奇怪的货位问题

11i中经常会出现未使用货位控制的子库,其现有量表中出现货位,其物料事务处理表中也由于现有量的问题。具体的原因不太明了,但在我遇到的情况都是由于委外作业影响的,出现的都是那几个货位。现在处理还是老办法:data fix

就更新现有量和事务处理这两个表就可以了,

update apps.mtl_onhand_quantities_detail moq
set moq.LOCATOR_ID=null
where moq.ORGANIZATION_ID= ***
and moq.INVENTORY_ITEM_ID=***
and moq.SUBINVENTORY_CODE=***
and moq.LOCATOR_ID=****---凭空冒出来的货位ID

update apps.mtl_material_transactions mmt
set mmt.LOCATOR_ID=null
where mmt.SUBINVENTORY_CODE=***
and mmt.LOCATOR_ID=***
and mmt.ORGANIZATION_ID=***
and mmt.INVENTORY_ITEM_ID=***


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/302844/viewspace-85967/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/302844/viewspace-85967/

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多目标货位分配问题(Multi-objective Location Allocation Problem,简称MLAP)是一个经典的组合优化问题,它涉及到在多个目标函数的约束下,将有限的产品分配到货架上的若干个位置中,从而使得各个目标函数的值最优化。NSGA-II(Non-dominated Sorting Genetic Algorithm II)算法是一种著名的多目标优化算法,它能够有效地解决MLAP问题。 NSGA-II算法的基本思想是通过遗传算法(Genetic Algorithm,GA)来优化多个目标函数,其中包括两个核心操作:非支配排序和拥挤度距离计算。在非支配排序中,算法将候选解按照它们的支配关系划分为不同的层次,其中第一层包含所有不被其他解支配的解。在拥挤度距离计算中,算法通过计算候选解之间的距离来保证种群的分布均匀性。 NSGA-II算法的具体实现步骤如下: 1. 初始化种群 随机生成一组初始的候选解,其中每个解表示一种货位分配方案。 2. 评估适应度 对于每个候选解,计算它们在多个目标函数下的得分,并根据得分对它们进行非支配排序。 3. 选择父代 从排名较高的候选解中选择父代,以便于保持种群的多样性。 4. 交叉和变异 对父代进行交叉和变异操作,生成一组新的后代解。 5. 评估适应度 计算新的后代解在多个目标函数下的得分,并根据得分对它们进行非支配排序。 6. 选择生存者 从父代和后代中选择一组最优的生存者,以便于保持种群的多样性。 7. 判断终止条件 如果满足终止条件,则算法结束;否则,返回步骤3。 在MLAP问题中,可以将每个候选解表示为一个长度为n的二进制向量,其中第i个位置的值表示第i个货位是否被分配到了产品。对于每个候选解,可以定义多个目标函数,例如最大化各个货位的利润、最小化各个货位之间的距离等。在实现NSGA-II算法时,需要注意参数的选择,例如种群大小、交叉概率、变异概率等,这些参数的选择将直接影响算法的性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值