订单处理方法和装置与流程

1.本技术涉及数据处理技术领域，尤其涉及一种订单处理方法和装置。


背景技术：

2.随着社会经济的快速发展，很多制造企业均会同时存在大量需要处理的订单。由于企业物料供给通常比较有限，因此，企业需要对订单进行优先级排序，以决定哪些订单可以优先使用物料。
3.由于多个订单之间存在物料资源的相互竞争，因此，在多个订单的优先级排序不同时，物料到订单的分配方式也会存在变化。而物料到订单的分配方式又会影响到多个订单对应的整体产量、交期达成率以及利润等关键指标。然而，在订单数量较大的情况下，订单的优先级排序的组合方式也会较多，难以通过遍历的方式找出使得关键指标较优的订单优先级排序，因此，如何确定出能够优化整体关键指标的订单优先级排序是本领域技术人员迫切需要解决的技术问题。


技术实现要素：

4.本技术提供了一种订单处理方法和装置。
5.其中，一种订单处理方法，包括：
6.获得待处理的多个订单，每个订单包括多种属性特征的特征值；
7.按照所述多种属性特征，构建符合遗传规划算法的订单评分树，所述订单评分树中包括所述多种属性特征之间的逻辑运算关系；
8.基于所述订单的多种属性特征的特征值，并依据所述订单评分树中多种属性特征之间的逻辑运算关系，确定所述订单的订单评分；
9.结合所述订单的订单评分，确定所述多个订单的订单排序；
10.基于所述订单排序以及配置的物料配置信息和评价指标信息，对所述多个订单进行物料匹配与指标评分的仿真运算，得到所述多个订单的综合指标评分；
11.以所述综合指标评分最优为目标，采用遗传规划算法优化所述订单评分树中的逻辑运算关系，直至所述综合指标评分最优，得到综合指标评分最优的情况下的目标订单排序。
12.在一种可能的实现方式中，所述按照所述多种属性特征，构建符合遗传规划算法的订单评分树，包括：
13.确定所述多种属性特征中属于数值型的至少一个第一属性特征和不属于数值型的至少一个第二属性特征；
14.结合所述至少一个属性特征和所述至少一个第二属性特征，构建符合遗传规划算法的订单评分树，所述订单评分树包括逻辑运算关系为相乘的逻辑型分支树和数值型分支树，所述逻辑型分支树包括所述至少一个第一属性特征的逻辑运算关系，所述数值型分支树包括所述至少一个第二属性特征的逻辑运算关系；
15.所述以所述综合指标评分最优为目标，采用遗传规划算法优化所述订单评分树中的逻辑运算关系，包括：
16.以所述综合指标评分最优为目标，采用遗传规划算法优化所述逻辑型分支树和数值型分支树中的逻辑运算关系。
17.在又一种可能的实现方式中，所述订单的多种属性特征包括订单的客户级别；
18.所述确定所述多种属性特征中属于数值型的至少一个第一属性特征和不属于数值型的至少一个第二属性特征，包括：
19.从所述多种属性特征中，确定所述客户级别之外且属于数值型的至少一个第一属性特征，以及所述客户级别之外且不属于数值型的至少一个第二属性特征；
20.所述订单评分树包括：适用于客户级别低于设定级别的第一评分树以及适用于客户级别不低于设定级别的第二评分树，所述第一评分树包括第一逻辑型分支树和第一数值型分支树，所述第二评分树包括第二逻辑型分支树和第二数值型分支树，所述第一逻辑型分支树和第二逻辑型分支树均包括至少一个第一属性特征的逻辑运算关系，所述第一数值型分支树和第二数值型分支树均包括至少一个第二属性特征的逻辑运算关系；
21.所述基于所述订单的多种属性特征的特征值，并依据所述订单评分树中多种属性特征之间的逻辑运算关系，确定所述订单的订单评分，包括：
22.如果所述订单的客户级别低于所述设定级别，基于所述订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据所述第一评分树中第一逻辑型分支树和第一数值型分支树中的逻辑运算关系，确定所述订单的订单评分；
23.如果所述订单的客户级别不低于所述设定级别，基于所述订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据所述第二评分树中第二逻辑型分支树和第二数值型分支树中的逻辑运算关系，确定所述订单的订单评分。
24.在又一种可能的实现方式中，还包括：
25.获得所述综合指标评分最优时对应的综合指标评分，输出所述综合指标评分；
26.获得所述综合指标评分最优时得到的订单评分树，输出所述订单评分树的结构图。
27.在又一种可能的实现方式中，所述订单的多种属性特征的特征值包括：所述订单对应的生产产品的产品生产数量以及所述订单的收入特征；
28.所述订单还包括至少一个分批特征；
29.所述方法还包括：
30.确定多个订单的分批处理所需依据的至少一种目标分批特征；
31.基于所述订单包括的至少一种分批特征，从所述多个订单中，分别确定每种目标分批特征的订单集，目标分批特征的订单集中包括与所述目标分批特征匹配的至少一个订单；
32.结合所述订单的产品生产数量以及收入特征，确定所述多个订单的订单总数、产品生产总数量以及订单总收入；
33.按照所述目标分批特征的订单集中每个订单的产品生产数量和收入特征以及所述订单集中订单的订单数量，并结合所述订单总数、产品生产总数以及订单总收入，确定所述目标分批特征对应的订单集的分批优先评分；
34.按照所述订单集的分批优先评分，确定所述至少一种目标分批特征的订单集对应的批次优先级。
35.在又一种可能的实现方式中，在所述得到综合指标评分最优的情况下的目标订单排序之后，还包括：
36.获得所述多个订单的排程数据，所述排程数据为结合所述目标订单排序，对所述多个订单拆分出的多个工单进行排程所得到的排程结果数据，所述排程数据包括：不同生产线在目标计划时段的各子时段内所需执行工单的信息；
37.基于所述排程数据，展示重排调整界面，所述重排调整界面至少包括：工单排程图以及重排设置区，工单排程图包括每种生产线在所述目标计划时段的各子时段内计划生产的工单的指示图；
38.获得用户在所述重排设置区内设定的重排程约束数据，所述重排程约束数据包括：用于调整排程数据的至少一种排程约束参数；
39.基于用户在工单排程图中选择的目标工单、所述至少一种排程约束参数以及排程数据，确定所述目标工单所能调整到的至少一个候选生产线以及所述候选生产线中至少一个候选子时段；
40.在所述工单排程图中标示出所述至少一个候选生产线中的候选子时段；
41.基于用户在所述工单排程图中选择的目标候选生产线中的目标候选子时段，将所述目标工单调整到所述目标候选生产线中的所述目标候选子时段，以完成所述目标工单的重排程，得到所述排程数据对应的重排程数据。
42.其中，一种订单处理装置，包括：
43.订单获得单元，用于获得待处理的多个订单，每个订单包括多种属性特征的特征值；
44.遗传树构建单元，用于按照所述多种属性特征，构建符合遗传规划算法的订单评分树，所述订单评分树中包括所述多种属性特征之间的逻辑运算关系；
