CN118095575A - 实时产能预测与优化生产计划***及方法 - Google Patents
实时产能预测与优化生产计划***及方法 Download PDFInfo
- Publication number
- CN118095575A CN118095575A CN202410491730.XA CN202410491730A CN118095575A CN 118095575 A CN118095575 A CN 118095575A CN 202410491730 A CN202410491730 A CN 202410491730A CN 118095575 A CN118095575 A CN 118095575A
- Authority
- CN
- China
- Prior art keywords
- product
- value
- real
- time
- production
- 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 186
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000012806 monitoring device Methods 0.000 claims abstract description 101
- 238000012544 monitoring process Methods 0.000 claims abstract description 88
- 230000003993 interaction Effects 0.000 claims description 50
- 238000013441 quality evaluation Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 21
- 238000001303 quality assessment method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 239000002994 raw material Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种实时产能预测与优化生产计划***及方法,涉及数据处理技术领域。在多种产品分别对应的产品生产区域分别部署对应的产品监测设备,通过多种产品监测设备分别获取质量监测数据和产量预测数据。基于多种产品监测设备分别的实时监测数据,结合多种产品监测设备分别的部署位置和多种产品监测设备分别监测的产品之间的产品关系,确定更为准确的实时产能预测数据。并且,基于实时产能数据,结合实时产品需求量,对相关产品的生产计划进行优化。因此,该技术方案能够实现准确的实时产能预测,并进一步基于实时产能预测结果,实现生产计划的有效优化。
Description
技术领域
本申请是关于数据处理技术领域,特别是关于实时产能预测与优化生产计划***及方法。
背景技术
产能预测可以基于相关的历史数据和市场趋势来预测未来一定时间内企业能够生产的产品或提供的服务的数量。产能预测的方法有很多种,包括线性回归法、移动平均法、时间序列分析等。在产能预测中,需要考虑的因素包括生产效率、生产时间、劳动力数量、设备运行时间、设备效率、原材料使用量、原材料稳定性等。同时,产能预测还可以考虑市场趋势、竞争情况、政策法规等因素的影响。
目前,产能预测方案采用固定的产能预测算法实现预测,其预测结果的准确性难以得到保证。
发明内容
本申请的目的在于提供一种实时产能预测与优化生产计划***及方法,用于实现准确的实时产能预测,并进一步基于实时产能预测结果,实现生产计划的有效优化。
为实现上述目的,第一方面,本申请的实施例提供了一种实时产能预测与优化生产计划方法,包括:获取多种产品监测设备分别传输的实时监测数据,所述多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,所述实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据;根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,所述实时产能预测数据包括多种产品分别对应的预测产量;判断所述实时产能预测数据是否满足实时产品需求量,所述实时产品需求量包括第一目标产品的需求量;若所述实时产能预测数据不满足实时产品需求量,对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,所述第一目标产品和所述第二目标产品满足预设的产品关系。
在一种可能的实施方式中,所述根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,包括:根据所述质量监测数据和所述产量预测数据确定多种产品分别对应的第一产量预测值;根据所述多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值;根据所述多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值;根据所述第一产量预测值、所述位置影响值和所述产品关系影响值,确定所述多种产品分别对应的预测产量。
在一种可能的实施方式中,所述质量监测数据包括最高质量评估值和最低质量评估值,所述根据所述质量监测数据和所述产量预测数据确定多种产品分别对应的第一产量预测值,包括:针对每一种产品,判断该种产品的最低质量评估值是否为多个最低质量评估值中的最小值,以及判断该种产品的最高质量评估值是否为多个最高质量评估值中的最大值;若该种产品的最低质量评估值是多个最低质量评估值中的最小值,且该种产品的最高质量评估值不是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第一质量影响值,确定该种产品的第一产量预测值;若该种产品的最低质量评估值不是多个最低质量评估值中的最小值,且该种产品的最高质量评估值是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第二质量影响值,确定该种产品的第一产量预测值;其中,所述第一质量影响值和所述第二质量影响值均用于表征质量对产量的影响,所述第一质量影响值和所述第二质量影响值的和为0。
