- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据魔术师
APS智能排产+运筹优化算法=？
图 基于Pert关键路径分析算法 APS智能排产系统支持网络计划模型，可以用于项目型计划排产与滚动排产，例如飞机，轮船，大型机械等生产制造，替代Project等项目计划软件，系统对网络计划的执行进行监督 下料工序的生产计划是二维排样与排产优化综合问题，不仅仅根据物料的形状进行排样，同时也要考虑料号的生产计划或者交货期，因此排样+排产同时考虑。 APS智能排产系统整合国内顶尖的排样引擎，实现二维排样与排产计划联动。 ? 图 二维排样算法展示 （七）三维装箱优化算法 箱柜装载问题(three-dimensional bin packing problem，简称3D-BPP)：给定一些不同类型的方型箱子和一些规格统一的方型容器 图 路径规划求解器 APS智能排产系统集成国内自主研发的顶尖的车辆路径规划引擎，实现三维装箱、路径规划与排产计划联动，并在行业领先企业得到应用。 ? 图 APS排产系统甘特图展示路径优化结果
5.5K46发布于 2021-03-16 两小时搭建自动排产系统，效率提 40%
没想到只用了两个小时，就把一套自动排产系统跑起来了。效果很明显：效率提升 40%，计划有章可循，设备利用率更均衡，车间的执行也稳定了。接下来和大家详细拆解一下。一、为什么生产排程总是乱？ 要解决排程混乱的问题，可以从这三个核心模块出发设计：订单优先级设置模块、设备负荷监控模块、自动排程计算模块。 1. 订单优先级设置模块排程混乱，往往从“先做哪个订单”开始。 排产的时候就可以合理调整，避免有的机器爆满、有的机器空闲。3. 自动排程计算模块最后一步，也是最核心的一步，就是自动排程计算。系统根据订单的优先级和设备的负荷情况，自动生成最优的排程方案。 五、我的心得这次搭建最大的感受是：排产其实不需要很复杂的算法，关键是把几个核心点抓住。优先级解决了“做哪个”的问题；设备负荷解决了“能不能做”的问题；自动计算解决了“怎么做”的问题。 把这三点串起来，就能形成一个高效、可执行的排产系统。另外，别想着一步到位。
54510编辑于 2025-10-10- 来自专栏APS-高级计划与排程
多工序、多机台(产线)环境下的排程要点
单一工序，多资源种类 单一工序 ，多种类资源情况，仅对产品的一个工序进行排产，仅可用于这个工序的资源是多种多样的，并且各种资源之间可以互换的。此类计划主要是为了实现资源的优化分配。 多工序，多资源种类 多个工序，多资源种类的和产计划，也是目前最为常见，也是最为复杂的生产计划，是本文讨论的重点。多工序与前一个问题一样，是针对整个产品的工序路线进行排产。 那么当同时对多个产品进行排产时，各个产品的工序路线形成的工序生产序列和资源分配方案，很容易就形成了胶着状态，甚至在多个资源之间会出现死锁状态。 排程过程中产生的死循环 例如下图：红框的任务Task1, Task2, Task3表示了一个产品的工序路线上的3个工序对应的任务，即表示这三个任务形成了工序路线任务链，它们分别分布于machine1 小结 自此，本文描述了基于Optaplanner设计APS排产引擎时，遇到比较棘手的问题。
3.1K92发布于 2019-09-06 一文讲透企业精细排产的底层逻辑！
说白了，排产排的不是“人看着顺”的计划，而是“真正能落地”的生产节奏。举个例子：你有3张订单，客户A交期近，但还缺个关键原材料；客户B的单可以整批走；客户C单品种复杂，换线成本高。你是先干哪个？ 如果没一个清晰的判断逻辑，那这张排产表就是写来看的，不是写来干的。二、排产排不准，会出什么问题？ 3. 设备排得满 ≠ 产能用得好排满了但频繁换模、调试、切换品种，不如合理集中、批量生产效率高。4. 3. 排产流程标准化，别再“临时抱佛脚”很多厂排产都是：业务催了，计划员打开Excel随手一排，现场跑不动了，再回来改。这种事后补救的方式，只会越来越乱。正确做法是：建立一套固定节奏的滚动排产流程。 比如：每天下午滚动编制未来3天计划；每周一做一次“订单—物料—产能”协调会，评估新订单影响；每天现场回传工单执行情况，次日计划动态调整。说白了，计划要“活”着跑，不是“排一次就不管”。
37900编辑于 2025-07-22一文讲清智能排产系统搭建全攻略
本文将聚焦智能排产系统的落地路径：先阐释其“整合订单、工艺、资源等要素，实现自动化排产方案生成”的核心功能，再从基础数据搭建、智能排产工作台配置、生产报工闭环、经营看板分析四大模块，详解系统搭建的关键逻辑与实施步骤 智能排产系统，就是一套帮你把生产任务排清楚、排得准、排得动的系统。 3.给谁用？只要你的工厂存在“计划复杂、资源有限、执行偏差”的问题，这套系统就适用。 只要这六块数据建好了，系统排产才能“按逻辑跑”，而不是“凭运气凑”。模块二：智能排产工作台——整套系统的大脑中枢这一步是“排产真正开始”的地方。 你在工作台里要做的事情是：创建排产任务：选择要排产的订单；设定排产规则： 排产方式：正排（从现在往后）还是倒排（从交期往前）； 排产目标：是优先保证交期、还是追求设备利用率、还是尽量少切换模具；资源范围设定
