当前位置: 首页 > news >正文

先进制造aps专题五 aps软件的排程算法和优化算法介绍

aps软件的核心,主要是数据管理,排程/优化算法,各类甘特图

所有aps软件排程算法都是Heuristics启发式算法(如Greedy算法),只是有的aps软件还支持ga遗传算法优化(比如sap apo,oracle aps,isuperaps),有的不支持(比如asprova,西门子preactor)

排程算法,常说的Heuristics启发式算法(如Greedy算法),就是按约束条件排出结果,约束条件一般为 1 时间约束  2  前后工序约束 3 副资源约束  4 特殊规格约束

但是排程不是光要排出来,还要争取最优的排产结果,这就需要优化算法了,任何一个工厂,哪怕是手工排产,也都是追求排产结果优化的。

优化算法的原理是,排程都是基于一些排产因素的,这些排产因素是可以调整的,不同的排产因素,排出的结果也不同,优化算法通过不断调整这些排产因素,从而获得更好的排产结果

优化算法能极大的缩短所有工单的总体完工时间,比如本来所有工单需要3个月完工,现在优化后,只需要1个半月

ga遗传算法就是最常用的优化算法,比如排程算法跑10万个工作化了2分钟,总完工时间3个月,再用ga优化100遍,花4个小时,将总完工时间缩短到1个半月

具体做法就是,ga遗传算法通过每次改变一些排程因素(这个是毫秒时间),然后再花2分钟排程一次,看结果是否更好,从而向最好的结果逼近,优化次数越多,结果越好,优化100次,其实就是不断改变排程因素100次然后再排了100次,花4个小时,总完工时间从3个月缩短到1个半月

这里要强调的是,ga遗传算法只是负责每次改变排产因素,每次排还是使用排程算法排

要知道,10万个工作,要是手工排程,需要几十个生管排半个月,现在优化4个小时就可以把总完工时间缩短一半,经济效益是非常巨大的

排产结果执行时,难免人工介入,在一个总完工时间一个半月的排产结果上人工介入,总完工时间基本还是在一个半月左右,而在一个总完工时间3个月的排产结果上人工介入,总完工时间基本还是在3个月左右,所以给出一个优化的排产结果,意义是非常巨大的


还有一点,计划是计划部门的事情,按计划执行生产是车间生产部门的事情,不是随便就人工乱调整的,特别是大规模排产的结果,10万个工作,众多约束条件,手工调整很难考虑周全,往往手工一乱调整就导致结果不可执行,这也是计算机排产的意义所在

先进制造aps专题一 新一代aps系统将成为企业智能调度平台的核心

先进制造aps专题二 为什么说sap apo是aps行业的标杆

先进制造aps专题三 为什么java语言不适合作为aps算法的开发语言

先进制造aps专题四 计划型简单aps系统(plan)和排产型复杂aps系统(Scheduling)的区别

先进制造aps专题五 aps软件的排程算法和优化算法介绍

先进制造aps专题六 aps软件开发最大的难点,设备甘特图开发

http://www.lryc.cn/news/351208.html

相关文章:

  • 【跳坑日记】暴力解决Ubuntu SSH报错: Failed to start OpenBSD Secure Shell server
  • 从需求角度介绍PasteSpider(K8S平替部署工具适合于任何开发语言)
  • 线性三角化
  • Golang os.Rename invalid cross-device link的原因
  • Flutter 中的 Badge 小部件:全面指南
  • Java 多线程抢红包
  • 【PB案例学习笔记】-08 控件拖动实现
  • 读书笔记整理
  • uniapp蓝牙打印图片
  • Ajax用法总结(包括原生Ajax、Jquery、Axois)
  • LeetCode 题解:112. 路径总和,递归,JavaScript,详细注释
  • Spring (15)Spring Boot的自动配置是如何工作的
  • 【机器学习】—机器学习和NLP预训练模型探索之旅
  • 54. UE5 RPG 增加伤害类型
  • llama3 微调教程之 llama factory 的 安装部署与模型微调过程,模型量化和gguf转换。
  • C++三剑客之std::any(二) : 源码剖析
  • 【C语言】8.C语言操作符详解(2)
  • vivado 物理约束KEEP_HIERARCHY
  • Linux 三十六章
  • ntsd用法+安装包
  • Nacos 微服务管理
  • Kubernetes集群上的Etcd备份和恢复
  • 创建型模式 (Python版)
  • ​​​【收录 Hello 算法】9.4 小结
  • MYSQL数据库基础语法
  • R实验 参数检验(二)
  • 【Linux】进程信号及相关函数/系统调用的简单认识与使用
  • Spring (14)什么是Spring Boot
  • 区间预测 | Matlab实现CNN-KDE卷积神经网络结合核密度估计多置信区间多变量回归区间预测
  • Java集合框架全景解读:从源码到实践精通指南