CN114493199B - 一种基于跨中小型企业的智能云排产方法 - Google Patents

一种基于跨中小型企业的智能云排产方法 Download PDF

Info

Publication number
CN114493199B
CN114493199B CN202210026302.0A CN202210026302A CN114493199B CN 114493199 B CN114493199 B CN 114493199B CN 202210026302 A CN202210026302 A CN 202210026302A CN 114493199 B CN114493199 B CN 114493199B
Authority
CN
China
Prior art keywords
production
order
scheduling
demand
service
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210026302.0A
Other languages
English (en)
Other versions
CN114493199A (zh
Inventor
郭航瑞
饶云波
吴俊君
杨自强
周望
慕通泽
王奕文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210026302.0A priority Critical patent/CN114493199B/zh
Publication of CN114493199A publication Critical patent/CN114493199A/zh
Application granted granted Critical
Publication of CN114493199B publication Critical patent/CN114493199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

  • 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)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种基于跨中小型企业的智能云排产方法，属于企业排产计划调度领域。本发明从全局出发制定排产计划，提高排产计划的效率和科学性的同时也降低了排产成本，从而以低成本整合了所有相关企业信息；根据实际情况考虑相关约束条件和优化条件，使得排产计划更加科学与合理，提高生产效率。考虑中小型企业需求订单复杂多变的特征，针对订单动态***采取相应策略，及时更新修正排产计划，尽量减少生产过程中的额外成本。结合智能云平台，利用云计算的强大算力，排产效率大大提升。

