CN113033005B - 针对具有多资源协同约束的作业车间性能指标的求解方法 - Google Patents
针对具有多资源协同约束的作业车间性能指标的求解方法 Download PDFInfo
- Publication number
- CN113033005B CN113033005B CN202110339702.2A CN202110339702A CN113033005B CN 113033005 B CN113033005 B CN 113033005B CN 202110339702 A CN202110339702 A CN 202110339702A CN 113033005 B CN113033005 B CN 113033005B
- Authority
- CN
- China
- Prior art keywords
- node
- state
- job shop
- machine tool
- probability
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000007704 transition Effects 0.000 claims abstract description 43
- 238000013468 resource allocation Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000005553 drilling Methods 0.000 claims description 7
- 238000003754 machining Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Manufacturing & Machinery (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Multi-Process Working Machines And Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对具有多资源协同约束的作业车间性能指标的求解方法,包括:建立作业车间的模型,获取作业车间的相关参数,并对作业车间进行节点划分,建立各个节点的状态空间;基于所述各个节点的状态空间,建立各节点的状态平衡转移方程,并构建节点状态转移中受到其它节点影响概率的表达式、节点状态转移速率的表达式;基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率;构建作业车间性能指标的表达式,利用所述节点状态的稳态概率,计算作业车间性能指标,所述性能指标用于为作业车间的资源配置提供支持。本方法相较于利用仿真模型求解性能指标,求解的速度得到极大的提升。
Description
技术领域
本发明涉及资源配置优化领域,具体涉及一种针对具有多资源协同约束的作业车间性能指标的快速求解方法。
背景技术
定制化生产是当今制造业的发展趋势,由于自动化设备、人力资源等生产资源的成本不断上涨,在制造系统中应该如何配置这些制造资源,才能以最低的成本保证预期产能,是规划设计此类制造系统需要解决的重要问题。定制化生产显著特点就是生产过程具有随机性,例如工件任务到达时间、工艺路径及加工时间、物料运输时间、操作工作业时间等都是不确定的,无法通过传统确定性数学规划模型解决此类生产车间的资源配置优化问题。在各种随机因素的影响下,合理的资源配置结果依赖于精确估算的系统性能指标,因此需要首先建立随机模型描述系统的运行过程,分析系统性能。
仿真法和排队理论建模方法是获随机制造系统建模的主要方法,由于该类问题的复杂性,虽然仿真法能够获得更接近生产实际的结果,但是仿真实验需要消耗大量的运行时间。经试验,仿真每次求解该类制造系统的性能指标需要几分钟的时间,而要获得一个较好的资源配置结果,通常要迭代数百次甚至上千次,则利用仿真获得资源配置方案需要花费一两天的时间。
发明内容
本发明的目的是提供一种针对具有多资源协同约束的作业车间性能指标的求解方法,用以克服现有技术中无法快速求解多资源协同约束的作业车间性能指标的问题。
为了实现上述任务,本发明采用以下技术方案:
一种针对具有多资源协同约束的作业车间性能指标的求解方法,包括以下步骤:
建立作业车间的模型,获取作业车间的相关参数,并对作业车间进行节点划分,建立各个节点的状态空间;
基于所述各个节点的状态空间,建立各节点的状态平衡转移方程,并构建节点状态转移中受到其它节点影响概率的表达式、节点状态转移速率的表达式;
基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率;
