CN113110331A - 一种订单式机器人冲压单元排版选配与调度集成优化方法 - Google Patents

Abstract

本发明涉及一种订单式机器人冲压单元排版选配与调度集成优化方法。本发明提供了一种订单式机器人冲压单元排版选配与调度集成优化方法，采用即时订单配置方式对多个订单进行处理，根据订单交货期划分出多个调度节点，并建立数学模型；在此基础上，采用多层组合整数编码的方式进行编码；随后，按照分批原则进行加工；遵循最快到达搬运起点的启发式规则对机器人进行调度；然后，在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束，应用群体智能优化算法对上述数学模型求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。

Description

一种订单式机器人冲压单元排版选配与调度集成优化方法

技术领域

本发明涉及智能制造领域，更具体地涉及一种订单式机器人冲压单元排版选配与调度集成优化方法。

背景技术

在现代制造业中，冲压加工是一种重要的加工方式，全世界的钢材中有60％～70％是板材，其中大部分被用于冲压加工。冲压产品以其强度高、重量轻等优点被广泛用于家用电器、汽车、航空航天等工业领域，预计到2022年，全球金属冲压加工的产业值将超过1800亿美元。目前，数控冲床和机器人在钣金加工当中的应用越来越多，随着钣金加工产品需求的增加，生产规模的扩大，钣金加工生产调度与机器人制造单元调度的重要性日益凸显，一个合理的生产调度方案，可以有效地提高生产成本。

目前对于数控冲压生产的研究，主要研究如何排版，实现板材面积的最大利用，而企业中的阶段性冲压生产，其订单中的产品结构比例虽有变化，但生产的产品种类在很长一段时间内是相对固定的，所以在很长一段时间内所用的排样图种类是相对固定的。当新的订单出现后，只需要根据订单要求，从相对固定的排版之中合理选择排样图种类和数量即可，而不需要再重新根据新订单的产品结构比例再重新生成排样图，这样可以使板材面积浪费减少，而一个订单内所有排样图加工完成后的冗余零件可以放置到零件库中等待之后的订单使用，而且目前对于数控冲压生产的研究没有考虑机器人搬运顺序的调度策略，而在实际的冲压生产单元中已经引入了机器人进行搬运和上下料，所以如何将排版选配与机器人冲压单元生产调度集成优化亟需要解决。

发明内容

本发明的目的在于提供一种订单式机器人冲压单元排版选配与调度集成优化问题的解决方案。

一种订单式机器人冲压单元排版选配与调度集成优化问题的定义可描述为：首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；然后给定多个待生产的订单，在满足生产系统约束的条件下，根据每个订单的交货期配置每个订单的生产阶段，并建立数学模型；随后，根据订单产品种类和数量以及构成每种产品所需钣金件的种类和数量，对每个订单进行排样图选配；根据每个订单的排样图选配结果，将待生产的排样图进行分批处理；根据批次形成不同作业，为每个作业在其对应的订单中安排加工顺序，并为每个作业选择数控冲床进行加工，然后为所有订单中的每个作业安排加工顺序；之后遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运；最后在考虑订单排样图选配约束、机器人调度约束以及数控冲床换模约束的基础上，建立生产调度约束；最后，通过群体智能算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。

为了实现上述目标，本发明所采用的技术方案主要包括以下过程：

步骤1、根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；

步骤2、根据每个订单的产品结构比例和交货期，采用即时订单配置方式为每个订单划分生产阶段、进行排样图选配和分批处理，具体包括以下步骤：

步骤I、根据订单的交货期先后顺序，生成一条订单顺序序列；

步骤II、根据订单的交货期和订单顺序序列，设置调度节点，将相邻的两个调度节点之间的时间视为一个生产阶段，一个生产阶段的结束对应一个订单的交货期，从零时刻到第一个订单的交货期为第一个生产阶段，第一个订单的交货期到第二个订单的交货期为第二个生产阶段，以次类推，将零时刻到最后一个生产阶段的结束时刻视为总生产阶段；

步骤III、根据已知的每个订单信息，按照订单顺序序列对每个订单依次进行排样图选配，即根据订单任务中的产品种类和数量，以及组成每种产品所需要的钣金件种类和数量，选择出生产完该订单任务所需的排样图编号和数量，当前订单排样图选配成功后，剩余的钣金件为冗余零件，将这些冗余零件放置于零件库中用于后续订单的排样图选配，在后续排样图选配中，冗余零件具有最高的优先级；