45.订单评分单元，用于基于所述订单的多种属性特征的特征值，并依据所述订单评分树中多种属性特征之间的逻辑运算关系，确定所述订单的订单评分；
46.订单排序单元，用于结合所述订单的订单评分，确定所述多个订单的订单排序；
47.仿真运算单元，用于基于所述订单排序以及配置的物料配置信息和评价指标信息，对所述多个订单进行物料匹配与指标评分的仿真运算，得到所述多个订单的综合指标评分；
48.综合优化单元，用于以所述综合指标评分最优为目标，采用遗传规划算法优化所述订单评分树中的逻辑运算关系，直至所述综合指标评分最优，得到综合指标评分最优的情况下的目标订单排序。
49.由以上可知，在本技术中会按照订单具有的多种属性特征，构建符合遗传规划算法的订单评分树，利用该订单评分树可以分别确定出各订单的订单评分，基于订单评分确定多个订单的订单排序。在此基础上，基于订单排序进行物料与指标评分的仿真运算，并确定仿真运算得到的综合指标评分，使得综合指标评分能够反映订单排序下的物料分配所产生的影响。
50.而且，本技术会利用遗传规划算法不断优化订单评分树中的逻辑运算关系，以不
断重新优化多个订单的订单排序，直至综合指标评分达到最优，从而综合了不同订单排序下的物料分配对指标优化的影响，最终确定使得综合指标评分最优的订单排序，进而能够较为准确和可靠的确定最优的订单排序。
附图说明
51.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
52.图1示出了本技术实施例提供的订单处理方法的一种流程示意图；
53.图2示出了本技术实施例提供的符合遗传规划算法的订单评分树的一种结构示意图；
54.图3示出了本技术实施例提供的订单处理方法的又一种流程示意图；
55.图4示出了本技术实施例提供的符合遗传规划算法的订单评分树的又一种结构示意图；
56.图5示出了本技术实施例提供的订单处理方法中确定订单分批的一种流程示意图；
57.图6示出了本技术实施例提供的订单处理方法中工单重排程的一种流程示意图；
58.图7示出了本技术实施例中提供的重排调整界面的一种示意图；
59.图8示出了本技术实施例中提供的工单重排程的一种操作界面的示意图；
60.图9示出了本技术实施例中调整工单排程的一种界面示意图；
61.图10示出了本技术实施例提供的订单处理装置的一种组成结构示意图；
62.图11示出了本技术实施例提供的电子设备的一种组成架构示意图。
具体实施方式
63.本技术的方案中适用于制造企业中存在的一些订单的处理，如供应商对不同客户的多个订单的处理。
64.本技术中，订单的处理可以涉及到确定使得综合评价指标最优的订单排序，还会涉及到确定订单的分批以及订单划分出的工单的排程与重排程等。
65.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
66.如图1所示，其示出了本技术一种订单处理方法的一种流程示意图，本实施例的方法可以应用于任意具备数据处理能力的电子设备。
67.本实施例的方法可以包括：
68.s101，获得待处理的多个订单。
69.其中，每个订单包括多种属性特征的特征值。
70.可以理解的是，订单是客户提供给供应商，以向供应商请求相应产品的订单，当
然，也可能是其他形式的订单，对此不加限制。例如，订单可以为客户向供应商下发的需要生产或者制造相关产品的订单。
71.其中，订单的属性特征是指表征订单具有的内容以及来源等相关信息。一般情况下，订单都具有多个不同维度的属性特征，属性特征的特征值为该属性特征下的具体取值。
72.如，订单的属性特征可以包括：订单的创建日期、订单的交期时间、订单的收入、订单的利润以及订单的客户类型等信息中的一种或者几种。
73.可以理解的是，需要排序的订单一般都是相同类型的订单，如需要利用同一车间或者需要生产相同产品的订单等，因此，每个订单具有的属性特征的种类也是相同的。
74.s102，按照多种属性特征，构建符合遗传规划算法的订单评分树。
75.订单评分树中包括多种属性特征之间的逻辑运算关系。
76.其中，遗传规划算法是一种优化算法，本技术是利用遗传规划算法的树结构来进行综合评价指标的优化。
77.基于此，本技术中订单评分树为遗传规划算法下的一种树型结构，不过在该订单评分树中每个订单的属性特征，而不同属性特征的节点之间通过逻辑运算符建立关联，从而使得订单评分树可以表征出订单的多种属性特征之间的逻辑关系。可见，一个订单评分树表示的订单中多个属性特征之间的一个函数。
78.如图2，其示出了本技术的订单评分树的一种组成结构示意图。
79.由图2可以看出，订单评分树中最底层为多个属性特征节点201，每个属性特征节点表征订单的一种属性特征，两个属性特征之间通过一种逻辑运算关系建立联系，如图中订单评分树中标示有“运算”的运算节点202代表一种逻辑运算关系，不同运算节点对应的逻辑运算关系不同，如，逻辑运算关系可以包括：乘法、除法以及加法等等各种数学运算，对此不加限制。
80.可以理解的是，在初始构建出的订单评分树中各运算节点的逻辑运算关系可以是随机设定的，后续在不断优化过程中会不断调整各个运算节点所表征的逻辑运算关系，从而得到能够准确评价订单评分的订单评分树。
81.s103，基于订单的多种属性特征的特征值，并依据订单评分树中多种属性特征之间的逻辑运算关系，确定订单的订单评分。
82.可以理解的是，订单评分树表征的就是一种函数，在函数中各种属性特征及其逻辑运算关系确定的情况下，如果得到多种属性特征中的特征值便可以最终得到该订单评分树的输出结果。
83.相应的，本技术按照订单评分树中各个属性特征的节点分布，依次将订单的各个属性特征的特征值输入到相应节点，然后经过订单评分树中各层逻辑关系运算，最终会得到该订单评分树输出的一个评分。
84.如图2中的订单评分树中，假设最左侧的属性特征节点为订单的交期日期，则需要将订单的交期日期的具体取值输入到该属性特征节点中，其他属性特征节点也类似。在此基础上，对各个属性特征的特征值经过订单评分树中多级逻辑运算，最终该订单评分树中最顶部的运算节点输出的结果就是订单评分。
85.可以理解的是，在本技术中订单中某些属性特征的特征值可能是字符串数值，比如，客户是否为重要客户，在该种情况下，可以将属性特征的特征值转换为逻辑型的数值，
例如，根据客户是否为重要客户，可以将这一属性特征的特征值转换为0或者1，对于交期日期或者其他特征值不属于数值型的特征属性，同样可以按照设定的转换规则，将属性特征的特征值转换为能够表征其特征值含义的逻辑型数值即可。
86.当然，如果在步骤s101获得多个订单时，订单的各属性特征的特征值已经经过转换而无需执行此操作。
87.s104，结合订单的订单评分，确定多个订单的订单排序。
88.其中，订单排序是指多个订单的排序结果。
