CN101533490A - Job-shop离散型生产的车间排产方法 - Google Patents
Job-shop离散型生产的车间排产方法 Download PDFInfo
- Publication number
- CN101533490A CN101533490A CN200910031198A CN200910031198A CN101533490A CN 101533490 A CN101533490 A CN 101533490A CN 200910031198 A CN200910031198 A CN 200910031198A CN 200910031198 A CN200910031198 A CN 200910031198A CN 101533490 A CN101533490 A CN 101533490A
- Authority
- CN
- China
- Prior art keywords
- matrix
- equipment
- time
- task
- txt
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种Job-shop离散型生产的车间排产方法,在计算机硬盘上预留存储空间≥100M,建立用于储存矩阵数据的文本文件,在工艺流程卡上打印代表任务编号的条形码和代表各道工序所需设备的设备编号的条形码,为文本文件赋值,根据排产最优化算法计算状态矩阵和输出矩阵并存储在硬盘的文本文件中;当需要调整生产计划排序时,再次进行条形码采样并刷新矩阵;当有新的任务需要排产时,将新任务参数存入硬盘的文本文件中,打印生产计划表。本发明为企业生产设备的资源优化配置提供一套可行的解决方案,不仅能够实时控制生产,而且能够有效的缩短加工周期和提高设备利用率。
Description
技术领域
本发明涉及一种车间生产排产与调度的方法,具体涉及一种以矩阵为基础建立数学模型以及设计出排产最优化算法,通过计算机予以运行,控制车间生产设备的运行、优化配置车间设备资源以及控制车间生产的实时排产方法。
背景技术
离散型制造企业的生产,是指加工工序之间允许有不定时间等待、每道工序允许有储存坯料或产品的空间,例如机械加工制造。离散型生产中的Job-shop生产是指每个加工任务可以采用任意顺序的工艺路线,与之对应的是Flow-shop,是指全部的加工任务遵循相同的工艺路线的生产。
生产排产与调度是离散型制造企业生产管理的核心,也是整个企业管理最烦琐和最难管理的环节。随着工业生产过程的日益复杂与规模的大型化,要求计算机系统不仅要完成直接面向过程的控制和优化,而且要在获取生产全部过程信息基础上,进行指挥调度和综合管理。生产调度的优化是先进制造技术和现代管理技术的核心技术。优化生产计划与调度成为增强企业竞争力、提高企业经济效益和社会效益的关键因素。因而研究制造行业大规模复杂生产过程的生产排产问题与方法对于提高企业的管理水平,增强企业的竞争力,促进整个行业的进步与发展具有十分重要的意义。
真实的制造业车间生产是动态的投产、加工、完工或者故障重复发生的过程,在任何时候都有可能有新的任务投产,也有可能已经加工的任务完工,或者继续加工,或者因意外而停工、延期。为了保证所有任务的及时完工,为了提高设备的利用率和降低生产成本,就必须在必要的时候根据当前的状态而调整或重新生成排产计划,这就是实时生产排产。
实时生产排产工作的内容是在满足工艺路线、当前加工状态约束的前提下,给出全部任务到达工艺路线上规定的设备开始加工的时间,也是给出每个设备加工任务的顺序和时间,以缩短加工周期和提高设备利用率。这里的加工周期是指一个加工任务从投产到完工的时间跨度;由于在离散化的加工过程中,不一定每道工序完工后都会立即开始下一道工序的加工,极有可能设备在等任务或者任务在等设备,这些等待不会产生价值,只会浪费能源和工人的工资,从而增加成本,设备的利用率指单位时间内设备在进行加工的时间比例。在很多时候缩短加工周期和增加设备的利用率是一致的。
现有的生产排产方法主要有经典的数学规划方法、近似搜索方法、智能化搜索方法等等,这些排产方法存在计算量大、计算时间长、优化效果不明显、对复杂的工艺路线的生产无法处理等问题,特别是实时生产控制必须根据当时的情况快速决策,自动调整,而现行方法主要用于静态的优化,因此在现有的ERP(企业资源计划)软件中很少应用。
当前的ERP(企业资源计划)软件中的实时排产方法主要有按交货期排产法、优先级排产法两种,其中按交货期排产法有以下准则:
(1)按任务的交货时间排序;
(2)按松弛时间排序;
(3)按松弛时间与剩余加工工序数排序;
按优先级排产法有以下准则:
I.与最短处理时间有关的准则:
(1)最短加工时间优先
(2)剩余工作最少优先
(3)工序最少作业优先
II.WINQ(Work In Next Queue,后续队列均衡),即任务下道工序所用的机床的负荷越小,则任务本工序的优先级越高。
上述各种现有实时排产方法在实际应用中的优化效果微乎其微。
发明的内容
本发明的目的是提供一种用于企业资源计划(ERP)、制造执行系统(MES)以及其它生产计划与控制的Job-shop离散型生产的实时排产方法,为企业生产设备的资源优化配置提供一套可行的解决方案,不仅能够实时控制生产,而且能够有效的缩短加工周期和提高设备利用率。
本发明的技术方案如下:
