一种板式定制家具揉单排产方法、系统及可读存储介质与流程

本技术涉及家具生产，尤其涉及一种板式定制家具揉单排产方法、系统及可读存储介质。

背景技术：

1、随着现代社会的快速发展，消费者对家具的需求逐渐从单一的使用功能向个性化、多样化转变。为满足市场需求，板式定制家具企业因多品种小批量的生产需求而呈现多种生产特点，如交货期紧迫、订单更换频繁等。

2、面对这一转变，板式定制家具企业已经尝试通过技术途径解决这一问题。目前的解决方案主要基于揉单生产模式，该模式包含两个关键步骤：一是生产之前将多个订单以既定的算法规则混合在一起制定排产计划，二是生产后期将多个订单再次分拣包装完成原始订单的复原归类。这种模式需要考虑订单材质、色调、子结构、提货日期、订单数限制等进行揉单，以提高生产效率，减少批次，降低成本。

3、然而，目前的揉单生产模式虽然能够在一定程度上提高生产效率，降低成本，但仍存在一些不足。首先，当前的揉单生产生产之前每次都要制定排产计划，导致生产效率低下和生产成本增加。

技术实现思路

1、本技术提供了一种板式定制家具揉单排产方法、系统及可读存储介质，用于提高生产效率，降低了生产成本。

2、第一方面，本技术提供了一种板式定制家具揉单排产方法，该方法包括：

3、提取当前订单组和当前制造方的信息数据中全部影响因素和与全部影响因素一一对应的影响数据；

4、根据预设贡献度表确定影响因素中的若干个第一主要因素，预设贡献度表由对历史影响因素和历史影响数据进行主成分分析得到；

5、在影响因素中，根据预设关联表分别确定若干个第一主要因素的第一关联因素；预设关联表由对历史主要因素进行关联规则得到；

6、根据全部第一主要因素、全部第一关联因素、全部第一主要因素对应的若干个第一影响数据、全部第一关联因素对应的若干个第二影响数据在历史订单组中确定相似订单；

7、确定相似订单中全部第二主要因素分别对应的若干个第三影响数据，确定相似订单中全部第二关联因素分别对应的若干个第四影响数据；全部第二主要因素与全部第一主要因素一一对应，全部第二关联因素与全部第一关联因素一一对应；

8、获取相似订单的相似揉单排产流程；

9、根据若干个第一影响数据与若干个第三影响数据的差值、若干个第二影响数据与若干个第四影响数据的差值对相似揉单排产流程进行更改，得到当前揉单排产流程。

10、在上述实施例中，通过提取并分析当前订单组和制造方的信息数据，以及历史订单数据，这个方法能够找出与当前生产最为相似的历史订单。然后，它会获取相似订单的揉单排产流程，并根据当前订单与相似订单的差值进行的修改和调整，从而得到适应当前生产需求的揉单排产流程。这种基于修改和调整的方法，相比于每次都从零开始制定新的排产计划，大大提高了生产效率，降低了生产成本。

11、结合第一方面的一些实施例，在一些实施例中，根据全部第一主要因素、全部第一关联因素、全部第一主要因素对应的若干个第一影响数据、全部第一关联因素对应的若干个第二影响数据在历史订单组中确定相似订单的步骤，具体包括：

12、将历史订单组中包含全部第一主要因素的历史订单确定为备选订单；

13、确定备选订单中全部第三主要因素分别对应的若干个第五影响数据，全部第三主要因素与全部第一主要因素一一对应；

14、将第一影响数据与第五影响数据差值作为第一变量；

15、将备选订单中包含关联因素的个数作为第二变量；

16、确定备选订单中全部第三关联因素分别对应的若干个第六影响数据，全部第三关联因素与全部第一关联因素一一对应；

17、将第二影响数据与第六影响数据差值作为第三变量；

18、根据第一变量、第二变量、第三变量确定备选订单的相似分；

19、将相似分最大的备选订单确定为相似订单。

20、在上述实施例中，通过细致地分析历史订单组，提取与当前订单具有一致主要因素和关联因素的备选订单，然后通过比较影响数据差值和关联因素的数量来确定各备选订单的相似分。最终选择相似分最高的订单作为相似订单，从而保证了选取的相似订单与当前订单在重要的生产因素上具有高度一致性。减少了因订单不相似而产生的生产误差和成本，使之更具针对性，进一步提高了生产效率，降低了生产成本。

21、结合第一方面的一些实施例，在一些实施例中，根据第一变量、第二变量、第三变量确定备选订单的相似分的步骤，具体包括：

22、第一变量与预设第一权重的积、第二变量与预设第二权重的积、第三变量与预设第一权重的积确定备选订单的相似分；预设第一权重大于第二权重，预设第二权重大于预设第三权重。

23、在上述实施例中，根据每个变量在生产过程中的实际影响程度，赋予它们不同的权重，使得相似分的计算更加符合实际情况。同时第一变量被认为影响力最大，因此赋予了最大的预设权重。第二变量和第三变量虽然影响力较小，但也被赋予了相应的预设权重。这种分层的权重设定机制，使得每个变量都能依据其实际影响力对相似分产生影响，从而更准确地确定出与当前订单最相似的历史订单。

