CN110781562A - 面向飞机脉动总装作业过程的多目标优化方法及装置 - Google Patents

面向飞机脉动总装作业过程的多目标优化方法及装置 Download PDF

Info

Publication number
CN110781562A
CN110781562A CN202010000188.5A CN202010000188A CN110781562A CN 110781562 A CN110781562 A CN 110781562A CN 202010000188 A CN202010000188 A CN 202010000188A CN 110781562 A CN110781562 A CN 110781562A
Authority
CN
China
Prior art keywords
resource
resources
assembly
optimization
constraint
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
Application number
CN202010000188.5A
Other languages
English (en)
Other versions
CN110781562B (zh
Inventor
张家谔
薛晓东
宋冬雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Manufacturing Technology Institute
Original Assignee
AVIC Manufacturing Technology Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AVIC Manufacturing Technology Institute filed Critical AVIC Manufacturing Technology Institute
Priority to CN202010000188.5A priority Critical patent/CN110781562B/zh
Publication of CN110781562A publication Critical patent/CN110781562A/zh
Application granted granted Critical
Publication of CN110781562B publication Critical patent/CN110781562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Genetics & Genomics (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

本发明公开了一种面向飞机脉动总装作业过程的多目标优化方法及装置。该方法包括：根据装配工艺构建AO节点间约束及资源关联模型；以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；根据多目标优化算法获取的优化解集，归纳总结工艺存在的问题，并提出对应的改进建议。可见，本发明在作业安排过程中进行多目标优化计算，提供了一套作业安排和工艺流程改进的集成优化解决方案，实现对装配工艺流程和作业安排的集成优化，合理控制生产节拍与资源需求，提升装配效率。