构建作业车间性能指标的表达式,利用所述节点状态的稳态概率,计算作业车间性能指标,所述性能指标用于为作业车间的资源配置提供支持。
进一步地,所述建立作业车间的模型,包括:
将实际的作业车间抽象为模型的表达方式;所述模型包括中心仓库工件到达区域B0、中心仓库工件离开区B1、AGV小车、待加工缓存区Bfi、同等并行机床Mi、完工缓存区Br和操作工人OPk;未加工的工件随机到达中心仓库的区域B0,等待AGV小车搬运,AGV小车将工件搬运到机床处时,机床自动装载和卸载工件,机床加工完毕后,工件进入机床的完工缓存区Brj;然后,AGV小车从缓存区Brj搬运工件到中心仓库工件离开区域B1处,已加工工件在B1卸载后,立刻离开系统。
进一步地,所述获取作业车间的相关参数,并对作业车间进行节点划分,包括:
所述作业车间的相关参数包括工件到达速率λ,AGV小车的移动速率V,操作工设置机床速率μ0,机床加工速率μ,到达区域B0容量N0,待加工缓存区Bfi容量Nf,完工缓存区Brj容量Nr;
将作业车间进行节点划分,AGV小车划分到节点a,到达区域B0划分到节点b0,机床Mi及待加工缓存区Bfi划分到节点bfi,完工缓存区Brj划分到节点brj,操作工OPk划分到节点opk。
进一步地,所述建立各个节点的状态空间,包括:
建立各节点i的状态空间Si(*):
节点a:
Sa{(na,sa);na=0,1;sa=nodei-nodej,-nodek}
其中na表示AGV小车装载的工件数量;sa表示AGV小车的运行状态,当sa=nodei-nodej时,表示AGV小车处于从节点i前往节点j的途中,当sa=-nodek时,表示AGV小车在节点k阻塞或空闲等待;
节点b0:
SB0{(n0);-1≤n0≤N0}
当n0≥0时,SB0(n0)表示B0有n0个工件,且AGV小车不在B0处;当n0=-1时,SB0(-1)表示B0没有工件,且AGV小车在B0处空闲等待;
节点bfi:
Sbfi{(nfi,u);0≤nfi≤Nf+2;u=w,v}
nfi表示机床Mi与缓存区Bfi的工件数量,当nfi=Nf+2时,表示机床Mi与缓存区Bfi的工件数为Nf+1,且AGV小车被阻塞在缓存区Bfi处;u=w表示机床Mi没有被堵塞的状态,包括空闲等待、等待操作工设置、正在加工工件的状态,此时有0≤nfi≤Nf+2;u=v表示机床Mi被缓存区Brj堵塞,此时有1≤nfi≤Nf+1;
节点brj:
Sbrj{(nrj);0≤nrj≤Nr+1}
nrj代表缓存区Brj的工件数量,当nri=Nr+1时表示缓存区Brj有Nr个工件,并且堵塞机床Mi;
节点opk:
Sop{(nop);0≤nop≤m}
nop表示钻孔机床等待设置队列的队长,当nop=0时表示没有钻孔机床需要设置。
进一步地,所述基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率,包括:
将节点状态转移中受到其它节点影响概率设置为0;基于各节点的状态空间,由于假定在第一次迭代时节点之间没有相互影响,因此节点处于被堵塞状态的概率为0;将所有节点稳态状态的概率设置为0;
计算节点状态之间的转移速率,求解各节点的状态平衡方程组,得到节点处于各状态的概率;更新节点状态转移中受到其它节点影响概率,更新状态之间转移速率;
检验节点状态稳态概率的迭代结果是否收敛;如收敛则停止迭代,输出收敛时的节点状态的稳态概率。
进一步地,所述作业车间性能指标的表达式,包括作业车间平均在制品数量的表达式、作业车间平均产出率的表达式以及平均生产周期的表达式。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,处理器执行计算机程序时实现前述针对具有多资源协同约束的作业车间性能指标的求解方法的步骤。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现前述针对具有多资源协同约束的作业车间性能指标的求解方法的步骤。
与现有技术相比,本发明具有以下技术特点:
本发明针对定制化生产环境下的人机协同作业车间,提出一种基于排队网建模的系统性能指标求解方法,该方法相较于利用仿真模型求解性能指标,求解的速度得到极大的提升。本发明针对具有运输、人力、加工设备3种资源约束的作业车间,利用排队网建模方法快速求解车间性能指标,为合理配置资源提供支持。
附图说明
图1为本发明的整体流程示意图;
图2为构建的作业车间模型布局简图;
图3为本发明求解方程组的迭代算法流程图;
图4为本发明实施例利用排队网方法求解性能指标时间与仿真实验求解时间对比图。
具体实施方式
基于排队理论的解析方法虽然只能获得问题的近似解,但耗时很少,每次求解性能指标只需零点零几秒,这在资源配置优化的迭代过程中可以极大地提高求解效率,寻找一个较优的资源配置方案只需一到两分钟。
