CN110618668A - 柔性生产的绿色动态调度方法 - Google Patents

Abstract

本发明公开了一种柔性生产的绿色动态调度方法，用于解决现有柔性生产动态调度方法实用性差的技术问题。技术方案是首先获取生产初始数据参数，借助于信息物理系统，录入设备、人员、订单、设备功耗和物料等基础信息，作为调度的初始计算参数；其次，设计绿色调度算法，以最小的加工时间和最小的生产能耗为目标，基于帕累托多目标优化理论和制造过程的能耗模型，采用设备负载均衡策略，使用蝙蝠算法计算调度方案并执行。最后，实施动态调度策略，采用事件驱动策略判断是否有机器故障、订单变化等扰动事件发生，若有扰动事件发生，则更新数据，重新调用绿色调度算法并执行，直到整个生产结束，从而实现生产的绿色动态调度，实用性好。

Description

柔性生产的绿色动态调度方法

技术领域

本发明涉及一种柔性生产动态调度方法，特别涉及一种柔性生产的绿色动态调度方法。

背景技术

节能减排排放是我国制造业升级的一项基本国策和智能制造技术研究发展方向之 一。文献“能源消耗、二氧化碳排放与中国工业的可持续发展,经济研 究,2009,vol44(4),p41-55”指出大多数能源消耗都来自工业生产，中国工业能源消费总量 占能源消费总量的69.4％，排放的二氧化碳量占总排放量的83.1％。对企业本身来说， 节约能源可降低企业生产成本，提高生产效益。因此，降低生产过程中的能源消耗， 是制造企业急需要解决的问题。柔性生产是智能制造重要的一种生产方式，主要针对 多品种、小批量的一种生产方式，具有一定的灵活性，同时增加调度的复杂性。生产 调度作为智慧车间的核心，调度质量的好坏直接关系车间的可用性以及能源消耗量。

文献“授权公告号是CN107065803B中国发明专利”公开一种基于可变重调度区间的柔性作业车间动态调度方法。该方法利用改进的遗传算法获得静态调度方案并执行， 当动态事件发生时，判断类型后，通过执行可变重调度方法，重新生成新的调度方案， 从而实现动态控制。但是该调度方法仅考虑完工时间进行算法优化，以获得最小的完 工时间为目标进行调度，并未考虑生产过程的能耗因素，对于可能由于片面追求缩短 完成时间而导致生产能耗资源浪费亦未做关注；动态事件仅考虑了机器故障，忽视实 际生产过程中的不可预见性以及复杂性，例如机器故障、订单和生产工艺变化等因素， 难以满足实际生产的需要。

发明内容

为了克服现有柔性生产动态调度方法实用性差的不足，本发明提供一种柔性生产的绿色动态调度方法。该方法首先获取生产初始数据参数，借助于信息物理系统，录 入设备、人员、订单、设备功耗和物料等基础信息，作为调度的初始计算参数；其次， 设计绿色调度算法，以最小的加工时间和最小的生产能耗为目标，基于帕累托多目标 优化理论和制造过程的能耗模型，采用设备负载均衡策略，使用蝙蝠算法计算调度方 案并执行。帕累托优化最终得到一组包含加工时间和生产能耗两个目标的解集，在方 案的选择上，由于二者大多数情况下是矛盾的，即加工时间最快的方案，能耗可能更 大，所以可以通过设置各自不同的权值，选择满足加工时间约束前提的最小生产能耗 的解作为调度方案，从而节省能耗，减少能耗浪费；最后，实施动态调度策略，采用 事件驱动策略判断是否有机器故障、订单变化等扰动事件发生，若有扰动事件发生， 则更新数据，重新调用绿色调度算法并执行，直到整个生产结束，从而实现生产的绿 色动态调度，实用性好。