Description

面向飞机脉动总装作业过程的多目标优化方法及装置
技术领域
本发明涉及航空数字化装配领域，特别涉及一种面向飞机脉动总装作业过程的多目标优化方法及装置。
背景技术
面向飞机脉动总装作业过程的多目标优化是在脉动总装生产线的基础上，运用多目标优化理论，以装配工艺合理、生产线节拍最小化和资源需求最小化为优化目标，对工艺流程和作业安排进行集成优化，从而合理配置资源、降低生产成本、提升装配效率。由于飞机脉动总装过程中具有工序数量庞大、资源种类复杂以及约束条件较多等特点，因此对飞机总装作业过程中工艺流程规划和作业安排具有很高的要求。
目前，现有的装配工艺流程规划和作业安排方法已经无法满足脉动总装生产线的实际要求，主要存在以下问题：
（1）作业安排过程中未考虑多种资源合理配置。现有的作业安排主要以生产节拍为优化目标，通过智能算法对作业单元划分和作业顺序进行优化，得出最小化节拍的优化解。但是实际装配过程中资源需求的种类复杂并且存在数量约束，仅考虑生产节拍等单一目标会导致生产计划无法满足多种资源需求约束等条件，从而使作业安排计划缺少实际应用价值。
（2）装配工艺设计没有考虑装配线平衡问题。传统的装配工艺设计仅考虑飞机结构的装配要求，没有考虑装配线平衡问题，会导致生产线的节拍和资源需求不均衡等问题，从而降低装配效率。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的面向飞机脉动总装作业过程的多目标优化方法及装置。
本发明的一个实施例提供一种面向飞机脉动总装作业过程的多目标优化方法，包括：
根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
可选地，所述装配工艺包括作业单元划分、生成MBOM。
可选地，所述采用多目标优化算法获取节拍和资源的优化解集包括：
采用非支配排序遗传算法获取节拍和资源的优化解集。
可选地，所述采用非支配排序遗传算法获取节拍和资源的优化解集，包括：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
可选地，所述在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集，包括：
根据工序任务约束网路构建出入度为0对的可安排工序任务集合；
按照工序任务优先级对可安排工序任务进行排序；
根据每个工序任务的资源约束对每个工序任务进行逐一分派；
根据分派结果进行资源能力的更新，在工序任务约束网络中去除已分派的工序任务，加入后续工序任务，并继续进行工序任务分派。
本发明的另一个实施例提供一种面向飞机脉动总装作业过程的多目标优化装置，该装置包括：
多目标优化准备单元，用于根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
优化集合获取单元，用于以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
工艺问题获取单元，用于根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
改进建议获取单元，用于根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
可选地，所述优化集合获取单元进一步用于：
采用非支配排序遗传算法获取节拍和资源的优化解集。
可选地，所述优化集合获取单元进一步用于：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
本发明的另一个实施例提供一种电子设备，其中，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述的面向飞机脉动总装作业过程的多目标优化方法。
本发明的另一个实施例提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述的面向飞机脉动总装作业过程的多目标优化方法。
本发明的有益效果是，在作业计划的优化计算中考虑多种资源约束条件，形成节拍最小化和资源最小化的组合优化计算，解决了当前作业计划安排中未考虑多种资源配置方案、缺少实际应用价值的问题。将装配工艺流程设计与作业安排时的多目标优化计算串联起来，在多目标优化计算后加入工艺流程改进内容，解决了装配工艺流程设计没有面向装配线平衡的不足。
本发明充分考虑了飞机总装脉动作业过程中的复杂约束问题，能够应对不同构型的飞机进行作业过程规划。与传统的方案相比，本发明提供了一套作业安排和工艺流程改进的集成优化解决方案，具有较大的实际应用价值。
附图说明
图1为本发明一个实施例的面向飞机脉动总装作业过程的多目标优化方法的流程示意图；
图2为本发明一个实施例的面向飞机脉动总装作业过程的多目标优化方法原理图；
图3a为本发明一个实施例的非支配排序遗传算法编码原理中工序优先级部分的示意图；
图3b为本发明一个实施例的非支配排序遗传算法编码原理中工序站位选择部分的示意图；