步骤IV、采用分批原则对订单进行处理，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；

步骤V、当有紧急订单插入时，根据该紧急订单的交货期，将该订单按照交货期先后插入到原有的订单顺序序列中，并且设置一个新的调度节点，再重新执行步骤III和步骤IV。

步骤3、针对一种订单式机器人冲压单元排版选配与调度集成优化问题，根据已知的每个订单信息以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标建立数学模型；

所述模型为：在该订单式机器人冲压单元排版选配与调度集成优化问题中，机器人冲压单元由多台性能相同的数控冲床(M₁，M₂，…，M_k，…，M_K)、装载站(M₀)、卸载站(M_K+1)、多台搬运机器人(R₁，R₂，…，R_r)和零件库组成。在总生产阶段中，根据组成各种产品钣金件的厚度和材料预先进行排版，得到l个编号好的排样图{L₁,L₂,…,L_h,…,L_l,}，每件排样图中的钣金件种类和数量已知(L_hn—编号为h的排样图中n型钣金件的数量)，每件排样图所对应的单张成品板材成本已知(c_h-编号为h的排样图所对应的单张成品板材成本)，总生产阶段中的每一个订单都需要完成一次排样图选配，现有m个具有不同交货期TD_i的待生产订单{O₁,O₂,…,O_i,…,O_m}，每个待加工订单中含有不同数量的O种类型产品{P₁,P₂,…,P_j,…,P_o}，每个待加工订单中的产品含有不同数量的N种类型钣金件{SP₁，SP₂,…,SP_n,…,SP_N}，每个订单中产品的种类和数量已知(P_ij—订单i中j型产品的数量)，组成每种产品所需要的钣金件种类和数量已知(SP_jn—j型产品中n型钣金件的数量)。在生产过程中，加工不同批次的排样图时，需考虑是否要更换数控冲床上转塔所安装的模具，更换一次模具所需成本为C_hm；单台数控冲床加工每件排样图所对应的时间为t_h(数控冲床加工单张编号为h的排样图所需要的时间)，单台数控冲床单位时间内的工作成本为C_p；其中，成品板材上料以及冲压完成之后的废料下料依赖于机器人进行搬运，机器人在各设备间的转运时间为t_k^k(机器人从设备M_k^转运到设备M_k所需要的时间)，机器人单位时间内的工作成本为C_r。

步骤4、采用多层组合整数编码的方式对子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列和总订单排样图批次加工顺序序列进行编码，该编码方式包括以下步骤：

步骤I、对订单顺序序列中第一个订单的子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列进行编码

步骤II、生成一条子订单排样图选配序列，该序列的长度为排样图种类，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图的数量；

步骤III、生成一条长度与子订单排样图选配序列相同的子订单排样图批次机器选择序列，该序列的每个位置用整数表示，其中每个位置的数字表示加工该编号所对应的排样图批次的加工机器编号；

步骤IV、生成一条长度与子订单排样图选配序列相同的子订单排样图批次加工顺序序列，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图批次在该订单中的加工顺序；

步骤V、对后续订单依次执行步骤II、步骤III和步骤IV，直到所有订单完成；

步骤VI、生成一条总订单排样图批次加工顺序序列，该序列的长度为订单数乘以排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置上的数字表示订单顺序序列中的订单号，每个数字出现的次数表示该订单排样图批次加工顺序序列中所对应的加工批次。

步骤5、根据总订单排样图批次加工顺序序列进行机器人调度选择，在生产过程中，由机器人将成品板材从装载站搬运至数控冲床上进行加工，加工完成后，由机器人将废料搬运至卸载站。遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运。

步骤6、在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束；

步骤7、通过群体智能算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。

所述生产调度模型的需满足以下约束条件：

1)每一个订单中的排样图选配完成后，能满足生产完该订单所需要，即：

式中，S_ih表示订单i排样图选配结果中编号为h的排样图的数量，RSP_in表示加工订单i时，零件库中n型冗余零件数量；

2)在总生产阶段的零时刻，数控冲床都未安装模具，首先需要为数控冲床安装模具；

3)在总生产阶段的零时刻，机器人和成品板材均在装载站准备；

4)数控冲床加工不同编号的排样图，都需要进行一次换模；

5)采用分批原则进行加工，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工，将一个批次当成一个作业加工；

