CN111738578A - 一种动态环境下的离散型生产车间调度方法 - Google Patents

Abstract

本发明公开了一种动态环境下的离散型生产车间调度方法，包括以下步骤：S1、建立以进装点的评价指标和生产周期为优化目标的车间双向生产调度数学模型；S2、对生产车间采取以进装点为中心的基于遗传算法的双向调度算法进行预调度；S3、对于车间发生的动态扰动事件依据其影响大小进行分类，根据扰动事件的级别采取多级别的车间动态重调度策略。本发明首先建立以进装点的评价指标和生产周期为优化目标的双向调度模型，然后对生产车间采取以进装点为中心的基于遗传算法的双向调度算法进行预调度，当出现扰动事件时，根据扰动事件的级别，采取不同的事件驱动重调度策略，能够有效的减少完全重调度次数，在兼顾车间稳定性的同时保证了车间的生产效率。

Description

一种动态环境下的离散型生产车间调度方法

技术领域

本发明属于车间生产调度领域，具体涉及一种动态环境下的离散型生产车间调度方法。

背景技术

一直以来，制造业是国民经济的主体，离散型制造业更是有着“国民经济支柱”之称。近年来，随着科技的日新月异，互联网的高速发展以及全球性竞争的加强，我国的离散型制造业面临着全新的挑战，一方面，企业的生产规模越来越大，这对企业的生产管理以及车间调度提出了越来越严格的要求，为了保证生产的高效平稳进行，为了降低生产运行成本，需要制定更优地调度方案，需要应对各种随机扰动事件。而另一方面，在市场经济的带动下，产品市场从卖方市场向买方市场逐渐转变，企业的客户对产品的性能、质量、功能有了越来越高的要求，企业需要满足客户的定制化需求，这也导致了生产的越来越复杂。传统的车间调度已经不能满足这些需求，因此，企业管理者需要探求一个更加科学有效的车间生产调度方法。

根据统计数据，制造过程中非机器加工时间占整个加工周期的95％，切削加工只占1％，而剩下的时间都浪费在了等待、搬运等过程中。因此，提供科学有效的车间生产调度方法，将能在很大程度上提高生产效率，降低在制品库存水平，节约生产成本，提高生产的综合收益。然而，现有的车间调度方法尚不完善，还不能有效解决离散型制造过程中产品生产与装配环节脱节严重、零件难以在进装点按时装配，以及存在对于动态扰动事件处理效率较低、重调度成本较高等问题，因此需要更加科学有效的适用于动态环境的车间生产调度方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能有效解决生产与装配环节脱节严重的以进装点为中心的双向调度算法进行车间生产预调度，以及根据扰动事件的级别，采取不同的事件驱动重调度策略，能够有效的减少完全重调度次数，在兼顾车间稳定性的同时保证了车间的生产效率的动态环境下的离散型生产车间调度方法。

本发明的目的是通过以下技术方案来实现的：一种动态环境下的离散型生产车间调度方法，包括以下步骤：

S1、建立以进装点的评价指标和生产周期为优化目标的车间双向生产调度数学模型；

S2、对生产车间采取以进装点为中心的基于遗传算法的双向调度算法进行预调度；

S3、对于车间发生的动态扰动事件依据其影响大小进行分类，根据扰动事件的级别采取多级别的车间动态重调度策略。

进一步地，所述步骤S1包括以下子步骤：

S11、以关键零件完工时间与进装点的差值总和、装配同时度和生产周期为优化目标，建立优化目标函数：

其中，C_i为零件i的完工时间，

为关键零件i^b的完工时间，

为关键零件i^b的进装点，n^b为关键零件数，n为零件总数，

代表在进装点l装配的关键零件i^b的完工时间，w代表进装点的数量也就是装配工序数，w_l代表在进装点l的进行装配的关键零件数，α为关键零件的完工时间与进装点差值总和的惩罚系数，β为关键零件装配同时度惩罚系数；

S12：建立以下约束条件：

在一个调度方案里，一道工序只能在一台机器上加工：

同一时刻，一台机器只能加工一道工序：

S_ab-T_cdk≥S_cd Y_abcdk＝1,X_abk＝1,X_cdk＝1

同一零件的前一道工序加工完成后才能开始加工下一道工序：

S_i(j+1)-S_ij≥T_ijk j+1≤p_i且k≤m,X_ijk＝1

其中，m是机器数量；p_i是零件i的工序数量；X_ijk是工序加工机器的判别条件，如果零件i的第j道工序在机器k上加工则X_ijk＝1，否则为0；Y_abcdk是不同工序在相同机器先后顺序的判别条件，如果在机器k上，零件a的工序b在零件c的工序b加工完成后开始加工，则Y_abcdk＝1，否则为0；S_ij代表零件i的工序j的开始加工时间，T_ijk表示零件i的工序j在机器k上的加工所需时间。

进一步地，所述步骤S2具体包括以下子步骤：

S21、参数设置：设置种群规模G、迭代次数I、交叉概率P_c、变异概率P_m；

S22、初始化种群，产生遍布解空间的初始种群；

S23、采取以进装点为中心的双向调度算法对遗传算法的染色体进行解码，计算种群所有染色体的适应度；

S24、选择操作：根据选择策略选择出染色体进行后续遗传操作；

S25、交叉操作：对经过选择操作选择出的染色体按照交叉策略进行操作，产生新一代子染色体；包括以下步骤：

S251、将零件集合P{P₁,P₂,…,P_n}随机分为两个工件集合Part1和Part2，每个集合至包含一个零件；

S252、复制父代染色体Parent1包含在集合Part1内的零件的基因到子染色体Son1上，并且保持它们的顺序和位置，然后复制父代染色体Parent2包含在集合Part2内的零件的基因到子染色体Son1的空余位置上，并保持它们的顺序；

S253、复制父代染色体Parent2包含在集合Part1内的零件的基因到子染色体Son2上，并且保持它们的顺序和位置，然后复制父代染色体Parent1包含在集合Part2内的零件的基因到子染色体Son2的空余位置上，并保持它们的顺序；

S26、变异操作：对经过选择操作选择出的染色体按照变异策略进行操作，产生新一代子染色体，包括以下步骤：

S261、在变异染色体中随机选择x个基因，x＞1；

S262、将x个基因随机重新排序3次，生成3个新的染色体；

S263、计算评价这3个新的染色体的适应度值，选出其中适应度值最高的个体作为子染色体；

S27、重复进行步骤S23～S26，直到达到预设的迭代次数I停止，然后输出最优解，并将其转化为具体的车间调度。

进一步地，所述步骤S23包括以下步骤：

S231、根据零件的分类，对两种零件的生产调度优先级进行排布，关键零件集合为t^b，进行正向调度的零件集合为t；并按照与加工路线相反的顺序给关键零件的工序重新编号；

S232、反向调度：以进装点为调度起点，计算各关键零件的可以开始加工时间，将进装点最晚的零件的可开工时间设为0，其余零件的可开工时间计算公式为：

其中，

为关键零件i^b的可开工时间，d_i为关键零件i^b的进装点；

S233、取出优先级最高的未调度的关键零件的加工工序

即关键零件i^b的加工工序j，计算其开工时间

和完工时间

S234、查看在时间段

内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为

令

则

如果

则说明无法通过反向调度得到合理的关键零件i^b的开工时间，将关键零件i^b移至进行前向调度的零件集合t中，并且从反向调度的优先级表中移出，返回步骤S233重新开始反向调度；如果

则更新零件可开工时间

S235、重复步骤S233和S234，直到关键零件调度完毕；计算实际调度情况：

S236、调整进行正向调度的零件的优先级，将需要进行正向调度的关键零件的各工序的优先级按原顺序排布，但是优先级要比进行正向调度的通用零件的优先级高，调整后得到新的正向调度工序优先级；令各机器的最早可用时间Mt_k＝0，正向调度的零件i的最早可加工时间均为0，即r_i＝0，i∈t；

S237、取出优先级最高的未调度的正向调度的零件的加工工序O_ij，计算其开工时间S_ij和完工时间E_ij：

S_ij＝r_i

E_ij＝S_ij+T_ijk X_ijk＝1

查看在时间段S_ij～E_ij内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为O_mn，令S_ij＝E_mn，则E_ij＝S_ij+T_ijk；然后再次查看在时间段S_ij～E_ij内，机器k是否处于工作状态，直到给工序O_ij分配一个合理的时间段进行加工；然后令r_i＝E_ij；

S238、重复步骤S237，直到完成零件的正向调度；

S239、将目标函数映射到适应度函数上：适应度F的计算方法为：

F＝M-f

其中，M为当前种群所得的最大的目标函数值。

进一步地，所述步骤S24包括以下步骤：

S241、计算各染色体的生存概率：染色体的生存概率与适应度函数值成正比，第q个染色体的生存概率SP_i的计算公式如下：

S242、计算累计生存概率cSP_q：

S243、产生一个在0到1之间的随机数z，如果cSP_i-1≤z≤cSP_i，则种群中的第q个染色体被选择出来进行后续遗传操作；

S244、重复步骤S243，直到选择出的染色体数量等于种群规模。

进一步地，所述步骤S3中，车间动态重调度的优化目标表达式如下：

其中，ω为稳定性系数，r为未加工的工序数，TS_j代表预调度方案中未完工的工序j的计划开工时间，TS_j′代表重调度方案中工序j的计划开工时间；

车间动态重调度的优化目标函数由上述两部分构成：

f＝f₁+f₂。

进一步地，所述步骤S3中具体包括以下子步骤：

S31、对车间发生的扰动事件进行分类：一级事件表示当前调度方案无法满足后续装配需求或者机器利用率很低，当发生一级事件跳转S37；二级事件表示可用机器空闲时间完成加工或对当前调度方案所需调整不大，如果发生二级扰动事件，跳转S34；三级事件表示加工时间增加、机器当前不可用或等待时间增加，当生三级事件时跳转S32；

S32、如果是三级事件，找到直接受到影响的工序的工艺和其后续工序以及所处机器的后续工序，为寻找受影响的全部工序，采取工序关联树的方法进行判别，首先找到直接受到扰动事件影响的工序，以该工序为根节点，根据机器加工顺序以及工艺加工顺序找到后续工序，将找到的工序作为新的节点，逐层建立受影响工序关联树，直到关联树上的节点不存在后续工序；

S33：在生成受影响工序关联树后，从第一层工序开始逐层将各节点上工序的加工时间向后移动；先调整根节点上工序的加工时间，然后判断子节点工序的开工时间是否早于其父节点上的工序的新的完工时间，如果不早于父节点的完工时间，则子节点工序的加工时间不需向后移动；如果早于父节点的完工时间，那么子节点上的工序的加工时间需要后移，将一层的节点上的工序的加工时间全都比较并调整后，再对下一层节点进行比较，直到所有节点全都调整完毕或者某层的工序加工时间全都不需调整；

将调整后调度方案中各零件的预计完工时间与其最晚完工时间比较，如果有零件的预计完工时间超出其最晚完工时间，则说明该调度方案不满足后续装配计划，需要根据调度窗口内的工件数量决定采取局部重调度或者完全重调度生成新的调度方案；如果没超出，则该调度满足装配计划，那么车间将按该调度方案进行生产；

S34、计算紧急插入零件的总加工时间T₁，以及紧急插单事件发生时刻后到紧急插入零件的最晚完工时间之前，原调度方案中紧急插入零件加工使用机器的总空闲时间T₂：

其中，n^u代表紧急插入零件的工序数，t_(n+1)j代表紧急插入零件n+1的工序j的加工时间，tm_h代表原调度方案中紧急插入零件使用的机器h的空闲时间，m代表紧急插入零件各工序加工使用的机器数；

如果T₂≥T₁，则采取前向调度将紧急插入零件的加工任务安排在机器的空闲时间加工，否则，直接跳转S36；

S35、执行前向调度，执行完前向调度后，将新任务的预计完工时间E_n+1与其最晚完工时间tl_n+1进行比较，如果E_n+1≤tl_n+1，说明前向调度结果满足后续装配计划的需求；否则，说明调度结果不满足后续装配计划的需求，需要通过局部重调度进行调整；

S36、收集机器在重调度时刻的正在加工、故障以及空闲状态和各机器的最早可用时间；收集零件的所有工序完工、部分工序完工、未开始加工的状态和各零件的最早可加工时间；然后根据收集到的信息进行车间局部重调度；

S37、完全重调度方案实施时，正在加工的零件仍旧留在调度窗口内，然后通过零件加工优先级函数p_k挑选零件进行加工：

其中，n_i为零件i的加工工序数，t_kj为零件i的工序j的加工时间，d_l为进装点l的时间，θ为进装点差值的重要度系数，z_i为零件i的库存量，λ为库存量系数，p_i越小代表零件i的加工优先级越高，相同进装点的零件优先级相同取其中最高的；

假如在进装点l装配的零件集合J_l包含正在加工但是还有工序未完成的零件，那么该进装点零件集合的加工优先级最高，此时P_l为0；

收集调度窗口内的零件和机器在完全重调度时刻的初始信息，在得到所需的调度信息后，重新分配调度窗口内工序的加工顺序，得到新的重调度方案。

本发明的有益效果是：本发明提出的离散型生产车间调度方法，首先建立以进装点和生产周期为优化目标的车间生产调度的双向调度数学模型，然后对生产车间采取基于遗传算法的双向调度算法进行预调度，当出现扰动事件时，根据扰动事件的分类，确定扰动事件的级别，然后根据扰动事件的级别，采取不同的事件驱动重调度策略。通过算例结果表面，多级别的扰动事件能够有效的减少完全重调度次数，在兼顾车间稳定性的同时保证了车间的生产效率。有利于指导企业生产，提高生产效率，节约生产成本，提高企业产品市场竞争力。

附图说明

图1为本发明的动态环境下的离散型生产车间调度方法的流程图；

图2为本发明对生产车间采取基于遗传算法的双向调度算法进行预调度的算法流程图；

图3为反向调度甘特图；

图4为双向调度甘特图；

图5为最优双向调度甘特图；

图6为受影响工序关联树；

图7为受影响工序甘特图；

图8为右移重调度后的甘特图；

图9为前向调度后的甘特图；

图10为前向调度后的甘特图；

图11为局部重调度后的甘特图；

图12为完全重调度后的甘特图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

如图1所示，本发明的一种动态环境下的离散型生产车间调度方法，包括以下步骤：

S1、建立以进装点的评价指标和生产周期为优化目标的车间双向生产调度数学模型；包括以下子步骤：

S11、以关键零件完工时间与进装点的差值总和、装配同时度和生产周期为优化目标，建立优化目标函数：

其中，C_i为零件i的完工时间，

为关键零件i^b的完工时间，

为关键零件i^b的进装点，n^b为关键零件数，n为零件总数，

代表在进装点l装配的关键零件i^b的完工时间，w代表进装点的数量也就是装配工序数，w_l代表在进装点l的进行装配的关键零件数，α为关键零件的完工时间与进装点差值总和的惩罚系数，β为关键零件装配同时度惩罚系数；

S12：建立以下约束条件：

在一个调度方案里，一道工序只能在一台机器上加工：

同一时刻，一台机器只能加工一道工序：

S_ab-T_cdk≥S_cd Y_abcdk＝1,X_abk＝1,X_cdk＝1

同一零件的前一道工序加工完成后才能开始加工下一道工序：

S_i(j+1)-S_ij≥T_ijk j+1≤p_i且k≤m,X_ijk＝1

其中，m是机器数量；p_i是零件i的工序数量；X_ijk是工序加工机器的判别条件，如果零件i的第j道工序在机器k上加工则X_ijk＝1，否则为0；Y_abcdk是不同工序在相同机器先后顺序的判别条件，如果在机器k上，零件a的工序b在零件c的工序b加工完成后开始加工，则Y_abcdk＝1，否则为0；S_ij代表零件i的工序j的开始加工时间，T_ijk表示零件i的工序j在机器k上的加工所需时间。

S2、对生产车间采取以进装点为中心的基于遗传算法的双向调度算法进行预调度；具体流程如图2所示，具体包括以下子步骤：

S21、参数设置：设置种群规模G、迭代次数I、交叉概率P_c、变异概率P_m；

S22、初始化种群，产生遍布解空间的初始种群；

S23、采取以进装点为中心的双向调度算法对遗传算法的染色体进行解码，计算种群所有染色体的适应度；包括以下步骤：

S231、根据零件的分类，对两种零件的生产调度优先级进行排布，关键零件集合为t^b，进行正向调度的零件集合为t；并按照与加工路线相反的顺序给关键零件的工序重新编号；

S232、反向调度：以进装点为调度起点，计算各关键零件的可以开始加工时间，将进装点最晚的零件的可开工时间设为0，其余零件的可开工时间计算公式为：

其中，

为关键零件i^b的可开工时间，d_i为关键零件i^b的进装点；

S233、取出优先级最高的未调度的关键零件的加工工序

即关键零件i^b的加工工序j，计算其开工时间

和完工时间

S234、查看在时间段

内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为

令

则

如果

则说明无法通过反向调度得到合理的关键零件i^b的开工时间，将关键零件i^b移至进行前向调度的零件集合t中，并且从反向调度的优先级表中移出，返回步骤S233重新开始反向调度；如果

则更新零件可开工时间

S235、重复步骤S233和S234，直到关键零件调度完毕；计算实际调度情况：

S236、调整进行正向调度的零件的优先级，将需要进行正向调度的关键零件的各工序的优先级按原顺序排布，但是优先级要比进行正向调度的通用零件的优先级高，调整后得到新的正向调度工序优先级；令各机器的最早可用时间Mt_k＝0，正向调度的零件i的最早可加工时间均为0，即r_i＝0，i∈t；

S237、取出优先级最高的未调度的正向调度的零件的加工工序O_ij，计算其开工时间S_ij和完工时间E_ij：

S_ij＝r_i

E_ij＝S_ij+T_ijk X_ijk＝1

查看在时间段S_ij～E_ij内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为O_mn，令S_ij＝E_mn，则E_ij＝S_ij+T_ijk；然后再次查看在时间段S_ij～E_ij内，机器k是否处于工作状态，直到给工序O_ij分配一个合理的时间段进行加工；然后令r_i＝E_ij；

S238、重复步骤S237，直到完成零件的正向调度；

S239、将目标函数映射到适应度函数上：适应度F的计算方法为：

F＝M-f

其中，M为当前种群所得的最大的目标函数值。

S24、选择操作：根据选择策略选择出染色体进行后续遗传操作；包括以下步骤：

S241、计算各染色体的生存概率：染色体的生存概率与适应度函数值成正比，第q个染色体的生存概率SP_i的计算公式如下：

S242、计算累计生存概率cSP_q：

S243、产生一个在0到1之间的随机数z，如果cSP_i-1≤z≤cSP_i，则种群中的第q个染色体被选择出来进行后续遗传操作；

S244、重复步骤S243，直到选择出的染色体数量等于种群规模。

S25、交叉操作：对经过选择操作选择出的染色体按照交叉策略进行操作，产生新一代子染色体；包括以下步骤：

S251、将零件集合P{P₁,P₂,…,P_n}随机分为两个工件集合Part1和Part2，每个集合至包含一个零件；

S252、复制父代染色体Parent1包含在集合Part1内的零件的基因到子染色体Son1上，并且保持它们的顺序和位置，然后复制父代染色体Parent2包含在集合Part2内的零件的基因到子染色体Son1的空余位置上，并保持它们的顺序；

S253、复制父代染色体Parent2包含在集合Part1内的零件的基因到子染色体Son2上，并且保持它们的顺序和位置，然后复制父代染色体Parent1包含在集合Part2内的零件的基因到子染色体Son2的空余位置上，并保持它们的顺序；

S26、变异操作：对经过选择操作选择出的染色体按照变异策略进行操作，产生新一代子染色体，包括以下步骤：

S261、在变异染色体中随机选择x个基因，x＞1；

S262、将x个基因随机重新排序3次，生成3个新的染色体；

S263、计算评价这3个新的染色体的适应度值，选出其中适应度值最高的个体作为子染色体；

S27、重复进行步骤S23～S26，直到达到预设的迭代次数I停止，然后输出最优解，并将其转化为具体的车间调度。

S3、对于车间发生的动态扰动事件依据其影响大小进行分类，根据扰动事件的级别采取多级别的车间动态重调度策略；车间动态重调度的优化目标表达式如下：

其中，ω为稳定性系数，r为未加工的工序数，TS_j代表预调度方案中未完工的工序j的计划开工时间，TS_j′代表重调度方案中工序j的计划开工时间；

车间动态重调度的优化目标函数由上述两部分构成：

f＝f₁+f₂。

所述步骤S3具体包括以下子步骤：

S31、对车间发生的扰动事件进行分类：一级事件表示当前调度方案无法满足后续装配需求或者机器利用率很低，当发生一级事件跳转S37；二级事件表示可用机器空闲时间完成加工或对当前调度方案所需调整不大，如果发生二级扰动事件，跳转S34；三级事件表示加工时间增加、机器当前不可用或等待时间增加，当生三级事件时跳转S32；

S32、如果是三级事件，找到直接受到影响的工序的工艺和其后续工序以及所处机器的后续工序，为寻找受影响的全部工序，采取工序关联树的方法进行判别，首先找到直接受到扰动事件影响的工序，以该工序为根节点，根据机器加工顺序以及工艺加工顺序找到后续工序，将找到的工序作为新的节点，逐层建立受影响工序关联树，直到关联树上的节点不存在后续工序；

S33：在生成受影响工序关联树后，从第一层工序开始逐层将各节点上工序的加工时间向后移动；先调整根节点上工序的加工时间，然后判断子节点工序的开工时间是否早于其父节点上的工序的新的完工时间，如果不早于父节点的完工时间，则子节点工序的加工时间不需向后移动；如果早于父节点的完工时间，那么子节点上的工序的加工时间需要后移，将一层的节点上的工序的加工时间全都比较并调整后，再对下一层节点进行比较，直到所有节点全都调整完毕或者某层的工序加工时间全都不需调整；

将调整后调度方案中各零件的预计完工时间与其最晚完工时间比较，如果有零件的预计完工时间超出其最晚完工时间，则说明该调度方案不满足后续装配计划，需要根据调度窗口内的工件数量决定采取局部重调度或者完全重调度生成新的调度方案；如果没超出，则该调度满足装配计划，那么车间将按该调度方案进行生产；

S34、计算紧急插入零件的总加工时间T₁，以及紧急插单事件发生时刻后到紧急插入零件的最晚完工时间之前，原调度方案中紧急插入零件加工使用机器的总空闲时间T₂：

其中，n^u代表紧急插入零件的工序数，t_(n+1)j代表紧急插入零件n+1的工序j的加工时间，tm_h代表原调度方案中紧急插入零件使用的机器h的空闲时间，m代表紧急插入零件各工序加工使用的机器数；

如果T₂≥T₁，则采取前向调度将紧急插入零件的加工任务安排在机器的空闲时间加工，否则，直接跳转S36；

S35、执行前向调度，执行完前向调度后，将新任务的预计完工时间E_n+1与其最晚完工时间tl_n+1进行比较，如果E_n+1≤tl_n+1，说明前向调度结果满足后续装配计划的需求；否则，说明调度结果不满足后续装配计划的需求，需要通过局部重调度进行调整；

S36、收集机器在重调度时刻的正在加工、故障以及空闲状态和各机器的最早可用时间；收集零件的所有工序完工、部分工序完工、未开始加工的状态和各零件的最早可加工时间；然后根据收集到的信息进行车间局部重调度；

S37、完全重调度方案实施时，正在加工的零件仍旧留在调度窗口内，然后通过零件加工优先级函数p_k挑选零件进行加工：

其中，n_i为零件i的加工工序数，t_kj为零件i的工序j的加工时间，d_l为进装点l的时间，θ为进装点差值的重要度系数，z_i为零件i的库存量，λ为库存量系数，p_i越小代表零件i的加工优先级越高，相同进装点的零件优先级相同取其中最高的；

假如在进装点l装配的零件集合J_l包含正在加工但是还有工序未完成的零件，那么该进装点零件集合的加工优先级最高，此时P_l为0；

收集调度窗口内的零件和机器在完全重调度时刻的初始信息，在得到所需的调度信息后，重新分配调度窗口内工序的加工顺序，得到新的重调度方案。

本实施例的机械产品的订单包括6个零件，每个零件有6道工序，在6个机器上加工，其中，零件1、2、3、4为关键零件，零件5、6为通用零件。具体的零件加工数据如下表1、表2所示。零件进装点如下表3所示。

表1各工序加工时间

零件\工	1	2	3	4	5	6
							1	1	3	6	7	3	6
2	3	3	9	10	4	1
							3	8	5	10	10	10	4
4	5	5	5	3	8	9
							5	9	3	5	4	3	1
6	5	4	8	9	1	7

表2各工序加工机器

零件\工	1	2	3	4	5	6
							1	3	1	2	4	6	5
2	2	4	6	1	5	3
							3	2	3	5	6	1	4
4	2	1	3	4	5	6
							5	3	2	5	6	1	4
6	3	4	6	1	2	5

表3零件进装点

零件	1	2	3	4	5	6
							进装点	50	50	55	55	50	55

①按照与工艺路线相反的顺序对关键零件加工工序进行编号。例如，把工序编号由“6”变为“1”。

②计算零件1、2、3、4的最早可加工时间，反向调度是以进装点为调度的起点，零件3、4进装点最迟，因此设零件3、4的可开工时间为0，得到零件1、2的可开工时间为5。

③按照优先级调度关键零件。由于只是演示双向调度的过程，因此随机产生一个加工优先级序列进行调度，假设染色体的前两个基因为1、3，那么先安排工序O₁₆，在5号机器上开始加工，零件1的可开工时间为5，工序O₁₆的加工时间为6，因此完工时间为11，接着安排工序O₅₂，是在4号机器上加工，零件3的可开工时间为0，工序O₃₆的加工时间为9，因此完工时间为18未超出进装点，因此不需进行前向调度。然后依次进行反向调度直到全部关键零件调度完成。

④计算关键零件的实际调度情况。得到的反向调度实际生产调度甘特图如图3所示，图中的横坐标为加工时间，纵坐标为加工机器，图中矩形代表零件的加工时间段，矩形内数字代表零件编号。

按照优先度依次对通用零件的工序进行前向调度。假设优先度靠前的两个基因为5、5，那么优先安排工序O₅₁，通用零件5的第1道工序的可开始加工时间为0，加工时长为9，则工序O₅₁完工时间为9，接着安排工序O₅₂，第2道工序在机器2上加工，其可开工时间为9，加工时长为3，则完工时间为12，但是期间有零件在机器2上加工，则工序O₅₂的开工时间需要向后移，一直到时间段19～22，无零件在机器2上加工，于是安排工序O₅₂进行加工。接着按照优先度依次向后调度，直到通用零件加工工序全部都调度完毕，得到完整的双向调度甘特图如图4所示。

接下来，使用遗传算法进行双向调度寻找最优的生产调度，遗传算法采用的参数分别为：种群规模100个，交叉概率0.7，变异概率0.05，终止迭代次数100次。得到的最优生产调度甘特图如图5所示。关键零件1、2、3、4全都在进装点准时完工，生产周期为63，可以认为得到了最优的双向调度结果。

假设执行动态车间调度时，各零件的最晚完工时间如下表所示。

表4机器最晚完工时间

零件号	1	2	3	4	5	6
							最晚完工时间	60	60	65	65	70	70

假设，机器6在时刻41发生故障，维修时间为5，此时零件1正在机器6上加工，机器故障对于后续加工的工序带来了影响。

由于发生的是三级扰动事件，因此执行右移重调度策略，在保持原调度方案中工序的在机器上的加工顺序不变的前提下，将受影响工序的加工时间向后移动。先判断哪些工序受到影响，由于工序1-5在机器6上加工时发生了机器故障，因此将工序1-5作为根节点，得到的故障树如下图6所示，机器发生故障时的甘特图如图7所示，其中受到影响的工序都用灰色底纹表示。

先将受直接影响的工序1-5的加工时间右移，其新的开始加工时间为46，完工时间为49，其后等待加工的工序1-6和工序4-6的计划开始加工时间在工序1-5的完工时间之前，因此两工序的加工时间也需要后移，调整后的工序1-6的开工时间为49，完工时间为55，工序4-6的开工时间为49，完工时间为58，以此类推。将受影响工序后移重调度后的新的调度方案甘特图如下图8所示。此时将各零件的计划完工时间与其最晚完工时间比较，均满足要求，则按重调度后的方案进行加工。

假设，有零件在装配过程中由于操作原因而报废需要重新生产，零件的具体加工数据如下表所示。

表5报废零件加工数据

假设该报废返工零件在时刻10到达生产车间，零件的最晚完工时间为65，首先计算该零件加工总时长为32，该零件使用机器的总空闲时间为182，说明可以先使用前向调度。得到的前向调度后的甘特图如图9所示。图中灰色矩形表示报废后返工的零件7，原调度方案中机器1在10到14时段空闲，恰好可以安排零件7的第一道工序在其上加工，以此类推，将零件7的各工序通过前向调度安排在机器的空闲时间上。零件7的计划完工时间为64，小于其最晚完工时间，因此该调度满足要求。

假设该报废零件在时刻30到达生产空间，计算得该零件使用机器的总空闲时间为123，可以先进行前向调度。得到的前向调度后的甘特图如图10所示，此时零件7的计划完工时间为83，超过了其最晚完工时间，因此前向调度所得结果不满足要求，又由于机器的空闲时间较大，可以进行各零件加工顺序的调整，因此进行局部重调度。

首先需要收集初始信息，根据原调度方案以及车间生产情况，得到30时刻的零件和机器的最早可加工时间如下表6和表7所示。其中符号—代表该工序已经完工，不需要参与调度。

表6零件最早可加工信息

表7机器最早可加工信息

机器号	1	2	3	4	5	6
							最早可加工时间	32	30	33	33	31	30

由于所有零件均未完工，因此重调度的零件数为7，对所有未加工零件的加工工序进行双向调度，先对零件1、2、3、4以及零件7进行反向调度，其中零件7的进装点设为62。然后对零件5和零件6进行前向调度，得到的局部重调度甘特图如图11所示。图中灰色矩形代表在重调度时刻未完工的工序继续完工所占用的时间。图中，零件1、2、3、4都能在进装点完工，零件7完工时刻为64，在最晚完工时间之前完工，剩余零件也都能在最晚完工时刻前完工，该调度能够满足装配计划的要求，相比原调度方案工序的总变动时间为46，变动较小，因此调度成本较小，因此该局部重调度方案合理。

假设在时刻30，装配计划发生改变，零件6变为关键零件，进装点为60，而且零件5由于装配计划变动不再需要生产，从生产任务中移出。此时装配计划发生了变动，属于一级扰动事件，需要进行完全重调度。此时零件和机器的最早可加工时间如表6和表7所示。

假设此时未调度零件集合中的零件信息如下表8所示。

表8未调度零件加工信息

上述零件的优先级最高，选择进入调度窗口，进行重调度，零件8、9为关键零件，零件10、11为通用零件。所得的完全重调度后的甘特图如下图12所示。各零件均能在进装点准时完工。

当出现扰动事件时，根据扰动事件的分类，确定扰动事件的级别，然后根据扰动事件的级别，采取不同的事件驱动重调度策略。通过算例结果表面，多级别的扰动事件能够有效的减少完全重调度次数，在兼顾车间稳定性的同时保证了车间的生产效率。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种动态环境下的离散型生产车间调度方法，其特征在于，包括以下步骤：

S1、建立以进装点的评价指标和生产周期为优化目标的车间双向生产调度数学模型；

S2、对生产车间采取以进装点为中心的基于遗传算法的双向调度算法进行预调度；

S3、对于车间发生的动态扰动事件依据其影响大小进行分类，根据扰动事件的级别采取多级别的车间动态重调度策略。

2.根据权利要求1所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S1包括以下子步骤：

S11、以关键零件完工时间与进装点的差值总和、装配同时度和生产周期为优化目标，建立优化目标函数：

其中，C_i为零件i的完工时间，

为关键零件i^b的完工时间，

为关键零件i^b的进装点，n^b为关键零件数，n为零件总数，

代表在进装点l装配的关键零件i^b的完工时间，w代表进装点的数量也就是装配工序数，w_l代表在进装点l的进行装配的关键零件数，α为关键零件完工时间与进装点差值总和的惩罚系数，β为关键零件装配同时度惩罚系数；

S12：建立以下约束条件：

在一个调度方案里，一道工序只能在一台机器上加工：

同一时刻，一台机器只能加工一道工序：

S_ab-T_cdk≥S_cd Y_abcdk＝1,X_abk＝1,X_cdk＝1

同一零件的前一道工序加工完成后才能开始加工下一道工序：

S_i(j+1)-S_ij≥T_ijk j+1≤p_i且k≤m,X_ijk＝1

其中，m是机器数量；p_i是零件i的工序数量；X_ijk是工序加工机器的判别条件，如果零件i的第j道工序在机器k上加工则X_ijk＝1，否则为0；Y_abcdk是不同工序在相同机器先后顺序的判别条件，如果在机器k上，零件a的工序b在零件c的工序b加工完成后开始加工，则Y_abcdk＝1，否则为0；S_ij代表零件i的工序j的开始加工时间，T_ijk表示零件i的工序j在机器k上的加工所需时间。

3.根据权利要求1所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S2具体包括以下子步骤：

S21、参数设置：设置种群规模G、迭代次数I、交叉概率P_c、变异概率P_m；

S22、初始化种群，产生遍布解空间的初始种群；

S23、采取以进装点为中心的双向调度算法对遗传算法的染色体进行解码，计算种群所有染色体的适应度；

S24、选择操作：根据选择策略选择出染色体进行后续遗传操作；

S25、交叉操作：对经过选择操作选择出的染色体按照交叉策略进行操作，产生新一代子染色体；包括以下步骤：

S251、将零件集合P{P₁,P₂,…,P_n}随机分为两个工件集合Part1和Part2，每个集合至包含一个零件；

S252、复制父代染色体Parent1包含在集合Part1内的零件的基因到子染色体Son1上，并且保持它们的顺序和位置，然后复制父代染色体Parent2包含在集合Part2内的零件的基因到子染色体Son1的空余位置上，并保持它们的顺序；

S253、复制父代染色体Parent2包含在集合Part1内的零件的基因到子染色体Son2上，并且保持它们的顺序和位置，然后复制父代染色体Parent1包含在集合Part2内的零件的基因到子染色体Son2的空余位置上，并保持它们的顺序；

S26、变异操作：对经过选择操作选择出的染色体按照变异策略进行操作，产生新一代子染色体，包括以下步骤：

S261、在变异染色体中随机选择x个基因，x＞1；

S262、将x个基因随机重新排序3次，生成3个新的染色体；

S263、计算评价这3个新的染色体的适应度值，选出其中适应度值最高的个体作为子染色体；

S27、重复进行步骤S23～S26，直到达到预设的迭代次数I停止，然后输出最优解，并将其转化为具体的车间调度。

4.根据权利要求3所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S23包括以下步骤：

S231、根据零件的分类，对两种零件的生产调度优先级进行排布，关键零件集合为t^b，进行正向调度的零件集合为t；并按照与加工路线相反的顺序给关键零件的工序重新编号；

S232、反向调度：以进装点为调度起点，计算各关键零件的可以开始加工时间，将进装点最晚的零件的可开工时间设为0，其余零件的可开工时间计算公式为：

其中，

为关键零件i^b的可开工时间，d_i为关键零件i^b的进装点；

S233、取出优先级最高的未调度的关键零件的加工工序

即关键零件i^b的加工工序j，计算其开工时间

和完工时间

S234、查看在时间段

内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为

令

则

如果

则说明无法通过反向调度得到合理的关键零件i^b的开工时间，将关键零件i^b移至进行前向调度的零件集合t中，并且从反向调度的优先级表中移出，返回步骤S233重新开始反向调度；如果

则更新零件可开工时间

S235、重复步骤S233和S234，直到关键零件调度完毕；计算实际调度情况：

S236、调整进行正向调度的零件的优先级，将需要进行正向调度的关键零件的各工序的优先级按原顺序排布，但是优先级要比进行正向调度的通用零件的优先级高，调整后得到新的正向调度工序优先级；令各机器的最早可用时间Mt_k＝0，正向调度的零件i的最早可加工时间均为0，即r_i＝0，i∈t；

S237、取出优先级最高的未调度的正向调度的零件的加工工序O_ij，计算其开工时间S_ij和完工时间E_ij：

S_ij＝r_i

E_ij＝S_ij+T_ijk X_ijk＝1

查看在时间段S_ij～E_ij内，机器k是否处于工作状态，如果已被占用，假设占用该时间段的工序为O_mn，令S_ij＝E_mn，则E_ij＝S_ij+T_ijk；然后再次查看在时间段S_ij～E_ij内，机器k是否处于工作状态，直到给工序O_ij分配一个合理的时间段进行加工；然后令r_i＝E_ij；

S238、重复步骤S237，直到完成零件的正向调度；

S239、将目标函数映射到适应度函数上：适应度F的计算方法为：

F＝M-f

其中，M为当前种群所得的最大的目标函数值。

5.根据权利要求3所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S24包括以下步骤：

S241、计算各染色体的生存概率：染色体的生存概率与适应度函数值成正比，第q个染色体的生存概率SP_i的计算公式如下：

S242、计算累计生存概率cSP_q：

S243、产生一个在0到1之间的随机数z，如果cSP_i-1≤z≤cSP_i，则种群中的第q个染色体被选择出来进行后续遗传操作；

S244、重复步骤S243，直到选择出的染色体数量等于种群规模。

6.根据权利要求1所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S3中，车间动态重调度的优化目标表达式如下：

其中，ω为稳定性系数，r为未加工的工序数，TS_j代表预调度方案中未完工的工序j的计划开工时间，TS′_j代表重调度方案中工序j的计划开工时间；

车间动态重调度的优化目标函数由上述两部分构成：

f＝f₁+f₂。

7.根据权利要求6所述的动态环境下的离散型生产车间调度方法，其特征在于，所述步骤S3中具体包括以下子步骤：

S31、对车间发生的扰动事件进行分类：一级事件表示当前调度方案无法满足后续装配需求或者机器利用率很低，当发生一级事件跳转S37；二级事件表示可用机器空闲时间完成加工或对当前调度方案所需调整不大，如果发生二级扰动事件，跳转S34；三级事件表示加工时间增加、机器当前不可用或等待时间增加，当生三级事件时跳转S32；

S32、如果是三级事件，找到直接受到影响的工序的工艺和其后续工序以及所处机器的后续工序，为寻找受影响的全部工序，采取工序关联树的方法进行判别，首先找到直接受到扰动事件影响的工序，以该工序为根节点，根据机器加工顺序以及工艺加工顺序找到后续工序，将找到的工序作为新的节点，逐层建立受影响工序关联树，直到关联树上的节点不存在后续工序；

S33：在生成受影响工序关联树后，从第一层工序开始逐层将各节点上工序的加工时间向后移动；先调整根节点上工序的加工时间，然后判断子节点工序的开工时间是否早于其父节点上的工序的新的完工时间，如果不早于父节点的完工时间，则子节点工序的加工时间不需向后移动；如果早于父节点的完工时间，那么子节点上的工序的加工时间需要后移，将一层的节点上的工序的加工时间全都比较并调整后，再对下一层节点进行比较，直到所有节点全都调整完毕或者某层的工序加工时间全都不需调整；

将调整后调度方案中各零件的预计完工时间与其最晚完工时间比较，如果有零件的预计完工时间超出其最晚完工时间，则说明该调度方案不满足后续装配计划，需要根据调度窗口内的工件数量决定采取局部重调度或者完全重调度生成新的调度方案；如果没超出，则该调度满足装配计划，那么车间将按该调度方案进行生产；

S34、计算紧急插入零件的总加工时间T₁，以及紧急插单事件发生时刻后到紧急插入零件的最晚完工时间之前，原调度方案中紧急插入零件加工使用机器的总空闲时间T₂：

其中，n^u代表紧急插入零件的工序数，t_(n+1)j代表紧急插入零件n+1的工序j的加工时间，tm_h代表原调度方案中紧急插入零件使用的机器h的空闲时间，m代表紧急插入零件各工序加工使用的机器数；

如果T₂≥T₁，则采取前向调度将紧急插入零件的加工任务安排在机器的空闲时间加工，否则，直接跳转S36；

S35、执行前向调度，执行完前向调度后，将新任务的预计完工时间E_n+1与其最晚完工时间tl_n+1进行比较，如果E_n+1≤tl_n+1，说明前向调度结果满足后续装配计划的需求；否则，说明调度结果不满足后续装配计划的需求，需要通过局部重调度进行调整；

S36、收集机器在重调度时刻的正在加工、故障以及空闲状态和各机器的最早可用时间；收集零件的所有工序完工、部分工序完工、未开始加工的状态和各零件的最早可加工时间；然后根据收集到的信息进行车间局部重调度；

S37、完全重调度方案实施时，正在加工的零件仍旧留在调度窗口内，然后通过零件加工优先级函数p_k挑选零件进行加工：

其中，n_i为零件i的加工工序数，t_kj为零件i的工序j的加工时间，d_l为进装点l的时间，θ为进装点差值的重要度系数，z_i为零件i的库存量，λ为库存量系数，p_i越小代表零件i的加工优先级越高，相同进装点的零件优先级相同取其中最高的；

假如在进装点l装配的零件集合J_l包含正在加工但是还有工序未完成的零件，那么该进装点零件集合的加工优先级最高，此时P_l为0；

收集调度窗口内的零件和机器在完全重调度时刻的初始信息，在得到所需的调度信息后，重新分配调度窗口内工序的加工顺序，得到新的重调度方案。

Images