CN110806737B - 一种基于最小能耗及最小时间的生产线设备数量优化方法 - Google Patents
一种基于最小能耗及最小时间的生产线设备数量优化方法 Download PDFInfo
- Publication number
- CN110806737B CN110806737B CN201911175455.6A CN201911175455A CN110806737B CN 110806737 B CN110806737 B CN 110806737B CN 201911175455 A CN201911175455 A CN 201911175455A CN 110806737 B CN110806737 B CN 110806737B
- Authority
- CN
- China
- Prior art keywords
- equipment
- time
- production line
- processing
- energy consumption
- 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 59
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 43
- 238000005265 energy consumption Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000005242 forging Methods 0.000 claims abstract description 20
- 230000002068 genetic effect Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000012546 transfer Methods 0.000 claims description 25
- 238000003754 machining Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 description 13
- 238000005096 rolling process Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 2
- 238000005496 tempering Methods 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Forging (AREA)
Abstract
本发明公开了一种基于最小能耗及最小时间的生产线设备数量优化方法，建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；根据实际需要解决的问题，选择对遗传算法个体的编码方式；以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。利用上述方法最终实现生产线设备数量优化方法。
Description
技术领域
本发明涉及编程技术及算法领域，特别是涉及一种基于最小能耗及最小时间的生产线设备数量优化方法。
背景技术
随着社会经济的飞速发展，大量的基础建设如火如荼，曾经技术落后的制造业也逐步迈向自动化、信息化发展。目前，国内的很多模锻生产线已经引进了自动上下料、自动锻压、自动检测、加热炉温度自动控制等技术，能够大大提高生产效率。但是模锻生产线的转运控制全自动化实现却仍处在较低水准，部分企业还采用手动操作，造成了生产效率低下。模锻生产线中需要多条并行的路径来实现模锻件的加热、锻压、辗环、检测等且加热炉、锻压机和碾环机这些大型设备加工时间长，机械臂转运待加工工件时间相对较短，所以在模锻生产线中适量增加大型设备的数量就显得尤为重要，一旦大型设备在整个加工流程中耗时增加，且运行不畅就会极大地影响整个转运系统的效率，那么就会使得加工整批零件的能耗增加，同时时间也会增加。
发明内容
本发明的目的在于，提供一种基于最小能耗及最小时间的生产线设备数量优化方法，用于环形件模锻生产线中通过优化设备数量，来减小加工时间和加工总能耗。
本发明解决其技术问题所采用的技术方案是：一种基于最小能耗及最小时间的生产线设备数量优化方法，借助改进遗传算法，其包含如下步骤：
a.建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；
b.根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；
c.根据实际需要解决的问题，选择对遗传算法个体的编码方式；
d.以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；
e.基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
f.根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。
所述步骤b中，针对模锻生产线调度问题进行模型建立包括以下子步骤：
1、参数假设：
T总：总加工时间；
Ti第i道转运工序时间；
ti：第i道加工工序时间；
W总：总能耗；
W作总：总工作时间；
W待总：总待机时间；
P作i：第i道转运工序工作功率；
P待i：第i道转运工序待机功率；
P作i：第i道加工工序工作功率；
p待i：第i道加工工序待机功率；
以下是加工一个工件时的时间及能耗计算公式：
当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：
用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号。
当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件。
每次循环令总时间T总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止。
约束条件：
1、每台设备及转运机器人同一时间最多只能加工或转运一个工件；
2、默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
3、只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
4、当最后一个工件加工完成时，所有设备才会停止运作。
所述步骤c中，选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，可直接将各工序设备数量依次排列作为算法的个体进行计算，如：16111311141111，就表示第一道工序有1台设备，第二道工序有6台设备，以此类推。
所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin,当一批零件正常加工情况下，ω1设为0.7，ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，ω2设为0.7，ω1设为0.3，使得加工时间最短。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：图1为生产线工序图；图2为自适应遗传算法的流程图；图3为总流程图。