图3c为本发明一个实施例的非支配排序遗传算法编码原理中资源能力部分示意图；
图4为本发明一个实施例的基于工序优先级的工序任务分派方法原理图；
图5为本发明一个实施例的装配工艺存在问题及改进建议原理图；
图6为本发明一个实施例的面向飞机脉动总装作业过程的多目标优化装置的结构示意图；
图7示出了根据本发明一个实施例的电子设备的结构示意图；
图8示出了根据本发明一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
一方面，脉动总装生产线的作业计划具有复杂的约束条件，仅考虑部分约束条件会导致作业安排结果无法满足实际要求，所以作业计划的优化是一大难题。在实际的作业计划的多目标优化过程中，需要以最小化节拍和最小化资源需求等多个目标作为优化目标，并设计多目标优化解的求解算法，得出多目标优化的Pareto解集，供决策者进行选择。
另一方面，现有的飞机总装生产线中，往往把装配工艺设计和作业计划安排分成两部分内容独立进行研究，装配工艺流程的好坏会影响到作业计划的安排，缺少工艺规划的整体性。
针对这种情况，需要对作业安排结果进行分析，归纳总结出装配工艺流程存在的问题，并提出改进意见，通过简化、合并、重组和删除等方式实现工艺流程的优化。本发明在作业安排过程中考虑了资源需求约束进行多目标优化计算，提供了一套作业安排和工艺流程改进的集成优化解决方案，具有较大的实际应用价值，可应用于飞机脉动总装作业过程的设计阶段，实现对装配工艺流程和作业安排的集成优化，合理控制生产节拍与资源需求，提升装配效率。
本发明提供一种面向飞机脉动总装作业过程的多目标优化方法及装置，从实际的多构型变批量脉动总装作业过程安排的需求出发，构建满足脉动总装生产线生产过程复杂约束的节拍与资源需求的计算模型，以作业顺序、资源数量、资源分配为决策变量，以最小化节拍和最小化资源需求数量为优化目标，设计了对应的多目标进化优化算法进行求解，获取最小化节拍和最小化资源需求数量的Pareto解集，供决策者进行多目标权衡选择，设计了作业安排的结果分析方法，对不满足预期的优化指标的工艺流程进行展示，并通过一系列启发式规则进行计算给出面向脉动总装生产线平衡的飞机总装工艺流程改进建议，供决策者进行工艺流程改进决策支持。
图1为本发明一个实施例的面向飞机脉动总装作业过程的多目标优化方法的流程示意图。如图1所示，本发明实施例的方法具体包括（本发明实施例的原理参照图2）：
S11：根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
根据飞机结构要求设计装配工艺，在此基础上构建AO（Assembly Order：装配指令，用于装配性质的生产单位下达生产任务）节点（AO的最小单位，一般为工序）间约束（装配工序任务之间的网络顺序约束图）及资源关联模型。
S12：以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
可理解的是，本发明实施例的优化目标为最小化节拍和最小化资源需求，输入为装配网络顺序图与工序与资源关联关系，输出为节拍和资源的优化解集。
可理解的是，本发明实施例的决策变量为工序优先级、工序站位选择和资源能力。工序优先级，是指对每个工序任务预设一个优先权值。在工序任务分派的过程中，某些工序并没有先后的硬约束，所以可以同时运行。但是此时系统无法确定到底哪个工序任务先执行，工序优先级就是在这种情况下产生的。当每个工序任务存在优先权值时，在没有先后约束的情况下，优先权值越高的工序越先执行，这样可以避免分派方案数据爆炸的情况发生，加快优化进程；工序站位选择，在工序任务未进行分派之前，工序的站位并未划分。工序任务划分在不同的站位将会得到不同的目标函数值。但是，某些工序任务只能在特定的站位上运行，所以在编码的过程中只能对其赋予固定站位值；资源能力，是指每个站位各种资源的数量。资源能力是影响资源需求的重要变量，当每个站位的资源能力越高时，工序的完成效率更高。资源能力按工人的种类进行划分。
可理解的是，本发明实施例的约束条件主要有装配工艺约束、空间约束和资源约束。装配工艺约束：飞机总装过程中要执行大量的工序，工序之间存在着复杂的约束关系。如果不服从该约束关系，会直接影响飞机的后续装配和飞机的性能指标。装配工艺约束主要是通过在MBOM（Manufacturingbill of material:制造物料清单）经过作业单元划分得到。在一定装配工艺约束的基础上，将会得到装配工艺的优化结果，如果结果无法令决策者满意，则需要从装配工艺约束的角度对作业单元划分方案进行修改调整；空间约束：飞机装配具有装配空间狭小和视线不好的特点，装配空间有限将会导致某些工序之间存在先后约束关系；资源约束：资源约束包括人员约束、设备约束和夹具约束等。本项目中设备和夹具等其他资源很少存在受限问题，所以不作考虑，主要考虑人员约束。在飞机总装生产过程中，不同种类的资源数量是有限的。某些工序同时执行会受到资源总量的约束，不能同时执行。
S13：根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