本发明解决其技术问题所采用的技术方案：一种柔性生产的绿色动态调度方法，其特点是包括以下步骤：

步骤一、根据生产计划，获取加工相关的初始数据作为计算参数。

步骤二、基于生产车间的能耗模型，采用帕累托多目标优化手段和设备负载均衡策略，利用蝙蝠算法设计绿色调度算法，计算静态调度方案，并执行此调度方案。

步骤2.1：设定算法参数。

参数包括：加工的工件数量n、加工机器设备数量m、工艺约束、设备生产过程 功耗E、第i个蝙蝠个体的位置x_i、速度v_i、声波频率f_i、脉冲发射速率r_i、响度A_i、脉 冲音强衰减系数α、最大脉冲r⁰、频度增加系数γ、种群大小p、搜索频率范围[f_min,， f_max]、迭代次数k和帕累托解集容量h；

步骤2.2：随机生成一组蝙蝠种群的初始解，每一个蝙蝠个体表示一个排产方案。按照编码规则，将蝙蝠的位置向量转换成合法的加工顺序，并根据设备负载均衡原理， 为每道工件的不同工序分配设备，最后计算出此个体对应的适应度值并找出最佳位置 x^*。

步骤2.3：根据初始解计算各个蝙蝠个体解的加工时间和生产能耗，将所有非支配解保存到帕累托解集。其中，能耗计算方法为：

E_total＝E_machines+E_auxilary (1)

式中，E_total表示此调度方案消耗的总能量，E_machines表示所有的机器设备的生产能耗，E_auxilary代表加工过程的辅助设施能耗，包括照明、空调、显示器和计算机的功 耗。E_machines的计算方法采用下式：

式中，代表第i台机器设备所消耗的能耗，总共有m台机器设备，用 下式计算：

式中，代表机器设备i启动所需要的能耗，表示设备i总的加工功耗，代表设备i的单位时间空闲功耗，代表设备i的空闲时间。最后，E_auxilary的计算方法采用下式：

E_auxilary＝E_{aux_unit}·t_total (4)

式中，E_{aux_unit}表示一个常量，表示单位时间内辅助设施产生的能耗，t_total代表本调度 方案总的生产加工时间。

步骤2.4：根据0～1之间的随机数据、频率最大值和最小值计算下一次蝙蝠的声波频率f_i ^g+1：

f_i ^g+1＝f_min+(f_max-f_min)β (5)

式中，f_i ^g+1表示下次的声波频率，f_min表示频率的最小值，f_max表示频率的最大值，β为0～1之间的随机数。

步骤2.5：根据蝙蝠个体当前的速度和声波频率f_i ^g+1，计算下一个位置蝙蝠的速度

式中，表示当前蝙蝠个体的速度，x^*代表当前搜索过程中群体的最佳位置， f_i ^{g +1}表示当前蝙蝠声波频率。

步骤2.6：根据每个蝙蝠个体i的飞行速度和当前位置计算其下一个位置

式中，表示每个蝙蝠的当前位置，表示此蝙蝠的飞行速度。

步骤2.7：通过工序合法化方法，调整蝙蝠个体的新解使其成为可行解；

步骤2.8：计算蝙蝠个体的适应度，若优于全局最优位置的适应度，则更新最优位置x^*；

步骤2.9：通过随机飞行生成新的解x_new；

x_new＝x_old+ε·A^t (8)

式中，x_old表示之前的最优解，ε为[-1,1]的一个随机数，A^t表示当前蝙蝠群体响度的平 均值。

步骤2.10：若0～1之间的生成随机数并且新解的适应度值小于则接 受新解x_new，若优于最佳位置，则更新x^*，计算下一次位置的脉冲发射频度

式中，表示最大脉冲，γ表示脉冲频率增加系数，t表示迭代次数。

更新下一个位置的响度

式中，表示当前位置的响度，α表示脉冲音强衰减系数，是[0,1]上的常数。

步骤2.11：对蝙蝠群体进行计算，如果找到新的非支配解，则添加到帕累托解集。如果帕累托解集非支配解超出指定数量，则随机剔除相应数量的非支配解，使帕累托 解集非支配解的数量始终保持在指定容量h；

步骤2.12：若未达到迭代次数k，则转步骤2.3，进行下一次搜索；若达到迭代次 数k，则转步骤2.13；

步骤2.13：根据用户对多个目标设定的权值，从帕累托解集选择综合性能最优的解，并将其转变成排产调度方案。

对每个目标进行统一化计算：

uniWorkspan_i＝(workspan_i-workspan_min)/(workspan_max-workspan_min) (11)

uniEnergy_i＝(energy_i-energy_min)/(energy_max-energy_min) (12)

