一种基于大数据的产业链工厂产能评估方法及系统与流程

1.本发明涉及智能制造技术领域，尤其公开了一种基于大数据的产业链工厂产能评估方法及系统。


背景技术：

2.订单模式占整个生产企业产业链的80％以上，是产业链企业最为普遍的经营模式。按照业务发展的先后顺序分为订单、打样、签合同、生产、后道加工、检验检测、订单发货等7个业务场景。其中，订单业务场景是整个业务发起的源头，一般情况分为内贸与外贸两种订单类别。是各类生产企业最为关注的核心，如何让自己的生产资源持续获得与之相匹配的订单，是企业后续稳定经营的保证。
3.但是，现有生产中，存在着一个普遍痛点问题：即不存在生产订单和加工厂相互融合的系统，那就是外贸公司、采购商、外贸商、个体户虽然有生产订单，但是很难找到合适的加工厂；而各加工厂有生产资源很难找到合适的生产订单；另外，大部分小型生产企业为节省成本，未配备专职设备维修工程师，企业设备难维修、缺保养。
4.因此，现有生产中存在的上述缺陷，是一件亟待解决的技术问题。


技术实现要素：

5.本发明提供了一种基于大数据的产业链工厂产能评估方法及系统，旨在解决现有生产中存在的上述缺陷的技术问题。
6.本发明的一方面涉及一种基于大数据的产业链工厂产能评估方法，包括以下步骤：
7.获取产业链下游供给侧发出的工厂信息；
8.根据获取的工厂信息，建立产业链下游供给侧数学模型，其中，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式，下游供给侧企业分类产能数学函数关系式为：
9.v＝f(y，b，b)
10.上式中，v表示下游供给侧企业分类产能，y表示同一种类生产线的日产能，b表示同一类生产线日产能统计总量，b表示某一工厂该类生产线的闲置日期量；
11.根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
12.进一步地，根据获取的工厂信息，建立产业链下游供给侧数学模型的步骤中，根据机器设备型号不同将同一种类生产线的日产能y分解为y1，y2，...yi...，yn；根据机器设备型号不同将同一类生产线日产能统计总量b分解为b1，b2，...bi...bn；按某一设备型号编号i和具体某个工厂的该类生产线编号j，将某一工厂该类生产线的闲置日期量b分解为b11
...，b
ij
...，b
nm
，则下游供给侧企业分类产能v通过以下公式得出：
13.v＝f(y1，y2，...，yn，b1，b2，...，bn，b
11
，b
12
，...b
ij
...b
nm
)
14.其中，y1，y2，...yi...，yn表示同一种类生产线的日产能y按机器设备型号分类的某一设备类型生产线的日产能；b1，b2，...bi...bn表示同一类生产线日产能统计总量b按机器设备型号分类的某一类生产线的闲置日期统计总量；客户的订单量；b
11
...，b
ij
...，b
nm
表示某一工厂该类生产线的闲置日期量b按机器设备型号分类的闲置日期量。
15.进一步地，同一类生产线日产能统计总量b通过以下公式计算出：
[0016][0017]
其中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。
[0018]
进一步地，下游供给侧企业分类产能v通过以下公式得出：
[0019]
v＝b1y1 b2y2
…
biyi
…
b
nyn
[0020]
其中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，yi表示按机器设备型号分类的第i类设备类型生产线的日产能。
[0021]
进一步地，根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能的步骤之后还包括：
[0022]
根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。
[0023]
本发明的另一方面涉及一种基于大数据的产业链工厂产能评估系统，包括：
[0024]
获取模块，用于获取产业链下游供给侧发出的工厂信息；
[0025]
建立模块，用于根据获取的工厂信息，建立产业链下游供给侧数学模型，其中，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式，下游供给侧企业分类产能数学函数关系式为：
[0026]
v＝f(y，b，b)
[0027]
