个性化定制需求下企业订单处理方法技术

技术编号:13977030 阅读:121 留言:0更新日期:2016-11-11 17:23
个性化定制需求下企业订单处理方法,涉及信息通讯技术下企业订单处理方法,该方法针对定制化需求环境下,制造企业对订单生产优先级确定,详细列举并分析了约束理论、熵概念以及蚁群算法,确定订单生产优先级问题上的应用,然后结合企业实际生产运行模式指出传统方法的局限。提出在多节点动态的生产系统中订单生产优先级确定的数学模型,在此基础上提出了将模拟退火算法和多种群遗传算法融合产生混合遗传算法,解决订单生产优先级确定的问题。混合模拟算法不仅能够克服多种群遗传算法的局限,而且能够发挥模拟退火算法的优点,能够较为成功的处理多节点动态生产系统中的订单处理模型,进而能对企业生产实践活动进行指导。

【技术实现步骤摘要】

本专利技术涉及信息通讯技术下企业订单处理方法,特别是涉及信息通讯技术下个性化定制需求下企业订单处理方法
技术介绍
个性化定制化生产的趋势:二十世纪七十年代起定制化生产开始迅速向各行各业扩散,八十年代末期部分发达国家开始着手制定定制营销的思想基础,到了上世纪九十年代大规模定制化(Mass Customization, MC)模式开始兴起,由于其成本低、满足消费者个性化的消费需求的突出特点,迅速超越传统大规模生产(Mass Production, MP)模式,定制化模式能代表先进生产力的发展方向,被视为产业转型升级的必然方向。到目前为止,定制化模式是人本的思想在现代生产制造领域集中体现。通过现代化的信息通讯技术将消费者与生产者以产品为纽带紧密联系在一起,消费者可以实时的参与到产品的设计、生产的全过程,提高了顾客对产品的满意度,同时也增强了顾客对企业品牌的忠诚度。定制化模式中生产企业直接面对消费者,根据消费者需求及消费者自身特点进行产品设计,节省了生产企业经销推广的费用,顾客的积极参与能有效保证产品质量,使得企业可以采取灵活的定价策略,能够在降低生产成本的同时有效提升企业的效益。传统制造企业订单处理方法现状分析:(1)约束理论(Theory of Constrains, TOC)。利润最大化是企业的首要使命,即用企业的财务指标去衡量企业的绩效。约束理论通过建立系统的生产核算标准,量化生产过程对组织目标的贡献。利用线性规划中对偶问题的互补松弛性,通过计算可以等到生产所需的各种物质资源以及各种外部市场资源的影子价格。约束理论的局限:通过约束理论确定的订单生产优先级由企业追求利润最大化的目标一致。但是,该理论的局限性在于其仅关注生产系统获利的高低,而忽略了企业要想在竞争激烈的市场获利,就必须在保证产品质量的前提下,通过先进的技术、便捷的运输、完善的服务来建立完善的生产经营系统。(2)熵值法。熵(Entropy)在物理学中用来定义一个热力系统的无序程度。在生产系统种利用熵的不确定性这一度量,将系统的输入信息经由各个单独系统指标综合而成的混合系统指标进行度量,并以此做出决策。熵概念确定订单生产优先等级方法的局限:虽然该方法采取了多指标综合评估的思想,但在订单处理方案的制定以方案评价指标的选择具有一定的随机性和随意性,不同处理方案的制定以及不同评价指标的选择会对最终订单优先级的确定造成不可逆的影响。生产企业所处的外部竞争环境瞬息万变,许多对生产系统产生重要影响的的外部因素是无法提前准确预知的,因此熵概念确定订单生产优先等级的方法,设定的外部环境过于理想化,使用的范围也过于狭窄。(3)蚁群算法。蚁群算法(Ant Colony Optimization, ACO)是一种通用型几率型的寻找最优路径的优化方法。依据蚁群算法来确定订单生产优先级的方法,正是利用蚁群觅食的这一特性。首先将订单生产优先级问题简化为排序优化问题,然后将问题模型化,以订单的提前/拖期最小化为目标函数,最后利用蚂蚁算法求出最优解,从而确定订单生产优先级的最优排序。基于蚁群算法确定订单生产优先级的方法的局限性:从算法本身来看,蚁群算法与同等复杂程度算法相比较而言,需要的搜索时间更长。