CN113240287B - 一种基于供需关系的制造服务自适应调度方法 - Google Patents
一种基于供需关系的制造服务自适应调度方法 Download PDFInfo
- Publication number
- CN113240287B CN113240287B CN202110535529.3A CN202110535529A CN113240287B CN 113240287 B CN113240287 B CN 113240287B CN 202110535529 A CN202110535529 A CN 202110535529A CN 113240287 B CN113240287 B CN 113240287B
- Authority
- CN
- China
- Prior art keywords
- scheduling
- task
- time
- service
- supply
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000003044 adaptive effect Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于供需关系的制造服务自适应调度方法,包括以下步骤:1.解析制造服务供需关系,并基于供需关系构建制造服务调度问题模型;2.对系统负载状态及余度进行动态评估;3.根据供需波动对动态调度情境进行识别;4.面向不同的调度情境,制定自适应规则并进行匹配;5.初次调度时生成制造服务自适应调度方案,之后每当调度情境变化时更新方案。本发明能够有效反映基于供需关系的制造服务调度系统状态,并能保证调度系统的调度方案能够始终适应当前系统状态,以实现任务的高效分配以及调度系统的高效运行。
Description
技术领域
本发明属于面向服务的制造系统中制造服务调度技术领域,具体涉及一种基于供需关系的制造服务自适应调度方法。
背景技术
在制造服务系统的生产调度过程中,其要素对象可以被分为三类:调度任务需求,调度服务资源以及调度环境。其中,调度任务需求一般指制造服务及生产过程中产生的需求,包括车间物料配送过程、建筑项目的各个阶段、计算机程序的执行等。每个任务都包含各种属性,包括且不限于优先级水平、时间限制、完成质量情况等。调度服务资源一般指制造资源或制造能力通过制造服务系统感知接入、虚拟化、服务化封装等处理后得到的资源,包括但不限于车间的物料、机器、项目参与人员、计算机处理器等。任务需求与服务资源共同处于特定的调度环境下,并且受到环境的约束与影响,通过优化求解的方法实现对一个或多个目标的优化。
传统调度方法主要可以分为静态调度和动态调度两类,这两种方法均基于调度环境不变这一假设。然而,在实际生产过程中,由于外部环境的不断改变调度环境也会随之改变,传统调度方法的适应性不足。
发明内容
本发明要解决的技术问题为:提供一种基于供需关系的制造服务自适应调度方法,自适应调度方法通常指在动态调度的过程中,考虑调度环境的因素,根据不同的调度环境选取不同的调度方法或调度规则,以使调度过程更加适应环境的变化,得到更符合实际的优化调度方案。该方法包括解析制造服务系统供需关系、构建基于供需关系的调度问题模型、基于供需关系评估系统状态、基于系统状态制定自适应调度规则以及调度方案的生成与执行5个步骤。本发明能够有效反映基于供需关系的制造服务调度系统状态,并能保证调度系统的调度方案能够始终适应当前系统状态,以实现任务的高效分配以及调度系统的高效运行。
本发明解决其技术问题是采取以下技术方案实现的:一种基于供需关系的制造服务自适应调度方法,包括如下步骤:
步骤1:解析制造服务供需关系,并基于供需关系构建制造服务调度问题模型;在生产制造的过程中,通过信息化的手段或预测的方式获取制造服务系统中的供需状态;构建基于供需关系的任务与资源模型;根据一段时间内N个调度任务Tn,n=1,2,3...,N,调度任务的属性包括任务到达时间,任务截止时间,任务所需服务种类及数量,以及服务工序,Wm个制造服务资源Mw,w=1,2,3...,Wm,制造服务资源的属性包括资源的种类及数量构建模型。
步骤2:对系统负载状态及余度进行动态评估;计算调度任务负载时,考虑到任务的数量、任务所需资源及任务的紧迫性;同时,通过计算当前可调用资源种类与数量,考虑资源的稀缺性与重要性,得出当前系统可调用资源的服务能力;然后,通过比较系统负载状态及系统可用服务能力动态地评估系统的余度;
步骤3:根据供需波动对动态调度情境进行识别;考虑到制造服务系统供需的波动性与不确定性,制定基于供需波动的动态调度情境识别方法,考虑一段时间内供需关系的变化特征,并根据不同特征设计制定不同的调度情境,从而根据不同的供需关系特征识别不同的调度情境;
步骤4:基于不同的调度情境与系统状态,制定自适应调度规则;对于动态调度问题,结合不同调度情景分别制定自适应调度规则或调度阈值,当系统状态满足重调度触发条件时,触发一次重调度流程,对当前系统中还未执行的任务进行调度;
