CN109034667A - 一种五金模具生产过程的优化调度方法 - Google Patents
一种五金模具生产过程的优化调度方法 Download PDFInfo
- Publication number
- CN109034667A CN109034667A CN201811031018.2A CN201811031018A CN109034667A CN 109034667 A CN109034667 A CN 109034667A CN 201811031018 A CN201811031018 A CN 201811031018A CN 109034667 A CN109034667 A CN 109034667A
- Authority
- CN
- China
- Prior art keywords
- individual
- mold
- population
- hardware dies
- old
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000001617 migratory effect Effects 0.000 claims description 29
- 230000000717 retained effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000007115 recruitment Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种五金模具生产过程的优化调度方法,属于生产车间智能优化调度领域。本发明提出了五金模具生产过程的调度模型和优化目标,可在短时间内获得五金模具生产过程调度问题的优良解,使得五金模具的生产过程更加清晰准确,调度方法合理有效,缩短企业的生产周期,提高了工厂的生产效益。
Description
技术领域
本发明涉及一种五金模具生产过程的优化调度方法,属于生产车间智能优化调度领域。
背景技术
我们日常生产、生活中所使用到的各种工具和产品,大到机床的底座、机身外壳,小到一个胚头螺丝、纽扣以及各种家用电器的外壳,无不与模具有着密切的关系。模具的形状决定着这些产品的外形,模具的加工质量与精度也就决定着这些产品的质量。由于各种产品的材质、外观、规格及用途的不同,因此模具生产分为很多种,但五金模具的制作不是我们想象中的那么简单,我们必须一步一步的按照流程来做。因此,对于五金模具生产过程的调度研究,能够提高工厂的生产效率,缩短企业的生产周期,进而提高企业的经济效益。
对五金模具的加工过程,通常可以大致分为毛胚料加工、机加工、线切割、装配等过程,具有典型的流程工艺特点。但由于五金模具大都是金属材质,在实际生产中有许多金属屑产生,从而影响模具的形状和精度。因此,在实际的工业生产中,在每个加工环节完成后,都会将五金模具用高压水枪或人工清洗,以免影响模具的质量,这就造成模具在各生产阶段之间有一定的设置时间。另外,根据客户或企业的要求,不同的模具在各个阶段的加工时间有所不同。这种问题属于典型的带序不相关设置时间的流水线调度问题。
发明内容
本发明提供了一种五金模具生产过程的优化调度方法,以用于解决在较短时间内获得五金模具生产过程优良解的调度问题。
本发明的技术方案是:一种五金模具生产过程的优化调度方法,通过确定五金模具生产过程的调度模型和优化目标,并使用基于混合候鸟算法的优化调度方法对优化目标进行优化;其中调度模型依据每个模具所需操作数及相应操作的加工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,五金模具的个数为n、需要的加工工艺操作数为m;π={π1,π2,…,πn}代表该优化调度问题的一个解,πi为加工序列π中第i个被加工的五金模具产品;为模具πi在操作j结束后的完工时刻,代表模具πi在操作j所需要的加工时间,St表示机器在加工完一个操作后所需要的设置时间,其中在第一个工件到来之前,所有的机器处于准备状态,即第一个模具在各机器上的设置时间可以忽略或作为第一个模具的加工时间;在生产过程中,某台机器一旦开始生产某种规格的模具,不允许中断,且模具必须在完成上一个工艺操作后才能进行下一个工艺操作的加工。
所述基于混合候鸟算法的优化调度方法具体为:
Step1、种群初始化:采用随机生成的方法产生初始化种群并计算相应个体的目标值,直至初始解的数量达到要求的种群规模;随机从每组候鸟中选出一只候鸟,分别对其进行NEH操作;其中,种群规模为4×N_pop;将初始种群分为标号为1、2、3、4的四个组,每组的候鸟个数为N_pop;
Step2、种群更新:对种群中的每组候鸟分别进行更新:
Step2.1、对标号为1的候鸟进行Insert操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.2、对标号为2的候鸟进行InterChange操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.3、对标号为3的候鸟进行Swap操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.4、对标号为4的候鸟进行Inverse操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step3、交叉操作:从四个组中随机选择两个个体,保证这两个个体分别来自不同的组;对这两个个体进行交叉操作,若新生成的个体目标值优于两个父代的目标值,则将该个体同时替换两个父代;若新生成的个体目标值只优于一个父代,则只将该个体替换该个体优于的父代;若新生成的个体目标值均劣于两个父代,则舍弃该新个体;
Step4、终止条件:设定终止条件为最大迭代次数:如果满足,则输出整个种群中的“最优个体”;否则跳转至Step2,直到满足终止条件。
本发明的有益效果是:本发明提出了五金模具生产过程的调度模型和优化目标,可在短时间内获得五金模具生产过程调度问题的优良解,使得五金模具的生产过程更加清晰准确,调度方法合理有效,缩短企业的生产周期,提高了工厂的生产效益。