在一种可能的实施方式中,所述根据所述多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值,包括:针对每一种产品,确定该种产品对应的产品监测设备的部署位置与其他产品监测设备的部署位置之间的距离,以及确定该种产品对应的产品监测设备的部署位置的预设监测误差;判断多个距离中的最大距离值、最小距离值和平均距离值是否均小于预设距离值;若多个距离中的最大距离值、最小距离值和最大距离值中存在小于预设距离值的距离值,根据该小于预设距离值的距离值与所述预设距离值之间的差值,确定距离误差影响值;根据所述距离误差影响值和所述预设监测误差,确定该种产品对应的位置影响值。
在一种可能的实施方式中,所述多种产品之间的产品关系用于表征所述多种产品之间是否存在生产线交互关系,所述根据所述多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值,包括:针对每一种产品,根据所述多种产品之间的产品关系,确定与该种产品存在生产线交互关系的产品种数;判断与该种产品存在生产线交互关系的产品种数是否大于预设产品种数,以及判断该种产品在生产线交互关系中的位置是否属于预设位置;若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置属于预设位置,根据预设的产品关系影响值范围的最大产品关系影响值,确定该种产品对应的产品关系影响值;若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置不属于预设位置,根据预设的产品关系影响值范围的目标产品关系影响值,确定该种产品对应的产品关系影响值,所述目标产品关系影响值为与其他种类的产品的产品关系影响值不同的值。
在一种可能的实施方式中,所述根据所述第一产量预测值、所述位置影响值和所述产品关系影响值,确定所述多种产品分别对应的预测产量,包括:针对每一种产品,若所述位置影响值大于所述产品关系影响值,根据所述产品关系影响值和所述第一产量预测值,确定该种产品对应的预测产量;若所述位置影响值小于或者等于所述产品关系影响值,根据所述位置影响值和所述产品关系影响值,确定综合影响值;根据所述综合影响值和所述第一产量预测值,确定第二产量预测值;根据所述第二产量预测值,确定该种产品对应的预测产量。
在一种可能的实施方式中,所述预设的产品关系包括以下任意一种:所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的产量对所述第一目标产品的产量存在影响;所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的生产速度大于所述第一目标产品的生产速度;所述第一目标产品和所述第二目标产品不存在生产线交互关系,且所述第二目标产品为所述第一目标产品的替代产品。
在一种可能的实施方式中,所述对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化,包括:若所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的产量对所述第一目标产品的产量存在影响,对所述第一目标产品的生产计划和第二目标产品的生产计划进行优化;若所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的生产速度大于所述第一目标产品的生产速度,对所述第一目标产品的生产计划进行优化;若所述第一目标产品和所述第二目标产品不存在生产线交互关系,且所述第二目标产品为所述第一目标产品的替代产品,对所述第二目标产品的生产计划进行优化。
在一种可能的实施方式中,所述实时产能预测与优化生产计划方法,还包括:若所述实时产能预测数据满足实时产品需求量,根据所述多种产品分别对应的预测产量和预设时长内所述多种产品分别对应的真实产量,确定所述多种产品的产量变化规律,所述预设时长的结束时间为当前时刻之前的任一时刻;若所述产量变化规律符合预设的产量变化规律,关闭所述多种产品监测设备中的至少一种产品监测设备;若所述产量变化规律不符合预设的产量变化规律,对所述多种产品监测设备进行优化。
第二方面,本申请的实施例还提供一种实时产能预测与优化生产计划***,包括:多种产品监测设备,所述多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,生成实时监测数据,所述实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据;与所述多种产品监测设备分别连接的控制设备,所述控制设备用于:获取多种产品监测设备分别传输的实时监测数据;根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,所述实时产能预测数据包括多种产品分别对应的预测产量;判断所述实时产能预测数据是否满足实时产品需求量,所述实时产品需求量包括第一目标产品的需求量;若所述实时产能预测数据不满足实时产品需求量,对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,所述第一目标产品和所述第二目标产品满足预设的产品关系。
与现有技术相比,本申请提供的技术方案,在多种产品分别对应的产品生产区域分别部署对应的产品监测设备,通过多种产品监测设备分别获取质量监测数据和产量预测数据。基于多种产品监测设备分别的实时监测数据,结合多种产品监测设备分别的部署位置和多种产品监测设备分别监测的产品之间的产品关系,确定更为准确的实时产能预测数据。并且,基于实时产能数据,结合实时产品需求量,对相关产品的生产计划进行优化。因此,该技术方案能够实现准确的实时产能预测,并进一步基于实时产能预测结果,实现生产计划的有效优化。
