一种高效智能定制家具订单排产方法、装置、介质及设备与流程

1.本发明涉及家具加工技术领域，更具体地说，涉及一种高效智能定制家具订单排产方法、装置、介质及设备。


背景技术：

2.随着人们的生活水平的提高，个性化定制家居开始走入人们的生活；定制家具也从原来的单品类定制生产，逐步向全屋定制生产模式发展。目前无论是小批量订单，还是大规模订单，往往都是通过经验丰富的计划人员从大量订单中选择合适的订单来组合成一个加工批次进行排产；在这个过程中，选择哪些试验组合完全是凭计划人员的经验；然而即使计划人员经验再丰富，也无法从大量订单中选择出最优的试验组合方案。并且随着订单规模越大，组合出一个加工批次所需要的工作量越大，耗时越长。但是个性化家居定制的交货期短，现有技术不能满足大规模生产的需求。
3.此外，现阶段定制家具的产品种类多样化发展，在复杂的生产过程中，将各类品种产品单独进行排产和生产，已不适应于当前定制家具的生产中；在家具智能制造领域，实现智能混合排产提高板材利用率与生产效率是必然趋势。因此，现亟待设计出一种可实现混合排产、降低人工成本和提高排产效率的定制家具排产方案。


技术实现要素：

4.为克服现有技术中的缺点与不足，本发明的目的在于提供一种高效智能定制家具订单排产方法、装置、介质及设备；其中方法可实现订单自动分解及自动排产功能，将各种类型零部件综合考虑来进行排产，可减轻排产人员的工作量，降低人工成本和提高排产效率，还可避免人工排产出现的错漏问题。
5.为了达到上述目的，本发明通过下述技术方案予以实现：一种高效智能定制家具订单排产方法，其特征在于：包括如下步骤：
6.s1步，获取新增订单，得到新增订单包含的家具设计图纸；
7.s2步，将新增订单根据家具设计图纸分别拆分成最小零部件，并标记出零部件信息；零部件信息包括零部件名称、零部件类别、颜色类别、尺寸、外轮廓类型、孔槽类型，以及对应订单的订单特征信息；订单特征信息包括订单号和交付日期；
8.s3步，将新增订单零部件、未排产零部件和返工零部件同时存储在待排产数据库中，并从待排产数据库中剔除退单订单零部件；
9.s4步，从待排产数据库中提取若干个零部件组合成初始试验组合，并将初始试验组合设定为初始化的待定组合；
10.s5步，对当前试验组合进行分析，得到评估得分；
11.s6步，判断当前试验组合是否为初始试验组合：
12.若是，则直接跳至s7步；
13.否则，将当前试验组合的评估得分与待定组合的评估得分进行比较：若当前试验
组合的评估得分高于待定组合的评估得分，则将待定组合更新为当前试验组合；若当前试验组合的评估得分低于或等于待定组合的评估得分，则保留原有待定组合；
14.s7步，判断是否继续循环：
15.若是，则提取出待排产数据库中部分零部件，来替换待定组合中部分未被替换过的零部件，以组合成新的试验组合；待定组合中被替换的零部件退回待排产数据库中；之后跳至s5步；
16.否则，将待定组合设定为优选组合，并以优选组合进行排产，待排产数据库中的零部件设定为未排产零部件。
17.优选地，所述的s2步中，将新增订单根据家具设计图纸分别拆分成最小零部件，是指：先将新增订单分拆为各个家具，再将各个家具根据家具设计图纸分拆为最小零部件，新增订单的零部件集合以i进行表示：
18.i＝{d
i
p
j
h
k
}(i＝1,2,3,
…
n，j＝1,2,3,
…
n，k＝1,2,3,
…
n)
19.其中d
i
表示订单号，p
j
表示家具名称，h
k
表示最小零部件。
20.优选地，所述s5步中，对当前试验组合进行分析，得到评估得分，是指：
21.首先，对当前试验组合进行组合合理程度分析，得到评分a：
22.a＝a1 a2 a3 a4 a5 a6 a7 a823.其中，a1表示零部件颜色类别得分；a2表示零部件同一类别得分；a3表示交付日期紧张程度得分；a4表示零部件数量得分；a5表示零部件尺寸相近程度得分；a6表示零部件类型相近程度得分；a7表示零部件外轮廓类型相近程度得分；a8表示零部件孔槽类型相近程度得分；
24.对试验组合进行生产能力进行分析，得到评分b：
25.b＝b1 b2 b3 b4 b526.其中，b1表示零部件对应物料充足程度得分；b2表示零部件对应加工设备安排合理程度得分；b3表示零部件对应生产工人安排合理程度得分；b4表示零部件对应加工设备产能效率得分；b5表示工时配合程度得分；
27.将评分a和评分b按设定权重相加得到评估得分：
28.score＝α
·
a (1
‑
α)
·
b
29.其中，α为折合因子。
