CN107146039B - 一种多目标协同控制的定制式混流装配生产方法及装置 - Google Patents
一种多目标协同控制的定制式混流装配生产方法及装置 Download PDFInfo
- Publication number
- CN107146039B CN107146039B CN201710443371.0A CN201710443371A CN107146039B CN 107146039 B CN107146039 B CN 107146039B CN 201710443371 A CN201710443371 A CN 201710443371A CN 107146039 B CN107146039 B CN 107146039B
- Authority
- CN
- China
- Prior art keywords
- model
- production
- daily output
- planning period
- machine type
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 128
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 69
- 238000013439 planning Methods 0.000 claims abstract description 57
- 230000004044 response Effects 0.000 claims abstract description 27
- 239000006185 dispersion Substances 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000000463 material Substances 0.000 claims description 20
- 230000008859 change Effects 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 40
- 238000005457 optimization Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 15
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种多目标协同控制的定制式混流装配生产方法及装置,首先获取拖拉机的生产参数;然后按照交货期时间从小到大对每种机型进行排序;再以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,最后建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的日产量及各机型的生产顺序,实现了混流装配生产的多目标协同智能排序、均衡生产、计划快速生成与实时变更,为提高制造企业的市场响应速度和精益生产水平提供有效方法。
Description
技术领域
本发明属于拖拉机混流装配生产技术领域,特别涉及一种多目标协同控制的定制式混流装配生产方法及装置。
背景技术
小批量定制式生产(Small Batch and Customized Production,SBCP)是当前很多企业为了适应市场环境变化、快速响应客户个性化需求而采用的主要生产方式。相对于大批量定制而言,SBCP管理复杂度急剧增加,其生产优化问题是个更加困难的NP问题。混流装配生产(Mixed-model Assembly Production,MAP)是为满足客户个性化定制需求,将装配工艺相似而机型不相同的产品在一条生产线上进行装配,实现生产的低成本、高质量和高效率的柔性化生产方式。小批量定制式混流装配生产(SBC-MAP)的难点及其复杂性在于订单随机不确定、多品种并行、产量不稳定、物料变化多、生产不均衡、资源易冲突、瓶颈会漂移、插单和撤单随机因素多等方面,由此导致当前多数企业存在市场响应速度慢、生产过程与物料难控制、交货期难保证等问题。究其根本原因是多品种小批量定制式装配生产的精益性和协同性不足。生产精益性内涵包括JIT(Just-in-time)准时化的拉动式生产,按客户需求的时间、地点、质量与数量进行产品或零部件准时交付;作业负荷均衡式分配;瓶颈物料的自动识别与防错,预防缺料导致停线等。生产协同性是指生产系统多要素之间的协调、有序和稳定,产生系统整体多目标优化效应。
由此可见,SBC-MAP问题是个多学科多目标的复杂优化问题,由于现有技术中的研究大部分是以单目标进行优化来展开的,未考虑多目标协同优化,所以,传统生产方式方法难以实现装配生产的精益性和协同性,这已成为制约企业提升生产效率效益的重要瓶颈。
发明内容
本发明的目的在于提供一种多目标协同控制的定制式混流装配生产方法及装置,用于解决现有技术中只对单目标进行优化造成拖拉机生产效率低的问题。
