CN105204472A - 一种单件离散型生产作业排程优化方法 - Google Patents

Abstract

一种单件离散型生产作业排程优化方法，包括如下步骤：步骤1：确定质量-交货期-成本协同优化模型的目标函数，步骤2：根据步骤1确定的目标函数，将其转化为遗传算法的适应度函数，采用仿真软件建立单件离散型生产系统仿真模型，并通过遗传算法搜索出生产作业排程的最优方案。本发明结合单件离散型制造业生产作业排程的特征，应用改进的质量损失函数将质量、交货期、成本三项不同指标之间的复杂关系进行协同化，建立了质量-交货期-成本协同优化模型，并应用集成系统仿真技术和遗传算法的方法求解，取得的解分布更加均匀。

Description

一种单件离散型生产作业排程优化方法

技术领域

本发明涉及一种单件离散型生产作业排程优化，尤其是涉及一种单件离散型生产作业排程优化方法。

背景技术

单件离散型企业生产作业排程特征是多项目多零件不同工艺排程、动态随机性排程和多目标多约束优化排程等，与其他类型企业相比，该作业排程优化问题一直是世界公认的最困难的NP-Hard问题。本项目针对单件离散型生产作业排程问题，以精益生产为目标即质量、成本和交货期三目标协同优化，采用改进型田口质量损失函数，建立了质量、成本和交货期之间的非线性关系模型，将质量、工期和成本多目标转换为总成本单目标，综合考虑工艺时序、时间、设备能力、插单撤单不确定性因素等约束条件，构建了单件离散型生产排程的多目标协同优化模型。为了有效求解模型，集成仿真试验和遗传算法等，设计了模型混合算法，经实际应用，与传统方法相比，具有动态随机性、全局收敛性和智能性等特征。该研究成果一方面有效解决了质量、成本和交货期三目标不能简单加权的问题，另一方面为单件离散型生产作业排程优化探索了有效方法，为单件离散型生产作业排程的信息化和智能化奠定了理论基础。

