CN117522057A - 排产方法 - Google Patents
排产方法 Download PDFInfo
- Publication number
- CN117522057A CN117522057A CN202311559652.4A CN202311559652A CN117522057A CN 117522057 A CN117522057 A CN 117522057A CN 202311559652 A CN202311559652 A CN 202311559652A CN 117522057 A CN117522057 A CN 117522057A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- production
- order
- month
- capacity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 claims abstract description 91
- 239000000463 material Substances 0.000 claims description 8
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
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
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种排产方法,属于工业信息技术领域,用于解决生产现场剩余产能浪费的问题,包括,获取订单数据,并对获取的订单进行分类;确定订单所处的阶段;依据设定的排产规则,采用预测算法进行排产。本技术方案提升了订单排产的效率和生产现场的利用率或者生产现场产能的饱和度,且可以实现对剩余产能有效利用,实现了提前生产。
Description
技术领域
本发明涉及工业信息技术领域,特别涉及一种排产方法。
背景技术
在传统的工厂生产排产中,通常采用静态的排产计划,该计划基于历史数据和经验,缺乏针对未来需求变化的准确预测,导致生产过程中出现过度生产或者无法满足客户需求的情况。这种静态排产方法在应对市场波动和客户订单变化方面显得较为脆弱,造成资源浪费和产能低效利用。
发明内容
有鉴于以上静态排产无法适应未来生产可变性的问题,有必要提出一种排产方法,所述排产方法实现了对剩余产能的有效利用,提升了生产效率和降低了生产分摊成本。
一种排产方法,包括,
获取订单数据,并对获取的订单进行分类;
确定订单所处的阶段;
依据设定的排产规则,采用预测算法进行排产。
进一步地,所述获取订单数据并对获取的订单进行分类步骤中,所述订单包括意向订单和销售订单;所述意向订单为通过历史生产数据、市场需求趋势预测的可能的订单;所述销售订单为与客户签订的可现实安排生产的订单;通过将订单分类,实现订单的第一次分类与分级,使所述销售订单优先排产。
进一步地,所述确定订单所述的阶段步骤中,所述意向订单处于订单的意向阶段;排产前,所述销售订单处于销售阶段,排产后,所述销售订单处于在制阶段,入库后,所述销售订单处于在库阶段,通过标识订单的阶段,使得相关方能够方便快捷的获得订单的当前状态,也利于对订单进度的监控。
进一步地,所述排产规则的具体内容包括,
依据最晚开工日期排产,最晚开工日期=产品交货期-入库提前期-工序周期,最晚开工日期越近的销售订单交货日期的,说明生产任务越紧急,应优先获得排产;
依据产品相似性排产,将相同产品排产到同一天,可提高生产效率;
依据工装器具共用性排产,将采用相同设备生产的产品排产到同一天,降低设备更换率,提高生产效率;
依据物料齐套性排产,判断当前库存物料是否满足生产需要,不满足的往后安排,满足的优先排产;
依据工程资料齐套性排产,判断当前产品的资料是否齐全,齐全的优先排产。
以上排产规则,在进行订单的排产时,首先考虑所述最晚开工日期,再考虑产品相似性或者工装器具共用性,通过多方面的排产规则的适用,选择出当月需要排产的订单,汇总后形成当月排产计划,实现排产的最优化。另外,以上排产规则之间为或者的择一关系,只要满足其中任意一个规则,则可排入所述当月排产计划中;若当前订单不满足任何一个排产规则,则该订单不排入当月排产计划中。
更进一步地,所述预测算法,用以预测意向订单,具体内容包括,
按月计算出每月生产每个产品的平均数量;
计算计划月份实际已经排产的待生产产品数量;
预测每个产品还可生产的产品数量,所述每个产品还可生产的产品数量=每月生产每个产品的平均数量-计划月份实际已经排产的待生产每个产品的产品数量;
分析每个客户每个月每个产品的需求数量;
根据客户需求和生产现场还可生产的产品数量,推测意向客户的可能的意向订单;
将所述意向订单列入排产计划中。
本技术方案还可以实现对剩余产能的排产,具体实现过程如下:
将排产计划中的订单划分到具体月份;
根据生产日历的排班情况,计算月度产能;
计算月度人员标准产能,所述月度人员标准产能=工位标准产能*产能系数*人员生产效率*人员出勤率;