为实现上述目的,本发明的技术方案是:
一种多目标协同控制的定制式混流装配生产方法,包括如下步骤:
1、一种多目标协同控制的定制式混流装配生产方法,包括如下步骤:
1)获取最大日产能Q,机型种类数n,订单号P,每种机型需求量Qi,产品编号m,每种机型订单号为p(p∈P)的交货期Dip,每种机型的日产量qit;
2)按照交货期时间从小到大对每种机型进行排序;
3)以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,均衡化生产包括每种机型的日产量均衡与机型均衡;
4)建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量;其中,以交货期时间和计划期时间之间的差异表示交货期相应差异,以日产量标准差与日产量均值之间的差异、机型标准差与机型复杂程度均值之间的差异表示均衡化生产离差。
进一步地,所述的目标函数为:
f(Ti,qit)=γSd+δ(αcvi+βcvt)
其中,Ti为每种机型的计划期,qit为每种机型的日产量,Sd为交货期响应差异,γ、δ、α、β分别为权重系数,cvi为每种机型均衡离差,cvt为每种机型日产量均衡离差。
进一步地,交货期响应差异为:
其中,n为机型种类数,P为机型订单编号,Dip为第i种订单号为p的机型的交货期,Tip为第i种订单号为p的机型的计划期。
进一步地,对应的机型均衡离差为:
进一步地,对应的机型日产量均衡离差表示为:
其中,T为计划期,ut为计划期T内机型日产量均值,qit为每种机型的日产量,x为0或1,当x为0时表示机型不被安排,当x为1时表示机型被安排。
进一步地,所述的产能约束条件为:
其中,qit为每种机型的日产量,Q为生产线的最大日产能。
进一步地,所述的交货准时性约束条件为:
Tip+ε≤Dip
其中,Tip为第i种订单号为p的机型的计划期,Dip为第i种订单号为p的机型的交货期,ε为随机因素的宽放时间。
进一步地,步骤2)中若交货期要求时间一样,则按照机型编码从小到大对机型重新进行排序。
进一步地,步骤4)中若需要的物料到达生产线的时间大于机型的计划期,则重新确定每种机型的计划期和日产量。
本发明还提供了一种多目标协同控制的定制式混流装配生产装置,在拖拉机生产系统中,包括如下单元:
参数获取单元:用于获取最大日产能Q,机型种类数n,订单号P,每种机型需求量Qi,产品编号m,每种机型订单号为p(p∈P)的交货期Dip,每种机型的日产量qit;
交货期排序单元:用于按照交货期时间从小到大对每种机型进行排序;
生产均衡化排序单元:用于以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,均衡化生产包括每种机型的日产量均衡与机型均衡;
求解单元:用于建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量;其中,以交货期时间和计划期时间之间的差异表示交货期相应差异,以日产量标准差与日产量均值之间的差异、机型标准差与机型复杂程度均值之间的差异表示均衡化生产离差。
本发明的有益效果是:
本发明提供的多目标协同控制的定制式混流装配生产方法,首先获取拖拉机的生产参数;然后按照交货期时间从小到大对每种机型进行排序;再以交货准时性为约束条件,确定各机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,最后建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量,实现了混流装配生产的多目标协同智能排序、均衡生产、计划快速生成与实时变更,为提高制造企业的市场响应速度和精益生产水平提供有效方法。
附图说明
图1为本发明的多目标协同控制的定制式混流装配生产方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明:
拖拉机是一种在复杂工况下的非道路作业机械,一般采用订单装配型(AssembleTo Order,ATO)生产模式。同一个产品系列结构基本相同,都由若干基本组件和一些通用件组成。每项基本组件又有多种可选项,从而可形成一系列多种规格的变形产品。拖拉机生产的一般流程是:销售预测计划导入ERP系统;ERP依据产品BOM(Bill of Materials)信息和库存信息进行MRP运算,生成主生产计划MPS(Master Production Schedule);客户订单确定后,制定最终装配顺序计划FAS(Final Assemble Schedule),进行拉动式生产。实施MES的企业,可以通过MES制造执行系统(Manufacturing Execution Syetem)平台设计生产智能优化算法程序,实现装配生产的优化排序、计划的自动生成、实时调整与共享。
