CN112435095A - 一种纸箱生产车间订单生产管理装置 - Google Patents
一种纸箱生产车间订单生产管理装置 Download PDFInfo
- Publication number
- CN112435095A CN112435095A CN202011353849.9A CN202011353849A CN112435095A CN 112435095 A CN112435095 A CN 112435095A CN 202011353849 A CN202011353849 A CN 202011353849A CN 112435095 A CN112435095 A CN 112435095A
- Authority
- CN
- China
- Prior art keywords
- order
- production
- machine
- time
- vector
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 claims abstract description 159
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 80
- 239000002245 particle Substances 0.000 claims description 50
- 238000009826 distribution Methods 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000003754 machining Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000012384 transportation and delivery Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 7
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种纸箱生产车间订单生产管理装置,由设置模块、获取模块、存储模块、建模模块、计算模块和输出模块组成。通过设置模块对基础参数文件进行设置,并存入存储模块;通过获取模块接收订单信息,并存入存储模块;接收生成指令后,通过建模模块读取订单数据和基础参数文件,根据相应算法形成数学模型;在计算模块中,调用优化算法,获取排产结果,并通过输出模块转发到各个生产机器和生产管理平台。通过本申请,解决了纸箱生产车间订单管理效率低、考虑不全面的问题,实现了订单管理处理的准确与高效。
Description
技术领域
本发明涉及一种纸箱生产车间订单管理装置,属于纸箱生产管理领域。
背景技术
纸箱生产过程中,存在着纸箱品种多、批量小、涉及工序多和自动化程度低,工序与工序之间衔接不够紧密等特点,订单在由工序之间的传递过程中,需要管理者对订单进行重新分配,这大大降低了生产效率。并且在这个过程中,管理者很难从整体生产过程中考虑全局最优,生产效益相对较低,这导致生产订单排产存在较大的优化空间。
随着网络购物的不断扩大,对于纸箱的需求越来越大,订单越来越多,特别是更加趋于小批量、多种类。这对于生产的管理提出了新的要求,不仅要对生产设备进行更新,加快生产速度,而且对于订单生产的合理规划也提出了更高的要求。
发明内容
为了克服目前纸箱生产车间订单生产管理的不足,本发明提供了一种纸箱生产车间订单生产管理装置,在满足生产机器生产能力和订单生产要求的约束条件下,达到批量订单生产时间总体最小的最优生产目标,从而提高总体的生产效率,降低生产成本,本发明提供了一种纸箱生产车间订单生产管理装置。
本发明解决其技术问题所采用的技术方案是:一种纸箱生产车间订单生产管理装置,所述装置在接到订单信息后,根据各工序设备具体情况的预先设定以及订单的工艺要求、数量和交期等数据进行建模,并计算出最小化最大生产时间的最优订单排序,并将结果发送各个生产机器,进行生产;它主要由设置模块、获取模块、存储模块、建模模块、计算模块和输出模块等组成。其中,
设置模块:设置基础参数,包括增减生产机器和生产机器参数设置。当车间增加或减少生产机器时,增加或删除生产机器的类型、所属工序、编号、纸箱型号相应车速等信息。
获取模块:接收订单信息、相应订单原材料库存信息和车间内各生产机器的生产情况实时信息。