在中国专利一种基于生产过程解耦点定位的生产排程方法（申请号：2012101063282，申请公布号：CN103176407A）中公开了一种基于生产过程解耦点定位的生产排程方法，在生产流程分析的基础上建立了生产过程解耦点的多目标定位模型。然后根据生产过程解耦点的两种定位位置，分别建立了MTO和ATO两种生产方式下的排程模型，并求解上述两类生产排程问题。采用该方法进行排程，既能满足客户订单的个性化需求，使排程受制造系统的动态随机性减小，也能使排程目标和生产过程整体得到简化，以短时间低成本满足客户需求，对于情况复杂且数量较多的订单，求解排程方案时求解结果准确有效、应用范围广、可拓展性强、运算速度快、优化性能好。但该发明仅以成本和时间为目标，以满足客户要求的个性化程度作为约束，建立生产过程解耦点定位的多目标模型，起到简化排程难度，缩短生产时间的目的，未实现质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利小型轧钢厂的生产排程方法及其系统（申请公布号：CN102682353A，申请号：2011100623422）中提出了一种用于小型轧钢厂的生产排程方法。本发明从整体上解决了轧钢厂生产过程中库存钢坯分配、安排和切割最优化等问题的计划。但该方法是否适用于单件离散型制造业尚未可知，也未实现质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利物料生产排程仿真装置（申请公布号：CN104252667A，申请号：2014105060437）中公开了一种物料生产排程仿真装置，包括排程算法服务器、与排程算法服务器相连的数据库和终端设备，排程算法服务器由webservice接口模块、数据初始化模块、瓶颈工序设定模块、物料排序模块、排程计划时间算法模构成，排程算法服务器与数据库之间通过无线局域网相连，排程算法服务器与终端设备之间通过无线局域网相连。该专利主要提出了一种能实时通讯、方便快捷的物料生产排程仿真装置，未实现质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利一种应用在生产排程系统的基于订单结构的遗传操作算子（申请公布号：CN101256648，申请号：2008100357742）中公开了一种应用在生产排程系统的基于订单结构的遗传操作算子，对可行解池和不可行解池内的解选择性进行选择、交叉、变异操作，得到各种遗传解，为之后的排程优化，提供一个基础。此种遗传操作算子通过交叉变异方式处理多层次BOM结构的复杂工艺的订单排程问题，在遗传操作过程中，维持产品BOM结构，使遗传算法的设计简单，优化不受限制性条件的约束。而选择算子使群体进行了优胜劣汰的进化，使整体品质得以提高，并对劣解的适当选择，防止群体成熟前收敛，或者遗传算法搜索引向局部极值点，在很大程度上提升了遗传算法收敛性的效果和速度。该专利主要提出了基于订单结构的遗传操作算子，在很大程度上提升了遗传算法收敛性的效果和速度，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利一种基于模糊交货期流水生产排程的改进微粒群优化方法（申请公布号：CN101859100A，申请号：201010204033X）中公开了一种基于模糊交货期流水生产排程的改进微粒群优化方法。该方法针对模糊交货期流水型车间生产排程问题的需要，使用惩罚函数对关键路线上的工序块进行邻域设计、建立禁忌表以及采用邻域搜索策略进而加强了改进微粒群算法的优化求解效果。通过对具有模糊交货期的流水生产排程问题的仿真实验，证明了改进微粒群优化方法有利于获得全局性的解。该专利主要提出了基于模糊交货期流水生产排程的改进微粒群优化方法，有利于获得全局性的解，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利生产排程的数据处理方法和装置（申请公布号：CN103699105A，申请号：2013107453987）中公开了一种用于生产排程的数据处理方法和装置。该用于生产排程的数据处理方法包括：获取批量生产工序前的工序的排程结果，其中，批量生产工序前的工序的排程结果中包括待批量生产的零部件的总体积信息；判断待批量生产的零部件的总体积信息对应的体积是否在预设容量范围内；如果判断出待批量生产的零部件的总体积信息对应的体积在预设容量范围内，则获取批量生产工序的排程结果；由批量生产工序的排程结果得到批量生产工序后的工序的排程结果；以及依次输出批量生产工序前的工序的排程结果、批量生产工序的排程结果和批量生产工序后的工序的排程结果。通过本发明，解决了相关技术中生产排程的结果难以执行的问题。该专利主要提出了一种用于生产排程的数据处理方法和装置，解决了相关技术中生产排程的结果难以执行的问题，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利一种应用了基于精英解池的遗传算法的生产排程系统和方法（申请公布号：CN101271543，申请号：2008100365166）中公开了一种生产排程系统和方法。此系统由生产计划部门终端、服务器、存储历史数据的数据库组成，生产计划部门终端通过服务器对连接着的各信息终端进行实时数据采集、整理，然后应用基于精英解池的遗传算法对订单进行编码，再执行选择交叉等遗传操作，并进行评价和逐层优化，生成最优生产排程；最终，生产排程方案通过服务器下达到生产车间，并实时接收加工现场的反馈数据以做方案调整。本系统硬件环境易于实现，而在方法上结合启发式规则和遗传算法，能够有效改善订单数量较多，具有多层结构及复杂工艺的情况下，求解排程方案时的求解结果，提高运算速度，具有适用范围广、可拓展型强、运算速度快、优化性能好等优点。该专利主要提出了一种应用了基于精英解池的遗传算法的生产排程系统和方法，在方法上结合启发式规则和遗传算法，能够有效改善订单数量较多，具有多层结构及复杂工艺的情况下，求解排程方案时的求解结果，提高运算速度，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利生产计划正向排程系统及方法（申请公布号：CN101315686，申请号：2007102007236）中公开了一种生产计划正向排程系统，包括主机及数据库。该发明利用计算机系统自动对生产计划进行正向排程，可以提高排配工作的效率和准确性，准确确定订单的出货日期，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利生产计划逆向排程系统及方法（申请公布号：CN101311952，申请号：2007102006996）中公开了一种生产计划逆向排程系统，包括主机及数据库。该发明利用计算机系统自动对生产计划进行逆向排程，可以提高排配工作的效率和准确性，减少订单不能按时出货的风险，但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利生产计划自动排程系统及方法（申请公布号：CN101329746，申请号：2007102008614）中公开了一种生产计划自动排程系统，该系统包括主机及数据库。可根据所述月出货需求信息、物料进厂计划信息及所设定的订单排程的优先级顺序等多重限制条件自动进行生产计划排程，将各订单所涉及的任务依据各工站的产能情况分配到各工站。该发明还提供一种生产计划自动排程方法。但未提及质量、交货期、成本三者之间的协同优化，最终实现质量最优、成本最低、效率最高的目的。