需要说明的是，本发明实施例对于装配工艺流程存在的问题，主要从资源、节拍和工序三个角度进行分析。资源是工序任务执行的重要约束，串行工序过多会降低资源的利用率。节拍是工艺流程的优化目标之一，不合理的作业单元划分也会导致节拍问题。工序本身也会存在一些问题，对节拍和资源产生影响。
在实际应用中，装配工艺出现的问题如下：
（一）资源问题
（1）资源利用不均衡：不同时段资源的使用量存在较大差距，造成资源不均衡现象，不利于资源的合理配置。
（2）资源利用率过低：某些时段资源的使用量远低于资源能力，造成资源浪费，降低生产率。
（3）资源需求种类复杂：某些工序任务的执行同时需要多种资源，以人员需求为例，需要多个工种交叉作业会极大增加工序任务执行的复杂程度。
（二）节拍问题
（1）节拍不均衡：每个站位的节拍差异较大，不利于装配线平衡。
（2）节拍过长：某些站位节拍时间过长，导致飞机装配过程中等待时间过长，降低装配效率。
（三）工序问题
（1）工时过长或过短：工时过长或过短不利于作业单元划分。
（2）瓶颈工序：工序之间存在复杂的约束关系，某些工序会直接影响其他多个工序的执行，这种工序称为瓶颈工序。瓶颈工序是装配工艺优化的重点目标。
（3）工序约束过多：某些工序与其他工序的约束关系过多，导致这些工序无法并行运行，不利于节拍的减少。
（4）工序等待时间过长：在没有资源约束的情况下，某些工序可能很早就可以开始执行，但是存在资源约束的情况下，这些工序可能需要等待紧前工序完成后才能开始执行，这两者之间的时间差就是工序等待时间。工序等待时间过长会增大节拍，降低装配效率。
S14：根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
针对装配工艺中存在的资源、节拍以及工序等问题，需要对装配工艺进行调整。在装配工艺设计的内容中，作业单元划分对于资源和节拍等问题影响最大，需要从作业单元的角度提出装配工艺改进建议，装配工艺的存在问题和改进建议如图5所示。
AO是工艺划分过程中的作业单元，在飞机总装生产过程中起到了指导性作用。作业单元划分与站位分配对于节拍和资源需求有着重大的影响。通过分析研究作业单元划分和站位分配对节拍和资源需求的影响，归纳出提升多目标优化速度的趋势性规则，从而为加快节拍与资源需求的多目标优化搜索速度奠定了基础。不同的作业单元划分和站位分配方式将得出不同的资源需求和节拍，为了有利于脉动生产线后续节拍变化需求下的作业单元调整，使各个工作站上的工作量保持均衡，确保飞机装配线的正常有序高效运行，脉动总装生产线作业单元的划分应遵循以下原则：
（1）最大并行化原则。在划分作业单元时，尽可能减少AO之间的先后硬约束关系，让其尽可能能够并行加工，这样有利于后面节拍时间的减少。
（2）最大同时加工原则。尽可能让AO节点的作业工人同时和持续工作，避免AO作业时工人的等待。
（3）工时均衡原则。尽可能让AO节点之间的实作工时差异变小，这样有助于站位的划分和资源分配，有助于节拍的平衡。
（4）工时最大值原则。为了后续节拍平衡，每道AO的实作工时不能超过节拍时间误差，具体时间可以根据实际情况制定。
（5）资源需求独立原则。每个AO尽可能划分为相同技能类型人员进行作业，尽量避免交叉作业协同作业。
（6）连续性原则。每道AO所包含的工作内容应具有一定的连续性。
基于作业单元划分启发式规则，对装配工艺存在的问题提出以下改进建议：
（一）资源问题
资源利用不均衡&资源利用率低下：拆分资源需求较高的工序；组合资源需求较低的工序；降低资源利用率低的时段的资源能力。
资源需求种类复杂：根据资源需求独立原则，尽可能划分相同技能类型的人员完成某个AO，避免交叉专业协同作业。
（二）节拍问题
节拍不均衡&节拍过长：根据最大并行化原则，在工时过长的站位尽可能减少工序间硬约束，使工序并行化运行，减少站位节拍。
（三）工序问题
工时过长或过短：根据最大并行化原则，拆分工时过长的工序，组合工时过短的工序，尽量减少不同工序间工时的差异。
瓶颈工序：在合理范围内为瓶颈工序分配更多的资源，使该工序尽快完成，减少对装配进度的影响。
工序约束过多：根据最大并行化原则，尽可能减少工序之间的前后硬约束，使其并行化运行，有助于节拍的减少。
工序等待时间过长：根据最大同时加工原则，尽可能减少工序等待时间，必要情况下可增加资源的数量。
本发明实施例在作业计划的优化计算中考虑多种资源约束条件，形成节拍最小化和资源最小化的组合优化计算，解决了当前作业计划安排中未考虑多种资源配置方案、缺少实际应用价值的问题。将装配工艺流程设计与作业安排时的多目标优化计算串联起来，在多目标优化计算后加入工艺流程改进内容，解决了装配工艺流程设计没有面向装配线平衡的不足。
在本发明实施例的一种可选的实施方式中，所述装配工艺包括作业单元划分、生成MBOM。
在AO节点与资源关系模型的建立过程中，利用面向对象的技术对整个装配工艺过程中的复杂关系进行建模。采用UML建模工具对AO与资源的实体数据对象进行建模后，在数据对象模型的基础上编写Java类结构代码。通过ORM框架Hibernate建立面向对象数据结构与关系型数据库MySQL的关系，自动构建关系数据库，进行AO与资源数据的持久化存储。