本方案中出现的相关变量符号如下所示:
参见图1,本发明公开了一种具有多资源协同约束的作业车间性能指标的求解方法,包括以下步骤:
步骤1,建立作业车间的模型,获取作业车间的相关参数,包括缓存区的容量、工件的到达速率、AGV小车的搬运速率等参数,并对作业车间进行节点划分,建立各个节点的状态空间;具体包含以下步骤:
步骤1.1,将实际的作业车间抽象为模型的表达方式;参见图2,本方案中作业车间模型由中心仓库工件到达区域B0、中心仓库工件离开区B1、AGV小车、待加工缓存区Bfi(i=1,2,…,m)、同等并行机床Mi(i=1,2,…,m)、完工缓存区Brj(j=1,2,…,m)和操作工人OPk组成。未加工的工件随机到达中心仓库的区域B0,等待AGV小车搬运,AGV小车将工件搬运到机床处时,机床自动装载和卸载工件,但加工前需要操作工对机床进行设置;机床加工完毕后,工件进入机床的完工缓存区Brj;然后,AGV小车从缓存区Brj搬运工件到中心仓库工件离开区域B1处,已加工工件在B1卸载后,立刻离开系统。
对模型的假设如下:
1)工件之间相互独立,其到达过程是一个强度为λ的泊松过程。
2)当工件到达系统时,进入B0排队等候AGV小车搬运;若B0的缓存已满,则工件被拒绝进入系统。
3)机床Mi加工时间服从参数为μ的指数分布。
4)机床Mi在加工前需要操作工进行设置,每设置时间服从参数为μ0的指数分布。
5)当AGV小车到达B0处时,若B0处没有工件,则AGV小车在B0处等待工件到达。
6)AGV小车在按照均衡负荷原则搬运工件。
7)当AGV小车在缓存区Bfi处卸载工件时,若缓存区Bfi已满,则AGV小车在Bfi处在阻塞等待,直到有空位卸载工件。
8)AGV小车在两点之间运行的平均时间与两点的路程成正比,且运行时间服从指数分布。
9)AGV小车从B0处出发,在途中没有被阻塞的情况下,返回到B0所需的平均时间为1/V。
步骤1.2,根据历史数据,获得工件到达速率λ,AGV小车的移动速率V,操作工设置机床速率μ0,机床加工速率μ,到达区域B0容量N0,待加工缓存区Bfi容量Nf,完工缓存区Brj容量Nr。
步骤1.3,将作业车间进行节点划分,AGV小车划分到节点a,到达区域B0划分到节点b0,机床Mi及待加工缓存区Bfi划分到节点bfi(i=1,2,…,m),完工缓存区Brj划分到节点brj(j=1,2,…,m),操作工OPk划分到节点opk(k=1,2,…,K)。
步骤1.4,建立各节点的状态空间:
节点a:
Sa{(na,sa);na=0,1;sa=nodei-nodej,-nodek}
其中na表示AGV小车装载的工件数量;sa表示AGV小车的运行状态,当sa=nodei-nodej时,表示AGV小车处于从节点i前往节点j的途中,当sa=-nodek时,表示AGV小车在节点k阻塞或空闲等待;节点a共有(m2+3m+1)个状态。
节点b0:
SB0{(n0);-1≤n0≤N0}
当n0≥0时,SB0(n0)表示B0有n0个工件,且AGV小车不在B0处。当n0=-1时,SB0(-1)表示B0没有工件,且AGV小车在B0处空闲等待;节点b0共有(N0+2)个状态。
节点bfi:
Sbfi{(nfi,u);0≤nfi≤Nf+2;u=w,v}
nfi表示机床Mi与缓存区Bfi的工件数量,当nfi=Nf+2时,表示机床Mi与缓存区Bfi的工件数为Nf+1,且AGV小车被阻塞在缓存区Bfi处;u=w表示机床Mi没有被堵塞的状态,包括空闲等待、等待操作工设置、正在加工工件的状态,此时有0≤nfi≤Nf+2;u=v表示机床Mi被缓存区Brj(j=i)堵塞,此时有1≤nfi≤Nf+1;节点bfi共有(2Nf+4)个状态。
节点brj:
Sbrj{(nrj);0≤nrj≤Nr+1}
nrj代表缓存区Brj的工件数量,当nri=Nr+1时表示缓存区Brj有Nr个工件,并且堵塞机床Mi(i=j);节点brj共有(Nr+2)个状态。
节点opk:
Sop{(nop);0≤nop≤m}
nop表示钻孔机床等待设置队列的队长(包括正在被设置的机床),当nop=0时表示没有钻孔机床需要设置;节点opk共有(m+1)个状态。
步骤2,基于所述各个节点的状态空间,建立各节点的状态平衡转移方程,并构建节点状态转移中受到其它节点影响概率、节点状态转移速率的表达式;具体包含以下步骤:
步骤2.1,建立节点a的状态转移平衡方程,对i=1,2,…,m,j=1,2,…,m,有:
⑥∑πa(na,sa)=1
步骤2.2,建立节点b0的状态转移平衡方程,有:
上式为-1<n0<N0的情况。
步骤2.3,建立节点bfi的状态转移平衡方程,有:
上式为1≤nfi≤Nf的情况。
上式为2≤nfi≤Nf的情况。
⑧∑πSbfi(nfi,u)=1。
步骤2.4,建立节点brj的状态转移平衡方程,有:
①πSbrj(nrj-1)×λj+πSbrj(nrj-1)×Ri=πSbrj(nrj-1)×(λj+Ri)
上式为1≤nrj≤Nr的情况,且有i=j。
②πSbrj(1)×Ri=πSbrj(0)×λj
③πSbrj(Nr)×λj=πSbrj(Nr+1)×Ri
上式中i=j;
①πSopk(nop-1)×(m+1-nop)×w+πSopk(nop+1)×K×μ0=πSopk(nop)×(K×μ0+(m-nop)×w)
上式为1≤nop≤m-1的情况;
②πSopk(1)×K×μ0=πSopk(0)×m×w
③πSopk(m-1)×w=πSopk(m)×K×μ0
④Pbi=πSbrj(Nr+1)
式中j=i
⑤Pwait=πSb0(-1)。
步骤2.7,给出状态之间转移速率的表达式:
②ri=1/m×(1/V+Pwait/λ)-1
式中j=i
步骤3,基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率;如图3所示,具体如下:
步骤3.1,初始化
2)基于各节点的状态空间,由于假定在第一次迭代时节点之间没有相互影响,因此节点处于被堵塞状态的概率为0;
3)将所有节点稳态状态的概率设置为0,如:(πSb0(-1),πSb0(0),…,πSb0(N0))=(0,0,…,0)。
步骤3.2,迭代计算
1)根据步骤2.7,计算节点状态之间的转移速率;
2)求解各节点的状态平衡方程组,得到节点处于各状态的概率;
4)更新状态之间转移速率,如:ri=1/m×(1/V+Pwait/λ)-1。
步骤3.3,检验节点状态稳态概率的迭代结果是否收敛;设第n次迭代得到的节点稳态概率为Y(n),计算Y(n)与Y(n-1)的无穷范数,如果该值小于10-8则停止迭代,否则令n=n+1,返回步骤3.2继续迭代。
步骤4,构建作业车间性能指标的表达式,利用所述节点状态的稳态概率,计算作业车间性能指标,具体算法如下:
步骤4.1,构建作业车间平均在制品数量的表达式:
步骤4.2,构建作业车间平均产出率的表达式:
步骤4.3,构建平均生产周期的表达式:
T=WIP/θ (4-3)
步骤4.4,将步骤3求解得到的节点状态稳态概率分别代入式(4-1)、式(4-2)、式(4-3)中,计算作业车间的性能指标,平均在制品数量WIP、平均产出率θ、平均生产周期T;求解出的性能指标将为合理配置资源提供支持,例如,对于产出率和机床、人工的匹配问题,利用本发明方法可计算出m台机床、k个工人时车间的产出率及生产周期等性能指标;再利用本领域常用的资源配置方法可得到最佳匹配结果,例如可枚举出每一种配置情况,从中选择最合适的的配置方案,从而可以很好地解决作业车间中配置操作工的数量、机床数量、AGV小车的速率等实际技术问题。
实施例:
下面结合一个具体的示例对本发明方法作进一步详细说明。
以具有3台机床、1个操作工人的作业车间为例。
步骤1,获取参数,进行节点划分,建立节点的状态空间。
步骤1.1,根据历史数据,得m=3(台),V=1.1(圈/小时),μ=0.4(个/小时),μ0=3(台/小时),K=1(个),λ=0.9(个/小时),N0=20,Nf=4,Nr=3,dbf1-bf2=dbf2-bf3=dbr3-br2=dbr2-br1=3(m),dbf3-br3=6(m)。
步骤1.2,将作业车间进行节点划分,AGV小车划分到节点a,B0划分到节点b0,机床Mi及缓存区Bfi划分到节点bfi(i=1,2,3),缓存区划分到节点brj(j=1,2,3),操作工划分到节点op1。
步骤1.3,建立各节点的状态空间:
节点a:
Sa{(na,sa);na=0,1;sa=nodei-nodej,-nodek}
节点b0:
SB0{(n0);-1≤n0≤20}
节点bfi:
Sbfi{(nfi,u);0≤nfi≤6;u=w,v}
节点brj:
Sbrj{(nrj);0≤nrj≤4}
节点opk:
Sop{(nop);0≤nop≤3}
步骤2,根据步骤1建立的各节点的状态,建立各节点的状态平衡转移方程,并给出节点状态转移中受到其它节点影响概率、节点状态转移速率的表达式,具体包含以下步骤:
步骤2.1,建立节点a的状态转移平衡方程,对i=1,2,3,j=1,2,3,有:
⑥∑πa(na,sa)=1。
步骤2.2,建立节点b0的状态转移平衡方程,有:
上式为-1<n0<20的情况。
上式为1≤nfi≤4的情况;
上式为2≤nfi≤4的情况。
⑧∑πSbfi(nfi,u)=1。
步骤2.4,建立节点brj的状态转移平衡方程,有:
①πSbrj(nrj-1)×λj+πSbrj(nrj-1)×Ri=πSbrj(nrj-1)×(λj+Ri)
上式为1≤nrj≤3的情况,且有i=j。
②πSbrj(1)×Ri=πSbrj(0)×λj