上式中，v表示下游供给侧企业分类产能，y表示同一种类生产线的日产能，b表示同一类生产线日产能统计总量，b表示某一工厂该类生产线的闲置日期量；
[0028]
评估模块，用于根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
[0029]
进一步地，建立模块，还用于根据机器设备型号不同将同一种类生产线的日产能y分解为y1，y2，...yi...，yn；根据机器设备型号不同将同一类生产线日产能统计总量b分解
为b1，b2，...bi...bn；按某一设备型号编号i和具体某个工厂的该类生产线编号j，将某一工厂该类生产线的闲置日期量b分解为b
11
...，b
ij
...，b
nm
，则下游供给侧企业分类产能v通过以下公式得出：
[0030]
v＝f(y1，y2，...，yn，b1，b2，...，bn，b
11
，b
12
，...b
ij
...b
nm
)
[0031]
其中，y1，y2，...yi...，yn表示同一种类生产线的日产能y按机器设备型号分类的某一设备类型生产线的日产能；b1，b2，...bi...bn表示同一类生产线日产能统计总量b按机器设备型号分类的某一类生产线的闲置日期统计总量；客户的订单量；b
11
...，b
ij
...，b
nm
表示某一工厂该类生产线的闲置日期量b按机器设备型号分类的闲置日期量。
[0032]
进一步地，同一类生产线日产能统计总量b通过以下公式计算出：
[0033][0034]
其中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。
[0035]
进一步地，下游供给侧企业分类产能v通过以下公式得出：
[0036]
v＝b1y1 b2y2
…
biyi
…
b
nyn
ꢀꢀꢀ
(8)
[0037]
其中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，yi表示按机器设备型号分类的第i类设备类型生产线的日产能。
[0038]
进一步地，基于大数据的产业链工厂产能评估系统还包括：
[0039]
匹配模块，用于根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。
[0040]
本发明所取得的有益效果为：
[0041]
本发明提供一种基于大数据的产业链工厂产能评估方法及系统，通过获取产业链下游供给侧发出的工厂信息；根据获取的工厂信息，建立产业链下游供给侧数学模型，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式；根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。本发明提供的基于大数据的产业链工厂产能评估方法及系统，可以让加工厂快速获取上游需求侧发出的产业链上游需求侧订单任务，实现产业资源供需智能匹配；智能化程度高、计算精度高；提高生产效率，产品定单可追溯性强；降低企业成本、提高效率和提高集聚区整体竟争力。
附图说明
[0042]
图1为本发明提供的基于大数据的产业链工厂产能评估方法第一实施例的流程示意图；
[0043]
图2为本发明提供的基于大数据的产业链工厂产能评估方法第二实施例的流程示意图；
[0044]
图3为本发明提供的基于大数据的产业链工厂产能评估系统第一实施例的功能框图；
[0045]
图4为本发明提供的基于大数据的产业链工厂产能评估系统第二实施例的功能框图。
[0046]
附图标号说明：
[0047]
10、获取模块；20、建立模块；30、评估模块；40、匹配模块。
具体实施方式
[0048]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
[0049]
如图1所示，本发明第一实施例提出一种基于大数据的产业链工厂产能评估方法，包括以下步骤：
[0050]
步骤s100、获取产业链下游供给侧发出的工厂信息。
[0051]
产业链下游供给侧发出工厂信息，工厂信息主要包括：工厂名称、生产特长、几条产线及实时排产情况(包括闲置空档...)、多少机器设备、人员情况、工厂地址、注册资本等信息。
[0052]
步骤s200、根据获取的工厂信息，建立产业链下游供给侧数学模型，其中，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式，下游供给侧企业分类产能数学函数关系式为：
[0053]
v＝f(y，b，b)
ꢀꢀꢀꢀ
(1)
[0054]