本发明提供了一种多目标协同控制的定制式混流装配生产方法,多目标协同优化(Multi-objective Coordination Optimization,MCO)是一种解决复杂系统问题的优化方法,并通过系统约束条件协调各变量之间的共享和耦合状态,保证变量之间的一致性,最终目的是使整个系统最优,混流装配生产属于离散型多阶段动态优化问题,从有限可行解中寻找最优解,可分两个层次阶段进行优化,第一阶段是生产排序优化,第二阶段是排产量与机型的均衡优化,再将两目标协同一致,具体的步骤为:
1、确定优化目标:
以精益生产为指导思路,以市场响应速度和均衡性生产为优化目标,进行分阶段优化。
市场响应速度:是指满足客户要求的供货速度,是制造企业参与市场竞争、赢得订单、提高企业核心竞争力的重要因素之一,反映企业对客户需求的快速响应能力。本发明以交货期响应差异系数最小为衡量指标。假设交货期响应差异系数Sd=(交货期时间D-计划期时间T)/交货期时间D。
均衡性生产:拖拉机产品机型多数量少,季节性需求波动大,全年内均衡性生产难度大。但是在短期计划期内,需要确保劳动负荷均衡和节奏性生产,包括每日产量均衡、每日机型装配复杂程度均衡。本发明以离差系数最小为均衡性衡量指标,离差系数cv=标准差σ/平均值u。
2、目标函数建立:
设机型种类数为n,i∈n,第i种机型第p号订单的交货期时间为Dip,第i种机型第p(p∈P)号订单的计划期时间为Tip,则交货期响应差异系数表示为:
其中,n为机型种类数,P为机型订单编号,Dip为第i种订单号为p的机型的交货期,Tip为第i种订单号为p的机型的计划期。
均衡性生产包括计划期内日产量均衡与机型均衡,设所有机型的计划期为T天,t∈T,第i种机型第t天的产量为qit,则第i种机型计划期内的排产量为Qi=(qi1,qi2,...,qit,...,qiT)。设其均值为u,标准差为σ,则机型均衡离差系数表示为i∈n;日产量均衡离差系数表示为:t∈T。
综上,均衡性生产总离差系数表示为cv=αcvi+βcvt,α、β为权重系数。
将市场响应速度目标和均衡性生产目标进行协同优化,则目标函数表示为:f(Ti,qit)=γSd+δ(αcvi+βcvt),把上述的表达式带入目标函数后得到:
其中,γ、δ、α、β分别为权重系数,n,m,T均为整数,Q,q,t,α,β,γ,δ,ε均大于0。
以交货期响应差异和均衡性生产离差同时最小为目标对上述目标函数进行求解,则优化解空间为Ω={Ti,qit},F(Ti,qit)为状态(Ti,qit)对应的目标函数值,要求寻找最优解(Ti,qit)*,使得对于所有的(Ti,qit)∈Ω,有F(Ti,qit)*=minF(Ti,qit)。
3、约束条件
物料约束:设物料种类为k,k∈K,第k种物料预期到达生产线边时间为tk,包含物料库存、在途与配送时间等,第i机型计划期时间为Ti,则生产排序时先进行瓶颈物料识别,条件是:tk≤Ti,否则此机型从生产排序计划中剔除。
交货准时性约束:设Tip为第i种订单号为p的机型的计划期,Dip为第i种订单号为p的机型的交货期,ε为随机因素的宽放时间,交货期约束条件表示为:Tip+ε≤Dip。
4、优化计算
为了避免传统智能优化算法全局盲目搜索效率低,基于MES平台依据主生产计划(MPS)、生产能力、产品及其物料等基础数据,采用智能排序与均衡优化相集成的启发式优化算法,分步优化搜索,缩小搜索范围,提高搜索效率。
针对已建立的MCO模型,基于MES平台集成归并排序(Merge Sort,MS)与自适应均衡(Adaptive Equalization,AE)以及java计算机编程语言,设计SBC-MAP的智能优化启发式算法(Intelligent optimizing heuristic algorithm,IOHA),形成基于经验规则与优化模型的人工智能程序,进行在线寻优,分阶段搜索,达到整体最优效果,使用方便且效率高。其中应用的归并排序法(MS)是排序效率高且稳定性较好的自动排序算法,自适应均衡算法AE是以协同优化模型为自适应函数,依据约束条件不断搜索与方案评价,获得自适应函数最小的可行解过程。算法计算步骤如下:
1)信息获取与参数设置:依据营销计划,通过MES平台从ERP获得主生产计划(MPS)与MRP运算结果物料需求计划,主生产计划MPS数据结构包括机型编码、机型型号、需求数量、需求交货期,获取交货期需求数组、机型编号数组、需求数量数组。设置相关参数:最大日产能为Q,机型种类数n,物料种类K(物料编码),每种机型需求量Qi,订单号P,产品编号m,第i种机型第p(p∈P)号订单的交货期时间Dip,以及权重γ、δ、α、β等。
2)采用MS归并排序算法对交货期需求排序,将n个元素分成两个含n/2元素的子序列,再将两个子序列递归排序,最后按机型订单交货期要求的紧急程度排出时间序列(从小到大);对交货期要求相同的序列,再采用MS归并排序法,将机型编码从小到大排列,采用i表示机型编码,即按照i的从小到大重新排列顺序。
3)设生产排序方案为二元随机变量矩阵[Ti,qit],排出T计划期装配生产的顺序计划初始解,根据产能约束和交货期约束Tip+ε≤Dip,智能识别物料状态,对每日生产机型的所有物料状态进行搜索,比较tk≤Ti是否成立,不成立则剔除,重新调整计划,并获得计划期内每机型日产量矩阵[Ti,qit]的生产排序方案。