附图说明
图1是根据本申请实施例的实时产能预测与优化生产计划***的结构示意图;
图2是根据本申请实施例的产品监测设备部署示例图;
图3是根据本申请实施例的实时产能预测与优化生产计划方法的流程图;
图4是根据本申请实施例的基于实时产能预测与优化生产计划装置的结构示意图;
图5是根据本申请实施方式的终端设备的结构示意图。
具体实施方式
下面结合附图,对本申请的具体实施方式进行详细描述,但应当理解本申请的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
本申请实施例提供的技术方案,可以应用于各类产能预测场景中。例如,制造业场景:制造业是产能预测最重要的应用领域之一。在制造业中,产能预测可以帮助企业预测生产能力,从而制定更加合理的生产计划和排程,提高生产效率和产品质量。
再例如,能源行业:能源行业也需要进行产能预测。通过对能源产出的预测,能源企业可以更好地规划能源生产和调度,满足市场需求,并提高能源利用效率和经济效益。
在本申请实施例中,所涉及的产能预测,可以理解为产量的预测。以及,实时产能预测,可以理解为当前时刻至未来的产量预测,即,该实时并不是指的当前,而是以当前时刻为时间点,延伸至未来一段时长。
相关技术中,已经存在一些可以实现产能预测的技术方案,例如:基于线性回归法、移动平均法、时间序列分析等的技术方案。这些技术方案,基于这些算法,实现产能预测。
但是,这些算法通常只能针对一项产品进行产能预测,而不能将多种产品结合进行产能预测。但事实上,在很多应用场景中,产品之间具有相互影响关系,该相互影响关系可能会影响最终的产能数据。因此,相关技术不能实现产能的精准预测。
基于此,本申请实施例提供一种技术方案,该技术方案在多种产品分别对应的产品生产区域分别部署对应的产品监测设备,通过多种产品监测设备分别获取质量监测数据和产量预测数据。基于多种产品监测设备分别的实时监测数据,结合多种产品监测设备分别的部署位置和多种产品监测设备分别监测的产品之间的产品关系,确定更为准确的实时产能预测数据。并且,基于实时产能数据,结合实时产品需求量,对相关产品的生产计划进行优化。因此,该技术方案能够实现准确的实时产能预测,并进一步基于实时产能预测结果,实现生产计划的有效优化。
请参照图1,为本申请实施例提供的实时产能预测与优化生产计划***的结构示意图,该***包括:多种产品监测设备和控制设备;多种产品监测设备分别与控制设备连接。
在图1中,多种产品监测设备示出了产品监测设备A、产品监测设备B和产品监测设备C。三种产品监测设备,分别用于监测不同种类产品的数据。可以理解,图1仅作为示例,实际情况中,产品监测设备的数量和种类不限于图1所示。
在一些实施例中,请参照图2,多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品。如图所是,产品监测设备A部署在产品生产区域一;产品监测设备B部署在产品生产区域二;产品监测设备C部署在产品生产区域三。
在一些实施例中,对于一个企业或者厂家来说,其可能会划分多个产品生产区域,用于生产不同的产品。例如,一个产品生产区域用于生产原材料,一个产品生产区域用于生产成品,还一个产品生产区域用于生产包装物品,这些产品之间可能存在关联性。或者,这些产品之间没有关联性,不同的产品生产区域就是生产不同类型的产品;例如,一个产品生产区域用于生产钢笔,一个产品生产区域用于生产铅笔,还一个产品生产区域用于生产文具盒。
在这种情况下,如果由同一个设备处理这些产品与产能相关的数据,并确定产能预测结果,不仅产能预测结果的准确性难以得到保障,且效率也较低。
因此,在本申请实施例中,在多个产品生产区域分别部署产品监测设备,每一产品监测设备负责维护对应区域的产品的相关数据。
在一些实施例中,每一产品监测设备,可以配置该产品生产区域所生产的产品适配的预测算法,利用对应的预测算法确定实时监测数据。
示例的,对于一些产品来说,通过采集实时的生产图像,便可以预测大概的产量和质量。对于另一些产品来说,需要采集生产设备的运行数据,根据运行数据预测大概的产量和质量等。
因此,在本申请实施例中,可以参照本领域成熟的一些产品的质量和产量预测算法,配置产品监测设备的实时监测数据的确定算法。
可以理解,不同的产品监测设备对应的配置算法可能相同,也可能不相同。
进而,对于每一种产品监测设备来说,分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,生成实时监测数据,实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据。
从而,控制设备基于多种产品监测设备分别生成的实时监测数据,可实现实时产能预测与优化生产计划。
在一些实施例中,控制设备可以是:计算机、服务器等,具备数据处理能力的终端设备。
请参照图3,本申请实施例提供一种实时产能预测与优化生产计划方法,该方法可以应用于控制设备,该方法还包括:
步骤301,获取多种产品监测设备分别传输的实时监测数据。
在一些实施例中,质量监测数据用于表征产品的质量,其可以通过质量评估值表示;产量预测数据用于表征产品的预测产量,其可以通过产量预测值表示。
可以理解,对于产品监测设备所确定的产量预测数据,其可能只是考虑到一种产品的情况下,所得到的数据;所以,需要对该数据进行进一步的优化。
步骤302,根据多种产品监测设备分别传输的实时监测数据、多种产品监测设备分别的部署位置和多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据。
在一些实施例中,多种产品监测设备的部署位置可以存储在控制设备中,可以直接获取。以及,多种产品监测设备分别监测的产品之间的产品关系,也可以存储在控制设备中,可以直接获取。
在一些实施例中,步骤302包括:根据质量监测数据和产量预测数据确定多种产品分别对应的第一产量预测值;根据多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值;根据多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值;根据第一产量预测值、位置影响值和产品关系影响值,确定多种产品分别对应的预测产量。