具体实施方式
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
为达到上述目的，本发明提供如下技术方案：
如图3所示，本发明的一种基于最小能耗及最小时间的生产线设备数量优化方法，具体包括以下步骤：
步骤a：通过对环形件生产工艺流程的分析，得到生产过程的拓扑结构；
环形件的生产工艺的主要过程是：加热，锻压，冲孔，冲连皮，回炉，预轧，回炉，终轧，检测，冷却。环形件在整个生产过程中都有相应的设备来完成不同的工序。例如：在原料加热阶段的加热炉，将坯料锻压成环型的锻压机，将环形件扩大的辗环机，检测成品质量的检测台等。机械臂则在环形件的生产过程扮演着转载工件的角色。
本发明的工艺过程开始于坯料上料，由机械臂M1转运至加热炉加热，机械臂M1再从加热炉中把加热完成的坯料转运至锻压机锻压，锻压完成后，机械臂M2将环件转运至加热炉中回火，机械臂M2从加热炉中将回火完成的环件放置于碾环机上进行初轧，初轧完成后；由机械臂M3转运至加热炉回火，机械臂M3从加热炉中取出回火完成的预轧件放置于碾环机上进行终轧；终轧完成后，机械臂M3将成品放置在检测台上检测，合格品会被转运到成品区风冷。
步骤b根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件。
1、参数假设：
T_总：总加工时间；
T_i第i道转运工序时间；
t_i：第i道加工工序时间；
W_总：总能耗；
W_作总：总工作时间；
W_待总：总待机时间；
P作i：第i道转运工序工作功率；
P待i：第i道转运工序待机功率；
p作i：第i道加工工序工作功率；
p待i：第i道加工工序待机功率；
以下是加工一个工件时的时间及能耗计算公式：
当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：
用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号。
当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件。
每次循环令总时间T_总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止。
约束条件：
每台设备及转运机器人同一时间最多只能加工或转运一个工件；
默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
当最后一个工件加工完成时，所有设备才会停止运作。
步骤c，选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，可直接将各工序设备数量依次排列作为算法的个体进行计算，如：16111311141111，就表示第一道工序有1台设备，第二道工序有6台设备，以此类推。
所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin,当一批零件正常加工情况下，权重系数ω1设为0.7，权重系数ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，权重系数ω2设为0.7，权重系数ω1设为0.3，使得加工时间最短。
步骤e：基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
步骤f：根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：本方法用于环形件模锻生产线中通过优化设备数量，来减小加工时间和加工总能耗，包含如下步骤：
a.建立模锻生产线的整体加工工艺拓扑结构图，基于现场布置图分析产线整体运转情况；
b.根据实际工况，针对一小批零件的加工调度问题，建立模型并确定每个设备的运行时间、功率及任务分配约束条件；
c.根据实际需要解决的问题，选择对遗传算法个体的编码方式；
d.以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数，规划实际生产线中每个节点的设备数量；
e.基于每个节点的设备数量优化的求解，分析遗传算法中变异概率pm和交叉概率pc的计算公式；
f.根据变异概率pm和交叉概率pc的计算，建立改进的自适应pm和pc遗传算法；
所述步骤b中，针对模锻生产线调度问题进行模型建立包括以下子步骤：
T_总：总加工时间；
T_i第i道转运工序时间；
t_i：第i道加工工序时间；
W总：总能耗；
W作总：总工作时间；
W待总：总待机时间；
P作i：第i道转运工序工作功率；
P待i：第i道转运工序待机功率；
p作i：第i道加工工序工作功率；
p待i：第i道加工工序待机功率；
以下是加工一个工件时的时间及能耗计算公式：
当加工多个零件时，考虑到设备之间的连续作业，在以上公式的基础上得出以下多工件加工方法：
用代码模拟设备真实通讯情况，采用I/O信号传递信息，每一个设备都分配有一个Input信号和一个Output信号；
当设备未处于加工状态时，Input信号设为1，Output信号设为0，处于等待接收工件状态，等待前一设备的Output信号置1，以接收工件；
当设备处于加工状态时，Input信号设为0，Output信号设为0，工作时间增加，若当前工作时间等于设备加工工件时间，则设备处于待出工件状态，等待后一设备的Input置1，以传递工件；
每次循环令总时间T_总+1s，当最后一个设备的加工完成数量为总零件数量时，循环停止；
约束条件：
每台设备及转运机器人同一时间最多只能加工或转运一个工件；
默认前一设备在传递工件给下一设备时，下一设备立即开始加工，并且前一设备立即回到就绪状态；
只有当前一设备发出output信号，后一设备处于待接收input信号时，工件才会从前一设备传递到后一设备；
当最后一个工件加工完成时，所有设备才会停止运作。
2.根据权利要求1所述的基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：所述步骤c中：选择对遗传算法个体的编码方式：由于该生产线设备数量优化方法涉及到的加工工序比较多，因此编码方式不宜采用传统的二进制编码方式，直接将各工序设备数量依次排列作为算法的个体进行计算。
3.根据权利要求1所述的基于最小能耗及最小时间的生产线设备数量优化方法，其特征在于：所述步骤d中，以能耗最低和最小加工时间构建带权重系数的单目标函数为优化目标函数：由于该生产线设备数量优化方法存在多目标函数，选用权重系数来转换成单目标函数，f(x)＝ω1fWmin+ω2fTmin，当一批零件正常加工情况下，权重系数ω1设为0.7，权重系数ω2设为0.3，使得能耗最低，节约成本；当一批零件需要尽快完工，权重系数ω2设为0.7，权重系数ω1设为0.3，使得加工时间最短。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911175455.6A CN110806737B (zh) | 2019-11-26 | 2019-11-26 | 一种基于最小能耗及最小时间的生产线设备数量优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911175455.6A CN110806737B (zh) | 2019-11-26 | 2019-11-26 | 一种基于最小能耗及最小时间的生产线设备数量优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110806737A CN110806737A (zh) | 2020-02-18 |
