CN110046777B - 一种柔性作业车间持续重构调度方法及装置 - Google Patents
一种柔性作业车间持续重构调度方法及装置 Download PDFInfo
- Publication number
- CN110046777B CN110046777B CN201810044367.1A CN201810044367A CN110046777B CN 110046777 B CN110046777 B CN 110046777B CN 201810044367 A CN201810044367 A CN 201810044367A CN 110046777 B CN110046777 B CN 110046777B
- Authority
- CN
- China
- Prior art keywords
- alternative
- scheduling
- virtual unit
- scheme
- time interval
- 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
- 238000000034 method Methods 0.000 title claims abstract description 191
- 230000008569 process Effects 0.000 claims abstract description 140
- 238000004519 manufacturing process Methods 0.000 claims abstract description 78
- 238000010276 construction Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 230000002068 genetic effect Effects 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000003643 water by type Substances 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种柔性作业车间持续重构调度方法及装置,其中,该方法包括:确定柔性作业车间内所有订单的多个工序级批次,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次,利用基于设备瓶颈程度的启发式规则,依次为当前可加工的多个工序级批次安排设备,得到初步排产方案,根据初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的虚拟单元构建方案,根据虚拟单元构建方案,修正初步排产方案,得到最终排产方案。本发明的方案,能够为多品种、小批量下柔性作业车间的调度人员进行持续重构调度提供辅助,保证柔性作业车间同时兼顾生产效率和生产柔性。
Description
技术领域
本发明涉及制造技术领域,尤其涉及一种柔性作业车间持续重构调度方法及装置。
背景技术
随着消费者对产品需求的日趋多样化,当前的产品生产呈现多品种、小批量的特点,如何在产品制造过程中兼顾效率与柔性是企业的普遍关注点。刚性流水式生产线具有较高的生产效率和质量一致性,机群式离散生产线具有较高的生产柔性,而处于中间状态的可重构或单元化生产线则能够很好地实现效率与柔性的兼顾。目前对于柔性作业车间的排产大多为离散式,无法满足一些关键、重要和复杂的零件对流水式生产以保证质量一致性的需求。由于条件限制,大多数企业的离散生产难以构建物理式制造单元,必须基于可重构制造思想和根据任务变化而持续重构调整的逻辑重构思路进行制造资源的优化组织。
传统的柔性作业车间持续重构调度方法大多仅仅解决虚拟单元的静态构建,而忽略了时间变化下的单元的继承式演变。在实际的大规模生产中,随着时间的推进,部分订单结束生产,新的订单加入进来,造成订单结构发生改变,原先的虚拟单元不再适用新的订单结构。因此,多品种、小批量下的柔性作业车间持续重构调度需要构建持续变化的虚拟单元。由于设备在虚拟单元外的离散生产模式和在虚拟单元内的小流水模式之间的转变需要时间损失,因此虚拟单元的持续构建还需考虑继承性,即后续虚拟单元与前续虚拟单元之间不应存在过大变化。
对于柔性作业车间的持续重构调度问题,虽然目前已有大量研究,但这些研究大多面向静态虚拟单元的构建,较少考虑订单结构持续变化下的虚拟单元的持续重构,造成现有的柔性作业车间持续重构调度方法较难兼顾生产效率和生产柔性。
发明内容
本发明实施例提供一种柔性作业车间持续重构调度方法及装置,以解决现有的柔性作业车间持续重构调度方法较难兼顾生产效率和生产柔性的问题。
为了解决上述问题,第一方面,本发明实施例提供了一种柔性作业车间持续重构调度方法,包括:
确定柔性作业车间内所有订单的多个工序级批次;
按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案。
可选的,所述确定柔性作业车间内所有订单的多个工序级批次,包括:
确定所有订单中每个订单的分批的最佳批量的下限和上限;
根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次;
将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
