CN112947324A - 纺织生产调度优化方法、系统、储存介质及计算机设备 - Google Patents
纺织生产调度优化方法、系统、储存介质及计算机设备 Download PDFInfo
- Publication number
- CN112947324A CN112947324A CN202110113739.3A CN202110113739A CN112947324A CN 112947324 A CN112947324 A CN 112947324A CN 202110113739 A CN202110113739 A CN 202110113739A CN 112947324 A CN112947324 A CN 112947324A
- Authority
- CN
- China
- Prior art keywords
- production
- textile
- textile production
- product
- production plan
- 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 226
- 239000004753 textile Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 25
- 210000000349 chromosome Anatomy 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 239000002994 raw material Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009987 spinning Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000009941 weaving Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004088 simulation 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]
- G05B19/41865—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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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)
- General Factory Administration (AREA)
Abstract
本发明针对现有技术纺织生产调度优化技术的局限性，提出了一种纺织生产调度优化方法、系统、储存介质及计算机设备，通过建立以利润最大化为目标的纺织生产计划模型，并通过遗传算法进行求解并得到生产计划，在将纺织车间的生产情况模拟为流程车间调度问题后，以使最大流程时间最小化为目标对车间调度问题进行优化，通过本发明制定的生产调度方案不仅最大化流程时间最小，使得设备利用率高，满足交货期要求，还能优化流程，均衡生产，达到利润较优。
Description
技术领域
本发明涉及纺织生产技术领域，具体涉及自适应遗传算法在纺织产业生产线控制调度方面的应用，更具体地，涉及一种纺织生产调度优化方法、系统、储存介质及计算机设备。
背景技术
纺织行业是中国传统的关乎民生的基础性行业。纺织行业一般为流水线生产，流水线有大量设备，涉及流程复杂，且每道工序的生产设备一般有多台，存在并行机器，设备的新旧、操作者的熟练程度等因素会影响设备的加工能力，因此需要根据实际情况选择不同的设备进行生产，但是不同品种，生产工艺参数和设备需要调整，这使得生产组织和计划调度难度加大。生产计划与调度的关系十分密切，调度的依据来源于计划下达的任务，调度则利用计划的内容进行具体的生产安排。对生产计划与调度问题进行流程优化，目前主要采用整数规划、仿真与简单的规则，调度结果并不理想，难以解决纺织生产线复杂问题。
公布日为2020.09.15，公布号为CN111665808A的中国申请专利：基于遗传算法的生产调度计划优化方法，公开了一种就订单生产线分配、以及生产顺序优化，来对调整不同种类纺织品加工顺序和流程的方案。但该方案仍有一定的局限性。
发明内容
针对现有技术的局限性，本发明提出一种纺织生产调度优化方法、系统、储存介质及计算机设备，本发明采用的技术方案是：
一种纺织生产调度优化方法，包括以下步骤：
S1，以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
S2，获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
S3，将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
S4，运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
相较于现有技术，本发明通过建立以利润最大化为目标的纺织生产计划模型，并通过遗传算法进行求解并得到生产计划，在将纺织车间的生产情况模拟为流程车间调度问题后，以使最大流程时间最小化为目标对车间调度问题进行优化，通过本发明制定的生产调度方案不仅最大化流程时间最小，使得设备利用率高，满足交货期要求，还能优化流程，均衡生产，达到利润较优。
作为一种优选方案，所述纺织生产计划模型表示如下：
其中，sit表示产品i在第t阶段的销售量；uit表示产品i在第t阶段的单位价格；pit表示产品i在第t阶段的计划生产量；vit表示产品i在第t阶段的生产单位成本；qit表示产品i在第t阶段的库存量；wit表示产品i在第t阶段的库存单位成本。
作为一种优选方案，对于生产的产品种类为I，原材料种类为J的纺织厂，所述纺织生产计划模型满足以下约束条件：
pit，qit≥0 (i＝1，…，I t＝1，....，T)；
其中，rij表示生产单位数量的产品i时所占用的原材料j的数量，bjt表示在第t阶段可用的原材料j的数量。