公式(1)中，v表示下游供给侧企业分类产能，y表示同一种类生产线的日产能，b表示同一类生产线日产能统计总量，b表示某一工厂该类生产线的闲置日期量。
[0055]
变量参数描述：
[0056]
1)y表示某一类生产线的日产能。供给侧按机器设备型号分类的某一类生产线的日产能。例如：日本产m型袜机生产线的日产能；因为在工厂中存在不同类型的设备，这些设备自动程度是不同的，它们的日产能差别很大；因此按设备类型分类更容易完成日产能总量的统计，从而实现产能与订单量级的匹配。
[0057]
2)b表示同一类生产线日产能统计总量。供给侧同一类生产线的闲置日期统计总量(即可以投入生产的日期总和)。例如：不同工厂中日本产m型袜机生产线可以投入生产的日期总和(这些生产线可以分布在不同工厂中)；工厂与订单匹配过程中，尽量做到同一类型生产线生产同一类订单产品，以便满足同一个工艺和质量标准。
[0058]
3)b表示某一工厂该类生产线的闲置日期量。某一类生产线其中某一工厂该类生产线的闲置日期量(可以投入生产的日期)。例如：日本产m型袜机生产线在n工厂中该类生产线的闲置日期量(即可投入生产的日期)。
[0059]
在步骤s200中，根据获取的工厂信息，计算出同一种类生产线的日产能y、同一类
生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b，然后，建立产业链下游供给侧数学模型。在产业链下游供给侧数学模型中，以计算出的同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，将需要求出的下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，建立下游供给侧企业分类产能数学函数关系式。
[0060]
已知：y为某一类生产线的日产能，b为同一类生产线的日产能总和，b为某一工厂该类生产线的闲置日期量，v设为供给侧企业分类产能。y、b、b这三个变量可以进一步分解如下：
[0061]
1)某一类生产线的日产能y：某一设备类型生产线的日产能y，可以分解为：y1，y2，...yi...，yn。例如，y1定义为日本产m型袜机生产线的日产能；因为不同类型的设备自动程度有高有低，日产能差别很大，且不同类型设备生产的成品质量也不一样，因此按设备类型分类不但容易完成日产能总量的统计汇总而且更能满足订单质量、工艺要求。因此，在产能统计中，设备类型是第一个主要的参数变量。
[0062]
例如：日本产m型袜机生产线，根据它的特点匹配过程中，会尽量给它匹配同一类订单产品以满足其工艺和质量标准。
[0063]
2)同一类生产线的日产能总量b：某一类生产线的闲置日期统计总量，也可以分解为：b1，b2，...bi...bn。例如：b1可以定义日本产m型袜机生产线可以投入生产的日期总量，b2美国产w型袜机生产线可以投入生产的日期总量。
[0064]
3)某一工厂该类生产线的闲置日期量b：按某一设备型号编号i和具体某个工厂的该类生产线编号为j，那么b可以分解为：b
11
...，b
ij
...，b
nm
。即b
ij
代表第i种设备型号分类中第j个工厂的闲置日期量。例如：编号为第1的日产m型袜机生产线，在编号为5的某一工厂，如果该生产线可以投入生产的日期量为30天，那么可得：b
15
＝30天。
[0065]
具体地，根据机器设备型号不同将同一种类生产线的日产能y分解为y1，y2，...yi...，yn；根据机器设备型号不同将同一类生产线日产能统计总量b分解为b1，b2，...bi...bn；按某一设备型号编号i和具体某个工厂的该类生产线编号j，将某一工厂该类生产线的闲置日期量b分解为b
11
...，b
ij
...，b
nm
，则下游供给侧企业分类产能v通过以下公式得出：
[0066]
v＝f(y1，y2，...，yn，b1，b2，...，bn，b
11
，b
12
，...b
ij
...b
nm
)
ꢀꢀꢀꢀ
(2)
[0067]
公式(2)中，y1，y2，...yi...，yn表示同一种类生产线的日产能y按机器设备型号分类的某一设备类型生产线的日产能；b1，b2，...bi...bn表示同一类生产线日产能统计总量b按机器设备型号分类的某一类生产线的闲置日期统计总量；客户的订单量；b
11
...，b
ij
...，b
nm
表示某一工厂该类生产线的闲置日期量b按机器设备型号分类的闲置日期量。
[0068]
进一步地，同一类生产线日产能统计总量b通过以下公式计算出：
[0069][0070]