89.可以理解的是，订单排序反映的是订单的物料分配先后顺序。考虑到大部分物料分配过程是按照订单排序从前到后的顺序依次为订单分配物料，因此，本技术中可以按照订单评分从高到低的顺序，对多个订单进行排序，得到订单排序。
90.当然，如果按照订单顺序从后向前的顺序来分配物料，本技术也可以是按照订单评分从低到高的顺序对多个订单排序。
91.s105，基于订单排序以及配置的物料配置信息和评价指标信息，对多个订单进行物料匹配与指标评分的仿真运算，得到多个订单的综合指标评分。
92.其中，评价指标信息可以包括至少一个评价指标，还可以包括至少一个评价指标的权重信息。评价指标是指评价完成这多个订单完成情况好坏的评价标准，也是优化多个订单排序的优化参数指标。
93.可以理解的是，根据实际需求不同，可以设定所需优化的评价指标。如，本技术中评价指标可以包括交期达成率、订单的总收入和订单的总利润等等关键指标中的一种或者几种。其中，交期达成率是指各个订单按时交期的比例。订单的总收入是指多个订单所能产生的总收入，总利润也类似。
94.可以理解的是，由于订单排序不同，向多个订单分配物料的方式也会有所不同，例如，排序靠前的订单会优先保证物料供给与分配，而排序靠后的订单则可能会存在物料不足的情况。可见，而订单分配到的物料不同，则会影响到订单所能产生的实际收入以及交期达成率等等指标。因此，为了确定出在某一订单排序下，多个订单的综合指标评分，需要确定该订单排序下物料分配方式以及在该物料分配方式下各个评价指标的评分情况。
95.基于此，本技术为了能够最终确定综合指标评分会进行仿真运算。此处的仿真运算是指基于该订单排序模拟对该多个订单进行物料分配，以及结合各个订单分配的物料进行评价指标评分的模拟计算。
96.在一种可能的实现方式中，该步骤的仿真运算包括：物料匹配仿真以及综合指标评分的模拟计算两部分。
97.其中，物料匹配仿真可以结合物料配置信息以及确定出的订单排序，对多个订单中每个订单的物料匹配与分配进行仿真，得到每个订单可分配的物料分配信息。其中，物料配置信息可以为可提供给该多个订单的物料种类以及数量等物料信息。
98.如，结合物料配置信息，按照订单排序依次确定待分配物料的订单，针对该订单，可以按照该订单的物料需求情况以及剩余可用的物料信息，确定可为该订单分配的物料信息，直至完成所有订单的物料分配。
99.综合指标评分的模拟计算可以各个订单所分配的物料信息，确定至少一个评价指标各自的评分。在此基础上，结合该至少一个评价指标各自的评分，以及至少一个评价指标
的权重信息，可以确定出综合指标评分。
100.如，以评价指标为订单总收入为例说明，订单的总收入是指在当前订单排序下，结合订单的物料分配情况确定出的多个订单所能产生的总收入。例如结合各个订单分配的物料，以及每个订单的收入信息，可以模拟在该订单排序下各个订单的实际收入，然后结合模拟出的各个订单的实际收入，可以得到多个订单的总收入。
101.当然，此处是以订单总收入为例，如果评价指标只有这一种，那么订单总收入就是综合评价指标。如果存在多个不同的评价指标，可以结合各评价指标的权重，对各个评价指标进行加权求和，得到综合评价指标。
102.s106，以综合指标评分最优为目标，采用遗传规划算法优化订单评分树中的逻辑运算关系，直至综合指标评分最优，得到综合指标评分最优的情况下的目标订单排序。
103.可以理解的是，在优化综合指标评分的过程实际上也是利用遗传规划算法优化订单评分树的逻辑运算关系，并结合优化后的订单评分树重新计算各个订单的评分，并重新优化订单排序的过程。
104.在重新优化订单排序之后，需要结合优化后确定出的订单排序，重新确定综合指标评分，如果综合指标评分已经达到最优，则将最后一次确定出的订单排序确定为最优的订单排序；如果该综合指标评分尚未达到最优，则仍需基于遗传规划算法调整订单评分树中的逻辑运算关系，并重新计算订单评分以及优化订单排序等操作，如此不断循环，直至综合评价指标达到最优。
105.其中，确定综合评价指标最优的具体实现也可以有多种可能。
106.如，在一种实现方式中，可以在综合评价指标收敛时，确定综合评价指标达到最优，如，连续多次循环过程中，综合评价指标评分保持不断或者变化幅值小于设定值。
107.在又一种可能的实现方式中，可以在优化调整次数(也就是循环次数)达到设定次数时，确定综合评价指标达到最优。如，每次采用遗传规划算法优化订单评分树中的逻辑运算关系之后，将优化调整次数加一，如果该优化调整次数达到设定次数，则确定综合评价指标达到最优。
108.由以上可知，在本技术中会按照订单具有的多种属性特征，构建符合遗传规划算法的订单评分树，利用该订单评分树可以分别确定出各订单的订单评分，基于订单评分确定多个订单的订单排序。在此基础上，基于订单排序进行物料与指标评分的仿真运算，并确定仿真运算得到的综合指标评分，使得综合指标评分能够反映订单排序下的物料分配所产生的影响。
109.而且，本技术会利用遗传规划算法不断优化订单评分树中的逻辑运算关系，以不断重新优化多个订单的订单排序，直至综合指标评分达到最优，从而综合了不同订单排序下的物料分配对指标优化的影响，最终确定使得综合指标评分最优的订单排序，进而能够较为准确和可靠的确定最优的订单排序。
110.另外，本技术中可以根据需要设定物料配置信息以及评价指标信息，因此，用户可以根据实际生产情况配置物料信息，并结合实际需求设置评价指标及其权重情况，使得本案可以灵活应用于不同生产情况。
111.可以理解的是，在本技术中，为了使得用户能够直观了解到最优的目标订单排序综合指标评分的具体评分如何，本技术还可以获得综合评价指标评分最优时对应的综合指
标评分，并输出最优的综合指标评分。
112.当然，本技术还可以获得综合指标评分最优时，各个评价指标的评分，并输出最优的综合指标评分对应的各个评价指标的评分，使得用户能够更为详细的了解到在当前确定的最优订单排序下，各项评价指标的情况。
113.可以理解的是，用户除了关心最优的订单排序下综合指标评分的情况，还可能希望了解到确定出最优的订单排序的具体函数逻辑等。基于此，本技术还可以在确定出最优的该目标订单排序之后，获得该综合评价指标评分最优时得到的订单评分树，即确定出综合评价指标最优时，优化得到的订单评分树的结构图。相应的，本技术还可以输出最终优化得到的订单评分树的结构图，使得用户根据该结构图可以确定得到优化后的目标订单排序的具体实现原理等信息。
114.可以理解的是，订单的属性特征中有些是数值型的属性特征，有些是非数值型的属性特征，由于这两类属性特征在特征值的差异性，如果这两类属性特征混合进行逻辑关系运算，很可能会影响到订单评分的准确性。
115.为了能够进一步准确确定出表征订单所适合的排序顺序的订单评分，在本技术中，构建的订单评分树可以包括适合数值型的属性特征的分支树，和适合非数值型的属性特征的分支树。