步骤5:调度方案的生成与执行;首先,以最短延迟时间及最大平台稳定性的目标函数,以资源数量,工艺顺序为约束条件,构建调度问题的模型;其次,基于智能求解算法包括粒子群算法,遗传算法,进化算法之一的方法对问题进行求解;最后,按照求解的方案执行直到下一次重调度触发,并重复步骤2-5的流程,直至所有任务均完成执行。
进一步的,计算系统状态时需要评估任务负载及服务能力,此时应结合任务的截止时间计算每个任务的紧迫程度,随着时间的推进,任务的紧迫度也随之增长,同时任务的紧迫度也将带动任务负载的增长以驱动重调度流程。
进一步的,自适应阈值实质上代表了制造服务调度系统的供需关系,但是由于不同任务需求均对应多种服务资源,无法采用归一化指标判定。因此,本发明选取了不同服务资源供需比中的最小值,代表系统的紧缺资源,作为指导重调度的供需关系的指标。
进一步的,对于不用调度情景与状态,其自适应调度阈值不同,其中调度情景可以按照任务量、任务规律、任务类型进行划分。在相应的环境判定区间内,可以得出当前的调度情景与状态,并据此选择相应的自适应调度阈值。
本发明与现有技术相比的优点在于:
(1)在考虑任务需求的动态到达之外,同时考虑了调度环境的变化,并且通过制造服务调度系统中的供需关系对调度环境的变化进行描述,以实现对调度环境变化的自适应调整。
(2)在自适应调度阈值方面,采用了紧缺资源作为重调度阈值指标,以更加客观地评价调度系统服务能力,能够使得调度系统更加准确地评估当前系统状况,并制定出符合现状的调度方案。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图对本发明做进一步详细的描述。
本发明公开了一种基于供需关系的制造服务自适应调度方法,该方法包括基于供需关系解析的制造服务调度问题模型构建、系统负载状态及余度动态评估、供需波动及其触发的动态调度情境识别、面向不同调度情境的自适应规则匹配以及制造服务自适应调度方案生成/更新5个步骤。本发明能够有效反映基于供需关系的制造服务调度系统状态,并能保证调度系统的调度方案能够始终适应当前系统状态,以实现任务的高效分配以及调度系统的高效运行。
本发明的一种基于供需关系的制造服务自适应调度方法的流程图如图1所示,具体实施方式如下:
步骤一:参见图1中1,基于供需关系解析的制造服务调度问题模型构建,具体如下:
1.1.针对一段时间内的N个调度任务Tn,n=1,2,3...,N,描述其主要属性,其中任务的到达时间表示为T_arriven,任务的截止时间表示为T_duen,同时,这些任务还将按照其任务需求分别分解为需要多个服务协作完成的子任务集,其中每个任务可以被分解为Km,m=1,2,3,...,M个子任务,其中sTn_k,k=1,2,3,...,Km,表示调度任务Tn的子任务集,表示每个子任务的所需每种服务资源的数量;对于调度系统内的M种服务资源,每种资源的数量表示为Wm,m=1,2,3...,M,其中每个服务的执行时间表示为Mw_executem _w;
1.2.对于任务执行过程,iT_startn表示任务在调度方案中的开始时间,sT_startn_k与sT_finishn_k表示相应子任务的开始时间与结束时间,T_finishn表示任务在实际执行的完成时间,tsT_leftn_k表示子任务在执行过程中的剩余时间,表示相应的服务执行对应任务的剩余时间;
1.3.描述调度系统的任务执行情况,引入相应参数,对于调度任务Tn,tXn表示任务的到达情况,若已经到达则tXn=1,否则tXn=0,tYn表示任务的完成情况,若已经完成则tYn=1,否则tYn=0,tZn表示任务的执行情况,若正在执行则tZn=1,否则tZn=0;对于相应的子任务,tyn_k表示子任务的完成情况,若已经完成则tyn_k=1,否则tyn_k=0,tzn_k表示子任务的执行情况,若正在执行则tzn_k=1,否则tzn_k=0;对于系统服务资源,表示资源的占用情况,若正在被相应服务占用则否则
步骤二:参见图1中2,系统负载状态及余度动态评估,具体实施方式如下:
2.1.根据调度任务负载以及系统服务能力状况,对当前系统状态进行评估;评价系统任务负载的过程中,考虑到调度任务需求具有动态性特征,因此设定在在t时刻系统任务负载Ct的计算公式如式(1)所示,其中N为t时刻到达系统的任务数;
式中tXn×(1-tyn_k)×(1-tzn_k)表示,选择出当前时刻已经到达且还未被执行的任务,通过比较任务的截止时间与预期完成时间表示出了相应任务的紧迫程度,表示对于相应资源的需求量;通过式(1)求得,当前时刻下的任务对每一类资源的需求程度,进而反映当前系统的任务负载;
2.2.评价系统服务能力时,考虑到服务资源的种类与数量具有多样性的特点,同时系统的服务能力很大程度上也取决于相应服务资源的稀缺性与重要性等因素,根据每种资源的可用数量以及正在被占用服务的预计结束时间,设定在t时刻的系统服务能力St的计算方法,如式(2)所示:
式中(1-tUm_w)表示当前系统中未被占用的资源,表示系统中正在被占用的资源,表示相应资源完成当前任务所剩余的时间,β为归一化系数;通过式(2)求得,当前时刻下系统中每一类服务资源的可用性,进而反映出当前系统的服务能力;随后,通过比较系统服务能力与任务负载,结合调度任务对服务资源的需求,即可求得系统的余度。
步骤三:参见图1中3,供需波动及其触发的动态调度情境识别,具体实施方式如下:
对于制造服务调度系统,供需关系通过比值的方式计算分别按照不同类型的资源计算供需关系计算公式;同时,在调度系统任务的执行过程中,系统负载与服务能力往往随着任务的到达与完成进行突变;选择在一段时间区间内系统服务能力与任务负载之比的平均值,记作ΔtS与ΔtC,在一段时间内,系统服务能力与任务负载之比θ的计算公式如式(3)所示:
其中,Δtθ表示一段时间Δt内的供需比,ΔtS表示Δt时间内的系统服务能力,ΔtC表示Δt时间内的系统任务负载情况,由于ΔtS和ΔtC均为代表不同种资源的向量形式,取其最小值即可得到制约系统服务能力资源的供需关系,从而代表该段时间内的调度情境;最后,按照专家经验或通过数据分析即可将供需比Δtθ按照其数值高低设定等级,不同等级即代表不同的调度情境种类。
步骤四:参见图1中4,面向不同调度情境的自适应规则匹配,具体实施方式如下:
基于不同的调度情境与系统状态,制定一套自适应调度规则,用于调度系统的重调度触发,即当系统供需关系满足一定条件时触发重调度流程;基于步骤3中所构建的多种制造服务调度问题情境,系统的状态与调度情境得以通过供需关系进行描述,所述调度系统的重调度触发基于系统服务能力与负载状态之比的自适应重调度触发机制,即在系统的实时运行中,通过对系统资源服务能力与任务负载状态的实时评估来决定是否需要驱动重调度流程,以及在不同的任务情境下设置自适应调度触发阈值θ'n,即当Δtθ<θn'时不进行重调度操作,在Δtθ≥θn'时驱动重调度流程,自适应调度触发阈值θ'n与步骤3中所设定的调度情境种类对应,有多少种调度情境即有多少种自适应调度触发阈值。
步骤五:参见图1中5,制造服务自适应调度方案生成/更新,具体实施方式如下:
5.1.构建以最短延迟时间及最大平台稳定性为目标的目标函数,
目标函数1:总延迟时间最短
对于调度任务而言,其总延迟时间代表了调度系统的调度优化水平,延迟时间越短表示系统优化的效果越好,如式(4)所示
目标函数2:平台稳定性最大
对于调度任务,采用调度任务延迟时间的方差来评价调度的均衡性问题,任务开始时间方差越小,表示系统越均衡,如式(5)所示,其中i表示当前的重调度次数,I表示总重调度次数。
5.2.以资源数量,工艺顺序为约束条件,构建调度问题的模型
约束条件1:对于任意任务Tn中的每一道工序的实际执行时间等于预期执行时间,如式(6)所示:
约束条件2:同一任务Tn的不同工序间存在先后顺序的约束,如式(7)所示:
约束条件3:在任意时刻,对于任意资源,所有任务所使用的该类型资源之和不得超过该资源的总数,如式(8)所示。
最后,基于以上调度问题模型,采用智能求解算法,以及调度规则对以上问题进行求解,并且按照求解的方案执行直到下一次重调度触发,并重复步骤2-5的流程,直至所有任务均完成执行。综上所述,本发明公开了一种基于供需关系的制造服务自适应调度方法,该方法包括解析制造服务系统供需关系、构建基于供需关系的调度问题模型、基于供需关系评估系统状态、基于系统状态制定自适应调度规则以及调度方案的生成与执行5个步骤。本发明能够有效反映基于供需关系的制造服务调度系统状态,并能保证调度系统的调度方案能够始终适应当前系统状态,以实现任务的高效分配以及调度系统的高效运行。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于供需关系的制造服务自适应调度方法,其特征在于包括步骤如下:
步骤1:解析制造服务供需关系,并基于供需关系构建制造服务调度问题模型;在生产制造的过程中,通过信息化的手段或预测的方式获取制造服务系统中的供需状态;构建基于供需关系的任务与资源模型;根据一段时间内N个调度任务Tn,n=1,2,3...,N,调度任务的属性包括任务到达时间,任务截止时间,任务所需服务种类及数量,以及服务工序,Wm个制造服务资源Mw,w=1,2,3...,Wm,制造服务资源的属性包括资源的种类及数量构建模型;
步骤2:对系统负载状态及余度进行动态评估;计算调度任务负载时,考虑到任务的数量、任务所需资源及任务的紧迫性;同时,通过计算当前可调用资源种类与数量,考虑资源的稀缺性与重要性,得出当前系统可调用资源的服务能力;然后,通过比较系统负载状态及系统可用服务能力动态地评估系统的余度;
步骤3:根据供需波动对动态调度情境进行识别;考虑到制造服务系统供需的波动性与不确定性,制定基于供需波动的动态调度情境识别方法,考虑一段时间内供需关系的变化特征,并根据不同特征设计制定不同的调度情境,从而根据不同的供需关系特征识别不同的调度情境;