Description

一种基于跨中小型企业的智能云排产方法
技术领域
本发明属于企业排产计划调度领域，特别涉及一种基于跨中小型企业的智能云排产方法。
背景技术
随着工业生产技术的不断进步，生产活动的自动化水平也越来越高，工业4.0成为各个国家工业生产所追求的目标。工业4.0的核心特征是互联，是利用物联信息***将生产中的供应，制造，销售信息数据化、智慧化，达到快速、有效的产品供应，建立一个高度灵活的个性化和数字化的产品与服务的生产模式。
在传统工业体系中，一般采用企业资源计划(Enterprise Resource Planning，ERP)***进行项目组织的管理。ERP***是建立在信息技术基础上，集信息技术与先进管理思想于一身，以***化的管理思想，为企业员工及决策层提供决策手段的管理平台。但是随着产品制造复杂度的显著提升，ERP***已经不能满足当今工业自动化生产的需求，逐渐演变为负责企业管理的功能模块，而企业的生产活动则是由MES(Manufacturing ExecutionSystem，制造企业生产过程执行***)***和APS(Advanced Planning and Scheduling，高级计划与排程)***负责。 MES***是一套面向制造企业车间执行层的生产信息化管理***，将前端产品设计、工艺定义阶段的产品数据管理与后端制造阶段的生产数据管理融合，实现产品设计、生产过程、维修服务闭环协同全生命周期管理。APS***则是解决生产排程和生产调度问题的***，可对所有的资源进行同步以及实时监控，无论是在物料上，机器设备上，还是人员管理、客户需求供应等，都能实现一个有效精准的生产计划。
但是，MES+APS模式在***管理的复杂度和成本上都较高，只适用于一些大型企业的规模化生产，但对于一些中小型企业，受到周转资金、生产规模、生产工艺、自动化程度和成本投入等因素的影响，MES+APS模式往往并不太合适；另一方面，大型企业通常是“以产带销”，即通过产品生产去推动产品销售，在市场供需关系中处于主导地位，而中小型企业通常是“以销带产”，即根据产品销售来决定产品生产，在市场供需关系中处于被动地位。导致的结果就是大型企业的生产订单往往是大规模且可预见性的，而中小型企业的订单是小规模且复杂多变的。随着人们生活水平的提高，个性化需求越来越多，中小型企业“以销带产”的模式越来越普遍，所以对这些企业的生产要求也就越来越高，而MES+APS模式在有限的资源和规模下，难以发挥出很好的效果。
发明内容
鉴于上述方法在中小型企业排产规划中存在的问题，本发明提出了一种基于跨中小型企业的智能云排产方法，以解决跨中小型企业协同生产中的排产计划问题。
本发明提供了一种基于跨中小型企业的智能云排产方法，该方法包括：
资源需求方调用需求订单发布服务发布需求订单信息，所述需求订单信息包括：需求产品名称、产品结构、产品的制作工艺、产品的需求数量、预计成本和要求的交货日期；
生产供应方调用生产能力信息发布服务发布产能信息(即生产能力信息)，所述产能信息包括：生产产品的名称、采取的制作工艺、单位时间的产量、每天可工作时间、生产原料的贮备、单位时间工价、产品存储仓库地址、运输方式和成本信息；
排产服务器(云平台)定期调用订单汇总服务汇总当前发布的所有需求订单信息，确定各个需求订单之间的关系类型，所述关系类型包括父子关系、兄弟关系和没有关系三种；并发出需求任务模型创建事件；
排产服务器在监听到所述需求任务模型创建事件的情况下，调用需求任务模型创建服务创建需求任务模型并发出需求任务模型就绪事件；所述需求任务模型包括：订单编号、订单名、父订单、子订单、生产原料、生产工艺、产品数量、交货日期、需求企业；
排产服务器调用产能汇总服务汇总当前发布的所有产能信息，并发出资源能力模型创建事件；在监听到所述资源能力模型创建事件的情况下，调用资源能力模型创建服务创建各个生产单元的资源能力模型并发出资源能力模型就绪事件；所述资源能力模型包括：生产单元名称、生产工艺、单位产能、单位成本、原料储备；所述生产单元表示某一生产类型的生产场所或生产车间；
排产服务器在监听到需求任务模型就绪事件和资源能力模型就绪事件的情况下，调用约束和优化条件获取服务获取排产的约束条件和优化条件，并发出数据就绪事件；在监听到所述数据就绪事件的情况下，调用排产确定服务根据需求任务模型、资源能力模型和预置的排产策略，获得初始的排产信息并发出排产确认事件，所述排产信息用于对需求任务模型中的需求订单提供生产计划，即跨企业协同生产计划。