一种Job-shop离散型生产的车间排产方法,包括以下步骤:
(1)在计算机硬盘上预留存储空间≥100M;
(2)设定如下参数及矩阵:
任务编号i=1,2,…,n;
设备编号j=1,2,…,m;
加工顺序号g=1,2,…,m;
任务i在设备j里加工的加工时间tji,其中i=1,2,…,n和j=1,2,…,m;则加工时间矩阵T=[tji]m×n;
任务i在设备j里加工的加工顺序rji,其中i=1,2,…,n和j=1,2,…,m;则工艺路线矩阵R=[rji]m×n;
任务i在设备j里加工的开始时间xji,其中i=1,2,…,n和j=1,2,…,m;则状态矩阵X=[xji]m×n;
任务i在设备j里加工的完成时间yji,其中i=1,2,…,n和j=1,2,…,m;则输出矩阵Y=[yji]m×n;
任务i在加工顺序号为g的加工设备号egi,其中i=1,2,…,n和g=1,2,…,m;则设备顺序矩阵E=[egi]m×n;
在硬盘上建立用于储存上述数据的文本文件,其数据结构分别为:
a.工艺路线.txt,用于存储工艺路线矩阵R,
其数据结构为:设备编号,任务编号,加工顺序;
b.加工时间.txt,用于存储加工时间矩阵T,
其数据结构为:设备编号,任务编号,加工时间;
c.设备顺序.txt,用于存储设备顺序矩阵E,
其数据结构为:加工顺序,任务编号,设备编号;
d.状态矩阵.txt,用于存储状态矩阵X,
其数据结构为:设备编号,任务编号,开始加工时间;
e.输出矩阵.txt,用于存储输出矩阵Y,
其数据结构为:设备编号,任务编号,结束加工时间;
f.实际状态矩阵.txt,用于存储实际加工开始时间矩阵,
其数据结构为:设备编号,任务编号,实际开始加工时间;
g.实际输出矩阵.txt,用于存储实际完工时间矩阵,
其数据结构为:设备编号,任务编号,实际结束加工时间;
使用条形码打码机在工艺流程卡上打印代表任务编号的条形码和代表各道工序所需设备的设备编号的条形码;
为所述文本文件工艺路线.txt,加工时间.txt,实际状态矩阵.txt,实际输出矩阵.txt赋值,并存储;
(3)根据如下排产最优化算法,由计算机计算所述任务i在设备j里加工的开始时间xji和任务i在设备j里加工的完成时间yji:
A.根据所述加工路线矩阵R,由计算机计算得出设备顺序矩阵E;
B.设加工顺序号g=1,选其中任一设备j=egi;
C.设计算符号*表示*前的设备编号按照某任务的工艺路线顺序后推一个数,得到新的设备编号;即j=egi,j*h=egi*h=eg+h,i,h=1-g,2-g,...,1,2,…,m-g,0≤h≤m;
设评价指数为:
在同一个加工顺序号g内,设备j被指定后,对此时设备j上的所有任务,计算其评价指数Vji,Vji值越小,其加工次序就越在前面;
D.计算步骤C中设备j上的所有任务的状态矩阵X和输出矩阵Y,其中 yij=xij+tij;
E.在相同的加工顺序号g下改变设备j,回到步骤C,直到所有同样加工顺序号g值的任务被安排;
F.令加工顺序号g=g+1,设备j=egi,回到步骤C,直到g=m。
将按上述步骤计算得到的xji和yji值,存储在硬盘中的文本文件状态矩阵.txt和输出矩阵.txt中;如果需要重新调整生产计划,转入步骤(4);如果有新的任务需要排产,转入步骤(5);两者都不需要,转入步骤(6);
(4)当需要调整生产计划排序时,再次进行条形码采样并输入新任务的工艺路线矩阵R和加工时间矩阵T,根据条形码采样数据替换实际状态矩阵和实际输出矩阵的对应数据,同时刷新状态矩阵X和输出矩阵Y的值,回到步骤(3)重新计算全部xji和yji值;
(5)当有新的任务需要排产时,将其工艺路线矩阵R和加工时间矩阵T加入对应的硬盘的文本文件中,并进行条形码数据的采集,转入步骤(4);
(6)打印文本文件状态矩阵.txt中的与实际输出矩阵为空值的元素的任务编号和设备编号相对应的元素,并且按照该状态矩阵指示的加工时间和顺序进行实际加工。
其进一步的技术方案是:
在步骤(2)中对所述文本文件赋值的方法如下:
工艺路线.txt和加工时间.txt的数据,根据显示器的提示用键盘输入,输入的格式和顺序严格按照所述文本文件的约定;
实际状态矩阵和实际输出矩阵的数据,通过条形码阅读器采集工艺流程卡上的任务编号和设备编号的条形码获得,其时间参数即是采样时的时间,由计算机本身的时钟提供,设采样时间为now,在加工开始或结束时采集条码数据;初始的状态矩阵的元素的时间设为极大值,初始的输出矩阵的元素的时间设为极小值。
以及,其进一步的技术方案是:
所述步骤(4)的具体做法如下:设实际状态矩阵中的时间为sxji,从文本文件中调出全部状态矩阵的数据进入计算机的内存;如果某任务已经完工,则状态矩阵中的该任务i在设备j里加工的开始时间xji转变成一个极大的时间值,输出矩阵中的该任务i在设备j里加工的完成时间yji为极小的时间值;如果某任务正在加工,则该任务i在设备j里加工的开始时间xji转变为采样时间now-tji/2,yji转变为采样时间now+tji/2;如果now>xji,且sxji仍为空值,则xji=now+xji;上述转变后的数据全部存入硬盘的相应文本文件中。
本发明的有益技术效果是:
本发明设计出一种排产最优化算法,通过条形码阅读器采集相关条形码数据以及通过计算机予以运行,实现Job-shop离散型生产车间的排产。本发明能根据实际生产任务进行设备资源的合理配置,减少车间设备资源的闲置浪费现象,提高设备利用率,从而降低生产成本;本发明能使恰当的任务以恰当的工序安排在适宜的设备上,减少零件的加工准备、等待和传送时间,从而控制生产过程,提高企业车间生产组织能力和生产管理水平。