4)对建立的目标函数求解,计算适应度函数f(Ti,qit),从第二步开始循环迭代N次,取使f(Ti,qit)为最小值的顺序计划方案为可行解,即最后求得的解为计划期内各机型的生产顺序及其日产量,该解具有鲁棒性和可靠性,其智能优化启发式算法流程图如图1所示。
本发明以市场快速响应和均衡性生产为优化目标,以交货期差异系数、机型及其日产量均衡离差系数为关键指标(KPI),以瓶颈物料与产能为约束条件,建立了多目标协同优化(MCO)数学规划模型;探索了基于MES平台集成归并排序(MS)与自适应均衡(AE)的智能优化启发式算法(IOHA),通过有限次循环迭代搜索出适应度函数最小值方案为可行解,提高了搜索质量与效率,保证了可行解的鲁棒性和可靠性。该方法大大缩短了生产准备周期,在线准确识别与剔除了瓶颈物料,满足了客户随机不确定性需求。该优化方法对SBC-MAP是可行的和有效的,为制造业提高市场响应速度和精益生产水平提供了科学方法。
本发明还提供了一种多目标协同控制的定制式混流装配生产装置,该装置包括参数获取单元、交货期排序单元、生产均衡化排序单元及求解单元,其中参数获取单元用于获取最大日产能Q,机型种类数n,每种机型需求量Qi,产品编号m,订单号P,每种机型订单号为p(p∈P)的交货期Dip,每种机型的日产量qit;交货期排序单元用于按照交货期时间从小到大对每种机型进行排序;生产均衡化排序单元用于以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,均衡化生产包括每种机型的日产量均衡与机型均衡;求解单元用于建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量;其中,以交货期时间和计划期时间之间的差异表示交货期相应差异,以日产量标准差与日产量均值之间的差异、机型标准差与机型复杂程度均值之间的差异表示均衡化生产离差。
本发明的多目标协同控制的定制式混流装配生产装置,实际上是一种软件构架,其中各单元是与上述方法相对应的进程和程序,由于其方法的实施方式已经在上述实施例中进行了详细的说明,因此,在这里不再赘述。
以上给出了具体的实施方式,但本发明不局限于以上所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (6)
1.一种多目标协同控制的定制式混流装配生产方法,其特征在于,包括如下步骤:
1)获取最大日产能Q,机型种类数n,订单号P,每种机型需求量Qi,产品编号m,第i种订单号为p的机型的交货期Dip,其中,p∈P,每种机型的日产量qit;
2)按照交货期时间从小到大对每种机型进行排序;
3)以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,均衡化生产包括每种机型的日产量均衡与机型均衡;
4)建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量;其中,以交货期时间和计划期时间之间的差异表示交货期响应差异,以日产量标准差与日产量均值之间的差异、机型标准差与机型复杂程度均值之间的差异表示均衡化生产离差;
所述的目标函数为:
f(Ti,qit)=γSd+δ(αcvi+βcvt)
其中,Ti为每种机型的计划期,Sd为交货期响应差异,γ、δ、α、β分别为权重系数,cvi为每种机型均衡离差,cvt为每种机型日产量均衡离差;
交货期响应差异为:
其中,Tip为第i种订单号为p的机型的计划期;
对应的机型均衡离差为:
3.根据权利要求1所述的多目标协同控制的定制式混流装配生产方法,其特征在于,交货准时性约束条件为:
Tip+ε≤Dip
其中,Tip为第i种订单号为p的机型的计划期,Dip为第i种订单号为p的机型的交货期,ε为随机因素的宽放时间。
4.根据权利要求1所述的多目标协同控制的定制式混流装配生产方法,其特征在于,步骤2)中若交货期要求时间一样,则按照机型编码从小到大对机型重新进行排序。
5.根据权利要求1所述的多目标协同控制的定制式混流装配生产方法,其特征在于,步骤4)中若需要的物料到达生产线的时间大于机型的计划期,则重新确定每种机型的计划期和日产量。
6.一种多目标协同控制的定制式混流装配生产装置,其特征在于,在拖拉机生产系统中,包括如下单元:
参数获取单元:用于获取最大日产能Q,机型种类数n,订单号P,每种机型需求量Qi,产品编号m,第i种订单号为p的机型的交货期的交货期Dip,其中,p∈P,每种机型的日产量qit;
交货期排序单元:用于按照交货期时间从小到大对每种机型进行排序;
生产均衡化排序单元:用于以交货准时性为约束条件,确定每种机型的计划期,以产能为约束条件进行均衡化生产排序,得到生产的机型和日产量,均衡化生产包括每种机型的日产量均衡与机型均衡;