可选的,所述利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案,包括:
按照紧急程度对所述当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列;
计算所述柔性作业车间内的空闲设备的瓶颈程度;
按照计算得到的空闲设备的瓶颈程度的从低到高,以及所述当前可加工的工序级批次序列的从上到下,依次将所述当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到所述初步排产方案。
可选的,所述根据所述初步排产方案,划分多个时间区间,包括:
利用预设时间间隔对所述初步排产方案所调度的时间进行划分,得到所述多个时间区间。
可选的,所述根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案,包括:
根据获取的每个时间区间的虚拟单元备选方案,利用适用性遗传算法,组建所述初步排产方案相关的排产备选方案种群;其中,所述排产备选方案种群中的每个排产备选方案具有(r′+1)个虚拟单元备选方案,(r′+1)为所述多个时间区间的个数,第r个虚拟单元备选方案为第r个时间区间的个虚拟单元备选方案中的一个虚拟单元备选方案,为第r个时间区间的虚拟单元备选方案的个数,所述适用性遗传算法的迭代次数为1;
按照如下公式依次计算所述排产备选方案种群中的每个排产备选方案的适应度;
根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案;
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
第二方面,本发明实施例还提供了一种柔性作业车间持续重构调度装置,包括:
确定模块,用于确定柔性作业车间内所有订单的多个工序级批次;
筛选模块,用于按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
安排模块,用于利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
获取模块,用于根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
优化模块,用于根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
修正模块,用于根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案。
可选的,所述确定模块包括:
第一确定单元,用于确定所有订单中每个订单的分批的最佳批量的下限和上限;
分批单元,用于根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次;
拆分单元,用于将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
可选的,所述安排模块包括:
排列单元,用于按照紧急程度对所述当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列;
第一计算单元,用于计算所述柔性作业车间内的空闲设备的瓶颈程度;
安排单元,用于按照计算得到的空闲设备的瓶颈程度的从低到高,以及所述当前可加工的工序级批次序列的从上到下,依次将所述当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到所述初步排产方案。
可选的,所述获取模块具体用于:
利用预设时间间隔对所述初步排产方案所调度的时间进行划分,得到所述多个时间区间。
可选的,所述优化模块包括:
组建单元,用于根据获取的每个时间区间的虚拟单元备选方案,利用适用性遗传算法,组建所述初步排产方案相关的排产备选方案种群,其中,所述排产备选方案种群中的每个排产备选方案具有(r′+1)个虚拟单元备选方案,(r′+1)为所述多个时间区间的个数,第r个虚拟单元备选方案为第r个时间区间的个虚拟单元备选方案中的一个虚拟单元备选方案,为第r个时间区间的虚拟单元备选方案的个数,所述适用性遗传算法的迭代次数为1;
第二计算单元,用于按照如下公式依次计算所述排产备选方案种群中的每个排产备选方案的适应度;
第二确定单元,用于根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案;
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
第三方面,本发明实施例还提供了一种终端设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述计算机程序被所述处理器执行时实现上述柔性作业车间持续重构调度方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述柔性作业车间持续重构调度方法的步骤。
本发明实施例的柔性作业车间持续重构调度方法,利用基于设备瓶颈程度的启发式规则为工序级批次安排设备,能够实现以精细化调度为目标的订单拆分,而以工序级批次为对象,能够实现离散方式下订单的初步排产方案,同时根据基于时间区间的虚拟单元构建方法,生成各个时间区间的虚拟单元备选方案,并利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案,根据每个时间区间的虚拟单元构建方案,修正初步排产方案,得到最终排产方案,能够为多品种、小批量下柔性作业车间的调度人员进行持续重构调度提供辅助,保证柔性作业车间同时兼顾生产效率和生产柔性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的柔性作业车间持续重构调度方法的流程图;