式中，uniWorkspan_i为第i个帕累托解统一化后的加工时间，workspan_i表示其加工时 间，workspan_min表示解集中最小的加工时间，workspan_max表示解集中最大的加工时 间；uniEnergy_i为第i个帕累托解的统一化后的能耗，energy_i表示其能耗，energy_min表 示解集中最小能耗，energy_max表示解集中最大的加工时间。

根据各指标参数，构造评价指标eva_i：

eva_i＝f1*uniWorkspan_i+f2*uniEnergy_i (13)

步骤三、当发生扰动事件，则更新生产过程相关参数，转步骤二，重新生成调度 方案并执行。

步骤四、判断生产是否加工完毕，若生产加工完毕，则结束，若没有加工完毕， 转步骤三。

本发明的有益效果是：该方法首先获取生产初始数据参数，借助于信息物理系统，录入设备、人员、订单、设备功耗和物料等基础信息，作为调度的初始计算参数；其 次，设计绿色调度算法，以最小的加工时间和最小的生产能耗为目标，基于帕累托多 目标优化理论和制造过程的能耗模型，采用设备负载均衡策略，使用蝙蝠算法计算调 度方案并执行。帕累托优化最终得到一组包含加工时间和生产能耗两个目标的解集， 在方案的选择上，由于二者大多数情况下是矛盾的，即加工时间最快的方案，能耗可 能更大，所以可以通过设置各自不同的权值，选择满足加工时间约束前提的最小生产 能耗的解作为调度方案，从而节省能耗，减少能耗浪费；最后，实施动态调度策略， 采用事件驱动策略判断是否有机器故障、订单变化等扰动事件发生，若有扰动事件发 生，则更新数据，重新调用绿色调度算法并执行，直到整个生产结束，从而实现生产 的绿色动态调度，实用性好。

下面结合附图和具体实施方式对本发明作详细说明。

附图说明

图1是本发明柔性生产的绿色动态调度方法的流程图。

图2是本发明方法实施例中机器设备的功率变化示意图。

具体实施方式

参照图1-2。本发明柔性生产的绿色动态调度方法具体步骤如下：

步骤一、下达生产计划，获取加工相关的初始数据作为计算参数。

通过数据输入，获取初始数据，所需的参数包括：加工的工件数量n、加工机器 设备数量m、工艺约束、设备生产过程功耗E。

步骤二、基于生产车间的能耗模型，采用帕累托多目标优化手段和设备负载均衡策略，利用蝙蝠算法设计绿色调度算法，计算静态调度方案，并执行此调度方案。

步骤2.1：设定算法参数。

生产过程相关参数：工件数量n；设备数量m；每个工件需要加工的工序k。

工艺约束相关参数：每个工件的每道工序的可用设备编号、所需要的加工时间、对应不同设备的启动、加工和待机的能耗；工序的前后约束矩阵。

算法设计相关参数：第i个蝙蝠个体的位置x_i、速度V_i、声波频率f_i、脉冲发射速 率r_i、响度A_i、音频衰减系数α、最大脉冲r⁰、频度增加系数γ、种群大小p、搜索频 率范围[f_min,，f_max]、迭代次数k、最佳适应度f、帕累托解集容量h。

步骤2.2：随机生成一组蝙蝠种群的初始解，每一个蝙蝠个体表示一个排产方案。按照编码规则，将蝙蝠的位置向量转换成合法的加工顺序，并根据设备负载均衡原理， 为每道工件的不同工序分配设备，最后计算出此个体对应的适应度值并找出最佳位置 x^*。

初始解的生成通过Math.random()函数生成蝙蝠的位置x_i、速度v_i。

编码规则如下：

首先，将n个所有工件的工序统一进行一维编号，其集合为P＝{P₁,P₂…P_j…P_t}，j∈[1,t],t代表所有工件的工序之和；对所有的m台设备进行编号，从1到m，其集合 为M＝{M₁,M₂…M_k…M_m},k∈[1，m]；

其次，蝙蝠的位置向量个数与工序数量相同，即t个，每个位置向量对应一个实数，与编号为P₁—P_t的工序编号一一对应。通过对位置向量进行降序排序，得到其相 对应的工序编号的次序，代表其加工的次序。