1K10编辑于 2025-07-09- 来自专栏云蛛系统
云蛛系统AutoBI-anything的Mes套件-APS排产执行引擎
下面，我们就针对重头APS的业务逻辑，给您详细的阐述一下：时间触发在订单页面点击排产的时候，会产生排产数据，排产数据完成后，会生成工单数据并根据排产数据的最小时间确定工单的启动时间。 设备，会将所有排产数据导入执行序列中，作为执行数据执行。班组，将该班组所属工序的排产数据，汇总为一条数据，作为执行数据。 对于设备来说，如果排产数据不足的话，会自动补数据，但是这种情况，或多或少，会出现生产小误差，所以尽量需要在排产的时候，尽量估算准确。工序延迟工序中存在设备或者班组处于别的工单生产中，此工序延迟。
18210编辑于 2025-12-29 从排产到质控，知名MES厂商盘古信息如何撬动制造业效率革命？
盘古信息MES系统集成生产计划排程、生产进度跟踪、生产任务甘特图等等标准功能，对生产过程中的数据进行整合、分析，管理者根据生成的详实报表进行排产颗粒度的细化，实现生产过程的计划管理和需求管理，实现生产环节的智能调度和过程追溯 3.全域质量管理体系质量是制造业的生命线.MES系统自动采集每道工序的工艺参数与监测数据，实时触发质量预警。 2.电子元器件行业对于电子元器件产品更新换代快、生产工艺复杂的行业特性，MES系统的智能排产、物料管控等功能发挥了关键作用。 3.精密机加行业在精密机加行业，产品精度要求极高，设备运行稳定性至关重要。
38810编辑于 2025-05-15- 来自专栏C++
【排序算法】堆排、快排、归并排、各种排
1、堆 2、快排 颜色分类 颜色分类 class Solution { public: void sortColors(vector<int>& nums) { int i = ; else if (a + b >= cnt) return; else qsort(stock, right, r, cnt - a - b); } }; 3、 排升序，找cur2之前有多少个数比我大。 +] = arr[b2++]; for (int i = l; i <= r; i++) arr[i] = tmp[i]; return ret; } }; 排降序 int b1 = l, b2 = mid + 1, i = l; while (b1 <= mid && b2 <= r) { // 排降序
24810编辑于 2025-04-04 - 来自专栏软件测试那些事
super-jacoco-3-单测排坑指南
从下载super-jacoco代码到极简项目的案例跑出来，一共排了3+1+1+1=6个坑，这里记录一下，供参考。 1、pom.xml中关于java.home的设置（3个坑） 这部分有三个坑， 首先是配置文件中关于变量设置的部分，JAVA.HOME指向了一个很奇怪的路径，需要修改为开发环境的JAVA_HOME， 或者建议修改为内置的 对于@DisplayName这样的JUnit5的注解存在一个中文名称不支持的Bug，需要在maven-surefire-plugin:3.0.0-M3,也就是3.0的候选版本上才支持使用中文名称作为测试用例的名字 3.jacoco-maven-plugin的问题-第五个 在上述命令中，使用了super-jacoco团队自行修改后并发行的jacoco-maven-plugin插件版本，也就是jacoco-maven-plugin
3.1K80编辑于 2022-02-08 - 来自专栏NewBeeNLP
召回 粗排 精排，如何各司其职？
知乎 saying 1.AB测试几乎是系统改进的不二法则，算法做AB，开发做AB，产品做AB，运营更要做AB 2.召回有点像一个甩锅侠，我不管我给的准不准，我就管我把潜在的能投的都吃进来就行 3. 这么做是为了观察组内的方差和组间的方差，假如两个对照组之间的观看时长差距有3%，对照组和实验组差距只有2%，那我们就无法说明这个实验是有正向的。 这里的召回也有点这个意思，不在乎你犯了多少错，只在乎你把对的放进来没有，因此我们就得到saying 3. 粗排-略显尴尬的定位 相比于召回和精排，粗排是定位比较尴尬的。 在有的系统里，粗排可以很丝滑的平衡计算复杂度和候选数量的关系。但是在有的例子中，粗排可能只是精排甚至召回的一个影子。所以，粗排的模型结构大多数情况下都很像精排或者召回。 粗排是一个非常容易照本宣科的地方，因为粗排不是必需的环节。如果你的候选数量非常少，那连召回都不需要了；如果你的精排能吃的下召回的输出，那可以考虑实验对比是不是需要粗排。
