一种订单组批优化方法、终端设备及存储介质

1.本发明涉及订单组批优化领域，尤其涉及一种订单组批优化方法、终端设备及存储介质。


背景技术：

2.智能制造中的个性化定制、更短的产品及系统生命周期、互联互通的服务模式等成为目前企业在智能制造转型中的主要竞争点。以离散行业中的产品为例，如电子器件、汽车、航空航天零部件等，这些产品均是依赖于机械设计、可分散加工、可灵活组装且同类产品款式极多。对于此类产品，客户可能提出的产品需求难以穷举、订单规模难以预测且产品质量要求极高。此时“个性化定制”的服务需求则要求企业具有高效快速的需求分析及产品设计能力、具有柔性且精益的生产流程、具有完整且精细的全流程生产管控能力。
3.方形件产品(也称板式类产品)是以板材为主要原片、通过平面加工后的几种板式配件装配而形成的一类产品。常见方形件产品制造企业，如3c(计算、通讯、消费电子)、板式家具、玻璃、钣金件等行业，多采用“多品种小批量”的个性化定制生产。由于企业订单数量庞大，生产组织通常采用“订单组批+批量生产+订单分拣”的模式，通过使用订单组批来实现批量切割，提高原材料的利用率，加工完成后再按不同客户订单进行分拣。
4.因此，如何将海量客户订单进行组批生产，以提升板材利用率和生产效率，是企业当下所亟待解决的问题。当前业界通常的做法是将订单组批和排样优化。采用将订单组批与排样问题相结合的方法，考虑板材的叠板切割。这种方法可以将多块原材料叠放在一起，一次性同时切割这些板材，以获得多个相同的部件。不过，叠板切割需要非常高的工艺要求，需要确保切割的精度，并对工作台和设备有较高的要求，以确保切割能够平稳进行并保持各参数一致。此外，企业需要确保在该批次下有足够多的相同部件才能考虑使用叠板切割。另外，目前的订单组批算法很少将部件的面积和数目作为约束条件考虑进去。