算法在搜索进行到一定阶段后,易出现“停滞现象”,即所有蚂蚁通过的路径均一致,造成算法在某个或某些局部最优解的邻域内停滞。从生产系统的角度看,算法是以订单的提前/拖期最小化为目标函数,缺少对生产系统内其他因素的考虑,对实现生产系统整体最优化这一目标缺少有力支持,造成算法应用场景单一、系统化思维不足等问题。中国制造于2010年产值全球份额一跃赶超美国,成为世界第一。经济一路狂奔的同时也沉淀了可观的生产能力,但产能利用低下、有效产能不能充分释放由此而引起的产能过剩成为我国制造业的硬伤。对比全球制造业一般标准:当企业产能利用率在90%以下且持续下降,说明生产设备闲置过多,长时间积累必定造成产能过剩。研究表明,我国现在制造业平均产能利用率在60%左右,而同期发达国家的利用率为78.9%,全球平均水平为71.6%。据调查,钢铁、汽车、家电、风电、光伏等新旧产业都出现不同程度的产能过剩。致使中国制造 “大而不强”,中国制造始终位于全球产业链条的低端领域。如何能够根据客户订单尤其是及时生产,提高生产效率且提高产能的同时,降低库存是未来制造企业亟待解决的问题。在当下制造业转型升级的关口,传统制造企业只有抓住时机积极参并推进个性化定制生产,才能保证企业在未来的竞争处于领先地位。
技术实现思路
本专利技术的目的在于提供一种个性化定制需求下企业订单处理方法,该方法在制造企业的订单处理上,提出在多节点动态生产系统中订单生产优先级确定的数学模型,采用模拟退火算法和多种群遗传算法融合,产生混合遗传算法,来解决订单生产优先级确定的问题,大大提高了订单处理的效率和准确性。本专利技术的目的是通过以下技术方案实现的:个性化定制需求下企业订单处理方法,所述方法完成订单选择是在订单排序的基础上完成的,包括以下具体步骤:步骤1,将订单集合中各个订单的收益进行排序优化;步骤2,删除收益小于零的订单,然后重复进行步骤1,当所有订单收益均大于零时停止循环;采用混合遗传算法求解订单生产优先级的具体步骤如下:第一步:根据多种群遗传算法划分初始种群,将出始终种群划分成四个子初始群P1P2P3P4,然后定义子初始群;第二步:根据模拟退火算法进行种群进化,划分好子初始群后,子初始群P1P2P3分别独立进化,每进化一代都把子种群P1P2P3中的最优秀个体保存到子种群P4,同时还要保持各个子初始群之间的个体交流; 第三步:设定初始参数,初始种群中个体总数,随机平均分成四个子初始群,种群交叉概率为,种群变异概率为,退火冷却系数,各代退火初始温度设为,其中,独立进化代数为;第四步:对子种群进行操作;第五步:判断此时算法是否满足终止条件,若满足终止条件则算法终止,同时输出最优解;若不满足终止条件则算法转入第四步;第六步:利用混合遗传算法,求解多节点动态订单生产优先级问题的具体操作中,确定个体适应度函数、编码方法的选择以及遗传算子的设计。所述的个性化定制需求下企业订单处理方法,所述步骤2中第一步的定义子初始群,子初始群P1为探测群,子初始群P2为发展群,子初始群P3为探测发展群,子初始群P4为筛选群。所述的个性化定制需求下企业订单处理方法,所述步骤2中第四步的对子种群进行操作,包括以下操作过程:(1)确定每个个体的适应度函数值,其中,将子初始群P1P2P3中最优秀的个体保存到子初始群P4;(2)将第i代子种群按照种群交叉概率进行种群交叉,个体与产生新个体与;计算,若或(其中为【0,1】区间上的随机数)则接受为新个体。否则,拒绝接受;(3)对经过交叉筛选后的个体进行种群变异概率为的种群变异,重复过程(2)中的检验过程,决定是否接受新个体;(4)当第i代子种群中所有个体均完成种群交叉变异操作,且所有变异、交叉产生的新个体均完成检验过程后,将第i代子种群P1iP2iP3i中最优秀的个体保存到子种群P4i(5)为保持子种群间的个体交流,从第i代子种群P4i取出若干优秀个体转移到第i代子种群P1iP2iP3i中,同时将代子种群P1iP2iP3i中等量的最本文档来自技高网
...