排产服务器在监听到排产确认事件就绪的情况下，调用排产确认服务，分别与初始的排产信息中对应的生产供应方和资源需求方进行排产信息的协商和确认，基于协商和确认结果得到最终的排产信息并告知对应的生产供应方和资源需求方。
进一步的，订单之间的关系类型的确定方式为：若订单A是订单B的生产原料之一或者订单A经指定程度的加工之后是订单B的原料之一时，称A是B的子订单，B是A的父订单；若订单A和订单B共同为订单C的子订单时，称A和B互为兄弟订单；若订单A和订单B之间不是父子关系和兄弟关系，则A和B之间没有关系。
进一步的，为了确保排产计划更加符合实际情况，在调用排产确定服务开始排产之前需要设置约束条件，所述约束条件包括：
1、计划生产开始日期必须晚于订单最早的开始日期；
2、计划生产完成日期必须早于交货日期加最大可接受拖期；
3、每个生产单元日生产时间总和必须小于该单元日工作能力上限；
4、生产任务必须满足生产单元的最小最大承接量；
5、生产任务必须在生产单元的工作时间内进行生产；
6、工件的父工件必须已经生产完成；
7、生产任务的前驱任务必须已经完成；
8、生产任务在各生产单元上所有批次生产数量之和等于该任务的需求数量；
同时，为了使实际生产中收益最大化，还需要考虑优化条件，所述优化条件包括：
1、最小拖期时间，使所有订单的拖期之和最小。
2、最小生产费用，使所有企业(生产供应方)的生产费用之和最小，包括产品生产费用、存储费用和转移运输费用。
3、最小生产跨度，使所有企业(生产供应方)中第一个开工的生产单元开工时间与最后一个完工的生产单元完工时间跨度最小。
进一步的，排产服务器在完成需求任务模型创建后，还调用产品模型构建服务，根据订单之间的关系类型和需求任务模型创建产品模型并发出产品模型就绪事件；所述产品模型采用树形图的结构表示，其中，根节点为最终产品，根节点的子节点为直接生产出该最终产品的子订单，子节点的子节点为直接生产出该子节点的子订单。以便于向用户更直观的呈现可视化输出整个产品的逻辑结构。
进一步的，为了使平台知道产品结构树上哪些订单已经完成生产或正在生产，生产供应方需要在生产过程向排产服务器实时汇报生产的关键节点，即在每个订单开始生产和完工时进行信息填报。
进一步的，鉴于中小型企业需求订单的复杂多变，常常会有需求订单中途动态***，***的时机可以分为三类：排产前、排产中和排产后；即排产服务器实时监控动态***订单，根据订单***的时机采取不同的处理策略：
当排产服务器在调用排产确定服务之前检测到有***的需求订单信息时，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产；
当排产服务器调用排产确定服务的过程中检测到有***的需求订单信息时，暂停排产确定服务，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产；
当排产服务器调用排产确定服务后检测到有***的需求订单信息时，标记当前产品模型上的已经完成生产或正在生产的节点，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产，且排产时不包括已标记的节点。
本发明提供的技术方案至少带来如下有益效果：
(1)低成本整合所有相关企业信息，从全局出发制定排产计划，提高排产计划的效率和科学性的同时也降低了排产成本。
(2)在业界普遍使用的排产计划的基础上根据实际情况考虑相关约束条件和优化条件，使得排产计划更加科学与合理，提高生产效率。
(3)考虑中小型企业需求订单复杂多变的特征，针对订单动态***采取相应策略，及时更新修正排产计划，尽量减少生产过程中的额外成本。
(4)结合智能云平台，利用云计算的强大算力，排产效率大大提升。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明方法流程图。
图2是复杂产品树形结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种基于跨中小型企业的智能云排产方法，即使用智能云平台实现复杂产品跨企业生产的排产计划规划，参见图1，该方法包括：
步骤1：供需企业分别调用对应的发布信息服务发布相应的需求订单和生产能力情况，包括：