技术实现要素：

5.为了解决上述问题，本发明提出了一种订单组批优化方法、终端设备及存储介质。
6.具体方案如下：
7.一种订单组批优化方法，包括以下步骤：
8.s1：初始设定订单数据中每一个订单作为一个类别；
9.s2：计算订单数据中每两个类别之间的距离，并按照从小到大的顺序对所有距离进行排序，判断排序后的第一个距离是否大于预设的距离阈值，如果是，进入s5；否则，进入s3；
10.s3：提取排序后的第一个距离对应的两个类别，将这两个类别合并为一个新类别，判断新类别中的所有订单是否均满足批次订单生产的约束条件，如果不满足，提取下一个距离对应的两个类别进行合并，直到满足，如果直到最后一个距离对应的两个类别进行合并后仍不满足，进入s5；如果满足，采用新类别替换原有的合并前的两个类别；
11.s4：基于替换后的聚类结果，计算对应的批次订单生产中的原片利用率并存储，返回s2；
12.s5：计算存储的所有原片利用率中的最大值，并输出计算的最大值对应的聚类结果。
13.进一步的，步骤s2中计算两个类别之间的距离中采用类平均距离法进行计算。
14.进一步的，在类平均距离法中计算两个订单之间的距离时，采用卡尔德距离进行计算，计算卡尔德距离时，采用两个订单中不同材质与所有材质的比例来衡量两个订单的区分度。
15.进一步的，满足批次订单生产的约束条件包括：
[0016][0017][0018][0019][0020]
∑
n∈q
snλ
qp
≤b，1≤p≤p
[0021]
其中，p表示批次的序号；p表示批次的总数；q表示订单的序号；q表示订单的总数；n表示产品的序号；i表示板材的序号；λ
qp
表示订单q是否属于批次p的标志，属于为1，不属于为0；u
ip
表示板材i是否属于批次p的标志，属于为1，不属于为0；表示产品n的材质类型；表示板材i的材质类型；γ
ni
表示产品n是否属于板材i的标志，属于为1，不属于为0；tq表示订单q的产品数目；a表示每个批次产品的项目总数限定值；b表示每个批次产品的面积总和限定值；sn表示产品n的面积。
[0022]
进一步的，原片利用率f的计算公式为：其中，p表示批次的序号；p表示批次的总数；n表示产品的序号；q表示订单的序号；sn表示产品n的面积；λ
qp
表示订单q是否属于批次p的标志，属于为1，不属于为0；m表示原片个数；l表示原片的长度；w表示原片的宽度。
[0023]
一种订单组批优化终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
[0024]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
[0025]
本发明采用如上技术方案，能够根据企业提供的生产相关数据，生成符合要求的订单批次，提高了原材料的利用率。
附图说明
[0026]
图1所示为本发明实施例一方法的流程图。
[0027]
图2所示为该实施例中实验结果图。
具体实施方式
[0028]
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
[0029]
现结合附图和具体实施方式对本发明进一步说明。
[0030]
实施例一：
[0031]
本发明实施例提供了一种订单组批优化方法，如图1所示，所述方法包括以下步骤：
[0032]
s1：初始设定订单数据中每一个订单作为一个类别。
[0033]
本实施例采用的订单数据中包含403个订单、17952个产品数和146种材质。
[0034]
s2：计算订单数据中每两个类别之间的距离，并按照从小到大的顺序对所有距离进行排序，判断排序后的第一个距离(即距离最小值)是否大于预设的距离阈值，如果是，进入s5；否则，进入s3。
[0035]
在层次聚类算法中，计算聚类距离间距的计算方法主要有最短距离法、最长距离法、中间距离法、重心法、类平均距离法这五种方法。本实施例中在计算两个类别之间的距离时采用类平均距离法，类平均距离法是计算两个簇之间各订单两两之间距离，将所有距离的均值作为两个订单簇之间的距离。其计算公式如下：
[0036][0037]
在类平均距离法中需要计算各订单两两之间的距离，为了能够将同样材质的订单组成一个批次，本实施例中使用杰卡德系数来衡量两个订单之间材质的相似程度。杰卡德系数是衡量两个订单集合的相似性指标，杰卡德距离是用来衡量两个订单集合的区分度。
[0038]
(1)杰卡德系数：两个订单a和b的材质种类的交集与两个订单a和b的材质种类的并集的比值，用符合j(a,b)表示，计算公式如下：
[0039][0040]
(2)杰卡德距离：用两个订单集合a和b中不同材质与所有材质的比例来衡量两个订单集合的区分度，用符合j
δ
(a,b)表示，计算公式如下：
[0041][0042]
距离阈值的大小本领域技术人员可以根据实际需求自行设定，在此不做限制。
[0043]
s3：提取排序后的第一个距离对应的两个类别，将这两个类别合并为一个新类别，判断新类别中的所有订单是否均满足批次订单生产的约束条件，如果不满足，提取下一个距离对应的两个类别进行合并，直到满足，如果直到最后一个距离对应的两个类别进行合并后仍不满足，进入s5；如果满足，采用新类别替换原有的合并前的两个类别。
[0044]
本实施例中为了能够实现批次订单生产，设定了以下四点约束条件：
[0045]
(1)每一份订单只能出现在同一个批次里面，对应的公式为：
[0046][0047]
其中，p表示批次的序号；p表示批次的总数；q表示订单的序号；q表示订单的总数；λ
qp
表示订单q是否属于批次p的标志，属于为1，不属于为0。
[0048]
(2)要保证一批中相同材质产品项在一块板材原片排样，即一方面要保证一个板材只属于一个批，另一方面要保证所有分配到该板材的产品项材质类型与该板材相同，对应的公式为：
[0049][0050][0051]
其中，u
ip
表示板材i是否属于批次p的标志，属于为1，不属于为0；表示产品n的材质类型；表示板材i的材质类型；γ
ni
表示产品n是否属于板材i的标志，属于为1，不属于为0，即如果将产品n分配到板材i上，则γ
ni
＝1，此时，该产品项的材质类型必须与该板材的材质类型相同，否则约束条件不成立。
[0052]
(3)每个批次产品项总数不能超过限定值a，对应的公式为：
[0053][0054]
其中，tq表示订单q的产品数目；a表示每个批次产品的项目总数限定值，其大小本领域技术人员可以根据需求自行设定，本实施例中设置为1000。
[0055]
(4)每个批次产品项的面积总和不能超过限定值b，对应的公式为：
[0056]
∑
n∈q
snλ
qp
≤b，1≤p≤p
[0057]
其中，sn表示产品n的面积；b表示每个批次产品的面积总和限定值，其大小本领域技术人员可以根据需求自行设定，本实施例中设置为250平方米。
[0058]
通过将部件面积和数目添加进约束条件的判断中，能够更加符合实际订单需求。
[0059]
s4：基于替换后的聚类结果，计算对应的批次订单生产中的原片利用率并存储，返回s2。
[0060]
为了能够实现订单组批优化，提高原材料的利用率，本实施例中将原片利用率最大作为目标函数，其计算公式为：其中，f表示原片利用率，m表示原片个数；l表示原片的长度；w表示原片的宽度。
[0061]
s5：计算存储的所有原片利用率中的最大值，并输出计算的最大值对应的聚类结果。
[0062]
上述每次迭代过程中均记录了一个原片利用率，从中提取最大值，其对应的聚类结果即为所需要的结果。
[0063]
为了验证本实施例方法的有效性，对企业提供的数据进行算例分析，分析结果如表1所示：
[0064]
表1
[0065][0066]
由表1可知，本实施例方法在解决大规模订单组批问题也能保持不错的利用率，证明了该算法的有效性。另外，根据聚类结果进行三阶段排样优化的可视化结果如图2所示。
[0067]
本发明实施例可以在保证原片利用率的情况下，替代原有人工编排带来的效率低和耗时长的组批模式。
[0068]
实施例二：
[0069]
本发明还提供一种订单组批优化终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
[0070]
进一步地，作为一个可执行方案，所述订单组批优化终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述订单组批优化终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述订单组批优化终端设备的组成结构仅仅是订单组批优化终端设备的示例，并不构成对订单组批优化终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述订单组批优化终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
[0071]
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述订单组批优化终端设备的控制中心，利用各种接口和线路连接整个订单组批优化终端设备的各个部分。
[0072]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述订单组批优化终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他
易失性固态存储器件。
[0073]
本发明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存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
[0074]
所述订单组批优化终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)以及软件分发介质等。
[0075]
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