116.具体的，本技术在获得多个订单之后，针对订单所具有的多种属性特征，可以确定该多种属性特征中属于数值型的至少一个第一属性特征和不属于数值型的至少一个第二属性特征。
117.相应的，可以结合该至少一个属性特征和至少一个第二属性特征，构建符合遗传规划算法的订单评分树。其中，该订单评分树包括逻辑运算关系为相乘的逻辑型分支树和数值型分支树，且，该逻辑型分支树包括该至少一个第一属性特征之间的逻辑运算关系，该数值型分支树包括该至少一个第二属性特征之间的逻辑运算关系。
118.其中，属于数值型的属性特征(也可以称为算术型属性特征)是指特征值的数据类型为数值的属性特征。如，属性特征为收入或者利润时，由于收入或者利润的取值为具体的数据值，因此，这两种属性特征就属于数值型的属性特征。
119.属于非数值型的属性特征是指特征值的数据类型并非表征数据大小的数值的属性特征。如，属性特征为客户是否为重要客户，那么属性特征的特征值可以为是或者否，或者是，表征客户是否为重要客户的逻辑数值0或者1，则这类属性特征就是非数值型数据特征。又如，属性特征为交期日期，则该属性特征的特征值可以为字符串形式，而即使将字符串形式的交期日期转换为数字形式，也属于逻辑数值，而不属于能够代表大小关系的数值。
120.其中，为了便于区分，本技术将属于数值型的属性特征称为第一属性特征，而将不属于数值型的属性特征称为第二属性特征。
121.可以理解的是，逻辑型分支树与数值型分支树中包含的属性特征的节点不同，且这两个分支树中包含的不同逻辑特征之间的逻辑运算关系也会有所不同。
122.在该种情况中，在以综合指标评分最优为目标，采用遗传规划算法优化订单评分树时，可以分别优化逻辑型分支树和数值型分支树中的逻辑运算关系。
123.进一步的，考虑到针对不同重要程度的客户对于订单排序顺序也会存在影响，因此，本技术还可以结合客户级别来构建订单评分树和优化订单排序等。下面结合流程图进
行说明。
124.如图3所示，其示出了本技术实施例提供的订单处理方法的又一种流程示意图，本实施例的方法可以包括：
125.s301，获得待处理的多个订单。
126.其中，每个订单包括多种属性特征的特征值。
127.在本技术中订单的多种属性特征中至少包括订单的客户级别。
128.可以理解的是，在实际应用中客户级别可以表征客户的重要程度，客户级别的级别数量可以根据需要设定，例如，如果客户仅仅分为重要客户和非重要客户，那么客户级别可以设置为低级别和高级别两个级别。
129.s302，从多种属性特征中，确定客户级别之外且属于数值型的至少一个第一属性特征，以及客户级别之外且不属于数值型的至少一个第二属性特征。
130.在本技术实施例中，客户级别作为一种特殊的属性特征不参与数值型和非数值型属性特征的分类，而后续会依据客户级别这一属性特征来构建和进行订单评分等的处理，在此不再赘述。
131.s303，结合至少一个属性特征和至少一个第二属性特征，构建符合遗传规划算法的订单评分树。
132.其中，订单评分树包括：适用于客户级别低于设定级别的第一评分树以及适用于客户级别不低于设定级别的第二评分树。
133.其中，第一评分树包括第一逻辑型分支树和第一数值型分支树。第二评分树包括：第二逻辑型分支树和第二数值型分支树。
134.对于第一评分树和第二评分树中第一逻辑型分支树和第二逻辑型分支树均包括至少一个第一属性特征的逻辑运算关系，且第一数值型分支树和第二数值型分支树均包括至少一个第二属性特征的逻辑运算关系。
135.可见，第一评分树和第二评分树的组成结构类似，只不过不同评分树中逻辑型分支树和数值型分支树中包含的属性特征的节点以及逻辑运算关系不同。
136.为了便于理解，可以参见图4，其示出了本技术一种订单评分树的又一种组成结构示意图。
137.由图4可以看出，该订单评分树结构中，通过加法运算的节点400连接了两个评分树，左侧的评分树401可以认为适用于较为重要的客户级别的评分树，而右侧的评分树402可以认为是适用于较为相对不重要的客户级别的评分树。
138.由图4可以看出，左侧以及右侧的这两个评分树均分别包含了逻辑型分支树和数值型分支树。
139.每个评分树中逻辑型分支树和数值型分支树的构成均可以参见前面实施例的相关介绍，在此不再赘述。在图4中为了便于区分逻辑型分支树和数值型分支树中的逻辑运算关系，在逻辑型分支树中采用“逻辑运算l”表示逻辑型分支树中的逻辑运算关系，而在数值型分支树中采用“逻辑运算a”表示数值型分支树中的逻辑运算关系，当然，不同逻辑运算的节点中的具体逻辑运算关系不完全相同。
140.s304，如果订单的客户级别低于设定级别，基于订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据第一评分树中第一逻辑型分支树和第一
数值型分支树中的逻辑运算关系，确定订单的订单评分。
141.s305，如果订单的客户级别不低于设定级别，基于订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据第二评分树中第二逻辑型分支树和第二数值型分支树中的逻辑运算关系，确定订单的订单评分。
142.其中，设定级别可以根据客户级别的种类以及实际需求来设定，对此不加限制。
143.在本技术中，针对每个订单而言，会结合该订单中客户级别这一属性特征，确定评价该订单的订单评分所需利用的评分树，因此，针对一个订单而言，只需要结合其客户级别执行步骤s304或者步骤s305。
144.在确定出订单所适用的评分树之后，利用该评分树确定订单的评分的过程与前面实施例的实现相同，在此不再赘述。
145.如，结合图4进行说明，如果某个订单的客户级别高于设定级别，则可以使用图4中左侧的评分树401确定该订单的订单评分，在该种情况中，由于右侧的评分树402不存在属性特征的取值的输入，右侧评分树的输出值为0，因此，最终该订单评分树的输出结果就是左侧的评分树401输出的订单评分。
146.s306，结合订单的订单评分，确定多个订单的订单排序。
147.s307，基于订单排序以及配置的物料配置信息和评价指标信息，对多个订单进行物料匹配与指标评分的仿真运算，得到多个订单的综合指标评分。
148.s308，以综合指标评分最优为目标，采用遗传规划算法优化第一评分树以及第二评分树中逻辑型分支树和数值型分支树中的逻辑运算关系，直至综合指标评分最优，得到综合指标评分最优的情况下的目标订单排序。
149.以上步骤s306到s308的具体实现过程与前面实施例相似，在此不再赘述。
150.当然，在本实施例中同样可以输出目标订单排序对应的最优的综合指标评分以及相应的订单评分树的结构图，具体如前面介绍，在此不再赘述。
151.可以理解的是，在实际应用中，订单的处理还会涉及到订单的排产，订单的排产是确定哪些订单作为一个批次放到同一个生产线。在订单排产过程中涉及到确定订单的分批以及每个订单批次的优先级。订单的分批就是确定哪些订单作为一个批次进行处理，以及每个批次的订单的优先级。
