一种基于联副产品分级分流消纳的配产控制方法及系统与流程
本发明涉及智能制造配产控制。具体地说是一种基于联副产品分级分流消纳的配产控制方法及系统。
背景技术:
1、传统汽车、家电、通用机械等离散装配制造属于一对一产出模式,投入既定零部件即可得到唯一对应的成品,生产产出可控性强。半导体、新能源、高端材料、精细化工等先进离散精密制造行业,其生产工艺具备区别于传统制造的固有特性,普遍存在联副产品固定伴生收率规律:原材料或在制品经单次加工后,受晶格分布、工艺波动、物理切割、化学反应等客观因素影响,必然按照固定比例同步生成多种规格、不同品质等级的联产品及副产品,工艺层面无法实现单一等级产品的定向量产。
2、在晶圆切片与封测工序中,硅晶圆加工后会自动分级产出高性能、标准、低功耗等不同档次芯片(gradea:高性能超频级512mb芯片、gradeb:标准级256mb芯片和gradec:低功耗级128mb芯片);锂电池电芯经化成、分容处理后,将划分出不同额定容量与内阻等级的电芯产品(如100ah 动力级电芯、98ah储能级电芯、95ah数码级电芯);多晶硅棒切割作业会同步产出硅片、边皮料与硅粉,各类产物的产出比例由设备与物料属性决定。
3、基于该特殊生产规律,企业生产计划与配产排产工作遭遇多重技术瓶颈。一方面,投料量与各等级产品产出深度耦合,若为保障高端产品加急订单而加大投料,会连带产生大量低等级产品,进而形成高额呆滞库存,占用企业流动资金并带来报废风险;若为管控库存而限制投产,则会直接导致高端订单交付逾期,产生违约损失,库存管控与订单交付形成典型的“跷跷板”难题。另一方面,车间内配置多种工艺路线,不同设备、工艺参数对应的产品收率、批次产量、最大产能均不相同,同时行业普遍允许高等级物料单向降级替代低等级物料使用,且该替代关系具备多级级联特征,进一步大幅增加了生产决策的复杂度。
4、现阶段主流解决方案均存在明显局限性:传统物料需求计划系统(mrp)、企业资源计划系统(erp)依赖静态经验系数估算、人工试算排产,无法在多工艺路由、伴生产出、多级替代的复杂约束下寻得全局最优方案;而通用的运筹优化求解器(如gurobi或cplex的大尺寸混合整数线性规划milp模型)由于变量维度和约束维度极高,在面对百万级订单规模时,求解计算时间长达数小时,根本无法满足what-if沙箱秒级推演的响应要求。
5、因此,亟需一种基于联副产品分级分流消纳的配产控制方法及系统,用以解决传统供应链排产中伴生产出比例计算缓慢、容易产生高额呆滞报废库存或交期重度延误的技术痛点,实现基于普通cpu服务器、毫秒级响应的多路由最佳投产批数与分配流联合优化。
技术实现思路
1、为此,本发明所要解决的技术问题在于提供一种基于联副产品分级分流消纳的配产控制方法及系统,用以解决传统供应链排产中伴生产出比例计算缓慢、容易产生高额呆滞报废库存或交期重度延误的技术痛点,实现基于普通cpu服务器、毫秒级响应的多路由最佳投产批数与分配流联合优化。
2、为解决上述技术问题,本发明提供如下技术方案:
3、一种基于联副产品分级分流消纳的配产控制方法,包括如下步骤:
4、步骤p1、获取所有伴生物料的父子对应关系、多种生产工艺路由以及各路由对应的伴生收率比例;
5、步骤p2、构建呆滞库存与交期延误的联合约束模型,用以确定优化目标与约束规则;
6、步骤p3、执行凸集正交投影梯度迭代求解算法,求解并输出最优投产决策;
7、步骤p4、将求解出的最佳投产批数、各时序段的物料流分配路由以及伴生消纳日志物理持久化至嵌入式列式数据库中,并以流式更新至控制塔的前端界面。
8、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p1中,将所有伴生物料的父子对应关系、多种生产工艺路由以及各路由对应的伴生收率比例以扁平化排布的数据结构形式存储在内存中。
9、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p1中,对于任意一种生产工艺路由r,定义一个产出比例向量,其中,表示工艺路由r每投产一个标准单位产出m品质等级物料的物理比例系数;
10、所述伴生收率比例为内嵌定长数组,用于一一映射产出比例向量内的比例系数。
11、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p2中,呆滞库存与交期延误的联合约束模型具体包括如下方面:
12、①、极小化时序呆滞库存惩罚与极小化交期延误惩罚的联合目标惩罚函数,表示为:
13、;
14、其中,为排产时间序列的某个时段;为物料种类集合;为t时段物料m的超产呆滞库存量;为t时段物料m的欠交交期延误量;为物料m的单位呆滞库存惩罚系数,用于反映库存持有成本与报废风险;为物料m的单位交期延误惩罚系数,用于反映订单未履约违约金;
15、②、对于每一时段t的每一物料m,其在库呆滞库存量与欠交交期延误量满足如下物理伴生平衡约束方程:
16、(2);
17、其中,为时段t中工艺路由r的投产批数;为物料m的工艺路由集合;为工艺路由r的单批次标准产出总量;为路由r产出等级物料m的物理伴生收率比例系数;为从高等级降级替代流入该物料的量;为降级替代流出到低等级物料的量;为时段t内,物料m的订单需求量;
18、③、单向降级替代约束满足:
19、(3)
20、其中,为在时段t内,物料m降级替代的实际分配量;表示的等级低于m;表示m的等级高于。
