公式求解方法及其装置、生产计划动态调整方法及其装置与流程

1.本发明涉及信息处理技术领域，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。


背景技术：

2.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。
3.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。


技术实现要素：

4.因此，本发明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。
5.一方面，本发明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。
6.在本发明的一个实施例中，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。
7.另一方面，本发明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。
8.又一方面，本发明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。
9.在本发明的一个实施例中，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。
10.在本发明的一个实施例中，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。
11.再一方面，本发明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。
12.在本发明的一个实施例中，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。
13.又一方面，本发明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。
14.再一方面，本发明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。
15.综上所述，本技术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
16.为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，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。
17.图1为本发明第一实施例提供的一种公式求解方法的流程示意图。
18.图2为本发明第一实施例中多个公式中变量的关系结构示意图。
19.图3为本发明第一实施例中系数矩阵示意图。
20.图4为本发明第一实施例中所述系数矩阵的解。
21.图5为本发明第二实施例提供的一种公式求解装置100的模块示意图。
22.图6为本发明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。
23.图7为本发明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。
24.图8为本发明第五实施例提供的一种计算机装置的结构示意图。
25.图9为本发明第六实施例提供的一种存储介质的结构示意图。
26.主要元件符号说明：
27.100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；
28.200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；
29.400为生产计划动态调整系统；430为处理器；410为储存器；411为计算机程序；500为可读存储介质；510为计算机可执行指令。
具体实施方式
30.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
31.【第一实施例】
32.参见图1，其为本发明第一实施例提供的一种公式求解方法的流程示意图，所述公式求解方法例如包括：
33.步骤s10，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；
34.步骤s20，根据所述公式变量判断相应的所述公式是否存在循环；
35.步骤s30，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；
36.步骤s40，求解所述系数矩阵，得到所述多个公式的求解结果。
37.具体的，所述步骤s10中所述多个公式还可以是表格格式的公式以及数据交换格式的公式。其中，对所述文本格式的多个公式文件分别进行载入和提取；对所述表格格式的公式通过数据模型库的方式进行公式提取；对所述数据交换格式的公式进行提取。
38.具体的，所述步骤s20中所述判断相应的所述公式是否存在循环，当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。
39.具体的，所述步骤s30中所述根据相应的所述公式变量构建系数矩阵的方法可以是寻找所述多个公式中的循环处理过程具体为从某个变量开始，查找所述某个变量出现在所述多个公式中的哪些公式，并记录所述公式并形成公式集，直到所述公式集客重新回到循环开始的节点，再将所述公式集列成矩阵。
40.优选的，所述步骤s40中所述求解所述系数矩阵的方法可以是通过高斯消元法解矩阵的方式得出所述公式集的求解结果。
41.举例来说，当公式一为a＝(1130.8799999999999+1133.112+255.1919999999998+1118.232+b+1267.9047270099368+1064.137308039747+1130.8799999999999+2519.515824+0.007833869281489514+1648.368608+0.0+1274.1743999999999)/1；公式二为b＝c*0.037+d*0.2865+0*0.0343+40061.969286359534*0.038+0*0.1544；公式三为e＝a*0.0018+0*0.0951+0*0.0251+g*0.0951；公式四为g＝(139.128+145.82399999999998+160.70399999999998+h+0.0+342.98400000000004+158.24880000000002+0.0+749.288992+0.0+0.0051090451835801185+145.82399999999998+137.21770551038844+498.67202637759715+66.00098399999999)/1；公式五为h＝c*0.0951+d*0.0018+0*0.0461+40061.969286359534*0.0049+0*0.0251+0*0.0951；公式六为c＝(e)/1；公式七为f＝a*0.2865+0*0.037+0*0.1544+g*0.037；公式八为d＝(f)/1时，此时所述公式一中的a做为产物，在所述公式三和所述公式七中a做为原料分别生产e和f；所述公式二中的b作为产物，在所述公式一中b做为原料生产a；所述公式三中的e作为产物，在所述公式六中e做为原料生产c；所述公式四中的g作为产物，在所述公式三中g做为原料生产e；所述公式五中的h作为产物，在所述公式四中h做为原料生产g；所述公式六中的c作为产物，在所述公式二和公式五中c做为原料分别生产b和h；所述公式七中的f作为产物，在所述公式八中f做为原料生产d；所述公式八中的d作为产物，在所述公式二中d做为原料生产b。