优选地，所述采用多目标优化算法获取节拍和资源的优化解集包括：
采用非支配排序遗传算法获取节拍和资源的优化解集。
具体地，所述采用非支配排序遗传算法获取节拍和资源的优化解集，包括：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
进一步地，所述在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集，包括：
根据工序任务约束网路构建出入度为0对的可安排工序任务集合；
按照工序任务优先级对可安排工序任务进行排序；
根据每个工序任务的资源约束对每个工序任务进行逐一分派；
根据分派结果进行资源能力的更新，在工序任务约束网络中去除已分派的工序任务，加入后续工序任务，并继续进行工序任务分派。
本发明的优选方案中，多目标优化计算运用非支配排序遗传算法（NSGA-II）进行求解，其编码方案和解码方案如下：
（1）编码方案
工序优先级：工序任务号为1至N，即工序任务总数量为N。染色体长度为工序任务总数量N，每个基因位的实数代表工序任务的优先权值。如图3a工序优先级部分的染色体所示，工序任务2对应的基因位的值为P2，代表该工序任务的优先权值为P2。在可安排的工序任务集合中，优先分派优先权值最大的工序任务。
工序站位选择：染色体长度为工序任务总数量N，每个基因位的正整数代表站位号，其中灰色的基因位表示对应的工序任务必须固定在该站位上完成。如图3b工序站位选择部分的染色体所示，Wi表示工序任务i对应的站位，站位号Wi的取值范围为[1，M]，即站位的总数量为M。图中工序任务1对应的基因位的值为W1，表示工序任务1在W1号站位上运行。工序任务2对应的基因位为灰色且数值为2，代表工序任务2固定在站位2上运行。
资源能力：染色体长度为站位数量M×资源种类数量K，按站位的先后顺序进行排列，每个站位内根据资源种类进行排序。如图3c资源能力部分的染色体所示，总共有M个站位，每个站位内有K种资源，Rmk表示站位m中第k种资源的数量。图中站位m中第二个基因位的Rm2表示站位m中第2种资源的数量为Rm2。
（2）解码方案
解码时根据优先级规则对工序任务进行逐一分派。解码的目标是在满足各种约束的情况下，对工序任务进行分派，得到工序任务的甘特图展示，并从中计算节拍和资源的结果。
基于优先级的工序任务分派方法如图4所示。任务分派过程中，首先需要根据工序任务约束网路，构建出入度为0的可安排工序任务集合{A1,B1,C1}。接着按照工序任务优先级对可安排的工序任务进行排序，选取优先级最高的工序任务A1。然后根据每个工序任务的资源约束对其进行逐一分派。之后进行资源能力的更新，并且在工序约束网络中去除已安排的工序任务，加入已安排工序的后续工序任务，循环上述步骤，直到所有工序任务分派完成。
图6为本发明一个实施例的面向飞机脉动总装作业过程的多目标优化装置的结构示意图。如图6所示，本发明实施例的装置包括，具体地：
多目标优化准备单元61，用于根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
优化集合获取单元62，用于以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
工艺问题获取单元63，用于根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
改进建议获取单元64，用于根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
本发明实施例在作业计划的优化计算中考虑多种资源约束条件，形成节拍最小化和资源最小化的组合优化计算，解决了当前作业计划安排中未考虑多种资源配置方案、缺少实际应用价值的问题。将装配工艺流程设计与作业安排时的多目标优化计算串联起来，在多目标优化计算后加入工艺流程改进内容，解决了装配工艺流程设计没有面向装配线平衡的不足。
在本发明实施例的一种可选的实施方式中，优化集合获取单元62进一步用于：
采用非支配排序遗传算法获取节拍和资源的优化解集。
优化集合获取单元62进一步用于：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
综上所述，本发明在作业计划的优化计算中考虑多种资源约束条件，形成节拍最小化和资源最小化的组合优化计算，解决了当前作业计划安排中未考虑多种资源配置方案、缺少实际应用价值的问题。将装配工艺流程设计与作业安排时的多目标优化计算串联起来，在多目标优化计算后加入工艺流程改进内容，解决了装配工艺流程设计没有面向装配线平衡的不足。