计算月度设备标准产能,所述月度设备标准产能=工位标准产能*产能系数*工序设备开动率*(1-设备故障率);
计算当月在制产能,所述当月在制产能为计划生产时间在当月的且订单处于在制阶段的生产任务;
计算各个工序当月的剩余可排产产能,所述各个工序当月的剩余可排产产能=(工厂日历排班工时求和*人员标准产能+工厂日历排班工时求和*设备标准产能)-当月该工序的在制产能;
依据排产规则对所述意向订单进行排产,实现生产现场产能的有效利用,提升了单位时间的生产效率。
本发明技术方案的有益效果:提升了订单排产的效率和生产现场的产能的利用率或者生产现场产能的饱和度,且可以实现对剩余产能有效利用,实现了提前生产,降低了紧急订单对生产的压力。
附图说明
图1是一钣金件排产方法流程示意图。
具体实施方式
为了更清楚地说明本发明的技术方案,结合附图对发明内容的技术方案进行详细说明,显而易见地,以下描述是本发明的一些典型实施例,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,还可以根据这些实施例获得其他的解决方案。
现以钣金件的排产为例,说明本发明技术方案的具体实施情况。
一种排产方法,包括,
获取订单数据,并对获取的订单进行分类;
确定订单所处的阶段;
依据设定的排产规则,采用预测算法进行排产。
依据图1所示,所述排产方法的具体内容包括,
1)获取订单数据,并对获取的订单进行分类;
具体地,所述获取订单数据并对获取的订单进行分类步骤中,所述订单包括意向订单和销售订单;所述意向订单为通过历史生产数据、市场需求趋势预测的可能的订单;所述销售订单为与客户签订的可现实安排生产的订单;通过将订单分类,实现订单的第一次分类与分级,使所述销售订单优先排产。
2)确定订单所处的阶段;
具体地,所述确定订单所述的阶段步骤中,所述意向订单处于订单的意向阶段;排产前,所述销售订单处于销售阶段,排产后,所述销售订单处于在制阶段,入库后,所述销售订单处于在库阶段,通过标识订单的阶段,使得相关方能够方便快捷的获得订单的当前状态,也利于对订单进度的监控。
3)设定的排产规则;
在进行订单的排产时,首先考虑所述最晚开工日期,再考虑产品相似性或者工装器具共用性,通过多方面的排产规则的适用,实现排产的最优化;具体地,
依据最晚开工日期排产,最晚开工日期=产品交货期-入库提前期-工序周期,最晚开工日期越近的销售订单交货日期的,说明生产任务越紧急,应优先获得排产;
依据产品相似性排产,将相同产品排产到同一天,可提高生产效率;
依据工装器具共用性排产,将采用相同设备生产的产品排产到同一天,降低设备更换率,提高生产效率;
依据物料齐套性排产,判断当前库存物料是否满足生产需要,不满足的往后安排,满足的优先排产;
依据工程资料齐套性排产,判断当前产品的资料是否齐全,齐全的优先排产。
4)计算当月剩余产能;
具体地,
将排产计划中的订单划分到具体月份;
根据生产日历的排班情况,计算月度产能;
计算月度人员标准产能,所述月度人员标准产能=工位标准产能*产能系数*人员生产效率*人员出勤率;
计算月度设备标准产能,所述月度设备标准产能=工位标准产能*产能系数*工序设备开动率*(1-设备故障率);
计算当月在制产能,所述当月在制产能为计划生产时间在当月的且订单处于在制阶段的生产任务;
计算各个工序当月的剩余可排产产能,所述各个工序当月的剩余可排产产能=(工厂日历排班工时求和*人员标准产能+工厂日历排班工时求和*设备标准产能)-当月该工序的在制产能。
通过对剩余产能的计算,可以有效地了解生产现场的产能利用情况,尽可能地降低剩余产能,提升生产现场的产能利用率。
5)预测意向订单;
具体地,
按月计算出每月生产每个产品的平均数量;
计算计划月份实际已经排产的待生产产品数量;
预测每个产品还可生产的产品数量,所述每个产品还可生产的产品数量=每月生产每个产品的平均数量-计划月份实际已经排产的待生产每个产品的产品数量;
分析每个客户每个月每个产品的需求数量;
根据客户需求和生产现场还可生产的产品数量,推测意向客户的可能的意向订单;
将所述意向订单列入排产计划中。
6)将符合排产规则的订单汇总形成当月排产计划,将不符合排产规则的订单剔除出当月排产计划;
7)将所述当月排产计划提交审核;
8)依据审核意见和排产规则对所述排产计划中的所有订单(包括销售订单和意向订单)进行排产。
通过将预测的意向订单安排在剩余产能中,实现了剩余产能的有效利用;同时,通过提前生产预测的意向订单,也为客户提供了优先生产,降低了可能的紧急订单对生产的压力。
以上实施例仅是对本发明技术方案的一种典型应用的描述,在合理的、不需要付出创造性劳动的基础上,还可以进行合理的拓展。
Claims (8)
1.一种排产方法,其特征在于,包括,
获取订单数据,并对获取的订单进行分类;
确定订单所处的阶段;
依据设定的排产规则,采用预测算法进行排产。
2.如权利要求1所述的排产方法,其特征在于,所述获取订单数据并对获取的订单进行分类步骤中,所述订单包括意向订单和销售订单;所述意向订单为通过历史生产数据、市场需求趋势预测的可能的订单;所述销售订单为与客户签订的可现实安排生产的订单。
