一种排产前生产设备资源配置优化方法及系统技术方案

本发明专利技术属于计划排程(排产)领域，公开了一种排产前生产设备资源配置优化方法及系统。所述方法包括：获取生产任务订单信息，并将生产任务订单信息分解为多个子任务信息储存；根据子任务信息匹配任务需求与能力，筛选完成任务所需要的能力形成候选能力池；将完成任务所需要的能力与当前可用的制造设备资源进行映射，筛选出候选能力池所对应的设备，形成候选设备集合作为正式排产时的设备输入。本发明专利技术通过构建需求

【技术实现步骤摘要】
一种排产前生产设备资源配置优化方法及系统


[0001]本专利技术属于计划排程(排产)领域，具体涉及一种排产前生产设备资源配置优化方法及系统。

技术介绍

[0002]随着生产技术的发展与进步，制造业日趋全球化和信息化，这促使企业利用计算机信息技术不断改进现有的生产制造模式，以提高各类制造资源的利用率、提高生产效率、改善管理模式，因此，如何有效配置生产资源并对订单进行最优化排产成为企业提高生产效率面临的关键问题。
[0003]现有的排产方法主要包括：基于订单最短作业时间的排产方法、基于订单交付先后顺序的排产方法和基于专家系统的人工智能优化排产方法，这几种排产方法都根据订单本身来安排投产计划，帮助用户实现均衡投产，提高生产计划制定的合理性。
[0004]但是，本专利技术专利技术人在实施本专利技术实施例中专利技术技术方案的过程中，发现上述现有技术中的排产方法至少存在以下缺陷：现有的排产方法主要聚焦于任务订单本身，集中在优化排产顺序方面，忽略了对现有生产设备资源的有效评估，缺少生产需求与生产设备资源池的匹配环节，往往将所有可用生产设备都进行投产，导致生产资源浪费，生产效率低下，无法实现精益化生产。
[0005]现有专利文献CN114172963A公开了一种基于资源利用率的多粒度的任务与服务匹配方法和系统，涉及任务调度和服务匹配
该专利技术基于客户需求和服务资源，采用粒度任务分类，以最大化资源利用率的为目标，采用粒子群优化算法寻优，从组合服务方案中选择最优组合服务方案。但是，该专利的技术方案关注的是任务调度和服务匹配，关注的是总体客户需求及服务资源，并没有重点聚焦排产前的生产设备资源优化，且该专利的技术方案采用粒子群优化算法，容易过度追求资源利用效率而忽视设备资源本身的功能及性能参数，从而使理论结果与生产实际产生偏差甚至背离。