本发明充分考虑了飞机总装脉动作业过程中的复杂约束问题，能够应对不同构型的飞机进行作业过程规划。与传统的方案相比，本发明提供了一套作业安排和工艺流程改进的集成优化解决方案，具有较大的实际应用价值。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的检测电子设备的佩戴状态的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图7示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器71和被安排成存储计算机可执行指令（程序代码）的存储器72。存储器72可以是诸如闪存、EEPROM（电可擦除可编程只读存储器）、EPROM、硬盘或者ROM之类的电子存储器。存储器72具有存储用于执行图1所示的以及各实施例中的任何方法步骤的程序代码74的存储空间73。例如，用于存储程序代码的存储空间73可以包括分别用于实现上面的方法中的各种步骤的各个程序代码74。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘（CD）、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图8所示的计算机可读存储介质。该计算机可读存储介质可以具有与图7的电子设备中的存储器72类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储空间存储有用于执行根据本发明的方法步骤的程序代码81，即可以有诸如处理器71读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。
以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种面向飞机脉动总装作业过程的多目标优化方法，其特征在于，包括：
根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
2.根据权利要求1所述的方法，其特征在于，所述装配工艺包括作业单元划分、生成MBOM。
3.根据权利要求1所述的方法，其特征在于，所述采用多目标优化算法获取节拍和资源的优化解集包括：
采用非支配排序遗传算法获取节拍和资源的优化解集。
4.根据权利要求3所述的方法，其特征在于，所述采用非支配排序遗传算法获取节拍和资源的优化解集，包括：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
5.根据权利要求4所述的方法，其特征在于，所述在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集，包括：
根据工序任务约束网路构建出入度为0对的可安排工序任务集合；
按照工序任务优先级对可安排工序任务进行排序；
根据每个工序任务的资源约束对每个工序任务进行逐一分派；
根据分派结果进行资源能力的更新，在工序任务约束网络中去除已分派的工序任务，加入后续工序任务，并继续进行工序任务分派。
6.一种面向飞机脉动总装作业过程的多目标优化装置，其特征在于，包括：
多目标优化准备单元，用于根据飞机结构要求设计装配工艺，根据所述装配工艺构建AO节点间约束及资源关联模型；
优化集合获取单元，用于以工序优先级、工序站位选择和资源能力为决策变量，以装配工艺、空间、资源为约束条件，以最小化节拍和最小化资源为优化目标，基于所述AO节点间约束及资源关联模型，采用多目标优化算法获取节拍和资源的优化解集；
工艺问题获取单元，用于根据多目标优化算法获取的优化解集，从资源、节拍和工序的角度对工艺进行分析，归纳总结工艺存在的问题；
改进建议获取单元，用于根据所述工艺存在的问题，以作业单元划分启发式规则为指导原则，提出对应的改进建议。
7.根据权利要求6所述的装置，其特征在于，所述优化集合获取单元进一步用于：
采用非支配排序遗传算法获取节拍和资源的优化解集。
8.根据权利要求7所述的装置，其特征在于，所述优化集合获取单元进一步用于：
采用非支配排序遗传算法对工序优先级、工序站位选择和资源能力进行编码；
在满足装配工艺、空间、资源的约束条件下，采用非支配排序遗传算法进行解码获取工序任务的甘特图，基于所述甘特图获取节拍和资源的优化解集。
9.一种电子设备，其特征在于，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-5中任一项所述的方法。
CN202010000188.5A 2020-01-02 2020-01-02 面向飞机脉动总装作业过程的多目标优化方法及装置 Active CN110781562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010000188.5A CN110781562B (zh) 2020-01-02 2020-01-02 面向飞机脉动总装作业过程的多目标优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010000188.5A CN110781562B (zh) 2020-01-02 2020-01-02 面向飞机脉动总装作业过程的多目标优化方法及装置