根据每个工件不同工序之间的前后依赖关系，对加工次序进行合法化操作。调整后的工序所对应的位置向量同样需要调整位置。

不同工序的机器选择，采取负载均衡方法。即在每个工序加工时，在可选的机器集合中，选择累计负载加工工序数目最小的机器；若累计负载加工工序数目都一样， 则选择加工时间最短的机器；

通过以上步骤计算出本调度方案的最大加工时间，并以此作为适应度的度量。若比最佳适应度值还小，则更新适应度值以及位置向量；

步骤2.3：根据初始解计算各个蝙蝠个体解的加工时间和生产能耗，将所有非支配解保存到帕累托解集。其中，能耗计算方法为：

E_total＝E_machines+E_auxilary (1)

式中，E_total表示此调度方案消耗的总能量，E_machines表示所有的机器设备的生产能耗，E_auxilary代表加工过程的辅助设施能耗，包括照明、空调、显示器、计算机等车 间辅助设备的功耗。E_machines的计算方法用下式计算：

式中，代表第i台机器设备所消耗的能耗，总共有m台机器设备，可 用下式计算：

式中，代表机器设备i启动所需要的能耗，表示设备i总的加工功耗，代表设备i的单位时间空闲功耗，代表设备i的空闲时间。最后，E_auxilary的计算方法可用下式计算：

E_auxilary＝E_{aux_unit}·t_total (4)

式中，E_{aux_unit}表示一个常量，表示单位时间内辅助设施产生的能耗，t_total代表本调度 方案总的生产加工时间。

基于以上能耗模型，分别计算每个解的加工时间以及生产过程产生的能耗等两个性能指标；循环判断每个解是不是非支配解，若是，则加入到帕累托解集；重复以上 步骤，直到所有的解都判断完毕。

步骤2.4：根据0～1之间的随机数据和频率最大值和最小值计算下一次蝙蝠的声波 频率f_i ^g+1：

f_i ^g+1＝f_min+(f_max-f_min)β (5)

式中，f_i ^g+1表示下次的声波频率，f_min表示频率的最小值，f_max表示频率的最大值，β为0～1之间的随机数。

步骤2.5：根据蝙蝠个体当前的速度和声波频率f_i ^g+1，计算下一个位置蝙蝠的速度

式中，表示当前蝙蝠个体的速度，x^*代表当前搜索过程中群体的最佳位置， f_i ^{g +1}表示当前蝙蝠声波频率。

步骤2.6：根据每个蝙蝠个体i的飞行速度和当前位置计算其下一个位置

式中，表示每个蝙蝠的当前位置，表示此蝙蝠的飞行速度。

步骤2.7：通过工序合法化方法，调整蝙蝠个体的新解使其成为可行解；

根据某工件的不同工序的前后约束关系矩阵，如果工序前后次序关系不符合要求， 则进行交换调整，直至所有工序按照规定的次序进行调度。

步骤2.8：计算蝙蝠个体的适应度，若优于全局最优位置的适应度，则更新最优位置x^*；

计算蝙蝠个体适应度值的方法同以上步骤2.2的计算方法。

步骤2.9：通过随机飞行生成新的解x_new:

x_new＝x_old+ε·A^t (8)

式中，x_old表示之前的最优解，ε为[-1,1]的一个随机数，A^t表示当前蝙蝠群体响度的平 均值。

步骤2.10：若0～1之间的生成随机数并且新解的适应度值小于则接 受新解x_new，若优于最佳位置，则更新x^*，计算下一次位置的脉冲发射频度r_i ^g+1：

式中，表示最大脉冲，γ表示脉冲频率增加系数，t表示迭代次数。

更新下一个位置的响度

式中，表示当前位置的响度，α表示脉冲音强衰减系数，是[0,1]上的常数。

步骤2.11：对蝙蝠群体进行计算，如果找到新的非支配解，则添加到帕累托解集。如果帕累托解集非支配解超出指定数量，则随机剔除相应数量的非支配解，使帕累托 解集非支配解的数量始终保持在指定容量h；

