CN112859785A - 基于多目标优化算法的纸盆车间生产调度方法及调度系统 - Google Patents
基于多目标优化算法的纸盆车间生产调度方法及调度系统 Download PDFInfo
- Publication number
- CN112859785A CN112859785A CN202110066874.7A CN202110066874A CN112859785A CN 112859785 A CN112859785 A CN 112859785A CN 202110066874 A CN202110066874 A CN 202110066874A CN 112859785 A CN112859785 A CN 112859785A
- Authority
- CN
- China
- Prior art keywords
- production
- individual
- processing
- resource
- task
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000005265 energy consumption Methods 0.000 claims abstract description 22
- 238000010923 batch production Methods 0.000 claims abstract description 14
- 238000004134 energy conservation Methods 0.000 claims abstract description 7
- 238000003780 insertion Methods 0.000 claims description 9
- 230000037431 insertion Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000003754 machining Methods 0.000 claims description 3
- 102000020897 Formins Human genes 0.000 claims description 2
- 108091022623 Formins Proteins 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000002699 waste material Substances 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多目标优化算法的纸盆车间生产调度方法,其包括以下步骤:1)根据待调度生产任务的工艺参数和生产资源信息建立约束条件,并根据所述约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;2)根据所述约束条件进行加工资源选择;3)根据所述约束条件和所述加工资源选择进行批量划分;4)根据多目标优化算法、加工资源选择和批量划分对所述生产调度模型进行优化求解,得到纸盆车间排产方案。实现完工时间和生产能耗指标下的生产分批和调度优化,以达到减少调度人员工作量、提高生产效率、节约能源的目的,有效解决了纸盆车间多资源双目标批量生产调度问题。
Description
技术领域
本发明涉及生产调度技术领域,具体涉及一种基于多目标优化算法的纸盆车间生产调度方法及调度系统。
背景技术
电声企业的纸盆车间是一种柔性作业车间类型,其生产过程具有如下特征:(1)具有多品种和中小批量生产的特点;(2)不同类型的生产任务工艺路径不同;(3)车间内涉及模具、机器、操作人员三种加工资源,各生产任务的各道工序对各资源的需求不同;(4)同一道工序可能存在多个可选加工资源;(5)各加工资源的加工时间和加工能耗可能不同。
该类车间调度问题涉及分批、加工资源选择和生产排序,较为复杂。使用现有的技术进行纸盆车间生产调度,存在以下问题尚需改进:多数纸盆车间仍依靠调度人员的经验进行生产分批和调度,未能灵活考虑各道工序存在可用加工资源不同的情况,不利于生产效率的提高;未能综合考虑完工时间指标和节能目标,造成能源浪费。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于多目标优化算法的纸盆车间生产调度方法及调度系统。
为实现上述目的,本发明提供了如下技术方案:
一种基于多目标优化算法的纸盆车间生产调度方法,其包括以下步骤:
1)根据待调度生产任务的工艺参数和生产资源信息建立约束条件,并根据所述约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;
2)根据所述约束条件进行加工资源选择;
3)根据所述约束条件和所述加工资源选择进行批量划分;
4)根据多目标优化算法、步骤2)中的加工资源选择和步骤3)中的批量划分对所述生产调度模型进行优化求解,得到纸盆车间排产方案。
所述约束条件为:各生产任务有一定的数量需求,在各道工序可采用分批生产的策略组织加工;各生产任务所含工序需要按工艺顺序进行;各工序对资源的需求不同,按需求进行加工资源的选择;模具可以在需要的时候,从一台机器转移到另一台机器;对于需要多种资源配合的工序,在所涉及的加工资源均空闲的情况下才能开始加工;在同一加工资源上,当前的加工任务结束后才能开始下一任务的加工。
所述生产调度模型中包括完工时间最短目标以及节能目标,
完工时间最短目标:建立完工时间最短关系式min Cmax,
根据各生产任务的完工时间得到所有任务的完工时间,
Cmax=max{Ci|i=1,2,...,N},其中,i为第i个生产任务,N为生产任务个数,Ci为生产任务i的完工时间,Cmax为所有任务的完工时间;
节能目标:建立生产能耗最小关系式:min E,
根据各任务各道工序在加工机器上的任务分配情况,计算生产能耗,
其中,l为第l台机器,M为机器数,j为第j道工序,Oi为生产任务i所含工序数,pei,j,l为生产任务i的第j道工序在机器l上的单位时间加工能耗,uti,j,l为生产任务i的第j道工序在机器l上的单件加工时间,nmi,j,l为生产任务i的第j道工序分配到机器l上的加工批量;若生产任务i的第j道工序不需要配备机器,或者未分配到机器l上,则nmi,j,l=0。
步骤2)中加工资源选择步骤如下:
2.1)清空加工资源集RC和最早可用时间集TRC,设置集合内资源数nRC=0;
2.2)若生产任务i的第j道工序仅需要配备机器,则选出可用的机器,设置nRC为可用机器数,并将机器按机器的最早可用时间与单件加工时间之和的大小先后顺序排列,将机器编号依序纳入加工资源集RC,将机器最早可用时间依序纳入最早可用时间集TRC;
2.3)若生产任务i的第j道工序既需要配备机器还需配备模具,则选出可用的机器和可用的模具,取可用机器数和可用模具数的最小值作为nRC值,将机器按其最早可用时间与单件加工时间之和的大小先后顺序排列,将模具按其最早可用时间先后顺序排列,取前nRC台机器与前nRC个模具一一组成加工资源组合纳入RC,并取各组合里机器和模具的最早可用时间的最大值依序纳入最早可用时间集TRC;
2.4)若生产任务i的第j道工序不需要机器和模具,则选出可用的操作人员,设置nRC为可用人员数,并按人员的空闲时间与单件加工时间之和的大小先后顺序排列,将人员编号依序纳入加工资源集RC,将人员空闲时间依序纳入最早可用时间集TRC。
步骤3)中,
3.1)检查步骤2)所得的最早可用时间集TRC,对于集合中小于Ci的最早可用时间,将其设置为Ci;
3.2)对于RC中的每个资源r,根据
计算其分配的子批量,nmi为生产任务i的加工批量,nmi,j,r为生产任务i在第j道工序分配到资源r上的子批量,uti,j,r为生产任务i的第j道工序在资源r上的单件加工时间;
3.3)对于RC中的每个资源r,若存在划分所得批量nmi,j,r<0,则找到对应nmi,j,r值最小的资源,将该资源从RC中移除,并将该资源的最早可用时间从TRC中移除,返回步骤3.2)重新进行分批;否则,执行步骤3.4);
3.5)对于加工资源集RC中涉及的资源r,若nmi,j,r>0,则更新资源的可用时间为TRCr+nmi,j,r×uti,j,r;
3.6)更新生产任务i的完工时间Ci,即设置Ci=TRCr*+nmi,j,r*×uti,j,r*。
步骤4)中:
4.1)设置种群规模和最大迭代次数;
4.2)用基于工序的整数编码个体表示待调度生产任务的排序信息,初始化种群;
4.3)根据所述加工资源选择和所述批量划分对种群中的每个个体进行解码;
4.4)找到种群中的非支配解,组建非支配解集Pareto_best;
4.5)对种群中每个个体采用插入、互换操作产生新个体;
4.6)对步骤4.5)产生的新个体进行解码,执行选择操作,并更新非支配解集Pareto_best;
4.7)重复步骤4.5)至4.6)直到达到设定的最大迭代次数。
步骤4.3)中解码步骤如下:
4.3.1)设置h=1,对种群中个体h进行解码;
4.3.2)设置m=1,设置各资源从0时刻开始可用,设置Ci=0,i=1,2,...,N;
4.3.3)获取个体h上排在第m位加工的生产任务序号i、工序号j;
4.3.4)为生产任务i的第j道工序选择加工资源;
4.3.5)将生产任务i所含批量在第j道工序分配到各加工资源上进行分批生产;
4.3.6)设置m++,重复步骤4.3.3)~4.3.5)直至每个生产任务的所有工序均完成加工资源的选择和批量划分;
4.3.7)根据生产调度模型中的所有任务的完工时间和生产能耗计算个体h的完工时间和生产能耗目标值;
4.3.8)设置h++,重复步骤4.3.2)~4.3.7)直到种群中所有个体完成解码操作。
步骤4.5)中:
4.5.1)设置h=1,对种群中个体h执行插入、互换操作,所得的新个体记为个体h’;
4.5.3)获取个体h上排在第m1位加工的生产任务序号i1,获取个体h上排在第m2位加工的生产任务序号i2;
4.5.4)若i1=i2,则在个体h基础上,将第m2位任务插入到第m1位,得到新个体h’;
4.5.5)若i1≠i2,则在个体h基础上,将第m2位任务与第m1位任务互换,得到新个体h’;
4.5.6)设置h++,重复步骤4.5.2)~4.5.5)直到为种群中的所有个体产生一对一的新个体。
步骤4.6)中:
4.6.1)设置h=1;
4.6.2)对步骤4.5)新产生的个体h’进行解码;
4.6.3)若新个体h’被原个体h支配,则放弃新个体h’,保留原个体h,执行步骤4.6.10);
4.6.4)若新个体h’支配原个体h,则将种群中的个体h替换成新个体h’,并与Pareto_best中的非支配解一一比较,去除Pareto_best中被个体h支配的解,执行步骤4.6.10);
4.6.5)若新个体h’与原个体h非支配,则将新个体h’与Pareto_best中的非支配解一一比较,执行步骤4.6.6)~4.6.9);
4.6.6)若新个体h’支配Pareto_best中某个解,则去除Pareto_best中所有被新个体h’支配的解,并执行步骤4.6.7),否则,执行步骤4.6.8);
4.6.7)若原个体h不是非支配解,则将种群中的个体h替换成新个体h’并纳入Pareto_best,若原个体h是非支配解,则随机选择种群中的支配解替换成新个体h’并纳入Pareto_best,执行步骤4.6.10);
4.6.8)若新个体h’与Pareto_best中所有解均为非支配,执行步骤4.6.7);
4.6.9)新个体h’被Pareto_best中某个解支配,若原个体h是非支配解,则放弃新个体h’,否则将种群中的个体h替换成新个体h’;
4.6.10)设置h++,重复步骤4.6.2)~4.6.9)直到为新产生的所有个体完成选择操作。
一种基于上述基于多目标优化算法的纸盆车间生产调度方法的调度系统,其包括:
信息获取模块,用于获取纸盆车间的待调度生产任务、工艺参数和生产资源信息;
模型建立模块,用于根据信息获取模块获取的信息建立约束条件,并根据约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;
优化模块,用于根据所述多目标优化算法、加工资源选择和批量划分对生产调度模型进行优化求解;
输出模块,用于将优化模块所得非支配解作为纸盆车间排产方案输出。
本发明的有益效果:实现完工时间和生产能耗指标下的生产分批和调度优化,以达到减少调度人员工作量、提高生产效率、节约能源的目的,有效解决了纸盆车间多资源双目标批量生产调度问题。
附图说明
图1为优化所得非支配解集。
图2为调度甘特图。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种基于多目标优化算法的纸盆车间生产调度方法,其包括以下步骤:
1)根据待调度生产任务的工艺参数和生产资源信息建立约束条件,并根据所述约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型。
其中所述约束条件为:各生产任务有一定的数量需求(加工批量),在各道工序可采用分批生产的策略组织加工;各生产任务所含工序需要按工艺顺序进行;各工序对资源(模具、机器、操作人员)的需求不同,按需求进行加工资源的选择;模具可以在需要的时候,从一台机器转移到另一台机器;对于需要多种资源配合的工序,在所涉及的加工资源均空闲的情况下才能开始加工;在同一加工资源上,当前的加工任务结束后才能开始下一任务的加工;
建立完工时间最短(目标1)表达式为:
min Cmax
根据各生产任务的完工时间得到所有任务的完工时间,表达式如下:
Cmax=max{Ci|i=1,2,...,N}
其中,i为第i个生产任务,N为生产任务个数,Ci为生产任务i的完工时间,Cmax为所有任务的完工时间;
建立生产能耗最小(目标2)表达式为:
min E
根据各任务各道工序在加工机器上的任务分配情况,计算生产能耗,表达式如下:
其中,l为第l台机器,M为机器数,j为第j道工序,Oi为生产任务i所含工序数,pei,j,l为生产任务i的第j道工序在机器l上的单位时间加工能耗,uti,j,l为生产任务i的第j道工序在机器l上的单件加工时间,nmi,j,l为生产任务i的第j道工序分配到机器l上的加工批量;若生产任务i的第j道工序不需要配备机器,或者未分配到机器l上,则nmi,j,l=0。
2)根据所述约束条件进行加工资源选择;
其中加工资源选择步骤如下:
2.1)清空加工资源集RC和最早可用时间集TRC,设置集合内资源数nRC=0;
2.2)若生产任务i的第j道工序仅需要配备机器,则选出可用的机器,设置nRC为可用机器数,并将机器按机器的最早可用时间与单件加工时间之和的大小先后顺序排列,将机器编号依序纳入加工资源集RC,将机器最早可用时间依序纳入最早可用时间集TRC;
2.3)若生产任务i的第j道工序既需要配备机器还需配备模具,则选出可用的机器和可用的模具,取可用机器数和可用模具数的最小值作为nRC值,将机器按其最早可用时间与单件加工时间之和的大小先后顺序排列,将模具按其最早可用时间先后顺序排列,取前nRC台机器与前nRC个模具一一组成加工资源组合纳入RC,并取各组合里机器和模具的最早可用时间的最大值依序纳入最早可用时间集TRC;
2.4)若生产任务i的第j道工序不需要机器和模具,则选出可用的操作人员,设置nRC为可用人员数,并按人员的空闲时间与单件加工时间之和的大小先后顺序排列,将人员编号依序纳入加工资源集RC,将人员空闲时间依序纳入最早可用时间集TRC。
3)根据所述约束条件和所述加工资源选择进行批量划分;
3.1)检查步骤2)所得的最早可用时间集TRC,对于集合中小于Ci的最早可用时间,将其设置为Ci;
3.2)对于RC中的每个资源r,根据
计算其分配的子批量,nmi为生产任务i的加工批量,nmi,j,r为生产任务i在第j道工序分配到资源r上的子批量,uti,j,r为生产任务i的第j道工序在资源r上的单件加工时间;
3.3)对于RC中的每个资源r,若存在划分所得批量nmi,j,r<0,则找到对应nmi,j,r值最小的资源,将该资源从RC中移除,并将该资源的最早可用时间从TRC中移除,返回步骤3.2)重新进行分批;否则,执行步骤3.4);
3.5)对于加工资源集RC中涉及的资源r,若nmi,j,r>0,则更新资源的可用时间为TRCr+nmi,j,r×uti,j,r;
3.6)更新生产任务i的完工时间Ci,即设置Ci=TRCr*+nmi,j,r*×uti,j,r*。
4)根据多目标优化算法、步骤2)中的加工资源选择和步骤3)中的批量划分对所述生产调度模型进行优化求解,得到纸盆车间排产方案。
4.1)设置种群规模和最大迭代次数;
4.2)用基于工序的整数编码个体表示待调度生产任务的排序信息,初始化种群;
以3种工件且各工件均含4道工序的调度问题为例,种群中的个体编码长度为12,共包含4个1、4个2和4个3,分别表示工件J1、J2和J3的4道工序;初始化时,随机排列此12个整数组成一个个体,随机生成此若干个(即种群规模)个体组成初始种群;解码时,根据个体上整数i(i=1,2,3)从左到右出现的次数来解释其工序号,若某个体上排在第m位的整数为2,且该整数是从左到右出现的第3个2,则表示工件J2的第3道工序的加工任务被排在第m位安排生产;
4.3)根据所述加工资源选择和所述批量划分对种群中的每个个体进行解码;
步骤4.3)中解码步骤如下:
4.3.1)设置h=1,对种群中个体h进行解码;
4.3.2)设置m=1,设置各资源从0时刻开始可用,设置Ci=0,i=1,2,...,N;
4.3.3)获取个体h上排在第m位加工的生产任务序号i、工序号j;
4.3.4)根据步骤2.1)~2.4)为生产任务i的第j道工序选择加工资源;
4.3.5)根据步骤3.1)~3.6)将生产任务i所含批量在第j道工序分配到各加工资源上进行分批生产;
4.3.6)设置m++,重复步骤4.3.3)~4.3.5)直至每个生产任务的所有工序均完成加工资源的选择和批量划分;
4.3.7)根据生产调度模型中的所有任务的完工时间和生产能耗计算个体h的完工时间和生产能耗目标值;
4.3.8)设置h++,重复步骤4.3.2)~4.3.7)直到种群中所有个体完成解码操作。
4.4)找到种群中的非支配解,组建非支配解集Pareto_best;
对于完工时间最短目标和节能目标,若个体h1在这两方面均优于个体h2,则称个体h1支配h2,非支配解指的是种群中不被任何个体支配的解,这里非支配解不包含目标值重复解,也即非支配解集Pareto_best中不包含拥有相同完工时间和相同生产能耗的解;
4.5)对种群中每个个体采用插入、互换操作产生新个体;
步骤4.5)中:
4.5.1)设置h=1,对种群中个体h执行插入、互换操作,所得的新个体记为个体h’;
4.5.3)获取个体h上排在第m1位加工的生产任务序号i1,获取个体h上排在第m2位加工的生产任务序号i2;
4.5.4)若i1=i2,则在个体h基础上,将第m2位任务插入到第m1位,得到新个体h’;
4.5.5)若i1≠i2,则在个体h基础上,将第m2位任务与第m1位任务互换,得到新个体h’;
4.5.6)设置h++,重复步骤4.5.2)~4.5.5)直到为种群中的所有个体产生一对一的新个体。
4.6)对步骤4.5)产生的新个体进行解码,执行选择操作,并更新非支配解集Pareto_best;
步骤4.6)中:
4.6.1)设置h=1;
4.6.2)对步骤4.5)新产生的个体h’进行解码;
4.6.3)若新个体h’被原个体h支配,则放弃新个体h’,保留原个体h,执行步骤4.6.10);
4.6.4)若新个体h’支配原个体h,则将种群中的个体h替换成新个体h’,并与Pareto_best中的非支配解一一比较,去除Pareto_best中被个体h支配的解,执行步骤4.6.10);
4.6.5)若新个体h’与原个体h非支配,则将新个体h’与Pareto_best中的非支配解一一比较,执行步骤4.6.6)~4.6.9);
4.6.6)若新个体h’支配Pareto_best中某个解,则去除Pareto_best中所有被新个体h’支配的解,并执行步骤4.6.7),否则,执行步骤4.6.8);
4.6.7)若原个体h不是非支配解,则将种群中的个体h替换成新个体h’并纳入Pareto_best,若原个体h是非支配解,则随机选择种群中的支配解替换成新个体h’并纳入Pareto_best,执行步骤4.6.10);
4.6.8)若新个体h’与Pareto_best中所有解均为非支配,执行步骤4.6.7);
4.6.9)新个体h’被Pareto_best中某个解支配,若原个体h是非支配解,则放弃新个体h’,否则将种群中的个体h替换成新个体h’;
4.6.10)设置h++,重复步骤4.6.2)~4.6.9)直到为新产生的所有个体完成选择操作。
4.7)重复步骤4.5)至4.6)直到达到设定的最大迭代次数。
本发明还公开了一种基于上述基于多目标优化算法的纸盆车间生产调度方法的调度系统,其包括:
信息获取模块,用于获取纸盆车间的待调度生产任务、工艺参数和生产资源信息;
在本发明实施例中,获取的信息包括:生产任务(工件)的个数、各工件的生产批量、各工件所含的工序数、车间内的机器数、模具数和人员数、各工件在各道工序的加工资源需求(是否需要配备机器或模具或人员)、各工件各道工序的可用加工资源(并行加工资源)、各工件各道工序在各加工资源上的单件加工时间和单位时间能耗;
模型建立模块,用于根据信息获取模块获取的信息建立约束条件,并根据约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;
优化模块,用于根据所述多目标优化算法、加工资源选择和批量划分对生产调度模型进行优化求解;
输出模块,用于将优化模块所得非支配解作为纸盆车间排产方案输出。
以表1所述的调度问题为例,表格中的M表示机器(含操作者)、P表示操作人员、D代表模具,各工序对资源的需求不同,例如工件J1的第5道工序仅需配备操作人员,且可选的操作人员有3位,而该工件的第4道工序需要同时配备机器和模具,可选的机器和模具各有2台。对于需要配备机器的工序,加工时产生相应的能耗,具体信息如表1所示。
表1调度问题数据
设置种群规模为50,最大迭代次数为80,采用算法对表1调度问题进行优化求解,所得非支配解集如图1所示。取图中添加了数据标签的解“2340,49751”(生产周期,生产能耗)为例,该解对应的加工排序为{11222133222151343435454435555},具体排产方案如图2调度甘特图。图2展示了各工件的各道工序所分配的加工资源及分批生产的情况,图中方块里的数字“ij”代表工件i的第j道工序,方块上方的数字代表加工批量,结合时间轴可得到各工序的开始和结束加工时间。
采用本发明所述的生产调度方法可有效解决纸盆车间多资源双目标批量生产调度问题,达到减少调度人员工作量、提高生产效率、节约能源的目的。
实施例不应视为对本发明的限制,但任何基于本发明的精神所作的改进,都应在本发明的保护范围之内。
Claims (10)
1.一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于:其包括以下步骤:
1)根据待调度生产任务的工艺参数和生产资源信息建立约束条件,并根据所述约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;
2)根据所述约束条件进行加工资源选择;
3)根据所述约束条件和所述加工资源选择进行批量划分;
4)根据多目标优化算法、步骤2)中的加工资源选择和步骤3)中的批量划分对所述生产调度模型进行优化求解,得到纸盆车间排产方案。
2.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,所述约束条件为:各生产任务有一定的数量需求,在各道工序可采用分批生产的策略组织加工;各生产任务所含工序需要按工艺顺序进行;各工序对资源的需求不同,按需求进行加工资源的选择;模具可以在需要的时候,从一台机器转移到另一台机器;对于需要多种资源配合的工序,在所涉及的加工资源均空闲的情况下才能开始加工;在同一加工资源上,当前的加工任务结束后才能开始下一任务的加工。
3.根据权利要求1或2所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,所述生产调度模型中包括完工时间最短目标以及节能目标,
完工时间最短目标:建立完工时间最短关系式min Cmax,
根据各生产任务的完工时间得到所有任务的完工时间,
Cmax=max{Ci|i=1,2,...,N},其中,i为第i个生产任务,N为生产任务个数,Ci为生产任务i的完工时间,Cmax为所有任务的完工时间;
节能目标:建立生产能耗最小关系式:min E,
4.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤2)中加工资源选择步骤如下:
2.1)清空加工资源集RC和最早可用时间集TRC,设置集合内资源数nRC=0;
2.2)若生产任务i的第j道工序仅需要配备机器,则选出可用的机器,设置nRC为可用机器数,并将机器按机器的最早可用时间与单件加工时间之和的大小先后顺序排列,将机器编号依序纳入加工资源集RC,将机器最早可用时间依序纳入最早可用时间集TRC;
2.3)若生产任务i的第j道工序既需要配备机器还需配备模具,则选出可用的机器和可用的模具,取可用机器数和可用模具数的最小值作为nRC值,将机器按其最早可用时间与单件加工时间之和的大小先后顺序排列,将模具按其最早可用时间先后顺序排列,取前nRC台机器与前nRC个模具一一组成加工资源组合纳入RC,并取各组合里机器和模具的最早可用时间的最大值依序纳入最早可用时间集TRC;
2.4)若生产任务i的第j道工序不需要机器和模具,则选出可用的操作人员,设置nRC为可用人员数,并按人员的空闲时间与单件加工时间之和的大小先后顺序排列,将人员编号依序纳入加工资源集RC,将人员空闲时间依序纳入最早可用时间集TRC。
5.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤3)中,
3.1)检查步骤2)所得的最早可用时间集TRC,对于集合中小于Ci的最早可用时间,将其设置为Ci;
3.2)对于RC中的每个资源r,根据
计算其分配的子批量,nmi为生产任务i的加工批量,nmi,j,r为生产任务i在第j道工序分配到资源r上的子批量,uti,j,r为生产任务i的第j道工序在资源r上的单件加工时间;
3.3)对于RC中的每个资源r,若存在划分所得批量nmi,j,r<0,则找到对应nmi,j,r值最小的资源,将该资源从RC中移除,并将该资源的最早可用时间从TRC中移除,返回步骤3.2)重新进行分批;否则,执行步骤3.4);
3.5)对于加工资源集RC中涉及的资源r,若nmi,j,r>0,则更新资源的可用时间为TRCr+nmi,j,r×uti,j,r;
6.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤4)中:
4.1)设置种群规模和最大迭代次数;
4.2)用基于工序的整数编码个体表示待调度生产任务的排序信息,初始化种群;
4.3)根据所述加工资源选择和所述批量划分对种群中的每个个体进行解码;
4.4)找到种群中的非支配解,组建非支配解集Pareto_best;
4.5)对种群中每个个体采用插入、互换操作产生新个体;
4.6)对步骤4.5)产生的新个体进行解码,执行选择操作,并更新非支配解集Pareto_best;
4.7)重复步骤4.5)至4.6)直到达到设定的最大迭代次数。
7.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤4.3)中解码步骤如下:
4.3.1)设置h=1,对种群中个体h进行解码;
4.3.2)设置m=1,设置各资源从0时刻开始可用,设置Ci=0,i=1,2,...,N;
4.3.3)获取个体h上排在第m位加工的生产任务序号i、工序号j;
4.3.4)为生产任务i的第j道工序选择加工资源;
4.3.5)将生产任务i所含批量在第j道工序分配到各加工资源上进行分批生产;
4.3.6)设置m++,重复步骤4.3.3)~4.3.5)直至每个生产任务的所有工序均完成加工资源的选择和批量划分;
4.3.7)根据生产调度模型中的所有任务的完工时间和生产能耗计算个体h的完工时间和生产能耗目标值;
4.3.8)设置h++,重复步骤4.3.2)~4.3.7)直到种群中所有个体完成解码操作。
8.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤4.5)中:
4.5.1)设置h=1,对种群中个体h执行插入、互换操作,所得的新个体记为个体h’;
4.5.3)获取个体h上排在第m1位加工的生产任务序号i1,获取个体h上排在第m2位加工的生产任务序号i2;
4.5.4)若i1=i2,则在个体h基础上,将第m2位任务插入到第m1位,得到新个体h’;
4.5.5)若i1≠i2,则在个体h基础上,将第m2位任务与第m1位任务互换,得到新个体h’;
4.5.6)设置h++,重复步骤4.5.2)~4.5.5)直到为种群中的所有个体产生一对一的新个体。
9.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法,其特征在于,步骤4.6)中:
4.6.1)设置h=1;
4.6.2)对步骤4.5)新产生的个体h’进行解码;
4.6.3)若新个体h’被原个体h支配,则放弃新个体h’,保留原个体h,执行步骤4.6.10);
4.6.4)若新个体h’支配原个体h,则将种群中的个体h替换成新个体h’,并与Pareto_best中的非支配解一一比较,去除Pareto_best中被个体h支配的解,执行步骤4.6.10);
4.6.5)若新个体h’与原个体h非支配,则将新个体h’与Pareto_best中的非支配解一一比较,执行步骤4.6.6)~4.6.9);
4.6.6)若新个体h’支配Pareto_best中某个解,则去除Pareto_best中所有被新个体h’支配的解,并执行步骤4.6.7),否则,执行步骤4.6.8);
4.6.7)若原个体h不是非支配解,则将种群中的个体h替换成新个体h’并纳入Pareto_best,若原个体h是非支配解,则随机选择种群中的支配解替换成新个体h’并纳入Pareto_best,执行步骤4.6.10);
4.6.8)若新个体h’与Pareto_best中所有解均为非支配,执行步骤4.6.7);
4.6.9)新个体h’被Pareto_best中某个解支配,若原个体h是非支配解,则放弃新个体h’,否则将种群中的个体h替换成新个体h’;
4.6.10)设置h++,重复步骤4.6.2)~4.6.9)直到为新产生的所有个体完成选择操作。
10.一种基于上述权利要求1至9任意一项所述的基于多目标优化算法的纸盆车间生产调度方法的调度系统,其特征在于:其包括:
信息获取模块,用于获取纸盆车间的待调度生产任务、工艺参数和生产资源信息;
模型建立模块,用于根据信息获取模块获取的信息建立约束条件,并根据约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型;
优化模块,用于根据所述多目标优化算法、加工资源选择和批量划分对生产调度模型进行优化求解;
输出模块,用于将优化模块所得非支配解作为纸盆车间排产方案输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066874.7A CN112859785B (zh) | 2021-01-19 | 2021-01-19 | 基于多目标优化算法的纸盆车间生产调度方法及调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066874.7A CN112859785B (zh) | 2021-01-19 | 2021-01-19 | 基于多目标优化算法的纸盆车间生产调度方法及调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859785A true CN112859785A (zh) | 2021-05-28 |
CN112859785B CN112859785B (zh) | 2021-12-17 |
Family
ID=76007018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110066874.7A Active CN112859785B (zh) | 2021-01-19 | 2021-01-19 | 基于多目标优化算法的纸盆车间生产调度方法及调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859785B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595633A (zh) * | 2022-03-12 | 2022-06-07 | 北京工业大学 | 一种基于多约束的多目标柔性作业车间节能调度方法 |
CN114800828A (zh) * | 2022-04-09 | 2022-07-29 | 沈阳建筑大学 | 一种预制构件混凝土布料机器人的负荷分配智能优化方法 |
CN115439019A (zh) * | 2022-10-25 | 2022-12-06 | 埃克斯工业有限公司 | 基于约束规划的多目标生产调度方法、设备及存储介质 |
CN115689502A (zh) * | 2022-12-30 | 2023-02-03 | 广东美的制冷设备有限公司 | 设备排产方法、装置、生产系统及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57127649A (en) * | 1981-01-28 | 1982-08-07 | Fanuc Ltd | Control system for spiral contouring |
JP2004030413A (ja) * | 2002-06-27 | 2004-01-29 | Fujitsu Ltd | 最適化処理装置 |
CN101303588A (zh) * | 2008-06-04 | 2008-11-12 | 东北大学 | 一种炼钢—连铸炉次批量计划自动编制方法及系统 |
CN103809506A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 基于一维粒子群算法获得零件加工最优调度方案的方法 |
CN103955754A (zh) * | 2014-04-16 | 2014-07-30 | 江南大学 | 基于实时生产数据采集的模具车间调度方法 |
CN106959675A (zh) * | 2017-03-21 | 2017-07-18 | 山东大学 | 一种面向流水车间的多目标调度优化方法 |
CN106971235A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种存在中间存储约束的柔性作业车间分批优化调度方法 |
CN110084410A (zh) * | 2019-05-31 | 2019-08-02 | 华北电力大学 | 一种污水再利用型综合能源系统运行优化方法 |
US20190345797A1 (en) * | 2018-05-10 | 2019-11-14 | Agile Analytics Corp. | System and method for controlling oil and/or gas production |
US10496436B2 (en) * | 2018-01-30 | 2019-12-03 | Pusan National University Industry-University Cooperation Foundation | Method and apparatus for automatically scheduling jobs in computer numerical control machines using machine learning approaches |
CN110598920A (zh) * | 2019-08-29 | 2019-12-20 | 华中科技大学 | 用于铸造并行车间主生产计划的多目标优化方法及系统 |
CN110648050A (zh) * | 2019-08-21 | 2020-01-03 | 大连理工大学 | 一种传统流水线装配向单元式装配方式转换的重构方法 |
CN111160741A (zh) * | 2019-12-19 | 2020-05-15 | 武汉科技大学 | 一种复杂工况下再制造车间多层级任务配置的扰动响应方法 |
CN111259312A (zh) * | 2020-01-15 | 2020-06-09 | 深圳大学 | 多目标流水车间调度方法、装置、计算机设备及存储介质 |
CN111290358A (zh) * | 2020-03-20 | 2020-06-16 | 北京理工大学 | 一种面向柔性制造系统的产品节能调度优化方法 |
CN111665811A (zh) * | 2020-06-29 | 2020-09-15 | 重庆大学 | 动态事件下的柔性作业车间重调度节能优化方法 |
CN111900336A (zh) * | 2020-08-05 | 2020-11-06 | 华中科技大学 | 一种锂离子动力电池生产物流系统优化方法 |
CN112163711A (zh) * | 2020-10-10 | 2021-01-01 | 湘南学院 | 一种基于mopso/cc的综合能源系统优化调度方法 |
-
2021
- 2021-01-19 CN CN202110066874.7A patent/CN112859785B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57127649A (en) * | 1981-01-28 | 1982-08-07 | Fanuc Ltd | Control system for spiral contouring |
JP2004030413A (ja) * | 2002-06-27 | 2004-01-29 | Fujitsu Ltd | 最適化処理装置 |
CN101303588A (zh) * | 2008-06-04 | 2008-11-12 | 东北大学 | 一种炼钢—连铸炉次批量计划自动编制方法及系统 |
CN103809506A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 基于一维粒子群算法获得零件加工最优调度方案的方法 |
CN103955754A (zh) * | 2014-04-16 | 2014-07-30 | 江南大学 | 基于实时生产数据采集的模具车间调度方法 |
CN106971235A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种存在中间存储约束的柔性作业车间分批优化调度方法 |
CN106959675A (zh) * | 2017-03-21 | 2017-07-18 | 山东大学 | 一种面向流水车间的多目标调度优化方法 |
US10496436B2 (en) * | 2018-01-30 | 2019-12-03 | Pusan National University Industry-University Cooperation Foundation | Method and apparatus for automatically scheduling jobs in computer numerical control machines using machine learning approaches |
US20190345797A1 (en) * | 2018-05-10 | 2019-11-14 | Agile Analytics Corp. | System and method for controlling oil and/or gas production |
CN110084410A (zh) * | 2019-05-31 | 2019-08-02 | 华北电力大学 | 一种污水再利用型综合能源系统运行优化方法 |
CN110648050A (zh) * | 2019-08-21 | 2020-01-03 | 大连理工大学 | 一种传统流水线装配向单元式装配方式转换的重构方法 |
CN110598920A (zh) * | 2019-08-29 | 2019-12-20 | 华中科技大学 | 用于铸造并行车间主生产计划的多目标优化方法及系统 |
CN111160741A (zh) * | 2019-12-19 | 2020-05-15 | 武汉科技大学 | 一种复杂工况下再制造车间多层级任务配置的扰动响应方法 |
CN111259312A (zh) * | 2020-01-15 | 2020-06-09 | 深圳大学 | 多目标流水车间调度方法、装置、计算机设备及存储介质 |
CN111290358A (zh) * | 2020-03-20 | 2020-06-16 | 北京理工大学 | 一种面向柔性制造系统的产品节能调度优化方法 |
CN111665811A (zh) * | 2020-06-29 | 2020-09-15 | 重庆大学 | 动态事件下的柔性作业车间重调度节能优化方法 |
CN111900336A (zh) * | 2020-08-05 | 2020-11-06 | 华中科技大学 | 一种锂离子动力电池生产物流系统优化方法 |
CN112163711A (zh) * | 2020-10-10 | 2021-01-01 | 湘南学院 | 一种基于mopso/cc的综合能源系统优化调度方法 |
Non-Patent Citations (3)
Title |
---|
MINGLIU: "Satisfaction-driven bi-objective multi-skill workforce scheduling problem", 《IFAC-PAPERSONLINE》 * |
王万良,等: "多目标差分进化算法求解柔性作业车间批量调度问题", 《计算机集成制造系统》 * |
王海燕,等: "分批优化调度问题综述及面向节能研究展望", 《计算机集成制造系统》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595633A (zh) * | 2022-03-12 | 2022-06-07 | 北京工业大学 | 一种基于多约束的多目标柔性作业车间节能调度方法 |
CN114595633B (zh) * | 2022-03-12 | 2024-03-26 | 北京工业大学 | 一种基于多约束的多目标柔性作业车间节能调度方法 |
CN114800828A (zh) * | 2022-04-09 | 2022-07-29 | 沈阳建筑大学 | 一种预制构件混凝土布料机器人的负荷分配智能优化方法 |
CN114800828B (zh) * | 2022-04-09 | 2024-04-05 | 沈阳建筑大学 | 一种预制构件混凝土布料机器人的负荷分配智能优化方法 |
CN115439019A (zh) * | 2022-10-25 | 2022-12-06 | 埃克斯工业有限公司 | 基于约束规划的多目标生产调度方法、设备及存储介质 |
CN115689502A (zh) * | 2022-12-30 | 2023-02-03 | 广东美的制冷设备有限公司 | 设备排产方法、装置、生产系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112859785B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859785B (zh) | 基于多目标优化算法的纸盆车间生产调度方法及调度系统 | |
CN109359884B (zh) | 航空复杂装备结构件车间作业计划及重调度方法 | |
CN103679388B (zh) | 生产调度方法及生产调度系统 | |
CN108171372B (zh) | 一种存在准备时间的多品种生产分批调度方法 | |
CN106611275A (zh) | 针对作业车间生产问题的排产算法 | |
CN105550825B (zh) | 云计算环境下的基于MapReduce并行化的柔性工厂作业调度方法 | |
CN108053152A (zh) | 基于多色集合的改进遗传算法求解动态车间调度的方法 | |
CN116227874B (zh) | 一种基于遗传算法的柔性作业车间调度方法和装置 | |
CN116700176A (zh) | 一种基于强化学习的分布式阻塞流水车间调度优化系统 | |
CN107437121B (zh) | 适用于多机器同时处理单工件的生产工艺过程控制方法 | |
CN113705978B (zh) | 一种多机任务刀具静态与动态集成决策方法及系统 | |
CN109214695B (zh) | 基于改进eda的高端装备研发制造协同调度方法及系统 | |
CN115049201A (zh) | 作业调度方法、装置、电子设备和存储介质 | |
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 | |
CN113139720A (zh) | 一种具有学习效应的铸造车间生产调度优化方法 | |
CN111985841B (zh) | 一种基于改进遗传算法的注塑车间调度方法及系统 | |
CN110928261B (zh) | 分布式异构流水车间的分布估计调度方法及系统 | |
CN111814359A (zh) | 一种面向离散制造的集成车间调度与装配序列规划方法 | |
CN110084462B (zh) | 一种基于故障rgv智能二道工序加工调度方法 | |
CN106920036B (zh) | 一种作业车间装备全活跃节能排程方法和系统 | |
CN115952896A (zh) | 一种基于物料过程齐套的柔性作业车间调度方法 | |
CN115526484A (zh) | 考虑设备耗损的柔性综合调度方法 | |
Wang et al. | OPTIMAL CONFIGURATION FOR WORKSHOP MANUFACTURING SYSTEM UNDER DUAL RESOURCE CONSTRAINTS. | |
Liu et al. | Scheduling optimization of flexible flow shop | |
CN114967615A (zh) | 一种基于离散花朵授粉算法的装配车间调度集成优化方法 |
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 |