求解单元:用于建立关于机型计划期和每种机型的日产量的目标函数,以交货期响应差异和均衡性生产离差同时最小为目标求解,得到计划期内各机型的生产顺序及其日产量;其中,以交货期时间和计划期时间之间的差异表示交货期响应差异,以日产量标准差与日产量均值之间的差异、机型标准差与机型复杂程度均值之间的差异表示均衡化生产离差;
所述的目标函数为:
f(Ti,qit)=γSd+δ(αcvi+βcvt)
其中,Ti为每种机型的计划期,Sd为交货期响应差异,γ、δ、α、β分别为权重系数,cvi为每种机型均衡离差,cvt为每种机型日产量均衡离差;
交货期响应差异为:
其中,Tip为第i种订单号为p的机型的计划期;
对应的机型均衡离差为:
对应的机型日产量均衡离差表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710443371.0A CN107146039B (zh) | 2017-06-13 | 2017-06-13 | 一种多目标协同控制的定制式混流装配生产方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710443371.0A CN107146039B (zh) | 2017-06-13 | 2017-06-13 | 一种多目标协同控制的定制式混流装配生产方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107146039A CN107146039A (zh) | 2017-09-08 |
CN107146039B true CN107146039B (zh) | 2020-07-17 |
Family
ID=59781395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710443371.0A Active CN107146039B (zh) | 2017-06-13 | 2017-06-13 | 一种多目标协同控制的定制式混流装配生产方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146039B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369182B (zh) * | 2018-12-25 | 2024-01-19 | 顺丰科技有限公司 | 一种订单出库的调度方法和装置 |
CN111784035A (zh) * | 2020-06-24 | 2020-10-16 | 上海华力集成电路制造有限公司 | 一种基于交货日期的流水作业生产线作业量预测方法 |
CN112396290A (zh) * | 2020-09-29 | 2021-02-23 | 长安大学 | 一种支持双边模糊约束的mps/mrp集成规划方法 |
CN113673808A (zh) * | 2021-05-28 | 2021-11-19 | 网络通信与安全紫金山实验室 | 一种应用于生产线的组合作业优化分配方法及系统 |
CN113361974B (zh) * | 2021-07-15 | 2022-07-12 | 博思智科技术(北京)有限公司 | 一种工业订单的生产调控管理方法、系统及计算机存储介质 |
CN113673885B (zh) * | 2021-08-25 | 2024-05-14 | 浙江中控技术股份有限公司 | 一种确定排产计划的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751297A (zh) * | 2015-04-20 | 2015-07-01 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346528B2 (en) * | 2001-11-13 | 2008-03-18 | Navitaire, Inc. | Integrated decision support system for optimizing the training and transition of airline pilots |
CN103714395B (zh) * | 2013-12-18 | 2017-01-25 | 华中科技大学 | 一种面向成本的混流双边装配线平衡方法 |
CN106444643B (zh) * | 2016-09-30 | 2018-09-07 | 华中科技大学 | 一种订单分派调度与混合产品排序系统及方法 |
-
2017
- 2017-06-13 CN CN201710443371.0A patent/CN107146039B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751297A (zh) * | 2015-04-20 | 2015-07-01 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
Non-Patent Citations (1)