建模模块:根据获取模块获取的信息和设置模块设置的信息构建订单排产模型。
计算模块:应用混合粒子群算法对订单排产模型进行求解。
存储模块:存储设置模块设置的信息、获取模块获取的信息以及计算模块求解的信息。
输出模块:将计算模块求解的信息通过提取,形成管理信息和生产机器信息,分别发送到管理部门和相应生产机器。
进一步地,建模模块中,所述根据获取模块获取的信息和设置模块设置的信息构建订单排产的模型通过以下步骤实现:
(2.1)根据订单信息,确定原料充足的可排产订单,以实际生产需要确定需要排产的订单,进行重新编号{J1,J2,…,Jn},J为订单标识,n为当次排产订单数量;
(2.2)根据订单中工艺流程提取订单的工序,以及工序涉及的生产机器。并根据订单中产品尺寸的大小和订单数量,提取相应生产机器的车速和准备时间,计算相应订单在相应生产机器生产所需时间ti,j,k,ti,j,k为第i个订单在第j道工序第k个机器上加工所用的时间;
(2.3)根据工艺流程提取订单生产机器的信息,形成机器分配向量{M1,1,M1,2,...,Mi,j}表示第i个订单的第j道工序的生产机器编号。生成所有排产订单的工序向量{O1,1,O1,2,...,Oi,j}表示第i个订单的第j道工序;
(2.4)根据设置模块设置的基础参数和步骤(2.1)、(2.2)计算信息,生成模型的约束条件和目标函数提取出模型需要的数据。得到所需模型,数学模型的描述如下:
s.t. Si,1≥0, i=1,2,...,n
Ci,j≤Si,j+1, i=1,2,...,n;j=1,2,...,ni-1
其中符号说明如下:
i代表订单数量;
j代表工序数;
k代表生产机器数;
r代表一台生产机器上的相应工序数;
Si,j代表工序Oi,j加工开始时间;
Ci,j代表工序Oi,j加工结束时间;
xi,j,k代表订单Ji在Oi,j工序的Mk机器上加工;
yi,j,k,r代表订单Ji在Oi,j工序的Mk机器上的第r工序加工;
qk代表机器Mk上加工的工序数;
L是正的常数。
第一个约束式子为对任意订单Ji,加工准备时间从零时刻开始,起开始时间大于等于零,部分纸箱生产设备生产前需要调试,调试好后立刻可以开始加工。第二个约束式子表明生产工序开始时间和结束时间之间的关系。第三个约束式子表明只有相应工序Oi,j完工后,下一道工序Oi,j+1才会开始加工。第四个约束式子和第五个约束式子表明对任意一个工序Oi,j,它只能被一台机器加工,这需要纸箱订单数量设置不可过大。第六个约束式子表明只有一台机器Mk上的第r道工序加工完成后,其上的第r+1道工序才会开始加工。第七个约束式子和第八个约束式子表明Si,j和之间的关系,当且仅当Oi,j是机器Mk上第r个加工的工序时,
进一步地,计算模块中,所述应用混合粒子群算法对订单排产模型进行求解通过以下步骤来实现:
(3.1)初始化算法参数,由工序序列向量和机器分配向量共同表示一个粒子i,初始化工序序列向量和机器分配向量。粒子群规模大小为N1,PSO算法所要求的最大的迭代参数为T1,惯性的权重w,相应的加速度常数c1和c2,判断停滞的参数E,禁忌搜索算法迭代的最大次数是T2,候选集大小N2,禁忌长度L;
(3.2)令PSO算法的迭代计数t1等于零0,停滞e等于0,根据设置参数和工艺流程随机初始化N1个粒子的机器分配向量,根据步骤(3.5)得到工序序列向量;
(3.5)令t=t+1,根据式对粒子进行移动;其中c1,c2代表加速因子,r1,r2是0-1之间的随机数,t为当期迭代数,操作表示以概率a和向量b进行交叉,pi 0和pg 0为两个随机初始的符合工序生产的机器分配向量。即通过设置与机器分配向量一样长度的决策向量,向量元素取值为0或1,以一定概率对原有机器分配向量进行交叉操作,然后按照工序靠前优先和操作时长较长优先的原则,对相应生产机器的订单生产顺序进行排列,进而得到工序序列向量;
(3.6)评价粒子i的适应度fiti,i=1,2,…,N;
(3.7)更新pbest:对每个粒子i,对fiti和pbesti进行比较,如果fiti>pbesti,就让pbesti=fiti,否则保持pbesti不变;
(3.9).如果e≥E,就进行禁忌搜索算法,用gbest对应的粒子作为禁忌搜索算法的初始解,用搜索结果替换该粒子,更新该粒子对应的pbest,并对gbest进行更新,让e=0,从剩下的N1-1个粒子中随机抽取70%的粒子,然后随机初始化。否则转至步骤(3.10);
