CN109086969A - 一种用于电机换向器生产过程的优化调度方法 - Google Patents
一种用于电机换向器生产过程的优化调度方法 Download PDFInfo
- Publication number
- CN109086969A CN109086969A CN201810735234.9A CN201810735234A CN109086969A CN 109086969 A CN109086969 A CN 109086969A CN 201810735234 A CN201810735234 A CN 201810735234A CN 109086969 A CN109086969 A CN 109086969A
- Authority
- CN
- China
- Prior art keywords
- individual
- square matrix
- optimization
- population
- row
- 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 41
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000007115 recruitment Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 description 13
- 238000013461 design Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000011160 research Methods 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
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Manufacture Of Motors, Generators (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于电机换向器生产过程的优化调度方法,属于电子行业生产过程智能优化调度技术领域。本发明通过确定电机换向器生产过程中的调度模型和优化目标,并提出一种基于量子进化算法的优化调度方法对目标进行优化;其中,调度模型根据每种规格换向器的加工时间和电机换向器生产所需的工艺数而建立,同时确定优化目标为最小化最大完工时间。本发明对于电机换向器生产过程建立一种排列调度模型和优化方法,可在较短时间内获得电机换向器生产过程调度问题的近似最优解,从而降低企业的生产成本,提高企业的经济效益。
Description
技术领域
本发明涉及一种用于电机换向器生产过程的优化调度方法,属于电子行业生产过程智能优化调度技术领域。
背景技术
换向器是直流电机、交流串激电动机上作为电流换向,为了能够让电动机持续转动下去的一个重要部件,俗称整流子。电机作为工业、交通、国防及日常生活中不可或缺的重要基本设备,其下游行业包含了几乎全部国民经济基础行业。电机换向器作为电机的核心器件之一,也伴随着电机行业的发展日益增长。
电机换向器主要有钩型、槽型、平面型等规格,又受到电机的大小和形状的影响,因此电机换向器的种类可以分为很多种。但电机换向器生产的加工工艺流程是相同的,都由梯形铜排经下料、去毛刺、校平、铣、槽、清理和搪锡等操作加工而成。企业在生产电机换向器时往往根据客户的需求批量生产不同规格的产品,不同规格的电机换向器尺寸也不同,因此在批量生产不同规格的电机换向器时,往往需要调整机器的模具及刀片的尺寸,即机器的设置时间。由于规格的不同,所以机器模具及刀片的更换时间也有所不同,因此设置时间的长短与前后加工的工件有关,即序相关设置时间。那么,如果能够有效地优化调度电机换向器的生产过程,将降低企业的生产周期,提高企业的经济效益。电机换向器生产过程的调度问题属于是NP难问题,该问题的求解难度随生产的规格数呈指数型增长。因此对于此类问题的研究和求解无论是理论层面还是应用层面都有重要意义。
电机换向器生产过程通常是根据订单的要求进行批量生产,即在某段时间内机器只加工一种规格的产品。由于换向器生产通常受到产品规格和尺寸的影响,使得产品在各阶段的生产时间不同,但所有产品的工艺流程相同。因此,将不同规格的产品进行编号加工时,不同的加工序列将对该订单的完工时间造成较大影响,这将直接影响企业的生产周期和生产成本。对于目前一般的换向器生产企业,往往根据订单中产品的排序或者根据工厂调度员的生产经验进行调度生产,这种调度方法虽然也能减小最大完工时间,但仍具有很大的提升空间。特别对于产品规格较多的订单,根据生产经验进行调度难度很大,不能更好的优化最大完工时间。因此,好的调度方案将直接影响企业的生产进度,进而降低企业的生产成本,提高企业的经济效益。
本发明对于电机换向器生产过程建立一种排列调度模型,设计一种基于量子进化算法的优化调度方法,可在较短的时间内此类的近似最优解,即近似最优排列,进而降低企业的生产成本,提高企业的经济效益。
发明内容
本发明的目的是针对电机换向器生产过程的调度问题,提出一种基于量子进化算法的优化调度方法,通过求得近似最优排序的方式降低企业的生产成本,提高企业的经济效益。