30.优选地，在评分b中，b1获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别和尺寸计算出生产所需物料及各物料数量；将计算出生产所需物料及各物料数量与物料数据库中物料库存量进行比较，得到零部件对应物料充足程度得分b1；
31.b2获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产所需加工设备；获取生产所需加工设备的排产情况，从而得到零部件对应加工设备安排合理程度得分b2；
32.b3获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产对应加工工位；获取生产对应加工工位的工人排班情况，从而得到零部件对应生产工人安排合理程度得分b3；
33.b4获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产所需加工设备；获取生产所需加工设备的生产情况，将生产所
需加工设备的实际产量加上试验组合预计产量之后与加工设备设计产量相比，得到零部件对应加工设备产能效率得分b4；
34.b5获取方法为：计算试验组合中所有零部件在生产所需加工设备或生产对应加工工位的预计生产时长，从而得到工时配合程度得分b5。
35.优选地，所述s7步中，判断是否继续循环是指：判断待定组合的评估得分：若待定组合的评估得分高于设定的最优评估得分，或者连续n代试验组合的评估得分的均值与当前试验组合的评估得分之间的方差均小于设定阈值，则结束循环；否则继续循环。
36.优选地，所述s7步中，提取待排产数据库中部分零部件，是指：分别对待排产数据库中的每一个零部件进行优先级判断；提取待排产数据库中优先级最高的部分零部件；
37.所述s7步中，替换的零部件比例少于或等于上一次替换的零部件比例。
38.优选地，设立包括若干规则单元的专家系统知识库；所述s4步中，选定专家系统知识库中一个以上规则单元，根据选定的规则单元来从待排产数据库中提取若干个零部件组合成初始试验组合；
39.在s7步得到优选组合之后，根据优选组合对专家系统知识库的规则单元进行更新，或生成新的规则单元并添加到专家系统知识库中。
40.专家系统知识库可设定大量排产规则，包含了排产知识和经验以及每次得到优选组合所提取出的特征，因此结合专家系统知识库来组合出初始试验组合，可以获得接近优选组合的方案，极大的缩短了求解优选组合的时间。
41.一种高效智能定制家具订单排产装置，其特征在于，包括：
42.订单获取模块，用于获取新增订单，得到新增订单包含的家具设计图纸；
43.订单分解模块，用于将新增订单根据家具设计图纸分别拆分成最小零部件，并标记出零部件信息；零部件信息包括零部件名称、零部件类别、颜色类别、尺寸、外轮廓类型、孔槽类型，以及对应订单的订单特征信息；订单特征信息包括订单号和交付日期；
44.待排产数据库处理模块，用于将新增订单零部件、未排产零部件和返工零部件存储在待排产数据库中，并从待排产数据库中剔除退单订单零部件；
45.试验组合初始化模块，用于从待排产数据库中提取若干个零部件组合成初始试验组合，并将初始试验组合设定为初始化的待定组合；
46.试验组合更新模块，用于提取出待排产数据库中部分零部件，来替换待定组合中部分未被替换过的零部件，以组合成新的试验组合；待定组合中被替换的零部件退回待排产数据库中；
47.组合评分模块，用于对当前试验组合进行分析，得到评估得分；
48.评分比较模块，用于将当前试验组合的评估得分与待定组合的评估得分进行比较：若当前试验组合的评估得分高于待定组合的评估得分，则将待定组合更新为当前试验组合；若当前试验组合的评估得分低于或等于待定组合的评估得分，则保留原有待定组合；
49.输出模块，用于当结束循环时，将待定组合设定为优选组合，并以优选组合进行排产，待排产数据库中的零部件设定为未排产零部件。
50.一种存储介质，其特征在于，其中所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述高效智能定制家具订单排产方法。
51.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在
于，所述处理器执行存储器存储的程序时，实现上述高效智能定制家具订单排产方法。
52.与现有技术相比，本发明具有如下优点与有益效果：
53.1、本发明可实现订单自动分解及自动排产功能，将各种类型零部件综合考虑来进行排产，可减轻排产人员的工作量，降低人工成本和提高排产效率，还可避免人工排产出现的错漏问题；
54.2、本发明对试验组合的分析包括组合合理程度和生产能力两方面分析，既考量生产便捷程度和高效运作，又兼顾各个加工设备的负荷能力和生产工人的工作量，使加工设备和生产工人得到合理安排；可有效提高生产效率；