6)同一台机器在某一时刻只能处理一个作业；

7)不同作业之间不存在先后约束；

8)所有作业在安装完模具之后都可以被加工；

9)机器人在各设备之间转运不考虑发生碰撞。

所述生产调度模型的目标函数如下：

生产成本：

式中t_r为总生产阶段中内机器人运行的时间，t_p为总生产阶段中所有数控冲床运行的时间之和，d为总生产阶段中所有数控冲床的换模次数；

订单的平均操作时间：

式中TR_i为订单i的完工时间；

库存：

具体实施方式

下面以NSGA-II算法为例详细说明本发明的具体实施方式：

本发明针对一种订单式机器人冲压单元排版选配与调度集成优化问题，以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标进行调度。首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；在该机器人冲压单元生产调度过程中，从外部收到具有不同交货期以及订单结构产品比例不同的订单，随后对订单进行处理，采用即时订单配置方式安排订单；为了保证该生产调度计划的顺利实现，需要为每一个订单进行一次排样图选配，即从相对固定的排样图中选择完成该订单所需要的排样图编号和数量，将所有订单完成排样图选配后；随后按照分批原则，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；然后确定每个批次的加工机器，以及每个批次在本订单中的加工顺序；之后在满足交货期的前提下，确定所有订单中的批次的加工顺序；最后遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行成品板材的上下料，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。

其具体实施过程如下：

首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号。

针对一种订单式机器人冲压单元排版选配与调度集成优化问题，采用即时订单配置方式处理订单，包括以下步骤：

步骤I、根据订单的交货期先后顺序，生成一条订单顺序序列；

步骤II、根据订单的交货期和订单顺序序列，设置调度节点，将相邻的两个调度节点之间的时间视为一个生产阶段，一个生产阶段的结束对应一个订单的交货期，从零时刻到第一个订单的交货期为第一个生产阶段，第一个订单的交货期到第二个订单的交货期为第二个生产阶段，以次类推，将零时刻到最后一个生产阶段的结束时刻视为总生产阶段；

步骤III、根据已知的每个订单信息，按照订单顺序序列对每个订单依次进行排样图选配，即根据订单任务中的产品种类和数量，以及组成每种产品所需要的钣金件种类和数量，选择出生产完该订单任务所需的排样图编号和数量，当前订单排样图选配成功后，剩余的钣金件为冗余零件，将这些冗余零件放置于零件库中用于后续订单的排样图选配，在后续排样图选配中，冗余零件具有最高的优先级；

步骤IV、采用分批原则对订单进行处理，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；

步骤V、当有紧急订单插入时，根据该紧急订单的交货期，将该订单按照交货期先后插入到原有的订单顺序序列中，并且设置一个新的调度节点，再重新执行步骤III和步骤IV。

针对一种订单式机器人冲压单元排版选配与调度集成优化问题，根据已知的每个订单信息以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标建立数学模型。

所述模型为：在该订单式机器人冲压单元排版选配与调度集成优化问题中，机器人冲压单元由多台性能相同的数控冲床(M₁，M₂，…，M_k，…，M_K)、装载站(M₀)、卸载站(M_K+1)、多台搬运机器人(R₁，R₂，…，R_r)和零件库组成。在总生产阶段中，根据组成各种产品钣金件的厚度和材料预先进行排版，得到l个编号好的排样图{L₁,L₂,…,L_h,…,L_l,}，每件排样图中的钣金件种类和数量已知(L_hn—编号为h的排样图中n型钣金件的数量)，每件排样图所对应的单张成品板材成本已知(c_h-编号为h的排样图所对应的单张成品板材成本)，总生产阶段中的每一个订单都需要完成一次排样图选配，现有m个具有不同交货期TD_i的待生产订单{O₁,O₂,…,O_i,…,O_m}，每个待加工订单中含有不同数量的O种类型产品{P₁,P₂,…,P_j,…,P_o}，每个待加工订单中的产品含有不同数量的N种类型钣金件{SP₁，SP₂,…,SP_n,…,SP_N}，每个订单中产品的种类和数量已知(P_ij—订单i中j型产品的数量)，组成每种产品所需要的钣金件种类和数量已知(SP_jn—j型产品中n型钣金件的数量)。在生产过程中，加工不同批次的排样图时，需考虑是否要更换数控冲床上转塔所安装的模具，更换一次模具所需成本为C_hm；单台数控冲床加工每件排样图所对应的时间为t_h(数控冲床加工单张L_h型排样图所需要的时间)，单台数控冲床单位时间内的工作成本为C_p；其中，成品板材上料以及冲压完成之后的废料下料依赖于机器人进行搬运，机器人在各设备间的转运时间为t_k^k(机器人从设备M_k^转运到设备M_k所需要的时间)，机器人单位时间内的工作成本为C_r。