需求企业发布需求订单信息，内容包括需求产品名称，产品结构，产品的制作工艺，产品的需求数量，预计成本，要求的交货日期等。此外，企业还需向平台(智能云平台)提供产品接收仓库地址、运输方式和成本信息。
供应企业发布生产能力情况，内容包括生产产品的名称，采取的制作工艺，单位时间的产量，每天可工作时间生产原料的贮备，单位时间工价等。此外，企业还需向平台提供产品存储仓库地址、运输方式和成本信息。
步骤2：智能云平台调用对应的服务将订单信息和产能信息分类汇总并建立相应的模型，包括：
汇总所有需求企业的订单信息，分析各个需求订单之间的关系，包括父子关系、兄弟关系和没有关系。具体关系说明如下：
若订单A是订单B的生产原料之一或者经简单加工之后是原料之一时，称A是B的子订单，B是A的父订单；若订单A和订单B共同为订单C的子订单时，称A和B互为兄弟订单；若订单A和订单B之间不是父子关系和兄弟关系，则A和B之间没有关系。
根据订单信息建立需求任务模型，需求任务模型包括订单编号、订单名、父订单、子订单、生产原料、生产工艺、产品数量、交货日期、需求企业等信息。
此外，为了更直观的展示出整个产品的逻辑结构。本发明实施例还包括：根据订单之间的关系和需求任务模型构建产品模型，以树形图的结构表示。该树的根节点即为最终产品，其子节点为直接生产出该产品的子订单，同样，子节点的子节点为直接生产出该子节点的子订单，层层递进，展示出整个产品的逻辑结构，如图2所示。
汇总所有供应企业的生产能力信息，建立各个企业生产单元的资源能力模型，生产单元表示某一生产类型相对独立的生产场所或生产车间。资源能力模型包括生产单元名称、生产工艺、单位产能、单位成本、原料储备等信息。
步骤3：智能云平台调用排产确定服务，依据相应算法规则计算得出一份跨企业协同生产计划，包括：
根据步骤2中建立的需求任务模型和资源能力模型，将工业排产问题转化为数学问题，并选择一种合适的排产算法作为本次云排产的基础算法。
目前工业排产算法已经趋于成熟，其中一些相对简单的算法，如最短交货期算法是优先排程交货期最早的任务，最短工期算法是优先排程预计消耗工期最短的任务等等，也有复杂的算法，如神经网络、模拟退火法、遗传算法、禁忌搜索法等，根据实际情况选择合适的算法。
为了确保排产计划更加符合实际情况，在开始排产之前需要设置约束条件，约束条件包括：
1、计划生产开始日期必须晚于订单最早的开始日期；
2、计划生产完成日期必须早于交货日期加最大可接受拖期；
3、每个生产单元日生产时间总和必须小于该单元日工作能力上限；
4、生产任务必须满足生产单元的最小最大承接量；
5、生产任务必须在生产单元的工作时间内进行生产；
6、工件的父工件必须已经生产完成；
7、生产任务的前驱任务必须已经完成；
8、生产任务在各生产单元上所有批次生产数量之和等于该任务的需求数量；
9、生产任务在各生产单元上所有批次工作时间之和等于该任务的总工时。
同时，为了使实际生产中收益最大化，还需要考虑优化条件，优化条件包括：
1、最小拖期时间，使所有订单的拖期之和最小。
2、最小生产费用，使所有企业的生产费用之和最小，包括产品生产费用、存储费用和转移运输费用。
3、最小生产跨度，使所有企业中第一个开工的生产单元开工时间与最后一个完工的生产单元完工时间跨度最小。
步骤4：智能云平台调用排产确认服务将初步排产计发送给生产企业，将相关信息通知给需求企业，并要求规定时间内对该计划进行批复，明确企业是否认可该排产计划或者有其他修改意见和建议。
当所有企业都确认无误后，将最终排产计划通知到各个相关企业。
进一步的，为了使平台知道产品结构树上哪些订单已经完成生产或正在生产，供应企业需要在生产过程向平台实时汇报生产的关键节点，即在每个订单开始生产和完工时进行信息填报。
需要说明的是，鉴于中小型企业需求订单的复杂多变，常常会有需求订单中途动态***，***的时机可以分为三类：排产前、排产中和排产后。
对于排产前的***订单，只需对该订单建立需求任务模型，再根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产即可。
对于排产中的***订单，当检测到该订单时，立即停止当前正在进行的排产，对该订单建立需求任务模型，再根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产。