图2为本发明实施例的确定工序级批次的流程图;
图3为本发明实施例的生成初步排产方案的流程图;
图4为本发明具体实例的时间区间划分的示意图;
图5为本发明具体实例的修正初步排产方案的示意图;
图6为本发明实施例的一柔性作业车间持续重构调度装置的结构示意图;
图7为本发明实施例的另一柔性作业车间持续重构调度装置的结构示意图;
图8为本发明实施例的终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1所示,本发明实施例提供了一种柔性作业车间持续重构调度方法,包括如下步骤:
步骤101:确定柔性作业车间内所有订单的多个工序级批次;
步骤102:按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
步骤103:利用基于设备瓶颈程度的启发式规则,依次为当前可加工的多个工序级批次安排设备,得到柔性作业车间的初步排产方案;
步骤104:根据初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
步骤105:利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
步骤106:根据每个时间区间的虚拟单元构建方案,修正初步排产方案,得到最终排产方案。
本发明实施例的柔性作业车间持续重构调度方法,利用基于设备瓶颈程度的启发式规则为工序级批次安排设备,能够实现以精细化调度为目标的订单拆分,而以工序级批次为对象,能够实现离散方式下订单的初步排产方案,同时根据基于时间区间的虚拟单元构建方法,生成各个时间区间的虚拟单元备选方案,并利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案,根据每个时间区间的虚拟单元构建方案,修正初步排产方案,得到最终排产方案,能够为多品种、小批量下柔性作业车间的调度人员进行持续重构调度提供辅助,保证柔性作业车间同时兼顾生产效率和生产柔性。
本发明实施例中,参见图2所示,确定柔性作业车间内所有订单的多个工序级批次的过程可为:
步骤21:确定所有订单中每个订单的分批的最佳批量的下限和上限。
对于任意订单i(i=1,2,3...n,n为订单数目),找到该订单中具有最大单件加工工时的工序Pij和具有最小单件加工工时的工序Pij′,并获得这两道工序对应的单件加工工时,则订单i分批的批量计算公式如下:
步骤22:根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次。
对于任意订单i,若其数量Ni满足则该订单每个批次的批量为Ni;若其数量Ni满足则生成从到的一个插值序列从该序列中依次取值作为批量,分别获得该订单的一个分批方案,计算各个分批方案中各批次批量的方差,将具有最小方差的分批方案作为该订单的最终分批方案;其中,q为使的最大整数。
步骤23:将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
具体的,将订单的各个批次按照工艺路线拆分到工序得到的工序级批次可表示为Oijk,其中Oijk表示订单i的第j道工序的第k批,订单i的单件加工工时为Tij,批次数量为Nik。
需说明的是,本发明实施例中,在确定订单的工序级批次后,可计算所有工序级批次的最晚开始时间,以便后续确定工序级批次的紧急程度,其中最晚加工时间越早越紧急。对于任意工序级批次Oijk,其最晚开始时间LSijk的计算公式可如下所示:
本发明实施例中,按照工艺路线筛选当前可加工的工序级批次的方式可为:
对于工序级批次Oijk,若其在当前时刻满足以下条件中的任意一项,则可确定其为当前可加工的工序级批次:(1)工序Pij为订单i的第一道工序;(2)工序Pij不是订单i的第一道工序,但其前续工序的所有批次中,完工且未周转的工件数量不大于此批次的批量。
传统的以订单或批次为对象的排产通常一次排一整个订单或批次,难以考虑设备的紧张程度,更无法应对随时间变化而持续变化的设备紧张程度,不利于设备的充分利用。为应对此问题,本发明实施例提出了设备瓶颈程度的概念,用以表示随时间变化下设备对任务的紧张程度,从而有针对性地将工序级批次安排到当前相对不紧张的设备上,以提高设备利用率。具体的,参见图3所示,利用基于设备瓶颈程度的启发式规则生成初步排产方案的过程可为:
步骤31:按照紧急程度对当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列。
其中,工序级批次的紧急程度通常由其最晚加工时间决定,最晚加工时间越早越紧急。
步骤32:计算柔性作业车间内的空闲设备的瓶颈程度。
在计算空闲设备的瓶颈程度之前,可首先解除当前时刻完工的工序及批次对设备的占用,并判断当前时刻是否存在空闲设备,在存在空闲设备时,计算空闲设备的瓶颈程度。而在不存在空闲设备时,可将当前时刻加上一个步进时长△T,解除加上△T后的时刻完工的工序及批次对设备的占用,并判断是否存在空闲设备,在存在空闲设备时,计算空闲设备的瓶颈程度。
对于任意空闲设备Mp(p=1,2,3...NM,NM为设备数量),其瓶颈程度BNp的计算公式可如下所示:
其中,表示工序级批次Oijk与空闲设备Mp之间的约束关系,等于0或1,当Oijk不能安排在Mp上时,等于0,当Oijk能安排在Mp上时,等于1;Zijk表示工序级批次Oijk的加工状态,Zijk等于0或1,当Oijk未开工时,Zijk等于0,当Oijk已开工时,Zijk等于1。
步骤33:按照计算得到的空闲设备的瓶颈程度的从低到高,以及当前可加工的工序级批次序列的从上到下,依次将当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到初步排产方案。
应说明的是,步骤33要实现是优先将紧急程度高的工序级批次安排到瓶颈程度低的空闲设备上。若当前可加工的工序级批次序列中的某工序级批次成功被安排,则将其在序列中删除,并为序列中的该工序级批次的下一个工序级批次安排空闲设备,直到当前不存在空闲设备。若当前可加工的工序级批次序列为空,则结束安排空闲设备的过程。而若当前可加工的工序级批次序列不为空且当前不存在空闲设备,则重新解除获取空闲设备并计算其瓶颈程度。
本发明实施例中,根据初步排产方案,划分多个时间区间的方式可为:利用预设时间间隔对初步排产方案所调度的时间进行划分,得到多个时间区间。例如,若预设时间间隔为Tspan,AS和AE分别为初步排产方案的开始时间和结束时间,则利用Tspan划分得到的多个等间距的时间区间可为[AS,AS+Tspan],…,[AS+Tspan,AS+2Tspan],…,[AS+rTspan,AS+(r+1)Tspan],…,[AS+r′Tspan,AE],其中r′为使r′Tspan<AE的最大正整数。
又例如参见图4所示,为本发明具体实例的时间区间划分的示意图,其中△T为预设时间间隔,M1至M4为不同的流水,每个小方框表示相应时间区间的小流水方案(工序级批次)。
进一步的,利用聚类算法依次获取每个时间区间的虚拟单元备选方案的过程可为:
S51:获取每个时间区间的工序级批次集合;该工序级批次集合中包括所有在相应时间区间之前开始加工且未完工的工序级批次;
S52:获取当前时间区间的工序级批次集合,并获取当前时间区间的设备链集合;若利用设备链形式表达属于同一批的工序级批次的区间内工艺路线,则根据当前时间区间内的工序级批次及其安排的设备,可得到多条设备链,称之为设备链集合;
S53:对当前时间区间的设备链集合中的设备链两两求最大子序列,找到最长的最大子序列集合(此称为集合,主要因为可能有多个最长的最大子序列),删除集合中的重复项和长度小于2的项;
S54:判断S53得到的最长的最大子序列集合是否为空;若是,判断当前时间区间是否为最后一个时间区间,若是则流程结束,否则进入下一个时间区间,执行S52;若上述集合不为空,则执行S55;
S56:对于子序列选择出满足(α为预设匹配阈值)的设备链,并找到这些设备链的最长公共子序列;若该最长公共子序列的长度大于1,则将更新为该最长公共子序列,否则,保持不变,以此得到当前时间区间r的即为当前时间区间r的个虚拟单元备选方案;
S57:判断当前时间区间是否为最后一个时间区间,若是则流程结束,否则进入下一个时间区间,执行S52。
为了得到持续重构的虚拟单元构建方案,本发明实施例提出适应性遗传算法,以最大化单元之间的继承程度为目标,适应性地提出编码方式和适应度函数。具体的,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案的过程可为:
首先,根据获取的每个时间区间的虚拟单元备选方案,利用适用性遗传算法,组建初步排产方案相关的排产备选方案种群;
应说明的,适用性遗传算法的编码方式为:若初步排产方案划分为(r′+1)个时间区间,对于任意时间区间r,其具有(可能为0)个虚拟单元备选方案,皆以有向设备序列的形式表示,则对应组建的每条染色体具有(r′+1)个基因,第r个基因为1至的任意数字,而若等于0则第r个基因为0。
基于上述编码方式,本发明实施例得到的排产备选方案种群中的每个排产备选方案具有(r′+1)个虚拟单元备选方案,(r′+1)为初步排产方案划分得到的多个时间区间的个数,第r个虚拟单元备选方案为第r个时间区间的个虚拟单元备选方案中的一个虚拟单元备选方案,为第r个时间区间的虚拟单元备选方案的个数,适用性遗传算法的迭代次数为1。
然后,按照如下公式依次计算排产备选方案种群中的每个排产备选方案的适应度:
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
最后,根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案。
其中,在确定每个时间区间的持续重构的虚拟单元构建方案时,可首先判断相应适应性遗传算法是否满足终止条件,并在满足终止条件时,从适应度最高的排产备选方案中选择出每个时间区间的持续重构的虚拟单元构建方案。
而在不满足终止条件的情况下,可首先采用选择操作,以比例选择方法选择个体,适应度高的个体被选中的概率高,适应度低的个体被选中的概率低,甚至可能被淘汰;其次采用交叉操作,根据交叉概率和单点交叉法,生成新群体;然后采用变异操作,根据变异概率和基本变异算子,生成新的种群,最后将适应性遗传算法的迭代次数加1,对新的种群中的排产备选方案计算适应度。
具体的,在根据每个时间区间的虚拟单元构建方案,修正初步排产方案,得到最终排产方案时,可遍历每一个时间区间,利用当前时间区间的虚拟单元构建方案,将涉及单元作业的工件的离散排布方式修改为流水排布方式,比如图5所示,对应调整M3至M4的流水排布方式,并响应该时间区间及其以后的时间区间内由修改流水排布方式所带来的后续工序开始时间的变化,直至所有的时间区间的初步排产方案都根据虚拟单元构建方案调整完毕。