本发明的技术方案是:一种用于电机换向器生产过程的优化调度方法,通过确定电机换向器生产过程中的调度模型和优化目标,并提出一种基于量子进化算法的优化调度方法对目标进行优化;其中,调度模型根据每种规格换向器的加工时间和电机换向器生产所需的工艺数而建立,同时确定优化目标为最小化最大完工时间,即f=Cmax(π);
式中,电机换向器的规格数为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批被加工的换向器产品;为工件πi在操作j结束后的完工时刻,代表工件πi在操作j所需要的加工时间,表示第j个操作的机器在加工完工件πi-1后加工工件πi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,即第一个工件在各机器上的设置时间可以忽略或作为第一个工件的加工时间;在生产过程中,某台机器一旦开始生产某种规格的产品,不允许中断,且产品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;
所述基于量子进化算法的优化调度方法具体为:
Step1、种群初始化;
Step1.1、量子模型初始化:采用随机生成的方法产生NP个个体,且每个个体都有n×n的方阵P,Pij表示方阵中第i行第j列的数值且Pij∈(0,1),代表该位置被观测时取1的概率,其中NP为种群的规模;
Step1.2、观测量子模型:对每个个体的P方阵进行观测,得到0-1方阵G,即方阵的元素不是0就是1;观测是指每次都生产一个(0,1)的随机数与方阵中的Pij进行比较,若小于等于Pij则Gij=1,否则Gij=0;根据转化规则对0-1方阵G进行转换得到方阵C,即C中的每行每列有且仅有一个元素为1。转换规则是指从第一行依次找出该行中所有元素为1的列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表;若该列中元素为1的列号已全在禁忌表中,则找出元素为0的所有列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表,直到最后一行为止;
Step1.3、计算个体的目标值:将得到的方阵C转换为工件的加工序列π,即该个体所对应的解,并计算该个体所对应的目标值;
Step2、种群更新:找到当前种群的最优个体,即目标值最小的个体Best;对种群中每个个体所对应的方阵P进行更新产生新的方阵P,即新的个体;重新观测并根据转化规则将观测后的方阵G转化为排列π,并计算其目标值;对新老种群进行保优操作,即合并新老种群并按目标值从小到大排列,选择前NP个个体为当前种群;
Pij(new)=(1-α)×Pij(old)+(1-α×L)
L=sign((f(Best)-f(π))×(Gij(Best)-Gij(π)))
其中f(Best)和Gij(Best)分别表示最优个体Best的目标值和对应的方阵G,f(π)和Gij(π)分别表示当前个体的目标值和对应的方阵G,α为学习因子;
Step3、终止条件:设定终止条件为算法迭代次数T,如果算法满足条件,则输出当前种群中第一个个体,即最优个体;否则跳转至步骤Step2,反复迭代,直至满足终止条件为止。
本发明的有益效果是:本发明对于电机换向器生产过程建立一种排列调度模型和优化方法,可在较短时间内获得电机换向器生产过程调度问题的近似最优解,从而降低企业的生产成本,提高企业的经济效益。
附图说明
图1为本发明的整体设计流程图;
图2为本发明的调度方法流程图;
图3为本发明中量子模型转化为解的表达示意图。
具体实施方式
实施例1:如图1-3所示,一种用于电机换向器生产过程的优化调度方法,通过确定电机换向器生产过程中的调度模型和优化目标,并提出一种基于量子进化算法的优化调度方法对目标进行优化;其中,调度模型根据每种规格换向器的加工时间和电机换向器生产所需的工艺数而建立,同时确定优化目标为最小化最大完工时间,即f=Cmax(π);
式中,电机换向器的规格数为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批被加工的换向器产品;为工件πi在操作j结束后的完工时刻,代表工件πi在操作j所需要的加工时间,表示第j个操作的机器在加工完工件πi-1后加工工件πi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,即第一个工件在各机器上的设置时间可以忽略或作为第一个工件的加工时间;在生产过程中,某台机器一旦开始生产某种规格的产品,不允许中断,且产品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;
所述基于量子进化算法的优化调度方法具体为:
Step1、种群初始化;
Step1.1、量子模型初始化:采用随机生成的方法产生NP个个体,且每个个体都有n×n的方阵P,Pij表示方阵中第i行第j列的数值且Pij∈(0,1),代表该位置被观测时取1的概率,其中NP为种群的规模;
Step1.2、观测量子模型:对每个个体的P方阵进行观测,得到0-1方阵G,即方阵的元素不是0就是1;观测是指每次都生产一个(0,1)的随机数与方阵中的Pij进行比较,若小于等于Pij则Gij=1,否则Gij=0;根据转化规则对0-1方阵G进行转换得到方阵C,即C中的每行每列有且仅有一个元素为1。转换规则是指从第一行依次找出该行中所有元素为1的列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表;若该列中元素为1的列号已全在禁忌表中,则找出元素为0的所有列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表,直到最后一行为止;