152.可以理解的是，针对订单具体内容的不同，订单的分批可以是在确定出的多个订单对应的目标订单排序之后执行，还可能是在确定多个订单的目标订单排序之前执行，具体根据订单的具体内容以及生产场景等综合确定。
153.如，如果订单所需的物料为需要生产的产品，那么可以在确定出多个订单的订单排序之后，基于订单排序确定为针对多个订单生成相关物料的分批等排产操作。当然，此处仅仅是一种举例，本技术对于订单的分批以及排序的执行先后顺序不加限制。
154.在本技术中，如果订单处理涉及到确定多个订单的分批，则订单的多种属性特征的特征值至少可以包括：订单对应的生产产品的产品生产数量以及订单的收入特征。
155.其中，订单的收入特征可以为该订单完成所能产生的收入值；还可以是能够确定收入值的参数特征，例如，订单中每种产品的单价等等。
156.可以理解的是，在对订单进行分批时，可以设定分批所依据的分批特征，分批特征表征同一批次的订单所需满足的批次特征。如，分批所依据的分批特征可以包括：订单交期
优先(或者交期期限)、订单所需资源的准备状态、生产线生产的产品类型等等。
157.类似的，每个订单还具有用于表征订单适用于哪些批次的分批特征，订单具有的批次特征与可供选择设定的批次特征类似，在此不再赘述。
158.下面结合流程图对本技术提供的订单处理方法中确定订单分批的实现流程进行介绍。
159.如图5所示，其示出了本技术实施例提供的确定订单分配的一种实现流程示意图，本实施例的方法可以包括：
160.s501，确定多个订单的分批处理所需依据的至少一种目标分批特征。
161.其中，订单的属性特征的特征值包括：订单对应的生产产品的产品生产数量以及该订单的收入特征。
162.每个订单还具有至少一个分批特征。其中，订单的分批特征为用于确定订单所处订单分批的依据。如，订单的分批特征可以包括：急单、交期优先、订单所需资源的准备状态以及订单所需生产的产品类型等。
163.可以理解的是，为了确定多个订单可以划分为几个批次以及哪些订单可以划分为同一个批次，可以设定划分订单批次所依据的分批特征，为了与订单自身具有的分批特征进行区分，将分批处理所依据的分批特征称为目标分批特征。目标分批特征可以参见前面介绍，在此不再赘述。
164.s502，基于订单包括的至少一种分批特征，从该多个订单中，分别确定每种目标分批特征的订单集。
165.其中，目标分批特征的订单集中包括与该目标分批特征匹配的至少一个订单。
166.如，假设目标分批特征为某条生产线生产的产品类型，那么该目标分批特征对应的订单集中可以包括所需生产的产品类型为目标分批特征中的该产品类型的各个订单。
167.又如，假设目标分批特征为资源准备完成，那么可以将标记的分批特征包括已完成所需相关资源准备的订单确定为该目标分批特征对应的订单集中的订单。
168.又如，假设目标分批特征为订单交期优先，那么可以将标记的分批特征为急单以及交期期限临近的订单确定为该目标分批特征对应的订单集内的订单。
169.当然，以上是以几种可能的情况为例说明，在实际应用中，目标分批特征还可以有其他可能，对此不加限制。
170.s503，结合该订单的产品生产数量以及收入特征，确定多个订单的订单总数、产品生产总数量以及订单总收入。
171.如，订单的收入特征为订单生产的单个产品的单价，在此基础上，结合每个订单所能生产的产品生产数量以及收入特征，可以确定该订单的收入，在此基础上，统计所有订单的收入，得到多个订单的订单总收入。
172.又如，订单的收入特征为订单产生的收入，那么可以直接统计所有订单的收入，得到该订单总收入。
173.对于产品生产总数量可以统计所有订单中的产品生产数量便可以得到。
174.s504，按照该目标分批特征的订单集中每个订单的产品生产数量和收入特征以及订单集中订单的订单数量，并结合订单总数、产品生产总数以及订单总收入，确定目标分批特征对应的订单集的分批优先评分。
175.可以理解的是，每个目标分批特征的订单集为确定出的一个订单批次，然而，不同订单批次的优先级，需要结合不同订单集中订单的特征来确定。
176.可以理解的是，订单集的分批优先评分用于表征订单集对应批次被排产的优先顺序。在实际应用中，可以根据实际需求来设定各个批次排产先后的关键指标，基于此，结合订单集以及多个订单的如上几个维度的特征来确定分批优先评分。
177.在一种可能的实现方式中，可以以包含订单数量最少的订单集优先执行，关键指标评分较高的优先执行为原则。如，对于某个目标分批特征i的订单集di的分批优先评分score
di
可以通过如下公式确定：
[0178][0179]
其中，td为订单总数，tp为产品生产总数，tr为订单总收入。n
di
为订单集di中订单数量；r
di
为订单集di中订单的收入，r
di
可以根据订单集di中各个订单的收入特征确定；p
di
为订单集di中所有订单的产品生产总数，其可以通过统计订单集中各个订单中产品生产数量得到。
[0180]
其中，i的取值为从1到m，m为目标分批特征的总个数。
[0181]
其中，通过如上公式，可以使得收入以及利润等关键指标越高的订单集的分批优先评分越高。
[0182]
当然，以上是以确定一个目标分批特征的订单集的分批优先评分的一种实现方式为例说明，对于其他实现方式也同样适用于本实施例。
[0183]
s505，按照订单集的分批优先评分，确定至少一种目标分批特征的订单集对应的批次优先级。
[0184]
如，按照订单集的分批优先评分从高到低的顺序，对该至少一种目标分批特征的订单集进行排序，订单集的排序位置代表其批次优先级。
[0185]
在本技术中的方案中，只需预先配置目标分批特征便可以实现订单的分批并确定出每个批次的优先级，因此，当企业生产过程中如果出现特殊情况时，用户可以根据实际的业务需求来设定目标分批特征，从而有针对性对订单进行分批，使得本案适用于多种分批场景，通用性较强，无需每次都开发相应的分批程序，提高了订单分批的灵活性，也提高了便捷性。
[0186]
在一种可选方式中，在该步骤s504中，如果用户设定了不同目标特征批次的优先级，则以用户设定的目标特征匹配的优先级为准。例如，如果当前比较关注订单交期维度，那么可以将订单交期紧张的批次优先排产。本技术可以提供分批订单优先级可配置的功能，用户可以根据当前业务所需的批次优先级进行调整。
[0187]
可以理解的是，在实际应用中，一个订单标记的分批特征或者其他特性，可能会使得一个订单与多个目标分批特征匹配，从而使得一个订单可能会属于多个目标分批特征对应的订单集。在此基础上，为了能够更合理的确定该订单所属的订单集，本技术在确定至少一种目标分批特征的订单集对应的批次优先级之后，如果确定订单属于多种目标分批特征对应订单集，从该订单所属的多种目标分批特征的订单集中确定批次优先级最高的目标订单集，将该订单确定为该目标订单集中的订单，将该目标订单集之外其他订单集中的所述订单删除。