对于排产后***的订单，需统计当前产品结构树上哪些节点的产品已经完成生产或正在生产，并将这些节点进行标记，再将***订单建立需求任务模型，根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产，此轮排产时，对于标记的节点不再安排生产计划。
为了达到高效率得到复杂产品跨企业协同生产的排产计划，该计划是考虑各企业需求和产能的基础上，结合约束和优化策略，得出的一份拖期小、费用低、跨度短的协同生产计划。参见图1和图2，作为一种可能的实现方式，本发明实施例提供的基于跨中小型企业的智能云排产方法具体工作过程包括：
S1：需求企业发布需求订单信息，内容包括需求产品名称，产品结构，产品的制作工艺，产品的需求数量，预计成本，要求的交货日期等。此外，企业还需向平台提供产品接收仓库地址、运输方式和成本信息。
S2：供应企业发布生成能力情况，内容包括生产产品的名称，采取的制作工艺，单位时间的产量，每天可工作时间生产原料的贮备，单位时间工价等。此外，企业还需向平台提供产品存储仓库地址、运输方式和成本信息。
S3：平台汇总所有需求企业的订单信息，根据订单中信息分析各个需求订单之间的关系。根据订单信息建立需求任务模型：
订单o＝(产品p，数量q，订单发起时间s1，交货时间s2，订单优先级pri，父订单fo，子订单co，企业e)；
产品p＝(名称n，工艺pc，原材料r，子产品比例rr)；
S4：构建复杂产品的结构树形图，如图2所示。
该树的根节点即为最终产品，其子节点为该产品的子订单a1、a2、a3，同样a1的子节点为a1的子订单b1、b2，a2的子节点为a2的子订单c1、c2，a3的子节点为a3的子订单d1，b1的子节点为b1的子订单e1，c1的子节点为c1的子订单f1、f2，d1的子节点为d1的子订单g1。若一个节点没有子节点，则该节点表示一种生产原材料，不需要经过复杂加工就可直接使用。
S5：平台汇总所有供应企业的生产能力信息，建立各个企业生产单元的资源能力模型：
生产单元g＝(最小承接量minG，最大承接量maxG，单位工时报价up，生产类型pt，原料储备sr，企业e)；
生产单元能力gc＝(生产单元g，工艺pc，日产能dc)；
S6：根据生产实际情况选择一种合适的排产算法，如最短交货期算法、最短工序算法、神经网络、模拟退火法、遗传算法、禁忌搜索法等。
S7：设置约束条件：
1.计划生产开始日期必须晚于订单最早的开始日期；
2.计划生产完成日期必须早于交货日期加最大可接受拖期；
3.每个生产单元日生产时间总和必须小于该单元日工作能力上限；
4.生产任务必须满足生产单元的最小最大承接量；
5.生产任务必须在生产单元的工作时间内进行生产；
6.工件的父工件必须已经生产完成；
7.生产任务的前驱任务必须已经完成；
8.生产任务在各生产单元上所有批次生产数量之和等于该任务的需求数量；
9.生产任务在各生产单元上所有批次工作时间之和等于该任务的总工时。
S8：设置优化条件：
1.最小拖期时间，使所有订单的拖期之和最小。
2.最小生产费用，使所有企业的生产费用之和最小，包括产品生产费用和转移运输费用。
3.最小生产跨度，使所有企业中第一个开工的生产单元开工时间与最后一个完工的生产单元完工时间跨度最小。
S9：进行排产计划的计算，得出排产计划初稿。
S10：将排产计划初稿中涉及各自企业的部分发送给相应企业。
S11：根据企业反馈情况进行相应修改，若无反馈即认为企业认同该排产计划。
S12：将修改完成的排产计划终稿发送给企业。
S13：实时监控动态***订单，根据***的时机不同采取不同的策略。对于排产前的***订单，只需对该订单建立需求任务模型，再根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产即可。对于排产中的***订单，当检测到该订单时，立即停止当前正在进行的排产，对该订单建立需求任务模型，再根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产。对于排产后***的订单，需统计当前产品结构树上哪些节点的产品已经完成生产或正在生产，并将这些节点进行标记，再将***订单建立需求任务模型，根据模型之间的关系把该模型添加到产品结构树上，最后再进行排产，此轮排产时，对于标记的节点不再安排生产计划。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (2)