Step1.3、计算个体的目标值:将得到的方阵C转换为工件的加工序列π,即该个体所对应的解,并计算该个体所对应的目标值;
Step2、种群更新:找到当前种群的最优个体,即目标值最小的个体Best;对种群中每个个体所对应的方阵P进行更新产生新的方阵P,即新的个体;重新观测并根据转化规则将观测后的方阵G转化为排列π,并计算其目标值;对新老种群进行保优操作,即合并新老种群并按目标值从小到大排列,选择前NP个个体为当前种群;
Pij(new)=(1-α)×Pij(old)+(1-α×L)
L=sign((f(Best)-f(π))×(Gij(Best)-Gij(π)))
其中f(Best)和Gij(Best)分别表示最优个体Best的目标值和对应的方阵G,f(π)和Gij(π)分别表示当前个体的目标值和对应的方阵G,α为学习因子;
Step3、终止条件:设定终止条件为算法迭代次数T,如果算法满足条件,则输出当前种群中第一个个体,即最优个体;否则跳转至步骤Step2,反复迭代,直至满足终止条件为止。
种群规模NP设置为50,学习因子α为0.2,最大迭代次数T=300。
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 (1)
1.一种用于电机换向器生产过程的优化调度方法,其特征在于:通过确定电机换向器生产过程中的调度模型和优化目标,并提出一种基于量子进化算法的优化调度方法对目标进行优化;其中,调度模型根据每种规格换向器的加工时间和电机换向器生产所需的工艺数而建立,同时确定优化目标为最小化最大完工时间,即f=Cmax(π);
式中,电机换向器的规格数为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批被加工的换向器产品;为工件πi在操作j结束后的完工时刻,代表工件πi在操作j所需要的加工时间,表示第j个操作的机器在加工完工件πi-1后加工工件πi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,即第一个工件在各机器上的设置时间可以忽略或作为第一个工件的加工时间;在生产过程中,某台机器一旦开始生产某种规格的产品,不允许中断,且产品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;
所述基于量子进化算法的优化调度方法具体为:
Step1、种群初始化;
Step1.1、量子模型初始化:采用随机生成的方法产生NP个个体,且每个个体都有n×n的方阵P,Pij表示方阵中第i行第j列的数值且Pij∈(0,1),代表该位置被观测时取1的概率,其中NP为种群的规模;
Step1.2、观测量子模型:对每个个体的P方阵进行观测,得到0-1方阵G,即方阵的元素不是0就是1;观测是指每次都生产一个(0,1)的随机数与方阵中的Pij进行比较,若小于等于Pij则Gij=1,否则Gij=0;根据转化规则对0-1方阵G进行转换得到方阵C,即C中的每行每列有且仅有一个元素为1。转换规则是指从第一行依次找出该行中所有元素为1的列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表;若该列中元素为1的列号已全在禁忌表中,则找出元素为0的所有列号,并找出对应位置方阵Pij的最大值的所在列号,并将该列号加入禁忌表,直到最后一行为止;
Step1.3、计算个体的目标值:将得到的方阵C转换为工件的加工序列π,即该个体所对应的解,并计算该个体所对应的目标值;
Step2、种群更新:找到当前种群的最优个体,即目标值最小的个体Best;对种群中每个个体所对应的方阵P进行更新产生新的方阵P,即新的个体;重新观测并根据转化规则将观测后的方阵G转化为排列π,并计算其目标值;对新老种群进行保优操作,即合并新老种群并按目标值从小到大排列,选择前NP个个体为当前种群;
Pij(new)=(1-α)×Pij(old)+(1-α×L)
L=sign((f(Best)-f(π))×(Gij(Best)-Gij(π)))
其中f(Best)和Gij(Best)分别表示最优个体Best的目标值和对应的方阵G,f(π)和Gij(π)分别表示当前个体的目标值和对应的方阵G,α为学习因子;
Step3、终止条件:设定终止条件为算法迭代次数T,如果算法满足条件,则输出当前种群中第一个个体,即最优个体;否则跳转至步骤Step2,反复迭代,直至满足终止条件为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735234.9A CN109086969B (zh) | 2018-07-06 | 2018-07-06 | 一种用于电机换向器生产过程的优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810735234.9A CN109086969B (zh) | 2018-07-06 | 2018-07-06 | 一种用于电机换向器生产过程的优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109086969A true CN109086969A (zh) | 2018-12-25 |
