[发明专利]生产周期时间的预测方法

权利要求书

1.一种生产周期时间的预测方法，包括：

基于第N站点的设定时间的堆货数据，获取第N-1站点、所述第N站点以及第N+1站点各自的M天的设定时间的堆货数据及所述第N站点的M天生产周期时间数据，N≥2，M＞30；

利用K邻近算法从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天，MK，K＞1；

利用所述第N站点的K天的堆货数据及生产周期时间数据，获取所述第N站点的预测生产周期时间。

2.根据权利要求1所述的生产周期时间的预测方法，其特征在于，所述堆货数据至少包括相应站点的总堆货数量及相关堆货数量，所述相关堆货数量为所述总堆货数量中与所述第N站点的设定时间的堆货种类相匹配的堆货数量。

3.根据权利要求2所述的生产周期时间的预测方法，其特征在于，利用K邻近算法从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天的方法包括：

建立距离函数，所述距离函数的维度包括所述第N站点的总堆货数量及相关堆货数量、所述第N-1站点的总堆货数量及相关堆货数量和所述第N+1站点的总堆货数量及相关堆货数量；

利用所述距离函数从所述M天的设定时间的堆货数据中获得与所述第N站点的设定时间的堆货数据临近的K天。

4.根据权利要求3所述的生产周期时间的预测方法，其特征在于，利用AHP层次法获得所述距离函数中每个维度的权重因子，并将所述权重因子应用于所述距离函数。

5.根据权利要求4所述的生产周期时间的预测方法，其特征在于，所述距离函数为：

其中，j表示M天中的天数，1≤j≤M，i表示不同的维度，A_i表示对应维度的权重因子，Xⁱ表示第N站点的设定时间的不同维度的堆货数据，表示第j天的设定时间的不同维度的堆货数据。

6.根据权利要求3所述的生产周期时间的预测方法，其特征在于，还包括获取所述K天的堆货数据以及相应生产周期时间数据。

7.根据权利要求1所述的生产周期时间的预测方法，其特征在于，获取所述设定时间第N站点的预测生产周期时间的方法包括：

建立一数据集，所述数据集包括所述第N站点的K天的堆货数据及生产周期时间数据；

对所述数据集执行数据修剪；

基于所述第N站点的设定时间的堆货数据与所述第N站点的K天的堆货数据的匹配关系，对所述第N站点的K天的生产周期时间数据加权求取获取所述第N站点的预测生产周期时间。

8.根据权利要求7所述的生产周期时间的预测方法，其特征在于，所述匹配关系包括所述第N站点的设定时间的堆货数据与所述第N站点的K天的堆货数据中工序、制程及产品的匹配关系，且所述工序、制程及产品的匹配关系的优先秩序为：工序＞制程＞产品。

9.根据权利要求8所述的生产周期时间的预测方法，其特征在于，所述第N站点的K天的堆货数据中满足所述匹配关系的生产周期时间的数量大于相应预设值，以所述匹配关系的生产周期时间的加权平均值为所述第N站点的预测生产周期时间。

10.根据权利要求1-9中任一项所述的生产周期时间的预测方法，其特征在于，M为183～730，且K为15～60。