技术特征：
1.一种订单组批优化方法，其特征在于，包括以下步骤：s1：初始设定订单数据中每一个订单作为一个类别；s2：计算订单数据中每两个类别之间的距离，并按照从小到大的顺序对所有距离进行排序，判断排序后的第一个距离是否大于预设的距离阈值，如果是，进入s5；否则，进入s3；s3：提取排序后的第一个距离对应的两个类别，将这两个类别合并为一个新类别，判断新类别中的所有订单是否均满足批次订单生产的约束条件，如果不满足，提取下一个距离对应的两个类别进行合并，直到满足，如果直到最后一个距离对应的两个类别进行合并后仍不满足，进入s5；如果满足，采用新类别替换原有的合并前的两个类别；s4：基于替换后的聚类结果，计算对应的批次订单生产中的原片利用率并存储，返回s2；s5：计算存储的所有原片利用率中的最大值，并输出计算的最大值对应的聚类结果。2.根据权利要求1所述的订单组批优化方法，其特征在于：步骤s2中计算两个类别之间的距离中采用类平均距离法进行计算。3.根据权利要求2所述的订单组批优化方法，其特征在于：在类平均距离法中计算两个订单之间的距离时，采用卡尔德距离进行计算，计算卡尔德距离时，采用两个订单中不同材质与所有材质的比例来衡量两个订单的区分度。4.根据权利要求1所述的订单组批优化方法，其特征在于：满足批次订单生产的约束条件包括：件包括：件包括：件包括：∑
n∈q
s
n
λ
qp
≤b，1≤p≤p其中，p表示批次的序号；p表示批次的总数；q表示订单的序号；q表示订单的总数；n表示产品的序号；i表示板材的序号；λ
qp
表示订单q是否属于批次p的标志，属于为1，不属于为0；u
ip
表示板材i是否属于批次p的标志，属于为1，不属于为0；表示产品n的材质类型；表示板材i的材质类型；γ
ni
表示产品n是否属于板材i的标志，属于为1，不属于为0；t
q
表示订单q的产品数目；a表示每个批次产品的项目总数限定值；b表示每个批次产品的面积总和限定值；s
n
表示产品n的面积。5.根据权利要求1所述的订单组批优化方法，其特征在于：原片利用率f的计算公式为：其中，p表示批次的序号；p表示批次的总数；n表示产品的序号；q表示订单的序号；s
n
表示产品n的面积；λ
qp
表示订单q是否属于批次p的标志，属于为1，不属于为0；m表示原片个数；l表示原片的长度；w表示原片的宽度。6.一种订单组批优化终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～5中任一所述方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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1～5中任一所述方法的步骤。

技术总结
本发明涉及一种订单组批优化方法、终端设备及存储介质，该方法中首先使用杰卡德相似性系数和类间平均距离来度量各个订单类之间的相似性，在计算相似性的时候，直接将部件面积和数目考虑进去；然后使用凝聚层次聚类算法将相似性最高并且符合约束条件的订单类合并成订单簇。本发明可以在保证原片利用率的情况下，替代原有人工编排带来的效率低和耗时长的组批模式。组批模式。组批模式。


技术研发人员：张惠臻 尤云付 叶铭 刘畅 冯文娟 潘玉彪 王成
受保护的技术使用者：华侨大学
技术研发日：2023.06.21
技术公布日：2023/9/9