附图说明
图1是本发明的流程图。
图2是排产最优化算法的流程图。
图3是键盘输入信息赋值的显示器界面图。
图4是条形码采集信息赋值的显示器界面图。
图5是计算结果的显示器界面图。
图6是打印的生产计划图。
图7是生产控制指令发布装置图。
图8是4个设备、5个任务采用本发明的排产时间顺序分解图。
图9是4个设备、5个任务按现有排产方法的交货期顺序[1,4,2,3,5]排产时间顺序图。
图10是4个设备、5个任务按现有排产方法的交货期顺序[4,1,2,3,5]排产时间顺序图。
图11是4个设备、5个任务按现有排产方法的交货期顺序[1,4,2,5,3]排产时间顺序图。
图12是4个设备、5个任务按现有排产方法的交货期顺序[4,1,2,5,3]排产时间顺序图。
图13是4个设备、5个任务采用现有排产方法的最短加工时间优先的排产时间顺序图。
图14是5台设备、7个任务采用本发明的排产时间顺序图。
图15是5台设备、7个任务采用现有排产方法的最短加工时间优先的排产时间顺序图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
如图1所示,本发明的流程如下:
首先,在步骤S01中,建立硬件系统配置,在计算机硬盘上预留存储空间≥100M。
在步骤S02中,设定如下参数及矩阵:
任务编号i=1,2,…,n;
设备编号j=1,2,…,m;
加工顺序号g=1,2,…,m;
任务i在设备j里加工的加工时间tji,其中i=1,2,…,n和j=1,2,…,m;则加工时间矩阵T=[tji]m×n;
任务i在设备j里加工的加工顺序rji,其中i=1,2,…,n和j=1,2,…,m;则工艺路线矩阵R=[rji]m×n;
任务i在设备j里加工的开始时间xji,其中i=1,2,…,n和j=1,2,…,m;则状态矩阵X=[xji]m×n;
任务i在设备j里加工的完成时间yji,其中i=1,2,…,n和j=1,2,…,m;则输出矩阵Y=[yji]m×n;
任务i在加工路线的次序为g的加工设备号egi,其中i=1,2,…,n和g=1,2,…,m;则设备顺序矩阵E=[egi]m×n;
在硬盘上建立用于储存上述数据的文本文件,其数据结构分别为:
a.工艺路线.txt,用于存储工艺路线矩阵R,
其数据结构为:设备编号,任务编号,加工顺序;
b.加工时间.txt,用于存储加工时间矩阵T,
其数据结构为:设备编号,任务编号,加工时间;
c.设备顺序.txt,用于存储设备顺序矩阵E,
其数据结构为:加工顺序,任务编号,设备编号;
d.状态矩阵.txt,用于存储状态矩阵X,
其数据结构为:设备编号,任务编号,开始加工时间;
e.输出矩阵.txt,用于存储输出矩阵Y,
其数据结构为:设备编号,任务编号,结束加工时间;
f.实际状态矩阵.txt,用于存储实际加工开始时间矩阵,
其数据结构为:设备编号,任务编号,实际开始加工时间;
g.实际输出矩阵.txt,用于存储实际完工时间矩阵,
其数据结构为:设备编号,任务编号,实际结束加工时间;
准备条形码,用条形码打印机在工艺流程卡上打印代表任务编号的条形码和代表各道工序所需设备的设备编号的条形码。
为所述文本文件工艺路线.txt,加工时间.txt,实际状态矩阵.txt,实际输出矩阵.txt赋值,方法如下:
工艺路线.txt和加工时间.txt的数据,根据显示器的提示用键盘输入,输入的格式和顺序严格按照所述文本文件的约定。键盘输入信息赋值的显示器界面如图3所示,表示的是加工时间.txt的赋值情况,“新增”按钮可添加一组新数据,在对应的窗口分别通过键盘输入设备编号、任务编号以及加工时间,然后按“存盘”按钮储存。
实际状态矩阵和实际输出矩阵的数据,通过条形码阅读器采集工艺流程卡上的任务编号和设备编号的条形码获得,其时间参数即是采样时的时间,由计算机本身的时钟提供,设采样时间为now,在加工开始或结束时采集条码数据;初始的状态矩阵的元素的时间设为极大值如9999年12月31日23时59分,初始的输出矩阵的元素的时间设为极小值如1900年1月1日0时0分。条形码采集信息赋值的显示器界面如图4所示,图中表示的是任务3在设备2上的加工开始时间为和加工结束时间。
将上述赋值的初始数据存储在计算机的硬盘文本文件中。
在步骤S03中,根据如下排产最优化算法计算xji和yji:
A.根据加工路线矩阵R,通过直接转换得出设备顺序矩阵E;
B.设加工顺序号g=1,选其中任一设备j=egi;
C.设计算符号*表示*前的设备编号(例如j)按照某任务(例如i)的工艺路线顺序后推一个数(例如h),得到新的设备编号;即j=egi,j*h=egi*h=eg+h,i,h=1-g,2-g,...,1,2,…,m-g,0≤h≤m;
设评价指数为:
其中yj*(-1),i表示任务i在到达设备j之前的工序被加工完工的时间。
在同一个g内,设备j被指定后,对此时设备j上的所有任务计算其评价指数Vji。Vji值越小,其加工次序就越在前面;
D.计算步骤C中设备j上的所有任务的状态矩阵X和输出矩阵Y,其中,
则xji=yj*(-1),i;反之如果 则
yji=xji+tji,
如果加工开始在0时,而且g=1,则xji=0,其中j=egi;
