公式求解方法及其装置、生产计划动态调整方法及其装置制造方法及图纸

本发明专利技术实施例公开了一种公式求解方法及其装置、生产计划动态调整方法及其装置，所述公式求解方法，包括：根据公式模型将文本格式的多个公式分别转换得到相应的多个公式变量；根据所述公式变量判断相应的所述公式是否存在循环；在判断所述公式存在循环时，根据相应的所述公式变量构建系数矩阵；求解所述系数矩阵，得到所述多个公式的求解结果。本发明专利技术实施例有效减短计算时间，大大提高了生产的效率。大大提高了生产的效率。大大提高了生产的效率。

【技术实现步骤摘要】
公式求解方法及其装置、生产计划动态调整方法及其装置


[0001]本专利技术涉及信息处理
，尤其涉及一种公式求解方法、一种公式求解装置、一种生产计划动态调整方法、一种生产计划动态调整装置、一种生产计划动态调整系统和一种可读存储介质。

技术介绍

[0002]现有的生产计划流程模型最初由EXCEL维护，生产要素的合成公式分布在若干个表(SHEET)中，通过认为调整单元格数据，来对整个系统的生产要素(投入物，中间产物，及最终产物)进行调整变更，由于每次调整需要人为判断各个产物产量是否合理，调整所需时间也较为漫长，目前只能对月度生产计划进行建模，不适应目前越来越被需要的日度生产调节需求。
[0003]目前，主要通过对生产公式进行循环迭代的方式来进行计算。实际使用过程中，模型的计算收敛速度过慢(最复杂的一次迭代算法直到数据收敛超过两百次)，时间复杂度为O(n)，该问题无法得到有效解决，整套模型的响应时间为20～30S。由此可见，现有技术存在的问题为模型设计较为复杂，计算时间较长，远远超出人类所能接受的等待时间。