【技术保护点】
个性化定制需求下企业订单处理方法,其特征在于,所述方法完成订单选择是在订单排序的基础上完成的,包括以下具体步骤:步骤1,将订单集合中各个订单的收益进行排序优化;步骤2,删除收益小于零的订单,然后重复进行步骤1,当所有订单收益均大于零时停止循环;采用混合遗传算法求解订单生产优先级的具体步骤如下:第一步:根据多种群遗传算法划分初始种群,将出始终种群划分成四个子初始群P1P2P3P4,然后定义子初始群;第二步:根据模拟退火算法进行种群进化,划分好子初始群后,子初始群P1P2P3分别独立进化,每进化一代都把子种群P1P2P3中的最优秀个体保存到子种群P4,同时还要保持各个子初始群之间的个体交流;第三步:设定初始参数,初始种群中个体总数,随机平均分成四个子初始群,种群交叉概率为,种群变异概率为,退火冷却系数,各代退火初始温度设为,其中,独立进化代数为;第四步:对子种群进行操作;第五步:判断此时算法是否满足终止条件,若满足终止条件则算法终止,同时输出最优解;若不满足终止条件则算法转入第四步;第六步:利用混合遗传算法,求解多节点动态订单生产优先级问题的具体操作中,确定个体适应度函数、编码方法的选择以及遗传算子的设计。...

【技术特征摘要】
1.个性化定制需求下企业订单处理方法,其特征在于,所述方法完成订单选择是在订单排序的基础上完成的,包括以下具体步骤:步骤1,将订单集合中各个订单的收益进行排序优化;步骤2,删除收益小于零的订单,然后重复进行步骤1,当所有订单收益均大于零时停止循环;采用混合遗传算法求解订单生产优先级的具体步骤如下:第一步:根据多种群遗传算法划分初始种群,将出始终种群划分成四个子初始群P1P2P3P4,然后定义子初始群;第二步:根据模拟退火算法进行种群进化,划分好子初始群后,子初始群P1P2P3分别独立进化,每进化一代都把子种群P1P2P3中的最优秀个体保存到子种群P4,同时还要保持各个子初始群之间的个体交流; 第三步:设定初始参数,初始种群中个体总数,随机平均分成四个子初始群,种群交叉概率为,种群变异概率为,退火冷却系数,各代退火初始温度设为,其中,独立进化代数为;第四步:对子种群进行操作;第五步:判断此时算法是否满足终止条件,若满足终止条件则算法终止,同时输出最优解;若不满足终止条件则算法转入第四步;第六步:利用混合遗传算法,求解多节点动态订单生产优先级问题的具体操作中,确定个体适应度函数、编码方法的选择以及遗传算子的设计。2.根据权利要求1所述的个性化定制需求下企业订单处理方法,其特征在于,所述步骤2中第一步的定义子初始群,子初始群P1为探测群,子初始群P2为发展群,子初始群P3为探测发展群,子初始群P4为筛选群。3.根据权利要求1所述的个性化定制需求下企业订单处理方法,其特征在于,所述步骤2中第四步的对子种群进行操作,包括以下操作过程:(1)确定每个个体的适应度函数值,其中,将子初始群P1P2P3中最优秀的个体保存到子初始群P4;(2)将第i代子种群按照种群交叉概率进行种群交叉,个体与产生新个体与;计算,若或(其中为【0,1】区间上的随机数)则接受为新个体;否则,拒绝接受;(3)对经过交叉筛选后的个体进行种群变异概率为的种群变异,重复过程(2)中的检验过程,决定是否接受新个体;(4)当第i代子种群中所有个体均完成种群交叉变异操作,且所有变异、交叉产生的新个体均完成检验过程后,将第i代子种群P1iP2iP3i中最优秀的个体保存到...

【专利技术属性】
技术研发人员:刘艳秋陈明非张颖徐世达李佳胡忠君郭洪月蔡超
申请(专利权)人:沈阳工业大学
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1