一种基于标识解析的智能排产方法及相关设备与流程

本申请涉及智能制造，具体涉及一种基于标识解析的智能排产，尤其涉及一种基于标识解析的智能排产方法、装置、电子设备及存储介质。

背景技术：

1、目前，线缆的生产工艺较复杂，一般包含配料、摇料、压胚、推挤绝缘烧结、并丝、编织、浸锡、护套、分割、包装等。生产过程中也会流转多个中间件，包括根据配料、摇料、压胚、推挤绝缘烧结等工艺生成的绝缘铜丝件，根据并丝等工艺生成的镀锡铜并丝件，根据编织、浸锡等工艺生成的浸锡线芯件，根据护套、分割、包装等工艺生成的最终产品件。

2、由于在生成的过程中生产的中间件较多，为了保障交付质量，通常需要生产人员及时管控生产流程，这类管控方式较为机械且需要耗费大量的人工成本，导致生产设备的投入产出比较低、生产过程等待时间长和生产效率低等问题。

技术实现思路

1、鉴于以上内容，有必要提出一种基于标识解析的智能排产方法及相关设备，以解决制定排产计划的准确度低的技术问题。其中，相关设备包括一种基于标识解析的智能排产装置、电子设备及存储介质。

2、本申请提供一种基于标识解析的智能排产方法，应用于电子设备，所述方法包括：根据第一工业互联网标识确定加工流程的订单信息，根据所述订单信息确定所述加工流程对应的约束条件，其中，所述约束条件包括所述加工流程的交期和良率；获取多个加工节点中每个加工节点的属性数据，根据所述属性数据和所述约束条件随机生成多个初始排产计划，其中，所述初始排产计划为多个加工节点的组合；根据所述每个加工节点对应的第二工业互联网标识获取所述每个加工节点的历史数据，其中，所述历史数据用于表征所述每个加工节点在执行历史订单时的历史工时和历史良率；根据所述历史数据确定所述初始排产计划对应的波动概率；多次根据所述波动概率对所述多个初始排产计划进行变异操作，得到多组更新排产计划，每组包括多个更新排产计划；确定每个更新排产计划的平均工时，确定所述平均工时最短的更新排产计划为目标排产计划。

3、在一些实施例中，所述获取多个加工节点中每个加工节点的属性数据包括：获取每个加工节点对应的属性数据，其中，所述属性数据对应于多个类型；对每个类型的属性数据进行归一化操作，得到归一化的属性数据；确定所述归一化的属性数据为所述每个加工节点的属性数据。

4、在一些实施例中，所述根据所述属性数据和所述约束条件随机生成多个初始排产计划包括：随机组合多个加工节点，确定多个候选排产计划；确定满足所述约束条件的候选排产计划为所述初始排产计划。

5、在一些实施例中，所述根据所述历史数据确定所述初始排产计划对应的波动概率包括：根据所述每个加工节点的历史工时确定第一波动概率；根据所述每个加工节点的历史良率确定第二波动概率；对所述第一波动概率和所述第二波动概率加权求和，得到所述初始排产计划对应的波动概率。

6、在一些实施例中，确定所述第一波动概率的方法包括：计算所述加工节点的历史工时的第一离散系数以及第一极差；确定所述第一离散系数以及所述第一极差的乘积为所述加工节点的第一波动概率。

7、在一些实施例中，确定所述第二波动概率的方法包括：计算所述加工节点的历史良率的第二离散系数以及第二极差；确定所述第二离散系数以及所述第二极差的乘积为所述加工节点的第二波动概率。

8、在一些实施例中，所述多次根据所述波动概率对所述多个初始排产计划进行变异操作，得到多组更新排产计划包括：多次计算所述波动概率与每个所述初始排产计划对应的属性数据的乘积，得到多组更新排产计划。

