[发明专利]一种服装订单的排产方法、装置和设备

权利要求书

1.一种服装订单的排产方法，其特征在于，包括：

获取期望特征和订单信息，其中，所述期望特征为在选取与订单信息匹配的工厂时重点考虑的特征，所述订单信息包括：订单交期；

选取与所述期望特征对应的期望工厂匹配模型，并将所述订单信息输入至所述期望工厂匹配模型，确定目标工厂，其中，所述期望工厂匹配模型是基于与所述期望特征对应的训练数据集对初始模型训练得到的；

获取所述目标工厂对应的当前订单安排信息和产能信息，并基于所述订单交期、所述当前订单安排信息和所述产能信息进行订单安排，确定所述订单信息对应的生产计划。

2.根据权利要求1所述的服装订单的排产方法，其特征在于，所述生产计划包括：各个生产阶段的计划开始时间和/或计划完成时间，

所述确定所述订单信息对应的生产计划之后，还包括：

当按照所述订单信息对应的生产计划安排服装生产后，获取所述订单信息对应的生产信息；

基于所述生产信息和所述订单信息对生产计划中各个生产阶段进行多维监控，得到监控结果集合，其中，所述多维监控包括：上线监控、首八件监控、生产监控和出货监控，所述监控结果集合包括每一维度监控对应的监控结果；

当所述监控结果集合包括监控异常时，则基于所述监控结果集合生成与所述监控结果集合对应的预警信息，其中，所述预警信息用于提醒相关技术人员及时对服装生产进行调整。

3.根据权利要求2所述的服装订单的排产方法，其特征在于，生产信息包括：预设时段内订单信息对应的每日产值、已生产服装数量，订单信息包括：服装总数量和服装单价，

基于所述生产信息和所述订单信息对生产计划中各个生产阶段进行生产监控，得到生产监控对应的监控结果，包括：

基于所述生产信息对应的已生产服装数量、所述订单信息对应的服装总数量和服装单价，确定未生产部分产值；

获取所述目标工厂在所述预设时段内对应的每日保险系数，并根据所述每日保险系数、未生产部分产值和每日产值进行剩余生产时长预测，确定剩余生产天数；

获取当前日期，并基于所述当前日期、所述剩余生产天数和所述订单交期判断是否能够按期交付；

当能够按期交付时，则确定生产监控对应的监控结果为监控正常，当不能够按期交付时，则确定生产监控对应的监控结果为监控异常。

4.根据权利要求3所述的服装订单的排产方法，其特征在于，所述每日保险系数的确定方式，包括：

获取目标工厂与所述预设时段对应的多组历史产能集合，其中，每一组所述历史产能集合包括：预设时段内每日的历史产能信息；

基于所述多组历史产能集合进行保险系数计算，确定目标工厂在预设时段对应的每日保险系数。

5.根据权利要求3所述的服装订单的排产方法，其特征在于，订单信息包括：加工流程，

所述基于所述当前日期、所述剩余生产天数和所述订单交期判断是否能够按期交付，包括：

基于所述订单信息中加工流程判断是否存在后道，当存在后道时，则基于所述当前日期、所述剩余生产天数、所述后道对应的处理时长和所述订单交期判断是否能够按期交付；

当不存在后道时，则基于所述当前日期、所述剩余生产天数和所述订单交期判断是否能够按期交付。

6.根据权利要求1所述的服装订单的排产方法，其特征在于，所述获取期望特征和订单信息之前，还包括：

获取所有待排产订单信息，并按照所述待排产订单信息中紧急程度和所述订单交期对所有所述待排产订单信息进行排序，得到待排产订单序列，其中，所述待排产订单信息为未安排生成计划的订单信息；

从所述待排产订单序列中按照排列顺序逐一选取待排产订单信息，作为订单信息。

7.根据权利要求1所述的服装订单的排产方法，其特征在于，期望工厂匹配模型的训练方式，包括：

获取多个订单训练数据和多个工厂训练数据；

基于多个所述订单训练数据、多个所述工厂训练数据和期望特征对应的多个工厂订单关系，确定工厂匹配训练样本集；

利用所述工厂匹配训练样本集对卷积神经网络进行训练，得到所述期望工厂匹配模型。