公式(3)中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日
期总量，b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。
[0071]
其中，bi与b
ij
释义如下：
[0072]
1)bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，例如：假设编号为2的日本产m型袜机生产线，分布5家工厂，汇总后可以投入生产的日期总量为300天，那么可得：b2＝300天。
[0073]
2)b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。例如：假设编号为2的日本产m型袜机生产线在编号第5号工厂中，该类产线可以投入生产的日期为20天，那么可得：b
25
＝20天。
[0074]
具体地，下游供给侧企业分类产能v通过以下公式得出：
[0075]
v＝b1y1 b2y2
…
biyi
…
b
nyn
ꢀꢀꢀ
(4)
[0076]
公式(4)中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，yi表示按机器设备型号分类的第i类设备类型生产线的日产能。
[0077]
步骤s300、根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
[0078]
根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v。并由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
[0079]
本实施例提供的基于大数据的产业链工厂产能评估方法，同现有技术相比，通过获取产业链下游供给侧发出的工厂信息；根据获取的工厂信息，建立产业链下游供给侧数学模型，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式；根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。本实施例提供的基于大数据的产业链工厂产能评估方法，可以让加工厂快速获取上游需求侧发出的产业链上游需求侧订单任务，实现产业资源供需智能匹配；智能化程度高、计算精度高；提高生产效率，产品定单可追溯性强；降低企业成本、提高效率和提高集聚区整体竟争力。
[0080]
优选地，请见图2，图2为本发明提供的基于大数据的产业链工厂产能评估方法第二实施例的流程示意图，在第一实施例的基础上，本实施例提供的基于大数据的产业链工厂产能评估方法，步骤s300之后还包括：
[0081]
步骤s400、根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。
[0082]
上游需求侧订单任务通过上游需求侧订单分类总量u实时得出，而上游需求侧订单分类总量u通过以下公式计算得出：
[0083]
u＝f(x，a，a)
ꢀꢀꢀꢀ
(5)
[0084]
公式(5)中，u表示将上游需求侧订单分类总量，x表示订单量级变量，a表示同一量级订单统计总量，a表示某一客户订单量。
[0085]
变量参数描述：
[0086]
1)x表示订单量级变量，是订单的第一维度变量。说明：x为需求侧按订单量级分类的变量，因为不同量级的订单将直接决定优先匹配有同等生产能力的工厂。例如，量级可以分为1万双、5万双、10万双、30万双等不同量级，但一个10万双的订单会优先选择能完成10万双量级的工厂，当一个工厂不能满足时再考虑多个工厂联合生产完成这个订单。因此订单量级变量x是匹配中第一个要考虑的参数变量。
[0087]
2)a表示同一量级订单总量，是订单的第二维度变量。说明：同一量级的需求侧订单总量统计出来后，就能知道同一时段同一种类订单任务的总量。例如，1万双量级丝袜的订单汇总后的总量为20万双，首先匹配有20万双生产能力的企业。
[0088]
3)a表示某一客户的订单量，为订单的第三维度变量。说明：需求侧订单中按订单量级分类的某一种类订单是有多个具体客户组成的，其中的某一个具体客户的订单量即为a。例如，假如5万双量级订单中张三的订单为3个(一个美国、俄罗斯、一个英国)；即a＝3。
[0089]
