[go: up one dir, main page]

TWI394089B - 虛擬生產管制系統與方法及其電腦程式產品 - Google Patents

虛擬生產管制系統與方法及其電腦程式產品 Download PDF

Info

Publication number
TWI394089B
TWI394089B TW098127013A TW98127013A TWI394089B TW I394089 B TWI394089 B TW I394089B TW 098127013 A TW098127013 A TW 098127013A TW 98127013 A TW98127013 A TW 98127013A TW I394089 B TWI394089 B TW I394089B
Authority
TW
Taiwan
Prior art keywords
data
production
output
historical
latest
Prior art date
Application number
TW098127013A
Other languages
English (en)
Other versions
TW201106279A (en
Inventor
Yingliang Chen
Hawching Yang
Fantien Cheng
Original Assignee
Univ Nat Cheng Kung
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Univ Nat Cheng Kung filed Critical Univ Nat Cheng Kung
Priority to TW098127013A priority Critical patent/TWI394089B/zh
Priority to US12/724,553 priority patent/US8515793B2/en
Publication of TW201106279A publication Critical patent/TW201106279A/zh
Application granted granted Critical
Publication of TWI394089B publication Critical patent/TWI394089B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Description

虛擬生產管制系統與方法及其電腦程式產品
本發明是有關於一種生產管制系統與方法，且特別是有關於一種使用在製品(Work-In-Process；WIP)資料以預測生產問題的虛擬生產管制系統與方法及其電腦程式產品。
在全球化市場競爭壓力下，供應鏈管理(Supply Chain Management)可為企業發展出一個快速反應顧客需求的結構與能力。長鞭效應(Bullwhip Effect)在實施供應鏈活動時常會發生，其形成主因為供應鏈中資訊回饋困難與前置時間過長，一旦客戶需求產生立即性的變動，將導致製造商端與供應商端增加或取消訂單，容易造成放大或縮減需求效果而造成存貨過多或過少等問題。供應商端管理存貨(Vendor Managed Inventory,VMI)是目前在供應鏈管理中可以解決長鞭效應的管理技術，所謂VMI是指製造商端委託供應商端代為管理與處理存貨。製造商端將內部需求資訊分享給供應商端，供應商端將需求資訊納入存貨決策內，來決定應該生產多少數量給製造商端，因此可以降低整體供應鏈長鞭效應。
但供應鏈管理成功實行的關鍵因素之一是在資訊分享的精確度與完整度：精確度是指此分享的資訊可完全反應出真實的情形，不會扭曲真實的資訊。完整度是指在傳遞資訊的中間並沒有遺漏某些訊息，亦即所有資訊可完全地傳送到製造商端裡。即便製造商端採用VMI方式，雖可解決製造商端物料短缺問題，但因供應商端無法掌握市場需求變化，及供應商端的短期性生產波動問題，常進而造成供應商端物料庫存過高的現象。因此，製造商端無法即時掌握市場需求變化與供應商端無法正確地提供生產波動的資訊，實為VMI管理方式的限制。
目前製造商端解決有關供應商端生產波動的方法多利用供應商端所提供之WIP資訊為生產進度的溝通方式，以協調出解決方法。在溝通平台方面，可採用RosettaNet所制定之資訊交換規範來獲得WIP資訊。在半導體產業，已有對WIP資訊之應用系統，例如供應商端(晶圓廠)架設一虛擬生產線(Virtual Production Line)虛擬生產線組成包含虛擬工廠(Virtual Factory)與網路伺服器(Network Server)，作為內部實際工廠與外部客戶(製造商端)之間生產進度協調與電子訂單的服務平台；虛擬工廠將生產資訊傳到連接伺服器，外部客戶須透過網路登入伺服器(Network Server)下單或查詢在製品(WIP)生產進度。此WIP資訊系統(虛擬生產線)乃建置在供應商端內部，供應商端完全主導製造商端的在製品資訊。然而，在商業利益考量下在製品的呈現方式經常會被供應商端調整過，因此當製造商端得到不正確或不客觀之WIP資訊時，更容易造成製造商端的生產計畫嚴重失誤；此外，製造商端從供應商端查獲的在製品實不足以即時掌握供應商端產能變化與其物料的準備狀況，從而讓製造商端可據以因應物料可能發生遲交的狀況，以即時解決問題，降低短期生產波動的衝擊。
此外，透過預測方法以即時提前獲知生產狀況的生產管制決策方式，幾乎都僅能應用於供應商端之工廠內部。其所採的方法為：工廠直接從如內部製造系統擷取出之製程或生產參數資料，經模擬或數學規劃方法以產生對工廠本身之短期性的生產排程決策，以防止生產延遲與改善客戶達交率，達到短期性生產管制目標。一般而言，上述之製程或生產參數資料將無法直接應用於製造商端對供應商端的生產管制上，其原因乃在於主基於商業考量，製造商端實不易甚至無法蒐集到所有供應商端之工廠生產現況與細節；即使供應商端願意提供詳細的生產資訊，製造商端亦將面臨如鉅量資料負荷的問題。因此一般工廠解決生產波動的生產管制方法是無法適用在供應鏈裡製造商端與供應商端之間生產波動之問題的。
本發明之一態樣就是在提供一種虛擬生產管制系統(Virtual Production Control System,VPCS)與方法及其電腦程式產品，藉以有效地運用供應商端的WIP資訊來解決VMI模式為維持高達交率而產生的高庫存問題。