附图说明
图1为本发明的整体流程框图;
图2为本发明中问题解的表达示意图;
图3为NEH操作的示意图;
图4为本发明的Insert操作示意图;
图5为本发明的InterChange操作示意图;
图6为本发明的Swap操作示意图;
图7为本发明的Inverse操作示意图;
图8为本发明的交叉操作示意图。
具体实施方式
实施例1:如图1-8所示,一种五金模具生产过程的优化调度方法,通过确定五金模具生产过程的调度模型和优化目标,并使用基于混合候鸟算法的优化调度方法对优化目标进行优化;其中调度模型依据每个模具所需操作数及相应操作的加工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,五金模具的个数为n、需要的加工工艺操作数为m;π={π1,π2,…,πn}代表该优化调度问题的一个解,πi为加工序列π中第i个被加工的五金模具产品;为模具πi在操作j结束后的完工时刻,代表模具πi在操作j所需要的加工时间,St表示机器在加工完一个操作后所需要的设置时间,其中在第一个工件到来之前,所有的机器处于准备状态,即第一个模具在各机器上的设置时间可以忽略或作为第一个模具的加工时间;在生产过程中,某台机器一旦开始生产某种规格的模具,不允许中断,且模具必须在完成上一个工艺操作后才能进行下一个工艺操作的加工。
进一步地,可以设置所述基于混合候鸟算法的优化调度方法具体为:
Step1、种群初始化:采用随机生成的方法产生初始化种群并计算相应个体的目标值,直至初始解的数量达到要求的种群规模;随机从每组候鸟中选出一只候鸟,分别对其进行NEH(Nawaz Enscore Ham)操作;其中,种群规模为4×N_pop;将初始种群分为标号为1、2、3、4的四个组,每组的候鸟个数为N_pop;
Step2、种群更新:对种群中的每组候鸟分别进行更新:
Step2.1、对标号为1的候鸟进行Insert操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.2、对标号为2的候鸟进行InterChange操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.3、对标号为3的候鸟进行Swap操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.4、对标号为4的候鸟进行Inverse操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step3、交叉操作:从四个组中随机选择两个个体,保证这两个个体分别来自不同的组;对这两个个体进行交叉操作,若新生成的个体目标值优于两个父代的目标值,则将该个体同时替换两个父代;若新生成的个体目标值只优于一个父代,则只将该个体替换该个体优于的父代;若新生成的个体目标值均劣于两个父代,则舍弃该新个体;
Step4、终止条件:设定终止条件的最大迭代次数为300:如果满足,则输出整个种群中的“最优个体”;否则跳转至Step2,直到满足终止条件。
所述种群规模设置为4×N_pop=80,即N_pop=20。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种五金模具生产过程的优化调度方法,其特征在于:通过确定五金模具生产过程的调度模型和优化目标,并使用基于混合候鸟算法的优化调度方法对优化目标进行优化;其中调度模型依据每个模具所需操作数及相应操作的加工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,五金模具的个数为n、需要的加工工艺操作数为m;π={π1,π2,…,πn}代表该优化调度问题的一个解,πi为加工序列π中第i个被加工的五金模具产品;为模具πi在操作j结束后的完工时刻,代表模具πi在操作j所需要的加工时间,St表示机器在加工完一个操作后所需要的设置时间,其中在第一个工件到来之前,所有的机器处于准备状态,即第一个模具在各机器上的设置时间可以忽略或作为第一个模具的加工时间;在生产过程中,某台机器一旦开始生产某种规格的模具,不允许中断,且模具必须在完成上一个工艺操作后才能进行下一个工艺操作的加工。
2.根据权利要求1所述的五金模具生产过程的优化调度方法,其特征在于:所述基于混合候鸟算法的优化调度方法具体为:
Step1、种群初始化:采用随机生成的方法产生初始化种群并计算相应个体的目标值,直至初始解的数量达到要求的种群规模;随机从每组候鸟中选出一只候鸟,分别对其进行NEH操作;其中,种群规模为4×N_pop;将初始种群分为标号为1、2、3、4的四个组,每组的候鸟个数为N_pop;
Step2、种群更新:对种群中的每组候鸟分别进行更新:
Step2.1、对标号为1的候鸟进行Insert操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.2、对标号为2的候鸟进行InterChange操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.3、对标号为3的候鸟进行Swap操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step2.4、对标号为4的候鸟进行Inverse操作的更新,若新个体的目标值优于老个体,则替换,否则保留老个体;
Step3、交叉操作:从四个组中随机选择两个个体,保证这两个个体分别来自不同的组;对这两个个体进行交叉操作,若新生成的个体目标值优于两个父代的目标值,则将该个体同时替换两个父代;若新生成的个体目标值只优于一个父代,则只将该个体替换该个体优于的父代;若新生成的个体目标值均劣于两个父代,则舍弃该新个体;