在这种实施方式中,质量监测数据可以包括最高质量评估值和最低质量评估值。可以理解,对于一种产品来说,其可能会生产多个产品,每一个产品可以对应一个质量评估值,因此,对于一种产品来说,其可以确定出最高质量评估值和最低质量评估值。
进而,根据所述质量监测数据和所述产量预测数据确定多种产品分别对应的第一产量预测值,包括:
针对每一种产品,判断该种产品的最低质量评估值是否为多个最低质量评估值中的最小值,以及判断该种产品的最高质量评估值是否为多个最高质量评估值中的最大值;若该种产品的最低质量评估值是多个最低质量评估值中的最小值,且该种产品的最高质量评估值不是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第一质量影响值,确定该种产品的第一产量预测值;若该种产品的最低质量评估值不是多个最低质量评估值中的最小值,且该种产品的最高质量评估值是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第二质量影响值,确定该种产品的第一产量预测值;其中,第一质量影响值和第二质量影响值均用于表征质量对产量的影响,第一质量影响值和第二质量影响值的和为0。
在一些实施例中,预设的第一质量影响值可以是预设的用于表征不考虑质量的情况下,能够达到的产量增值。例如,针对一种产品,如果该种产品在生产时,考虑质量问题,则产量可能只有10;而如果不考虑质量,则产量可以为15。那么,对应的质量影响值可以是+5。
因此,可以预先通过一些已有的产品数据,确定该第一质量影响值。
在一些实施例中,该种产品的产量预测数据和预设的第一质量影响值两者的和,为该种产品的第一产量预测值。
在一些实施例中,第二质量影响值可以是预设的用于表征考虑质量的情况下,能够达到的产量减少值。例如,针对一种产品,如果该种产品在生产时,不考虑质量问题,则产量可能有15;而如果考虑质量,则产量为10。那么,对应的质量影响值可以是-5。
在一些实施例中,该种产品的产量预测数据和预设的第二质量影响值两者的和,为该种产品的第一产量预测值。
进而,在本申请实施例中,第一质量影响值和第二质量影响值的和为0,也即,其中一个影响值为正值,另一个影响值为负值;或者,两者均为0。
可以理解,针对每种产品,都按照相同的方式,确定对应的第一产量预测值。
在一些实施例中,根据多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值,包括:针对每一种产品,确定该种产品对应的产品监测设备的部署位置与其他产品监测设备的部署位置之间的距离,以及确定该种产品对应的产品监测设备的部署位置的预设监测误差;判断多个距离中的最大距离值、最小距离值和最大距离值是否均小于预设距离值;若多个距离中的最大距离值、最小距离值和最大距离值中存在小于预设距离值的距离值,根据该小于预设距离值的距离值与预设距离值之间的差值,确定距离误差影响值;根据距离误差影响值和所述预设监测误差,确定该种产品对应的位置影响值。
在一些实施例中,每种产品监测设备预设有一个监测误差,该监测误差是由于其部署位置导致的,具体设置多少,可以根据实际的应用场景决定。例如,对于基于图像处理的产品监测设备来说,该监测误差可以基于图像采集所带来的误差决定。
在一些实施例中,根据多种产品监测设备的位置,可以确定多种产品监测设备相互之间的距离。
进一步地,针对一种产品监测设备来说,该产品监测设备对应的多个距离,为该产品监测设备与其他的各个监测设备之间的距离。基于这多个距离,可以统计最大距离值、最小距离值和平均距离值,然后判断这三个距离值是否均小于预设距离值。
在一些实施例中,预设距离值可以是不同的产品生产区域之间的平均距离值。
进一步地,若多个距离中的最大距离值、最小距离值和最大距离值中存在小于预设距离值的距离值,根据该小于预设距离值的距离值与预设距离值之间的差值,确定距离误差影响值。
在一些实施例中,可以配置距离值与误差影响值之间的转换关系,例如:1m距离对应0.1误差;从而,根据差值和该转换关系,可确定距离误差影响值。
在一些实施例中,若多个距离中的最大距离值、最小距离值和平均距离值是否均小于预设距离值,则不存在距离误差,此时,距离误差影响值可以是0。
在一些实施例中,将距离误差影响值和预设监测误差求和,即确定相应的位置影响值。
在一些实施例中,多种产品之间的产品关系用于表征多种产品之间是否存在生产线交互关系。生产线交互关系,可以是产品生产区域具有交互关系,例如:如果产品生产区域一的下一节点是产品生产区域二,由产品生产区域二进一步对产品生产区域一输出的产品作进一步加工。则,两个产品生产区域分别生产的产品之间具有生产线交互关系。
或者,生产线交互关系也可以是,产品生产区域一的相关设备与产品生产区域二的相关设备具有数据交互关系,这种情况下,两个产品生产区域分别生产的产品之间也具有生产线交互关系。
因此,作为一种可选的实施方式,根据所述多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值,包括:
针对每一种产品,根据多种产品之间的产品关系,确定与该种产品存在生产线交互关系的产品种数;判断与该种产品存在生产线交互关系的产品种数是否大于预设产品种数,以及判断该种产品在生产线交互关系中的位置是否属于预设位置;若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置属于预设位置,根据预设的产品关系影响值范围的最大产品关系影响值,确定该种产品对应的产品关系影响值;若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置不属于预设位置,根据预设的产品关系影响值范围的目标产品关系影响值,确定该种产品对应的产品关系影响值,目标产品关系影响值为与其他种类的产品的产品关系影响值不同的值。
在一些实施例中,预设产品种数可以是2。
在一些实施例中,多种产品构成的生产线交互关系可以类似理解为一种数据链路,所以,各种产品在生产线交互关系中对应一个位置。例如:生产线交互关系中的前端、中间或者末端等。