[0188]
可以理解的是，在确定出多个订单集的批次优先级之后，可以根据各个订单集的批次优先级进行排产。
[0189]
为了便于用户直观了解到排产结果，本技术还可以将排产结果采用甘特图的形式展示出来。
[0190]
可以理解的是，大型制造企业的产品不断呈现出生命周期短、交货期紧迫、小批量客制化等特点，加之自身生产规模大，使得生产过程组织工作碎片化、海量化，生产决策因素的维度与空间激增，生产效率与稳定性越来越需要先进的生产排程解决方案来保障。在本技术中订单的处理还会涉及到订单的排程。
[0191]
可以理解的是，正是订单中所需生产的产品可能涉及到多个零件或者步骤，因此，在订单排程时，一般会确定订单的工单，并对工单进行排程。通过工单排程可以确定哪些工单适合放到一起通过某条生产线来执行，以提高效率。
[0192]
工单的排程一般在对订单的优先级排序以及排产之后。可以理解的是，工单的具体排程方式可以有多种可能，本技术对此不加限制。
[0193]
但是，生产过程通常属于动态时变系统，来自内部过程(如排班变化、用工变化、设备故障与维护、生产资源状态变化等)和外部环境(如订单加急、订单取消、市场变化等)的各种变量，不断对初版排程计划到实际制造执行的转化率形成扰动。因此，排程结果需要不断修正，以适应实际生产环境。对工单排程的修正过程称为重排程过程。
[0194]
传统重排程凭借人工手动修改与仿真模拟实现，但现代制造过程的种种复杂性，使得重排程已经不再是单靠专业技能和人工经验就可以处理的问题。调整效果不佳的重排程，很可能违反部分生产约束条件，而且会损失初版排程带来的指标优化。部分企业的重排程耗时甚至长于初版排程，不仅排产计划人员劳动强度过大，而且快速相应能力的缺失使得重排程的效果与意义大打折扣。
[0195]
基于此，本技术的订单处理方法中还涉及到对工单的重排程，以提高重排程的便捷性和效率。下面结合流程图进行说明。
[0196]
如图6所示，其示出了本技术提供的订单处理方法中对订单所涉及到的工单进行重排程的一种流程示意图，本实施例的流程可以包括：
[0197]
s601，获得多个订单的排程数据。
[0198]
其中，排程数据为结合目标订单排序，对多个订单拆分出的多个工单进行排程所得到的排程结果数据。
[0199]
排程数据包括：不同生产线在目标计划时段的各子时段内所需执行工单的信息。
[0200]
其中，目标计划时段为已完成生产排程的计算时段，如，需要对某一天的12点到15点的各个生产线进行工单排程，则目标计算时段为12点到15点。
[0201]
目标计划时段的子时段为该目标计划时段划分出的各个时间段，每个时间段可以安排一个工单的处理，当然，目标计划时段的各个时间段以及时间段的长度不是固定的，具体根据工单排程以及各个工单执行所需的时长确定。
[0202]
s602，基于排程数据，展示重排调整界面。
[0203]
其中，该重排调整界面至少包括：工单排程图以及重排设置区。
[0204]
工单排程图包括每种生产线在目标计划时段的各子时段内计划生产的工单的指示图。
[0205]
如图7所示，其示出了本技术中重排调整界面的一种示意图，在重排调整界面中包括工单排程显示区701。
[0206]
该工单排程显示区呈现有工单排程图，具体工单排程图可以如图8所示。
[0207]
如图8所示，其示出了重排调整界面中显示出的工单排程图的一种示意图。
[0208]
由图8可以看出，在该工单排程图中显示有多条生产线对应的工单排程，如，生产线1的工单排程为工单a、工单b和工单c。其中，在图8中每条生产线的工单排程中，位于最前面且边框为加粗线条的工单表示正在执行(或者生产中)的工单，这些工单的排程是无法再调整的，而对于其他边框为加粗的工单表示仍可重排程的工单。
[0209]
同时，图8中示出了目标计划时段，即，目标计划时段至少包括从12点到16:00的时间段。为了便于确定每条生产线上不同工单所对应的不同子时段，目标计划时段每半小时又一个时间标示，由此可以确定出每条生产线中各个工单所处的子时段。由图8可以看出同一生产线上不同工单对应的子时段不同，且不同工单对应的子时段的时长也不同。
[0210]
在本技术中，重排设置区为提供给用户进行重排程相关设定的操作区域。具体后续会介绍在该重排设置区所能进行的设定操作，在此不再赘述。
[0211]
可以理解的是，为了使得用户能够更为详细和全面的了解排程以及重排程所涉及到的各个工单以及生产线的信息，在该重排调整界面中还可以具有工单信息区和生产线信息区。
[0212]
其中，工单信息区可以显示有各个工单的详细信息，如工单所属的订单，工单所需生产的产品相关信息等等，对此不加限制。
[0213]
生产线信息区可以显示有各条生产线的相关信息，如生产线所能生产的产品以及产能等等。
[0214]
如图7所示，重排调整界面中显示有重排设置区702。在图7所示的界面中，包括工单信息区703。在该工单信息区中显示有“设置”按钮，在用户点击“设置”按钮后可以触发呈现出生产线信息区704以及相应的重排程设置区702。当然，图7仅仅是一种示例，在实际应用中也可以在重排调整界面同时呈现出重排设置区、工单信息区和生产线信息区。
[0215]
可以理解的是，在实际应用中，该重排调整界面还可以显示有关键指标展示区，如图7所示，界面中呈现有关键指标展示区705。该关键指标展示区可以显示出在已确定出的排程数据的前提下，各个关键指标的具体数值。当然，在重排程数据之后，还可以重新计算各个关键指标的数值，并更新显示出的各个关键指标的数值。
[0216]
s603，获得用户在重排设置区内设定的重排程约束数据。
[0217]
该重排程约束数据包括：用于调整排程数据的至少一种排程约束参数。
[0218]
其中，排程约束参数可以涉及生产线的约束参数，还可以涉及需要重排程的至少一个工单的约束参数。如，排程约束参数可以包括：生产线中工单数量约束数据，工治具限制参数以及延期积累误差等参数，还可以包括工单的时间窗口约束等其他约束参数。
[0219]
s604，基于用户在工单排程图中选择的目标工单、该至少一种排程约束参数以及排程数据，确定目标工单所能调整到的至少一个候选生产线以及候选生产线中至少一个候选子时段。
[0220]
在一种实现方式中，可以按照设定的排程约束参数，该目标工单的相关信息，以及排程数据中各个生产线上的工单情况，通过逻辑仿真，确定该目标工单适合且可选择调整
到的至少一个候选生产线，以及所能调整到的生产线中适合处理该目标工单的至少一个候选子时段。
[0221]
例如，可以通过高级计划系统(aps)中生产计划排程结合排程约束参数，目标工单的信息以及排程数据，进行排程仿真，以确定出该目标工单所能调整到的至少一个候选生产线以及候选生产线中的可选择的至少一个候选子时段。