根據本發明之上述目的，提出一種虛擬生產管制系統，其係位於一製造商端。在一實施例中，此虛擬生產管制系統包含：資料前處理模組、在製品監控模組、和產出推估模組，資料前處理模組係用以處理來自一供應商端分別屬於過去之複數個生產時期的複數組歷史在製品資料和一目前出貨計畫，以獲得此些生產時期的複數組歷史投料時程資料與複數組歷史產出時程資料。在製品監控模組係用以採用目前在製品資料和目前出貨計畫，並進行一整數規劃(Integer Programming；IP)，來計算出下一生產時期之一組最遲理想投料時程資料與一組最遲理想產出時程資料。產出推估模組係用以採用此些組歷史投料時程資料、此些組歷史產出時程資料、和下一生產時期之最遲理想產出時程資料，並根據一分佈參數估計法以配適出歷史投入與產出統計分佈參數；一類神經網路(Neural Network；NN)演算法以估計未來投入與產出統計分佈參數；和一裴氏網路(Petri Nets；PN)來模擬出下一生產時期之一組最遲合理投料時程資料和一組最遲合理產出時程資料。
在又一實施例中，上述之資料前處理模組可分析出下一生產時期之一預期產能上限、和最近生產時期之一耗損率。
在又一實施例中，上述之產出推估模組根據預期產能上限、耗損率、最遲合理投料時程資料、最遲合理產出時程資料與目前出貨計畫來產生一庫存剖析結果，庫存剖析結果包含在製品預期最遲生產狀態與數量、及預估庫存週轉率與呆滯料。
在又一實施例中，上述之產出推估模組根據預期產能上限、耗損率、最遲合理產出時程資料與目前出貨計畫來產生一達交剖析結果，達交剖析結果包含預估產出日期數量、預估達交率、預估遲交數量、及遲交原因與產能瓶頸。
在又一實施例中，上述之整數規劃係以一最大達交率之方式出貨為目標，以推估出一產出時程與一投線時程，並受供應商端實際產能上限的限制，以及供應商端的安全庫存策略所限制。
在又一實施例中，上述之產出推估模組包含：分佈參數估計模組、分佈參數預測模組、和裴氏網路模擬模組。分佈參數估計模組係用以採用歷史投料時程資料和歷史產出時程資料，並根據分佈參數估計法來估算出複數組歷史投料分佈參數資料、和複數組歷史產出統計分佈參數資料。分佈參數預測模組係用以採用歷史投料分佈參數資料、和歷史產出分佈參數資料，並根據類神經網路演算法，來預測出下一生產時期之一組預估投料分佈參數資料和一組預估產出分佈參數資料。裴氏網路模擬模組係用以採用下一生產時期之最遲理想產出時程資料、預估投料分佈參數資料、和預估產出分佈參數資料，並根據裴氏網路來模擬出下一生產時期之最遲合理投料時程資料和最遲合理產出時程資料。
在又一實施例中，上述之分佈參數估計法包含：F檢定、科司(Kolmogorov-Smirnov)檢定、和基因演算法(Genetic Algorithm)。F檢定係用以檢查配適分佈變異與期望變異的信心度。科司檢定係用以檢查配適與期望間的最大絕對誤差量。基因演算法係用以結合F檢定和科司檢定，以配適出歷史投入與產出統計分佈參數。
在又一實施例中，上述之虛擬生產管制系統，更包含：主檔(Master Data)和生產型態組態(Production Type Configuration)。主檔包含：產品結構、製程結構和資料對應表。產品結構係由企業資源規劃(Enterprise Resource Planning；ERP)系統取得，用以指出原料、半成品及成品間的料號與用量的結構關係。製程結構係由前述之企業資源規劃系統取得，用以指出料號與途程間的結構關係。資料對應表包含：依產能群組區分出之複數個產品類別、製程名稱對應表、和製程內工作站名稱對應表。生產型態組態包含：一裝配式(Assembly)生產型態與一流程式(Process)生產型態，其中上述之資料前處理模組、在製品監控模組和裴氏網路模擬模組係根據生產型態組態而加以調整。
在又一實施例中，此虛擬生產管制系統係位於一製造商端，目前出貨計畫係由供應商端根據製造商端所提供之一物料需求計畫製作而成。
根據本發明之上述目的，另提出一種虛擬生產管制方法。在此虛擬生產管制方法中，首先，處理來自一供應商端分別屬於過去之複數個生產時期的複數組歷史在製品(WIP)資料和一目前出貨計畫，以獲得此些生產時期的複數組歷史投料時程資料與複數組歷史產出時程資料、下一生產時期之一預期產能上限、和最近生產時期之一者之一耗損率。接著，採用歷史投料時程資料中屬於最近生產時期之一者和目前出貨計畫，並進行一整數規劃，來計算出下一生產時期之一組最遲理想投料時程資料與一組最遲理想產出時程資料。然後，採用歷史投料時程資料和歷史產出時程資料，並根據分佈參數估計法，來估算出複數組歷史投料分佈參數資料、和複數組歷史產出分佈參數資料。接著，採用歷史投料分佈參數資料、和歷史產出分佈參數資料，並根據類神經網路演算法，來預測出下一生產時期之一組預估投料分佈參數資料和一組預估產出分佈參數資料。然後，採用下一生產時期之最遲理想產出時程資料、預估投料分佈參數資料、和預估產出分佈參數資料，並根據裴氏網路來模擬出下一生產時期之最遲合理投料時程資料和最遲合理產出時程資料。
根據本發明之上述目的，另提出一種內儲用於虛擬生產管制之電腦程式產品，當電腦載入此電腦程式產品並執行後，可完成如上述之虛擬生產管制方法。
根據上述實施例，應用本揭示可有效地推估出供應商端的交貨能力，以調節並控制供應商端的庫存水準，進而確保供應商端的高達交率與高庫存周轉率。
為能有效運用供應商端的WIP資訊來解決VMI模式的高庫存問題，本發明提出一個安裝於供應商端的生產管制系統，名為「虛擬生產管制系統」。有別於目前產業建置WIP資訊系統於供應商端內部之情況，本發明之實施方式的優點為製造商端由被動式WIP管理轉為主動式WIP管理。VPCS除了可以協助製造商端掌握正確客觀的在製品資訊外，也能進一步預測供應商端生產問題與提供生產管制決策參考資訊而能提早解決生產瓶頸。因此VMI成功關鍵的資訊精確與完整度問題將可獲得解決，不會因在製品缺乏資訊透明度而造成庫存過高的問題。
VPCS從供應商端提供每一次最新交易型WIP資料中，萃取出產能參數，載入VPCS後將可預測出WIP未來產出時程與潛伏的生產瓶頸。透過VPCS，製造商端將可提早並及時解決供應商端可能的生產瓶頸，達到對供應商端的間接生產管制目的，從而解決供應商端的短期性生產波動問題，達到降低庫存成本之目標。
由於VPCS乃建置於製造商端，籍以協助對供應商端的短期性生產管制。因此，製造商端除可透過VPCS掌握供應商端內部生產變異外，亦可因應市場變化，以快速地調整供應商端的物料需求計畫。VPCS生產管制流程當因應市場變化客戶調整訂單後，製造商端也需對供應商端調整訂單。由於供應商端除內部短期生產變異外，若再加上訂單調整將更造成供應商端的生產波動。當供應商端生產波動現象反映於提供給製造商端的WIP時，透過VPCS將可以立即預測生產問題並提供解決方案給製造商端，從而製造商端可快速且有效率地與供應商端進行生產協調。供應商端經協調後，再次調整其生產，並後續反映WIP於VPCS中，藉以減緩生產可能的波動。因此，VPCS將可扮演著供應商端、製造商端及客戶間的生產決策支援的角色，可因應外部市場與內部生產的變異，VPCS持續地監控改善供應商端生產波動的問題，使供應商端提高確保其高達交率下的高庫存周轉率。