在一些实施例中,预设位置可以是前端或者末端。
在一些实施例中,预设的产品关系影响值范围是由最大产品关系影响值和最小产品关系影响值构成的一个范围,该范围中的值,都是可以取的值。其中,最大产品关系影响值可以是根据数据统计确定的产品关系所能产生的最大产量影响值;最小产品关系影响值可以是根据数据统计确定的产品关系所能产生的最小产量影响值;在此不对具体的值作限定。
在一些实施例中,将最大产品关系影响值确定为该种产品对应的产品关系影响值。
在另一些实施例中,在确定目标关系影响值时,可以选取一个与其他种类的产品的产品关系影响值不同的值。
在一些实施例中,如果不属于上述两种情况,则可以在该产品关系影响值范围内,任意选取一个不属于最大值和最小值的值,不同的产品的产品关系影响值可以相同。
进一步地,根据所述第一产量预测值、所述位置影响值和所述产品关系影响值,确定所述多种产品分别对应的预测产量,包括:
针对每一种产品,若位置影响值大于产品关系影响值,根据产品关系影响值和第一产量预测值,确定该种产品对应的预测产量;若位置影响值小于或者等于产品关系影响值,根据位置影响值和产品关系影响值,确定综合影响值;根据综合影响值和第一产量预测值,确定第二产量预测值;根据第二产量预测值,确定该种产品对应的预测产量。
在一些实施例中,产品关系影响值和第一产量预测值的总和,为该种产品对应的预测产量。
在另一些实施例中,位置影响值和产品关系影响值的总和,为综合影响值。对应的,综合影响值和第一产量预测值的总和,为第二产量预测值;第二产量预测值,为该种产品对应的预测产量。
在步骤302中,按照上述实施方式,可确定多种产品分别对应的预测产量。
步骤303,判断实时产能预测数据是否满足实时产品需求量,实时产品需求量包括第一目标产品的需求量。
在一些实施例中,实时产品需求量可以包括当前需求量最多的产品的需求量,即,第一目标产品为需求量最高的产品。可以理解,该需求量可以由企业根据实际的产品需求量确定。
步骤304,若实时产能预测数据不满足实时产品需求量,对第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,第一目标产品和第二目标产品满足预设的产品关系。
在一些实施例中,预设的产品关系包括以下任意一种:
第一目标产品和第二目标产品存在生产线交互关系,且第二目标产品的产量对第一目标产品的产量存在影响。
第一目标产品和第二目标产品存在生产线交互关系,且第二目标产品的生产速度大于所述第一目标产品的生产速度。
第一目标产品和第二目标产品不存在生产线交互关系,且第二目标产品为第一目标产品的替代产品。
在一些实施例中,替代产品关系,例如:产品的功能相同,但性能上存在一些区别。
在一些实施例中,步骤304包括:若第一目标产品和第二目标产品存在生产线交互关系,且第二目标产品的产量对第一目标产品的产量存在影响,对第一目标产品的生产计划和第二目标产品的生产计划进行优化;若第一目标产品和第二目标产品存在生产线交互关系,且第二目标产品的生产速度大于第一目标产品的生产速度,对第一目标产品的生产计划进行优化;若第一目标产品和第二目标产品不存在生产线交互关系,且第二目标产品为第一目标产品的替代产品,对第二目标产品的生产计划进行优化。
在一些实施例中,可以先确定第一目标产品的预计产量与实际需求量之间的差量。
进一步地,如果要对第一目标产品的生产计划和第二目标产品的生产计划均进行优化,则,根据差量先对第一目标产品的生产计划进行优化,例如:提高生产速度,或者增加生产设备等,以提高产量;然后,再对第二目标产品的生产计划进行相应的优化,例如:提高生产速度,或者增加生产设备等,以提高产量。但是,第二目标产品的优化量,可以小于第一目标产品的优化量。
如果只需要对第一目标产品的生产计划进行优化,则根据差量对第一目标产品的生产计划进行优化,例如:提高生产速度,或者增加生产设备等,以提高产量。
如果只需要对第二目标产品的生产计划进行优化,则根据差量对第二目标产品的生产计划进行优化,例如:提高生产速度,或者增加生产设备等,以提高产量。
在一些实施例中,该方法还包括:若实时产能预测数据满足实时产品需求量,根据多种产品分别对应的预测产量和预设时长内多种产品分别对应的真实产量,确定多种产品的产量变化规律,预设时长的结束时间为当前时刻之前的任一时刻;若产量变化规律符合预设的产量变化规律,关闭多种产品监测设备中的至少一种产品监测设备;若产量变化规律不符合预设的产量变化规律,对多种产品监测设备进行优化。
在一些实施例中,预设时长可以是7天内、5天内等;或者更长的时间,只要能够保证可以统计出产量变化规律即可。
进一步地,根据产量的变化情况,可以确定出产量变化规律。如果该产量变化规律符合预设的产量变化规律,则可以关闭多种产品监测设备中的至少一种产品监测设备,以减少数据的处理量,减少负担。
如果产量变化规律不符合预设的产量变化规律,则可以对多种产品监测设备进行优化;例如,优化监测算法、优化性能等。
在一些实施例中,预设的产量变化规律可以分产品进行预设,例如:有一些产品的产量是从低到高;有一些产品的产量是基本持平等。
通过本申请实施例的介绍可以看出,在多种产品分别对应的产品生产区域分别部署对应的产品监测设备,通过多种产品监测设备分别获取质量监测数据和产量预测数据。基于多种产品监测设备分别的实时监测数据,结合多种产品监测设备分别的部署位置和多种产品监测设备分别监测的产品之间的产品关系,确定更为准确的实时产能预测数据。并且,基于实时产能数据,结合实时产品需求量,对相关产品的生产计划进行优化。因此,该技术方案能够实现准确的实时产能预测,并进一步基于实时产能预测结果,实现生产计划的有效优化。
请参照图4,本申请的实施例还提供一种实时产能预测与优化生产计划装置,包括:
获取模块401,用于获取多种产品监测设备分别传输的实时监测数据,所述多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,所述实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据。
