行订单编号索引位置的检索即可以,可以在一定程度上降低程序运用于搜索场景所花费的时间),先构建订单-部件信息阵、订单-部件信息决策阵和物料-订单信息决策阵、订单选择决策矩阵;
步骤3.1,订单-部件信息阵构建
订单-部件信息矩阵构建方法为:
从订单信息表中获取订单数据,并对每个订单信息进行搜索、统计,获得属于当前订单的部件信息:物料信息、高度信息、宽度信息、面积信息、部件类型数量和部件合并数量,并以元胞的形式储存。
表1订单-部件信息矩阵示例
1 | 2 |
[11;12] | [1;3] |
[52;53] | [51;53] |
[330;633] | [330;633] |
[766;765] | [766;765] |
[252780;484245] | [252780;484245] |
1 | 1 |
示例说明:编号为1的订单;需要生产11和12种部件;其中部件11的物料为52、高度为330、宽度766、面积252780,部件合并数量1;其中部件11的物料为53、高度为633、宽度765、面积484245,部件合并数量1。
步骤3.2,订单-部件信息决策阵
依据订单编号、进行索引:订单数量、订单下的物料信息、订单下部件尺寸信息(高度、宽度和面积)和部件数量;再通过该订单下的物料信息,通过物料类型对订单下的部件集合进行搜索、统计使用当前物料类型部件数量、部件的总面积;生成订单-部件决策矩阵,该矩阵包含的信息有:1、订单编号;2、订单数量;3、物料编号;4、此订单下使用同一物料的部件数量;5、与4相对应的面积;6、物料的品种数量;7、订单部件的总数量。
表2订单-部件信息决策阵示例
1 | 2 | 3 |
1 | 1 | 1 |
[52;53] | 52 | 52 |
[1,1] | 15 | 9 |
[252780;484245] | 3682668 | 299020 |
2 | 1 | 1 |
2 | 15 | 9 |
示例说明:订单编号为1的订单:订单数量为1,使用了52和53两种物料,其中此订单下使用52物料的部件数量为1,对应面积为252780;其中此订单下使用53物料的部件数量为1,对应面积为484245;该订单使用了2种物料,2个部件。
步骤3.3,物料-订单信息决策阵
物料-订单信息决策矩阵构建方法为:
获取部件详情表,并通过物料编号从中提取出订单编号,对订单编号进行去重复处理,获取不同订单编号数量;
构建矩阵,该矩阵中的信息包括1、物料编号、2、当前物料下订单编号集合、3、对应订单编号下的部件数量、4、订单编号下使用了该物料的部件数量、5、订单数量(不计重复订单)、6、以当前物料为唯一物料的订单数量、7、订单下使用了该物料的部件总面积、8、当前物料为唯一物料的部件使用总面积,
矩阵中以物料编号作为行,以订单编号集合、部件数量、部件数量、订单数量(不计重复订单)、订单数量、部件总面积、部件使用总面积作为列;
在矩阵创建过程中根据订单编号和物料编号进行匹配,并确定当前物料-订单的使用物料的部件数量和订单的对应的部件总数量、使用当前物料的部件总面积和订单下部件的总面积,并在统计过程中判断不同订单是否为当前物料的唯一使用订单,并进入唯一物料订单数中,否则在唯一物料订单数量中不记录该订单。
表3物料-订单信息决策阵示例
物料编号 | 5 | 6 | 7 |
当前物料下订单编号集合 | [248;249] | 252 | [354;356] |
对应订单编号下的部件数量 | [86,166] | 92 | [50,39] |
订单编号下使用了该物料的部件数量 | [1,4] | 8 | [5,3] |
订单数量(不计重复订单) | 2 | 1 | 2 |
以当前物料为唯一物料的订单数量 | 0 | 0 | 0 |
订单下使用了该物料的部件总面积 | 1404750 | 486432 | 11974698 |
当前物料为唯一物料的部件使用总面积 | 0 | 0 | 0 |
步骤3.4,订单选择决策矩阵
通过物料编号从物料信息矩阵进行检索,使用了该物料的订单、订单下使用了该物料的部件数量;使用了该物料且为唯一物料订单;
计算物料订单层纯度,方法为:使用了该物料且为唯一物料订单的订单数量/使用了该物料的订单的订单数量。
计算物料的部件层纯度,方法为:从物料-订单信息决策阵中检索涉及物料订单下的部件总数量,涉及物料订单下使用了该物料的部件总数量;部件层纯度为涉及物料订单下使用了该物料的部件总数量/涉及物料订单下的部件总数量。
计算物料的面积层纯度,方法为:从物料-订单信息决策阵中检索涉及物料订单下的部件总面积,涉及物料订单下使用了该物料的部件总面积;面积层纯度为涉及物料订单下使用了该物料的部件总面积/涉及物料订单下的部件总面积。
以物料编号为列(以矩阵所在列代表物料编号),以1、涉及物料的订单数量;2、涉及物料的部件数量;3、订单级别的物料纯度;4、部件级别的物料纯度;5、面积级别的物料纯度为列,遍历物料编号,依次储存。
表4订单选择决策矩阵示例
2 | 10 | 11 |
90 | 9630 | 1442 |