在步骤s400中，根据获取的产业链上游需求侧订单任务，计算出订单量级变量x、同一量级订单统计总量a、以及某一客户订单量a，然后，建立产业链下游供给侧数学模型。在产业链下游供给侧数学模型中，以计算出的订单量级变量x、同一量级订单统计总量a、以及某一客户订单量a作为下游供给侧数学模型中三个不同维度的自变量，将需要求出的上游需求侧订单分类总量u作为下游供给侧数学模型中的因变量，建立上游需求侧订单分类总量数学函数关系式。
[0090]
已知：x为订单量级变量，a为同一量级订单总量，a某一客户的订单量，u为需求侧订单分类总量。则x、a、a这三个变量可以进一步分解如下：
[0091]
1)订单量级变量x：根据量级不同可以分解为：x1，x2，...xi...xn。例如：量级可以分为1万双、5万双、10万双、30万双等不同量级，因为一个20万双的订单将优先选择能生产20万双量级的工厂，因在此订单匹配过程中，首先需考虑量级这个主要因素。
[0092]
2)同一量级订单总量a：同一类型的产品订单根据量级不同也可以分解为：a1，a2，...ai...an。例如：设a1为1万双量级的长统肉色女丝袜的统计总量、a9为5万双量级的长统肉色女丝袜、a3为10万双量级的长统肉色女丝袜
…
，依次类推到an。由于不同国家、不同地区的不同客户他们的订单量级不一定一样，在统计中需对不同量级的订单总量ai进行汇总，最终获得同一类型产品的订单总量。
[0093]
3)某一客户的订单量a：按某订单量级编号i和具体某个客户编号j，a可以分解为：a
11
...，a
ij
...，a
nm
。即a
ij
代表第i种量级分类的订单中第j个客户的订单量。例如：5万双量级订单中编号为第5的张三有3个订单，即a
55
＝3。进行这样的分类汇总，当出现不合格的产品时能迅速的追踪到生产工厂和相应的批次。
[0094]
具体地，根据量级不同将订单量级变量x分解为x1，x2，...xi...xn；根据量级不同将同一量级订单统计总量a分解为a1，a2，...ai...an；按某订单量级编号i和具体某个客户编号j，将某一客户订单量a分解为a
11
...，a
ij
...，a
nm
，则上游需求侧订单分类总量通过以下公式得出：
[0095]
u＝f(x1，x2，...，xn，a1，a2，...，an，a
11
...，a
ij
...，a
nm
)
ꢀꢀ
(6)
[0096]
公式(6)中，x1，x2，...，xn表示订单量级变量x按量级分类的订单量级变量的汇总总量；a1，a2，...，an表示同一量级订单统计总量a按量级分类的量级订单的汇总总量；客户
的订单量；a
11
...，a
ij
...，a
nm
表示某一客户订单量a按量级分类的客户订单量。
[0097]
进一步地，同一量级订单总量a通过以下公式计算出：
[0098][0099]
公式(7)中，ai表示按量级分类的第i种量级订单的汇总总量，a
ij
表示按量级分类的第i种量级订单中第j个客户的订单量。
[0100]
其中ai与a
ij
释义如下：
[0101]
1)ai表示按表量级分类的第i种量级订单的汇总总量。例如：如果5万双量级的订单(a5)中所有客户的订单有10个，那么汇总总量a5＝50万双。
[0102]
2)a
ij
表示按量级分类的第i种量级订单中第j个客户的订单量。例如：如果5万双量级订单中第5个客户张三订单量为3个；那么客户张三的订单量a
55
＝3。
[0103]
具体地，上游需求侧订单分类总量u通过以下公式得出：
[0104]
u＝a1x1 a2x2
…
aixi
…
anxnꢀꢀꢀꢀ
(8)
[0105]
公式(8)中，ai表示按量级分类的第i种量级订单的汇总总量，xi表示按量级分类的第i种量级订单的订单量级变量。
[0106]
本实施例提供的基于大数据的产业链订单需求评估方法，同现有技术相比，根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。本实施例提供的基于大数据的产业链订单需求评估方法，智能化程度高、计算精度高；提高生产效率，产品定单可追溯性强。
[0107]
如图3所示，图3为本发明提供的基于大数据的产业链工厂产能评估系统第一实施例的功能框图，在本实施例中，该基于大数据的产业链工厂产能评估系统，包括获取模块10、建立模块20和评估模块30，其中，获取模块10，用于获取产业链下游供给侧发出的工厂信息；建立模块20，用于根据获取的工厂信息，建立产业链下游供给侧数学模型，其中，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式，下游供给侧企业分类产能数学函数关系式为：
[0108]
v＝f(y，b，b)
ꢀꢀꢀꢀ
(9)