处理模块402,用于根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,所述实时产能预测数据包括多种产品分别对应的预测产量;判断所述实时产能预测数据是否满足实时产品需求量,所述实时产品需求量包括第一目标产品的需求量;若所述实时产能预测数据不满足实时产品需求量,对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,所述第一目标产品和所述第二目标产品满足预设的产品关系。
该实时产能预测与优化生产计划装置与前述的实时产能预测与优化生产计划方法对应,所以各个模块的实施方式参照前述实施例,在此不进行重复介绍。
请参照图5,本申请的实施例还提供一种终端设备,该终端设备可作为前述的控制设备,也可以作为产品监测设备。
终端设备,包括处理器501和存储器502,处理器501和存储器502通信连接。
处理器501、存储器502之间直接或间接地电连接,以实现数据的传输或交互。例如,这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。前述的各模块或者各交互端所执行的方法步骤分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器502中的软件功能模块。
处理器501可以是一种集成电路芯片,具有信号处理能力。处理器501可以是通用处理器,包括CPU (Central Processing Unit,中央处理器)、NP (Network Processor,网络处理器)等;还可以是数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器502可以存储各种软件程序以及模块。处理器501通过运行存储在存储器502中的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本申请实施例中的各个步骤。
存储器502可以包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read Only Memory,只读存储器),PROM(Programmable Read-Only Memory,可编程只读存储器),EPROM(Erasable Programmable Read-Only Memory,可擦除只读存储器),EEPROM(Electric Erasable Programmable Read-Only Memory,电可擦除只读存储器)等。
可以理解,图5所示的结构仅为示意,终端设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
前述对本申请的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本申请限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本申请的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本申请的各种不同的示例性实施方案以及各种不同的选择和改变。本申请的范围意在由权利要求书及其等同形式所限定。
Claims (10)
1.一种实时产能预测与优化生产计划方法,其特征在于,包括:
获取多种产品监测设备分别传输的实时监测数据,所述多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,所述实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据;
根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,所述实时产能预测数据包括多种产品分别对应的预测产量;
判断所述实时产能预测数据是否满足实时产品需求量,所述实时产品需求量包括第一目标产品的需求量;
若所述实时产能预测数据不满足实时产品需求量,对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,所述第一目标产品和所述第二目标产品满足预设的产品关系。
2.根据权利要求1所述的实时产能预测与优化生产计划方法,其特征在于,所述根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,包括:
根据所述质量监测数据和所述产量预测数据确定多种产品分别对应的第一产量预测值;
根据所述多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值;
根据所述多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值;
根据所述第一产量预测值、所述位置影响值和所述产品关系影响值,确定所述多种产品分别对应的预测产量。
3.根据权利要求2所述的实时产能预测与优化生产计划方法,其特征在于,所述质量监测数据包括最高质量评估值和最低质量评估值,所述根据所述质量监测数据和所述产量预测数据确定多种产品分别对应的第一产量预测值,包括:
针对每一种产品,判断该种产品的最低质量评估值是否为多个最低质量评估值中的最小值,以及判断该种产品的最高质量评估值是否为多个最高质量评估值中的最大值;
若该种产品的最低质量评估值是多个最低质量评估值中的最小值,且该种产品的最高质量评估值不是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第一质量影响值,确定该种产品的第一产量预测值;
若该种产品的最低质量评估值不是多个最低质量评估值中的最小值,且该种产品的最高质量评估值是多个最高质量评估值中的最大值,根据该种产品的产量预测数据和预设的第二质量影响值,确定该种产品的第一产量预测值;
其中,所述第一质量影响值和所述第二质量影响值均用于表征质量对产量的影响,所述第一质量影响值和所述第二质量影响值的和为0。
4.根据权利要求2所述的实时产能预测与优化生产计划方法,其特征在于,所述根据所述多种产品监测设备分别的部署位置,确定多种产品分别对应的位置影响值,包括:
针对每一种产品,确定该种产品对应的产品监测设备的部署位置与其他产品监测设备的部署位置之间的距离,以及确定该种产品对应的产品监测设备的部署位置的预设监测误差;
判断多个距离中的最大距离值、最小距离值和平均距离值是否均小于预设距离值;
若多个距离中的最大距离值、最小距离值和最大距离值中存在小于预设距离值的距离值,根据该小于预设距离值的距离值与所述预设距离值之间的差值,确定距离误差影响值;
根据所述距离误差影响值和所述预设监测误差,确定该种产品对应的位置影响值。
5.根据权利要求2所述的实时产能预测与优化生产计划方法,其特征在于,所述多种产品之间的产品关系用于表征所述多种产品之间是否存在生产线交互关系,所述根据所述多种产品之间的产品关系,确定多种产品分别对应的产品关系影响值,包括:
针对每一种产品,根据所述多种产品之间的产品关系,确定与该种产品存在生产线交互关系的产品种数;
判断与该种产品存在生产线交互关系的产品种数是否大于预设产品种数,以及判断该种产品在生产线交互关系中的位置是否属于预设位置;
若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置属于预设位置,根据预设的产品关系影响值范围的最大产品关系影响值,确定该种产品对应的产品关系影响值;
若与该种产品存在生产线交互关系的产品种数大于预设产品种数,且该种产品在生产线交互关系中的位置不属于预设位置,根据预设的产品关系影响值范围的目标产品关系影响值,确定该种产品对应的产品关系影响值,所述目标产品关系影响值为与其他种类的产品的产品关系影响值不同的值。
6.根据权利要求2所述的实时产能预测与优化生产计划方法,其特征在于,所述根据所述第一产量预测值、所述位置影响值和所述产品关系影响值,确定所述多种产品分别对应的预测产量,包括:
针对每一种产品,若所述位置影响值大于所述产品关系影响值,根据所述产品关系影响值和所述第一产量预测值,确定该种产品对应的预测产量;
若所述位置影响值小于或者等于所述产品关系影响值,根据所述位置影响值和所述产品关系影响值,确定综合影响值;
根据所述综合影响值和所述第一产量预测值,确定第二产量预测值;
根据所述第二产量预测值,确定该种产品对应的预测产量。
7.根据权利要求1所述的实时产能预测与优化生产计划方法,其特征在于,所述预设的产品关系包括以下任意一种:
所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的产量对所述第一目标产品的产量存在影响;
所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的生产速度大于所述第一目标产品的生产速度;
所述第一目标产品和所述第二目标产品不存在生产线交互关系,且所述第二目标产品为所述第一目标产品的替代产品。
8.根据权利要求7所述的实时产能预测与优化生产计划方法,其特征在于,所述对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化,包括:
若所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的产量对所述第一目标产品的产量存在影响,对所述第一目标产品的生产计划和第二目标产品的生产计划进行优化;
若所述第一目标产品和所述第二目标产品存在生产线交互关系,且所述第二目标产品的生产速度大于所述第一目标产品的生产速度,对所述第一目标产品的生产计划进行优化;
若所述第一目标产品和所述第二目标产品不存在生产线交互关系,且所述第二目标产品为所述第一目标产品的替代产品,对所述第二目标产品的生产计划进行优化。
9.根据权利要求1所述的实时产能预测与优化生产计划方法,其特征在于,所述实时产能预测与优化生产计划方法,还包括:
若所述实时产能预测数据满足实时产品需求量,根据所述多种产品分别对应的预测产量和预设时长内所述多种产品分别对应的真实产量,确定所述多种产品的产量变化规律,所述预设时长的结束时间为当前时刻之前的任一时刻;
若所述产量变化规律符合预设的产量变化规律,关闭所述多种产品监测设备中的至少一种产品监测设备;
若所述产量变化规律不符合预设的产量变化规律,对所述多种产品监测设备进行优化。
10.一种实时产能预测与优化生产计划***,其特征在于,包括:
多种产品监测设备,所述多种产品监测设备分别部署在对应的产品生产区域,用于监测对应的产品生产区域生产的产品,生成实时监测数据,所述实时监测数据包括:产品生产区域生产的产品的质量监测数据和产量预测数据;
与所述多种产品监测设备分别连接的控制设备,所述控制设备用于:获取多种产品监测设备分别传输的实时监测数据;根据所述多种产品监测设备分别传输的实时监测数据、所述多种产品监测设备分别的部署位置和所述多种产品监测设备分别监测的产品之间的产品关系,确定实时产能预测数据,所述实时产能预测数据包括多种产品分别对应的预测产量;判断所述实时产能预测数据是否满足实时产品需求量,所述实时产品需求量包括第一目标产品的需求量;若所述实时产能预测数据不满足实时产品需求量,对所述第一目标产品的生产计划和/或第二目标产品的生产计划进行优化;其中,所述第一目标产品和所述第二目标产品满足预设的产品关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410491730.XA CN118095575B (zh) | 2024-04-23 | 2024-04-23 | 实时产能预测与优化生产计划***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410491730.XA CN118095575B (zh) | 2024-04-23 | 2024-04-23 | 实时产能预测与优化生产计划***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118095575A true CN118095575A (zh) | 2024-05-28 |
CN118095575B CN118095575B (zh) | 2024-07-12 |