表示等于满足yjl<xjk或者xjl>yjk条件时的所有yjk中的最小者,也即是任务k在设备j上的加工时间(yjk—xjk)不能与已经在该设备j上的其它已经安排好的加工任务相重叠。
E.在相同的g下改变设备j,回到步骤C,直到所有同样g值的任务被安排;
F.令g=g+1,设备j=egi,回到步骤C,直到g=m。
上述排产最优化算法流程如图2所示,计算过程在计算机内部进行,将得到的xji和yji存储在计算机硬盘中的文本文件状态矩阵.txt和输出矩阵.txt中,在显示器上显示的计算结果界面如图5所示。图5中上方为状态矩阵,其横向为设备编号,纵向为任务编号,中间的数据为对应的加工开始时间;下方为输出矩阵,其横向为设备编号,纵向为任务编号,中间的数据为对应的加工结束时间。如果需要重新调整生产计划,转入步骤S04;如果有新的任务需要排产,转入步骤S05;两者都不,转入步骤S06。
在步骤S04中,当需要调整生产计划排序时,再次进行条形码采样并输入新任务的工艺路线矩阵R和加工时间矩阵T,根据条形码采样数据替换实际状态矩阵和实际输出矩阵的对应数据,同时刷新状态矩阵X和输出矩阵Y的值。具体做法是:设实际状态矩阵中的时间为sxji,从文本文件中调出全部状态矩阵的数据进入计算机的内存;如果某任务已经完工,则状态矩阵中的该任务i在设备j里加工的开始时间xji转变成一个极大的时间值,输出矩阵中的该任务i在设备j里加工的完成时间yji为极小的时间值;如果某任务正在加工,则该任务i在设备j里加工的开始时间xji转变为采样时间now-tji/2,yji转变为采样时间now+tji/2;如果now>xji,且sxji仍为空值,则xji=now+xji;上述转变后的数据全部存入硬盘的相应文本文件中。然后回到步骤S03重新计算全部xji和yji。
在步骤S05中,当有新的任务需要排产时,将其工艺路线矩阵R和加工时间矩阵T增加进对应的硬盘的文本文件中,并进行条形码数据的采集,转入步骤S04。
在步骤S06中,通过打印机打印文本文件状态矩阵.txt中的与实际输出矩阵为空值的元素的任务编号和设备编号相对应的元素,并且按照该状态矩阵指示的加工时间和顺序进行实际加工。打印的生产计划如图6所示。
上述流程中所涉及的硬件装置如图7所示,其由工艺流程卡1、条形码阅读器2、计算机3、打印机4顺序连接组成,共同构成本发明的生产控制指令发布装置。
为方便对本发明的理解,下面以两个实施例进行说明:
实施例1:4台设备和5个任务的排产。
排产与调度的对象为4台设备和5个任务,5个任务的预订交货期分别为第35,40,45,35,45小时。加工路线矩阵R及加工时间矩阵T(单位设为小时)已知,设备顺序矩阵E根据加工路线矩阵R反推而得。如r23=3表示在设备2上加工的任务3被安排在任务加工路线上的顺序为3,则e33=2表示加工路线的顺序为3的任务3是在设备2上加工的。t12=12表示在设备1上加工的任务2所消耗的时间为12。加工时间从0开始,任务1到任务5的交货时间依次为第35,40,45,35,45小时。R,E以及T三个矩阵分别为:
现比较几种不同生产排产方法的加工周期和设备利用率。
1.按本发明方法排产时间顺序:
1)当加工顺序号g=1,计算五个任务的评价指数,且设备顺序矩阵E上的(3,1,1,3,3)可确定任务在设备1和设备3上加工;
2)当加工顺序号g=2,3,4,根据公式计算评价指数;
3)安排任务过程如表1所示。
表1 最优化信息处理过程
时间排程如图8所示,横坐标为时间,纵坐标为设备序号,矩形代表任务,其中的序号代表任务序号(下同)。
当加工顺序号g=4,则其余剩余的任务可根据加工路线得到安排。最终
,
X和Y就是经过优化后的Job-shop的本例的5个任务在4台设备上的开始和结束时间。
从Y中得到5个任务的交货时间分别为29,37,45,35,46小时(Y中每一列的最大值),与预订交货期35,40,45,35,45相比,只有任务5超过交货期1小时,其余都按时交货。
2.按已有的任务交货时间排产时间顺序:
此法即对每台设备都按照交货时间决定加工顺序,先交货的先安排生产。因此在同一个工序中,每台设备都按照任务号顺序(1,4),2,(3,5)进行加工,圆括号中的序号表示具有同等级别顺序,可以任意取其中之一先排产,于是有4种可能的顺序[1,4,2,3,5],[4,1,2,3,5],[1,4,2,5,3],[4,1,2,5,3]。
如图9所示,按顺序[1,4,2,3,5]排产,得到矩阵X、Y:
则其任务1到任务5的交货时间分别为{26,33,41,29,63}。
如图10所示,按顺序[4,1,2,3,5]排产,得到矩阵X、Y:
则其任务1到任务5的交货时间分别为{15,34,42,32,61}。
如图11所示,按顺序[1,4,2,5,3]排产,得到矩阵X、Y:
则其任务1到任务5的交货时间分别为{15,34,52,32,59}。
如图12所示,按顺序[4,1,2,5,3]排产,得到矩阵X、Y:
则其任务1到任务5的交货时间分别为{26,33,45,29,52}。
综上所述,如图9~12所示的排产顺序,其任务1到任务5的交货时间分别为{26,33,41,29,63},{15,34,42,32,61},{15,34,52,32,59},{26,33,45,29,52}。由此可知按交货期排产最好的情况是任务5延期7小时,比本发明方法晚6小时,因此本发明与按交货期排产相比至少优化了延长期总和的1-1/7=85.7%。