上述实施例对本发明的柔性作业车间持续重构调度方法进行了说明,下面将结合实施例和附图对本发明的柔性作业车间持续重构调度装置进行说明。
参见图6所示,本发明实施例还提供了一种柔性作业车间持续重构调度装置,包括:
确定模块61,用于确定柔性作业车间内所有订单的多个工序级批次;
筛选模块62,用于按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
安排模块63,用于利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
获取模块64,用于根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
优化模块65,用于根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
修正模块66,用于根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案。
本发明实施例的柔性作业车间持续重构调度装置,利用基于设备瓶颈程度的启发式规则为工序级批次安排设备,能够实现以精细化调度为目标的订单拆分,而以工序级批次为对象,能够实现离散方式下订单的初步排产方案,同时根据基于时间区间的虚拟单元构建方法,生成各个时间区间的虚拟单元备选方案,并利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案,根据每个时间区间的虚拟单元构建方案,修正初步排产方案,得到最终排产方案,能够为多品种、小批量下柔性作业车间的调度人员进行持续重构调度提供辅助,保证柔性作业车间同时兼顾生产效率和生产柔性。
可选的,参见图7所示,所述确定模块61包括:
第一确定单元611,用于确定所有订单中每个订单的分批的最佳批量的下限和上限;
分批单元612,用于根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次;
拆分单元613,用于将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
可选的,参见图7所示,所述安排模块63包括:
排列单元631,用于按照紧急程度对所述当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列;
第一计算单元632,用于计算所述柔性作业车间内的空闲设备的瓶颈程度;
安排单元633,用于按照计算得到的空闲设备的瓶颈程度的从低到高,以及所述当前可加工的工序级批次序列的从上到下,依次将所述当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到所述初步排产方案。
可选的,所述获取模块64具体用于:
利用预设时间间隔对所述初步排产方案所调度的时间进行划分,得到所述多个时间区间。
可选的,参见图7所示,所述优化模块65包括:
组建单元651,用于根据获取的每个时间区间的虚拟单元备选方案,利用适用性遗传算法,组建所述初步排产方案相关的排产备选方案种群,其中,所述排产备选方案种群中的每个排产备选方案具有(r′+1)个虚拟单元备选方案,(r′+1)为所述多个时间区间的个数,第r个虚拟单元备选方案为第r个时间区间的个虚拟单元备选方案中的一个虚拟单元备选方案,为第r个时间区间的虚拟单元备选方案的个数,所述适用性遗传算法的迭代次数为1;
第二计算单元652,用于按照如下公式依次计算所述排产备选方案种群中的每个排产备选方案的适应度;
第二确定单元653,用于根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案;
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
此外,本发明实施例还提供了一种终端设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述计算机程序被所述处理器执行时可实现上述柔性作业车间持续重构调度方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
具体的,参见8所示,本发明实施例还提供了一种终端设备,包括总线81、收发机82、天线83、总线接口84、处理器85和存储器86。
在本发明实施例中,所述终端设备还包括:存储在存储器86上并可在处理器85上运行的计算机程序,具体的,所述计算机程序被处理器85执行时可实现如下步骤:
确定柔性作业车间内所有订单的多个工序级批次;
按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案。
在图8中,总线架构(用总线81来代表),总线81可以包括任意数量的互联的总线和桥,总线81将包括由处理器85代表的一个或多个处理器和存储器86代表的存储器的各种电路链接在一起。总线81还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口84在总线81和收发机82之间提供接口。收发机82可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器85处理的数据通过天线83在无线介质上进行传输,进一步,天线83还接收数据并将数据传送给处理器85。
