【技术实现步骤摘要】
用于工业排产的方法、装置、设备和存储介质
[0001]本申请的实施例主要涉及人工智能(AI)
更具体地,本申请的实施例涉及用于工业排产的方法、装置、设备、计算机可读存储介质以及计算机程序产品。
技术介绍
[0002]工业生产中存在大量的规划问题都可以用混合整数规划(mixed integer programming,MIP)模型来表示,例如工厂排产、生产调度、三维装箱和厂址选择,这些问题的共同点是存在至少一个目标,并要求变量满足一系列的约束条件,这些约束条件往往来自于业务要求或者实际需要。这样的工业规划问题通常涉及较为复杂的计算,并需要耗费较高的时间成本和/或计算成本才能够得到较优或最优的规划方案。
[0003]在实际工业生产场景中,工业规划的问题规模往往非常庞大,涉及到的约束条件和参数众多,对生产的规划速度成为了制约提高生产量的重要因素。然而,已有的工业规划方案不仅计算复杂,而且效率普遍较低。
技术实现思路
[0004]本申请的实施例提供了一种用于工业排产的方案。
[0005]根据本 ...
【技术保护点】
【技术特征摘要】
1.一种用于工业排产的方法,包括:基于工业排产任务的第一约束集合的多个约束子集,确定与所述工业排产任务相关联的多个产品中的至少一个产品的第一生产量;基于所述至少一个产品的生产量,确定所述工业排产任务的第二约束集合;以及基于所述第一约束集合、所述第二约束集合和所述多个产品各自的第二生产量,确定所述多个产品各自的第三生产量,所述第二生产量是基于所述第一约束集合确定的。2.根据权利要求1所述的方法,还包括:利用预设置的模型来确定所述第一约束集合中的多个约束的目标类别;以及基于所述多个约束的目标类别,生成所述第一约束集合的所述多个约束子集。3.根据权利要求2所述的方法,其中确定所述第一约束集合中的多个约束的目标类别包括:利用所述预设置的模型确定所述多个约束各自的初始类别;基于所述初始类别以及历史工业排产任务的约束的多个历史类别,确定所述多个约束的目标类别。4.根据权利要求3所述的方法,其中确定所述多个约束的类别包括:确定所述多个约束中的第一约束的属性;确定所述历史工业排产任务中具有所述属性的对应约束的类别;如果所述第一约束的初始类别与所述对应约束的所述类别匹配,将所述第一约束的初始类别确定为所述第一约束的目标类别;如果所述第一约束的初始类别与所述对应约束的所述类别不匹配,利用超图分割算法来生成所述第一约束的目标类别。5.根据权利要求4所述的方法,其中利用超图分割算法生成所述第一约束的目标类别包括:通过将所述多个约束中的第二约束的类别作为所述超图分割算法的输入,生成所述第一约束的目标类别,所述第二约束的初始类别与所述历史工业排产任务的对应的约束的类别匹配。6.根据权利要求2
‑
5中任一项所述的方法,其中所述预设置的模型是神经网络模型,所述神经网络模型是利用一个或多个历史工业排产任务的约束和所述一个或多个历史工业排产任务的约束的类别来训练的。7.根据权利要求1
‑
6中任一项所述的方法,其中所述工业排产任务是混合整数型规划(MIP)任务,所述多个产品中的至少一部分产品具有整数型生产量,所述方法还包括:基于所述第一约束集合,确定与所述至少一部分产品的整数型生产量相关联的一个或多个割约束;以及基于所述一个或多个割约束和所述第一约束集合,确定所述多个产品各自的所述第二生产量。8.根据权利要求7所述的方法,所述确定与所述至少一部分产品的整数型生产量相关联的一个或多个割约束包括:基于所述第一约束集合,生成与所述至少一部分产品的整数型生产量相关联的候选割约束集合;
对所述候选割约束集合中的割约束进行评分;以及基于所述评分从所述候选割约束集合选择所述一个或多个割约束。9.根据权利要求8所述的方法,其中对所述候选割约束集合中的割约束进行评分包括使用预设置的评分模型对所述割约束进行评分,所述预设置的评分模型通过使用具有标签的多个割约束包训练而得到,所述标签基于多个割约束包被应用后的反馈而确定,每个割约束包包括用于训练的多个割约束。10.根据权利要求1
‑
9中任一项所述的方法,其中所述第二约束集合包括如下约束:所述至少一个产品的第三生产量不大于与所述至少一个产品相关联的所述第一生产量。11.根据权利要求1
‑
10中任一项所述的方法,其中确定所述多个产品各自的第三生产量包括:根据所述多个产品的生产层级,将所述多个产品中的至少一部分产品的第二生产量调整为整数类型。12....
【专利技术属性】
技术研发人员:刘扶芮,黄泽人,甄慧玲,朱方舟,张伟楠,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。