作为一种优选方案，在所述步骤S3中，包括以下步骤：
S31，根据产品的种类，对所述计划产量以及计划库存量进行分解；
S32，在S31的分解结果中，将同一种类的产品进行合并，根据产品的规格对合并后的产品进行划分；
S33，根据产品的规格和生产订单的交货期分为若干生产计划；所述生产计划包括若干数量的产品，同一生产计划中的产品的规格以及交货期相同。
作为一种优选方案，所述步骤S4包括以下步骤：
S41，对所述生产计划进行批量分割，将所述生产计划分成若干生产阶段，在所述生产阶段内生产线分别对一个批量的产品进行独立运输和加工；
S42，运用遗传算法，以使最大流程时间最小化为目标对所述生产阶段进行优化排序，获得纺织生产调度优化配置结果。
进一步的，所述批量分割的过程如下：对于n个生成计划P＝{p1，p2，…pn}，pi为第i个生产计划，i＝1,2,…,n，各生产计划所包含产品数量为bj,j＝1，2，…，n，将各生产计划分为若干生产阶段进行加工，各生产阶段的批量大小为Cj,j＝1，2，…，n，第j种工件的子批量的数目都为bj/cj。
进一步的，所述步骤S42包括以下步骤：
S421，对所述生产阶段构造出m×n维的混合流水车间调度问题的编码矩阵生成染色体，其中n代表产品种类，m代表产品的加工工序；
S422，以最大流程时间作为适应度函数，根据适应度函数从所述染色体中选择种群；
S423，对步骤S422中选择的种群进行交叉操作和变异操作更新所述染色体；
S424，判断是否已到达预设的迭代次数，是则根据当前染色体得到纺织生产调度优化配置结果，否则返回步骤S422。
本发明还提供以下内容：
一种纺织生产调度优化系统，包括纺织生产计划模型构建模块、纺织生产计划模型求解模块、生产计划获取模块以及纺织生产调度优化配置模块；所述纺织生产计划模型求解模块连接所述纺织生产计划模型构建模块，所述生产计划获取模块连接所述纺织生产计划模型求解模块，所述纺织生产调度优化配置模块连接所述生产计划获取模块；其中：
所述纺织生产计划模型构建模块用于以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
所述纺织生产计划模型求解模块用于获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
所述生产计划获取模块用于将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
所述纺织生产调度优化配置模块用于运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
一种储存介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现前述的纺织生产调度优化方法的步骤。
一种计算机设备，包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现前述纺织生产调度优化方法的步骤。
附图说明
图1为本发明实施例1提供的纺织生产调度优化方法的步骤流程图；
图2为本发明实施例1提供的步骤S3的步骤流程图；
图3为本发明实施例1提供的步骤S4的步骤流程图；
图4为本发明实施例1提供的步骤S42的步骤流程图
图5为本发明实施例2提供的纺织生产调度优化系统示意图；
附图标记说明：1、纺织生产计划模型构建模块；2、纺织生产计划模型求解模块；3、生产计划获取模块；4、纺织生产调度优化配置模块。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，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它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。以下结合附图和实施例对本发明做进一步的阐述。
为了解决现有技术的局限性，本实施例提供了一种技术方案，下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
请参考图1，一种纺织生产调度优化方法，包括以下步骤：
S1，以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
S2，获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
S3，将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
S4，运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
相较于现有技术，本发明通过建立以利润最大化为目标的纺织生产计划模型，并通过遗传算法进行求解并得到生产计划，在将纺织车间的生产情况模拟为流程车间调度问题后，以使最大流程时间最小化为目标对车间调度问题进行优化，通过本发明制定的生产调度方案不仅最大化流程时间最小，使得设备利用率高，满足交货期要求，还能优化流程，均衡生产，达到利润较优。
具体的，产品成本主要包括原料成本、生产成本、库存成本等。原料成本，生产成本常随时间变化。库存成本也是企业成本的重要组成部分，同时也占用了大量的流动资金，减少库存是优化生产计划的重要目标。因此，在以利润最大化为目标构建所述纺织生产计划模型需要将上述成本涵盖在内。
遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。
由于纺织生产车间产品品种较多，产品生产工序相同，且每个工序基本都存在并行机器，因此将其调度问题模拟为混合流水车间调度问题(Hybrid Flow-Shop SchedulingProblem，HFSP)，通过混合流水车间调度问题遗传算法的矩阵编码方式，遗传操作简单并且不存在非法解。并以使最大流程时间最小化为目标函数进行调度优化。以使最大流程时间最小化为目标，指使得生产工序中必要的最大流程时间最小化。
作为一种优选实施例，所述纺织生产计划模型表示如下：