1 | 0 | 0 |
1 | 0.093043 | 0.074896 |
1 | 0 | 0 |
物料编号为2(在第二列)涉及物料的订单数量10;涉及物料的部件数量9630;订单级别的物料纯度0;4、部件级别的物料纯度0.093043;5、面积级别的物料纯度为0。
步骤4,判断当前批次中是否有已分批的订单/部件,若无则根据订单选择决策矩阵进行首单的选择(通过制定的规则策略—选择涉及部件数量最多的物料,并根据物料信息检索订单信息,将检索所得的订单信息进行纯度计算,构建订单-纯度矩阵;进行物料纯度对比,选择当期纯度最高的订单);否则,转入步骤5。
订单-纯度矩阵的构建:
依据订单编号从订单-部件信息决策阵检索到订单的物料编号和对应使用同一物料的部件数量,计算订单纯度。
订单纯度计算方法为:通过从订单-部件决策阵检索到订单的物料编号和对应使用同一物料的部件数量,统计使用了当前批次中已分配订单的物料的部件数量;订单纯度为当前订单使用了当前批次中已分配订单的物料的部件数量/当前订单的部件总数量;
以1、订单编号;2、订单纯度;3、订单下的部件总数为列,完成订单纯度矩阵的构建。
步骤5,选择当前批次中已分配订单的物料,根据订单-部件信息决策矩阵从未组批订单中找到与物料相关的订单编号,并将其进行订单纯度的计算,并构建订单-纯度矩阵;根据订单-纯度矩阵完成订单的选择(并通过制定的规则策略:首先,选择相关性纯度最高的订单;其次,存在多个相同最高纯度订单时,选择部件数量最多的订单);
步骤6,将已组批的订单从订单-部件信息阵删除,并相应完成订单选择决策矩阵、订单-部件信息决策阵和物料-订单决策阵的更新
步骤7,通过对当前批次订单数量和部件数量进行统计,判断是否超过批次内最大部件数量标准、临时批次内最大订单数量标准,若超过,则另起一批次。
步骤8,对已完成订单数量统计,进行判断,若已完成的订单数量等于总的订单数量,完成分批;否则,返回步骤4。
实施例:
实验数据为工厂实际6天的数据涉及,订单总数量为2387个,涉及板材116种,部件总数量102006件。
表5人工组批方案与本方案板材利用率对比
生产日编号 | 原分批方案 | 组批优化算法 | CPU运算时间(s) |
0604 | 0.8814 | 0.8932 | 3.5199 |
0605 | 0.8556 | 0.8643 | 2.3432 |
0606 | 0.8427 | 0.8500 | 2.98704 |
0607 | 0.8354 | 0.8391 | 2.7054 |
0608 | 0.8710 | 0.8965 | 3.0937 |
0609 | 0.8474 | 0.8462 | 2.7185 |
通过对比方案的总体出材率,可以发现通过规则算法所得的结果优于案例所给出的分批方案,其计算分批方案的目标值时,其出材率CPU运算时间只需要2~4s。
通过对原分批方案部件数统计,原方案6月4号共16批,组批优化算法计算得到20批。
对所提出的分批决策方法,能较均衡的控制每一批次的产品数量,不至于出现某一批次产品数量过多的场景;决策方法在均衡批次部件数量上的效果不如控制产品数量显著——因为决策方法将更多的权重释放于产品数量的控制。
相较于案例方案,分批决策方法所的方案的批次物料品种数分布更加的离散化,同时使用物料品种数并不与当前批次使用板材数量正相关,此是因为分批决策方法具有一定的“物料清空”原则,即当物料已经在当前批次中时,会优先选择将所有使用到该物料的订单进行聚合和优先级运算,而中、小规模物料频次簇占比大。
分批的数量较案例数据有了显著的增加:依据分批决策方法,在6个生产日下,批次的数量比所给的案例分批数量更多。单生产日批次下,依据分批决策方法所得板材使用数量较为均衡:相比案例方案,决策方案除了少数显著溢出区间范围数据外,多数集中于某一区域范围内。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于分层聚合策略的组批优化方法,其特征在于,包括以下步骤:
步骤1,输入订单信息表、部件信息表;输入批次内部件数量、批次内订单数量和分批数的上下限范围;
步骤2,获取输入的部件数量、订单数量,计算批次内最大部件数量标准,批次内最大订单数量标准;
步骤3,对输入的订单信息表和部件信息表进行数据预处理,构建订单-部件信息阵、订单-部件信息决策阵和物料-订单信息决策阵、订单选择决策矩阵;
步骤4,判断当前批次中是否有已分批的订单/部件,若无则根据订单选择决策矩阵进行首单的选择;否则,转入步骤5;
步骤5,选择当前批次中已分配订单的物料,根据订单-部件信息决策阵从未组批订单中找到与物料相关的订单编号,进行订单纯度的计算,并构建订单-纯度矩阵;根据订单-纯度矩阵完成订单的选择;
步骤6,将已组批的订单从订单-部件信息阵删除,并相应完成订单选择决策矩阵、订单-部件信息决策阵和物料-订单信息决策阵的更新;
步骤7,通过对当前批次订单数量和部件数量进行统计,判断是否超过批次内最大部件数量标准、批次内最大订单数量标准,若超过,则另起一批次;