技术实现思路

[0006]本专利技术旨在针对现有技术的中存在的技术问题，提供一种排产前生产设备资源配置优化方法及系统，通过构建“需求
‑
能力”匹配模型，均衡企业生产需求和生产能力，根据生产订单和工艺需求筛选出合适的资源能力池，将资源能力池映射到具体的生产设备，可兼顾企业生产效率和设备资源，在保证生产效率的同时最小化生产设备资源，缩减排产计划生产设备空间，提高生产设备利用率，进而优化排产结果，降低生产成本，达到降本增效的效果。
[0007]为实现以上技术目的，本专利技术采用以下技术方案：
[0008]一种排产前生产设备资源配置优化方法，所述方法包括如下步骤：
[0009]步骤S01：获取生产任务订单信息，并将生产任务订单信息分解为多个子任务，根据每个子任务匹配能力需求，将子任务及对应的能力需求作为子任务信息储存；
[0010]步骤S02：根据当前采集的可用制造设备资源建立初始能力池；根据子任务信息，匹配任务需求与初始能力池中的能力，筛选出完成任务所需要的能力形成候选能力池；
[0011]步骤S03：将候选能力池中完成任务所需要的能力与当前可用的制造设备资源进行映射，筛选出候选能力池所对应的设备，形成候选设备集合作为正式排产时的设备输入。
[0012]进一步地，所述步骤S01具体包括如下步骤：
[0013]步骤S011：采用WBS工作分解结构对生产订单进行初步分解，将生产任务订单信息分解为多个子任务，每个子任务分解到只包含一种工艺过程，形成任务子集；
[0014]步骤S012：通过能力需求本体模型CR对任务集中每个子任务进行关系映射，根据子任务的语义描述，按能力需求本体模型CR进行拆解，匹配出完成子任务对应的能力需求；
[0015]所述能力需求本体模型CR为：
[0016]CR＝{R_Category，R_BasicInfo，R_FuncInfo，R_PerfInfo}
[0017]上式中，R_Category表示能力需求的类型，包括喷涂能力需求、电镀能力需求、冲压能力需求、铸造能力需求、锻造能力需求、轧制能力需求、焊接能力需求等能力需求；
[0018]R_BasicInfo表示能力需求的基本信息，包括能力需求的名称、描述信息、解释信息；
[0019]R_FuncInfo表示描述能力需求的功能信息，包括功能输入/输出信息；
[0020]R_PerfInfo表示能力需求的性能信息，包括执行所需时间信息、成本信息；
[0021]步骤S013：将匹配出的、完成子任务对应的能力需求作为子任务信息储存。
[0022]更进一步地，所述步骤S02具体包括：
[0023]步骤S021：构建需求
‑
能力匹配模型，所述需求
‑
能力匹配模型包括能力本体模型和需求
‑
能力匹配算法；
[0024]步骤S022：将当前的制造设备资源按能力本体模型C进行能力映射，建立初始能力池；
[0025]步骤S023：所述需求
‑
能力匹配算法根据子任务信息，按照设定的需求
‑
能力匹配流程，匹配任务需求与初始能力池中的能力，筛选出完成任务所需的能力形成候选能力池。
[0026]更进一步地，所述能力本体模型C为：
[0027]C＝{Category，BasicInfo，FuncInfo，PerfInfo}
[0028]上式中，Category表示能力的类型，包括喷涂能力、电镀能力、冲压能力、铸造能力、锻造能力、轧制能力、焊接能力等能力；
[0029]BasicInfo表示能力的基本信息，包括能力的名称、描述信息、解释信息；
[0030]FuncInfo表示描述能力的功能信息，包括功能输入/输出信息；
[0031]PerfInfo表示能力的性能信息，包括执行所需时间信息、成本信息；
[0032]所述需求
‑
能力匹配算法用于计算能力需求和能力的匹配度量，包括匹配度量、匹配度量计算方法及需求
‑
能力匹配流程；
[0033]所述匹配度量包括本体概念匹配度、描述信息相似度、数值参量匹配度和性能匹配度；
[0034]所述本体概念匹配度根据能力需求本体模型CR中的能力需求类型和能力本体模型C中的能力类型进行匹配筛选，并将匹配筛选结果作为所述描述信息相似度和所述数值参量匹配度的输入参数进行筛选匹配；所述描述信息相似度和所述数值参量匹配度筛选的
结果作为所述性能匹配度的输入参数进行筛选匹配；
[0035]所述需求
‑
能力匹配流程包括预选匹配、初选匹配和精选匹配三个阶段；
[0036]所述预选匹配根据本体概念匹配度对能力的类型信息Category进行匹配，过滤掉能力状态不符合需求的能力、以及能力类型匹配度低于类型阈值的能力，得到预选能力集合；
[0037]所述初选匹配根据描述信息相似度和数值参量匹配度对能力的基本信息BasicInfo和功能信息FuncInfo进行综合匹配，通过需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种排产前生产设备资源配置优化方法，其特征在于，所述方法包括如下步骤：步骤S01：获取生产任务订单信息，并将生产任务订单信息分解为多个子任务，根据每个子任务匹配能力需求，将子任务及对应的能力需求作为子任务信息储存；步骤S02：根据当前采集的可用制造设备资源建立初始能力池；根据子任务信息，匹配任务需求与初始能力池中的能力，筛选出完成任务所需要的能力形成候选能力池；步骤S03：将候选能力池中完成任务所需要的能力与当前可用的制造设备资源进行映射，筛选出候选能力池所对应的设备，形成候选设备集合作为正式排产时的设备输入。2.根据权利要求1所述的方法，其特征在于，所述步骤S01具体包括如下步骤：步骤S011：采用WBS工作分解结构对生产订单进行初步分解，将生产任务订单信息分解为多个子任务，每个子任务分解到只包含一种工艺过程，形成任务子集；步骤S012：通过能力需求本体模型CR对任务集中每个子任务进行关系映射，根据子任务的语义描述，按能力需求本体模型CR进行拆解，匹配出完成子任务对应的能力需求；所述能力需求本体模型CR为：CR＝{R_Category，R_BasicInfo，R_FuncInfo，R_PerfInfo}上式中，R_Category表示能力需求的类型，包括喷涂能力需求、电镀能力需求、冲压能力需求、铸造能力需求、锻造能力需求、轧制能力需求、焊接能力需求；R_BasicInfo表示能力需求的基本信息，包括能力需求的名称、描述信息、解释信息；R_FuncInfo表示描述能力需求的功能信息，包括功能输入/输出信息；R_PerfInfo表示能力需求的性能信息，包括执行所需时间信息、成本信息；步骤S013：将匹配出的、完成子任务对应的能力需求作为子任务信息储存。3.根据权利要求2所述的方法，其特征在于，所述步骤S02具体包括：步骤S021：构建需求