[0222]
s605，在工单排程图中标示出至少一个候选生产线中的候选子时段。
[0223]
如，参见图8所示，用户选择的目标工单为生产线4中工单d，如图4中采用加粗线条标示出来，在此基础上，工单排程图中可以呈现出该工单可调整到的候选生产线及其相应的候选子时段，如图8中由工单d引出的多条箭头所示。
[0224]
s606，基于用户在工单排程图中选择的目标候选生产线中的目标候选子时段，将目标工单调整到目标候选生产线中的目标候选子时段，以完成目标工单的重排程，得到排程数据对应的重排程数据。
[0225]
可以理解的是，按照用户对目标工单的调整操作，可以确定目标工单所调整到的生产线和子时段，相应的，可以更新排程数据中目标工单所处的生产线及子时段，从而得到重排程数据。
[0226]
如图9所示，其示出了将生产线4中的工单d调整后的重排程示意图。对比图8和图9可知，在用户选择将工单d调整到生产线1中工单c之后的子时段之后，工单d被重排到生产线1中工单c之后执行。
[0227]
由以上内容可知，在本技术中，只需要用户在重排程操作界面中选择所需重排程的工单并设定相应的约束条件，便可以实时展现出适合该工单调整到的至少一个候选生产线及候选生产线中可选的至少一个候选子时段。在此基础上，用户便可以根据需要选择调整该工单到某一个候选生产线的候选子时段，便可以完成工单的重排程，提高了重排程的便捷性；而且由于用户可以看到重排程中可选择的生产线等信息，提高了交互性，也有利于用户更为合理选择并安排重排程方式。
[0228]
可以理解的是，为了使得用户及时了解到重排程后各项关键指标情况，本技术在将目标工单调整到目标候选生产线中的目标候选子时段之后，还可以结合重排程数据，确定目标计划时间段内所需执行的各个工单的总工单指标评分。同时，本技术还可以获得对目标工单重排程之前的历史工单指标评分。在此基础上，本技术可以展示总工单指标评分和历史工单指标评分。
[0229]
其中，总工单指标评分为重排程后所有工单的至少一项指标评分。如，总工单指标评分可以包括总收入、按期完成率以及利润等等数据中的一项或者几项，还可以为多项指标的综合评分。
[0230]
可以理解的是，在重排程之后，可能还会存在某些生产线在目标计划时间段内还剩余尚未排程的时间段，在此基础上，为了能够优化排程，以使得该目标计划时间段内能够最大程度安排更多的工单，本技术还可以进行产能优化。
[0231]
具体的，在本技术中，重排程调整界面还可以显示有产能优化按键。如图8或者9所示，在工单排程图的界面区可以有一用于实现产能优化的按键800。
[0232]
相应的，检测到产能优化按键被触按，获得尚未排程的剩余工单信息以及不同生产线在该目标计划时间段内剩余可用的剩余子时间段。剩余子时间段为生产线中尚未安排
工单的时间段，如图8和图9中各条生产线中最后部分空余的时间段。
[0233]
在此基础上，本技术可以结合剩余工单信息和不同生产线对应的剩余子时间段，并利用已训练出的优化模型，确定每个生产线对应的剩余子时间段内可排程的至少一个候选工单。然后，可以显示出生产线对应的剩余子时间段内可排程的至少一个候选工单的信息，以便用户向生产线对应的剩余子时间段内添加所需排程的工单。
[0234]
其中，优化模型为基于多个工单训练样本的工单数据以及多个生产线样本的可用时间段的数据，并以优化多个工单训练样本的指标评分为目标，利用非监督学习算法训练得到的。
[0235]
如图9所示，在点击产能优化按键800之后，可以呈现出各条生产线上的剩余子时间段内可排程的候选工单，在此基础上，用户可以将候选工单添加到相应的生产线的剩余子时间段内。
[0236]
对应本技术的一种订单处理方法，本技术还提供了一种订单处理装置。
[0237]
如图10所示，其示出了本技术一种订单处理装置的一种组成结构示意图，本实施例的装置可以包括：
[0238]
订单获得单元1001，用于获得待处理的多个订单，每个订单包括多种属性特征的特征值；
[0239]
遗传树构建单元1002，用于按照该多种属性特征，构建符合遗传规划算法的订单评分树，该订单评分树中包括该多种属性特征之间的逻辑运算关系；
[0240]
订单评分单元1003，用于基于该订单的多种属性特征的特征值，并依据该订单评分树中多种属性特征之间的逻辑运算关系，确定该订单的订单评分；
[0241]
订单排序单元1004，用于结合该订单的订单评分，确定该多个订单的订单排序；
[0242]
仿真运算单元1005，用于基于该订单排序以及配置的物料配置信息和评价指标信息，对该多个订单进行物料匹配与指标评分的仿真运算，得到该多个订单的综合指标评分；
[0243]
综合优化单元1006，用于以该综合指标评分最优为目标，采用遗传规划算法优化该订单评分树中的逻辑运算关系，直至该综合指标评分最优，得到综合指标评分最优的情况下的目标订单排序。
[0244]
在一种可能的实现方式中，遗传树构建单元，包括：
[0245]
属性分离子单元，用于确定该多种属性特征中属于数值型的至少一个第一属性特征和不属于数值型的至少一个第二属性特征；
[0246]
遗传树构建子单元，用于结合该至少一个属性特征和该至少一个第二属性特征，构建符合遗传规划算法的订单评分树，该订单评分树包括逻辑运算关系为相乘的逻辑型分支树和数值型分支树，该逻辑型分支树包括该至少一个第一属性特征的逻辑运算关系，该数值型分支树包括该至少一个第二属性特征的逻辑运算关系；
[0247]
该综合优化单元，具体为，用于以该综合指标评分最优为目标，采用遗传规划算法优化该逻辑型分支树和数值型分支树中的逻辑运算关系。
[0248]
在一种可选方式中：
[0249]
该订单获得单元获得的订单的多种属性特征包括订单的客户级别；
[0250]
属性分离子单元具体为，用于从该多种属性特征中，确定该客户级别之外且属于数值型的至少一个第一属性特征，以及该客户级别之外且不属于数值型的至少一个第二属
性特征；
[0251]
相应的，遗传树构建子单元构建出的订单评分树包括：适用于客户级别低于设定级别的第一评分树以及适用于客户级别不低于设定级别的第二评分树，该第一评分树包括第一逻辑型分支树和第一数值型分支树，该第二评分树包括第二逻辑型分支树和第二数值型分支树，该第一逻辑型分支树和第二逻辑型分支树均包括至少一个第一属性特征的逻辑运算关系，该第一数值型分支树和第二数值型分支树均包括至少一个第二属性特征的逻辑运算关系；
[0252]
订单评分单元可以包括：
[0253]
第一评分单元，用于如果该订单的客户级别低于该设定级别，基于该订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据该第一评分树中第一逻辑型分支树和第一数值型分支树中的逻辑运算关系，确定该订单的订单评分；
[0254]