CN109086969B CN109086969B (zh) | 2021-06-18 |
Family
ID=64837012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810735234.9A Active CN109086969B (zh) | 2018-07-06 | 2018-07-06 | 一种用于电机换向器生产过程的优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086969B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1544999A (zh) * | 2003-11-20 | 2004-11-10 | 上海交通大学 | 可重构装配系统控制方法 |
US20100155608A1 (en) * | 2008-12-19 | 2010-06-24 | Utah State University | Optimized case specific spect sampling |
-
2018
- 2018-07-06 CN CN201810735234.9A patent/CN109086969B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1544999A (zh) * | 2003-11-20 | 2004-11-10 | 上海交通大学 | 可重构装配系统控制方法 |
US20100155608A1 (en) * | 2008-12-19 | 2010-06-24 | Utah State University | Optimized case specific spect sampling |
Non-Patent Citations (1)
Title |
---|
BIN QIAN ETAL.: "Probabilistic Memetic Algorithm for Flowshop Scheduling", 《IEEE》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109086969B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765862B (zh) | 基于自适应遗传算法的混合流水车间可持续调度控制方法 | |
CN104880949A (zh) | 基于改进鸡群算法获得工件加工最优调度的方法 | |
CN112947319B (zh) | 一种钢铁企业冷轧区多产线的集批排程优化方法及系统 | |
CN109583761A (zh) | 一种锻钢工序的生产计划与调度系统 | |
CN106611288A (zh) | 一种改进的柔性流水车间调度问题的求解算法 | |
CN106611275A (zh) | 针对作业车间生产问题的排产算法 | |
CN112699544A (zh) | 一种多目标柔性作业车间调度方法 | |
CN112668789A (zh) | 一种柔性作业车间带准备工序的自适应分批调度方法 | |
CN111745653B (zh) | 基于双机械臂的船体外板曲面成形协同加工的规划方法 | |
CN106610656A (zh) | 一种改进的布谷鸟搜索算法求解作业车间调度问题 | |
CN104537425B (zh) | 一种汽车空调出风口的生产装配过程的优化调度方法 | |
CN108829036B (zh) | 一种金属铸坯切削成形加工过程的优化调度方法 | |
CN108776845A (zh) | 一种基于双目标作业车间调度的混合果蝇算法 | |
CN108181810B (zh) | 一种基于区间不确定性的鲁棒单机调度方法 | |
Yan et al. | A case study on integrated production planning and scheduling in a three-stage manufacturing system | |
CN111985841B (zh) | 一种基于改进遗传算法的注塑车间调度方法及系统 | |
CN108983719A (zh) | 一种电脑主机机箱制造中钣金加工过程的优化调度方法 | |
CN109086969A (zh) | 一种用于电机换向器生产过程的优化调度方法 | |
CN111665799B (zh) | 一种基于协同算法的时间约束型并行机节能调度方法 | |
CN111814359A (zh) | 一种面向离散制造的集成车间调度与装配序列规划方法 | |
CN111325487A (zh) | 一种流水生产车间智能调度优化方法及系统 | |
CN108873850A (zh) | 一种机械制造自动化生产过程的优化调度方法 | |
CN107730065B (zh) | 基于改进变邻域搜索算法的生产调度方法及系统 | |
CN112950101B (zh) | 一种基于产量预测的汽车工厂混流线排产方法 | |
CN115456268A (zh) | 一种导向辊制造资源优化配置方法、装置、设备及介质 |
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 |