在中国专利可视化生产计划排程信息系统（申请公布号：CN103246955A，申请号：2013101556161）中公开了一种可视化生产计划排程信息系统，包括GIS系统及与GIS系统连接雷电定位系统、覆冰在线系统和生产管理系统，该系统使GIS系统与生产管理系统实现全面交互，实现数、图、模一体化，使计划编制、审核、审批更加直观，

在中国专利炼钢连铸生产工艺中的出钢计划排程方法（申请公布号：CN1775416，申请号：2005101113544）中公开了一种炼钢连铸生产工艺中的出钢计划排程方法，采用该方法自动排计划之后，重排一次计划只要几秒钟，时间可以精确到分钟，设备利用率大大提高，产量得到了很明显的提高。但该方法适用于炼钢连铸生产，对于离散型制造业是否适合有待进一步研究，另外，在排程中也未提及质量、交货期、成本三者之间的协同优化。

发明内容

本发明的目的是为解决目前很多单件离散型制造企业的生产排程工作基本上仍处于凭个人经验靠手工排程，排程优化主要以工期等单目标进行优化，排程的合理性、科学性、有效性不能得到有效保证。生产作业排程的三大主要目标是成本、质量、交货期，这三者之间存在相互对立和相互统一联系。单独对其中一个或者两个目标进行优化难以解决企业遇到的实际问题，也不能真正的实现精益化目标的问题，提供一种单件离散型生产作业排程优化方法。

本发明为解决上述技术问题的不足，所采用的技术方案是：

一种单件离散型生产作业排程优化方法，包括如下步骤：

步骤1：确定质量-交货期-成本协同优化模型的目标函数

首先、确定质量与成本之间的函数关系，根据产品的质量、成本、交货期三者之间存在非线性的关系，根据改进后的质量损失函数式，可以建立质量和成本函数关系模型，具体公式如下所示；

其中表示第个产品第个零件的质量损失成本，表示产品的第个零件的加工质量，表示产品的第个零件加工质量的下限变异，表示产品的第个零件加工质量的上限变异，表示产品的第个零件在加工质量目标值下限变异范围内的质量损失系数，表示产品的第个零件在加工质量目标值上限变异范围内的质量损失系数，为产品的加工质量标准差；

其次、成本与交货期之间的关系与质量成本关系相似，也是非线性的关系，交货期要求越短成本越高，由于需要通过赶工、提高效率等措施缩短交货期，则成本相应增加，交货期和成本都有一个目标值，超过目标值，随着时间的延长也会相应增加成本，因此在改进后的质量损失函数的基础上一样能够获得交货期和成本的函数关系模型，具体公式如下所示；

其中表示第个产品第个零件的交货期损失成本，表示产品的第个产品第个零件的交货期，表示产品的第个产品第个零件的交货期平均值（即目标值），表示产品的第个零件的交货期下限变异，表示产品的第个零件的交货期上限变异，表示产品的第个零件在交货期下限变异范围内的质量损失系数，表示产品的第个零件在交货期上限变异范围内的质量损失系数，为产品的交货期标准差。

最后、确定目标函数，即为最终成本等于所有零件的目标成本、质量损失成本和交货期损失成本之和。其中，为第个产品第个零件的目标成本，表示第个产品第个零件的质量损失成本，表示第个产品第个零件的交货期损失成本，具体公式如下所示：

（4）式为时间约束，零件的第道工序的开始时间要大于等于第道工序的开始时间和加工时间之和；（5）式为设备数量约束；（6）式为不确定约束，考虑随机因素宽放；（7）式和（8）式为调节变量；（9）式为另外约束，在固定的时刻工件工序能且只能在一台设备上进行加工；

步骤2：根据步骤1确定的目标函数，将其转化为遗传算法的适应度函数，采用仿真软件建立单件离散型生产系统仿真模型，并通过遗传算法搜索出生产作业排程的最优方案。

具体操作如下：

1）仿真建模

Step1：仿真建模

基于企业实际生产情况（机器设备、产品型号、零件制造工艺等）构建离散型的系统物理模型，在此基础上根据系统各要素之间的关系构建数学模型。根据订单、产品和设备等信息采用仿真软件（如PlantSimulation）建立系统仿真模型，设置相应的模型参数，把模型与现实系统进行比较，对模型进行不断的调试、校正和确认。