第二评分单元，用于如果该订单的客户级别不低于该设定级别，基于该订单的至少一个第一属性特征的特征值和至少一个第二属性特征的特征值，并依据该第二评分树中第二逻辑型分支树和第二数值型分支树中的逻辑运算关系，确定该订单的订单评分。
[0255]
在又一种可能的实现方式中，该装置还包括：
[0256]
综合评分输出单元，用于获得该综合指标评分最优时对应的综合指标评分，输出该综合指标评分；
[0257]
结构输出单元，用于获得该综合指标评分最优时得到的订单评分树，输出该订单评分树的结构图。
[0258]
在又一种可能的实现方式中，订单获得单元获得的订单的多种属性特征的特征值包括：所述订单对应的生产产品的产品生产数量以及所述订单的收入特征；
[0259]
所述订单还包括至少一个分批特征；
[0260]
本技术中，该装置还包括：
[0261]
分批特征确定单元，用于确定多个订单的分批处理所需依据的至少一种目标分批特征；
[0262]
集合确定单元，用于基于所述订单包括的至少一种分批特征，从所述多个订单中，分别确定每种目标分批特征的订单集，目标分批特征的订单集中包括与所述目标分批特征匹配的至少一个订单；
[0263]
数据确定单元，用于结合所述订单的产品生产数量以及收入特征，确定所述多个订单的订单总数、产品生产总数量以及订单总收入；
[0264]
分批评分单元，用于按照所述目标分批特征的订单集中每个订单的产品生产数量和收入特征以及所述订单集中订单的订单数量，并结合所述订单总数、产品生产总数以及订单总收入，确定所述目标分批特征对应的订单集的分批优先评分；
[0265]
批次确定单元，用于按照所述订单集的分批优先评分，确定所述至少一种目标分批特征的订单集对应的批次优先级。
[0266]
在一种可能的实现方式中，该装置还包括：
[0267]
批次优化单元，用于在批次确定单元确定所述至少一种目标分批特征的订单集对应的批次优先级之后，如果所述订单属于多种目标分批特征对应订单集，从所述订单所属的多种目标分批特征的订单集中确定批次优先级最高的目标订单集，将所述订单确定为所
述目标订单集中的订单，将所述目标订单集之外其他订单集中的所述订单删除。
[0268]
在一种可能实现方式中，本技术还可以包括：
[0269]
排程数据获得单元，用于在综合优化单元得到综合指标评分最优的情况下的目标订单排序之后，获得所述多个订单的排程数据，所述排程数据为结合所述目标订单排序，对所述多个订单拆分出的多个工单进行排程所得到的排程结果数据，所述排程数据包括：不同生产线在目标计划时段的各子时段内所需执行工单的信息；
[0270]
界面展示单元，用于基于所述排程数据，展示重排调整界面，所述重排调整界面至少包括：工单排程图以及重排设置区，工单排程图包括每种生产线在所述目标计划时段的各子时段内计划生产的工单的指示图；
[0271]
约束获得单元，用于获得用户在所述重排设置区内设定的重排程约束数据，所述重排程约束数据包括：用于调整排程数据的至少一种排程约束参数；
[0272]
候选确定单元，用于基于用户在工单排程图中选择的目标工单、所述至少一种排程约束参数以及排程数据，确定所述目标工单所能调整到的至少一个候选生产线以及所述候选生产线中至少一个候选子时段；
[0273]
候选标示单元，用于在所述工单排程图中标示出所述至少一个候选生产线中的候选子时段；
[0274]
重排程单元，用于基于用户在所述工单排程图中选择的目标候选生产线中的目标候选子时段，将所述目标工单调整到所述目标候选生产线中的所述目标候选子时段，以完成所述目标工单的重排程，得到所述排程数据对应的重排程数据。
[0275]
在一种可能的实现方式中，该装置还包括：
[0276]
总评分确定单元，用于在重排程单元将所述目标工单调整到所述目标候选生产线中的所述目标候选子时段之后，结合所述重排程数据，确定所述目标计划时间段内所需执行的各个工单的总工单指标评分；
[0277]
历史评分获得单元，用于获得对所述目标工单重排程之前的历史工单指标评分；
[0278]
总评分展示单元，用于展示所述总工单指标评分和历史工单指标评分。
[0279]
在一种可选方式中，所述重排调整界面还显示有产能优化按键；
[0280]
该装置还包括：
[0281]
剩余信息确定单元，用于检测到所述产能优化按键被触按，获得尚未排程的剩余工单信息以及不同生产线在所述目标计划时间段内剩余可用的剩余子时间段；
[0282]
剩余优化确定单元，用于结合所述剩余工单信息和不同生产线对应的剩余子时间段，并利用已训练出的优化模型，确定所述生产线对应的剩余子时间段内可排程的至少一个候选工单，所述优化模型为基于多个工单训练样本的工单数据以及多个生产线样本的可用时间段的数据，并以优化所述多个工单训练样本的指标评分为目标，利用非监督学习算法训练得到的；
[0283]
剩余优化显示单元，用于显示出所述生产线对应的剩余子时间段内可排程的至少一个候选工单的信息，以便用户向所述生产线对应的剩余子时间段内添加所需排程的工单。
[0284]
又一方面，本技术还提供了一种电子设备，如图11所示，其示出了该电子设备的一种组成结构示意图，该电子设备可以为任意类型的电子设备，该电子设备至少包括存储器
1101和处理器1102；
[0285]
其中，处理器1101用于执行如上任意一个实施例中的订单处理方法。
[0286]
该存储器1102用于存储处理器执行操作所需的程序。
[0287]
可以理解的是，该电子设备还可以包括显示单元1103以及输入单元1104。
[0288]
当然，该电子设备还可以具有比图11更多或者更少的部件，对此不加限制。
[0289]
另一方面，本技术还提供了一种计算机可读存储介质，计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上任意一个实施例的订单处理方法。
[0290]
本技术还提出了一种计算机程序，该计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机程序在电子设备上运行时，用于执行如上任意一个实施例中的订单处理方法。
[0291]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。同时，本说明书中各实施例中记载的特征可以相互替换或者组合，使本领域专业技术人员能够实现或使用本技术。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0292]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0293]
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
[0294]
以上仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。