55.3、本发明设立专家系统知识库来辅助零部件组合排产和优化，可进一步提高排产效率和得到更优的排产结果。
附图说明
56.图1是本发明高效智能定制家具订单排产方法的流程图；
57.图2是本发明高效智能定制家具订单排产方法中待排产数据库的结构示意图。
具体实施方式
58.下面结合附图与具体实施方式对本发明作进一步详细的描述。
59.实施例一
60.如图1所示，本实施例一种高效智能定制家具订单排产方法，包括如下步骤：
61.s1步，获取新增订单，得到新增订单包含的家具设计图纸。
62.s2步，将新增订单根据家具设计图纸分别拆分成最小零部件，并标记出零部件信息；零部件信息包括零部件名称、零部件类别、颜色类别、尺寸、外轮廓类型、孔槽类型，以及对应订单的订单特征信息；订单特征信息包括订单号和交付日期。
63.具体地说，先将新增订单分拆为各个家具，再将各个家具根据家具设计图纸分拆为最小零部件，新增订单的零部件集合以i进行表示：
64.i＝{d
i
p
j
h
k
}(i＝1,2,3,
…
n，j＝1,2,3,
…
n，k＝1,2,3,
…
n)
65.其中d
i
表示订单号，p
j
表示家具名称，h
k
表示最小零部件。
66.以一个订单为例，该订单包括：床头柜、衣柜和木椅子。先将订单拆分为床头柜、衣柜和木椅子，对床头柜、衣柜和木椅子分别进行分拆，i＝{d1p1h1(床头柜底板)，d1p1h2(床头柜背板)，d1p1h3(床头柜隔板)，d1p1h4(床头柜顶板)，d1p1h5(床头柜左右侧板)，d1p2h1(衣柜宽侧板)，d1p2h2(衣柜背板)，d1p2h3(衣柜底板)，d1p2h4(衣柜顶板)，d1p2h5(衣柜双连杆)，d1p2h6(衣柜单连杆)，d1p2h7(衣柜l型板)，d1p2h7(衣柜三节轨)，d1p3h1(木椅背板)，d1p3h2(木椅座板)，d1p3h3(木椅腿)}。
67.s3步，将新增订单零部件、未排产零部件和返工零部件同时存储在待排产数据库中，并从待排产数据库中剔除退单订单零部件，如图2所示。该方式可保持待排产数据库中的零部件与实际生产需求动态变化的一致性。
68.s4步，从待排产数据库中提取若干个零部件组合成初始试验组合，并将初始试验组合设定为初始化的待定组合。
69.s5步，对当前试验组合进行分析，得到评估得分。
70.具体地说，首先，对当前试验组合进行组合合理程度分析，得到评分a：
71.a＝a1 a2 a3 a4 a5 a6 a7 a872.其中，a1表示零部件颜色类别得分，颜色类别数量越少，a1越高；a2表示零部件同一类别得分，同一零部件类别中的零部件数量越多，a2越高；a3表示交付日期紧张程度得分，零部件交付日期越紧张，a3越高；a4表示零部件数量得分，零部件数量越多，a4越高；a5表示零部件尺寸相近程度得分，零部件尺寸越相近，a5越高；a6表示零部件类型相近程度得分，零部件类型越相近，a6越高；a7表示零部件外轮廓类型相近程度得分，零部件外轮廓类型越相近，a7越高；a8表示零部件孔槽类型相近程度得分，零部件孔槽类型越相近，a8越高；
73.对试验组合进行生产能力进行分析，得到评分b：
74.b＝b1 b2 b3 b4 b575.其中，b1表示零部件对应物料充足程度得分；b2表示零部件对应加工设备安排合理程度得分；b3表示零部件对应生产工人安排合理程度得分；b4表示零部件对应加工设备产能效率得分；b5表示工时配合程度得分；
76.b1获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别和尺寸计算出生产所需物料及各物料数量；将计算出生产所需物料及各物料数量与物料数据库中物料库存量进行比较，得到零部件对应物料充足程度得分b1；物料越充足，b1越高；
77.b2获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产所需加工设备；获取生产所需加工设备的排产情况，从而得到零部件对应加工设备安排合理程度得分b2；加工设备待加工批次越少，则b2越高；
78.b3获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产对应加工工位；获取生产对应加工工位的工人排班情况，从而得到零部件对应生产工人安排合理程度得分b3；生产工人待加工批次越少，则b3越高；
79.b4获取方法为：通过试验组合中各个零部件的零部件类别、颜色类别、尺寸、外轮廓类型和孔槽类型得到生产所需加工设备；获取生产所需加工设备的生产情况，将生产所需加工设备的实际产量加上试验组合预计产量之后与加工设备设计产量相比，得到零部件对应加工设备产能效率得分b4；比值越接近100％，则b4越高；