处理器85负责管理总线81和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器86可以被用于存储处理器85在执行操作时所使用的数据。
可选的,处理器85可以是CPU、ASIC、FPGA或CPLD。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述柔性作业车间持续重构调度方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种柔性作业车间持续重构调度方法,其特征在于,包括:
确定柔性作业车间内所有订单的多个工序级批次;
按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案,包括:根据获取的每个时间区间的虚拟单元备选方案,利用适用性遗传算法,组建所述初步排产方案相关的排产备选方案种群;其中,所述排产备选方案种群中的每个排产备选方案具有(r′+1)个虚拟单元备选方案,(r′+1)为所述多个时间区间的个数,第r个虚拟单元备选方案为第r个时间区间的个虚拟单元备选方案中的一个虚拟单元备选方案,为第r个时间区间的虚拟单元备选方案的个数,所述适用性遗传算法的迭代次数为1;
根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案。
2.根据权利要求1所述的方法,其特征在于,所述确定柔性作业车间内所有订单的多个工序级批次,包括:
确定所有订单中每个订单的分批的最佳批量的下限和上限;
根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次;
将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
3.根据权利要求1所述的方法,其特征在于,所述利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案,包括:
按照紧急程度对所述当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列;
计算所述柔性作业车间内的空闲设备的瓶颈程度;
按照计算得到的空闲设备的瓶颈程度的从低到高,以及所述当前可加工的工序级批次序列的从上到下,依次将所述当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到所述初步排产方案。
4.根据权利要求1所述的方法,其特征在于,所述根据所述初步排产方案,划分多个时间区间,包括:
利用预设时间间隔对所述初步排产方案所调度的时间进行划分,得到所述多个时间区间。
5.根据权利要求1所述的方法,其特征在于,按照如下公式依次计算所述排产备选方案种群中的每个排产备选方案的适应度;
根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案;
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
6.一种柔性作业车间持续重构调度装置,其特征在于,包括:
确定模块,用于确定柔性作业车间内所有订单的多个工序级批次;
筛选模块,用于按照工艺路线,从确定的多个工序级批次中筛选出当前可加工的多个工序级批次;
安排模块,用于利用基于设备瓶颈程度的启发式规则,依次为所述当前可加工的多个工序级批次安排设备,得到所述柔性作业车间的初步排产方案;
获取模块,用于根据所述初步排产方案,划分多个时间区间,并利用聚类算法依次获取每个时间区间的虚拟单元备选方案;
优化模块,用于根据所述虚拟单元备选方案,利用适用性遗传算法,优化得到每个时间区间的持续重构的虚拟单元构建方案;
修正模块,用于根据每个时间区间的虚拟单元构建方案,修正所述初步排产方案,得到最终排产方案;
优化模块包括:
7.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
第一确定单元,用于确定所有订单中每个订单的分批的最佳批量的下限和上限;
分批单元,用于根据确定的每个订单的分批的最佳批量的下限和上限,对每个订单进行分批,得到每个订单的所有批次;
拆分单元,用于将每个订单的各个批次按照工艺路线拆分到工序,得到相应的工序级批次。
8.根据权利要求6所述的装置,其特征在于,所述安排模块包括:
排列单元,用于按照紧急程度对所述当前可加工的多个工序级批次进行降序排列,得到当前可加工的工序级批次序列;
第一计算单元,用于计算所述柔性作业车间内的空闲设备的瓶颈程度;
安排单元,用于按照计算得到的空闲设备的瓶颈程度的从低到高,以及所述当前可加工的工序级批次序列的从上到下,依次将所述当前可加工的工序级批次序列中的工序级批次安排到空闲设备上,得到所述初步排产方案。
9.根据权利要求6所述的装置,其特征在于,所述获取模块具体用于:
利用预设时间间隔对所述初步排产方案所调度的时间进行划分,得到所述多个时间区间。
10.根据权利要求6所述的装置,其特征在于,所述优化模块包括:
第二计算单元,用于按照如下公式依次计算所述排产备选方案种群中的每个排产备选方案的适应度;
第二确定单元,用于根据计算得到的每个排产备选方案的适应度,确定每个时间区间的持续重构的虚拟单元构建方案;