24、结合第一方面的一些实施例，在一些实施例中，将第一影响数据与第五影响数据差值作为第一变量的步骤，具体包括：

25、将全部第一影响数据减去与其对应的第五影响数据得到若干个第一差值；

26、将全部第一差值均减去第一差值中的最小值得到若干个第二差值；

27、将全部第二差值除以第一差值中的最大值和第一差值中的最小值的差得到若干个第三差值；

28、将全部第三差值进行增加得到第一变量。

29、在上述实施例中，通过计算第一影响数据与第五影响数据的差值，然后对这些差值进行处理，生成一系列的第三差值。这些第三差值都在0至1的范围内，因此可以方便地进行后续的计算和分析，因此可以避免数据的原始范围对后续计算结果产生不必要的影响。

30、结合第一方面的一些实施例，在一些实施例中，根据预设贡献度表确定影响因素中的若干个第一主要因素的步骤之前，方法还包括：

31、根据历史影响因素和历史影响数据得到协方差矩阵，协方差矩阵中的每一个元素是一个历史影响数据与另一个历史影响数据的协方差；

32、计算出协方差矩阵的特征值和特征向量；

33、将特征值大于阈值的特征向量确定为主成分；

34、将主成分中权重最大的历史影响因素确定为主要因素；

35、汇总全部主要因素得到预设贡献度表。

36、在上述实施例中，通过历史影响因素和影响数据生成协方差矩阵，并计算特征值和特征向量，进一步确定主成分和主要因素，最终汇总全部主要因素得到预设贡献度表。因此将复杂的多元问题转化为更易于理解和处理的二元问题，从而提高了揉单排产流程的精度和效率。

37、结合第一方面的一些实施例，在一些实施例中，在影响因素中，根据预设关联表分别确定若干个第一主要因素的第一关联因素的步骤之前，方法还包括：

38、确定历史主要因素的频繁项集；

39、将频繁项集中的频率大于阈值的历史主要因素作为关联因素；

40、汇总全部关联因素得到预设关联表。

41、在上述实施例中，通过确定历史主要因素的频繁项集，进一步筛选出频率大于阈值的历史主要因素作为关联因素，最终汇总全部关联因素得到预设关联表。可以从大量的历史数据中发现主要因素之间的内在关联性。

42、结合第一方面的一些实施例，在一些实施例中，根据若干个第一影响数据与若干个第三影响数据的差值、若干个第二影响数据与若干个第四影响数据的差值对相似揉单排产流程进行更改，得到当前揉单排产流程的步骤，具体包括：

43、根据根据若干个第一影响数据与若干个第三影响数据的差值得到第一差值比例；

44、根据根据若干个第二影响数据与若干个第四影响数据的差值得到第二差值比例；

45、根据第一差值比例对第三影响数据对应的流程进行比例调整；根据第二差值比例对第四影响数据对应的流程进行比例调整，得到当前揉单排产流程。

46、在上述实施例中，通过计算第一影响数据与第三影响数据的差值，以及第二影响数据与第四影响数据的差值，得到相应的差值比例，然后根据这些差值比例对揉单排产流程进行更改，得到当前的揉单排产流程，利用这些相似订单的揉单排产流程，并结合当前订单与相似订单的差值，对流程进行适当的修改和调整，从而得到能够满足当前生产需求的揉单排产流程。相比于每次从头开始制定新的揉单排产计划，显著提高了生产效率，同时也降低了生产成本。

47、第二方面，本技术实施例提供了一种板式定制家具揉单排产系统，包括：

48、提取模块，用于提取当前订单组和当前制造方的信息数据中全部影响因素和与全部影响因素一一对应的影响数据；

49、第一确定模块，用于根据预设贡献度表确定影响因素中的若干个第一主要因素，预设贡献度表由对历史影响因素和历史影响数据进行主成分分析得到；

50、第二确定模块，用于在影响因素中，根据预设关联表分别确定若干个第一主要因素的第一关联因素；预设关联表由对历史主要因素进行关联规则得到；

51、第三确定模块，用于根据全部第一主要因素、全部第一关联因素、全部第一主要因素对应的若干个第一影响数据、全部第一关联因素对应的若干个第二影响数据在历史订单组中确定相似订单；

52、第四确定模块，用于确定相似订单中全部第二主要因素分别对应的若干个第三影响数据，确定相似订单中全部第二关联因素分别对应的若干个第四影响数据；全部第二主要因素与全部第一主要因素一一对应，全部第二关联因素与全部第一关联因素一一对应；

53、获取模块，用于获取相似订单的相似揉单排产流程；

54、更改模块，用于根据若干个第一影响数据与若干个第三影响数据的差值、若干个第二影响数据与若干个第四影响数据的差值对相似揉单排产流程进行更改，得到当前揉单排产流程。