42.具体的，参见图2，所述八个公式中的物质a
‑
h形成复杂的循环结构，且a
‑
h的相互关系分别为：a由b生成，b由c和d生成，e由a和g生成，g由h生成，h由c生成，c由e生成，f由a和g生成，d由f生成。
43.进一步的，参见图3，采用提取系数的方法构造矩阵求解，可以避开公式之间的循环迭代，直接得出精确结果。
44.更进一步的，参见图4，通过高斯消元法解矩阵的方式得出所述公式集的求解结果。
45.【第二实施例】
46.参见图5，其为本发明第二实施例提供的一种公式求解装置100，所述公式求解装置100例如包括：第一转换模块10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20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30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40用于求解所述系数矩阵，得到所述多个公式的求解结果。
47.在一个实施方式中，公式求解装置100的第一转换模块10、第一判断模块20、第一构建模块30以及第一求解模块40配合实现上述第一实施例中所述的公式求解方法，此处不再赘述。
48.【第三实施例】
49.参见图6，其为本发明的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，所述生产计划动态调整方法例如包括：
50.步骤s110，获取多个文本格式的生产公式；
51.步骤s120，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；
52.步骤s130，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；
53.步骤s140，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；
54.步骤s150，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；
55.步骤s160，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。
56.具体的，所述步骤s110中所述的多个文本格式的生产公式还可以是表格格式的公式以及数据交换格式的公式。其中，对所述文本格式的多个公式文件分别进行载入和提取；对所述表格格式的公式通过数据模型库的方式进行公式提取；对所述数据交换格式的公式进行提取。
57.具体的，所述步骤s130在判断所述生产公式不存在循环时，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。
58.优选的，因为涉及到高维方程和最优化的问题，普通的线性计算无法很好地帮助解决求解问题，因此可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。
59.进一步的，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。
60.举例来说，首先输入一个第一数值，且所述第一数值可通过公式引擎得到稳定的系统得出第二数值。通过多次改变输入第一数值的值，可以分别得到多组相对应的第二数值。此时会得到多组第一数值和第二数值的对子。通过拟合得出多组第一数值分别对于多组第二数值时应该改变的方向和梯度，来动态调整使损失函数最小化，从而求得一组或多组组最优的第一数值解集。
61.【第四实施例】
62.参见图7，其为本发明的第四实施例提供的一种生产计划动态调整装置200的结构示意图，所述生产计划动态调整装置200例如包括：获取模块110，用于获取多个文本格式的生产公式；第二转换模块120，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130，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140，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150，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160，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。
63.优选的，所述生产计划动态调整装置200还例如包括：模型构建模块170，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。
64.进一步的，所述生产计划动态调整装置200还例如包括：动态调整模块180，用于使用所述机器学习模型进行工作计划动态调整，通过学习人为调整参数的历史数据，基于现有产物分布给出最佳值，对于需要对多个变量同时调整参数的情况，此种方法大大提高了
模型的计算效率，优化了生产过程。
65.【第五实施例】
66.参见图8，其为本发明的第五实施例提供的一种生产计划动态调整系统的结构示意图，所述生产计划动态调整系统400例如包括处理器430以及电连接处理器430的存储器410，存储器410上存储有计算机程序411，处理器430加载计算机程序411以实现如第一实施例中所述的公式求解方法或如第三实施例中所述的生产计划动态调整方法。
67.【第六实施例】
68.参见图9，其为本发明的第四实施例提供的一种存储介质的结构示意图，存储介质500例如为非易失性存储器，其例如为：磁介质(如硬盘、软盘和磁带)，光介质(如cdrom盘和dvd)，磁光介质(如光盘)以及专门构造为用于存储和执行计算机可执行指令的硬件装置(如只读存储器(rom)、随机存取存储器(ram)、闪存等)。存储介质500上存储有计算机可执行指令510。存储介质500可由一个或多个处理器或处理装置来执行计算机可执行指令510，以使其所在的设备实施如第一实施例中所述的公式求解方法或如第三实施例中所述的生产计划动态调整方法。
69.在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多路单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
70.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多路网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
71.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
72.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。