[發明專利]基于預報的大宗原燃料汽車的取樣組批方法和系統

有效

• 申請號: 202011167343.9
• 申請日: 2020-10-28
• 公開（公告）號: CN112232583B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 梁小兵;趙菁;葉理德
• 申請（專利權）人: 中冶南方工程技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08;G06Q50/04;G06N3/12
• 代理公司: 北京大誠新創知識產權代理有限公司 11848
• 代理人: 何建華

1.一種基于預報的大宗原燃料汽車的取樣組批方法，其特征在于，包括：

步驟S1：根據車輛到達時間和預計到達時間獲取組批對象；

步驟S2：根據訂單號對組批對象進行分組；

步驟S3：選擇當前訂單號，執行當前訂單號下的車輛取樣組批流程，生成組批結果；

步驟S4：選擇下一訂單號，以下一訂單號為當前訂單號，循環執行S3，直至所有訂單處理完畢；

其中，所述步驟S3具體包括：

步驟S31：根據當前訂單號下的車輛數量和車輛運輸的物料的重量，計算可組成批次數量；

步驟S32：建立組批優化模型及其約束條件；

步驟S33：利用遺傳算法求解步驟S32中建立的組批優化模型，獲得最優批次組合；

所述步驟S31具體包括：

令當前訂單號下的車輛數量為n，車輛運輸的物料的重量為M＝m₁，m₂，...，m_n；

計算可組成批次數量n_p；計算公式如下：

其中M_t為調度人員設定的每個批次的目標組批重量；

所述步驟S32具體包括：

令X＝{x₁，x₂，...，x_n}表示當前訂單號下的n臺汽車所屬的批次集合，其中x₁，x₂，...，x_n的取值范圍為{0，1，...，n_p}.其中x_i＝0，表示車輛i不組批；得到如下組批優化模型：

其中，Z代表整數，i∈Z|x_i＞0表示滿足x_i＞0的所有整數i；

組批優化模型的約束條件如下：

所述步驟S33具體包括：

步驟S331：采用整數編碼方式構建基因，編碼形式為

X＝[x₁，x₂，...，x_n]

步驟S332：定義適應度函數，公式為

f(X)＝max z

當決策變量X不滿足組批優化模型的約束條件(1)時，令f(X)＝0；

步驟S333：根據決策變量X的取值范圍，隨機初始化種群；

步驟S334：設定最大迭代代數，啟動遺傳優化過程；

步驟S335：達到最大迭代代數，得到最優組批結果，其中x_i值相同且x_i＞0的車輛即為一批。

2.如權利要求1所述的基于預報的大宗原燃料汽車的取樣組批方法，其特征在于，所述步驟S1具體包括：

設定每日組批時刻；

在每日的組批時刻，獲取組批對象：獲得預計到達時間為當天的第一車輛列表，獲得在組批時刻前已經到達的并且尚未完成組批的第二車輛列表，將第一車輛列表和第二車輛列表合并成一個集合。

3.一種基于預報的大宗原燃料汽車取樣組批系統，其特征在于，包括：

供應商發運子系統，用于在車輛發車前錄入車輛的發運信息；

物流管控子系統，用于管理已到達的車輛信息，并形成物流管理信息；

組批子系統，用于查詢發運信息和物流管理信息，獲取組批對象，并執行如權利要求1到2任一項所述的基于預報的大宗原燃料汽車的取樣組批方法，得到組批結果；

和叫號子系統，用于調度人員根據組批結果，按批次確認放行車輛入廠取樣。

4.如權利要求3所述的基于預報的大宗原燃料汽車取樣組批系統，其特征在于，所述發運信息，至少包括車號、預計到達時間、訂單號和發運重量。