3.如权利要求2所述的排产方法,其特征在于,所述确定订单所述的阶段步骤中,所述意向订单处于订单的意向阶段;排产前,所述销售订单处于销售阶段,排产后,所述销售订单处于在制阶段,入库后,所述销售订单处于在库阶段。
4.如权利要求3所述的排产方法,其特征在于,所述排产规则的具体内容包括,
依据最晚开工日期排产,最晚开工日期=产品交货期-入库提前期-工序周期,最晚开工日期越近的销售订单交货日期的,说明生产任务越紧急,应优先获得排产;
或者,依据产品相似性排产,将相同产品排产到同一天,可提高生产效率;
或者,依据工装器具共用性排产,将采用相同设备生产的产品排产到同一天,降低设备更换率,提高生产效率;
或者,依据物料齐套性排产,判断当前库存物料是否满足生产需要,不满足的往后安排,满足的优先排产;
或者,依据工程资料齐套性排产,判断当前产品的资料是否齐全,齐全的优先排产。
5.如权利要求4所述的排产方法,其特征在于,所述预测算法,用以预测意向订单,具体内容包括,
按月计算出每月生产每个产品的平均数量;
计算计划月份实际已经排产的待生产产品数量;
预测每个产品还可生产的产品数量,所述每个产品还可生产的产品数量=每月生产每个产品的平均数量-计划月份实际已经排产的待生产每个产品的产品数量;
分析每个客户每个月每个产品的需求数量;
根据客户需求和生产现场还可生产的产品数量,推测意向客户的可能的意向订单;
将所述意向订单列入排产计划中。
6.如权利要求5所述的排产方法,其特征在于,还包括对剩余产能的排产,具体方法为,
将排产计划中的订单划分到具体月份;
根据生产日历的排班情况,计算月度产能;
计算月度人员标准产能,所述月度人员标准产能=工位标准产能*产能系数*人员生产效率*人员出勤率;
计算月度设备标准产能,所述月度设备标准产能=工位标准产能*产能系数*工序设备开动率*(1-设备故障率);
计算当月在制产能,所述当月在制产能为计划生产时间在当月的且订单处于在制阶段的生产任务;
计算各个工序当月的剩余可排产产能,所述各个工序当月的剩余可排产产能=(工厂日历排班工时求和*人员标准产能+工厂日历排班工时求和*设备标准产能)-当月该工序的在制产能;
依据排产规则对所述意向订单进行排产,实现生产现场产能的有效利用,提升了单位时间的生产效率。
7.如权利要求6所述的排产方法,其特征在于,还包括当月排产计划的汇总,具体为,
将符合排产规则的订单汇总形成当月排产计划,将不符合排产规则的订单剔除出当月排产计划。
8.如权利要求7所述的排产方法,其特征在于,还包括当月排产计划的审核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311559652.4A CN117522057A (zh) | 2023-11-22 | 2023-11-22 | 排产方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311559652.4A CN117522057A (zh) | 2023-11-22 | 2023-11-22 | 排产方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522057A true CN117522057A (zh) | 2024-02-06 |
Family
ID=89766010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311559652.4A Pending CN117522057A (zh) | 2023-11-22 | 2023-11-22 | 排产方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522057A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117852837A (zh) * | 2024-03-04 | 2024-04-09 | 山东豪泉软件技术有限公司 | 一种排产***、装置、方法及介质 |
-
2023
- 2023-11-22 CN CN202311559652.4A patent/CN117522057A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117852837A (zh) * | 2024-03-04 | 2024-04-09 | 山东豪泉软件技术有限公司 | 一种排产***、装置、方法及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maalouf et al. | A case study of VSM and SMED in the food processing industry | |