其中，sit表示产品i在第t阶段的销售量；uit表示产品i在第t阶段的单位价格；pit表示产品i在第t阶段的计划生产量；vit表示产品i在第t阶段的生产单位成本；qit表示产品i在第t阶段的库存量；wit表示产品i在第t阶段的库存单位成本。
作为一种优选实施例，对于生产的产品种类为I，原材料种类为J的纺织厂，所述纺织生产计划模型满足以下约束条件：
pit，qit≥0 (i＝1，…，I t＝1，....,T)；
其中，rij表示生产单位数量的产品i时所占用的原材料j的数量，bjt表示在第t阶段可用的原材料j的数量。
作为一种优选实施例，请参阅图2，在所述步骤S3中，包括以下步骤：
S31，根据产品的种类，对所述计划产量以及计划库存量进行分解；
S32，在S31的分解结果中，将同一种类的产品进行合并，根据产品的规格对合并后的产品进行划分；
S33，根据产品的规格和生产订单的交货期分为若干生产计划；所述生产计划包括若干数量的产品，同一生产计划中的产品的规格以及交货期相同。
作为一种优选实施例，请参阅图3，所述步骤S4包括以下步骤：
S41，对所述生产计划进行批量分割，将所述生产计划分成若干生产阶段，在所述生产阶段内生产线分别对一个批量的产品进行独立运输和加工；
S42，运用遗传算法，以使最大流程时间最小化为目标对所述生产阶段进行优化排序，获得纺织生产调度优化配置结果。
具体的，由于一种产品的订单量往往较大，又考虑到各生产工序上一般都存在并行机器，所以将一个计划中的产品分为若干批次，每一批次看成一个工件独立完成后，各工件可以同时在不同机器上加工，可以提高生产率。因此，可以采用批量分割。即把一个生产计划分成若干较小生产阶段，对每一小批量产品独立运输和加工。车间作用调度的目的就是在某一计划期内，适当排列n种规格产品的所有批次的加工顺序，将不同规格的细纱生产交替穿插，尽可能较少生产时间。
进一步的，所述批量分割的过程如下：对于n个生成计划P＝{p1，p2，…pn}，pi为第i个生产计划，i＝1,2,…,n，各生产计划所包含产品数量为bj,j＝1，2，…，n，将各生产计划分为若干生产阶段进行加工，各生产阶段的批量大小为Cj,j＝1，2，…，n，第j种工件的子批量的数目都为bj/cj。
进一步的，请参阅图4，所述步骤S42包括以下步骤：
S421，对所述生产阶段构造出m×n维的混合流水车间调度问题的编码矩阵生成染色体，其中n代表产品种类，m代表产品的加工工序；
S422，以最大流程时间作为适应度函数，根据适应度函数从所述染色体中选择种群；
S423，对步骤S422中选择的种群进行交叉操作和变异操作更新所述染色体；
S424，判断是否已到达预设的迭代次数，是则根据当前染色体得到纺织生产调度优化配置结果，否则返回步骤S422。
具体的，针对混合流水车间调度问题，本实施例采用矩阵编码方式处理工序间的约束关系，使得产生的每个染色体都对应一个可行的调度，并且遗传操作时也不会产生非法解。
对于要加工n件产品，每个产品都要经过m种加工工序的生产线，每个工序的并行机器数为Mi(i＝1，2，…，m)。所有工序中至少有一个工序中存在并行机，即至少有一个Mi大于1。构造一个m×n维的混合流水车间调度问题的编码矩阵如下：
遗传算法中初始种群的产生根据上述染色体的表示方法，随机产生一些编码矩阵，构成染色体组成初始种群。
步骤S423的交叉操作可通过轮盘算法实现。轮盘算法，又称为比例选择方法.其基本思想是：各个个体被选中的概率与其适应度大小成正比。根据上述编码方式，只要满足aij位于区间(0，Mi)之内，就能够保证染色体的合法性。此处选择单点交叉的方式。
实施例2
一种纺织生产调度优化系统，请参阅图5，包括纺织生产计划模型构建模块1、纺织生产计划模型求解模块2、生产计划获取模块3以及纺织生产调度优化配置模块4；所述纺织生产计划模型求解模块2连接所述纺织生产计划模型构建模块1，所述生产计划获取模块3连接所述纺织生产计划模型求解模块2，所述纺织生产调度优化配置模块4连接所述生产计划获取模块3；其中：
所述纺织生产计划模型构建模块1用于以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
所述纺织生产计划模型求解模块2用于获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
所述生产计划获取模块3用于将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
所述纺织生产调度优化配置模块4用于运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
实施例3
一种储存介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现实施例1中的纺织生产调度优化方法的步骤。
实施例4
一种计算机设备，包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的纺织生产调度优化方法的步骤。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种纺织生产调度优化方法，其特征在于，包括以下步骤：
S1，以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
S2，获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
S3，将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
S4，运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
2.根据权利要求1所述的纺织生产调度优化方法，其特征在于，所述纺织生产计划模型表示如下：
其中，sit表示产品i在第t阶段的销售量；uit表示产品i在第t阶段的单位价格；pit表示产品i在第t阶段的计划生产量；vit表示产品i在第t阶段的生产单位成本；qit表示产品i在第t阶段的库存量；wit表示产品i在第t阶段的库存单位成本。
