制造业班组班次识别函数

基督徒Isaac

已于 2022-03-31 15:39:08 修改

阅读量459

点赞数

文章标签： r语言

于 2022-03-18 17:39:37 首次发布

本文链接：https://blog.csdn.net/weixin_42683052/article/details/123580786

版权

这个函数用于根据输入的时间向量和特定的排班规则，计算对应的班组和班次。考虑了跨天班次的问题，并增加了日期列以便于后续统计分析。最后，通过示例展示了如何使用该函数进行工作量的按班组、日期和班次进行分组汇总。

摘要由CSDN通过智能技术生成


paiban <- function(
  X = Sys.time() + 60*60*24*(-1:1)*1.5 , # 输入时间向量或列数据
  x = 'asia/shanghai' , # 时区设定为中国
  O = lubridate::force_tz(lubridate::ymd_hms("2021-12-31 07:45:00"), x) , # 初始日期为甲班白班第一天，保留时间用于与X相减
  o = hms::as_hms("07:45:00") , # 初始时间为白班七点四十五
  P = c('jia','yi','jia','yi','bing','jia','bing','jia','yi','bing','yi','bing') , # 排班顺序表
  p = c('bai','ye') # 每日班次表
  ) {
  Q = length(P) # 排班周期
  q = length(p) # 一天几个班次
  r = unique(P) # 班组名称
  R = c() # 先创建一个新的数据集用于填充
  for (i in 1: length(r) ) {
    R = cbind( R, grep(r[i],P) -1 )
    } # 对每个班组填入在一个周期内的索引位置，为方便取余数需要减一
  z = c() # 创建新的数据集，每次循环得出的班组班次填入其中
  Z = c() # 创建新的数据集，每次循环得出的班组班次汇总填入其中
  for (i in 1: length(X) ) {
    Y = c() # 用于填充班组
    y = c() # 用于填充班次
    s = hms:: as_hms(X[i]) # 提取输入时间数据的时间
    t = as.numeric(s-o) / (24*60*60/q) # 将该时间与初始时间比较
    S = 
      lubridate::force_tz( 
        lubridate::ymd_hms(
          paste( lubridate:: as_date(X[i])-1, hms:: as_hms( o+(24*60*60/q)*(q-1) ) )
        ) , x) # 默认（当t<0即早于当天初始时间的时间段）定义为上一天最后一个班次，将其时间改为上一天最后一个班次的最早时间节点
    for (j in 1:q) {
      if (t >= j-1 & t < j) {
        S = 
          lubridate::force_tz(
            lubridate::ymd_hms(
              paste( lubridate:: as_date(X[i]), hms:: as_hms( o+(24*60*60/q)*(j-1) ) ) # 日期和时间节点拼接成字符串，再转成日期时间，默认时区UTC
            ) , x
          ) # 强行改为中国时区，时间不随时区变动而变动，若想查看时差，可用with_tz函数
      }
    } # 对不早于当天初始时间的时间段（即t>=0）计算属于哪个班次，将其时间改为当天该班次的最早时间节点
    T = (as.numeric(S-O)*q) %% Q # 对日期差取周期的余数，注意需要对日期差乘上每日班次数，方可匹配周期长度=周期天数×每日班次数
    for (j in 1: length(r) ) {
      if (T %in% R[,j]) {Y = r[j]}
    } # 根据各班组在周期中的索引位置-1的结果，匹配日期差与周期的取余结果，可确定班组
    y = p[q] # 由于存在早于当天第一个班的最早时间节点的可能，默认设定为上一个班次，即上一天最后一个班次
    for (j in 1:q) {
      if (t >= j-1 & t < j) {y = p[j]}
    } # 根据时间差与每个班次的时间长度的比较，确定班次
    z = data.frame(Y,y) # 将班组和班次做成数据框的两列
    Z = rbind(Z,z) # 将新的数据框添加在上一个数据框的下面
  }
  return(Z) # 循环结束（所有时间向量内的元素都处理完后）输出汇总数据框
}