Publications (2)

Publication Number Publication Date
CN110781562A true CN110781562A (zh) 2020-02-11
CN110781562B CN110781562B (zh) 2020-05-05

Family

ID=69394779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010000188.5A Active CN110781562B (zh) 2020-01-02 2020-01-02 面向飞机脉动总装作业过程的多目标优化方法及装置

Country Status (1)

Country Link
CN (1) CN110781562B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460575A (zh) * 2020-03-12 2020-07-28 成都飞机工业（集团）有限责任公司 依托mbom树形结构转换飞行器装配工艺树的方法
CN111880499A (zh) * 2020-07-16 2020-11-03 国电黄金埠发电有限公司 一种火电厂运行参数在线优化系统及其优化方法
CN112036707A (zh) * 2020-08-07 2020-12-04 合肥工业大学 面向时间不确定生产过程协同的节拍控制方法和系统
CN112207815A (zh) * 2020-08-21 2021-01-12 北京卫星制造厂有限公司 一种多机多工序时空协同规划方法和系统
CN113059347A (zh) * 2021-04-25 2021-07-02 中国人民解放军第五七一九工厂 小涵道比航空发动机脉动装配线的优化方法
CN113523734A (zh) * 2021-08-31 2021-10-22 芜湖莫森泰克汽车科技股份有限公司 一种天窗检测生产工艺
CN113706006A (zh) * 2021-08-25 2021-11-26 成都飞机工业（集团）有限责任公司 一种设备生产的资源配置方法、装置、设备及存储介质
CN113850452A (zh) * 2020-10-27 2021-12-28 上海飞机制造有限公司 基于工业神经网络的产品装配方法、装置、设备及介质
CN114139970A (zh) * 2021-12-02 2022-03-04 陕西巨石数字科技有限公司 一种飞机脉动生产线展示方法
CN114781934A (zh) * 2022-06-17 2022-07-22 希望知舟技术(深圳)有限公司 工单分配方法及相关装置
CN115204696A (zh) * 2022-07-21 2022-10-18 成都飞机工业（集团）有限责任公司 基于atc和alc算法的飞机生产线装配作业调度方法
CN115320887A (zh) * 2022-05-17 2022-11-11 北京航天飞行控制中心 飞控任务模型的确定方法及其装置、电子设备及存储介质
CN116224936A (zh) * 2023-03-01 2023-06-06 湘南学院 一种集成零件共享的动态柔性装配作业车间生产控制方法
CN116841260A (zh) * 2023-06-14 2023-10-03 成都飞机工业（集团）有限责任公司 一种用于飞机部件装配的动态自适应计划排程方法
CN118153917A (zh) * 2024-05-10 2024-06-07 商飞智能技术有限公司 装配车间的生产节拍划分方法、装置、设备及介质
CN118153917B (zh) * 2024-05-10 2024-09-03 商飞智能技术有限公司 装配车间的生产节拍划分方法、装置、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407570A (zh) * 2016-09-22 2017-02-15 南京航空航天大学 一种飞机装配过程在线仿真优化系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407570A (zh) * 2016-09-22 2017-02-15 南京航空航天大学 一种飞机装配过程在线仿真优化系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MASITAH JUSOP 等: "Optimisation of Assembly Line Balancing Type-E with Resource Constraints using NSGA-II", 《KEY ENGINEERING MATERIALS》 *
李焕勤 等: "基于多目标遗传算法的装配线平衡问题", 《实验室研究与探索》 *
潘志豪: "飞机总装脉动生产线平衡问题研究与应用", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
郑谐 等: "基于遗传算法的飞机脉动式装配线平衡", 《计算机集成制造系统》 *
闻徐敏 等: "基于资源约束的装配线平衡问题研究", 《成组技术与生产现代化》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111460575A (zh) * 2020-03-12 2020-07-28 成都飞机工业（集团）有限责任公司 依托mbom树形结构转换飞行器装配工艺树的方法
CN111460575B (zh) * 2020-03-12 2022-05-10 成都飞机工业（集团）有限责任公司 依托mbom树形结构转换飞行器装配工艺树的方法
CN111880499A (zh) * 2020-07-16 2020-11-03 国电黄金埠发电有限公司 一种火电厂运行参数在线优化系统及其优化方法
CN111880499B (zh) * 2020-07-16 2022-02-22 国电黄金埠发电有限公司 一种火电厂运行参数在线优化系统及其优化方法
CN112036707A (zh) * 2020-08-07 2020-12-04 合肥工业大学 面向时间不确定生产过程协同的节拍控制方法和系统
CN112036707B (zh) * 2020-08-07 2022-11-04 合肥工业大学 面向时间不确定生产过程协同的节拍控制方法和系统
CN112207815B (zh) * 2020-08-21 2022-04-12 北京卫星制造厂有限公司 一种多机多工序时空协同规划方法和系统
CN112207815A (zh) * 2020-08-21 2021-01-12 北京卫星制造厂有限公司 一种多机多工序时空协同规划方法和系统
WO2022037410A1 (zh) * 2020-08-21 2022-02-24 北京卫星制造厂有限公司 一种多机多工序时空协同规划方法和系统
CN113850452A (zh) * 2020-10-27 2021-12-28 上海飞机制造有限公司 基于工业神经网络的产品装配方法、装置、设备及介质
CN113059347A (zh) * 2021-04-25 2021-07-02 中国人民解放军第五七一九工厂 小涵道比航空发动机脉动装配线的优化方法
CN113706006A (zh) * 2021-08-25 2021-11-26 成都飞机工业（集团）有限责任公司 一种设备生产的资源配置方法、装置、设备及存储介质
CN113523734A (zh) * 2021-08-31 2021-10-22 芜湖莫森泰克汽车科技股份有限公司 一种天窗检测生产工艺
CN114139970B (zh) * 2021-12-02 2024-02-23 陕西巨石数字科技有限公司 一种飞机脉动生产线展示方法
CN114139970A (zh) * 2021-12-02 2022-03-04 陕西巨石数字科技有限公司 一种飞机脉动生产线展示方法
CN115320887A (zh) * 2022-05-17 2022-11-11 北京航天飞行控制中心 飞控任务模型的确定方法及其装置、电子设备及存储介质
CN114781934A (zh) * 2022-06-17 2022-07-22 希望知舟技术(深圳)有限公司 工单分配方法及相关装置
CN114781934B (zh) * 2022-06-17 2022-09-20 希望知舟技术(深圳)有限公司 工单分配方法及相关装置
CN115204696A (zh) * 2022-07-21 2022-10-18 成都飞机工业（集团）有限责任公司 基于atc和alc算法的飞机生产线装配作业调度方法
CN115204696B (zh) * 2022-07-21 2023-12-08 成都飞机工业（集团）有限责任公司 基于atc和alc算法的飞机生产线装配作业调度方法
CN116224936A (zh) * 2023-03-01 2023-06-06 湘南学院 一种集成零件共享的动态柔性装配作业车间生产控制方法
CN116224936B (zh) * 2023-03-01 2024-03-12 湘南学院 一种集成零件共享的动态柔性装配作业车间生产控制方法
CN116841260A (zh) * 2023-06-14 2023-10-03 成都飞机工业（集团）有限责任公司 一种用于飞机部件装配的动态自适应计划排程方法
CN118153917A (zh) * 2024-05-10 2024-06-07 商飞智能技术有限公司 装配车间的生产节拍划分方法、装置、设备及介质
CN118153917B (zh) * 2024-05-10 2024-09-03 商飞智能技术有限公司 装配车间的生产节拍划分方法、装置、设备及介质