步骤8,对已完成订单数量统计,进行判断,若已完成的订单数量等于总的订单数量,完成分批;否则,返回步骤4。
2.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述计算批次内最大部件数量标准,批次内最大订单数量标准,包括:
从订单信息表统计当前排产订单中的部件总数量:
实际最大分批数量=min(输入端最大分批数,当前排产订单中的部件总数量/输入端批次内最小部件数);
实际最小分批数量=max(输入端最小分批数,当前排产订单中的部件总数量/输入端批次内最大部件数);
批次内最大部件数量标准=当前排产订单中的部件总数量/实际最小分批数量;
批次内最小部件数量标准=当前排产订单中的部件总数量/实际最大分批数量;
实际最大批次内订单数=订单总数量/实际最小分批数量;
实际最小批次内订单数=订单总数量/实际最大分批数量;
批次内最大订单数量标准=min(输入端批次内最大订单数,当前排产订单中的部件总数量/输入端批次内最小部件数);
以批次内最大部件数量标准、批次内最大订单数量标准作为另起一批的依据。
3.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述订单-部件信息矩阵构建方法为:
从订单信息表中获取订单数据,并对每个订单信息进行搜索、统计,获得属于当前订单的部件信息:物料信息、高度信息、宽度信息、面积信息、部件类型数量和部件合并数量,并以元胞的形式储存。
4.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述订单-部件信息决策阵的构建方法为:
获取订单编号、进行索引:订单数量、订单下的物料信息、订单下部件尺寸信息和部件数量;再通过该订单下的物料信息,利用物料类型对订单下的部件集合进行搜索、统计使用当前物料类型部件数量、部件的总面积,生成订单-部件决策矩阵,该矩阵包括的信息有:订单编号、订单数量、物料编号、此订单下使用同一物料的部件数量、与所述部件数量相对应的面积、物料的品种数量、订单部件的总数量。
5.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述物料-订单信息决策矩阵构建方法为:
获取部件详情表,并通过物料编号从中提取出订单编号,对订单编号进行去重复处理,获取不同订单编号数量;
构建矩阵,该矩阵中的信息包括物料编号、当前物料下订单编号集合、对应订单编号下的部件数量、订单编号下使用了该物料的部件数量、不计重复订单的订单数量、以当前物料为唯一物料的订单数量、订单下使用了该物料的部件总面积、当前物料为唯一物料的部件使用总面积。
6.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述物料-订单信息决策矩阵中,以物料编号作为行,以订单编号集合、部件数量、部件数量、不计重复订单的订单数量、订单数量、部件总面积、部件使用总面积作为列;
在矩阵创建过程中根据订单编号和物料编号进行匹配,并确定当前物料-订单的使用物料的部件数量和订单的对应的部件总数量、使用当前物料的部件总面积和订单下部件的总面积,并在统计过程中判断不同订单是否为当前物料的唯一使用订单,并进入唯一物料订单数中,否则在唯一物料订单数量中不记录该订单。
7.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述订单选择决策矩阵的构建方法为:
通过物料编号从物料信息矩阵进行检索,使用了该物料的订单、订单下使用了该物料的部件数量;使用了该物料且为唯一物料订单;
计算物料订单层纯度:使用了该物料且为唯一物料订单的订单数量/使用了该物料的订单的订单数量;
计算物料的部件层纯度:从物料-订单信息决策阵中检索涉及物料订单下的部件总数量,涉及物料订单下使用了该物料的部件总数量;部件层纯度为涉及物料订单下使用了该物料的部件总数量/涉及物料订单下的部件总数量;
计算物料的面积层纯度:从物料-订单信息决策阵中检索涉及物料订单下的部件总面积,涉及物料订单下使用了该物料的部件总面积;面积层纯度为涉及物料订单下使用了该物料的部件总面积/涉及物料订单下的部件总面积;
以物料编号为列,以:涉及物料的订单数量、涉及物料的部件数量、订单级别的物料纯度、部件级别的物料纯度、面积级别的物料纯度为列,遍历物料编号,依次储存。
8.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述根据订单选择决策矩阵进行首单的选择,包括:
通过制定的规则策略—选择涉及部件数量最多的物料,并根据物料信息检索订单信息,将检索所得的订单信息进行纯度的计算,构建订单-纯度矩阵;进行物料纯度对比,选择当期纯度最高的订单。
9.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述订单-纯度矩阵的构建方法为:
依据订单编号从订单-部件决策阵检索到订单的物料编号和对应使用同一物料的部件数量,计算订单纯度