Step4、终止条件:设定终止条件为最大迭代次数:如果满足,则输出整个种群中的“最优个体”;否则跳转至Step2,直到满足终止条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031018.2A CN109034667B (zh) | 2018-09-05 | 2018-09-05 | 一种五金模具生产过程的优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031018.2A CN109034667B (zh) | 2018-09-05 | 2018-09-05 | 一种五金模具生产过程的优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034667A true CN109034667A (zh) | 2018-12-18 |
CN109034667B CN109034667B (zh) | 2022-04-12 |
Family
ID=64623457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811031018.2A Active CN109034667B (zh) | 2018-09-05 | 2018-09-05 | 一种五金模具生产过程的优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034667B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
CN102253662A (zh) * | 2011-04-11 | 2011-11-23 | 同济大学 | 基于多蚁群优化的半导体生产线排程方法 |
-
2018
- 2018-09-05 CN CN201811031018.2A patent/CN109034667B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916404A (zh) * | 2010-08-06 | 2010-12-15 | 沈阳工业大学 | 一种装备制造过程多厂协同调度优化方法 |
CN102253662A (zh) * | 2011-04-11 | 2011-11-23 | 同济大学 | 基于多蚁群优化的半导体生产线排程方法 |
Non-Patent Citations (2)
Title |
---|
张素君等: "基于离散候鸟迁徙优化算法的置换流水车间调度问题", 《华东理工大学学报(自然科学版)》 * |
艾子义等: "基于新型邻域搜索以碳排放为目标的混合流水车间低碳调度", 《信息与控制》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109034667B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
ATE133529T1 (de) | Verfahren zum herstellen von individuell an die konturen eines ohrkanals angepassten otoplastiken oder ohrpassstücken | |
CN110666165B (zh) | 一种基于3d打印的车架结构优化方法 | |
CN106650124A (zh) | 一种基于有限元结果的连续体表面轻量化方法 | |
CN106610656A (zh) | 一种改进的布谷鸟搜索算法求解作业车间调度问题 | |
CN105700495A (zh) | 基于加工时间等级的柔性作业车间调度机器选择方法 | |
CN108142976B (zh) | 一种叶丝干燥工艺参数优化方法 | |
CN115049246A (zh) | 一种面向订单扰动下的离散制造生产线重调度方法 | |
Rayhana et al. | Optimisation on processing parameters for minimising warpage on side arm using response surface methodology (RSM) and particle swarm optimisation (PSO) | |
CN109482879A (zh) | 一种基于同轴送粉的梯度材料制备方法 | |
CN109034667A (zh) | 一种五金模具生产过程的优化调度方法 | |
CN109961355A (zh) | 一种内衣定制的云工厂系统及其操作方法 | |
CN109085804A (zh) | 一种用于电子产品在多工厂车间生产过程的优化调度方法 | |
CN110244658A (zh) | 一种基于改进bp神经网络提高裁床插补位置精度的方法 | |
CN113112145A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
TWI617422B (zh) | 塑膠押出製程控制方法及參數調整系統 | |
CN108943637A (zh) | 一种注塑工艺 | |
CN108629509B (zh) | 高铁车轴用钢平行连铸机生产调度方法及系统 | |
CN109049722B (zh) | 连续协同的熔融沉积3d打印系统及方法 | |
CN112561242B (zh) | 一种中药生产的排产排程方法 | |
CN109164763A (zh) | 一种工业机器人自动化生产线的优化调度方法 | |
CN110147078A (zh) | 一种无故障rgv智能系统二道工序加工动态调度方法 | |
Todic et al. | Integrated CAPP system for plastic injection molds manufacturing | |
CN106611236A (zh) | 一种解决作业车间调度问题的排产算法 | |
CN109086969B (zh) | 一种用于电机换向器生产过程的优化调度方法 |
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 |