請參照第1圖，其係繪示依照本發明之一實施方式之虛擬生產管制系統的應用架構示意圖，其中製造商端10與供應商端20係透過網際網路30相互通訊。為有效地運用供應商端20的WIP(在製品)資訊系統22所提供之在製品資料，解決習知之VMI模式的高庫存問題，本實施方式安裝一虛擬生產管制系統100於製造商端10，以使製造商端10由被動式WIP管理轉為主動式WIP管理。虛擬生產管制系統100除可協助製造商端10掌握正確客觀的WIP(在製品)資料外，也能進一步預測供應商端20的生產問題，與提供生產管制決策12的參考資訊給供應商端20的實際工廠24，因而能儘早解決生產瓶頸。
請參照第2圖，其係繪示依照本發明之實施方式之虛擬生產管制系統的生產管制流程示意圖。首先，虛擬生產管制系統100從供應商端20所提供之每一次最新WIP交易資料中，萃取出產能參數，載入虛擬生產管制系統100後將可預測出WIP未來產出時程，以偵測遲交產品與分析生產瓶頸。因此，透過虛擬生產管制系統100，製造商端10將可與供應商端提早並及時解決生產瓶頸，達到對供應商端20的間接生產管制目的，從而解決供應商端20的短期性生產波動問題，達到降低庫存成本之目標。本實施方式之虛擬生產管制系統100較佳是安裝於製造商端10，然而，因應實際狀況，亦可安裝於供應商端20。
由於虛擬生產管制系統100係建置於製造商端10，籍以協助對供應商端20的短期性生產管制。因此，製造商端10除可透過虛擬生產管制系統100掌握供應商端20內部生產變異外，亦可因應市場變化，以快速地調整供應商端20的物料需求計畫。如第2圖所示，當客戶端40因應市場需求變化而調整訂單後，製造商端10也需對供應商端20調整訂單。由於供應商端20除內部短期生產變異外，若再加上訂單調整將更造成供應商端20的生產波動。當供應商端20生產波動現象反映於提供給製造商端10的在製品資料時，透過虛擬生產管制系統100將可以立即預測生產問題並選擇解決方案給製造商，從而製造商端10可快速且有效率地與供應商端20，以協調出解決方案。供應商端20經協調後，再次調整其生產，並後續反映在製品資料於虛擬生產管制系統100中，藉以減緩生產可能的波動。因此，虛擬生產管制系統100將可扮演著供應商端20、製造商端10及客戶端40間的生產決策支援的角色，以因應外部市場與內部生產的變異，並持續地監控改善供應商端20生產波動的問題，使供應商端20提高確保其高達交率下的高庫存周轉率。
請參照第3圖，其係繪示依照本發明之一實施方式之虛擬生產管制系統的架構示意圖。虛擬生產管制系統100包含：資料前處理模組110、在製品監控模組120、和產出推估模組130，虛擬生產管制系統100需要的輸入資料為出貨計畫102與在WIP(在製品)資料104，而其輸出資料則為庫存剖析結果106與達交剖析結果108。上述三個模組的輸出資料都將透過生產參數資料介面200轉入決策彙整模組(未繪示)，以進行資料異常、資訊衝突與決策彙整的分析，然後，決策彙整模組將輸出資料品質結果、在製品狀況與庫存剖析結果、達交剖析結果與異常報告等決策資訊，以支援製造商端就生產現況做決策之用。
如第3圖所示。構成虛擬生產管制系統100的擴散性功能設定乃由主檔(未標示)與生產型態組態(未標示)所組成。藉由主檔與生產型態組態的設定，虛擬生產管制系統100即可管控不同生產型態的供應商端，進而可推廣應用於不同的產業別。此主檔包含：產品結構、製程結構與資料對應表等三部分，而產品結構與製程結構資料可以從企業資源規劃(ERP)系統取得。其中產品結構為原料、半成品及成品間的料號與用量的結構關係；而製程結構則為料號與途程間的結構關係；資料對應表將包含依產能群組區分的產品類別、製程名稱的標準對應表、與製程內各工作站名稱的標準對應表等。生產型態組態的應用則可讓虛擬生產管制系統100依供應商端不同的生產型態來進行組態設定，以導入不同生產型態的產業。其中生產型態將包含裝配式與流程式等兩種生產型態。就製造商端主要材料製程而言，透過生產型態組態的設定，本系統所提出的WIP監控與製程模擬，能因應各供應商端的定義與流程(不論製程為裝配式或流程式，)加以調整，因而具有擴散性。
以下分別說明虛擬生產管制系統100之輸入資料、輸出結果、和各模組：
輸入資料
出貨計畫102為供應商端接獲製造商端的物料需求計畫(訂單)後，於要求的時間內回覆給製造商端之預計出貨時程表，其資料內容至少包含各料件出貨數量與時間。
WIP(在製品)資料104係屬於交易型態在製品資料(Transaction-Based WIP)。供應商端自接獲製造商端的訂單後，就必須開始提供WIP(在製品)資料104給製造商端，當在製品發生的交易事件(Transaction Event)係屬於事件協定範圍時，則供應商端將自動記錄事件發生的內容，並於約定的時間點傳送此在製品異動的內容給製造商端。製造商端必須事先與供應商端討論WIP協定內容，一起定義出供應商端於那些在製品的內容異動時必須傳送交易資料給製造商端。
虛擬生產管制系統100蒐集供應商端之WIP資料104之目的係在於即時分析供應商端的生產行為，以掌握供應商端短期的生產問題。因此，WIP協定的內容最重要是供應商端之機台製程的生產站點(Stage)歸類，並將它定義於電子資料交換標準(例如：RosettaNet的標準PIP(Partner Interface Process)規格內。然後，虛擬生產管制系統100才能透過WIP資料104串連上下游供應商端各段生產站點，成為虛擬生產管制系統10的虛擬生產管制站點。虛擬生產管制系統10所須之WIP資料104的內容包含：製造商端在製品的最終成品料號、製造商端下給供應商端的訂單單號、製造商端對各供應商端作群組機台的歸類、在製品最新的生產狀態及原因與數量、在製品交易事件與交易時間等。
資料前處理模組110
資料前處理模組110主要是進行一WIP資料前處理程序。因WIP資料104係屬於原始資料待進一步萃取其生產資訊價值，透過資料前處理程序將可以過濾掉錯誤或品質不良之資料，並萃取出有價值的生產參數，包含：料件生產時期、投料、生產暫停等時間分佈，產能條件與料件耗損資料等。資料前處理模組110之目的係在於將蒐集的WIP原始資料先作萃取、轉換與載存處理，以備後續的在製品監控模組120與產出推估模組130所使用。
請參照第4圖，其係繪示用以說明本發明之實施方式之虛擬生產管制系統與方法的示意圖。
資料前處理模組110包含：生產站WIP輸入資料前處理模組112和生產站WIP輸出資料前處理模組114。生產站WIP輸入資料包含兩類資訊，料件進出站時間、數量、事件和站點，與出貨計畫等。其中，由於出貨計畫資料為製造商端要求供應商端各產品的計畫產出時間與數量，此資料由製造商端視市場需求變化，透過資料交換機制的資訊提供或更新給供應商端。而生產站WIP輸出資料則包含料件產出數量、料件耗損量與出貨數量與時間等。此外，資料前處理也負責品質確保機制，當資料品質有異常時，如交易時間不合理、數量差異過鉅、或WIP時間異常等，均將紀錄這些異常資料以追蹤處理。