[0109]
公式(9)中，v表示下游供给侧企业分类产能，y表示同一种类生产线的日产能，b表示同一类生产线日产能统计总量，b表示某一工厂该类生产线的闲置日期量。
[0110]
变量参数描述：
[0111]
1)y表示某一类生产线的日产能。供给侧按机器设备型号分类的某一类生产线的日产能。例如：日本产m型袜机生产线的日产能；因为在工厂中存在不同类型的设备，这些设备自动程度是不同的，它们的日产能差别很大；因此按设备类型分类更容易完成日产能总量的统计，从而实现产能与订单量级的匹配。
[0112]
2)b表示同一类生产线日产能统计总量。供给侧同一类生产线的闲置日期统计总
量(即可以投入生产的日期总和)。例如：不同工厂中日本产m型袜机生产线可以投入生产的日期总和(这些生产线可以分布在不同工厂中)；工厂与订单匹配过程中，尽量做到同一类型生产线生产同一类订单产品，以便满足同一个工艺和质量标准。
[0113]
3)b表示某一工厂该类生产线的闲置日期量。某一类生产线其中某一工厂该类生产线的闲置日期量(可以投入生产的日期)。例如：日本产m型袜机生产线在n工厂中该类生产线的闲置日期量(即可投入生产的日期)。
[0114]
评估模块30，用于根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
[0115]
获取模块10获取产业链下游供给侧发出的工厂信息，工厂信息主要包括：工厂名称、生产特长、几条产线及实时排产情况(包括闲置空档...)、多少机器设备、人员情况、工厂地址、注册资本等信息。
[0116]
建立模块20，还用于根据获取的工厂信息，计算出同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b，然后，建立产业链下游供给侧数学模型。在产业链下游供给侧数学模型中，以计算出的同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，将需要求出的下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，建立下游供给侧企业分类产能数学函数关系式。
[0117]
已知：y为某一类生产线的日产能，b为同一类生产线的日产能总和，b为某一工厂该类生产线的闲置日期量，v设为供给侧企业分类产能。y、b、b这三个变量可以进一步分解如下：
[0118]
1)某一类生产线的日产能y：某一设备类型生产线的日产能y，可以分解为：y1，y2，...yi...，yn。例如，y1定义为日本产m型袜机生产线的日产能；因为不同类型的设备自动程度有高有低，日产能差别很大，且不同类型设备生产的成品质量也不一样，因此按设备类型分类不但容易完成日产能总量的统计汇总而且更能满足订单质量、工艺要求。因此，在产能统计中，设备类型是第一个主要的参数变量。
[0119]
例如：日本产m型袜机生产线，根据它的特点匹配过程中，会尽量给它匹配同一类订单产品以满足其工艺和质量标准。
[0120]
2)同一类生产线的日产能总量b：某一类生产线的闲置日期统计总量，也可以分解为：b1，b2，...bi...bn。例如：b1可以定义日本产m型袜机生产线可以投入生产的日期总量，b2美国产w型袜机生产线可以投入生产的日期总量。
[0121]
3)某一工厂该类生产线的闲置日期量b：按某一设备型号编号i和具体某个工厂的该类生产线编号为j，那么b可以分解为：b
11
...，b
ij
...，b
nm
。即b
ij
代表第i种设备型号分类中第j个工厂的闲置日期量。例如：编号为第1的日产m型袜机生产线，在编号为5的某一工厂，如果该生产线可以投入生产的日期量为30天，那么可得：b
15
＝30天。
[0122]
具体地，根据机器设备型号不同将同一种类生产线的日产能y分解为y1，y2，...yi...，yn；根据机器设备型号不同将同一类生产线日产能统计总量b分解为b1，b2，...bi...bn；按某一设备型号编号i和具体某个工厂的该类生产线编号j，将某一工厂该类生产线的闲置日期量b分解为b
11
...，b
ij
...，b
nm
，则下游供给侧企业分类产能v通过以下公式
得出：
[0123]
v＝f(y1，y2，...，yn，b1，b2，...，bn，b
11
，b
12
，...b
ij
...b
nm
)
ꢀꢀ
(10)
[0124]
公式(10)中，y1，y2，...yi...，yn表示同一种类生产线的日产能y按机器设备型号分类的某一设备类型生产线的日产能；b1，b2，...bi...bn表示同一类生产线日产能统计总量b按机器设备型号分类的某一类生产线的闲置日期统计总量；客户的订单量；b