3.根据权利要求1所述的纺织生产调度优化方法，其特征在于，对于生产的产品种类为I，原材料种类为J的纺织厂，所述纺织生产计划模型满足以下约束条件：
pit，qit≥0(＝1，...，I t＝1，....,T)；
其中，rij表示生产单位数量的产品i时所占用的原材料j的数量，bjt表示在第t阶段可用的原材料j的数量。
4.根据权利要求1所述的纺织生产调度优化方法，其特征在于，在所述步骤S3中，包括以下步骤：
S31，根据产品的种类，对所述计划产量以及计划库存量进行分解；
S32，在S31的分解结果中，将同一种类的产品进行合并，根据产品的规格对合并后的产品进行划分；
S33，根据产品的规格和生产订单的交货期分为若干生产计划；所述生产计划包括若干数量的产品，同一生产计划中的产品的规格以及交货期相同。
5.根据权利要求1所述的纺织生产调度优化方法，其特征在于，所述步骤S4包括以下步骤：
S41，对所述生产计划进行批量分割，将所述生产计划分成若干生产阶段，在所述生产阶段内生产线分别对一个批量的产品进行独立运输和加工；
S42，运用遗传算法，以使最大流程时间最小化为目标对所述生产阶段进行优化排序，获得纺织生产调度优化配置结果。
6.根据权利要求5所述的纺织生产调度优化方法，其特征在于，所述批量分割的过程如下：对于n个生成计划P＝{p1,p2,…pn}，pi为第i个生产计划，i＝1,2,…,n，各生产计划所包含产品数量为bj,j＝1,2,…,n，将各生产计划分为若干生产阶段进行加工，各生产阶段的批量大小为Cj,j＝1,2,…,n，第j种工件的子批量的数目都为bj/cj。
7.根据权利要求5所述的纺织生产调度优化方法，其特征在于，所述步骤S42包括以下步骤：
S421，对所述生产阶段构造出m×n维的混合流水车间调度问题的编码矩阵生成染色体，其中n代表产品种类，m代表产品的加工工序；
S422，以最大流程时间作为适应度函数，根据适应度函数从所述染色体中选择种群；
S423，对步骤S422中选择的种群进行交叉操作和变异操作更新所述染色体；
S424，判断是否已到达预设的迭代次数，是则根据当前染色体得到纺织生产调度优化配置结果，否则返回步骤S422。
8.一种纺织生产调度优化系统，其特征在于，包括纺织生产计划模型构建模块(1)、纺织生产计划模型求解模块(2)、生产计划获取模块(3)以及纺织生产调度优化配置模块(4)；所述纺织生产计划模型求解模块(2)连接所述纺织生产计划模型构建模块(1)，所述生产计划获取模块(3)连接所述纺织生产计划模型求解模块(2)，所述纺织生产调度优化配置模块(4)连接所述生产计划获取模块(3)；其中：
所述纺织生产计划模型构建模块(1)用于以产品的销售量、单位价格、计划生产量、生产单位成本、库存量以及库存单位成本为参数，构建以利润最大化为目标的纺织生产计划模型；
所述纺织生产计划模型求解模块(2)用于获取生产订单，根据所述生成订单，运用遗传算法求解所述纺织生产计划模型，获得各个月份的计划产量以及计划库存量；
所述生产计划获取模块(3)用于将所述计划产量以及计划库存量涉及的纺织生产调度问题转化为混合流水车间调度问题，获得基于混合流水车间调度问题的生产计划；
所述纺织生产调度优化配置模块(4)用于运用遗传算法，以使最大流程时间最小化为目标对所述生产计划进行优化，获得纺织生产调度优化配置结果。
9.一种储存介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的纺织生产调度优化方法的步骤。
10.一种计算机设备，其特征在于：包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的纺织生产调度优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110113739.3A CN112947324A (zh) | 2021-01-27 | 2021-01-27 | 纺织生产调度优化方法、系统、储存介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110113739.3A CN112947324A (zh) | 2021-01-27 | 2021-01-27 | 纺织生产调度优化方法、系统、储存介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112947324A true CN112947324A (zh) | 2021-06-11 |
Family
ID=76238174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110113739.3A Pending CN112947324A (zh) | 2021-01-27 | 2021-01-27 | 纺织生产调度优化方法、系统、储存介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112947324A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256171A (zh) * | 2021-06-29 | 2021-08-13 | 湖北亿咖通科技有限公司 | 一种业务计划生成方法和系统 |
| CN115099706A (zh) * | 2022-07-27 | 2022-09-23 | 广州春晓信息科技有限公司 | 一种基于物联网的分布式生产管理系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108153268A (zh) * | 2017-12-31 | 2018-06-12 | 武汉企鹅能源数据有限公司 | 一种混合流水车间调度节能控制方法 |
| CN111665808A (zh) * | 2020-06-16 | 2020-09-15 | 北京经纬纺机新技术有限公司 | 基于遗传算法的生产调度计划优化方法 |
-
2021