订单纯度计算方法为:通过从订单-部件决策阵检索到订单的物料编号和对应使用同一物料的部件数量,统计使用了当前批次中已分配订单的物料的部件数量;订单纯度为当前订单使用了当前批次中已分配订单的物料的部件数量/当前订单的部件总数量;以订单编号、订单纯度、订单下的部件总数为列,完成订单纯度矩阵的构建。
10.根据权利要求1所述的基于分层聚合策略的组批优化方法,其特征在于,所述根据订单-纯度矩阵完成订单的选择时,按照以下策略:
首先,选择相关性纯度最高的订单;其次,存在多个相同最高纯度订单时,选择部件数量最多的订单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110952691.5A CN113674057B (zh) | 2021-08-19 | 2021-08-19 | 一种基于分层聚合策略的组批优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110952691.5A CN113674057B (zh) | 2021-08-19 | 2021-08-19 | 一种基于分层聚合策略的组批优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113674057A true CN113674057A (zh) | 2021-11-19 |
CN113674057B CN113674057B (zh) | 2023-08-25 |
Family
ID=78543749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110952691.5A Active CN113674057B (zh) | 2021-08-19 | 2021-08-19 | 一种基于分层聚合策略的组批优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113674057B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170038A (zh) * | 2022-02-11 | 2022-03-11 | 杭州杰牌传动科技有限公司 | 适应传动***离散制造需求的供应链调配***及其方法 |
CN114936711A (zh) * | 2022-06-15 | 2022-08-23 | 广东工业大学 | 一种大规模板式定制家具订单揉单优化方法 |
CN115759634A (zh) * | 2022-11-18 | 2023-03-07 | 中南大学 | 一种矩形板材组批排样高效协同方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180259921A1 (en) * | 2015-11-26 | 2018-09-13 | Jiangnan University | Data-Difference-Driven Self-Learning Dynamic Optimization Method For Batch Process |
CN111353528A (zh) * | 2020-02-21 | 2020-06-30 | 广东工业大学 | 一种基于下料利用率预测的组批与排样迭代优化方法 |
-
2021
- 2021-08-19 CN CN202110952691.5A patent/CN113674057B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180259921A1 (en) * | 2015-11-26 | 2018-09-13 | Jiangnan University | Data-Difference-Driven Self-Learning Dynamic Optimization Method For Batch Process |
CN111353528A (zh) * | 2020-02-21 | 2020-06-30 | 广东工业大学 | 一种基于下料利用率预测的组批与排样迭代优化方法 |
Non-Patent Citations (3)
Title |
---|
李占丞;刘晓冰;冯晓春;薄洪光;: "装配型企业订货量分配与订单排产联合决策研究", 运筹与管理, no. 07 * |
陈炫锐;陈庆新;毛宁;: "板式家具企业的订单组批问题研究", 工业工程, no. 02 * |
陶涛;王洁;刘忠会;陈星艳;冯万福;: "基于蚁群聚类算法的板式定制家具订单聚类分析", 林产工业, no. 05 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170038A (zh) * | 2022-02-11 | 2022-03-11 | 杭州杰牌传动科技有限公司 | 适应传动***离散制造需求的供应链调配***及其方法 |
