园区投产量的计算方法、装置、存储介质和计算机设备

摘要

本发明公开了一种园区投产量的计算方法、装置、存储介质和计算机设备，涉及投产量计算技术领域。本发明包括如下步骤：检测用户输入的园区数据；获取目标订单的合同信息；基于各中因素建立若干个园区投产量算法模型；基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数；根据预估的投产量出现峰值的次数，在若干个园区投产量算法模型选择一个算法模型；根据历史投产量数据和所选的算法模型预测投产量的值。本发明使投产量生产的更加精确，避免生产的产品超过预定量，降低仓库管理压力以及管理费用。

说明书

技术领域

本发明属于投产量计算技术领域，特别是涉及一种园区投产量的计算方法、装置、存储介质和计算机设备。

背景技术

机械制造过程中，由于原材料、毛坯、运输、加工等原因，总会出现不合格品对于某次生产过程，不合格品的份额带有偶然性，不合格品的百分比是不确定的。但从长时期考察，它符合统计规律一般情况下考虑到次品率，生产时制品量要大于或等于最终合格产品的需要量若合格零件需要量为m，第一次投产M个单位，经过生产过程，产生不合格产品数量为D，如(M-D)>n，则超出部分(M-D-n)为多余产品，造成损失；若如(M-D)

我国的大多数企业，目前解决这类问题的方法是:为防止次品产生的影响，凭经验保守地扩大毛坯投入量结果往往造成多余的合格品，这样便难于取得最佳经济效果。如果是大型、复杂、贵重零件的一次性单件小批量生产，其影响则更为明显而这种生产类型随着市场经济的发展和科学技术的进步几乎在所有国家都不断扩大；故这个问题越来越引起重视。

发明内容

本发明的目的在于提供一种园区投产量的计算方法、装置、存储介质和计算机设备，通过获取园区投产量的历史数据，在建立若干个园区投产量算法模型中选择最优模型，根据历史投产量数据和所选的算法模型预测投产量的值，解决了现有的投产量把握不准，生产设备往往较多，占用仓库的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种园区投产量的计算方法，包括如下步骤：

步骤S1：检测用户输入的园区数据；

步骤S2：获取目标订单的合同信息；

步骤S3：基于各中因素建立若干个园区投产量算法模型；

步骤S4：基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数；

步骤S5：根据预估的投产量出现峰值的次数，在若干个园区投产量算法模型选择一个算法模型；

步骤S6：根据历史投产量数据和所选的算法模型预测投产量的值。

作为一种优选的技术方案，所述步骤S2中，根据合同信息，获取园区中生成设备的产量信息；其中，包括物资采购、订货、运输、存储、销售、消耗定额管理和库存控制信息。

作为一种优选的技术方案，所述步骤S3中，若干个园区投产量算法模型包括简单移动平均算法和加权移动平均算法。

作为一种优选的技术方案，所述步骤S4中，根据基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数，具体包括：

步骤S41：根据历史投产量数据，预估未来的预设时间内，设备每天的各自产量；

步骤S42：根据预估的设备每天各自的产量，计算设备在每天的产量平均值；

步骤S43：将预估的设备每天内各自的产量，分别与所述平均值进行比较；

步骤S44：统计比较结果大于所述平均值的次数，记为峰值出现的次数。

作为一种优选的技术方案，所述步骤S5中，算法模型为：

式中，S表示设置一次生产准备工作的费用，M表示开始生产时的投产数量，n表示合格零件的需求数量，C表示生产对象的可变成本；p(D)表示批量M中产生D个次品的概率；p(D>M-n)表示次品数多于(M-n)个的概率；

其中，算法模型中包括两部分费用，前两项为第一次设置生产的成本，后两项为与第二次设置生产有关的预期成本；

则用二项式分布公式来计算，得：

一种园区投产量的计算装置，包括储存器、处理器及存储在存储器上并可在处理器上运行的园区投产量的计算程序；所述园区投产量的计算程序被处理器执行时实现如权利要求1至5中任一项所述的园区投产量的计算方法的步骤。

一种园区投产量的计算存储介质，计算存储介质上存储有园区投产量的计算程序；所述园区投产量的计算程序被处理器执行时实现如权利要求1至5中任一项所述的园区投产量的计算方法的步骤。

一种园区投产量的计算机设备，包括：

至少ー个处理器:以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少ー个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少ー个处理器能够执行如权利要求1至5中任一项所述的园区投产量的计算方法的步骤。

本发明具有以下有益效果：

本发明通过获取园区投产量的历史数据，在建立若干个园区投产量算法模型中选择最优模型，基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数，根据历史投产量数据和所选的算法模型预测投产量的值，使投产量生产的更加精确，避免生产的产品超过预定量，降低仓库管理压力以及管理费用。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明的一种园区投产量的计算方法步骤图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种园区投产量的计算方法，包括如下步骤：

步骤S1：检测用户输入的园区数据；

步骤S2：获取目标订单的合同信息；

步骤S3：基于各中因素建立若干个园区投产量算法模型；

步骤S4：基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数；

步骤S5：根据预估的投产量出现峰值的次数，在若干个园区投产量算法模型选择一个算法模型；

步骤S6：根据历史投产量数据和所选的算法模型预测投产量的值。

步骤S2中，根据合同信息，获取园区中生成设备的产量信息；其中，包括物资采购、订货、运输、存储、销售、消耗定额管理和库存控制信息。

步骤S3中，若干个园区投产量算法模型包括简单移动平均算法和加权移动平均算法。

步骤S4中，根据基于园区的历史投产量数据，预估未来的预设之间内，作为每天投产量出现峰值的次数，具体包括：

步骤S41：根据历史投产量数据，预估未来的预设时间内，设备每天的各自产量；

步骤S42：根据预估的设备每天各自的产量，计算设备在每天的产量平均值；

步骤S43：将预估的设备每天内各自的产量，分别与平均值进行比较；

步骤S44：统计比较结果大于平均值的次数，记为峰值出现的次数。

步骤S5中，算法模型为：

式中，S表示设置一次生产准备工作的费用，M表示开始生产时的投产数量，n表示合格零件的需求数量，C表示生产对象的可变成本；p(D)表示批量M中产生D个次品的概率；p(D>M-n)表示次品数多于(M-n)个的概率；

其中，算法模型中包括两部分费用，前两项为第一次设置生产的成本，后两项为与第二次设置生产有关的预期成本；

则用二项式分布公式来计算，得：

一种园区投产量的计算装置，包括储存器、处理器及存储在存储器上并可在处理器上运行的园区投产量的计算程序；园区投产量的计算程序被处理器执行时实现如权利要求1至5中任一项的园区投产量的计算方法的步骤。

一种园区投产量的计算存储介质，计算存储介质上存储有园区投产量的计算程序；园区投产量的计算程序被处理器执行时实现如权利要求1至5中任一项的园区投产量的计算方法的步骤。

一种园区投产量的计算机设备，包括：

至少ー个处理器:以及与至少一个处理器通信连接的存储器；

其中，存储器存储有可被至少ー个处理器执行的指令,指令被至少一个处理器执行,以使至少ー个处理器能够执行如权利要求1至5中任一项的园区投产量的计算方法的步骤。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。