如第4圖所示，生產站WIP輸入資料前處理模組112係用以處理來自供應商端分別屬於過去之複數個生產時期[1...k]的複數組歷史在製品(WIP)資料和未來出貨計畫P[p,k+1]，以獲得生產時期[1...k]的複數組歷史投料時程資料XI [p,1...k]。生產站WIP輸出資料前處理模組114係用以處理來自供應商端分別屬於過去之複數個生產時期[1...k]的複數組歷史在製品(WIP)資料，以獲得生產時期[1...k]的複數組歷史產出時程資料Y[p,1...k]。此外，資料前處理模組110更可分析出下一生產時期k+1之一預期產能上限U[g,k+1]、最近生產時期k之一耗損率e[p,k]、和庫存周轉率r。
在製品監控模組120
在製品監控模組120之目的係在於以最大達交率之方式出貨為目標，推估出最遲產出時程與投線時程，但其產出除受供應商端實際產能上限的限制外，其投料行為也受供應商端的安全庫存策略所限制。因此，在前述的資料前處理後，可根據目前(即最近生產時期k)的投入行為XI [p,k]與未來的產出計畫(即目前出貨計畫)P[p,k+1]，使用整數規劃方法來推估未來的最遲投入行為與產出時程。採取整數規劃的原因在於，供應商端為達成對製造商端承諾的達交率，將根據其自有之產能限制、庫存水準等因素，來決定其投產行為，其模式如下所示：
1.目標式：Maximize達交率=實際交貨量/承諾交貨量
2.主要限制式：投入量＋在製品量≧產出量；預計產出量≦預期產能上限；平均出貨量/平均庫存量≧庫存週轉率；
3.決策變數：投料的時間與數量，產出的時間與數量；透過整數規劃的推估，所獲致的預期投入行為將作為後續之系統模擬的基礎。
如第4圖所示，在製品監控模組係用以採用最近生產時期k之歷史投料時程資料XI [p,k]和目前出貨計畫P[p,k+1]，並進行一整數規劃，來計算出下一生產時期k+1之一組最遲理想投料時程資料與一組最遲理想產出時程資料。
產出推估模組130
產出推估模組130係根據製程歷史能力推估可能產能的範圍，以做為後續決策之參考。由於前述在製品監控模組120的整數規劃未考慮各產品的不同生產時期特性，所以即使在料件充足的情況下，產品投料時間尚需往前調整所需週期天數才能符合預期產出時間。因此，產出推估模組130之系統模擬目的在於根據歷史、目前及推估資料，進一步推估實際產出的可能行為。如第4圖所示，產出推估模組130包含：分佈參數估計模組132、分佈參數預測模組134、和裴氏網路模擬模組135。裴氏網路模擬模組135包含：裴氏網路骨架136、裴氏網路模型137、和模擬輸出模組138。系統模擬首先彙整某一段時間(即1到k時期)的輸入資料XI [p,1...k]，並彙整相對應的產出資料Y[p,1...k]後，透過分佈參數估計法以獲得對應製程生產站的統計分佈，包含批量、到達時間間隔、拆批量與週期時間等，加上基於類神經演算法為基礎的參數預測，從而獲得下一時期之各分佈參數估計，基於所預測的分佈參數，建立裴氏網路製程模型並模擬後，將可獲致如下資料：例如：最遲合理投料時程資料、最遲合理產出時程資料、和達交率等。以下說明分佈參數估計模組132、分佈參數預測模組134、和裴氏網路模擬模組135。
分佈參數估計模組132
分佈參數估計模組132係用以採用歷史投料時程資料XI [p,1...k]和歷史產出時程資料Y[p,1...k]，並根據分佈參數估計法，來估算出複數組歷史投料分佈參數資料θx [p,1..k]、和複數組歷史產出分佈參數資料θy [p,1..k]。以下介紹分佈參數估計模組132所採用之分佈參數估計法。
由於系統所蒐集之週期時間CT為WIP產出時間減去投料時間，而其中實際包含傳輸延遲TD、等候時間WT與實際加工時間PT，使得CT=TD+WT+PT。就典型產品而言，TD符合指數分佈(Exponential(λ))，PT在穩定的生產能力下，亦符合常態分佈(Normal(μ,σ))。因此，未知之等待時間WT即可由所蒐集而得的CT配適而得，而在配適分佈時，需採取不同檢定量以獲得較佳配適效果：
1.採F檢定，其中為期望變異數，為配適變異數，用以檢查配適分佈變異與期望變異的信心度。
2.採科司檢定D =max｜F f (x )-F e (x )｜其中F e (x )為期望天之累加機率，F f (x )為配適天之累加機率，D主要用以檢查配適與期望間的最大絕對誤差量。
為結合上述檢定，可利用基因演算法以其多目標解求得不同檢定多目標的最佳化。在程序上，首先以95%信心度為前提，在各子代找出均滿足檢定量F與科司檢定量KLD的可行解，這些子代利用適應函數(Fitness Function)為D檢定量以進行交配機率分配。最後，為確保可行解的多樣性，利用保留基因組，以獲得多組可行最佳解。由於上述的配適結果將存在多組可行最佳解，但就每一時間區間而言，當根據某一期間其資料蒐集結束時，CT分佈即固定。因此，根據大數法則，就穩定製程而言，這些多組解為大量時，將構成常態或均勻分佈，亦即這些解的平均數將為實際製程的平均時間，其信心度可為這些解的變異數所表達。
以上所述之F檢定、科司檢定、適應函數和基因演算法等的使用，係本發明所屬領域中具有通常知識者所熟知，故不在此贅述。
分佈參數預測模組134
分佈參數預測模組134係用以採用歷史投料分佈參數資料θx [p,1..k]、和歷史產出分佈參數資料θy [p,1..k]，並根據類神經網路演算法，來預測出下一生產時期之一組預估投料分佈參數資料和一組預估產出分佈參數資料。至於類神經網路演算法的使用，係本發明所屬領域中具有通常知識者所熟知，故不在此贅述。
裴氏網路模擬模組135
裴氏網路模擬模組135利用一種裴氏網路，例如：具時間特性之隨機著色裴氏網路(Stochastic Colored Timed Petri Nets)，來分別建立製程行為的隨機性與時間延遲等特性。在裴氏網路模擬模組135中，首先依生產型態與特性選擇適當的裴氏網路骨架136，再將下一生產時期之最遲理想產出時程資料、預估投料分佈參數資料、和預估產出分佈參數資料合成於裴氏網路模型137後，即可建構出產出製程生產站之模擬模型資料PN[p,k+1]。請參照第5A圖，其係繪示用以說明本發明之實施方式之裴氏網路的簡化示意圖，其中空心圓圈代表可能狀態，實心圓表為移轉於狀態間的初始條件，而方形實心代表移轉所需加工或延遲隨機時間(以分佈參數表示)。應用如第5A圖所示之方式可建構出如第5B圖所示之產出製程生產站之模擬模型資料PN[p,k+1]，第5B圖係繪示本發明之實施方式之裴氏網路的示意圖，其中圓圈代表位置(Place)，為料件之各種處理狀態；矩形代表移轉(Transition)，為狀態間移轉的動作；連接弧(Arc)代表由狀態到移轉或移轉到狀態的條件。前述所推得的分佈參數即分別配置於Arc與Transition上，而特定的派工動作則另定義於Transition上之動作(Action)中，另予以實現其功能。基於此模型，若將欲預測之下一生產時期k+1的預期投入輸入此模擬模型，則下一生產時期k+1的預測產出可從而獲得。
