[发明专利]一种基于深度学习不确定集的排产方法及装置

权利要求书

1.一种基于深度学习不确定集的排产方法，其特征在于，包括以下步骤：

获取至少一种原油的第一数据，其中，所述第一数据包括所述原油的供应量及成本价格；

获取至少一种操作装置的第二数据，其中，所述第二数据包括所述操作装置的额定处理量及操作成本；

获取至少一种目标产品的第三数据，其中，所述第三数据包括所述目标产品的需求量、销售价格及化验数据；

根据所述第一数据、所述第二数据以及所述第三数据，确定优化目标的表达式以及至少一个约束条件；

确定所述第一数据、所述第二数据以及所述第三数据中的不确定数据，并根据所述不确定数据构建不确定集；

根据所述不确定集涉及的至少一个约束条件，构建对抗性问题；以及

求解所述对抗问题，以确定所述至少一种目标产品的排产计划。

2.如权利要求1所述的排产方法，其特征在于，所述优化目标包括利润最大化，和/或

所述至少一个约束条件包括供应限制约束、产品产量约束、装置产能约束、质量平衡约束及产品属性约束中的至少一者。

3.如权利要求2所述的排产方法，其特征在于，所述优化目标的表达式包括：

max(profit)＝Sale-RCost-UCost

其中，max(profit)表示利润最大化；Sale＝∑_S∈SF price_S·Flow_S表示产品销售收入，其中是每种目标产品的销售价格；RCost＝∑_S∈SC price_S·Flow_S表示原材料成本，其中是每种原油的成本价格；UCost＝∑_u∈Ucost_u·Flow_u表示操作成本，其中cost_u是每个操作装置的操作成本。

4.如权利要求2所述的排产方法，其特征在于，所述供应限制约束用于确保每种原油的供应量满足其供应量的上下限，其表达式包括：

其中，Flow_s表示每种原油的流量，为原油供应量的下限，为原油供应量的上限。

5.如权利要求2所述的排产方法，其特征在于，所述产品产量约束用于确保每种目标产品的产量满足其市场需求的上下限，其表达式包括：

其中，Flow_s表示每种目标产品的流量，是最小市场需求，是最大市场需求。

6.如权利要求2所述的排产方法，其特征在于，所述装置产能约束用于确保每个操作装置的总入口流量满足其额定处理量的上下限，其表达式包括：

其中，Flow_u表示每个操作装置的入口总流量，是处理装置的最小容量，是处理装置的最大容量。

7.如权利要求2所述的排产方法，其特征在于，所述质量平衡约束从流量角度确保各操作装置之间的质量平衡，其表达式包括：

其中，Flow_s，u表示每个操作装置u的入口流量，表示前级装置的出口总流量，和/或

其中，Flow_s，u表示每个操作装置u的入口流量，Flow_u表示各所述操作装置u的入口总流量，和/或

其中，Yield_s，u是每个操作装置u的产率，Flow_s，u表示每个操作装置u的出口流量，和/或

其中，Flow_s，u表示后级调合单元的入口总流量，表示各所述操作装置流入所述调合单元的流量。