1.一种基于跨中小型企业的智能云排产方法，其特征在于，包括：
资源需求方调用需求订单发布服务发布需求订单信息，所述需求订单信息包括：需求产品名称、产品结构、产品的制作工艺、产品的需求数量、预计成本和要求的交货日期；
生产供应方调用生产能力信息发布服务发布产能信息，所述产能信息包括：生产产品的名称、采取的制作工艺、单位时间的产量、每天可工作时间、生产原料的贮备、单位时间工价、产品存储仓库地址、运输方式和成本信息；
排产服务器定期调用订单汇总服务汇总当前发布的所有需求订单信息，确定各个需求订单之间的关系类型，所述关系类型包括父子关系、兄弟关系和没有关系三种；并发出需求任务模型创建事件；
排产服务器在监听到所述需求任务模型创建事件的情况下，调用需求任务模型创建服务创建需求任务模型并发出需求任务模型就绪事件；所述需求任务模型包括：订单编号、订单名、父订单、子订单、生产原料、生产工艺、产品数量、交货日期、需求企业；
排产服务器调用产能汇总服务汇总当前发布的所有产能信息，并发出资源能力模型创建事件；在监听到所述资源能力模型创建事件的情况下，调用资源能力模型创建服务创建各个生产单元的资源能力模型并发出资源能力模型就绪事件；所述资源能力模型包括：生产单元名称、生产工艺、单位产能、单位成本、原料储备；所述生产单元表示某一生产类型的生产场所或生产车间；
排产服务器在监听到需求任务模型就绪事件和资源能力模型就绪事件的情况下，调用约束和优化条件获取服务获取排产的约束条件和优化条件，并发出数据就绪事件；在监听到所述数据就绪事件的情况下，调用排产确定服务根据需求任务模型、资源能力模型和预置的排产策略，获得初始的排产信息并发出排产确认事件，所述排产信息用于对需求任务模型中的需求订单提供生产计划；
排产服务器在监听到排产确认事件就绪的情况下，调用排产确认服务，分别与初始的排产信息中对应的生产供应方和资源需求方进行排产信息的协商和确认，基于协商和确认结果得到最终的排产信息并告知对应的生产供应方和资源需求方；
其中，
订单之间的关系类型的确定方式为：若订单A是订单B的生产原料之一或者订单A经指定程度的加工之后是订单B的原料之一时，称A是B的子订单，B是A的父订单；若订单A和订单B共同为订单C的子订单时，称A和B互为兄弟订单；若订单A和订单B之间不是父子关系和兄弟关系，则A和B之间没有关系；
所述约束条件包括：
计划生产开始日期晚于订单最早的开始日期；
计划生产完成日期早于交货日期加最大可接受拖期；
每个生产单元日生产时间总和小于该单元日工作能力上限；
生产任务满足生产单元的最小最大承接量；
生产任务在生产单元的工作时间内进行生产；
工件的父工件已经生产完成；
生产任务的前驱任务已经完成；
生产任务在各生产单元上所有批次生产数量之和等于该任务的需求数量；
所述优化条件包括：
最小拖期时间，使所有订单的拖期之和最小；
最小生产费用，使生产供应方的生产费用之和最小，包括产品生产费用、存储费用和转移运输费用；
最小生产跨度，使生产供应方中第一个开工的生产单元开工时间与最后一个完工的生产单元完工时间跨度最小；
排产服务器在完成需求任务模型创建后，还调用产品模型构建服务，根据订单之间的关系类型和需求任务模型创建产品模型并发出产品模型就绪事件；所述产品模型采用树形图的结构表示，其中，根节点为最终产品，根节点的子节点为直接生产出该最终产品的子订单，子节点的子节点为直接生产出该子节点的子订单，以便于向用户更直观的呈现可视化输出整个产品的逻辑结构；
排产服务器实时监控动态***订单，根据订单***的时机采取不同的处理策略：
当排产服务器在调用排产确定服务之前检测到有***的需求订单信息时，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产；
当排产服务器调用排产确定服务的过程中检测到有***的需求订单信息时，暂停排产确定服务，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产；
当排产服务器调用排产确定服务后检测到有***的需求订单信息时，标记当前产品模型上的已经完成生产或正在生产的节点，调用订单汇总服务确认该订单与其它订单之间的关系类型，调用需求任务模型创建服务创建该订单的需求任务模型，调用产品模型构建服务将当前需求任务模型添加到产品模型中，再调用排产确定服务进行排产，且排产时不包括已标记的节点。
2.如权利要求1所述的方法，其特征在于，生产供应方需要在生产过程中向排产服务器实时上报生产的关键节点。
CN202210026302.0A 2022-01-11 2022-01-11 一种基于跨中小型企业的智能云排产方法 Active CN114493199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210026302.0A CN114493199B (zh) 2022-01-11 2022-01-11 一种基于跨中小型企业的智能云排产方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210026302.0A CN114493199B (zh) 2022-01-11 2022-01-11 一种基于跨中小型企业的智能云排产方法