③πSbrj(3)×λj=πSbrj(4)×Ri
上式中i=j。
①πSopk(nop-1)×(4-nop)×w+πSopk(nop+1)×3=πSopk(nop)×(3+(3-nop)×w)
上式为1≤nop≤2的情况
②πSopk(1)×3=πSopk(0)×3×w
③πSopk(2)×w=πSopk(3)×3
步骤2.6,给出状态转移中受到其它节点影响概率的表达式:
④Pbi=πSbrj(4)
步骤2.7,给出状态之间转移速率的表达式:
②ri=1/3×(1/1.1+Pwait/0.9)-1
式中j=i
步骤3,基于步骤1节点的状态及步骤2的状态转移平衡方程,利用Matlab对步骤2的方程组进行迭代求解,具体如下:
步骤3.1,初始化
步骤3.2,迭代计算
1)构建各节点的状态空间,由于假定在第一次迭代时节点之间没有相互影响,因此节点处于被堵塞状态的概率为0;
2)根据步骤2.7,计算节点状态之间的转移速率;
3)求解各节点的状态平衡方程组,得到节点处于各状态的概率;
4)更新节点状态转移中受到其它节点影响概率,如Pwait=πSb0(-1),Pbi=πSbrj(5);
5)更新状态之间转移速率,如:ri=1/3×(1/1.1+Pwait/0.9)-1。
步骤3.3,检验节点状态稳态概率的迭代结果是否收敛。设第n次迭代得到的节点稳态概率为Y(n),计算Y(n)与Y(n-1)的无穷范数,如果该值小于10-8则停止迭代,否则令n=n+1,返回步骤3.2继续迭代。
步骤4,构建作业车间性能指标的表达式,利用步骤3得到节点状态的稳态概率,计算作业车间性能指标,具体算法如下:
步骤4.1,构建作业车间平均在制品数量的表达式:
步骤4.2,构建作业车间平均产出率的表达式:
步骤4.3,构建平均生产周期的表达式:
T=WIP/θ (4-3)
步骤4.4,将步骤3求解得到的节点状态稳态概率分别代入式(4-1)、式(4-2)、式(4-3)中,计算作业车间的性能指标。
计算得到平均在制品数量WIP=20.08(个),平均产出率θ=0.8956(个/小时),平均生产周期T=22.59(小时),Matlab程序运行的时间为0.013s,仿真实验的时间为139.515s。由此可见,本发明方法相较于仿真实验具有快速求解作用车间性能指标的特点。
本申请实施例进一步提供一种终端设备,该终端设备可以为计算机、服务器;包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述针对具有多资源协同约束的作业车间性能指标的求解方法的步骤。
本申请的实施提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述针对具有多资源协同约束的作业车间性能指标的求解方法的步骤。
计算机程序也可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器中,并由处理器执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
比较实验:
将本发明方法与现有的仿真建模方法进行对比来进一步说明本方法的特点。
排队网的模型在MATLAB R2014a上进行编程求解,仿真模型的仿真实验和排队网模型的求解计算在同一台PC机上进行,操作系统为Windows 10,硬件环境为Intel(R)CPU2.30GHz,16.0GB RAM。两者的对比结果参见图4,利用本发明的方法的求解速度明显优于仿真实验的速度。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种针对具有多资源协同约束的作业车间性能指标的求解方法,其特征在于,包括以下步骤:
建立作业车间的模型,获取作业车间的相关参数,并对作业车间进行节点划分,建立各个节点的状态空间,包括:
建立各节点i的状态空间:
节点a:
Sa{(na,sa);na=0,1;sa=nodei-nodej,-nodek}
其中na表示AGV小车装载的工件数量;sa表示AGV小车的运行状态,当sa=nodei-nodej时,表示AGV小车处于从节点i前往节点j的途中,当sa=-nodek时,表示AGV小车在节点k阻塞或空闲等待;
节点b0:
SB0{(n0);-1≤n0≤N0}
其中,N0为工件到达区域B0的容量;当n0≥0时,SB0(n0)表示B0有n0个工件,且AGV小车不在B0处;当n0=-1时,SB0(-1)表示B0没有工件,且AGV小车在B0处空闲等待;
节点bfi:
Sbfi{(nfi,u);0≤nfi≤Nf+2;u=w,v}