然後，將模擬模型資料PN[p,k+1]輸入至模擬輸出模組138，以獲得最遲合理投料時程資料、最遲合理產出時程資料。
以上所述之裴氏網路的使用，係本發明所屬領域中具有通常知識者所熟知，故不在此贅述。
輸出資料
庫存剖析結果106之目的係在分析製造商端於供應商端的庫存分佈，以做為製造商端監控在製品庫存水位的參考。庫存剖析結果106可預測未來可能發生的呆滯料及低週轉率等問題，以警示製造商端需調節庫存水位降低庫存成本。庫存剖析結果106包含在製品最新的生產狀態與數量及預估庫存週轉率與呆滯料。
達交剖析結果108之目的係在提供製造商端參考供應商端交貨能力，以傳送合理的物料需求計畫給供應商端；並推估供應商端承諾的出貨計畫的達交率，以提早找出生產問題並予以解決。達交剖析結果108包含預估產出日期數量、預估達交率、預估遲交數量、及遲交原因與產能瓶頸等。
可理解的是，本發明之虛擬生產管制方法為以上所述之各模組的實施步驟，本發明之內儲用於虛擬生產管制之電腦程式產品，係用以完成如上述之虛擬生產管制方法。
以下以一簡化的應用例來說明本發明實施方式之虛擬生產管制系統與方法。
請同時參照第3圖和第4圖。
假設製造商端於11/30傳送兩個產品的一物料需求計畫D[p,k+1](如表一所示)至供應商端，並要求供應商端於12/8及12/10交貨。供應商端評估自己的生產能力後回覆一出貨計畫102至製造商端，並開始傳送11/30之前WIP資料104(生產狀況)給製造商端。製造商端將出貨計畫102與WIP資料104載入上述之虛擬生產管制系統100後，預測出供應商端可能無法於12/8達交，而無法達交的原因是物料未投線與產能不足，所以立刻通知供應商端趕快將物料投線與多準備一些產能。虛擬生產管制系統與方法的進行過程敘述如下：首先，製造商端於11/30傳送兩個產品的一物料需求計畫D[p,k+1](如表一)至供應商端，供應商端根據物料需求計畫回覆製造商端出貨計畫P[p,k+1](如表二)；並傳11/30之前的WIP資料102給製造商端包含最近生產時期k(11/30)之歷史投料時程資料XI [p,k](如表三)。
接著，資料前處理模組110由WIP資料102和出貨計畫104分析出生產參數如，包含歷史投料時程資XI [p,1...k](如表四)、歷史產出時程資料Y[p,1..k](如表五)、預期產能上限U[g,k+1](如表六)、耗損率e[p,k](如表七)與庫存周轉率r=65%。
然後，在製品監控模組120使用XI [p,k]和P[p,k+1]進行整數規劃，而解出最遲理想投料時程資料(如表八)與最遲理想產出時程資料(如表九)。
接著，分佈參數估計模組132根據歷史投料時程資料XI [p,1...k]和歷史產出時程資料Y[p,1..k]，將歷史投入與產出行為以統計分佈表示之，利用基因演算法與統計量(如F檢定、科司檢定等)配適假設值與實際值，若兩者誤差為最小，則歷史資料之分佈參數將可據以獲得歷史投料分佈參數資料θx [p,1..k](如表十)與歷史產出分佈參數資料θy [p,1..k](如表十一)。
接著，分佈參數預測模組134根據歷史投入與產出行為之分佈參數資料θx [p,1..k]和θy [p,1..k]，並利用類神經演算法推估推估下一時期k+1之分佈參數資料，可獲得預估投料分佈參數資料和預估產出分佈參數資料(表十二)。
然後，在裴氏網路模擬模組135中，將前述之、和合成於裴氏網路模型137後，即可建構出產出製程生產站之模擬模型資料PN[p,k+1]，如第5圖所示。然後，將模擬模型資料PN[p,k+1]輸入至模擬輸出模組138，以獲得最遲合理投料時程資料(表十三)、最遲合理產出時程資料(表十四)、達交率(表十五)。
表十四最遲合理產出時程
接著，可根據上述結果找出達交率未達100%的項目，即、。然後，判斷各項目未達交原因：
比較前述之預期產能上限U[1,k+1]與出貨計畫P[1,k+1]：U[1,k+1]=90<P[1,k+1]-XI [1,k]=120-20=100。由此可知，供應商端的產能不足夠，故建議供應商端多準備11(=(100-90)/(1-5%))個產品產能。
比較前述之預期產能上限U[2,k+1]與出貨計畫P[2,k+1]：P[2,k+1]=100>=P[2,k+1](2)=90，所以產能足夠。根據最遲合理投料時程資料與出貨計畫
P[2,k+1](1)+P[2,k+1](2)=140。由此可知，供應商端的投料不足，故建議供應商端增加投4(=(140-136)/(1-3%))個物料。
此外，根據上述結果可找出最遲合理投料時程的時間為11/28，但目前時間已為11/30，代表供應商端無法以標準週期時間完成生產，故需協調供應商端調高其生產優先次序，以縮短生產所需週期時間，從而符合交貨時程。
綜上所述，應用本發明之實施方式可有效地推估出供應商端的交貨能力，以調節並控制供應商端的庫存水準，進而確保供應商端的高達交率與高庫存周轉率。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何在此技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
10．．．製造商端
12．．．生產管制決策
20．．．供應商端
22．．．WIP資訊系統
24．．．實際工廠
30．．．網際網路
40．．．客戶端
100．．．虛擬生產管制系統
102．．．出貨計畫
104．．．WIP資料
106．．．庫存剖析結果
108．．．達交剖析結果
110．．．資料前處理模組
112．．．生產站WIP輸入資料前處理模組
114．．．生產站WIP輸出資料前處理模組
120．．．在製品監控模組
130．．．產出推估模組
132．．．分佈參數估計模組
134．．．分佈參數預測模組
135．．．裴氏網路模擬模組
136．．．裴氏網路骨架
137．．．裴氏網路模型
138．．．模擬輸出模組
200．．．生產參數資料介面
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下：
第1圖係繪示依照本發明之一實施方式之虛擬生產管制系統的應用架構示意圖。
第2圖係繪示依照本發明之實施方式之虛擬生產管制系統的生產管制流程示意圖。
第3圖係繪示依照本發明之一實施方式之虛擬生產管制系統的架構示意圖。
第4圖係繪示用以說明本發明之實施方式之虛擬生產管制系統與方法的示意圖。
第5A圖係繪示用以說明本發明之實施方式之裴氏網路的示意圖。
第5B圖係繪示本發明之實施方式之裴氏網路的示意圖。
100．．．虛擬生產管制系統
102．．．出貨計畫
104．．．WIP資料
106．．．庫存剖析結果
108．．．達交剖析結果
110．．．資料前處理模組
120．．．在製品監控模組
130．．．產出推估模組
200．．．生產參數資料介面