- 2021-01-27 CN CN202110113739.3A patent/CN112947324A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108153268A (zh) * | 2017-12-31 | 2018-06-12 | 武汉企鹅能源数据有限公司 | 一种混合流水车间调度节能控制方法 |
| CN111665808A (zh) * | 2020-06-16 | 2020-09-15 | 北京经纬纺机新技术有限公司 | 基于遗传算法的生产调度计划优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙月兰: "基于遗传算法的纺织企业生产计划与调度研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256171A (zh) * | 2021-06-29 | 2021-08-13 | 湖北亿咖通科技有限公司 | 一种业务计划生成方法和系统 |
| CN115099706A (zh) * | 2022-07-27 | 2022-09-23 | 广州春晓信息科技有限公司 | 一种基于物联网的分布式生产管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
| Matzka et al. | Buffer sizing of a Heijunka Kanban system | |
| Guo et al. | Mathematical model and genetic optimization for the job shop scheduling problem in a mixed-and multi-product assembly environment: A case study based on the apparel industry | |
| Liu et al. | Solving distributed and flexible job-shop scheduling problems for a real-world fastener manufacturer | |
| CN112947324A (zh) | 纺织生产调度优化方法、系统、储存介质及计算机设备 | |
| CN109270904A (zh) | 一种柔性作业车间批量动态调度优化方法 | |
| Guo et al. | A hybrid intelligent model for order allocation planning in make-to-order manufacturing | |
| CN112561225B (zh) | 一种基于标杆协同进化算法的柔性作业车间调度方法 | |
| CN112446526A (zh) | 生产排程系统及方法 | |
| CN115700639B (zh) | 智能生产排程方法、装置、设备及存储介质 | |
| CN115136164A (zh) | 对生产系统进行生产规划和/或控制的由计算机实现的方法和生产优化的生产规划和/或生产控制系统 | |
| Feng et al. | Integrated production and transportation scheduling on parallel batch-processing machines | |
| Süer et al. | A genetic algorithm approach for minimizing total tardiness in single machine scheduling | |
| Xuan et al. | An improved discrete artificial bee colony algorithm for flexible flowshop scheduling with step deteriorating jobs and sequence-dependent setup times | |
| CN115471133A (zh) | 一种基于订单管理和滚动优化排产的车间综合调度系统 | |
| CN114897379A (zh) | 一种基于信息反馈的动态生产计划排程系统及方法 | |
| CN111665808A (zh) | 基于遗传算法的生产调度计划优化方法 | |
| CN113536046B (zh) | 供应链计划服务优化方法、系统、电子设备及存储介质 | |
| Aghajani-Delavar et al. | Design of a new mathematical model for integrated dynamic cellular manufacturing systems and production planning | |
| Zeng et al. | Multi-skilled worker assignment in seru production system for the trade-off between production efficiency and workload fairness | |
| Yimer et al. | Fuzzy scheduling of job orders in a two-stage flowshop with batch-processing machines | |
| CN112561177B (zh) | 一种产线均衡优化调度管理平台 | |
| Maghfiroh et al. | Genetic algorithm for job shop scheduling problem: a case study | |
| CN107392515A (zh) | 基于遗传算法的粗细联输送系统库存管理与线路优化方法 | |
| CN111208794A (zh) | 基于差分进化算法的离散制造车间静态调度优化方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |
|
| RJ01 | Rejection of invention patent application after publication |