(3.10)如果t<T1,就回到步骤(3.5),否则结束。
进一步地,所述步骤(3.3)包括一下子步骤:
(3.3.2)确定当前处理工序:令index=index+1,取工序序列向量中第index个元素Oi,j为当前处理的工序,根据生产机器的分配向量确定当前的生产机器Mk;
(3.3.3)确定工序Oi,j的开始时间和完成时间:工序Oi,j只能在同一订单的前一道工序和同一订单的前一生产机器均完成后执行。故操作的Oi,j开始时间和结束时间分别为Si,j=max(sji,smk),Ci,j=Si,j+ti,j,k;
(3.3.4)更新sji和smk:确定Oi,j的开始和结束时间,更新订单Ji的可操作时间和机器Mk的可使用时间,令sji=Ci,j,smk=Ci,j;
进一步地,所述步骤(3.5)包括以下子步骤:
(3.5.1)按照工序J较小优先,生产耗时较长优先的原则,生产机器的生产顺序进行排列;
(3.5.2)初始化两个向量pv和mv分别对订单所在工序和生产机器生产序列进行标识,长度与工序序列向量相等,初始状态下,向量pv表示Oi,1(i=1,2,...,n)所在的位置为1,其余为0。mv为各生产机器上第一个执行的订单的位置为1,其余为0;
(3.5.3)随机选取一个pv和mv都是1的工序Oi,j,有机器分配向量确定执行它的生产机器Mk;
(3.5.4)更新工序Oi,j的开始时间、结束时间、和机器Mk的时间集,订单的可执行时间和订单的可执行时间;更新pv向量,令工序Oi,j+1对应元素为1,Mk生产机器上工序Oi,j下一道工序元素的位置设为1:
(3.5.5)重复(3.5.3)-(3.5.4),直到所有操作被计算出来:最后根据开始时间确定工序序列向量。
本发明的有益效果是,本发明通过设置模块对基础参数文件进行设置,并存入存储模块;通过获取模块接收订单信息,并存入存储模块;接收生成指令后,通过建模模块读取订单数据和基础参数文件,根据相应算法形成数学模型;在计算模块中,调用优化算法,获取排产结果,并通过输出模块转发到各个生产机器和生产管理平台。通过本申请,解决了纸箱生产车间订单管理效率低、考虑不全面的问题,实现了订单管理处理的准确与高效。
附图说明
图1是本发明装置结构图;
图2是本发明计算模块的算法流程图。
具体实施方式
下面根据附图1具体说明本发明装置为一种纸箱生产车间订单生产管理装置。
下面结合实例对本发明作进一步详细说明,但本发明的实施方式不限于此实施例。
以下结合具体实施例对本发明的实现进行详细的描述。
纸箱生产车间为柔性流水车间,纸箱生产过程依次包括瓦楞纸箱生产线、装裱、模切、钉箱、粘箱和打包,其中钉箱和粘箱为同一工序。同一机器同一时间只能加工一道工序,各订单之间加工先后顺序不固定。每一个订单根据其相应工艺要求不同确定生产工序。
如图1所示了本发明提供的一种纸箱生产车间订单生产管理装置,具体模块组成如下:
设置模块1,设置基础参数,包括增减生产机器和生产机器参数设置。当车间增加或减少生产机器时,增加或删除生产机器的类型、所属工序、编号、纸箱型号相应车速等信息;
获取模块2,接收订单信息、相应订单原材料库存信息和车间内各生产机器的生产情况实时信息;
订单信息如下所列:
订单编号 | 工艺流程 | 面积 | 数量 |
建模模块3,根据订单信息和设置模块设置的数据,构建订单排产的模型;
计算模块4,应用混合粒子群算法对订单排产模型进行求解;
存储模块5,将设置模块、获取模块以及计算模块所得结果存入存储模块,以备使用和查询;
输出模块6,将计算结果通过提取,形成总体信息和生产机器信息,分别发送到管理部门和相应生产机器。
进一步对于设置模块1,其设置内容具体如下:
机器集:{M1,M2,…,Mm},与所属工序对应,以及相应机器在相应纸箱尺寸的车速。
根据经验对各个机器设置相应初始时间。例如:
工序集:{Oi,1,Oi,2,…,Oi,n},表示第i个订单的工序,同一工艺的订单,工序已经确定。
例如:
其中所述的建模模块3,包括生产机器确定处理、生产机器信息提取处理、约束条件确定、目标函数确定。其实现步骤包括:
(2.1)根据订单信息,确定原料充足的可排产订单,以实际生产需要确定需要排产的订单,进行重新编号{J1,J2,…,Jn},J为订单标识,n为当次排产订单数量;
(2.2)根据订单中工艺流程提取订单的工序,以及工序涉及的生产机器。并根据订单中产品尺寸的大小和订单数量,提取相应生产机器的车速和准备时间,计算相应订单在相应生产机器生产所需时间ti,j,k,ti,j,k为第i个订单在第j道工序第k个机器上加工所用的时间;