Step2：仿真实验

设定模型的初始条件、运行的时间长度、仿真次数等，运行模型，观察实验结果。如果模型中途停止运行，则返回Step1，对遗传算法模块语言进行修改；如果模型运行无误，则进行Step3。

Step3：仿真结果分析

仿真评估阶段，将仿真结果进行解读，并与企业实际生产排程结果进行对比，验证模型和算法的有效性和实用性。

2）遗传算法设计

Step1编码：本文采用的编码方法基于产品零件符号的方法，所有零件代码组成染色体。零件基因在染色体中的出现的先后顺序构成排程方案。设表示产品零件，染色体基因编码为，染色体长度为。的工序编码为，为机器设备其编码为，矩阵为作业排程解码结果空间，各个零件的加工工序、设备及其开工时间与完工时间是由该矩阵转化成甘特图得到的。

Step2适应度评估：根据适应度函数，利用每个个体在种群中的适应函数值来进行进化搜索。适应度函数由目标函数公式（1）经变换得到,如公式（9）：

Step3遗传操作：本文的操作设置是采用生产系统仿真软件中的的遗传算法功能模块进行的，包括群体规模、变异概率、世交叉概率和终止的代数等。

Step4终止条件确定：让算法进行迭代，达到预先设定的最大繁殖代数的次数时，算法自动停止。

很多单件离散型制造企业的生产排程工作基本上仍处于凭个人经验靠手工排程阶段，排程优化也主要以工期等单目标进行优化，排程的合理性、科学性、有效性不能得到有效保证。本方法建立的协同优化模型为单件离散型生产作业排程的信息化和智能化奠定理论基础，在单件离散型生产作业排程中应用方法得到的排程结果分布更加均匀，提高了质量、工期、成本三者之间的协同度，提高了生产排程的合理性和高效性，降低了企业的成本损失，最终实现生产作业排程的精益化目标。

本发明的有益效果是：本发明结合单件离散型制造业生产作业排程的特征，应用改进的质量损失函数将质量、交货期、成本三项不同指标之间的复杂关系进行协同化，建立了质量-交货期-成本协同优化模型，并应用集成系统仿真技术和遗传算法的方法求解，取得的解分布更加均匀，提高了质量、工期、成本三者之间的协同度以及生产排程的合理性和高效性，降低了企业的成本损失，实现了生产作业排程的精益化目标。与传统方法相比，具有动态随机性、全局收敛性和智能性等特征。

附图说明

图1为质量-成本-交货期之间的三维关系图。

具体实施方式

一种单件离散型生产作业排程优化方法具体实施方式为：

1.1基本假设

假设有台设备和个需加工工件，单个工件又包含道加工工序，每个工序之间都存在工艺时序上的先后约束。所有待加工工件的工序及加工时间已经设定且不能改变；在一个时间点只能在一台设备上加工且不占用其他工件加工时间，加工的过程是连续的不能停止；所有物流设备运输的费用以及效率都是一样的。

1.2时间约束

（1）

零件的第道工序的开始时间要大于等于第道工序的开始时间和加工时间之和。

1.3设备数量约束

1.4不确定约束

1.5调节变量

1.6另外约束，在固定的时刻工件工序能且只能在一台设备上进行加工。

1.7目标函数

式（7）中第个产品第个零件的目标成本，表示产品的第个零件的加工质量，表示产品的第个零件加工质量的下限变异，表示产品的第个零件加工质量的上限变异，表示产品的第个零件在加工质量目标值下限变异范围内的质量损失系数，表示产品的第个零件在加工质量目标值上限变异范围内的质量损失系数，为产品的加工质量标准差。表示产品的第个零件的交货期，表示产品的第个零件的交货期平均值（即目标值），表示产品的第个零件的交货期下限变异，表示产品的第个零件的交货期上限变异，表示产品的第个零件在交货期下限变异范围内的质量损失系数，表示产品的第个零件在交货期上限变异范围内的质量损失系数，为产品的交货期标准差。

1.8集成系统仿真技术与遗传算法求解

1）仿真建模

Step1：仿真建模

基于企业实际生产情况（机器设备、产品型号、零件制造工艺等）构建离散型的系统物理模型，在此基础上根据系统各要素之间的关系构建数学模型。根据订单、产品和设备等信息采用仿真软件（如PlantSimulation）建立系统仿真模型，设置相应的模型参数，把模型与现实系统进行比较，对模型进行不断的调试、校正和确认。