假设生成的帕累托解集超出解集数量的个数s，通过随机生成[1,h]范围内的s个整 数，每个整数代表要剔除的帕累托解集的下标，并依次用新的解集进行替代。

步骤2.12：若未达到迭代次数k，则转步骤2.3，进行下一次搜索；若达到迭代次 数k，则转步骤2.13；

步骤2.13：根据用户对多个目标设定的权值，从帕累托解集选择综合性能最优的解，并将其转变成排产调度方案。

分别计算h个帕累托解集中每个帕累托解的最大加工时间workspan_i、生产过程的能耗energy_i两个性能指标。

找出解集中两个性能指标的最大值和最小值，记为(workspan_min,workspan_max)、(energy_min，energy_max)。

对每个帕累托解按以下公式进行统一化操作：

uniWorkspan_i＝(workspan_i-workspan_min)/(workspan_max-workspan_min) (11)

uniEnergy_i＝(energy_i-energy_min)/(energy_max-energy_min) (12)

式中，uniWorkspan_i为第i个帕累托解统一化后的加工时间，workspan_i表示其加工时 间，workspan_min表示解集中最小的加工时间，workspan_max表示解集中最大的加工时 间；uniEnergy_i为第i个帕累托解的统一化后的能耗，energy_i表示其能耗，energy_min表 示解集中最小能耗，energy_max表示解集中最大的加工时间。

根据各指标参数，构造评价指标eva_i：

eva_i＝f1*uniWorkspan_i+f2*uniEnergy_i (13)

重复以上步骤，计算每个帕累托解的eva_i，找出最小值，即为综合性能求得的最优解x*；

最后，按照步骤2.2的方法，通过最优解x*计算出工件加工次序以及所对应的机器设备，生成调度方案。

步骤三、当发生扰动事件，则更新生产过程相关参数，转步骤二，重新生产调度 方案。

更新的参数包括：未完成工件剩余的工序；新添加工件的工件编号、此工件需要加工的工序集合、每道工序的可用设备编号以及所对应的加工时间和每道工序对应不 同设备的启动、加工和待机所消耗的单位时间能耗；删除故障机器相应的编号等。

步骤四、判断生产是否加工完毕，若生产加工完毕，则结束，若没有完毕，转步 骤三。

下面就编码解码方式进行详细说明：

现假设有三个工件J＝{J1,J2,J3},其中，每个工件都有两道工序，J1包括P1和P2两道工序，J2包括P3和P4两道工序，J3包括P5和P6两道工序。假设有1位置向量 {1.22，-0.89，1.67，2.56，-1.97，2.78}，现对其进行编码，与编号1-6的工序编号一 一对应，如下所示：

表1

通过对位置向量进行排序，得到其代表工序的加工次序的整数编码，其解码过程如下表所示：

表2

根据每个工件不同工序之间的前后依赖关系，对加工次序进行合法化操作，如下所示：

表3

调整后的工序所对应的位置向量同样需要调整位置，由工序排序到位置向量的对应关系，如下所示：

表4

Claims (1)

1.一种柔性生产的绿色动态调度方法，其特征在于包括以下步骤：

步骤一、根据生产计划，获取加工相关的初始数据作为计算参数；

步骤二、基于生产车间的能耗模型，采用帕累托多目标优化手段和设备负载均衡策略，利用蝙蝠算法设计绿色调度算法，计算静态调度方案，并执行此调度方案；

步骤2.1：设定算法参数；

参数包括：加工的工件数量n、加工机器设备数量m、工艺约束、设备生产过程功耗E、第i个蝙蝠个体的位置x_i、速度v_i、声波频率f_i、脉冲发射速率r_i、响度A_i、脉冲音强衰减系数α、最大脉冲r⁰、频度增加系数γ、种群大小p、搜索频率范围[f_min,，f_max]、迭代次数k和帕累托解集容量h；

步骤2.2：随机生成一组蝙蝠种群的初始解，每一个蝙蝠个体表示一个排产方案；按照编码规则，将蝙蝠的位置向量转换成合法的加工顺序，并根据设备负载均衡原理，为每道工件的不同工序分配设备，最后计算出此个体对应的适应度值并找出最佳位置x^*；