Publications (2)

Publication Number Publication Date
CN114493199A CN114493199A (zh) 2022-05-13
CN114493199B true CN114493199B (zh) 2023-04-18

Family

ID=81509698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210026302.0A Active CN114493199B (zh) 2022-01-11 2022-01-11 一种基于跨中小型企业的智能云排产方法

Country Status (1)

Country Link
CN (1) CN114493199B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005001731A1 (ja) * 2003-06-30 2005-01-06 Tdk Corporation 受注予測システム、受注予測方法及び受注予測プログラム
CN102521690A (zh) * 2011-12-05 2012-06-27 济南钢铁股份有限公司 一种企业产品订单的优化方法
CN108053047A (zh) * 2017-10-26 2018-05-18 北京航天智造科技发展有限公司 云生产资源调度方法、装置和***
CN111027876A (zh) * 2019-12-16 2020-04-17 青岛海力旭机电科技发展有限公司 一种分散式生产模式下的工序生产计划排产***
US10986475B1 (en) * 2017-06-15 2021-04-20 Rotem Grosman Consumable product storage system that monitors product consumption
CN113393092A (zh) * 2021-05-26 2021-09-14 青岛奥利普自动化控制***有限公司 生产排产方法、设备、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005001731A1 (ja) * 2003-06-30 2005-01-06 Tdk Corporation 受注予測システム、受注予測方法及び受注予測プログラム
CN102521690A (zh) * 2011-12-05 2012-06-27 济南钢铁股份有限公司 一种企业产品订单的优化方法
US10986475B1 (en) * 2017-06-15 2021-04-20 Rotem Grosman Consumable product storage system that monitors product consumption
CN108053047A (zh) * 2017-10-26 2018-05-18 北京航天智造科技发展有限公司 云生产资源调度方法、装置和***
CN111027876A (zh) * 2019-12-16 2020-04-17 青岛海力旭机电科技发展有限公司 一种分散式生产模式下的工序生产计划排产***
CN113393092A (zh) * 2021-05-26 2021-09-14 青岛奥利普自动化控制***有限公司 生产排产方法、设备、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔艺馨.基于本体的制造资源服务化及其能力平衡优化方法.《中国优秀硕士学位论文全文数据库 信息科技辑》.2015,(第undefined期),I138-236. *

Also Published As

Publication number Publication date
CN114493199A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN111915410B (zh) 面向高动态生产物流过程的智能管控***
CN112270444B (zh) 轻量级aps双桥计划***
CN110084405B (zh) 吞吐柔性智能装配物流路径规划方法
CN101916404A (zh) 一种装备制造过程多厂协同调度优化方法
CN107016449B (zh) 一种基于跨企业动态计划排程的智能制造方法
CN103679322A (zh) 生产数据处理方法、装置及***
CN108053047A (zh) 云生产资源调度方法、装置和***
CN110516936B (zh) 一种智能生产流水线调配***
CN113283692B (zh) 一种针对大宗商品交易市场监管资源调配的智能化人机协作调度方法与***
CN104881758B (zh) 集成供应链协同生产的erp***及其运行方法
CN111523803A (zh) 一种工厂透明管理的方法
CN117010613A (zh) 智能生产规划及排程方法、***、计算机设备及存储介质
CN114240168A (zh) 基于军工智能装备行业高级计划排程方法及***
CN113487155A (zh) 一种用于塑料行业的智能排程***
CN116258337A (zh) 一种基于企业制造运营的产业链协同管理***
CN115455565A (zh) 基于离散事件仿真的飞机总装批架次完工时间分析方法
CN106327053B (zh) 一种基于多模式集合的纺织工艺推荐模型的构建方法
CN114137927A (zh) 一种基于实时生产过程数据的生产制造管理***
CN114493199B (zh) 一种基于跨中小型企业的智能云排产方法
WO2023202326A1 (zh) 数据处理方法及相关装置
CN114862122B (zh) 一种基于aps的车间排产方法、***及设备
Andres et al. Collaborative calculation of the materials requirement planning in the automotive industry
Álvarez et al. A web-based approach for exceptions management in the supply chain
Shibuya et al. Production Planning and Management Using Gantt Charts [J]
CN116579539A (zh) 生产计划安排方法

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