3.按已有的最短加工时间优先的排产时间顺序:
最短加工时间优先是比较未完工的任务,动态挑选剩余加工时间最少的任务先加工,根据工艺约束,第一工序到第四工序在各个设备上的剩余加工时间可以被计算出来,并且每个工艺序号下各个设备的加工顺序也就计算出来了,如表2所示。
表2 最短加工时间优先信息处理过程
如图13所示,根据该排产顺序得到矩阵X、Y:
其交货时间为{36,34,47,39,46},可以看出除了任务2,其它任务均延迟交货。总共延长交货时间为1+2+4+1=8小时,因此本发明与最短加工时间优先排产相比优化了延长期总和的1-1/8=87.5%。
实施例2:5台设备、7个任务的排产。
排产与调度的对象为5台设备和7个任务,在0时投产,但是每个设备必须等到正在加工的任务完成后才能开始接受这7个任务的加工,设备释放的时间从设备1到设备5分别为{0,3,1,3,2},加工路线矩阵R及加工时间矩阵T(单位设为小时)已知,设备顺序矩阵E根据加工路线矩阵R反推而得。
矩阵R,E和T分别为:
1.按本发明方法排产时间顺序:
处理步骤如表3所示,时间排程如图14所示。经过本方法的处理步骤,得到的结果如下:
上式中空余的元素表示不存在相应的排产。
则交货时间从任务1到任务7依次为{44,37,27,39,33,36,37}。处理过程如表3所示。最长交货期为44小时。
表3 本方法的处理过程
2.按已有的最短加工时间优先的排产时间顺序:
处理步骤如表4所示,时间排程如图15所示。得到的结果如下:
则交货时间从任务1到任务7依次为{28,47,27,40,30,37,37}。对比本发明方法的{44,37,27,39,33,36,37},最长交货期为47小时。本发明方法与该排产方法相比,最长的交货期缩短了47—44=3小时,实施例2也说明有更高的设备利用率。
表4 最短加工时间优先方法的处理过程
排序说明:按照顺序排产后,如果本设备先前有足够的空闲时间,在满足本任务工艺顺序约束的前提下,可以将该任务先排而使得最终排序不一定是规则所指。如图15中的任务5、任务6、任务2在设备5上的最终排序。
需要注意的是,虽然在上述说明中,本发明只针对Job-shop生产,而不针对与之对应的Flow-shop生产。但是Job-shop的全部任务的工艺路线如果相同则成为Flow-shop,所以F1ow-shop是Job-shop的特例。Flow-shop也能够应用本发明进行生产控制。
以上所述仅是本发明的优选实施方式,可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下,可以做出其他改进和变化。
Claims (3)
1.一种Job-shop离散型生产的车间排产方法,其特征在于包括以下步骤:
(1)在计算机硬盘上预留存储空间≥100M;
(2)设定如下参数及矩阵:
任务编号i=1,2,…,n;
设备编号j=1,2,…,m;
加工顺序号g=1,2,…,m;
任务i在设备j里加工的加工时间tji,其中i=1,2,…,n和j=1,2,…,m;则加工时间矩阵T=[tji]m×n;
任务i在设备j里加工的加工顺序rji,其中i=1,2,…,n和j=1,2,…,m;则工艺路线矩阵R=[rji]m×n;
任务i在设备j里加工的开始时间xji,其中i=1,2,…,n和j=1,2,…,m;则状态矩阵X=[xji]m×n;
任务i在设备j里加工的完成时间yji,其中i=1,2,…,n和j=1,2,…,m;则输出矩阵Y=[yji]m×n;
任务i在加工顺序号为g的加工设备号egi,其中i=1,2,…,n和g=1,2,…,m;则设备顺序矩阵E=[egi]m×n;
在硬盘上建立用于储存上述数据的文本文件,其数据结构分别为:
a.工艺路线.txt,用于存储工艺路线矩阵R,
其数据结构为:设备编号,任务编号,加工顺序;
b.加工时间.txt,用于存储加工时间矩阵T,
其数据结构为:设备编号,任务编号,加工时间;
c.设备顺序.txt,用于存储设备顺序矩阵E,
其数据结构为:加工顺序,任务编号,设备编号;
d.状态矩阵.txt,用于存储状态矩阵X,
其数据结构为:设备编号,任务编号,开始加工时间;
e.输出矩阵.txt,用于存储输出矩阵Y,
其数据结构为:设备编号,任务编号,结束加工时间;
f.实际状态矩阵.txt,用于存储实际加工开始时间矩阵,
其数据结构为:设备编号,任务编号,实际开始加工时间;
g.实际输出矩阵.txt,用于存储实际完工时间矩阵,
其数据结构为:设备编号,任务编号,实际结束加工时间;
使用条形码打码机在工艺流程卡上打印代表任务编号的条形码和代表各道工序所需设备的设备编号的条形码;
为所述文本文件工艺路线.txt,加工时间.txt,实际状态矩阵.txt,实际输出矩阵.txt赋值,并存储;
(3)根据如下排产最优化算法,由计算机计算所述任务i在设备j里加工的开始时间xji和任务i在设备j里加工的完成时间yji:
A.根据所述加工路线矩阵R,由计算机计算得出设备顺序矩阵E;
B.设加工顺序号g=1,选其中任一设备j=egi;
C.设计算符号*表示*前的设备编号按照某任务的工艺路线顺序后推一个数,得到新的设备编号;即j=egi,j*h=egi*h=eg+h,i,h=1-g,2-g,...,1,2,…,m-g,0≤h≤m;
设评价指数为:
在同一个加工顺序号g内,设备j被指定后,对此时设备j上的所有任务,计算其在设备j里加工的评价指数Vji,Vji值越小,其加工次序就越在前面;
D.计算步骤C中设备j上的所有任务的状态矩阵X和输出矩阵Y,其中 yji=xji+tji;
E.在相同的加工顺序号g下改变设备j,回到步骤C,直到所有同样加工顺序号g值的任务被安排;
F.令加工顺序号g=g+1,设备j=egi,回到步骤C,直到g=m。
将按上述步骤计算得到的xji和yji值,存储在硬盘中的文本文件状态矩阵.txt和输出矩阵.txt中;如果需要重新调整生产计划,转入步骤(4);如果有新的任务需要排产,转入步骤(5);两者都不需要,转入步骤(6);
(4)当需要调整生产计划排序时,再次进行条形码采样并输入新任务的工艺路线矩阵R和加工时间矩阵T,根据条形码采样数据替换实际状态矩阵和实际输出矩阵的对应数据,同时刷新状态矩阵X和输出矩阵Y的值,回到步骤(3)重新计算全部xji和yji值;
(5)当有新的任务需要排产时,将其工艺路线矩阵R和加工时间矩阵T加入对应的硬盘的文本文件中,并进行条形码数据的采集,转入步骤(4);
(6)打印文本文件状态矩阵.txt中的与实际输出矩阵为空值的元素的任务编号和设备编号相对应的元素,并且按照该状态矩阵指示的加工时间和顺序进行实际加工。
2.根据权利要求1所述的Job-shop离散型生产的车间排产方法,其特征在于:在步骤(2)中对所述文本文件赋值的方法如下:
工艺路线.txt和加工时间.txt的数据,根据显示器的提示用键盘输入,输入的格式和顺序严格按照所述文本文件的约定;
实际状态矩阵和实际输出矩阵的数据,通过条形码阅读器采集工艺流程卡上的任务编号和设备编号的条形码获得,其时间参数即是采样时的时间,由计算机本身的时钟提供,设采样时间为now,在加工开始或结束时采集条码数据;初始的状态矩阵的元素的时间设为极大值,初始的输出矩阵的元素的时间设为极小值。
3.根据权利要求1所述的Job-shop离散型生产的车间排产方法,其特征在于:所述步骤(4)的具体做法如下:设实际状态矩阵中的时间为sxji,从文本文件中调出全部状态矩阵的数据进入计算机的内存;如果某任务已经完工,则状态矩阵中的该任务i在设备j里加工的开始时间xji转变成一个极大的时间值,输出矩阵中的该任务i在设备j里加工的完成时间yji为极小的时间值;如果某任务正在加工,则该任务i在设备j里加工的开始时间xji转变为采样时间now-tji/2,yji转变为采样时间now+tji/2;如果now>xji,且sxji仍为空值,则xji=now+xji;上述转变后的数据全部存入硬盘的相应文本文件中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100311989A CN101533490B (zh) | 2009-04-29 | 2009-04-29 | 车间加工设备群加工运行优化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100311989A CN101533490B (zh) | 2009-04-29 | 2009-04-29 | 车间加工设备群加工运行优化的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101533490A true CN101533490A (zh) | 2009-09-16 |
CN101533490B CN101533490B (zh) | 2012-06-20 |
Family
ID=41104070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100311989A Expired - Fee Related CN101533490B (zh) | 2009-04-29 | 2009-04-29 | 车间加工设备群加工运行优化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101533490B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200305A (zh) * | 2014-08-08 | 2014-12-10 | 珠海许继电气有限公司 | 一种配电终端的工艺自动控制生产方法 |
CN104252654A (zh) * | 2013-06-26 | 2014-12-31 | 中芯国际集成电路制造(上海)有限公司 | 设备断供排程系统及方法 |
CN106774219A (zh) * | 2017-01-10 | 2017-05-31 | 浙江工业大学 | 一种基于柔性制造系统的产品工序追踪方法 |
CN108132650A (zh) * | 2016-12-01 | 2018-06-08 | 北京理工大学 | 一种流水车间控制方法及装置 |
CN108388552A (zh) * | 2018-02-28 | 2018-08-10 | 重庆拾秒科技有限公司 | 一种电子工艺流程卡及其制作方法、使用方法与应用系统 |
CN109102188A (zh) * | 2018-08-09 | 2018-12-28 | 广东工业大学 | 一种玻璃缓存落架次序的优化方法 |