Also Published As

Publication number Publication date
CN110781562B (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN110781562B (zh) 面向飞机脉动总装作业过程的多目标优化方法及装置
CN110955206B (zh) 一种订单排程与分配调度方法及系统
CN107316107B (zh) 一种面向多目标优化的经编机装配线平衡方法
CN110738413A (zh) 航空零件加工自动化生产线的多约束排产计算方法及装置
CN112416585B (zh) 面向深度学习的gpu资源管理与智能化调度方法
CN103729246B (zh) 一种任务调度方法和装置
CN110866687A (zh) 任务分配方法及装置
CN109992407A (zh) 一种yarn集群gpu资源调度方法、装置和介质
CN107943568B (zh) 综合模块化航空电子系统两级调度模型与原型平台
CN103473120A (zh) 一种基于加速因子的多核实时系统任务划分方法
CN115609593B (zh) 一种多类型机器人人机协同装配调度方法和装置
CN114647515A (zh) 一种面向gpu集群的动态资源调度方法
CN115578023A (zh) 一种装配车间调度方法、装置、设备和存储介质
CN115965154A (zh) 一种基于知识图谱的数字孪生机械加工过程调度方法
CN115309544A (zh) 一种集群资源规划方法、设备及装置
CN110262896A (zh) 一种面向Spark系统的数据处理加速方法
CN103136032B (zh) 一种多核体系并行仿真系统
CN112148446A (zh) 一种用于多技能资源受限项目调度的进化策略算法
Vincent et al. A differential evolution-based algorithm to schedule flexible assembly lines
Vianna et al. Modeling the performance of the Hadoop online prototype
CN115033374A (zh) 一种多核可编程控制器的任务到线程匹配方法
US20120042208A1 (en) Test optimization
CN113657794A (zh) 一种生产人力资源分配的策划方法及策划装置
Perotin et al. Risk-aware scheduling algorithms for variable capacity resources
CN112884231A (zh) 预制构件生产调度与工人配置集成优化方法、介质及设备

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