9、本申请实施例还提供一种基于标识解析的智能排产装置，所述装置包括：获取模块，用于根据第一工业互联网标识确定加工流程的订单信息，根据所述订单信息确定所述加工流程对应的约束条件，其中，所述约束条件包括所述加工流程的交期和良率；所述获取模块，还用于获取多个加工节点中每个加工节点的属性数据，根据所述属性数据和所述约束条件随机生成多个初始排产计划，其中，所述初始排产计划为多个加工节点的组合；所述获取模块，还用于根据所述每个加工节点对应的第二工业互联网标识获取所述每个加工节点的历史数据，其中，所述历史数据用于表征所述每个加工节点在执行历史订单时的历史工时和历史良率；确定模块，用于根据所述历史数据确定所述初始排产计划对应的波动概率；所述确定模块，还用于多次根据所述波动概率对所述多个初始排产计划进行变异操作，得到多组更新排产计划，每组包括多个更新排产计划；所述确定模块，还用于确定每个更新排产计划的平均工时，确定所述平均工时最短的更新排产计划为目标排产计划。

10、本申请实施例还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；处理器，执行所述存储器中存储的指令以实现所述的一种基于标识解析的智能排产方法。

11、本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述的一种基于标识解析的智能排产方法。

12、由以上技术方案可以看出，本申请实施例通过解析第一工业互联网标识确定加工节点的属性数据以及加工流程对应的约束条件，能够以量化数据表征每个加工节点的性能，提升智能排产的准确度。并根据第二工业互联网标识确定加工节点的历史数据，并根据历史数据确定加工节点对应的工时和良率的波动概率，能够为后续模拟排产计划的波动提供数据支撑。最终根据波动概率对初始排产计划进行多次变异操作，得到多个更新排产计划，并从多个更新排产计划中确认平均工时最短的为目标排产计划，如此能够以量化的数据对更新排产计划的性能进行评估，从而提升确定目标排产计划的准确度。

技术特征：

1.一种基于标识解析的智能排产方法，应用于电子设备，其特征在于，所述方法包括：

2.如权利要求1所述的一种基于标识解析的智能排产方法，其特征在于，所述获取多个加工节点中每个加工节点的属性数据包括：

3.如权利要求2所述的一种基于标识解析的智能排产方法，其特征在于，所述根据所述属性数据和所述约束条件随机生成多个初始排产计划包括：

4.如权利要求2所述的一种基于标识解析的智能排产方法，其特征在于，所述根据所述历史数据确定所述初始排产计划对应的波动概率包括：

5.如权利要求4所述的一种基于标识解析的智能排产方法，其特征在于，确定所述第一波动概率的方法包括：

6.如权利要求4所述的一种基于标识解析的智能排产方法，其特征在于，确定所述第二波动概率的方法包括：

7.如权利要求1所述的一种基于标识解析的智能排产方法，其特征在于，所述多次根据所述波动概率对所述多个初始排产计划进行变异操作，得到多组更新排产计划包括：多次计算所述波动概率与每个所述初始排产计划对应的属性数据的乘积，得到多组更新排产计划。

8.一种基于标识解析的智能排产装置，其特征在于，所述装置包括实现如权利要求1至7中任意一项所述的一种基于标识解析的智能排产方法的模块，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的一种基于标识解析的智能排产方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的一种基于标识解析的智能排产方法。

技术总结
本申请提出一种基于标识解析的智能排产方法及相关设备，一种基于标识解析的智能排产方法包括：根据第一工业互联网标识确定订单信息，根据订单信息确定加工流程的约束条件；获取每个加工节点的属性数据，根据属性数据和约束条件生成多个初始排产计划，其中，初始排产计划为多个加工节点的组合；根据每个加工节点对应的第二工业互联网标识获取每个加工节点的历史数据；根据历史数据确定初始排产计划的波动概率；根据波动概率对多个初始排产计划进行变异操作，得到多个更新排产计划；确定每个更新排产计划的平均工时，确定平均工时最短的更新排产计划为目标排产计划。本申请涉及智能排产技术领域，能够提升制定排产计划的准确度。

技术研发人员：王飞,陈辰,渠立孝,蔡泽,施宏志,时宗胜,薛驰,徐陈钢
受保护的技术使用者：江苏中天互联科技有限公司
技术研发日：
技术公布日：2024/3/24