更新，为避免隔夜班次造成的统计困难，对函数进行优化


paiban <- function(
  X = Sys.time() + 60*60*24*(-1:1)*0.5 , # 输入时间向量或列数据
  x = 'asia/shanghai' , # 时区设定为中国
  O = lubridate::force_tz(lubridate::ymd_hms("2021-12-31 07:45:00"), x) , # 初始日期为甲班白班第一天，保留时间用于与X相减
  o = hms::as_hms("07:45:00") , # 初始时间为白班七点四十五
  P = c('jia','yi','jia','yi','bing','jia','bing','jia','yi','bing','yi','bing') , # 排班顺序表
  p = c('bai','ye') # 每日班次表
  ) {
  Q = length(P) # 排班周期
  q = length(p) # 一天几个班次
  r = unique(P) # 班组名称
  R = c() # 先创建一个新的数据集用于填充
  for (i in 1: length(r) ) {
    R = cbind( R, grep(r[i],P) -1 )
    } # 对每个班组填入在一个周期内的索引位置，为方便取余数需要减一
  z = c() # 创建新的数据集，每次循环得出的班组班次填入其中
  Z = c() # 创建新的数据集，每次循环得出的班组班次汇总填入其中
  for (i in 1: length(X) ) {
    Y = c() # 用于填充班组
    y = c() # 用于填充班次
    s = hms:: as_hms(X[i]) # 提取输入时间数据的时间
    t = as.numeric(s-o) / (24*60*60/q) # 将该时间与初始时间比较
    S = 
      lubridate::force_tz( 
        lubridate::ymd_hms(
          paste( lubridate:: as_date(X[i])-1, hms:: as_hms( o+(24*60*60/q)*(q-1) ) )
        ) , x) # 默认（当t<0即早于当天初始时间的时间段）定义为上一天最后一个班次，将其时间改为上一天最后一个班次的最早时间节点
    for (j in 1:q) {
      if (t >= j-1 & t < j) {
        S = 
          lubridate::force_tz(
            lubridate::ymd_hms(
              paste( lubridate:: as_date(X[i]), hms:: as_hms( o+(24*60*60/q)*(j-1) ) ) # 日期和时间节点拼接成字符串，再转成日期时间，默认时区UTC
            ) , x
          ) # 强行改为中国时区，时间不随时区变动而变动，若想查看时差，可用with_tz函数
      }
    } # 对不早于当天初始时间的时间段（即t>=0）计算属于哪个班次，将其时间改为当天该班次的最早时间节点
    T = (as.numeric(S-O)*q) %% Q # 对日期差取周期的余数，注意需要对日期差乘上每日班次数，方可匹配周期长度=周期天数×每日班次数
    for (j in 1: length(r) ) {
      if (T %in% R[,j]) {Y = r[j]}
    } # 根据各班组在周期中的索引位置-1的结果，匹配日期差与周期的取余结果，可确定班组
    y = paste(lubridate:: as_date(X[i])-1, p[q]) # 由于存在早于当天第一个班的最早时间节点的可能，默认设定为上一个班次，即上一天最后一个班次
    for (j in 1:q) {
      if (t >= j-1 & t < j) {y = paste(lubridate:: as_date(X[i]), p[j])}
    } # 根据时间差与每个班次的时间长度的比较，确定班次
    z = data.frame(Y,y) # 将班组和班次做成数据框的两列
    Z = rbind(Z,z) # 将新的数据框添加在上一个数据框的下面
  }
  return(Z) # 循环结束（所有时间向量内的元素都处理完后）输出汇总数据框
}

更新：考虑到日期以字符串形式保存后绘图和排序，11会排在2前面（因为是字符向量），所以增加日期列。


paiban <- function(
  X = Sys.time() + 60*60*24*(-1:1)*0.5 , # 输入时间向量或列数据
  x = 'asia/shanghai' , # 时区设定为中国
  O = lubridate::force_tz(lubridate::ymd_hms("2021-12-31 07:45:00"), x) , # 初始日期为甲班白班第一天，保留时间用于与X相减
  o = hms::as_hms("07:45:00") , # 初始时间为白班七点四十五
  P = c('jia','yi','jia','yi','bing','jia','bing','jia','yi','bing','yi','bing') , # 排班顺序表
  p = c('bai','ye') # 每日班次表
  ) {
  