采用多层组合整数编码的方式对子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列和总订单排样图批次加工顺序序列进行编码，该编码方式包括以下步骤：

步骤I、对订单顺序序列中第一个订单的子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列进行编码

步骤II、生成一条子订单排样图选配序列，该序列的长度为排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图的数量；

步骤III、生成一条长度与子订单排样图选配序列相同的子订单排样图批次机器选择序列，该序列的每个位置用整数表示，其中每个位置的数字表示加工该编号所对应的排样图批次的加工机器编号；

步骤IV、生成一条长度与子订单排样图选配序列相同的子订单排样图批次加工顺序序列，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图批次在该订单中的加工顺序；

步骤V、对后续订单依次执行步骤II、步骤III和步骤IV，直到所有订单完成；

步骤VI、生成一条总订单排样图批次加工顺序序列，该序列的长度为订单数乘以排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置上的数字表示订单顺序序列中的订单号，每个数字出现的次数表示该订单排样图批次加工顺序序列中所对应的加工批次。

根据总订单排样图批次加工顺序序列进行机器人调度选择，在生产过程中，由机器人将成品板材从装载站搬运至数控冲床上进行加工，加工完成后，由机器人将废料搬运至卸载站。遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运。

在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束。

最后，通过NSGA-II算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。

所述生产调度模型的需满足以下约束条件：

1)每一个订单中的排样图选配完成后，能满足生产完该订单所需要，即：

式中，S_ih表示订单i排样图选配结果中编号为h的排样图的数量，RSP_in表示加工订单i时，零件库中n型冗余零件数量；

2)在总生产阶段的零时刻，数控冲床都未安装模具，首先需要为数控冲床安装模具；

3)在总生产阶段的零时刻，机器人和成品板材均在装载站准备；

4)数控冲床加工不同编号的排样图，都需要进行一次换模；

5)采用分批原则进行加工，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工，将一个批次当成一个作业加工；

6)同一台机器在某一时刻只能处理一个作业；

7)不同作业之间不存在先后约束；

8)所有作业在安装完模具之后都可以被加工；

9)机器人在各设备之间转运不考虑发生碰撞。

所述生产调度模型的目标函数如下：

生产成本：

式中t_r为总生产阶段中内机器人运行的时间，t_p为总生产阶段中所有数控冲床运行的时间之和，d为总生产阶段中所有数控冲床的换模次数；

订单的平均操作时间：

式中TR_i为订单i的完工时间；

库存：

上述提出的编码方式可以用现有的各种主流的群体智能算法进行求解，下面以NSGA-II算法为例。

每个等级解中第一个个体和最后一个个体的拥挤距离设为无穷大，同一等级解中的每个个体的拥挤距离是指计算与其相邻的两个个体在每个子目标函数上的距离差之和，计算公式为：

D_j＝(f_j+1,1-f_j-1,1)+(f_j+1,2-f_j-1,2)+(f_j+1,3-f_j-1,3)。

所述NSGA-II算法的具体过程如下；

S1、初始化NSGA-II算法的参数：种群规模N、迭代次数G、交叉概率P_c、变异概率P_m，并设定i＝0；

S2、随机产生种群初始种群P_i，使用交叉和变异操作产生子代种群Q_i；

S3、将P_i和Q_i合并，即R_i＝P_i∪Q_i，基于Pareto的支配关系与不相关的关系，采用快速非支配排序方法构造R_i不同等级的非支配解集Z₁，Z₂，Z₃，…；

S4、清空P_i+1；

S5、对分好等级的非支配解集进行拥挤距离排序，根据非支配解集等级和拥挤距离，将前N个体加入到P_i+1中；

S6、对P_i+1执行交叉和变异操作产生子代种群Q_i+1；

S7、如果i<G，则i＝i+1，返回步骤S3；否则算法终止。

S8、运用AHP层次分析法从最终的Pareto最优解中选出满意方案。

Claims (4)