Balasubramanian et al. | Approximation to multistage stochastic optimization in multiperiod batch plant scheduling under demand uncertainty | |
Agostino et al. | Using a digital twin for production planning and control in industry 4.0 | |
CN117522057A (zh) | 排产方法 | |
US20070083416A1 (en) | System architecture for scheduling and product management | |
US20030233387A1 (en) | Work-process status monitoring system, recording medium therefor, and work-process status monitoring and display apparatus | |
Kabra et al. | Multi-period scheduling of a multi-stage multi-product bio-pharmaceutical process | |
Kayvanfar et al. | Single machine scheduling with controllable processing times to minimize total tardiness and earliness | |
Dombrowski et al. | Scenario-based simulation approach for layout planning | |
JP5309882B2 (ja) | スケジュール作成システム、スケジュール作成方法およびスケジュール作成プログラム | |
EP2458466B1 (en) | Automatic supervision and control system | |
Simeone et al. | Resource efficiency optimization engine in smart production networks via intelligent cloud manufacturing platforms | |
CN116258337A (zh) | 一种基于企业制造运营的产业链协同管理*** | |
Avilés et al. | A mixed-integer programming model for an integrated production planning problem with preventive maintenance in the pulp and paper industry | |
CN106560850A (zh) | 计划生成装置以及计划生成方法 | |
US8170703B2 (en) | Method for controlling a plurality of production processes | |
Perinić et al. | Determining the minimum waiting times in a hybrid flow shop using simulation-optimization approach | |
JP5089352B2 (ja) | 販売生産計画システム、販売生産計画システムの動作方法及びコンピュータプログラム | |
Siregar | Application of Theory of Constraints in Bottleneck Work Stations Optimization | |
Zheng et al. | Comparative study on push and pull production system based on Anylogic | |
JP2006178920A (ja) | 生産配分シミュレーション方法及び装置並びに生産方法 | |
Afolalu et al. | Overview impact of planning in production of a manufacturing sector | |
JP4318162B2 (ja) | 生産日程計画管理方法及び生産日程計画管理プログラム | |
Turgay et al. | An Effective Heuristic Algorithm for Flexible Flow Shop Scheduling Problems with Parallel Batch Processing | |
US20050065833A1 (en) | Production scheduling management method and production scheduling management program |
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 |