2.6K10发布于 2021-10-20 基于AI大模型的供应链智能计划排产与交期承诺动态分析技术方案
文档版本： V1.0 适用场景： 制造业供应链 APS 计划排产 / ATP 交期承诺 技术栈方向： LLM + 约束优化引擎 + 供应链本体论 + 向量数据库 一、方案背景与核心问题 1.1 传统 APS /ATP 的能力边界 传统 APS（高级计划与排程）系统在制造业中已广泛应用，其核心价值在于充当数据分析决策与事务操作处理之间的桥梁——从需求分析到生产排产，从库存计算到交期承诺。 本方案的目标范围 本方案聚焦两个核心场景： 场景 目标 自动化程度 ATP 交期承诺 客户需求变更后，自动评估交期可行性，输出承诺日期、置信度、原因链与备选方案 高频场景优先实现全自动化 APS 计划排产 各层职责如下： 场景驱动入口层： ATP 交期承诺查询、APS 排产冲突识别、多目标权衡等具体业务场景的请求入口，支持自然语言输入。 4.3 引擎③ — ML 经验修正引擎 输入： 约束优化引擎的理论计算结果 + 历史"承诺 vs 实际"偏差数据 输出： 置信区间与风险修正系数 理论排产时间与实际完工时间之间永远存在偏差，原因是人的操作习惯
23110编辑于 2026-04-13- 来自专栏AVAJ
快排
快速排序 思路：快速排序每次都是定位一个元素在数组中的绝对位置，简单说就是一个元素，在排好序后他的位置是一定的（当然快排是不稳定的），你每次选定一个元素，然后定位其排好序后的位置，再把这个元素从数组中去掉
89250发布于 2019-10-13 2025年生产排期看板工具推荐：5款工厂实用协作软件，打造高效任务流转
在制造业生产过程中，排期排得清不清、准不准、变更能不能及时响应，直接影响交付周期、产线稳定性和客户满意度。 本篇为你推荐5款适用于制造业一线场景的生产排期看板工具，真实、实用、不吹不黑。✅ 为什么“排期看板”成为工厂效率的核心？ ，节点清晰延误无预警出事了才发现晚了看板流速可视化，问题提前暴露一句话：排期混，就全厂都在救火；排期清，就全厂都在发货。 总部+工厂多地协同、跨部门沟通繁杂的大型制造企业核心优势： 项目计划与飞书日历打通，会议、进度、文档联动 适合高频沟通场景，支持多角色、远程同步操作 流程审批与任务流集成，减少系统割裂 推荐工具 3： Worktile适合场景： 技术导向型制造企业、研发与交付并行的项目型业务核心优势： 支持甘特图和任务依赖关系配置，适合节点性很强的排产项目 报表与流程分析能力强，适合做月度产能评估与绩效复盘 支持
74410编辑于 2025-06-17- 来自专栏tkokof 的技术,小趣及杂念
“快排”笔记
根据选定的pivot，将数据集划分为左右两部分，左部皆小于pivot，右部皆大于pivot 3. ，那么快排的并行实现就会变的相对明晰，而这个任务分解，其实就是上面快排“循环”实现的一个延伸： struct SortParam { int* a; int l; int r; SetEvent(g_signal); // all sorted } } return 0; } int main() { int array[] = { 5, 4, 3, new_lower.get()); return result; } int main() { std::list<int> list1 = { 6, 7, 8, 9, 1, 2, 3, 4, 5 }; std::list<int> list2 = { 6, 7, 8, 9, 1, 2, 3, 4, 5 }; auto print = [](const std::list
83030发布于 2018-08-02 - 来自专栏ml
错排公式
可以得到 错排公式为M(n)=n！（1/2!-1/3!+…..+(-1）^n/n!) 编辑本段容斥原理 正整数1、2、3、……、n的全排列有n！种，其中第k位是k的排列有（n-1）！ ，当k取1、2、3、……、n时，共有n*（n-1）！ 种排列，由于是错排，这些排列应排除，但是此时把同时有两个数不错排的排列多排除了一次，应补上；在补上时，把同时有三个数不错排的排列多补上了一次，应排除；……；继续这一过程，得到错排的排列种数为 M(n)= 注：sigma表示连加符号，（k=2~n）是连加的范围 编辑本段简化公式 另外：书上的错排公式为Dn=n！（1/0!-1/1!+1/2!-1/3!-.....+(-1）^n/n！）（注：0！ pid=1465 //直接错排公式就行了....f(n)=(n-1)*(f(n-1)+f（n-2）); //或者 f(n)=n!(1/2!-1/3!+......(-1)^n/n!)