(2.3)根据工艺流程提取订单生产机器的信息,形成机器分配向量{M1,1,M1,2,...,Mi,j}表示第i个订单的第j道工序的生产机器编号。生成所有排产订单的工序向量{O1,1,O1,2,...,Oi,j}表示第i个订单的第j道工序;
(2.4)根据预设参数和(2.1)、(2.2)计算信息,生成模型的约束条件和目标函数提取出模型需要的数据。得到所需模型,数学模型的描述如下:
s.t. Si,1≥0, i=1,2,...,n
Ci,j≤Si,j+1, i=1,2,...,n;j=1,2,...,ni-1
其中符号说明如下:
i代表订单数量;
j代表工序数;
k代表生产机器数;
r代表一台生产机器上的相应工序数;
Si,j代表工序Oi,j加工开始时间;
Ci,j代表工序Oi,j加工结束时间;
xi,j,k代表订单Ji在Oi,j工序的Mk机器上加工;
yi,j,k,r代表订单Ji在Oi,j工序的Mk机器上的第r工序加工;
qk表示机器Mk上加工的工序数;
L是正的常数。
第一个约束式子为对任意订单Ji,加工准备时间从零时刻开始,起开始时间大于等于零,部分纸箱生产设备生产前需要调试,调试好后立刻可以开始加工。第二个约束式子表明生产工序开始时间和结束时间之间的关系。第三个约束式子表明只有相应工序Oi,j完工后,下一道工序Oi,j+1才会开始加工。第四个约束式子和第五个约束式子表明对任意一个工序Oi,j,它只能被一台机器加工,这需要纸箱订单数量设置不可过大。第六个约束式子表明只有一台机器Mk上的第r道工序加工完成后,其上的第r+1道工序才会开始加工。第七个约束式子和第八个约束式子表明Si,j和之间的关系,当且仅当Oi,j是机器Mk上第r个加工的工序时,
所述的计算模块4,其特征为对粒子群算法进行改进,实现了混合粒子群算法;同时,向算法中加入了禁忌搜索环节,以避免局部最优,提高算法效率,从而最终实现了混合粒子群算法。流程图如图2所示,步骤如下:
(3.1)初始化算法参数,由工序序列向量和机器分配向量共同表示一个粒子i,初始化工序序列向量和机器分配向量。粒子群规模大小为N1,PSO算法所要求的最大的迭代参数为T1,惯性的权重w,相应的加速度常数c1和c2,判断停滞的参数E,禁忌搜索算法迭代的最大次数是T2,候选集大小N2,禁忌长度L;
(3.2)令PSO算法的迭代计数t1等于零0,停滞e等于0,根据设置参数和工艺流程随机初始化N1个粒子的机器分配向量,根据步骤(3.5)得到工序序列向量;
(3.5)令t=t+1,根据式对粒子进行移动;其中c1,c2代表加速因子,r1,r2是0-1之间的随机数,t为当期迭代数,操作表示以概率a和向量b进行交叉,pi 0和pg 0为两个随机初始的符合工序生产的机器分配向量。即通过设置与机器分配向量一样长度的决策向量,向量元素取值为0或1,以一定概率对原有机器分配向量进行交叉操作,然后按照工序靠前优先和操作时长较长优先的原则,对相应生产机器的订单生产顺序进行排列,进而得到工序序列向量;
(3.6)评价粒子i的适应度fiti,i=1,2,…,N;
(3.7)更新pbest:对每个粒子i,对fiti和pbesti进行比较,如果fiti>pbesti,就让pbesti=fiti,否则保持pbesti不变;
(3.9).如果e≥E,就进行禁忌搜索算法,用gbest对应的粒子作为禁忌搜索算法的初始解,用搜索结果替换该粒子,更新该粒子对应的pbest,并对gbest进行更新,让e=0,从剩下的N1-1个粒子中随机抽取70%的粒子,然后随机初始化。否则转至步骤(3.10);
(3.10)如果t<T1,就回到步骤(3.5),否则结束。
针对于步骤(3.3)所述,要求出适应度fit,具体步骤如下:
(3.3.2)确定当前处理工序:令index=index+1,取工序序列向量中第index个元素Oi,j为当前处理的工序,根据生产机器的分配向量确定当前的生产机器Mk;
(3.3.3)确定工序Oi,j的开始时间和完成时间:工序Oi,j只能在同一订单的前一道工序和同一订单的前一生产机器均完成后执行。故操作的Oi,j开始时间和结束时间分别为Si,j=max(sji,smk),Ci,j=Si,j+ti,j,k;
(3.3.4)更新sji和smk:确定Oi,j的开始和结束时间,更新订单Ji的可操作时间和机器Mk的可使用时间,令sji=Ci,j,smk=Ci,j;