其中,f(Sn)为第n个排产备选方案的适应度,n=1,2...N,N为排产备选方案种群中排产备选方案的个数,dr=[min(lr,l(r+1))-lsim]2,表示第n个排产备选方案中的第r个虚拟单元备选方案与第(r+1)个虚拟单元备选方案的相似程度,lr和l(r+1)分别表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中的设备个数,lsim表示第r个虚拟单元备选方案和第(r+1)个虚拟单元备选方案中相同设备的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044367.1A CN110046777B (zh) | 2018-01-17 | 2018-01-17 | 一种柔性作业车间持续重构调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044367.1A CN110046777B (zh) | 2018-01-17 | 2018-01-17 | 一种柔性作业车间持续重构调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110046777A CN110046777A (zh) | 2019-07-23 |
CN110046777B true CN110046777B (zh) | 2020-12-29 |
Family
ID=67273515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810044367.1A Active CN110046777B (zh) | 2018-01-17 | 2018-01-17 | 一种柔性作业车间持续重构调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046777B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111142482A (zh) * | 2019-12-10 | 2020-05-12 | 深圳市铭华航电工艺技术有限公司 | 生产资源管理方法、装置、设备及可读介质 |
CN111123869B (zh) * | 2019-12-24 | 2021-01-15 | 北京理工大学 | 一种基于工人操作经验的柔性作业车间调度方法及装置 |
CN111007823B (zh) * | 2019-12-25 | 2021-01-22 | 北京理工大学 | 柔性作业车间动态调度方法及装置 |
CN111461911B (zh) * | 2020-01-17 | 2022-08-16 | 华中科技大学 | 一种基于混合nsga-ii的加工工件虚拟单元构建方法 |
CN111507641B (zh) * | 2020-04-27 | 2024-04-16 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
TWI776208B (zh) * | 2020-08-13 | 2022-09-01 | 財團法人精密機械研究發展中心 | 金屬加工生產排程之優化系統及優化方法 |
CN114118500A (zh) * | 2020-08-25 | 2022-03-01 | 财团法人精密机械研究发展中心 | 金属加工生产排程的优化系统及优化方法 |
CN113359648B (zh) * | 2021-07-01 | 2022-12-09 | 哈尔滨理工大学 | 相同设备上虚拟调整时长的综合调度方法 |
CN114529160A (zh) * | 2022-01-20 | 2022-05-24 | 广东精工智能系统有限公司 | 一种基于小家电行业装配流水线生产智能计算应用及方法 |
CN116203911B (zh) * | 2023-05-05 | 2023-08-01 | 长飞光纤光缆股份有限公司 | 一种光纤预制棒沉积车间过程测试棒投放调度方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
WO2015117275A1 (en) * | 2014-02-10 | 2015-08-13 | Qualcomm Incorporated | Handover into dynamic tdd ul/dl configuration enabled cells and/or comp cells |
CN107066092A (zh) * | 2017-03-20 | 2017-08-18 | 上海大学 | Vr运行空间动态检测与参数化虚拟场景重构系统与方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9489409B2 (en) * | 2013-10-17 | 2016-11-08 | Sybase, Inc. | Rollover strategies in a N-bit dictionary compressed column store |
-
2018
- 2018-01-17 CN CN201810044367.1A patent/CN110046777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
WO2015117275A1 (en) * | 2014-02-10 | 2015-08-13 | Qualcomm Incorporated | Handover into dynamic tdd ul/dl configuration enabled cells and/or comp cells |