1.5K90发布于 2018-03-21 - 来自专栏算法与数据之美
普通快排与随机快排的世纪大战
方法 103 104 105 106 107 5*107 108 普通快排 0.00204557 0.02453995 0.32335813 4.83641084 63.91342704 456.20516078 1176.27041785 随机快排 0.00228848 0.03292949 0.39734049 5.41323487 66.26046769 451.38552999 1108.05737074 也可以使用可视化的方法将上表变得更加清楚，普通排序在数据量较小时具有一定的性能优势，随机快排可能是因为添加了随机选择这一项操作而影响了部分性能，但是随着数据量进一步增大，两者之间的性能会非常接近。 接下来是对有序序列进行测试， 方法 103 104 105 106 普通快排 0.06262696 / / / 随机快排 0.03440228 0.45189877 7.28055120 95.54553382 普通快排在数据量非常小的时候就把栈给挤爆喽，从另一侧面反映出随机快排的必要性，在处理比较极端也就是完全有序的序列时具有较大的优势。
85510发布于 2020-01-17 - 来自专栏爱撸猫的杰
QuickSearch快排
pos = QKpass(arr, low, high); //划分两个子表 QKsort(arr, low, pos - 1); //对左子表快排 QKsort(arr, pos + 1, high); //对右子表快排 } } /** * 一趟快速排序算法 public static int QKpass(int[] arr, int low, int high) { int temp = arr[low]; //先把当前元素作为待排值
58810发布于 2020-09-22 - 来自专栏SAP ERP管理实践
动态排程：生产计划排程的关键！
（3）所有使用的资源信息。 资源是必备的生产主体，没有资源，生产无从谈起，所以需要对生产所需要的全部资源进行管理，这里所说的资源包含物料、设备、工具等。对资源的管理主要是对资源能力和成本的管理。 （3）降低库存，库存关乎资金的占用，是企业的负担，如何降低库存，一直是生产管理面对的难题。面对一批订单，需要多少资源，库存现在的情况能否满足？不满足还需要采购多少？何时采购？ 另外，动态排程与排程试算，许多人将这两者混为一谈，甚至许多APS软件也用排程试算等于动态排程的思想进行宣传，其实这两者有着本质的区别。 排程试算是反复进行重新排程试计算，是在各种不同条件下的预排程，是提前进行的试计算，是为了在实际生产之前确定一套最好的排程方案；而动态排程是指一次排程方案的局部调整，具体是计划在执行过程中因为生产实际情况发生改变而进行的适应改变的调整计算 面对业务需要及生产环境的不断变化，APS通过常驻内存的高速计算，迅速得出这种改变所带来的复杂连锁反应，实时取得现场的更新数据，并实时动态的调整、更新计划排产，以达到计划与执行的一致性。
1.6K22发布于 2019-10-31 - 来自专栏李维亮的博客
vue-cli3生产环境去掉console.log
3.使用babel-plugin-transform-remove-console插件（推荐） 参考 https://forum.vuejs.org/t/remove-console-logs-from-production-buils
1.3K51发布于 2021-07-08 - 来自专栏鳄鱼儿的技术分享
错排问题--错排公式的推导及应用
考虑一个有n个元素的排列，若一个排列中所有的元素都不在自己原来的位置上，那么这样的排列就称为原排列的一个错排。 n个元素的错排数记为Dn。 研究一个排列错排个数的问题，叫做错排问题或称为排列问题。 当n≥3时，不妨设n排在了第k位，其中k≠n，也就是1≤k≤n-1。那么我们现在考虑第n位的情况。 当k排在第n位时，除了n和k以外还有n-2个数，其错排数为Dn-2。 Mn，则M1 = 0, M2 = {\displaystyle {\frac {1}{2}}} 当n大于等于3时，由Dn = (n-1)(Dn-1 + Dn-2)，即 。 所以， 。 Rn 的绝对值上限为 当 n≥2 时， 严格小于 0.5，所以 是最接近 的整数，可以写成 递推公式：Dn=(n-1)(Dn-1+Dn-2) n>3, D1 = 0 , D2 = 1;也就是上述中推导错排公式所用到的公式 -1/3!+1/4!- 1/5!+ ··· ··· +((-1)^(n-1))/(n-1)!+((-1)^n)/n! )/(n-m)!
79510编辑于 2024-05-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号