技术实现思路

[0004]因此，本专利技术实施例提供一种公式求解方法、一种公式求解装置、一种生产计划动态调整方法、一种生产计划动态调整装置、一种生产计划动态调整系统和一种可读存储介质，能够通过高效的数据公式化提取，模块化矩阵计算，以及人工智能动态调参实现了日生产计划级别的计算引擎优化及生产要素数量关系确立，大大提升了生产效率。
[0005]一方面，本专利技术实施例提供的一种公式求解方法，包括：根据公式模型将文本格式的多个公式分别转换得到相应的多个公式变量；根据所述公式变量判断相应的所述公式是否存在循环；在判断所述公式存在循环时，根据相应的所述公式变量构建系数矩阵；求解所述系数矩阵，得到所述多个公式的求解结果。
[0006]在本专利技术的一个实施例中，还包括：在判断所述公式不存在循环时，根据相应的所述公式变量线性计算所述公式，得到所述公式的求解结果。
[0007]另一方面，本专利技术实施例提供的一种公式求解装置，包括：第一转换模块，用于根据公式模型将文本格式的多个公式分别转换得到相应的多个公式变量；第一判断模块，用于根据所述公式变量判断相应的所述公式是否存在循环；第一构建模块，用于在判断所述公式存在循环时，根据相应的所述公式变量构建系数矩阵；第一求解模块，用于求解所述系数矩阵，得到所述多个公式的求解结果。
[0008]又一方面，本专利技术实施例提供的一种生产计划动态调整方法，包括：获取多个文本格式的生产公式；根据公式模型将所述多个生产公式分别转换得到相应的多个公式变量；根据所述公式变量判断相应的所述生产公式是否存在循环；在判断所述生产公式存在循环时，根据相应的所述公式变量构建系数矩阵；根据所述多个生产公式之间的关系，确定其中
至少一个所述公式变量为原料变量，以及确定其中另外的至少一个所述公式变量为产品变量；根据满足条件对所述系数矩阵进行求解，得到与所述满足条件对应的产量数据。
[0009]在本专利技术的一个实施例中，还包括：使用机器学习算法根据不同的所述满足条件和相应的所述产量数据之间的变化过程，得到机器学习模型；使用所述机器学习模型进行工作计划动态调整。
[0010]在本专利技术的一个实施例中，使用所述机器学习模型进行工作计划动态调参，具体包括：所述机器学习模型根据输入的生产条件匹配与之相近的至少一个所述满足条件，并得到相对应的至少一个所述产量数据；从所述至少一个所述产量数据中确定一个所述产量数据。
[0011]再一方面，本专利技术实施例提供的一种生产计划动态调整装置，包括：获取模块，用于获取多个文本格式的生产公式；第二转换模块，用于根据公式模型将所述多个生产公式分别转换得到相应的多个公式变量；第二判断模块，用于根据所述公式变量判断相应的所述生产公式是否存在循环；第二构建模块，用于在判断所述生产公式存在循环时，根据相应的所述公式变量构建系数矩阵；关系确定模块，用于根据所述多个生产公式之间的关系，确定其中至少一个所述公式变量为原料变量，以及确定其中另外的至少一个所述公式变量为产品变量；第二求解模块，用于根据满足条件对所述系数矩阵进行求解，得到与所述满足条件对应的产量数据。
[0012]在本专利技术的一个实施例中，还包括：模型构建模块，用于使用机器学习算法根据不同的所述满足条件和相应的所述产量数据之间的变化过程，得到机器学习模型；动态调整模块，用于使用所述机器学习模型进行工作计划动态调整。
[0013]又一方面，本专利技术实施例提供的一种生产计划动态调整系统，包括：处理器和连接所述处理器的存储器，所述存储器上存储有所述处理器执行的指令，且所述指令使得所述处理器执行操作以进行如上所述的图像显示方法。
[0014]再一方面，本专利技术实施例提供的一种存储介质，所述存储介质为非易失性存储器且存储有程序代码，当所述程序代码被一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的生产计划动态调整方法。
[0015]综上所述，本申请上述各个实施例可以具有如下一个或多个优点或有益效果：i)通过高效的数据公式化提取，模块化矩阵计算，以及人工智能动态调参实现了日生产计划级别的计算引擎优化及生产要素数量关系确立，大大提升了生产效率；ii)通过对整体公式集进行一定的预处理和矩阵计算达成最优平衡，减短计算过程的时间。
附图说明
[0016]为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，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他的附图。
[0017]图1为本专利技术第一实施例提供的一种公式求解方法的流程示意图。
[0018]图2为本专利技术第一实施例中多个公式中变量的关系结构示意图。
[0019]图3为本专利技术第一实施例中系数矩阵示意图。
[0020]图4为本专利技术第一实施例中所述系数矩阵的解。
[0021]图5为本专利技术第二实施例提供的一种公式求解装置100的模块示意图。
[0022]图6为本专利技术第三实施例提供的一种生产计划动态调整方法的流程示意图。
[0023]图7为本专利技术第四实施例提供的一种生产计划动态调整装置200的模块示意图。
[0024]图8为本专利技术第五实施例提供的一种计算机装置的结构示意图。
[0025]图9为本专利技术第六实施例提供的一种存储介质的结构示意图。
[0026]主要元件符号说明：
[0027]100为公式求解装置；10为第一转换模块；20为第一判断模块；30为第一构建模块；40为第一求解模块；
[0028]200为生产计划动态调整装置；110为获取模块；120为第二转换模块；130为第二判断模块；140为第二构建模块；150为关系确定模块；160为第二求解模块；170为模型构建模块；180为动态调整模块；
[0029]400为生产计划本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公式求解方法，其特征在于，包括：根据公式模型将文本格式的多个公式分别转换得到相应的多个公式变量；根据所述公式变量判断相应的所述公式是否存在循环；在判断所述公式存在循环时，根据相应的所述公式变量构建系数矩阵；求解所述系数矩阵，得到所述多个公式的求解结果。2.根据权利要求1所述的公式求解方法，其特征在于，还包括：在判断所述公式不存在循环时，根据相应的所述公式变量线性计算所述公式，得到所述公式的求解结果。3.一种公式求解装置，其特征在于，还包括：第一转换模块，用于根据公式模型将文本格式的多个公式分别转换得到相应的多个公式变量；第一判断模块，用于根据所述公式变量判断相应的所述公式是否存在循环；第一构建模块，用于在判断所述公式存在循环时，根据相应的所述公式变量构建系数矩阵；第一求解模块，用于求解所述系数矩阵，得到所述多个公式的求解结果。4.一种生产计划动态调整方法，其特征在于，包括：获取多个文本格式的生产公式；根据公式模型将所述多个生产公式分别转换得到相应的多个公式变量；根据所述公式变量判断相应的所述生产公式是否存在循环；在判断所述生产公式存在循环时，根据相应的所述公式变量构建系数矩阵；根据所述多个生产公式之间的关系，确定其中至少一个所述公式变量为原料变量，以及确定其中另外的至少一个所述公式变量为产品变量；根据满足条件对所述系数矩阵进行求解，得到与所述满足条件对应的产量数据。5.根据权利要求4所述的生产计划动态调整方法，其特征在于，还包括：使用机器学习算法根据不同的所述满足条件和相应的所述产量数据之间的变化过程，得到机器学习模型；使用所述机器学习模型进行工作计划动态调整。6.根据权利要求5所述的生产计划动态调整方法，其特征在于，使用所述机器学习...

【专利技术属性】
技术研发人员：华秀萍，毕坚达，彭嘉栋，李昊霖，宋军贤，虞欣，
申请(专利权)人：诺丁汉宁波保税区区块链有限公司，
类型：发明
国别省市：