55、结合第二方面的一些实施例，在一些实施例中，第三确定模块具体包括：

56、第一确定子模块，用于将历史订单组中包含全部第一主要因素的历史订单确定为备选订单；

57、第二确定子模块，用于确定备选订单中全部第三主要因素分别对应的若干个第五影响数据，全部第三主要因素与全部第一主要因素一一对应；

58、第三确定子模块，用于将第一影响数据与第五影响数据差值作为第一变量；

59、第四确定子模块，用于将备选订单中包含关联因素的个数作为第二变量；

60、第五确定子模块，用于确定备选订单中全部第三关联因素分别对应的若干个第六影响数据，全部第三关联因素与全部第一关联因素一一对应；

61、第六确定子模块，用于将第二影响数据与第六影响数据差值作为第三变量；

62、第七确定子模块，用于根据第一变量、第二变量、第三变量确定备选订单的相似分；

63、第八确定子模块，用于将相似分最大的备选订单确定为相似订单。

64、结合第二方面的一些实施例，在一些实施例中，第一确定子模块具体包括：

65、第一确定子单元，用于第一变量与预设第一权重的积、第二变量与预设第二权重的积、第三变量与预设第一权重的积确定备选订单的相似分；预设第一权重大于第二权重，预设第二权重大于预设第三权重。

66、结合第二方面的一些实施例，在一些实施例中，第三确定子模块具体包括：

67、第一减去单元，用于将全部第一影响数据减去与其对应的第五影响数据得到若干个第一差值；

68、第二减去单元，用于将全部第一差值均减去第一差值中的最小值得到若干个第二差值；

69、第一除以单元，用于将全部第二差值除以第一差值中的最大值和第一差值中的最小值的差得到若干个第三差值；

70、增加单元，用于将全部第三差值进行增加得到第一变量。

71、结合第二方面的一些实施例，在一些实施例中，系统还包括：

72、协方差矩阵模块，用于根据历史影响因素和历史影响数据得到协方差矩阵，协方差矩阵中的每一个元素是一个历史影响数据与另一个历史影响数据的协方差；

73、计算模块，用于计算出协方差矩阵的特征值和特征向量；

74、第五确定模块，用于将特征值大于阈值的特征向量确定为主成分；

75、第六确定模块，用于将主成分中权重最大的历史影响因素确定为主要因素；

76、第一汇总模块，用于汇总全部主要因素得到预设贡献度表。

77、结合第二方面的一些实施例，在一些实施例中，系统还包括：

78、第七确定模块，用于确定历史主要因素的频繁项集；

79、第八确定模块，用于将频繁项集中的频率大于阈值的历史主要因素作为关联因素；

80、第二汇总模块，用于汇总全部关联因素得到预设关联表。

81、结合第二方面的一些实施例，在一些实施例中，更改模块具体包括：

82、第一差值比例子模块，用于根据根据若干个第一影响数据与若干个第三影响数据的差值得到第一差值比例；

83、第二差值比例子模块，用于根据根据若干个第二影响数据与若干个第四影响数据的差值得到第二差值比例；

84、调整子模块，用于根据第一差值比例对第三影响数据对应的流程进行比例调整；根据第二差值比例对第四影响数据对应的流程进行比例调整，得到当前揉单排产流程。

85、第三方面，本技术实施例提供了一种板式定制家具揉单排产系统，该系统包括：一个或多个处理器和存储器；

86、该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该板式定制家具揉单排产系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

87、第四方面，本技术实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在服务器上运行时，使得上述服务器执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

88、第五方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在板式定制家具揉单排产系统上运行时，使得上述板式定制家具揉单排产系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

89、可以理解地，上述第二方面提供的板式定制家具揉单排产系统、第三方面提供的板式定制家具揉单排产系统、第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本技术实施例所提供的板式定制家具揉单排产方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

90、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

91、1、本技术提供的板式定制家具揉单排产方法，通过提取并分析当前订单组和制造方的信息数据，以及历史订单数据，这个方法能够找出与当前生产最为相似的历史订单。然后，它会获取相似订单的揉单排产流程，并根据当前订单与相似订单的差值进行的修改和调整，从而得到适应当前生产需求的揉单排产流程。这种基于修改和调整的方法，相比于每次都从零开始制定新的排产计划，大大提高了生产效率，降低了生产成本。

92、2、本技术提供的板式定制家具揉单排产方法，通过细致地分析历史订单组，提取与当前订单具有一致主要因素和关联因素的备选订单，然后通过比较影响数据差值和关联因素的数量来确定各备选订单的相似分。最终选择相似分最高的订单作为相似订单，从而保证了选取的相似订单与当前订单在重要的生产因素上具有高度一致性。减少了因订单不相似而产生的生产误差和成本，使之更具针对性，进一步提高了生产效率，降低了生产成本。

93、3、本技术提供的板式定制家具揉单排产方法，根据每个变量在生产过程中的实际影响程度，赋予它们不同的权重，使得相似分的计算更加符合实际情况。同时第一变量被认为影响力最大，因此赋予了最大的预设权重。第二变量和第三变量虽然影响力较小，但也被赋予了相应的预设权重。这种分层的权重设定机制，使得每个变量都能依据其实际影响力对相似分产生影响，从而更准确地确定出与当前订单最相似的历史订单。