其中针对于步骤(3.5)所述,由机器分配向量求得工序序列向量,具体步骤如下:
(3.5.1)按照工序J较小优先,生产耗时较长优先的原则,生产机器的生产顺序进行排列;
(3.5.2)初始化两个向量pv和mv分别对订单所在工序和生产机器生产序列进行标识,长度与工序序列向量相等,初始状态下,向量pv表示Oi,1(i=1,2,...,n)所在的位置为1,其余为0。mv为各生产机器上第一个执行的订单的位置为1,其余为0;
(3.5.3)随机选取一个pv和mv都是1的工序Oi,j,有机器分配向量确定执行它的生产机器Mk;
(3.5.4)更新工序Oi,j的开始时间、结束时间、和机器Mk的时间集,订单的可执行时间和订单的可执行时间;更新pv向量,令工序Oi,j+1对应元素为1,Mk生产机器上工序Oi,j下一道工序的元素位置设为1;
(3.5.5)重复(3.5.3)-(3.5.4)步,直到所有操作被计算出来:最后根据开始时间确定工序序列向量。
以上步骤结束后,管理部门获得生产订单排产结果,形成相应的甘特图,各个生产机器获得相应生产机器订单生产顺序。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。
Claims (5)
1.一种纸箱生产车间订单生产管理装置,所述装置在接到订单信息后,根据各工序设备具体情况的预先设定以及订单的工艺要求、数量和交期等数据进行建模,并计算出最小化最大生产时间的最优订单排序,并将结果发送各个生产机器,进行生产。其特征在于:它主要由设置模块、获取模块、存储模块、建模模块、计算模块和输出模块等组成。其中,
设置模块:设置基础参数,包括增减生产机器和生产机器参数设置。当车间增加或减少生产机器时,增加或删除生产机器的类型、所属工序、编号、纸箱型号相应车速等信息。
获取模块:接收订单信息、相应订单原材料库存信息和车间内各生产机器的生产情况实时信息。
建模模块:根据获取模块获取的信息和设置模块设置的信息构建订单排产模型。
计算模块:应用混合粒子群算法对订单排产模型进行求解。
存储模块:存储设置模块设置的信息、获取模块获取的信息以及计算模块求解的信息。
输出模块:将计算模块求解的信息通过提取,形成管理信息和生产机器信息,分别发送到管理部门和相应生产机器。
2.根据权利要求1所述的一种纸箱生产车间订单生产管理装置,其特征在于,建模模块中,所述根据获取模块获取的信息和设置模块设置的信息构建订单排产的模型通过以下步骤实现:
(2.1)根据订单信息,确定原料充足的可排产订单,以实际生产需要确定需要排产的订单,进行重新编号{J1,J2,…,Jn},J为订单标识,n为当次排产订单数量;
(2.2)根据订单中工艺流程提取订单的工序,以及工序涉及的生产机器。并根据订单中产品尺寸的大小和订单数量,提取相应生产机器的车速和准备时间,计算相应订单在相应生产机器生产所需时间ti,j,k,ti,j,k为第i个订单在第j道工序第k个机器上加工所用的时间;
(2.3)根据工艺流程提取订单生产机器的信息,形成机器分配向量{M1,1,M1,2,...,Mi,j}表示第i个订单的第j道工序的生产机器编号。生成所有排产订单的工序向量{O1,1,O1,2,...,Oi,j}表示第i个订单的第j道工序;
(2.4)根据设置模块设置的基础参数和步骤(2.1)、(2.2)计算信息,生成模型的约束条件和目标函数提取出模型需要的数据。得到所需模型,数学模型的描述如下:
s.t. Si,1≥0, i=1,2,...,n
Ci,j≤Si,j+1, i=1,2,...,n;j=1,2,...,ni-1
其中符号说明如下:
i代表订单数量;
j代表工序数;
k代表生产机器数;
r代表一台生产机器上的相应工序数;
Si,j代表工序Oi,j加工开始时间;
Ci,j代表工序Oi,j加工结束时间;
xi,j,k代表订单Ji在Oi,j工序的Mk机器上加工;
yi,j,k,r代表订单Ji在Oi,j工序的Mk机器上的第r工序加工;
qk代表机器Mk上加工的工序数;
L是正的常数。
3.根据权利要求1所述的所述一种纸箱生产车间订单生产管理装置,其特征在于,计算模块中,所述应用混合粒子群算法对订单排产模型进行求解通过以下步骤来实现:
(3.1)初始化算法参数,由工序序列向量和机器分配向量共同表示一个粒子i,初始化工序序列向量和机器分配向量。粒子群规模大小为N1,PSO算法所要求的最大的迭代参数为T1,惯性的权重w,相应的加速度常数c1和c2,判断停滞的参数E,禁忌搜索算法迭代的最大次数是T2,候选集大小N2,禁忌长度L;
(3.2)令PSO算法的迭代计数t1等于零0,停滞e等于0,根据设置参数和工艺流程随机初始化N1个粒子的机器分配向量,根据步骤(3.5)得到工序序列向量;
(3.5)令t=t+1,根据式对粒子进行移动;其中c1,c2代表加速因子,r1,r2是0-1之间的随机数,t为当期迭代数,操作表示以概率a和向量b进行交叉,pi 0和pg 0为两个随机初始的符合工序生产的机器分配向量。即通过设置与机器分配向量一样长度的决策向量,向量元素取值为0或1,以一定概率对原有机器分配向量进行交叉操作,然后按照工序靠前优先和操作时长较长优先的原则,对相应生产机器的订单生产顺序进行排列,进而得到工序序列向量;
(3.6)评价粒子i的适应度fiti,i=1,2,…,N;
(3.7)更新pbest:对每个粒子i,对fiti和pbesti进行比较,如果fiti>pbesti,就让pbesti=fiti,否则保持pbesti不变;
(3.9).如果e≥E,就进行禁忌搜索算法,用gbest对应的粒子作为禁忌搜索算法的初始解,用搜索结果替换该粒子,更新该粒子对应的pbest,并对gbest进行更新,让e=0,从剩下的N1-1个粒子中随机抽取70%的粒子,然后随机初始化。否则转至步骤(3.10);
(3.10)如果t<T1,就回到步骤(3.5),否则结束。
4.根据权利要求3所述的一种纸箱生产车间订单生产管理装置,所述步骤(3.3)包括一下子步骤:
(3.3.2)确定当前处理工序:令index=index+1,取工序序列向量中第index个元素Oi,j为当前处理的工序,根据生产机器的分配向量确定当前的生产机器Mk;
(3.3.3)确定工序Oi,j的开始时间和完成时间:工序Oi,j只能在同一订单的前一道工序和同一订单的前一生产机器均完成后执行。故操作的Oi,j开始时间和结束时间分别为Si,j=max(sji,smk),Ci,j=Si,j+ti,j,k;
(3.3.4)更新sji和smk:确定Oi,j的开始和结束时间,更新订单Ji的可操作时间和机器Mk的可使用时间,令sji=Ci,j,smk=Ci,j;
5.根据权利要求3所述的所述一种纸箱生产车间订单生产管理装置,所述步骤(3.5)包括以下子步骤:
(3.5.1)按照工序J较小优先,生产耗时较长优先的原则,生产机器的生产顺序进行排列;
(3.5.2)初始化两个向量pv和mv分别对订单所在工序和生产机器生产序列进行标识,长度与工序序列向量相等,初始状态下,向量pv表示Oi,1(i=1,2,...,n)所在的位置为1,其余为0。mv为各生产机器上第一个执行的订单的位置为1,其余为0;
(3.5.3)随机选取一个pv和mv都是1的工序Oi,j,有机器分配向量确定执行它的生产机器Mk;
(3.5.4)更新工序Oi,j的开始时间、结束时间、和机器Mk的时间集,订单的可执行时间和订单的可执行时间;更新pv向量,令工序Oi,j+1对应元素为1,Mk生产机器上工序Oi,j下一道工序元素的位置设为1:
(3.5.5)重复(3.5.3)-(3.5.4),直到所有操作被计算出来:最后根据开始时间确定工序序列向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353849.9A CN112435095A (zh) | 2020-11-26 | 2020-11-26 | 一种纸箱生产车间订单生产管理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353849.9A CN112435095A (zh) | 2020-11-26 | 2020-11-26 | 一种纸箱生产车间订单生产管理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112435095A true CN112435095A (zh) | 2021-03-02 |
Family
ID=74697847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353849.9A Pending CN112435095A (zh) | 2020-11-26 | 2020-11-26 | 一种纸箱生产车间订单生产管理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435095A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112145A (zh) * | 2021-04-08 | 2021-07-13 | 清华大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113221390A (zh) * | 2021-06-24 | 2021-08-06 | 北京京东方技术开发有限公司 | 一种排产模型的训练方法和装置 |
CN116088451A (zh) * | 2023-02-15 | 2023-05-09 | 陕西西微测控工程有限公司 | 一种采用模块集群方式实现板纸品种切换的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191176A1 (en) * | 2010-07-23 | 2013-07-25 | Abb Ag | Method and device for co-ordinating two consecutive production steps of a production process |
CN106611275A (zh) * | 2016-05-10 | 2017-05-03 | 四川用联信息技术有限公司 | 针对作业车间生产问题的排产算法 |
CN107292702A (zh) * | 2017-05-26 | 2017-10-24 | 青岛海日高科模型有限公司 | 一种智能制造方法和系统 |
CN107578199A (zh) * | 2017-08-21 | 2018-01-12 | 南京航空航天大学 | 一种求解二维装载约束物流车辆调度问题的方法 |
CN109230142A (zh) * | 2018-10-22 | 2019-01-18 | 陕西科技大学 | 一种密集仓储系统复合作业的调度路径优化方法 |
CN109711745A (zh) * | 2019-01-02 | 2019-05-03 | 郑州航空工业管理学院 | 基于智能优化算法的双层式生产计划优化控制方法 |
CN109902794A (zh) * | 2019-01-31 | 2019-06-18 | 南京航空航天大学 | 一种面向离散制造车间的三维射频识别网络布局优化方法 |
-
2020
- 2020-11-26 CN CN202011353849.9A patent/CN112435095A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130191176A1 (en) * | 2010-07-23 | 2013-07-25 | Abb Ag | Method and device for co-ordinating two consecutive production steps of a production process |
CN106611275A (zh) * | 2016-05-10 | 2017-05-03 | 四川用联信息技术有限公司 | 针对作业车间生产问题的排产算法 |
CN107292702A (zh) * | 2017-05-26 | 2017-10-24 | 青岛海日高科模型有限公司 | 一种智能制造方法和系统 |
CN107578199A (zh) * | 2017-08-21 | 2018-01-12 | 南京航空航天大学 | 一种求解二维装载约束物流车辆调度问题的方法 |
CN109230142A (zh) * | 2018-10-22 | 2019-01-18 | 陕西科技大学 | 一种密集仓储系统复合作业的调度路径优化方法 |
CN109711745A (zh) * | 2019-01-02 | 2019-05-03 | 郑州航空工业管理学院 | 基于智能优化算法的双层式生产计划优化控制方法 |
CN109902794A (zh) * | 2019-01-31 | 2019-06-18 | 南京航空航天大学 | 一种面向离散制造车间的三维射频识别网络布局优化方法 |
Non-Patent Citations (1)
Title |
---|