‑
能力匹配模型，所述需求
‑
能力匹配模型包括能力本体模型和需求
‑
能力匹配算法；步骤S022：将当前的制造设备资源按能力本体模型C进行能力映射，建立初始能力池；步骤S023：所述需求
‑
能力匹配算法根据子任务信息，按照设定的需求
‑
能力匹配流程，匹配任务需求与初始能力池中的能力，筛选出完成任务所需的能力形成候选能力池；其中，所述能力本体模型C为：C＝{Category，BasicInfo，FuncInfo，PerfInfo}上式中，Category表示能力的类型，包括喷涂能力、电镀能力、冲压能力、铸造能力、锻造能力、轧制能力、焊接能力；BasicInfo表示能力的基本信息，包括能力的名称、描述信息、解释信息；FuncInfo表示描述能力的功能信息，包括功能输入/输出信息；PerfInfo表示能力的性能信息，包括执行所需时间信息、成本信息；所述需求
‑
能力匹配算法用于计算能力需求和能力的匹配度量，包括匹配度量、匹配度量计算方法及需求
‑
能力匹配流程；所述匹配度量包括本体概念匹配度、描述信息相似度、数值参量匹配度和性能匹配度；所述本体概念匹配度根据能力需求本体模型CR中的能力需求类型和能力本体模型C中的能力类型进行匹配筛选，并将匹配筛选结果作为所述描述信息相似度和所述数值参量匹配度的输入参数进行筛选匹配；所述描述信息相似度和所述数值参量匹配度筛选的结果作
为所述性能匹配度的输入参数进行筛选匹配；所述需求
‑
能力匹配流程包括预选匹配、初选匹配和精选匹配三个阶段；所述预选匹配根据本体概念匹配度对能力的类型信息Category进行匹配，过滤掉能力状态不符合需求的能力、以及能力类型匹配度低于类型阈值的能力，得到预选能力集合；所述初选匹配根据描述信息相似度和数值参量匹配度对能力的基本信息BasicInfo和功能信息FuncInfo进行综合匹配，通过需求
‑
能力匹配算法分别计算能力的基本信息匹配度和功能信息匹配度，然后根据能力基本信息匹配度和功能信息匹配度计算综合匹配度，过滤掉能力综合匹配度低于综合匹配度阈值的能力，得到初选能力集合；所述精选匹配根据性能匹配度对能力的性能信息PerfInfo进行匹配，通过需求
‑
能力匹配算法计算出性能匹配度，过滤掉能力性能匹配度低于性能阈值的能力，得到最终的精选能力集合。4.根据权利要求3所述的方法，其特征在于，所述本体概念匹配度用于需求和能力的类型信息匹配，所述本体概念匹配度的计算公式为：其中，其中，上式中，MatchConcept(c1,c2)为c1和c2两概念的本体概念匹配度；δ为可调节参数，取值为1≤δ≤2，δ的取值范围决定语义相似度的高低，两者成反比关系，δ越大，语义相似度越小；δ越小，语义相似度越大；Dis(c1,c2)为c1和c2两概念的语义距离，是通过权重分配规则，对本体概念中第n个节点的边采用权重公式W(n)进行权重计算，并将路径所经历的各条边的权重W(n)相加得到。5.根据权利要求3所述的方法，其特征在于，所述描述信息相似度用于需求和能力的基本信息匹配，计算公式为：Sim(CR,C
i
)＝α
21
Sim1(CR,C
i
)+α
22
Sim2(CR,C
i
)上式中，Sim1(CR,C
i
)表示词形相似度，Sim2(CR,C
i
)表示词长相似度，α
21
，α
22
分别表示权重，且0≤α
21
，α
22
≤1，α
21
+α
22
＝1；其中，词形相似度Sim1(CR,C
i
)的计算公式为：上式中，D
CR
为能力需求的描述信息，为第i个能力的描述信息，为能力需求与能力的描述信息中相同的字的个数；Len(D
CR
)为能力需求的描述信息长度；为第
i个能力的描述信息长度；为计算得到的词形相似度，其值介于0
‑
1之间，值越大说明相似度越大；词长相似度Sim2(CR,C
i
)的计算公式为：上式中，Len(D
CR
)为能力需求的描述信息长度；为第i个能力的描述信息长度；为能力需求与能力的描述信息之间的词长相似度，其值介于0
‑
1之间，值越大说明相似度越大。6.根据权利要求3所述的方法，其特征在于，所述数值参量匹配度用于对于功能信息中的数值参数进行匹配，将待匹配的两个数值参数A
i
和B
i
转化为两个数值区间A
n
和B
n
的形式来匹配，进而求得待匹配的两个数值参数之间的相似度大小，两个数值参数A
i
和B
i
的数值参量匹配度为：上式中，R
i
代表第i个需求能力的数值区间，C
i
代表第i个能力的数值区间，MValue(R
i
,C
i
)代表第i个需求能力和能力数值参量的匹配度。7.根据权利要求3所述的方法，其特征在于，所述性能匹配度用于对能力的性能信息进行匹配，具体包括：对概念词属性采用词序相似度进行匹配；对数值型区间参数采用数值参量匹配度方法进行匹配；对非定量描述的模糊属性采用模糊集理论来描述模糊属性的数值大小，从而转换为数值型参数并采用数值参量匹配度方法进行匹配；所述性能匹配度计算方法为：首先，将能力需求和能力的性能参数依次排列构成下述性能矩阵Q：上式中，q
i
,i∈[1,2,...,n]表示第i个候选能力的性能参数组成的行向量，包括向量q
i1
,...,q
im
；然后，将Q归一化为Q
′

【专利技术属性】
技术研发人员：杨建新，兰小平，冯亚东，刘文军，赵振，王宏伟，王梦阳，
申请(专利权)人：中国兵器工业信息中心，
类型：发明
国别省市：