Family
ID=91155457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410491730.XA Active CN118095575B (zh) | 2024-04-23 | 2024-04-23 | 实时产能预测与优化生产计划***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118095575B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046130A1 (en) * | 2001-08-24 | 2003-03-06 | Golightly Robert S. | System and method for real-time enterprise optimization |
US20140019186A1 (en) * | 2012-07-10 | 2014-01-16 | Sap Ag | Capacity planning management |
CN107767015A (zh) * | 2017-09-05 | 2018-03-06 | 南京国际船舶设备配件有限公司 | 一种基于mes的生产*** |
CN111144671A (zh) * | 2018-11-02 | 2020-05-12 | 精效新软新技术(北京)有限公司 | 一种自带一体化的erp和mes***的智能加工设备 |
-
2024
- 2024-04-23 CN CN202410491730.XA patent/CN118095575B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046130A1 (en) * | 2001-08-24 | 2003-03-06 | Golightly Robert S. | System and method for real-time enterprise optimization |
US20140019186A1 (en) * | 2012-07-10 | 2014-01-16 | Sap Ag | Capacity planning management |
CN107767015A (zh) * | 2017-09-05 | 2018-03-06 | 南京国际船舶设备配件有限公司 | 一种基于mes的生产*** |
CN111144671A (zh) * | 2018-11-02 | 2020-05-12 | 精效新软新技术(北京)有限公司 | 一种自带一体化的erp和mes***的智能加工设备 |
Non-Patent Citations (1)
Title |
---|
殷建峰: "基于广义回归神经网络的工厂产能预测方法", 福建电脑, 25 November 2016 (2016-11-25), pages 26 - 27 * |
Also Published As
Publication number | Publication date |
---|---|
CN118095575B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111754024B (zh) | 一种基于回归分析的电力行业时间序列的预测方法和*** | |
CN110826789B (zh) | 基于电力***的电力负荷预测方法、装置及终端设备 | |
KR102574244B1 (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
CN112163723B (zh) | 基于情景划分的水电站中长期径流预测方法、介质及设备 | |
CN115034519A (zh) | 一种用电负荷的预测方法、装置、电子设备以及存储介质 | |
CN111352799A (zh) | 一种巡检方法及装置 | |
CN115391048A (zh) | 基于趋势预测的微服务实例动态水平扩展收缩方法及*** | |
CN118095575B (zh) | 实时产能预测与优化生产计划***及方法 | |
CN117375231A (zh) | 一种基于电网数据节点的统计方法及数据处理*** | |
CN117217733A (zh) | 一种基于维修相关性的轴承组合机会维修决策方法及*** | |
CN115277789B (zh) | 一种梯级水电站安全防护***及方法 | |
CN110764975B (zh) | 设备性能的预警方法、装置及监控设备 | |
CN111026624A (zh) | 电网信息***的故障预测方法、装置 | |
CN115377967A (zh) | 一种基于众数的电网可用输电能力计算方法及*** | |
CN114881465A (zh) | 生产管理方法、***、设备及存储介质 | |
CN114462298A (zh) | 电力计量资产管理方法、装置、设备及存储介质 | |
CN113591266A (zh) | 一种电能表故障概率的分析方法及*** | |
CN115225986A (zh) | 一种osu带宽自适应调整的方法和装置 | |
CN112257948A (zh) | 润叶加料出***水率预测方法、装置以及设备 | |
CN112200464B (zh) | 计及空间相关性的光伏电站出力数据的修正方法及*** | |
CN117590821B (zh) | 基于工业大模型的生产线优化方法 | |
CN110988783A (zh) | 一种智能电表精度在线监测方法和装置 | |
CN116561598B (zh) | 一种cps智能制造管理平台大数据处理方法 | |
CN115511338A (zh) | 基于灰色关联分析的网络智能运维方法及*** | |
CN117709727A (zh) | 基于数据孪生的新型配电网运行风险评估及主动检修方法 |
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 |