nfi表示机床Mi与缓存区Bfi的工件数量,Nf为待加工缓存区Bfi容量,当nfi=Nf+2时,表示机床Mi与缓存区Bfi的工件数为Nf+1,且AGV小车被阻塞在缓存区Bfi处;u=w表示机床Mi没有被堵塞的状态,包括空闲等待、等待操作工设置、正在加工工件的状态,此时有0≤nfi≤Nf+2;u=v表示机床Mi被缓存区Brj堵塞,此时有1≤nfi≤Nf+1;
节点brj:
Sbrj{(nrj);0≤nrj≤Nr+1}
nrj代表缓存区Brj的工件数量,Nr为完工缓存区Brj容量,nri=Nr+1时表示缓存区Brj有Nr个工件,并且堵塞机床Mi;
节点opk:
Sop{(nop);0≤nop≤m}
nop表示钻孔机床等待设置队列的队长,m表示钻孔机床的数量,当nop=0时表示没有钻孔机床需要设置;
基于所述各个节点的状态空间,建立各节点的状态平衡转移方程,并构建节点状态转移中受到其它节点影响概率的表达式、节点状态转移速率的表达式;
基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率;
构建作业车间性能指标的表达式,利用所述节点状态的稳态概率,计算作业车间性能指标,所述性能指标用于为作业车间的资源配置提供支持。
2.根据权利要求1所述的针对具有多资源协同约束的作业车间性能指标的求解方法,其特征在于,所述建立作业车间的模型,包括:
将实际的作业车间抽象为模型的表达方式;所述模型包括中心仓库工件到达区域B0、中心仓库工件离开区B1、AGV小车、待加工缓存区Bfi、同等并行机床Mi、完工缓存区Br和操作工OPk;未加工的工件随机到达中心仓库的工件到达区域B0,等待AGV小车搬运,AGV小车将工件搬运到机床处时,机床自动装载和卸载工件,机床加工完毕后,工件进入机床的完工缓存区Brj;然后,AGV小车从缓存区Brj搬运工件到中心仓库工件离开区域B1处,已加工工件在B1卸载后,立刻离开系统。
3.根据权利要求1所述的针对具有多资源协同约束的作业车间性能指标的求解方法,其特征在于,所述获取作业车间的相关参数,并对作业车间进行节点划分,包括:
所述作业车间的相关参数包括工件到达速率λ,AGV小车的移动速率V,操作工设置的机床速率μ0,机床的加工速率μ,工件到达区域B0的容量N0,待加工缓存区Bfi的容量Nf,完工缓存区Brj的容量Nr;
将作业车间进行节点划分,AGV小车划分到节点a,到达区域B0划分到节点b0,机床Mi及待加工缓存区Bfi划分到节点bfi,完工缓存区Brj划分到节点brj,操作工OPk划分到节点opk。
4.根据权利要求1所述的针对具有多资源协同约束的作业车间性能指标的求解方法,其特征在于,所述基于各个节点的状态空间,对所述各节点的状态平衡转移方程进行迭代求解,得到节点状态的稳态概率,包括:
将节点状态转移中受到其它节点影响概率设置为0;基于各节点的状态空间,由于假定在第一次迭代时节点之间没有相互影响,因此节点处于被堵塞状态的概率为0;将所有节点稳态状态的概率设置为0;
计算节点状态之间的转移速率,求解各节点的状态平衡方程组,得到节点处于各状态的概率;更新节点状态转移中受到其它节点影响概率,更新状态之间转移速率;
检验节点状态稳态概率的迭代结果是否收敛;如收敛则停止迭代,输出收敛时的节点状态的稳态概率。
5.根据权利要求1所述的针对具有多资源协同约束的作业车间性能指标的求解方法,其特征在于,所述作业车间性能指标的表达式,包括作业车间平均在制品数量的表达式、作业车间平均产出率的表达式以及平均生产周期的表达式。
6.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现根据权利要求1至5中任一权利要求所述方法的步骤。
7.一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时实现根据权利要求1至5中任一权利要求所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110339702.2A CN113033005B (zh) | 2021-03-30 | 2021-03-30 | 针对具有多资源协同约束的作业车间性能指标的求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110339702.2A CN113033005B (zh) | 2021-03-30 | 2021-03-30 | 针对具有多资源协同约束的作业车间性能指标的求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033005A CN113033005A (zh) | 2021-06-25 |
CN113033005B true CN113033005B (zh) | 2023-01-24 |
Family