Claims (18)

  1. 一種虛擬生產管制系統，包含：一資料前處理模組，用以處理來自一供應商端分別屬於過去之複數個生產時期的複數組歷史在製品(Work-In-Process；WIP)資料和一目前出貨計畫，以獲得該些生產時期的複數組歷史投料時程資料與複數組歷史產出時程資料；一在製品監控模組，用以採用該些組歷史投料時程資料中屬於該些生產時期之一最近生產時期之一者和該目前出貨計畫，並進行一整數規劃(Integer Programming；IP)，來計算出下一生產時期之一組最遲理想投料時程資料與一組最遲理想產出時程資料；以及一產出推估模組，用以採用該些組歷史投料時程資料、該些組歷史產出時程資料、和下一生產時期之一組最遲產出時程資料，並根據一分佈參數估計法、一類神經網路(Neural Network；NN)演算法和一裴氏網路(Petri Nets；PN)來模擬出下一生產時期之一組最遲合理投料時程資料和一組最遲合理產出時程資料。
  2. 如請求項1所述之虛擬生產管制系統，其中該資料前處理模組分析出下一生產時期之一預期產能上限、和該最近生產時期之一耗損率。
  3. 如請求項2所述之虛擬生產管制系統，其中該產出推估模組根據該預期產能上限、該耗損率、該組最遲合理投料時程資料、該組最遲合理產出時程資料與該目前出貨 計畫來產生一庫存剖析結果，該庫存剖析結果包含在製品最新的生產狀態與數量、及預估庫存週轉率與呆滯料。
  4. 如請求項2所述之虛擬生產管制系統，其中該產出推估模組根據該預期產能上限、該耗損率、該組最遲合理產出時程資料與該目前出貨計畫來產生一達交剖析結果，該達交剖析結果包含預估產出日期數量、預估達交率、預估遲交數量、及遲交原因與產能瓶頸。
  5. 如請求項1所述之虛擬生產管制系統，其中該整數規劃係以一最大達交率之方式出貨為目標，以推估出一產出時程與一投線時程，並受該供應商實際產能上限的限制，以及該供應商的安全庫存策略所限制。
  6. 如請求項1所述之虛擬生產管制系統，其中該產出推估模組包含：一分佈參數估計模組，用以採用該些組歷史投料時程資料和該些組歷史產出時程資料，並根據該分佈參數估計法，來估算出複數組歷史投料分佈參數資料、和複數組歷史產出分佈參數資料；一分佈參數預測模組，用以採用該些組歷史投料分佈參數資料、和該些組歷史產出分佈參數資料，並根據該類神經網路演算法，來預測出下一生產時期之一組預估投料分佈參數資料和一組預估產出分佈參數資料；以及一裴氏網路模擬模組，用以採用下一生產時期之該組最遲理想產出時程資料、該組預估投料分佈參數資料、和 該組預估產出分佈參數資料，並根據該裴氏網路來模擬出下一生產時期之該組最遲合理投料時程資料和該組最遲合理產出時程資料。
  7. 如請求項6所述之虛擬生產管制系統，其中該分佈參數估計法包含：一F檢定，用以檢查配適分佈變異與期望變異的信心度；一科司(Kolmogorov-Smirnov)檢定，用以檢查配適與期望間的最大絕對誤差量；以及一基因演算法(Genetic Algorithm)，用以結合該F檢定和該科司檢定。
  8. 如請求項6所述之虛擬生產管制系統，更包含：一主檔(Master Data)，包含：一產品結構，係由一企業資源規劃(Enterprise Resource Planning；ERP)系統取得，用以指出原料、半成品及成品間的料號與用量的結構關係；一製程結構，係由該企業資源規劃系統取得，用以指出料號與途程間的結構關係；以及一資料對應表；包含依產能群組區分出之複數個產品類別、一製程名稱對應表、一製程內工作站名稱對應表；一生產型態組態(Production Type Configuration)，包含：一裝配式(Assembly)生產型態與一流程式(Process)生產型態，其中該資料前處理模組、該在製品監控模組和該裴氏網路模擬模組係根據該生產型態組態而加以調整。
  9. 如請求項6所述之虛擬生產管制系統，更包含：一主檔(Master Data)，包含：一產品結構，係由一企業資源規劃(Enterprise Resource Planning；ERP)系統取得，用以指出原料、半成品及成品間的料號與用量的結構關係；一製程結構，係由該企業資源規劃系統取得，用以指出料號與途程間的結構關係；以及一資料對應表；包含依產能群組區分出之複數個產品類別、一製程名稱對應表、和一製程內工作站名稱對應表；以及一生產型態組態(Production Type Configuration)，包含：一裝配式(Assembly)生產型態與一流程式(Process)生產型態，其中該資料前處理模組、該在製品監控模組和該裴氏網路模擬模組係根據該生產型態組態而加以調整。
  10. 如請求項1所述之虛擬生產管制系統，其中該虛擬生產管制系統係位於一製造商端，該目前出貨計畫係由該供應商端根據該製造商端所提供之一物料需求計畫製作而成。
  11. 一種虛擬生產管制方法，包含：處理來自一供應商端分別屬於過去之複數個生產時期的複數組歷史在製品(WIP)資料和一目前出貨計畫，以獲得該些生產時期的複數組歷史投料時程資料與複數組歷史產出時程資料、下一生產時期之一預期產能上限、和該些生 產時期之一最近生產時期之一者之一耗損率；採用該些組歷史投料時程資料中屬於該最近生產時期之一者和該目前出貨計畫，並進行一整數規劃，來計算出下一生產時期之一組最遲理想投料時程資料與一組最遲理想產出時程資料；以及採用該些組歷史投料時程資料、該些組歷史產出時程資料、和下一生產時期之一組最遲產出時程資料，並根據一分佈參數估計法、一類神經網路演算法和一裴氏網路來模擬出下一生產時期之一組最遲合理投料時程資料和一組最遲合理產出時程資料。
  12. 如請求項11所述之虛擬生產管制方法，更包含：根據該預期產能上限、該耗損率、該組最遲合理投料時程資料、該組最遲合理產出時程資料與該目前出貨計畫來產生一庫存剖析結果，該庫存剖析結果包含在製品最新的生產狀態與數量、及預估庫存週轉率與呆滯料。
  13. 如請求項11所述之虛擬生產管制方法，更包含：根據該預期產能上限、該耗損率、該組最遲合理產出時程資料與該目前出貨計畫來產生一達交剖析結果，該達交剖析結果包含預估產出日期數量、預估達交率、預估遲交數量、及遲交原因與產能瓶頸。
  14. 如請求項11所述之虛擬生產管制方法，其中該整數規劃係以一最大達交率之方式出貨為目標，以推估出一產出時程與一投線時程，並受該供應商實際產能上限的限 制，以及該供應商的安全庫存策略所限制。
  15. 如請求項11所述之虛擬生產管制方法，更包含：採用該些組歷史投料時程資料和該些組歷史產出時程資料，並根據該分佈參數估計法，來估算出複數組歷史投料分佈參數資料、和複數組歷史產出分佈參數資料；採用該些組歷史投料分佈參數資料、和該些組歷史產出分佈參數資料，並根據該類神經網路演算法，來預測出下一生產時期之一組預估投料分佈參數資料和一組預估產出分佈參數資料；以及採用下一生產時期之該組最遲理想產出時程資料、該組預估投料分佈參數資料、和該組預估產出分佈參數資料，並根據該裴氏網路來模擬出下一生產時期之該組最遲合理投料時程資料和該組最遲合理產出時程資料。
  16. 如請求項15所述之虛擬生產管制方法，其中該分佈參數估計法包含：一F檢定，用以檢查配適分佈變異與期望變異的信心度；一科司檢定，用以檢查配適與期望間的最大絕對誤差量；以及一基因演算法，用以結合該F檢定和該科司檢定。
  17. 如請求項11所述之虛擬生產管制方法，更包含：由一製造商端提供一物料需求計畫至該供應商端；以及 該供應商端根據該物料需求計畫製作該目前出貨計畫。
  18. 一種內儲用於虛擬生產管制之電腦程式產品，當電腦載入此電腦程式產品並執行後，可完成如請求項11所述之虛擬生產管制方法。
TW098127013A 2009-08-11 2009-08-11 虛擬生產管制系統與方法及其電腦程式產品 TWI394089B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW098127013A TWI394089B (zh) 2009-08-11 2009-08-11 虛擬生產管制系統與方法及其電腦程式產品
US12/724,553 US8515793B2 (en) 2009-08-11 2010-03-16 Virtual production control system and method and computer program product thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW098127013A TWI394089B (zh) 2009-08-11 2009-08-11 虛擬生產管制系統與方法及其電腦程式產品