Title |
---|
多目标遗传算法在混流装配线排序中的应用;曹振新 等;《计算机工程》;20051130;第1-3、142页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107146039A (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107146039B (zh) | 一种多目标协同控制的定制式混流装配生产方法及装置 | |
CN108985691A (zh) | 一种基于动态库存控制的自动补货方法及系统 | |
Ait-Alla et al. | Robust production planning in fashion apparel industry under demand uncertainty via conditional value at risk | |
CN106408341A (zh) | 货品销量的预测方法及装置、电子设备 | |
US20100125486A1 (en) | System and method for determining supply chain performance standards | |
US20100125487A1 (en) | System and method for estimating settings for managing a supply chain | |
EP1350199A1 (en) | Supply chain demand forecasting and planning | |
CN112200489B (zh) | 有色金属冶炼产供销一体优化系统、方法、装置 | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
CN111754022A (zh) | 基于数学优化模型的片剂营养品生产现场计划与调度方法 | |
Briano et al. | Using a system dynamics approach for designing and simulation of short life-cycle products supply chain | |
KR102150966B1 (ko) | 딥 러닝을 이용한 화훼 경매가 예측 시스템 | |
US20230115525A1 (en) | Computer-implemented method for planning and/or controlling a production by a production system, and production planning and/or control system | |
Feyzioğlu et al. | A simulation-based optimization approach to size manufacturing systems | |
Cavone et al. | A game-theoretical design technique for multi-stage supply chains under uncertainty | |
CN117217804A (zh) | 一种智能定价与库存管理方法及系统 | |
CN113435541B (zh) | 品类规划方法、装置、存储介质及计算机设备 | |
CN116940952A (zh) | 产品的生产排程方法、电子设备和存储介质 | |
CN114881694A (zh) | 自动补货方法、系统、电子设备、存储介质、程序产品 | |
Sinebe et al. | Simplex optimization of production mix: A case of custard producing industries in Nigeria | |
CN114091770A (zh) | 物料需求计划的预测分析方法、装置、设备及存储介质 | |
Reyes et al. | Applying Lean Manufacturing Techniques to Distribution Requirements Planning in Ecuadorian Flour Industry | |
CN113762842A (zh) | 仓库调度方法、服务器和系统 | |
Cholodowicz et al. | Robust control of perishable inventory with uncertain lead time using neural networks and genetic algorithm | |
CN111882169A (zh) | 一种基于pert核心erp(mrpii)业务模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |