CN112257922B - 一种柔性作业车间调度优化方法 - Google Patents
一种柔性作业车间调度优化方法 Download PDFInfo
- Publication number
- CN112257922B CN112257922B CN202011131488.3A CN202011131488A CN112257922B CN 112257922 B CN112257922 B CN 112257922B CN 202011131488 A CN202011131488 A CN 202011131488A CN 112257922 B CN112257922 B CN 112257922B
- Authority
- CN
- China
- Prior art keywords
- machine
- individual
- workpiece
- processing
- scheduling
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 230000002431 foraging effect Effects 0.000 claims abstract description 5
- 238000003754 machining Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种柔性作业车间调度优化方法,包括以下步骤:步骤S1:获取各工件各工序在机器上的加工数据;步骤S2:根据预设约束,制定相应的优化目标;步骤S3:通过机器编码方式对调度安排进行编码;步骤S4:获取各编码的加工清单;步骤S5:采用优化觅食算法对调度安排进行优化;步骤S6:根据步骤S5得到的优化方案,进一步获取最佳调度安排。本发明能够快速有效的获得较优的调度方案,提高车间生产效率。
Description
技术领域
本发明涉及柔性作业车间调度领域,具体涉及一种柔性作业车间调度优化方法。
背景技术
柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem,FJSP)是在传统作业车间调度的基础上进行扩展,柔性加工由于其设备选择和加工时间更加灵活,机器利用率显著提升等优势,在制造行业被广泛应用。在柔性作业车间调度问题中,一个工序可能不只局限在一台机器上,而是可以从多台机器中选择加工机器。解决此类问题不仅要考虑为每一道工序安排合适的机器,还要考虑在每台机器上加工的工序顺序,是更加困难的NP-hard问题。
发明内容
有鉴于此,本发明的目的在于提供一种柔性作业车间调度优化方法,能够快速有效的获得较优的调度方案,提高车间生产效率。
为实现上述目的,本发明采用如下技术方案:
一种柔性作业车间调度优化方法,包括以下步骤:
步骤S1:获取不同工件、不同工序在对应机器上的加工数据;
步骤S2:根据预设约束,制定相应的优化目标;
步骤S3:通过机器编码方式对调度安排进行编码;
步骤S4:获取编码的加工清单;
步骤S5:采用优化觅食算法对调度安排进行优化;
步骤S6:根据步骤S5得到的优化结果,进一步获取最佳调度安排。
进一步的,所述优化目标包括最大完工时间、最小化机器总负荷、最小化加工成本,具体函数如下:
1)最小化最大完工时间
Cmax=main(max(Ci)),i=1,2,...,n (1)
其中Ci为工件Ji的完工时间。
2)最小化机器总负荷
其中Wijk表示工序是否在第k台机器上加工,并且有:
3)最小化加工成本
其中Cok表示机器Mk单位时间的加工费用。
进一步的,所述步骤S3具体为:将n个待加工的工件按任意顺序排列为[J1,...,Ji,...,Jn],工件Ji的工序数为li,从各工件各工序可选机器集Mij上选择一台机器作为该工序加工机器,构成了一条长度为的机器编码
进一步的,所述步骤S4具体为:
步骤S41:初始时刻,各工件首道工序加工状态设置为0,表示该道工序当前时刻是可加工的;各工件其他工序加工状态设置为-1,表示该道工序当前时刻是不可加工的;
步骤S42:当某道工序加工完毕时,相应的更新开始加工时刻和结束加工时刻;并将该工序状态设置为1,表示当前工序加工完毕;同时,该工件下一道工序状态更新为0,表示下一道工序允许加工;
步骤S43:按照这种方式完成机器编码
进一步的,所述步骤S5具体为:
步骤S52:对于每个个体xa都将招募一个更优的个体xb执行如下操作,从而获得相应的候选个体
x′aj=xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2 (5)
式中:k是收缩因子,r1,r2是两个(0,1)上的随机数;
步骤S53:通过下列公式将式(5)的计算结果转化为一个整数,表示选用该工序可选机器集中的第几台机器
x′aj=mod([x′aj],len(Mij)) (6)
其中,Mij表示工件Ji在第j道工序上的可选机器集;len(Mij)表示该机器集中包含的机器个数;[*]表示取整函数;mod(*)表示取余函数。这样就将非整数转化为符合要求的一个整数。因此,候选解xa′=[x′a1,x′a2,...,x′aL]也是一个可行解。
步骤S54:通过步骤S4,获得候选解xa′,加工清单,并计算候选解的适应度函数值fa′;
步骤S55:通过比较两个适应度函数值fa,fa′来判断候选个体是否是更优的个体,如果是,则保留该个体作为下一次迭代的种群中的个体;反之,使用原来的个体作为下一次迭代的种群中的个体。
步骤S56:不断更新种群直至满足迭代终止条件,输出优化后的种群和相应的加工清单。
进一步的,所述步骤S6具体为:
1)对于单目标问题
最佳调度安排即为适应度值最好的解;
2)对于多目标问题
假设有H个待优化目标,分别给每个目标赋予权重wh,利用线性加权和法将多目标转化为单目标问题,转化的单目标表示为:
本发明与现有技术相比具有以下有益效果:
本发明能够快速有效的获得较优的调度方案,提高车间生产效率。
附图说明
图1为本发明方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种柔性作业车间调度优化方法,包括以下步骤:
1.获取各工件各工序在机器上的加工数据
表1:
表1中:
Oij:工件Ji的第j道工序;
Tijk:工件Ji的第j道工序在机器Mk上的加工时间;
其中,Tijk为正实数表示该工序能在机器Mk上加工,Tijk不存在表示该工序不能在机器Mk上加工。则工序Oij可选机器集Mij为Tijk存在的机器Mk的集合。
2.制定优化目标
在实际生产中,柔性作业车间的优化目标有很多:最大完工时间、机器总负荷、机器最大负荷、加工成本、加工能耗、提前与拖期惩罚等。
在本实施例中,优选的优化的目标函数如下:
1)最小化最大完工时间
Cmax=min(max(Ci)),i=1,2,...,n (1)
其中Ci为工件Ji的完工时间。
2)最小化机器总负荷
其中Wijk表示工序是否在第k台机器上加工,并且有:
3)最小化加工成本
其中Cok表示第k台机器单位时间的加工费用。
3.机器编码方式
如表2所示,将n个待加工的工件按任意顺序排列为[J1,...,Ji,...,Jn],工件Ji的工序数为li,从各工件各工序可选机器集Mij上选择一台机器作为该工序加工机器,构成了一条长度为的机器编码:
表2:
表2中:
Ji:待加工工件i;
li:工件Ji的工序总数;
Oij:工件Ji的第j道工序,1≤j≤li;
Mijk:给工件Ji的第j道工序安排可选机器集Mij中的第k台加工机器。
4.获取编码的加工清单
如表3所示,使用一个时间计数器模拟生产过程。初始时刻,各工件首道工序加工状态设置为0,表示该道工序当前时刻是可加工的;各工件其他工序加工状态设置为-1,表示该道工序当前时刻是不可加工的;当某道工序加工完毕时,相应的更新开始加工时刻和结束加工时刻;并将该工序状态设置为1,表示当前工序加工完毕。同时,该工件下一道工序状态更新为0,表示下一道工序允许加工。按照这种方式完成机器编码的加工清单。
表3:
表3中:
Ji:待加工工件i;
li:工件Ji的工序总数;
Oij:工件Ji的第j道工序,1≤j≤li;
Mijk:给工件Ji的第j道工序安排可选机器集Mij中的第k台加工机器。
Tij:工件Ji的第j道工序在机器Mij上的加工时间;
tij:工件Ji的第j道工序开始加工时刻;
t′ij:工件Ji的第j道工序加工结束时刻;
5.采用优化觅食算法对调度安排进行优化
1)对于每个个体xa都将招募一个更优的个体xb执行如下操作,从而获得相应的候选个体。
x′aj=xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2
(5)
式中:k是收缩因子,r1,r2是两个(0,1)上的随机数。
2)通过下列公式将式(5)的计算结果转化为一个表示选用第几台机器的整数。
x′aj=mod([x′aj],len(Mij)) (6)
其中,Mij表示工件Ji在第j道工序上的可选机器集;len(Mij)表示该机器集中包含的机器个数;[*]表示取整函数;mod(*)表示取余函数。这样就将非整数转化为符合要求的一个整数。因此,候选解xa′=[x′a1,x′a2,...,x′aL]也是一个可行解。
3)根据候选解xa′,获得相应的加工清单(如表3所示),并计算候选解的适应度函数值fa′。
4)通过比较两个适应度函数值fa,fa′来判断候选个体是否是更优的个体,如果是,则保留该个体作为下一次迭代的种群中的个体;反之,使用原来的个体作为下一次迭代的种群中的个体。
5)通过上述方式不断更新种群直至满足迭代终止条件,输出优化后的种群和相应的加工清单。
6.选择最佳调度安排
1)对于单目标问题
最佳调度安排即为适应度值最好的解。
2)对于多目标问题
假设有H个待优化目标,分别给每个目标赋予权重wh,利用线性加权和法将多目标转化为单目标问题,转化的单目标表示为:
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (2)
1.一种柔性作业车间调度优化方法,其特征在于,包括以下步骤:
步骤S1:获取不同工件、不同工序在对应机器上的加工数据;
步骤S2:根据预设约束,制定相应的优化目标;
步骤S3:通过机器编码方式对调度安排进行编码;
步骤S4:获取编码的加工清单;
步骤S5:采用优化觅食算法对调度安排进行优化;
步骤S6:根据步骤S5得到的优化结果,进一步获取最佳调度安排;
所述优化目标包括最小化最大完工时间、最小化机器总负荷、最小化加工成本,具体函数如下:
1)最小化最大完工时间:
Cmax=min(max(Ci)),i=1,2,...,n (1)
其中Ci为工件Ji的完工时间;
2)最小化机器总负荷:
其中Wijk表示工序是否在第k台机器上加工,并且有:
3)最小化加工成本:
其中Cok表示机器Mk单位时间的加工费用;
所述步骤S3具体为:将n个待加工的工件按任意顺序排列为[J1,...,Ji,...,Jn],工件Ji的工序数为li,从各工件各工序可选机器集Mij上选择一台机器作为工序加工机器,构成一条长度为的机器编码:
所述步骤S4具体为:
步骤S41:初始时刻,各工件首道工序加工状态设置为0,表示该道工序当前时刻是可加工的;各工件其他工序加工状态设置为-1,表示该道工序当前时刻是不可加工的;
步骤S42:当某道工序加工完毕时,相应的更新开始加工时刻和结束加工时刻;并将该工序状态设置为1,表示当前工序加工完毕;同时,该工件下一道工序状态更新为0,表示下一道工序允许加工;
步骤S43:按照上述方式完成机器编码
所述步骤S5具体为:
步骤S52:对于每个个体xa都将招募一个更优的个体xb执行如下操作,从而获得相应的候选个体
x′aj=xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2 (5)
式中:k是收缩因子,r1,r2是两个(0,1)上的随机数;
步骤S53:通过下列公式将式(5)的计算结果转化为一个整数,表示选用该工序可选机器集中的第几台机器:
x′aj=mod([x′aj],len(Mij)) (6)
其中,Mij表示工件Ji在第j道工序上的可选机器集;len(Mij)表示该机器集中包含的机器个数;[*]表示取整函数;mod(*)表示取余函数;候选解xa′=[x′a1,x′a2,...,x′aL]是一个可行解;
步骤S54通过步骤S4,获得候选解xa′的加工清单,并计算候选解的适应度函数值fa′;
步骤S55:通过比较两个适应度函数值fa,fa′来判断候选个体是否是更优的个体,如果是,则保留该个体作为下一次迭代的种群中的个体;反之,使用原来的个体作为下一次迭代的种群中的个体;
步骤S56:不断更新种群直至满足迭代终止条件,输出优化后的种群和相应的加工清单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131488.3A CN112257922B (zh) | 2020-10-21 | 2020-10-21 | 一种柔性作业车间调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131488.3A CN112257922B (zh) | 2020-10-21 | 2020-10-21 | 一种柔性作业车间调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257922A CN112257922A (zh) | 2021-01-22 |
CN112257922B true CN112257922B (zh) | 2022-06-14 |
Family
ID=74263826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011131488.3A Expired - Fee Related CN112257922B (zh) | 2020-10-21 | 2020-10-21 | 一种柔性作业车间调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257922B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451888B (zh) * | 2022-10-21 | 2024-01-09 | 中国科学院沈阳自动化研究所 | 基于多agv的柔性生产车间协同调度的方法 |
CN117434905B (zh) * | 2023-12-07 | 2024-08-27 | 济南大学 | 基于双向耦合调度解码的作业车间调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329461A (zh) * | 2016-04-28 | 2017-11-07 | 中移(杭州)信息技术有限公司 | 一种流水线车间调度方法和装置 |
CN109507970A (zh) * | 2018-12-13 | 2019-03-22 | 合肥工业大学 | 基于粒子群算法的生产调度方法和装置 |
CN109886588A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼算法求解柔性作业车间调度的方法 |
CN110796355A (zh) * | 2019-10-22 | 2020-02-14 | 江苏金陵智造研究院有限公司 | 一种基于动态解码机制的柔性作业车间调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201114815D0 (en) * | 2011-08-26 | 2011-10-12 | Bae Systems Plc | Goal-based planning system |
-
2020
- 2020-10-21 CN CN202011131488.3A patent/CN112257922B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329461A (zh) * | 2016-04-28 | 2017-11-07 | 中移(杭州)信息技术有限公司 | 一种流水线车间调度方法和装置 |
CN109507970A (zh) * | 2018-12-13 | 2019-03-22 | 合肥工业大学 | 基于粒子群算法的生产调度方法和装置 |
CN109886588A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼算法求解柔性作业车间调度的方法 |
CN110796355A (zh) * | 2019-10-22 | 2020-02-14 | 江苏金陵智造研究院有限公司 | 一种基于动态解码机制的柔性作业车间调度方法 |
Non-Patent Citations (2)
Title |
---|
最佳觅食算法求解多目标混合流水车间调度问题;杜士卿等;《福州大学学报(自然科学版)》;20200508(第03期);全文 * |
柔性作业车间调度优化的改进遗传退火算法;何东东;《制造业自动化》;20190131;第41卷(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112257922A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112257922B (zh) | 一种柔性作业车间调度优化方法 | |
CN106875094A (zh) | 一种基于多色集合遗传算法的多目标车间调度方法 | |
CN111222642B (zh) | 基于改进小生境遗传算法的多目标柔性作业车间调度方法 | |
CN109946965B (zh) | 一种基于改进的多目标Jaya算法的离散制造车间排产方法 | |
CN107065803B (zh) | 基于可变重调度区间的柔性作业车间动态调度方法 | |
CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
CN110288126B (zh) | 一种机器人铸造生产线产能优化方法 | |
CN110414863A (zh) | 一种智能制造车间资源调度方法 | |
CN100595700C (zh) | 半导体制造系统的重调度决策系统 | |
CN107704985A (zh) | 一种动态策略的差分进化柔性车间优化调度方法 | |
CN115981262B (zh) | 基于imoea的液压缸零部件车间生产调度方法 | |
CN112990716B (zh) | 一种双资源约束柔性车间调度和布局集成优化方法及系统 | |
CN114881504B (zh) | 一种基于订单选择的电子精密件全自动柔性生产线调度方法 | |
CN109669423A (zh) | 基于改进多目标灰狼算法获得零件加工最优调度方案的方法 | |
CN114493337A (zh) | 基于改进粒子群遗传混合算法的柔性作业车间调度方法 | |
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 | |
CN117852825B (zh) | 基于深度学习的含中心资源柔性制造系统的无死锁调度方法 | |
CN109034540B (zh) | 一种基于在制品工序流的机床序列编排动态预测方法 | |
CN113408951B (zh) | 一种基于动态信息累计狮群最优柔性调度方法及系统 | |
CN114037251A (zh) | 一种基于Petri网的制造系统成本最小化资源配置方法 | |
CN113450013A (zh) | 基于改进nsga-ⅲ算法求解车间节能调度问题的方法 | |
CN112907152A (zh) | 多组同时完工工序综合调度的多功能设备预选矩阵方法 | |
CN112541694A (zh) | 一种考虑准备时间和工件分批的柔性作业车间调度方法 | |
CN115907399A (zh) | 一种面向电子产品的离散制造柔性生产的智能调度方法 | |
CN117077975A (zh) | 基于混合初始化模因算法的分布式异构流水车间调度方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220614 |