步骤4:基于不同的调度情境与系统状态,制定自适应调度规则;对于动态调度问题,结合不同调度情景分别制定自适应调度规则或调度阈值,当系统状态满足重调度触发条件时,触发一次重调度流程,对当前系统中还未执行的任务进行调度;
步骤5:调度方案的生成与执行;首先,以最短延迟时间及最大平台稳定性的目标函数,以资源数量,工艺顺序为约束条件,构建调度问题的模型;其次,基于智能求解算法包括粒子群算法,遗传算法,进化算法之一的方法对问题进行求解;最后,按照求解的方案执行直到下一次重调度触发,并重复步骤2-5的流程,直至所有任务均完成执行;
所述步骤1具体包括:
(1.1.)针对一段时间内的N个调度任务Tn,n=1,2,3...,N,描述其主要属性,其中任务的到达时间表示为T_arriven,任务的截止时间表示为T_duen,同时,这些任务还将按照其任务需求分别分解为需要多个服务协作完成的子任务集,其中每个任务被分解为Km,m=1,2,3,...,M个子任务,其中sTn_k,k=1,2,3,...,Km,表示调度任务Tn的子任务集,表示每个子任务的所需每种服务资源的数量;对于调度系统内的M种服务资源,每种资源的数量表示为Wm,n=1,2,3...,M,其中每个服务的执行时间表示为Mw_executem_w;
(1.2.)对于任务执行过程,iT_startn表示任务在调度方案中的开始时间,sT_startn_k与sT_finishn_k表示相应子任务的开始时间与结束时间,T_finishn表示任务在实际执行的完成时间,tsT_leftn_k表示子任务在执行过程中的剩余时间,表示相应的服务执行对应任务的剩余时间;
(1.3.)描述调度系统的任务执行情况,引入相应参数,对于调度任务Tn,tXn表示任务的到达情况,若已经到达则tXn=1,否则tXn=0,tYn表示任务的完成情况,若已经完成则tYn=1,否则tYn=0,tZn表示任务的执行情况,若正在执行则tZn=1,否则tZn=0;对于相应的子任务,tyn_k表示子任务的完成情况,若已经完成则tyn_k=1,否则tyn_k=0,tzn_k表示子任务的执行情况,若正在执行则tzn_k=1,否则tzn_k=0;对于系统服务资源,表示资源的占用情况,若正在被相应服务占用则否则
所述步骤2具体包括:
(2.1.)根据调度任务负载以及系统服务能力状况,对当前系统状态进行评估;评价系统任务负载的过程中,考虑到调度任务需求具有动态性特征,因此设定在t时刻系统任务负载Ct的计算公式如式(1)所示,其中N为t时刻到达系统的任务数;
式中tXn×(1-tyn_k)×(1-tzn_k)表示,选择出当前时刻已经到达且还未被执行的任务,通过比较任务的截止时间与预期完成时间表示出了相应任务的紧迫程度,表示对于相应资源的需求量;通过式(1)求得,当前时刻下的任务对每一类资源的需求程度,进而反映当前系统的任务负载;
(2.2.)评价系统服务能力时,根据每种资源的可用数量以及正在被占用服务的预计结束时间,设定在t时刻的系统服务能力St的计算方法,如式(2)所示:
式中(1-tUm_w)表示当前系统中未被占用的资源,表示系统中正在被占用的资源,表示相应资源完成当前任务所剩余的时间,β为归一化系数;通过式(2)求得,当前时刻下系统中每一类服务资源的可用性,进而反映出当前系统的服务能力;随后,通过比较系统服务能力与任务负载,结合调度任务对服务资源的需求,即可求得系统的余度;
所述步骤3具体包括:
对于制造服务调度系统,供需关系通过比值的方式计算分别按照不同类型的资源计算供需关系计算公式;同时,在调度系统任务的执行过程中,选择在一段时间区间内系统服务能力与任务负载之比的平均值,记作△tS与△tC,在一段时间内,系统服务能力与任务负载之比θ的计算公式如式(3)所示:
其中,△tθ表示一段时间△t内的供需比,△tS表示△t时间内的系统服务能力,△tC表示△t时间内的系统任务负载情况,由于△tS和△tC均为代表不同种资源的向量形式,取其最小值即可得到制约系统服务能力资源的供需关系,从而代表该段时间内的调度情境;最后,按照专家经验或通过数据分析即可将供需比△tθ按照其数值高低设定等级,不同等级即代表不同的调度情境种类;
所述步骤4主要包括:
基于不同的调度情境与系统状态,制定一套自适应调度规则,用于调度系统的重调度触发,即当系统供需关系满足条件时触发重调度流程;基于步骤3中所构建的多种制造服务调度问题情境,系统的状态与调度情境得以通过供需关系进行描述,所述调度系统的重调度触发基于系统服务能力与负载状态之比的自适应重调度触发机制,即在系统的实时运行中,通过对系统资源服务能力与任务负载状态的实时评估来决定是否需要驱动重调度流程,以及在不同的任务情境下设置自适应调度触发阈值θ′n,即当△tθ<θn'时不进行重调度操作,在△tθ≥θn'时驱动重调度流程,自适应调度触发阈值θ′n与步骤3中所设定的调度情境种类对应,有多少种调度情境即有多少种自适应调度触发阈值;