张新敏等: ""基于混合粒子群算法的多订单转换成本研究"", 《机械工程师》, no. 01 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112145A (zh) * | 2021-04-08 | 2021-07-13 | 清华大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113221390A (zh) * | 2021-06-24 | 2021-08-06 | 北京京东方技术开发有限公司 | 一种排产模型的训练方法和装置 |
CN116088451A (zh) * | 2023-02-15 | 2023-05-09 | 陕西西微测控工程有限公司 | 一种采用模块集群方式实现板纸品种切换的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435095A (zh) | 一种纸箱生产车间订单生产管理装置 | |
CN105427021A (zh) | 一种服装智能排产方法 | |
CN109598416A (zh) | 一种复材车间的动态排产系统及排产方法 | |
CN104636871B (zh) | 一种基于数据的单阶段多产品批处理的控制方法 | |
CN109492873A (zh) | 整车生产线的日排产方法、装置及智能终端 | |
CN112907057A (zh) | 基于改进mopso算法的生产调度优化方法及系统 | |
CN111144710A (zh) | 一种可持续性混合流水车间的构建和动态调度方法 | |
CN107817771A (zh) | 考虑关机重启策略的混合流水车间节能调度的建模方法 | |
Lee et al. | Simulation based multi-objective fab scheduling by using reinforcement learning | |
CN110941251A (zh) | 基于数字孪生体的生产控制方法、装置、设备及介质 | |
Hani et al. | Simulation based optimization of a train maintenance facility | |
CN109784570B (zh) | 基于信息物理融合系统的智慧车间柔性生产调度方法 | |
CN115185247A (zh) | 一种基于产品加工质量的机床运行状态预测与车间调度方法 | |
Mousavi et al. | Bi-objective scheduling for the re-entrant hybrid flow shop with learning effect and setup times | |
CN106384161A (zh) | 一种用于航天巡视计划区域划分的优化算法 | |
Ashayeri et al. | An aggregated optimization model for multi-head SMD placements | |
CN117010666B (zh) | 一种汽修工具生产工作站智能管理方法及系统 | |
Savsar | Effects of kanban withdrawal policies and other factors on the performance of JIT systems—a simulation study | |
CN106845729A (zh) | 一种基于灰色理论的电子产品机柜装配工时确定方法 | |
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 | |
CN113485278B (zh) | 优化两生产指标的柔性作业车间调度多目标分布估计方法 | |
CN114019922B (zh) | 一种基于粒子群退火算法的电子精密件柔性车间排程方法 | |
CN115456268A (zh) | 一种导向辊制造资源优化配置方法、装置、设备及介质 | |
CN111445079B (zh) | 一种应用于车间计划投产的多保真仿真优化方法及设备 | |
CN111597499B (zh) | 一种工业设备故障维修方案生成方法及系统 |
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 |