Publications (2)

Publication Number Publication Date
TW201106279A TW201106279A (en) 2011-02-16
TWI394089B true TWI394089B (zh) 2013-04-21

Family

ID=43589123

Family Applications (1)

Application Number Title Priority Date Filing Date
TW098127013A TWI394089B (zh) 2009-08-11 2009-08-11 虛擬生產管制系統與方法及其電腦程式產品

Country Status (2)

Country Link
US (1) US8515793B2 (zh)
TW (1) TWI394089B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI771615B (zh) * 2019-09-17 2022-07-21 英業達股份有限公司 訂單預測方法
TWI808961B (zh) * 2017-02-24 2023-07-21 日商雷克薩研究有限公司 工作計劃最佳化方法

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3330234B2 (ja) 1994-07-29 2002-09-30 本田技研工業株式会社 内燃機関の燃料噴射制御装置
JP3354304B2 (ja) 1994-07-29 2002-12-09 本田技研工業株式会社 内燃機関の燃料噴射制御装置
JP4636069B2 (ja) * 2007-10-12 2011-02-23 日本電気株式会社 設計管理装置、設計管理方法、設計管理プログラム、生産管理装置、生産管理方法、生産管理プログラム、及び生産管理システム
US8924320B2 (en) 2012-02-07 2014-12-30 Caterpillar Inc. Systems and methods for forecasting using process constraints
US8676630B2 (en) 2012-02-07 2014-03-18 Caterpillar Inc. Systems and methods for selectively updating forecast data
US8606620B2 (en) 2012-02-07 2013-12-10 Caterpillar Inc. Systems and methods for forecasting using an attenuated forecast function
US20140156047A1 (en) * 2012-12-04 2014-06-05 The Boeing Company Manufacturing Process Monitoring and Control System
US9524570B1 (en) 2013-09-23 2016-12-20 The Boeing Company Visualizing real time production status
US9141979B1 (en) * 2013-12-11 2015-09-22 Ca, Inc. Virtual stand-in computing service for production computing service
US10771329B1 (en) * 2014-03-24 2020-09-08 Amazon Technologies, Inc. Automated service tuning
US10055703B2 (en) * 2015-01-13 2018-08-21 Accenture Global Services Limited Factory management system
CN106650981B (zh) * 2015-11-02 2020-08-11 中国石油化工股份有限公司 一种基于遗传算法的优化采购及拼船/车运输方法
TWI618005B (zh) * 2016-11-23 2018-03-11 財團法人資訊工業策進會 庫存需求預測系統
CN107679848B (zh) * 2017-09-22 2021-02-26 郑州大学 一种基于时延控制Petri网的小额交易时延控制方法
CN108256778B (zh) * 2018-01-31 2021-09-10 北京仿真中心 一种基于机器学习和平行仿真的高级计划与排程方法
US10878350B1 (en) * 2018-06-11 2020-12-29 Palantir Technologies Inc. Methods and systems for providing a user interface for managing parts production and delivery statuses
US12282845B2 (en) * 2018-11-01 2025-04-22 Cognizant Technology Solutions US Corp. Multiobjective coevolution of deep neural network architectures
JP7054668B2 (ja) * 2018-11-08 2022-04-14 株式会社日立製作所 動的生産計画システムおよび動的生産計画装置
EP3948692A4 (en) 2019-03-27 2023-03-29 Cognizant Technology Solutions U.S. Corporation METHOD AND SYSTEM USING AN OPTIMIZATION MACHINE WITH EVOLUTIONARY SURROGATE ASSESSED TARGETS
CN111861299B (zh) * 2019-04-30 2023-10-17 上海梅山钢铁股份有限公司 一种钢铁企业全流程库存水平预警与控制方法
CN110675005B (zh) * 2019-10-15 2021-12-07 埃克斯工业(广东)有限公司 一种基于人工智能技术与ropn技术的智能决策方法
US12099934B2 (en) * 2020-04-07 2024-09-24 Cognizant Technology Solutions U.S. Corporation Framework for interactive exploration, evaluation, and improvement of AI-generated solutions
CN113570098A (zh) * 2020-04-28 2021-10-29 鸿富锦精密电子(天津)有限公司 出货量预测方法、装置、计算机装置及存储介质
EP3904977B1 (en) * 2020-04-30 2023-11-29 ABB Schweiz AG Method for generating a process model and support system using the process model
US11775841B2 (en) 2020-06-15 2023-10-03 Cognizant Technology Solutions U.S. Corporation Process and system including explainable prescriptions through surrogate-assisted evolution
US12424335B2 (en) 2020-07-08 2025-09-23 Cognizant Technology Solutions U.S. Corporation AI based optimized decision making for epidemiological modeling
KR20230081501A (ko) * 2021-11-30 2023-06-07 주식회사 엘지에너지솔루션 생산 계획 수립 장치 및 방법
CN114570022B (zh) * 2022-03-08 2025-08-15 网易（杭州）网络有限公司 游戏资源处理方法、装置、设备及存储介质
US20230342676A1 (en) * 2022-04-22 2023-10-26 Dell Products L.P. Intelligent prediction for equipment manufacturing management system
TWI844845B (zh) 2022-04-25 2024-06-11 財團法人工業技術研究院 產線運作預測方法以及產線運作預測系統
CN115496285B (zh) * 2022-09-26 2023-09-12 上海玫克生储能科技有限公司 一种电力负荷的预测方法、装置及电子设备
CN117635358B (zh) * 2024-01-25 2024-04-16 山东师范大学 基于大数据的财务管理方法和系统
CN118134202B (zh) * 2024-04-12 2024-09-06 简帷(杭州)软件有限公司 一种供应链计划中的瓶颈识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5050088A (en) * 1989-03-29 1991-09-17 Eastman Kodak Company Production control system and method
US5787000A (en) * 1994-05-27 1998-07-28 Lilly Software Associates, Inc. Method and apparatus for scheduling work orders in a manufacturing process
US5993041A (en) * 1996-11-29 1999-11-30 Nec Corporation Production controller for facility group work start
US20020087227A1 (en) * 2000-11-02 2002-07-04 International Business Machines Corporation System and method for production management
US6611726B1 (en) * 1999-09-17 2003-08-26 Carl E. Crosswhite Method for determining optimal time series forecasting parameters
TW200540674A (en) * 2004-06-03 2005-12-16 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes
US20070168067A1 (en) * 2003-12-24 2007-07-19 Yasuhito Yaji Production schedule creation device and method, production process control device and method, computer program, and computer-readable recording medium