CN109447428A (zh) * | 2018-10-15 | 2019-03-08 | 宁波吉利汽车研究开发有限公司 | 整车生产线序排产的确定方法、装置及智能终端 |
CN110580019A (zh) * | 2019-07-24 | 2019-12-17 | 浙江双一智造科技有限公司 | 一种面向边缘计算的设备调取方法与装置 |
CN111105133A (zh) * | 2019-11-08 | 2020-05-05 | 成都博智云创科技有限公司 | 生产调度方法、计算机设备以及存储介质 |
CN118502354A (zh) * | 2024-07-17 | 2024-08-16 | 成都飞机工业(集团)有限责任公司 | 一种数控加工生产线排程方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004094900A (ja) * | 2002-07-09 | 2004-03-25 | National Institute Of Advanced Industrial & Technology | 生産計画作成システム及び方法、並びにプログラム |
CN1529209A (zh) * | 2003-10-08 | 2004-09-15 | 东南大学 | 混批装配线的集成优化控制方法 |
CN1775416A (zh) * | 2005-12-09 | 2006-05-24 | 上海宝信软件股份有限公司 | 炼钢连铸生产工艺中的出钢计划排程方法 |
CN101261695A (zh) * | 2007-03-07 | 2008-09-10 | 杭州电子科技大学 | 一种流程工业生产调度系统的实时动态再调度方法 |
CN101329573B (zh) * | 2008-07-25 | 2010-07-14 | 东北大学 | 一种冷轧酸洗和轧制联合机组自动排产优化方法及系统 |
-
2009
- 2009-04-29 CN CN2009100311989A patent/CN101533490B/zh not_active Expired - Fee Related
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252654A (zh) * | 2013-06-26 | 2014-12-31 | 中芯国际集成电路制造(上海)有限公司 | 设备断供排程系统及方法 |
CN104200305A (zh) * | 2014-08-08 | 2014-12-10 | 珠海许继电气有限公司 | 一种配电终端的工艺自动控制生产方法 |
CN108132650B (zh) * | 2016-12-01 | 2020-03-17 | 北京理工大学 | 一种流水车间控制方法及装置 |
CN108132650A (zh) * | 2016-12-01 | 2018-06-08 | 北京理工大学 | 一种流水车间控制方法及装置 |
CN106774219A (zh) * | 2017-01-10 | 2017-05-31 | 浙江工业大学 | 一种基于柔性制造系统的产品工序追踪方法 |
CN108388552A (zh) * | 2018-02-28 | 2018-08-10 | 重庆拾秒科技有限公司 | 一种电子工艺流程卡及其制作方法、使用方法与应用系统 |
CN109102188A (zh) * | 2018-08-09 | 2018-12-28 | 广东工业大学 | 一种玻璃缓存落架次序的优化方法 |
CN109102188B (zh) * | 2018-08-09 | 2019-05-28 | 广东工业大学 | 一种玻璃缓存落架次序的优化方法 |
CN109447428A (zh) * | 2018-10-15 | 2019-03-08 | 宁波吉利汽车研究开发有限公司 | 整车生产线序排产的确定方法、装置及智能终端 |
CN109447428B (zh) * | 2018-10-15 | 2021-07-20 | 宁波吉利汽车研究开发有限公司 | 整车生产线序排产的确定方法、装置及智能终端 |
CN110580019A (zh) * | 2019-07-24 | 2019-12-17 | 浙江双一智造科技有限公司 | 一种面向边缘计算的设备调取方法与装置 |
CN111105133A (zh) * | 2019-11-08 | 2020-05-05 | 成都博智云创科技有限公司 | 生产调度方法、计算机设备以及存储介质 |
CN111105133B (zh) * | 2019-11-08 | 2023-04-07 | 成都博智云创科技有限公司 | 生产调度方法、计算机设备以及存储介质 |
CN118502354A (zh) * | 2024-07-17 | 2024-08-16 | 成都飞机工业(集团)有限责任公司 | 一种数控加工生产线排程方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101533490B (zh) | 2012-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101533490A (zh) | Job-shop离散型生产的车间排产方法 | |