ID=76453017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110339702.2A Active CN113033005B (zh) | 2021-03-30 | 2021-03-30 | 针对具有多资源协同约束的作业车间性能指标的求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033005B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113406939A (zh) * | 2021-07-12 | 2021-09-17 | 哈尔滨理工大学 | 一种基于深度q网络的无关并行机动态混合流水车间调度方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310924A (zh) * | 2020-02-14 | 2020-06-19 | 北京工业大学 | 一种考虑机床能耗的生产线缓冲区配置系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69927252T2 (de) * | 1999-07-13 | 2006-06-29 | International Business Machines Corp. | Auf der Überwachung der Belegung von Puffern basierte Planung der Netzwerkkapazität |
US8762581B2 (en) * | 2000-12-22 | 2014-06-24 | Avaya Inc. | Multi-thread packet processor |
US7372720B1 (en) * | 2005-02-16 | 2008-05-13 | Altera Corporation | Methods and apparatus for decreasing soft errors and cell leakage in integrated circuit structures |
US8972329B2 (en) * | 2008-05-02 | 2015-03-03 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for ranking nodes of a graph using random parameters |
EP2348631B1 (de) * | 2010-01-22 | 2012-09-19 | ABB Research Ltd. | Steurung einer rotierenden elektrischen Maschine |
US8553587B2 (en) * | 2011-02-28 | 2013-10-08 | International Business Machines Corporation | System and method for finding important nodes in a network |
CN103440393B (zh) * | 2013-09-18 | 2017-01-11 | 江苏大学 | 一种面向连续时间马尔科夫链的状态空间约简方法 |
-
2021
- 2021-03-30 CN CN202110339702.2A patent/CN113033005B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310924A (zh) * | 2020-02-14 | 2020-06-19 | 北京工业大学 | 一种考虑机床能耗的生产线缓冲区配置系统及方法 |
Non-Patent Citations (1)
Title |
---|
典型复杂结构的制造系统排队网建模与仿真研究;张惠煜;《中国博士学位论文全文数据库 基础科学辑》;20180315(第03期);第A002-33页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113033005A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arbel et al. | Performance evaluation of flexible manufacturing systems | |
Raman et al. | Real-time scheduling of an automated manufacturing center | |