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4744028A (en) * 1985-04-19 1988-05-10 American Telephone And Telegraph Company, At&T Bell Laboratories Methods and apparatus for efficient resource allocation
US5148365A (en) * 1989-08-15 1992-09-15 Dembo Ron S Scenario optimization
US5093794A (en) * 1989-08-22 1992-03-03 United Technologies Corporation Job scheduling system
US5257363A (en) * 1990-04-09 1993-10-26 Meta Software Corporation Computer-aided generation of programs modelling complex systems using colored petri nets
JP3447286B2 (ja) * 1990-11-28 2003-09-16 株式会社日立製作所 生産計画作成システムおよび生産計画作成方法
US5369570A (en) * 1991-11-14 1994-11-29 Parad; Harvey A. Method and system for continuous integrated resource management
US5586021A (en) * 1992-03-24 1996-12-17 Texas Instruments Incorporated Method and system for production planning
JP3446256B2 (ja) * 1993-09-03 2003-09-16 株式会社日立製作所 Ｆａシステムの制御方法及び装置
US5596502A (en) * 1994-11-14 1997-01-21 Sunoptech, Ltd. Computer system including means for decision support scheduling
US5787283A (en) * 1995-10-27 1998-07-28 International Business Machines Corporation Framework for manufacturing logistics decision support
US5815638A (en) * 1996-03-01 1998-09-29 Client/Server Connection, Ltd. Project estimator
JP3767954B2 (ja) * 1996-11-07 2006-04-19 富士通株式会社 需要予測装置
US5971585A (en) * 1997-09-09 1999-10-26 International Business Machines Corporation Best can do matching of assets with demand in microelectronics manufacturing
US7020594B1 (en) * 1997-10-01 2006-03-28 Sony Corporation Electronic Kanban worksheet for the design and implementation of virtual or electronic Kanban systems
US6889178B1 (en) * 1997-10-01 2005-05-03 Sony Corporation Integrated wafer fabrication production characterization and scheduling system
US6349237B1 (en) * 1997-12-23 2002-02-19 The Regents Of The University Of Michigan Reconfigurable manufacturing system having a production capacity method for designing same and method for changing its production capacity
US6463345B1 (en) * 1999-01-04 2002-10-08 International Business Machines Corporation Regenerative available to promise
US7069101B1 (en) * 1999-07-29 2006-06-27 Applied Materials, Inc. Computer integrated manufacturing techniques
US6970841B1 (en) * 2000-04-17 2005-11-29 International Business Machines Corporation Large inventory-service optimization in configure-to-order systems
TW495819B (en) * 2000-05-31 2002-07-21 Toshiba Corp Method and system for electronic commerce of semiconductor product, system and method of production, and design system, design method and manufacturing method of production equipment
WO2002007045A2 (en) * 2000-07-13 2002-01-24 Manugistics, Inc. Shipping and transportation optimization system and method
US7668761B2 (en) * 2000-10-27 2010-02-23 Jda Software Group System and method for ensuring order fulfillment
US20020178077A1 (en) * 2001-05-25 2002-11-28 Katz Steven Bruce Method for automatically invoking a software module in response to an internal or external event affecting the procurement of an item
US6718220B2 (en) * 2001-11-29 2004-04-06 Windbond Electronics Corporation Method and system of monitoring apparatuses of manufacturing IC
US6731999B1 (en) * 2002-01-02 2004-05-04 Taiwan Semiconductor Manufacturing Company Wafer start order release algorithm in a foundry fab
KR100426088B1 (ko) * 2002-01-31 2004-04-06 삼성전자주식회사 자가구축 학습페트리넷
AU2003229189A1 (en) * 2002-05-17 2003-12-02 Webplan Inc. System and method for determining a promise date for a demand in a business environment
AU2003245924A1 (en) * 2002-06-25 2004-01-06 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and system for simulating order processing processes, corresponding computer program product, and corresponding computer-readable storage medium
US7499766B2 (en) * 2002-10-11 2009-03-03 Invistics Corporation Associated systems and methods for improving planning, scheduling, and supply chain management
US7822630B1 (en) * 2003-12-11 2010-10-26 Teradata Us, Inc. Forecasting with parallel processing
US20050234579A1 (en) * 2004-01-23 2005-10-20 Jakob Asmundsson Tractable nonlinear capability models for production planning
US7065419B2 (en) * 2004-04-14 2006-06-20 Taiwan Semiconductor Manufacturing Company, Ltd. Job flow Petri Net and controlling mechanism for parallel processing
US7877301B2 (en) * 2005-04-04 2011-01-25 Balancedflow Supply Chain Solutions, Llc System and method for managing manufacturing, ordering, and distribution in a supply chain
US7443282B2 (en) * 2005-05-05 2008-10-28 Industrial Technology Research Institute System and a method, including software and hardware, for providing real-time and synchronization views of supply chain information
US7289867B1 (en) * 2005-06-08 2007-10-30 Advanced Micro Devices, Inc. Automated integrated circuit device manufacturing facility using distributed control
US7406358B2 (en) * 2005-06-30 2008-07-29 Sap Aktiengesellschaft Kanban control cycle system
US7558638B2 (en) * 2006-02-22 2009-07-07 Gm Global Technology Operations, Inc. Applying real-time control to a production system
US20080095196A1 (en) * 2006-10-20 2008-04-24 Rockwell Automation Technologies, Inc. Unit to unit transfer synchronization
CA2681641A1 (en) * 2007-03-20 2008-09-25 Accenture Global Services Gmbh Predictive cost reduction based on a thermodynamic model
US8463419B2 (en) * 2009-01-22 2013-06-11 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for improved automated semiconductor wafer manufacturing

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5050088A (en) * 1989-03-29 1991-09-17 Eastman Kodak Company Production control system and method
US5787000A (en) * 1994-05-27 1998-07-28 Lilly Software Associates, Inc. Method and apparatus for scheduling work orders in a manufacturing process
US5993041A (en) * 1996-11-29 1999-11-30 Nec Corporation Production controller for facility group work start
US6611726B1 (en) * 1999-09-17 2003-08-26 Carl E. Crosswhite Method for determining optimal time series forecasting parameters
US20020087227A1 (en) * 2000-11-02 2002-07-04 International Business Machines Corporation System and method for production management
US20070168067A1 (en) * 2003-12-24 2007-07-19 Yasuhito Yaji Production schedule creation device and method, production process control device and method, computer program, and computer-readable recording medium
TW200540674A (en) * 2004-06-03 2005-12-16 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"A survey of dynamic scheduling in manufacturing systems" by Djamila Ouelhadj · Sanja Petrovic, Published online: 28 October 2008 ©Springer Science+Business Media, LLC 2008 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI808961B (zh) * 2017-02-24 2023-07-21 日商雷克薩研究有限公司 工作計劃最佳化方法
TWI771615B (zh) * 2019-09-17 2022-07-21 英業達股份有限公司 訂單預測方法

Also Published As

Publication number Publication date
US20110040596A1 (en) 2011-02-17
US8515793B2 (en) 2013-08-20
TW201106279A (en) 2011-02-16

Similar Documents

Publication Publication Date Title
TWI394089B (zh) 虛擬生產管制系統與方法及其電腦程式產品
US6976033B2 (en) Production cell information system based on activity costs and an architecture therefor
CN108009739B (zh) 一种智能机加车间生产计划与调度一体化方法
Koh et al. Managing uncertainty in ERP-controlled manufacturing environments in SMEs
Beamon Supply chain design and analysis:: Models and methods
CN102549512B (zh) 用于为企业优化而整合计划、调度和控制的装置和方法
CN119338159A (zh) 一种生产计划调度平台的排产计算方法
Zhang et al. Big data driven decision-making for batch-based production systems
Hajej et al. Quality issue in forecasting problem of production and maintenance policy for production unit
Renna et al. Capacity sharing in a network of independent factories: A cooperative game theory approach
CN116415780A (zh) 一种智能排单的方法及系统
Hlioui et al. Integrated quality strategy in production and raw material replenishment in a manufacturing-oriented supply chain
Cheng et al. Evaluation models for service oriented process in spare parts management
Talibi et al. The relevance study of adaptive kanban in a multicriteria constraints context using data-driven simulation method
Haddad et al. Redistributed manufacturing of spare parts: an agent-based modelling approach
Bokor et al. Energy Price and Workload Related Dispatching Rule: Balancing Energy and Production Logistics Costs
Hafidi et al. Joint optimization of production and maintenance for multi-machines subject to degradation and subcontracting constraints
Darayi et al. Using simulation-based optimization to improve performance at a tire manufacturing company
CN117829746A (zh) 供应链管理系统及方法
Barco et al. The effect of transfer lot size on manufacturing lead time: a stochastic analysis
CN115700678A (zh) 一种维保配件安全库存决策方法
CN120338663B (zh) 一种对超量库存调度的方法和系统
CN111882169A (zh) 一种基于pert核心erp（mrpii）业务模型
Turnbull et al. Recent developments in the UK automotive industry: JIT/TQC and information systems
CN115879743B (zh) 一种基于人工智能的离散制造智能管理系统及方法