80.b5获取方法为：计算试验组合中所有零部件在生产所需加工设备或生产对应加工工位的预计生产时长，从而得到工时配合程度得分b5；
81.之后，将评分a和评分b按设定权重相加得到评估得分：
82.score＝α
·
a (1
‑
α)
·
b
83.其中，α为折合因子，可根据实际情况适当调整折合因子。
84.s6步，判断当前试验组合是否为初始试验组合：
85.若是，则直接跳至s7步；
86.否则，将当前试验组合的评估得分与待定组合的评估得分进行比较：若当前试验组合的评估得分高于待定组合的评估得分，则将待定组合更新为当前试验组合；若当前试验组合的评估得分低于或等于待定组合的评估得分，则保留原有待定组合。
87.s7步，判断是否继续循环；具体是指：判断待定组合的评估得分：若待定组合的评估得分高于设定的最优评估得分，或者连续n代试验组合的评估得分的均值与当前试验组合的评估得分之间的方差均小于设定阈值，则结束循环；否则继续循环；
88.若是继续循环，则分别对待排产数据库中的每一个零部件进行优先级判断；提取待排产数据库中优先级最高的部分零部件，来替换待定组合中部分未被替换过的零部件，以组合成新的试验组合；替换的零部件比例少于或等于上一次替换的零部件比例；待定组合中被替换的零部件退回待排产数据库中；之后跳至s5步；
89.若不继续循环，则将待定组合设定为优选组合u＝{d
i
p
j
h
k
,
……
}，并以优选组合进行排产，待排产数据库中的零部件设定为未排产零部件。
90.为实现本实施例所述的方法，本实施例提供一种高效智能定制家具订单排产装置，包括：
91.订单获取模块，用于获取新增订单，得到新增订单包含的家具设计图纸；
92.订单分解模块，用于将新增订单根据家具设计图纸分别拆分成最小零部件，并标记出零部件信息；零部件信息包括零部件名称、零部件类别、颜色类别、尺寸、外轮廓类型、孔槽类型，以及对应订单的订单特征信息；订单特征信息包括订单号和交付日期；
93.待排产数据库处理模块，用于将新增订单零部件、未排产零部件和返工零部件存储在待排产数据库中，并从待排产数据库中剔除退单订单零部件；
94.试验组合初始化模块，用于从待排产数据库中提取若干个零部件组合成初始试验组合，并将初始试验组合设定为初始化的待定组合；
95.试验组合更新模块，用于提取出待排产数据库中部分零部件，来替换待定组合中部分未被替换过的零部件，以组合成新的试验组合；待定组合中被替换的零部件退回待排产数据库中；
96.组合评分模块，用于对当前试验组合进行分析，得到评估得分；
97.评分比较模块，用于将当前试验组合的评估得分与待定组合的评估得分进行比较：若当前试验组合的评估得分高于待定组合的评估得分，则将待定组合更新为当前试验组合；若当前试验组合的评估得分低于或等于待定组合的评估得分，则保留原有待定组合；
98.输出模块，用于当结束循环时，将待定组合设定为优选组合，并以优选组合进行排产，待排产数据库中的零部件设定为未排产零部件。
99.实施例二
100.本实施例一种高效智能定制家具订单排产方法，与实施例一的区别在于：本实施例中，设定包括若干规则单元的专家系统知识库；在s4步中，选定专家系统知识库中一个以上规则单元，根据选定的规则单元来从待排产数据库中提取若干个零部件组合成初始试验组合；
101.在s7步得到优选组合之后，根据优选组合对专家系统知识库的规则单元进行更新，或生成新的规则单元并添加到专家系统知识库中。
102.专家系统知识库可以包括：完成期限规则单元、工序选择规则单元、资源选择规则单元、最大化设备利用率规则单元、最小化任务等待时间规则单元、最小化加工间隔规则单元等。
103.专家系统知识库可设定大量排产规则，包含了排产知识和经验以及每次得到优选组合所提取出的特征，因此结合专家系统知识库来组合出初始试验组合，可以获得接近优选组合的方案，极大的缩短了求解优选组合的时间。在求解出优选组合后，对规则进行归纳和调整，不断迭代优化和完善专家系统知识库。
104.本实施例其余方案与实施例一相同。
105.实施例三
106.本实施例一种存储介质，其中所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行实施例一或实施例二所述的高效智能定制家具订单排产方法。
107.实施例四
108.本实施例一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现实施例一或实施例二所述的高效智能定制家具订单排产方法。
109.上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。