Ho et al. | An integrated MRP and JIT framework | |
Ivens et al. | Extending the shifting bottleneck procedure to real-life applications | |
CN108920261A (zh) | 一种适于大规模并行数据处理任务的两级自适应调度方法 | |
Kim et al. | Cross-trained staffing levels with heterogeneous learning/forgetting | |
Ortíz et al. | Dispatching algorithm for production programming of flexible job-shop systems in the smart factory industry | |
Yano | Planned leadtimes for serial production systems | |
Proth | Scheduling: New trends in industrial environment | |
CN115907332A (zh) | 一种油气井维修任务调度的两层优化方法及装置 | |
Barlatt et al. | Ford motor company implements integrated planning and scheduling in a complex automotive manufacturing environment | |
Doctor et al. | Scheduling for machining and assembly in a job-shop environment | |
Aggarwal et al. | The development and evaluation of a cost‐based composite scheduling rule | |
Tang et al. | A branch-and-price algorithm to solve the molten iron allocation problem in iron and steel industry | |
Kasımoğlu et al. | An Application: A Model with Sequence Dependent Setup Times for Parallel Machines for the Die House Station in a White Goods Manufacturing Company | |
Sobaszek et al. | Computer-aided production task scheduling | |
Rolstadås | Flexible design of production planning systems | |
CN107544452B (zh) | 紧急加单情况下加工车间数控机床集中调度方法 | |
Paprocka et al. | Estimation of reliability characteristics in a production scheduling model with the renewal theory application–second part, numerical example | |
Huang et al. | Backward simulation with multiple objectives control | |
Todd et al. | Tackling complex job shop problems using operation based scheduling | |
Brzęczek et al. | Genetic algorithm modification for production scheduling | |
Moreno et al. | A constructive heuristic algorithm for concurrently selecting and sequencing jobs in an FMS environment | |
Huang et al. | Order scheduling problems in make-to-order manufacturing systems | |
Irwan et al. | THE SELECTION OF PROCESS SEQUENCE FOR MULTI MACHINE ARRANGED IN SERIES IN THE JOB SHOP INDUSTRY | |
Aulia et al. | Analysis of Adaptive Scheduling Production Planning in Palembang’s Jumputan Industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120620 Termination date: 20150429 |
|
EXPY | Termination of patent right or utility model |