11
...，b
ij
...，b
nm
表示某一工厂该类生产线的闲置日期量b按机器设备型号分类的闲置日期量。
[0125]
进一步地，同一类生产线日产能统计总量b通过以下公式计算出：
[0126][0127]
公式(11)中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。
[0128]
其中，bi与b
ij
释义如下：
[0129]
1)bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，例如：假设编号为2的日本产m型袜机生产线，分布5家工厂，汇总后可以投入生产的日期总量为300天，那么可得：b2＝300天。
[0130]
2)b
ij
表示按机器设备型号分类的第i类机器设备生产线其中编号为第j号的工厂中该类生产线可以投入生产的日期。例如：假设编号为2的日本产m型袜机生产线在编号第5号工厂中，该类产线可以投入生产的日期为20天，那么可得：b
25
＝20天。
[0131]
具体地，下游供给侧企业分类产能v通过以下公式得出：
[0132]
v＝b1y1 b2y2
…
biyi
…
b
nyn
ꢀꢀꢀꢀ
(12)
[0133]
公式(12)中，bi表示按机器设备型号分类的第i类机器设备生产线可投入生产的日期总量，yi表示按机器设备型号分类的第i类设备类型生产线的日产能。
[0134]
评估模块30根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v。并由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。
[0135]
本实施例提供的基于大数据的产业链工厂产能评估系统，同现有技术相比，采用获取模块、建立模块和评估模块，通过获取模块获取产业链下游供给侧发出的工厂信息；建立模块根据获取的工厂信息，建立产业链下游供给侧数学模型，将下游供给侧企业分类产能v作为下游供给侧数学模型中的因变量，将同一种类生产线的日产能y、同一类生产线日产能统计总量b、以及某一工厂该类生产线的闲置日期量b作为下游供给侧数学模型中三个不同维度的自变量，建立下游供给侧企业分类产能数学函数关系式；评估模块根据建立的下游供给侧企业分类产能数学函数关系式，计算出下游供给侧企业分类产能v，由计算出的下游供给侧企业分类产能v来评估出产业链供给的工厂产能。本实施例提供的基于大数据的产业链工厂产能评估估系统，可以让加工厂快速获取上游需求侧发出的产业链上游需求侧订单任务，实现产业资源供需智能匹配；智能化程度高、计算精度高；提高生产效率，产品
定单可追溯性强；降低企业成本、提高效率和提高集聚区整体竟争力。
[0136]
进一步地，请见图4，图4为本发明提供的基于大数据的产业链工厂产能评估系统第二实施例的功能框图，在本实施例中，基于大数据的产业链工厂产能评估系统还包括匹配模块40，其中，匹配模块40，用于根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。
[0137]
上游需求侧订单任务通过上游需求侧订单分类总量u实时得出，而上游需求侧订单分类总量u通过以下公式计算得出：
[0138]
u＝f(x，a，a)
ꢀꢀꢀꢀ
(13)
[0139]
公式(13)中，u表示将上游需求侧订单分类总量，x表示订单量级变量，a表示同一量级订单统计总量，a表示某一客户订单量。
[0140]
变量参数描述：
[0141]
1)x表示订单量级变量，是订单的第一维度变量。说明：x为需求侧按订单量级分类的变量，因为不同量级的订单将直接决定优先匹配有同等生产能力的工厂。例如，量级可以分为1万双、5万双、10万双、30万双等不同量级，但一个10万双的订单会优先选择能完成10万双量级的工厂，当一个工厂不能满足时再考虑多个工厂联合生产完成这个订单。因此订单量级变量x是匹配中第一个要考虑的参数变量。
[0142]
2)a表示同一量级订单总量，是订单的第二维度变量。说明：同一量级的需求侧订单总量统计出来后，就能知道同一时段同一种类订单任务的总量。例如，1万双量级丝袜的订单汇总后的总量为20万双，首先匹配有20万双生产能力的企业。
[0143]
3)a表示某一客户的订单量，为订单的第三维度变量。说明：需求侧订单中按订单量级分类的某一种类订单是有多个具体客户组成的，其中的某一个具体客户的订单量即为a。例如，假如5万双量级订单中张三的订单为3个(一个美国、俄罗斯、一个英国)；即a＝3。