CN107066092A (zh) * | 2017-03-20 | 2017-08-18 | 上海大学 | Vr运行空间动态检测与参数化虚拟场景重构系统与方法 |
Non-Patent Citations (4)
Title |
---|
《面向随机订单的虚拟制造单元动态重构调度问题研究》;金玲;《中国优秀硕士学位论文全文数据库》;20170215(第2期);正文第1-63页 * |
Production planning in virtual cell of reconfiguration manufacturing system using genetic algorithm;Jingsheng Li;《The International Journal of Advanced Manufacturing Technology》;20140529;第47-64页 * |
可重构制造系统的布局规划技术研究;武志军;《工业工程与管理》;20071031(第5期);第68-73页 * |
基于 TOC 及启发式规则的生产计划与控制方法;芮剑锋;《航空制造技术》;20120430(第7期);第76-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110046777A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046777B (zh) | 一种柔性作业车间持续重构调度方法及装置 | |
CN109495318B (zh) | 一种移动通信网络流量预测方法、装置及可读存储介质 | |
CN106134136B (zh) | 计算针对广域网上的数据传送的长期调度 | |
CN111400022A (zh) | 一种资源调度方法、装置及电子设备 | |
WO2020224544A1 (zh) | 选址方法、装置及计算机可读存储介质 | |
WO2020086214A1 (en) | Deep reinforcement learning for production scheduling | |
CN111062535A (zh) | 一种实现含能材料生产过程动态排产的方法及系统 | |
CN115271130B (zh) | 面向船舶主动力设备维修订单的动态调度方法及系统 | |
CN113128839B (zh) | 面向高端装备分布式制造与多模式运输的协同调度方法 | |
CN113821318A (zh) | 一种物联网跨域子任务组合协同计算方法及系统 | |
CN116822997B (zh) | 一种考虑绿色电力的实时碳排放核算方法及装置 | |
CN109725988A (zh) | 一种任务调度方法和装置 | |
CN113240226A (zh) | 一种卫星地面站间的资源分配方法及装置 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN115049175A (zh) | 多产品的生产规划方法及装置、计算机设备及存储介质 | |
CN111813524A (zh) | 一种任务执行方法、装置、电子设备和存储介质 | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
CN110689174A (zh) | 基于公共交通的人员路线规划方法及装置 | |
CN113298313A (zh) | 一种基于遗传算法的柔性作业车间调度方法及系统 | |
US20220122174A1 (en) | Method and apparatus for peer-to-peer energy sharing based on reinforcement learning | |
CN111105050B (zh) | 风机维护计划的生成方法、装置、设备及存储介质 | |
CN106292617A (zh) | 一种用于提供及控制生产过程信息的方法与设备 | |
CN109889573A (zh) | 混合云中基于ngsa多目标的副本放置方法 | |
Okada et al. | A random key-based genetic algorithm approach for resource-constrained project scheduling problem with multiple modes | |
CN109543930B (zh) | 基于机台多级别稳态生产速率的派工方法及系统 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220601 Address after: 112, F1, building 405, Tiantongyuan, Dongxiaokou Town, Changping District, Beijing 102208 Patentee after: Beijing Yingjie Technology Co.,Ltd. Address before: 100081 No. 5 South Main Street, Haidian District, Beijing, Zhongguancun Patentee before: BEIJING INSTITUTE OF TECHNOLOGY |