步骤2.3：根据初始解计算各个蝙蝠个体解的加工时间和生产能耗，将所有非支配解保存到帕累托解集；其中，能耗计算方法为：

E_total＝E_machines+E_auxilary (1)

式中，E_total表示此调度方案消耗的总能量，E_machines表示所有的机器设备的生产能耗，E_auxilary代表加工过程的辅助设施能耗，包括照明、空调、显示器和计算机的功耗；E_machines的计算方法采用下式：

式中，代表第i台机器设备所消耗的能耗，总共有m台机器设备，用下式计算：

式中，代表机器设备i启动所需要的能耗，表示设备i总的加工功耗，代表设备i的单位时间空闲功耗，代表设备i的空闲时间；最后，E_auxilary的计算方法采用下式：

E_auxilary＝E_{aux_unit}·t_total (4)

式中，E_{aux_unit}表示一个常量，表示单位时间内辅助设施产生的能耗，t_total代表本调度方案总的生产加工时间；

步骤2.4：根据0～1之间的随机数据、频率最大值和最小值计算下一次蝙蝠的声波频率f_i ^g+1：

f_i ^g+1＝f_min+(f_max-f_min)β (5)

式中，f_i ^g+1表示下次的声波频率，f_min表示频率的最小值，f_max表示频率的最大值，

β为0～1之间的随机数；

步骤2.5：根据蝙蝠个体当前的速度和声波频率f_i ^g+1，计算下一个位置蝙蝠的速度

式中，表示当前蝙蝠个体的速度，x^*代表当前搜索过程中群体的最佳位置，f_i ^g+1表示当前蝙蝠声波频率；

步骤2.6：根据每个蝙蝠个体i的飞行速度和当前位置计算其下一个位置

式中，表示每个蝙蝠的当前位置，表示此蝙蝠的飞行速度；

步骤2.7：通过工序合法化方法，调整蝙蝠个体的新解使其成为可行解；

步骤2.8：计算蝙蝠个体的适应度，若优于全局最优位置的适应度，则更新最优位置x^*；

步骤2.9：通过随机飞行生成新的解x_new；

x_new＝x_old+ε·A^t (8)

式中，x_old表示之前的最优解，ε为[-1,1]的一个随机数，A^t表示当前蝙蝠群体响度的平均值；

步骤2.10：若0～1之间的生成随机数并且新解的适应度值小于则接受新解x_new，若优于最佳位置，则更新x^*，计算下一次位置的脉冲发射频度

式中，r_i ⁰表示最大脉冲，γ表示脉冲频率增加系数，t表示迭代次数；

更新下一个位置的响度

式中，表示当前位置的响度，α表示脉冲音强衰减系数，是[0,1]上的常数；

步骤2.11：对蝙蝠群体进行计算，如果找到新的非支配解，则添加到帕累托解集；如果帕累托解集非支配解超出指定数量，则随机剔除相应数量的非支配解，使帕累托解集非支配解的数量始终保持在指定容量h；

步骤2.12：若未达到迭代次数k，则转步骤2.3，进行下一次搜索；若达到迭代次数k，则转步骤2.13；

步骤2.13：根据用户对多个目标设定的权值，从帕累托解集选择综合性能最优的解，并将其转变成排产调度方案；

对每个目标进行统一化计算：

uniWorkspan_i＝(workspan_i-workspan_min)/(workspan_max-workspan_min) (11)

uniEnergy_i＝(energy_i-energy_min)/(energy_max-energy_min) (12)

式中，uniWorkspan_i为第i个帕累托解统一化后的加工时间，workspan_i表示其加工时间，workspan_min表示解集中最小的加工时间，workspan_max表示解集中最大的加工时间；uniEnergy_i为第i个帕累托解的统一化后的能耗，energy_i表示其能耗，energy_min表示解集中最小能耗，energy_max表示解集中最大的加工时间；

根据各指标参数，构造评价指标eva_i：

eva_i＝f1*uniWorkspan_i+f2*uniEnergy_i (13)

步骤三、当发生扰动事件，则更新生产过程相关参数，转步骤二，重新生成调度方案并执行；

步骤四、判断生产是否加工完毕，若生产加工完毕，则结束，若没有加工完毕，转步骤三。