所述步骤5主要包括:
(5.1.)构建以最短延迟时间及最大平台稳定性为目标的目标函数,
目标函数1:总延迟时间最短
对于调度任务而言,其总延迟时间代表了调度系统的调度优化水平,延迟时间越短表示系统优化的效果越好,如式(4)所示:
目标函数2:平台稳定性最大
对于调度任务,采用调度任务延迟时间的方差来评价调度的均衡性问题,任务开始时间方差越小,表示系统越均衡,如式(5)所示,其中i表示当前的重调度次数,I表示总重调度次数;
(5.2.)以资源数量,工艺顺序为约束条件,构建调度问题的模型
约束条件1:对于任意任务Tn中的每一道工序的实际执行时间等于预期执行时间,如式(6)所示:
约束条件2:同一任务Tn的不同工序间存在先后顺序的约束,如式(7)所示:
约束条件3:在任意时刻,对于任意资源m,所有任务所使用的m资源数量之和不得超过m资源的总数,如式(8)所示:
最后,基于以上调度问题模型,采用智能求解算法,以及调度规则对以上问题进行求解,并且按照求解的方案执行直到下一次重调度触发,并重复步骤2-5的流程,直至所有任务均完成执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535529.3A CN113240287B (zh) | 2021-05-17 | 2021-05-17 | 一种基于供需关系的制造服务自适应调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535529.3A CN113240287B (zh) | 2021-05-17 | 2021-05-17 | 一种基于供需关系的制造服务自适应调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240287A CN113240287A (zh) | 2021-08-10 |
CN113240287B true CN113240287B (zh) | 2022-08-05 |
Family
ID=77134833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110535529.3A Active CN113240287B (zh) | 2021-05-17 | 2021-05-17 | 一种基于供需关系的制造服务自适应调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240287B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493100A (zh) * | 2021-12-21 | 2022-05-13 | 北京航空航天大学 | 一种机群检测情境识别与任务生成方法 |
CN116610896B (zh) * | 2023-07-07 | 2023-10-27 | 浙江大学高端装备研究院 | 一种基于子图同构的制造服务供需匹配方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9524296B2 (en) * | 2006-12-29 | 2016-12-20 | Teradata Us, Inc. | Managing events in a computing environment |
US11243807B2 (en) * | 2017-05-04 | 2022-02-08 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing a scheduler and workload manager with workload re-execution functionality for bad execution runs |
CN110619409B (zh) * | 2018-06-19 | 2023-01-10 | 新智数字科技有限公司 | 一种自适应扰动量子粒子群的泛能站调度方法及装置 |
CN109828838A (zh) * | 2018-12-18 | 2019-05-31 | 深圳先进技术研究院 | 一种资源分配和任务调度多目标协同处理方法 |
US20200401985A1 (en) * | 2019-06-18 | 2020-12-24 | Branch Messenger Inc. | System and method for the adaptive scheduling of hourly staff to optimize labor cost |
-
2021
- 2021-05-17 CN CN202110535529.3A patent/CN113240287B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113240287A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113240287B (zh) | 一种基于供需关系的制造服务自适应调度方法 | |