21、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p3中,凸集正交投影梯度迭代求解算法将多路由伴生收率比例约束与单向偏序替代约束转化为局部凸集上的正交投影算子,通过所述正交投影算子在校验迭代过程中修正可行解,快速收敛得到最优投产决策;
22、所述正交投影算子在迭代修正过程中,依次将临时投产决策向量投影至产能边界,再投影至采购比例和配额硬约束凸集,最后执行级联降级替代投影扣减。
23、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p3中,凸集正交投影梯度迭代求解算法的具体运行过程包括如下步骤:
24、步骤p3-1、初始化迭代参数;
25、步骤p3-2、基于联合目标惩罚函数计算当前轮次的梯度向量;
26、步骤p3-3、设定迭代自适应步长,沿着负梯度下降方向更新决策向量,得到临时投产向量;
27、步骤p3-4、产能可行域凸集正交投影;
28、步骤p3-5、分级单向降级投影扣减;
29、步骤p3-6、收敛性校验,输出最优投产决策。
30、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p3-1中,初始化迭代参数的具体过程为:令迭代轮次k=0,投产决策向量;
31、步骤p3-2中,当前轮次的梯度向量,其中,为第k轮次的梯度向量;表示第k轮次的投产决策向量;表示联合目标惩罚函数;
32、步骤p3-3中,所述自适应步长为,临时投产向量表示为:
33、(4);
34、步骤p3-4的具体过程为:将临时投产向量投影到非负可行域及机台最大产能上限可行域凸集c上,对于每一个工艺路由分量,投影算子的计算公式为:
35、(5);
36、其中,为工艺路由r的临时投产向量。
37、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p3-5的具体过程为:沿产品的等级偏序关系自高向低遍历,将高等级的富余产出贪婪投影至低等级的缺口上进行冲抵,自动计算出单向降级替代用分配量,更新各等级的结存状态;
38、步骤p3-6中,收敛性校验的具体过程为:计算相邻两轮决策向量的二范数残差:
39、(6);
40、若或迭代轮次达到设定上限,则停止迭代,输出当前为最优投产决策;反之,则令k=k+1,重复步骤p3-2至步骤p3-6继续求解,直至输出最优投产决策。
41、上述一种基于联副产品分级分流消纳的配产控制方法,步骤p3中,在计算执行期间采用预先分配的内存缓冲区以复用迭代数据,减少运行时的动态内存分配和数据拷贝开销,以提高计算效率。
42、一种基于联副产品分级分流消纳的配产控制系统,用于实施上述配产控制方法,包括:数据采集模块,用于获取所有伴生物料的父子对应关系、多种生产工艺路由以及各路由对应的伴生收率比例;
43、数据存储模块,用于将所有伴生物料的父子对应关系、多种生产工艺路由以及各路由对应的伴生收率比例以结构体数组格式扁平存储在内存中;
44、模型构建模块,用于构建呆滞库存与交期延误的联合约束模型;
45、求解计算模块,用于执行凸集正交投影梯度迭代求解算法,求解并输出最优投产决策;
46、内存缓冲模块,用于预先分配物理连续内存缓冲区,供求解计算模块存放迭代变量与中间数据,并在求解过程中禁止动态内存申请与垃圾回收操作;
47、数据持久化与可视化模块,配置有无锁列式appender管道,用于将求解计算模块输出的最佳投产批数、各时序段的物料流分配路由以及伴生消纳日志写入嵌入式列式数据库,并以流式更新至控制塔的前端界面,实现配产决策的落地存储与可视化管控。
48、本发明的技术方案取得了如下有益的技术效果:
49、本技术将数据采集、场景化建模、约束改造 + 轻量化迭代求解、数据存储可视化形成完整闭环流程;尤其针对伴生收率比例、单向替代两类特有约束,创新性转化为局部凸集正交投影,并依托投影梯度迭代在内存中快速计算,摆脱了重型求解器依赖,在严格遵循生产工艺规则的前提下,实现大规模配产方案秒级输出,兼顾方案可行性与实时性。
50、本技术以呆滞超产成本、交期延误成本为双重惩罚项构建联合目标规划模型,面向全量生产工艺路由与物料单向降级替代通道开展全局寻优,自动求解各路由最优投产批数。区别于单一路径局部优化模式,本技术统筹多条产线、多级物料的产出与流转关系,有效规避单路由生产造成的伴生物料积压、核心物料供给不足等极端生产问题,实现整体生产成本最低、交付状态最优的综合管控,适配联副产品多路由、多等级、可替代的复杂生产特性。
51、本技术摒弃传统混合整数线性规划(milp)重型求解器,创新性地采用适配多路由伴生收率比例约束的凸集正交投影迭代架构,将整体计算复杂度降至o(k)(k为迭代轮次)。算法收敛效率大幅提升,即便面对百万级订单的大规模排产场景,仍可实现毫秒级运算响应,摆脱了传统求解器分钟级等待的瓶颈,完全满足了工业现场实时排产、动态沙盘推演的使用需求。
52、本技术依托dod(data-oriented design面向数据设计)扁平内存与双缓冲架构,求解全程复用预分配的连续内存空间,不进行动态内存申请,彻底避免内存碎片。规整的内存布局显著提升了cpu缓存命中率,降低数据访问延迟,最大化硬件计算能力,保障了系统长时间的稳定高效运行。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com