Step2：仿真实验

设定模型的初始条件、运行的时间长度、仿真次数等，运行模型，观察实验结果。如果模型中途停止运行，则返回Step1，对遗传算法模块语言进行修改；如果模型运行无误，则进行Step3。

Step3：仿真结果分析

仿真评估阶段，将仿真结果进行解读，并与企业实际生产排程结果进行对比，验证模型和算法的有效性和实用性。

2）遗传算法设计

Step1编码：本文采用的编码方法基于产品零件符号的方法，所有零件代码组成染色体。零件基因在染色体中的出现的先后顺序构成排程方案。设表示产品零件，染色体基因编码为，染色体长度为。的工序编码为，为机器设备其编码为，矩阵为作业排程解码结果空间，各个零件的加工工序、设备及其开工时间与完工时间是由该矩阵转化成甘特图得到的。

Step1编码：本文采用的编码方法基于产品零件符号的方法，所有零件代码组成染色体。零件基因在染色体中的出现的先后顺序构成排程方案。设表示产品零件，染色体基因编码为，染色体长度为。的工序编码为，为机器设备其编码为，矩阵为作业排程解码结果空间，各个零件的加工工序、设备及其开工时间与完工时间是由该矩阵转化成甘特图得到的。

Step2适应度评估：根据适应度函数，利用每个个体在种群中的适应函数值来进行进化搜索。适应度函数由目标函数公式（7）经变换得到,如公式（8）：

Step3遗传操作：本文的操作设置是采用生产系统仿真软件中的的遗传算法功能模块进行的，包括群体规模、变异概率、世交叉概率和终止的代数等。

Step4终止条件确定：让算法进行迭代，达到预先设定的最大繁殖代数的次数时，算法自动停止。

Claims (1)

1.一种单件离散型生产作业排程优化方法，其特征在于：包括如下步骤：

步骤1：确定质量-交货期-成本协同优化模型的目标函数

首先、确定质量与成本之间的函数关系，根据产品的质量、成本、交货期三者之间存在非线性的关系，根据改进后的质量损失函数式，可以建立质量和成本函数关系模型，具体公式如下所示；

其中表示第个产品第个零件的质量损失成本，表示产品的第个零件的加工质量，表示产品的第个零件加工质量的下限变异，表示产品的第个零件加工质量的上限变异，表示产品的第个零件在加工质量目标值下限变异范围内的质量损失系数，表示产品的第个零件在加工质量目标值上限变异范围内的质量损失系数，为产品的加工质量标准差；

其次、成本与交货期之间的关系与质量成本关系相似，也是非线性的关系，交货期要求越短成本越高，由于需要通过赶工、提高效率等措施缩短交货期，则成本相应增加，交货期和成本都有一个目标值，超过目标值，随着时间的延长也会相应增加成本，因此在改进后的质量损失函数的基础上一样能够获得交货期和成本的函数关系模型，具体公式如下所示；

其中表示第个产品第个零件的交货期损失成本，表示产品的第个零件的交货期，表示产品的第个零件的交货期平均值（即目标值），表示产品的第个零件的交货期下限变异，表示产品的第个零件的交货期上限变异，表示产品的第个零件在交货期下限变异范围内的质量损失系数，表示产品的第个零件在交货期上限变异范围内的质量损失系数，为产品的交货期标准差；

最后、确定目标函数，即为最终成本等于所有零件的目标成本、质量损失成本和交货期损失成本之和；

其中，为第个产品第个零件的目标成本，表示第个产品第个零件的质量损失成本，表示第个产品第个零件的交货期损失成本，具体公式如下所示：

（4）式为时间约束，零件的第道工序的开始时间要大于等于第道工序的开始时间和加工时间之和；（5）式为设备数量约束；（6）式为不确定约束，考虑随机因素宽放；（7）式和（8）式为调节变量；（9）式为另外约束，在固定的时刻工件工序能且只能在一台设备上进行加工；

步骤2：根据步骤1确定的目标函数，将其转化为遗传算法的适应度函数，采用仿真软件建立单件离散型生产系统仿真模型，并通过遗传算法搜索出生产作业排程的最优方案。