US7487106B2 (en) | System and method for managing mobile workers | |
CN114756358B (zh) | 一种dag任务调度方法、装置、设备及存储介质 | |
US6233493B1 (en) | Computer-implemented product development planning method | |
US20220012089A1 (en) | System for computational resource prediction and subsequent workload provisioning | |
CN110837981B (zh) | 一种调度与控制协同处理方法及相关设备 | |
CN110414826B (zh) | 一种云制造环境下柔性多任务前摄性调度优化方法 | |
JP2017162044A (ja) | 生産計画装置、生産計画方法および生産計画プログラム | |
Cohen et al. | Managing stochastic, finite capacity, multi-project systems through the cross-entropy methodology | |
CN113408856B (zh) | 一种基于物联网技术的关键链计划调度方法 | |
CN116578403A (zh) | 一种基于深度强化学习的rpa流程调度方法及系统 | |
CN113743728B (zh) | 一种考虑状态迁移的机群检测均衡化调度方法 | |
Hung et al. | Dispatching rules using flow time predictions for semiconductor wafer fabrications | |
JP5831363B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
WO2020062047A1 (zh) | 更新调度规则的方法、设备、系统、存储介质和终端 | |
Chen | A tailored non-linear fluctuation smoothing rule for semiconductor manufacturing factory scheduling | |
Chen | A fuzzy-neural DBD approach for job scheduling in a wafer fabrication factory | |
Braune et al. | Applying genetic algorithms to the optimization of production planning in a real-world manufacturing environment | |
Putz et al. | Simulation-Based Optimization Approach for Efficient Generation of Sequencing Heuristics for Solving the Stochastic Resource-Constrained Scheduling Problem | |
Tedford et al. | Production scheduling using adaptable fuzzy logic with genetic algorithms | |
Bollapragada et al. | Proactive release procedures for just‐in‐time job shop environments, subject to machine failures | |
Ge et al. | Capability-based project scheduling with genetic algorithms | |
US7043319B1 (en) | System and method for visualizing the use of resources in a process system | |
CN113176933B (zh) | 面向海量工作流任务动态云网络互连方法 | |
Chua et al. | A heuristics-based advanced planning and scheduling system with bottleneck scheduling algorithm |
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 |