Gershwin | Hierarchical flow control: a framework for scheduling and planning discrete events in manufacturing systems | |
Dawande et al. | Throughput optimization in robotic cells | |
CN107316107B (zh) | 一种面向多目标优化的经编机装配线平衡方法 | |
Joseph et al. | Evaluation of routing flexibility of a flexible manufacturing system using simulation modelling and analysis | |
Xu et al. | Optimization approaches for solving production scheduling problem: A brief overview and a case study for hybrid flow shop using genetic algorithms | |
CN112327621B (zh) | 一种基于蚁群算法的柔性生产线自适应控制系统及方法 | |
CN113033005B (zh) | 针对具有多资源协同约束的作业车间性能指标的求解方法 | |
Kłos et al. | Improving manufacturing processes using simulation methods | |
Chang et al. | A dynamic programming based process planning selection strategy considering utilisation of machines | |
CN110147596B (zh) | 一种航空产品生产能力评估方法 | |
Zupan et al. | Hybrid algorithm based on priority rules for simulation of workshop production | |
CN113705978B (zh) | 一种多机任务刀具静态与动态集成决策方法及系统 | |
Aksyonov et al. | Rules for construction of simulation models for production processes optimization | |
Alves et al. | Planning on discrete events systems: A logical approach | |
CN111290360B (zh) | 一种铸造生产线多目标优化方法 | |
Yang et al. | Verification of intelligent scheduling based on deep reinforcement learning for distributed workshops via discrete event simulation. | |
Chan et al. | Dynamic scheduling for a flexible manufacturing system-the pre-emptive approach | |
Kumar et al. | Integrated scheduling of part, tool and automated guided vehicles in a flexible manufacturing system using modified genetic algorithm | |
Jiang et al. | Improved heuristic algorithm for modern industrial production scheduling | |
CN114442578A (zh) | 复杂型面智能生产单元任务的刀具联合动态调度方法 | |
Kaltwasser et al. | Hierarchical control of flexible manufacturing systems | |
Hu et al. | An FMS scheduling and control decision support system based on generalised stochastic Petri nets | |
Liu et al. | Research on Optimization of Dual-Resource Batch Scheduling in Flexible Job Shop. |
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 |