CN114936711A (zh) * | 2022-06-15 | 2022-08-23 | 广东工业大学 | 一种大规模板式定制家具订单揉单优化方法 |
CN115759634A (zh) * | 2022-11-18 | 2023-03-07 | 中南大学 | 一种矩形板材组批排样高效协同方法 |
CN115759634B (zh) * | 2022-11-18 | 2024-04-26 | 中南大学 | 一种矩形板材组批排样高效协同方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113674057B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113674057A (zh) | 一种基于分层聚合策略的组批优化方法 | |
CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
CN101271543A (zh) | 一种应用了基于精英解池的遗传算法的生产排程***和方法 | |
WO2019210653A1 (zh) | 支持工序任务量拆分的智能排产方法 | |
CN111738578A (zh) | 一种动态环境下的离散型生产车间调度方法 | |
CN109711745A (zh) | 基于智能优化算法的双层式生产计划优化控制方法 | |
CN112070378B (zh) | 一种利用计算机基于逻辑优先原则的生产排产管理方法 | |
CN112686584B (zh) | 一种工单指派的方法和*** | |
CN110956371A (zh) | 面向复杂人机耦合的智能制造车间的绿色调度优化方法 | |
CN117557078B (zh) | 一种基于时间节点的智能生产计划管理方法及*** | |
WO2023087418A1 (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 | |
CN109409848A (zh) | 开放式流程的节点智能推荐方法、终端设备及存储介质 | |
CN116957177A (zh) | 一种柔性车间产线规划方法、***、设备及介质 | |
JP2009289056A (ja) | 人員配置計画支援装置 | |
Li | Comparing Kanban with CONWIP in a make-to-order environment supported by JIT practices | |
WO2008023655A1 (en) | Production system creating system and production system creating method | |
CN113219918A (zh) | 一种基于物料齐套的混流装配车间排序方法 | |
JP7261639B2 (ja) | 生産管理システム及び生産管理方法 | |
JP2001028018A (ja) | 権利の流通価値評価方法およびそれに用いる装置 | |
US6941183B1 (en) | Method and apparatus for selecting tools in manufacturing scheduling | |
CN116796910A (zh) | 基于货物分配策略的订单分批优化方法 | |
Yu et al. | Supplier evaluation analysis based on AHP-entropy-TOPSIS method | |
CN114492959A (zh) | 一种基于遗传算法的板式家具生产调度批次优化的方法 | |
CN107229996A (zh) | 一种一体化供应链管理平台 | |
Liao et al. | A new artificial bee colony algorithm for the flexible job shop scheduling problem with extra resource constraints in numeric control centers |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Jianjun Inventor after: Liang Baolin Inventor after: Peng Chengfeng Inventor after: Mao Ning Inventor after: Chen Qingxin Inventor before: Liu Jianjun Inventor before: Liang Baolin Inventor before: Peng Chengfeng Inventor before: Mao Ning Inventor before: Chen Qingxin |
|
GR01 | Patent grant | ||
GR01 | Patent grant |