  Q = length(P) # 排班周期
  q = length(p) # 一天几个班次
  
  r = unique(P) # 班组名称
  R = c() # 先创建一个新的数据集用于填充
  for (i in 1: length(r) ) {
    R = cbind( R, grep(r[i],P) -1 )
    } # 对每个班组填入在一个周期内的索引位置，为方便取余数需要减一
  
  z = c() # 创建新的数据集，每次循环得出的班组班次填入其中
  Z = c() # 创建新的数据集，每次循环得出的班组班次汇总填入其中
  
  for (i in 1: length(X) ) {
    Y = c() # 用于填充班组
    y = c() # 用于填充班次
    ydate = c() # 用于填充班次所属日期
    
    s = hms:: as_hms(X[i]) # 提取输入时间数据的时间
    t = as.numeric(s-o) / (24*60*60/q) # 将该时间与初始时间比较
    
    S = 
      lubridate::force_tz( 
        lubridate::ymd_hms(
          paste( lubridate:: as_date(X[i])-1, hms:: as_hms( o+(24*60*60/q)*(q-1) ) )
        ) , x) # 默认（当t<0即早于当天初始时间的时间段）定义为上一天最后一个班次，将其时间改为上一天最后一个班次的最早时间节点
    for (j in 1:q) {
      if (t >= j-1 & t < j) {
        S = 
          lubridate::force_tz(
            lubridate::ymd_hms(
              paste( lubridate:: as_date(X[i]), hms:: as_hms( o+(24*60*60/q)*(j-1) ) ) # 日期和时间节点拼接成字符串，再转成日期时间，默认时区UTC
            ) , x
          ) # 强行改为中国时区，时间不随时区变动而变动，若想查看时差，可用with_tz函数
      }
    } # 对不早于当天初始时间的时间段（即t>=0）计算属于哪个班次，将其时间改为当天该班次的最早时间节点
    
    T = (as.numeric(S-O)*q) %% Q # 对日期差取周期的余数，注意需要对日期差乘上每日班次数，方可匹配周期长度=周期天数×每日班次数
    for (j in 1: length(r) ) {
      if (T %in% R[,j]) {Y = r[j]}
    } # 根据各班组在周期中的索引位置-1的结果，匹配日期差与周期的取余结果，可确定班组
    
    y = paste(lubridate:: as_date(X[i])-1, p[q]) # 由于存在早于当天第一个班的最早时间节点的可能，默认设定为上一个班次，即上一天最后一个班次
    for (j in 1:q) {
      if (t >= j-1 & t < j) {y = paste(lubridate:: as_date(X[i]), p[j])}
    } # 根据时间差与每个班次的时间长度的比较，确定班次
    
    ydate = lubridate:: as_date(X[i])-1
    for (j in 1:q) {
      if (t >= j-1 & t < j) {ydate = lubridate:: as_date(X[i])}
    }
    
    z = data.frame(Y,y,ydate) # 将班组和班次做成数据框的两列
    Z = rbind(Z,z) # 将新的数据框添加在上一个数据框的下面
  }
  
  return(Z) # 循环结束（所有时间向量内的元素都处理完后）输出汇总数据框
}

应用

jingzheng1 %>% 
  group_by(
    jitai = Machine,
    riqi = ydate,
    banci = y,
    banzu = Y) %>% 
  summarise(
    .groups = "keep",
    chanliang = F_ExitWeight %>% sum()/1000,
    lailiao = F_CoilID %>% na.omit() %>% unique() %>% length(),
    chengpin = NewCoilNumber %>% na.omit() %>% unique() %>% length()
            ) %>% 
  View()