1.一种订单式机器人冲压单元排版选配与调度集成优化方法，其特征在于：

1)机器人冲压单元中配置了多台数控冲床、多台机器人、装载站、卸载站和零件库；机器人冲压单元生产的产品由多种不同尺寸的钣金件组成，其中每种产品所需要的钣金件和种类已知；冲压加工前，由机器人将成品板材从装载站搬运至数控冲床上进行加工，冲压加工后，由机器人将废料搬运至卸载站；

2)一种订单式机器人冲压单元排版选配与调度集成优化方法，其特征包括以下步骤：

步骤1、根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；

步骤2、根据每个订单的产品结构比例和交货期，采用即时订单配置方式为每个订单划分生产阶段、进行排样图选配和分批处理；

步骤3、根据已知的每个订单信息以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标建立数学模型；

步骤4、采用多层组合整数编码的方式对子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列和总订单排样图批次加工顺序序列进行编码；

步骤5、遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运；

步骤6、在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束；

步骤7、最后，通过群体智能算法对该数学模型进行求解。

2.根据权利要求1中所述的一种订单式机器人冲压单元排版选配与调度集成优化方法，其特征在于，步骤2所述的即时订单配置方式包括以下步骤：

步骤I、根据订单的交货期先后顺序，生成一条订单顺序序列；

步骤II、根据订单的交货期和订单顺序序列，设置调度节点，将相邻的两个调度节点之间的时间视为一个生产阶段，一个生产阶段的结束对应一个订单的交货期，从零时刻到第一个订单的交货期为第一个生产阶段，第一个订单的交货期到第二个订单的交货期为第二个生产阶段，以次类推，将零时刻到最后一个生产阶段的结束时刻视为总生产阶段；

步骤III、根据已知的每个订单信息，按照订单顺序序列对每个订单依次进行排样图选配，即根据订单任务中的产品种类和数量，以及组成每种产品所需要的钣金件种类和数量，选择出生产完该订单任务所需的排样图编号和数量，当前订单排样图选配成功后，剩余的钣金件为冗余零件，将这些冗余零件放置于零件库中用于后续订单的排样图选配，在后续排样图选配中，冗余零件具有最高的优先级；

步骤IV、采用分批原则对订单进行处理，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；

步骤V、当有紧急订单插入时，根据该紧急订单的交货期，将该订单按照交货期先后插入到原有的订单顺序序列中，并且设置一个新的调度节点，再重新执行步骤III和步骤IV。

3.根据权利要求1中所述的一种订单式机器人冲压单元排版选配与调度集成优化方法，其特征在于，步骤3所述数学模型的优化目标通过以下方式构建：

1)最小化生产成本目标函数为数控冲床工作成本评价函数、机器人工作成本评价函数、换模成本评价函数和板材成本评价函数累加之和，其中，数控冲床工作成本评价函数由单位时间内数控冲床工作成本乘以总生产阶段内所有数控冲床工作时间构成，机器人工作成本评价函数由单位时间内机器人工作成本乘以总生产阶段内所有机器人工作时间构成，换模成本评价函数由更换一次模具所需成本乘以总生产阶段中的换模次数构成，板材成本评价函数是指总生产阶段中的所有订单加工完成后，每个排样图编号相对应的成品板材所用数量乘以单张该种成品板材成本之和；

2)最小化订单的平均操作时间是指在满足每个订单交货期的前提下，各订单的交货期与其完工时间的差的累计和除以订单总数；

3)最小化库存是指总生产阶段中的所有订单加工完成后，冗余零件之和最小。

4.根据权利要求1中所述的一种订单式机器人冲压单元排版选配与调度集成优化方法，其特征在于，步骤4所述的多层组合整数编码方式包括以下步骤：

步骤I、对订单顺序序列中第一个订单的子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列进行编码；

步骤II、生成一条子订单排样图选配序列，该序列的长度为排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图的数量；

步骤III、生成一条长度与子订单排样图选配序列相同的子订单排样图批次机器选择序列，该序列的每个位置用整数表示，其中每个位置的数字表示加工该编号所对应的排样图批次的加工机器编号；

步骤IV、生成一条长度与子订单排样图选配序列相同的子订单排样图批次加工顺序序列，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图批次在该订单中的加工顺序；

步骤V、对后续订单依次执行步骤II、步骤III和步骤IV，直到所有订单完成；

步骤VI、生成一条总订单排样图批次加工顺序序列，该序列的长度为总订单数乘以排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置上的数字表示订单顺序序列中的订单号，每个数字出现的次数表示该订单排样图批次加工顺序序列中所对应的加工批次。