| CN110806737B true CN110806737B (zh) | 2021-02-05 |
Family
ID=69491455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911175455.6A Active CN110806737B (zh) | 2019-11-26 | 2019-11-26 | 一种基于最小能耗及最小时间的生产线设备数量优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110806737B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112596473A (zh) * | 2020-11-20 | 2021-04-02 | 首钢京唐钢铁联合有限责任公司 | 一种热镀板生产控制方法和装置 |
| CN112465333B (zh) * | 2020-11-24 | 2024-02-09 | 大连理工大学 | 一种基于多时间尺度的智能生产线调度优化方法 |
| CN113334376B (zh) * | 2021-05-25 | 2022-03-22 | 浙江大学 | 基于闭环搜索单元的工程机械臂最优能耗路径优化方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016421A (ja) * | 2001-07-04 | 2003-01-17 | Fujitsu Ltd | 最適化問題処理装置 |
| CN105488593A (zh) * | 2015-12-07 | 2016-04-13 | 嘉兴国电通新能源科技有限公司 | 一种基于遗传算法的定容分布式电源发电最优选址及容量分配方法 |
| CN105929689B (zh) * | 2016-04-22 | 2017-12-08 | 江南大学 | 基于粒子群算法的机床制造系统加工节能优化方法 |
| CN106487036B (zh) * | 2016-11-04 | 2018-11-30 | 浙江工业大学 | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 |
| CN109918771B (zh) * | 2019-03-05 | 2023-11-28 | 北京工业大学 | 一种多时间因素下混合流水锻造车间的节能调度模型 |
| CN110188951A (zh) * | 2019-05-30 | 2019-08-30 | 重庆大学 | 一种基于最小能耗的砖厂摆渡车的调度优化的建立方法 |
-
2019
- 2019-11-26 CN CN201911175455.6A patent/CN110806737B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110806737A (zh) | 2020-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110806737B (zh) | 一种基于最小能耗及最小时间的生产线设备数量优化方法 | |
| Yu et al. | Review of seru production | |
| CN109918771B (zh) | 一种多时间因素下混合流水锻造车间的节能调度模型 | |
| CN104504540B (zh) | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 | |
| JP6114421B1 (ja) | 複数の産業機械の作業分担を学習する機械学習装置，産業機械セル，製造システムおよび機械学習方法 | |
| CN103631243B (zh) | 一种基于遗传算法的炼钢-连铸重调度方法及系统 | |
| CN112465333B (zh) | 一种基于多时间尺度的智能生产线调度优化方法 | |
| CN111861167A (zh) | 基于分解的多目标优化算法的生产线在线动态调度方法 | |
| CN101791631A (zh) | 一种钢铁企业加热炉与热轧生产作业集成控制方法及装置 | |
| CN117025896B (zh) | 一种热处理系统 | |
| CN112381273A (zh) | 一种基于u-nsga-iii算法的多目标作业车间节能优化方法 | |
| Cao et al. | A continuous optimization decision making of process parameters in high-speed gear hobbing using IBPNN/DE algorithm | |
| CN116974230A (zh) | 一种基于物联网的设备运行模式智能控制方法及系统 | |
| CN114611379A (zh) | 一种基于数据驱动的加工工艺节能规划方法 | |
| CN111966049A (zh) | 一种混合流水车间生产设备调度控制方法 | |
| JP2007188306A (ja) | 処理時間の確率分布を考慮したスケジューリング装置 | |
| CN109543921B (zh) | 基于改进遗传算法的石油专用管流水车间的生产排产方法 | |
| Sekkal et al. | A multi-objective optimization algorithm for flow shop group scheduling problem with sequence dependent setup time and worker learning | |
| CN112859761B (zh) | 一种考虑集中热处理的分布式锻造流水车间节能调度方法 | |
| CN105278455B (zh) | 基于Gcode的可持续加工操作执行顺序及刀具路径优化方法 | |
| CN101591730A (zh) | 一种提高钢铁企业罩式炉机组物流设备运行效率的方法和装置 | |
| CN112836353B (zh) | 一种面向批次生产的锻造调度方法 | |
| CN108563195A (zh) | 玻璃热弯成型机的远程监控方法及系统 | |
| CN116502893A (zh) | 基于大数据的生产车间锂电池批次管理系统 | |
| CN106033217B (zh) | 派工系统及派工方法 |
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 |