[0144]
在步骤s400中，根据获取的产业链上游需求侧订单任务，计算出订单量级变量x、同一量级订单统计总量a、以及某一客户订单量a，然后，建立产业链下游供给侧数学模型。在产业链下游供给侧数学模型中，以计算出的订单量级变量x、同一量级订单统计总量a、以及某一客户订单量a作为下游供给侧数学模型中三个不同维度的自变量，将需要求出的上游需求侧订单分类总量u作为下游供给侧数学模型中的因变量，建立上游需求侧订单分类总量数学函数关系式。
[0145]
已知：x为订单量级变量，a为同一量级订单总量，a某一客户的订单量，u为需求侧订单分类总量。则x、a、a这三个变量可以进一步分解如下：
[0146]
1)订单量级变量x：根据量级不同可以分解为：x1，x2，...xi...xn。例如：量级可以分为1万双、5万双、10万双、30万双等不同量级，因为一个20万双的订单将优先选择能生产20万双量级的工厂，因在此订单匹配过程中，首先需考虑量级这个主要因素。
[0147]
2)同一量级订单总量a：同一类型的产品订单根据量级不同也可以分解为：a1，a2，...ai...an。例如：设a1为1万双量级的长统肉色女丝袜的统计总量、a2为5万双量级的长统肉色女丝袜、a3为10万双量级的长统肉色女丝袜
…
，依次类推到an。由于不同国家、不同地区的不同客户他们的订单量级不一定一样，在统计中需对不同量级的订单总量ai进行汇总，最终获得同一类型产品的订单总量。
[0148]
3)某一客户的订单量a：按某订单量级编号i和具体某个客户编号j，a可以分解为：a11
...，a
ij
...，a
nm
。即a
ij
代表第i种量级分类的订单中第j个客户的订单量。例如：5万双量级订单中编号为第5的张三有3个订单，即a
55
＝3。进行这样的分类汇总，当出现不合格的产品时能迅速的追踪到生产工厂和相应的批次。
[0149]
具体地，根据量级不同将订单量级变量x分解为x1，x2，...xi...xn；根据量级不同将同一量级订单统计总量a分解为a1，a2，...ai...an；按某订单量级编号i和具体某个客户编号j，将某一客户订单量a分解为a
11
...，a
ij
...，a
nm
，则上游需求侧订单分类总量通过以下公式得出：
[0150]
u＝f(x1，x2，...，xn，a1，a2，...，an，a
11
...，a
ij
...，a
nm
)
ꢀꢀ
(14)
[0151]
公式(14)中，x1，x2，...，xn表示订单量级变量x按量级分类的订单量级变量的汇总总量；a1，a2，...，an表示同一量级订单统计总量a按量级分类的量级订单的汇总总量；客户的订单量；a
11
...，a
ij
...，a
nm
表示某一客户订单量a按量级分类的客户订单量。
[0152]
进一步地，同一量级订单总量a通过以下公式计算出：
[0153][0154]
公式(15)中，ai表示按量级分类的第i种量级订单的汇总总量，a
ij
表示按量级分类的第i种量级订单中第j个客户的订单量。
[0155]
其中ai与a
ij
释义如下：
[0156]
1)ai表示按表量级分类的第i种量级订单的汇总总量。例如：如果5万双量级的订单(a5)中所有客户的订单有10个，那么汇总总量a5＝50万双。
[0157]
2)a
ij
表示按量级分类的第i种量级订单中第j个客户的订单量。例如：如果5万双量级订单中第5个客户张三订单量为3个；那么客户张三的订单量a
55
＝3。
[0158]
具体地，上游需求侧订单分类总量u通过以下公式得出：
[0159]
u＝a1x1 a2x2
…
aixi
…
anxnꢀꢀ
(16)
[0160]
公式(16)中，ai表示按量级分类的第i种量级订单的汇总总量，xi表示按量级分类的第i种量级订单的订单量级变量。
[0161]
本实施例提供的基于大数据的产业链订单需求评估系统，同现有技术相比，采用匹配模块40，匹配模块40根据评估得出的产业链供给的工厂产能，将发布的产业链上游需求侧订单任务与下游供给侧实时产能进行产业资源供需智能匹配。本实施例提供的基于大数据的产业链订单需求评估系统，智能化程度高、计算精度高；提高生产效率，产品定单可追溯性强。
[0162]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基于创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。