CN113570118A - 一种基于调度规则的车间排产和分析方法 - Google Patents

Abstract

一种基于调度规则的车间排产和分析方法，包括对订单‑工艺‑资源关系进行绑定，对不同订单进行指标分析；建立多约束规划的排产数学模型，用滚动时域算法结合车间调度的优先规则和评价指标对模型进行求解，排产结果用甘特图进行可视化；使用工艺流程序列进行挖掘分析和排产模型的性能指标对方法进行评估。本发明能够实现优化生产过程，提高人员、流程的效率，提高交付率，设备利用率等；充分考虑工厂中存在的场景，实时满足市场的订单需求并解决可能存在的突发情况。

Description

一种基于调度规则的车间排产和分析方法

技术领域

本发明涉及智能车间调度、排产计划调优技术领域，特别是一种基于多约束条件的启发式车间资源调度方法。

背景技术

作业车间调度(Job shop scheduling problem，JSP)是车间调度中最常见的调度类型，是最难的组合优化问题之一，应用领域极其广泛，涉及航母调度，机场飞机调度，港口码头货船调度，人员调度，项目调度，制造系统调度等，同时因制造业在经济发展领域占领着举足轻重的地位，以至于研究车间调度问题一直是最热门的研究领域之一。科学有效的生产调度不但可以提高生产加工过程中工人、设备资源的高效利用，还可缩短生产周期，降低生产成本。

车间调度的本质是为了让车间中某种生产指标达到最优水平，而进行合理的分配生产资源。随着对车间调度问题的研究不断深入，专家学者们意识到车间调度问题的生产约束不仅与直接加工零件的设备有关，而且与其他生产资源，如人力资源和辅助生产资源有关。因此，车间调度问题是对多种资源约束规划最困难的组合优化问题之一，同时也可以看作是一种排序问题。调度问题并不只是简单的排序研究，该问题需要根据这个排序确定任务的开始时间和结束时间，同时将各种资源约束考虑充分，从而达到某一个或多个目标的最优解。随着工业4.0的到来，不仅是工业生产过程规模逐渐扩大，同时由于移动互联网、大数据和云计算的到来，工业生产过程中产生的海量数据难以存储和计量，这对工业制造大数据问题的研究和分析带来了重大阻碍。因此，利用计算机搭建出高效的工业生产监控管理系统成为了迈入新一代工业革命的重中之重。

求解空间属于海量级，因此一般的解法难以得到满足约束条件的最优解，只能得到可行解。而现有的人工排产费时费力，且能够胜任排产岗位的员工又屈指可数。

发明内容

为了克服目前工业排产系统缺少分析探索功能的不足，本发明提供了一种基于调度规则的车间排产和分析方法，可以帮助企业实现车间调度排产难题，减轻资源人力压力，提高车间生产效率解决车间调度工业生产流程的排产问题。

为解决上述技术问题，本发明采取的技术方案如下：

一种基于调度规则的车间排产和分析方法，所述方法包括以下步骤：

(1)导入订单数据信息，对订单-工艺-资源关系进行绑定，对不同订单进行指标分析；

(2)建立多约束规划的排产数学模型，用滚动时域算法结合车间调度的优先规则和评价指标对模型进行求解，结果用甘特图进行可视化；

(3)使用工艺流程序列进行挖掘分析和排产模型的性能指标对方法进行评估。

进一步，所述步骤(1)中，将时间需求和数量需求与订单进行绑定，再从订单数据对应到产品数据检索出对应的产品工艺流程，删除其他多余的工艺流程并对其进行符号简化，再从产品数据对应到资源数据检索出对应的人力、设备、加工方式资源数据，综合得出订单-工艺-资源的关系，进而对不同订单进行指标分析给出评分。

再进一步，所述步骤(2)包括以下步骤：

(2-1)模型假设，假设工人及资源一天只工作8小时，不考虑人员的倒班；工序执行时间只与工序相关，与使用的资源无关；资源之间无依赖关系，设备不设置利用率；所有设备的利用率为100％；

(2-2)问题描述，设有某一企业需要生产客户提供的若干订单O_i，订单包含多个产品Prod_j，如现需要企业生产两笔订单O＝O₁,O₂，其中O₁＝Prod₁,Prod₂,O₂＝Prod₂,Prod₃，每一个产品由多个半成品装配S_k而成，同时每个半成品有对应的工艺流程P_k，如P₁＝S_a,S_f,S_r,S_o，对应的工艺S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4流程为S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4，工厂加工有两种环境，加工和装配，两种环境下的资源独立，不可互相使用；资源包括六种：机床、高级机床、员工、高级员工、设备和高级设备，其中高级资源可以作为普通资源使用，如高级机床可以作为机床，半成品的每一道工序都需要一定的资源，工序有前后置约束，同一工艺流程下，前置工序做完之后，后置工序才可以进行，工序有并行理方式和串行处理方式，并行可以一次生产1～N个，消耗时间相同；而串行一次只能生产1个；

(2-3)模型建立，根据已知的问题描述，得到如下约束条件：

I.同一工艺流程下，前置工序的结束时间小于后置工序的开始时间：

II.同一时刻资源的上限：

其中

III.最晚交付时间：T_w＜＝Fund(t_end-t_strat)*8，每天的工作时间为8个小时，Fund为求取天数的函数，其中M表示机床，AM表示高级机床，Stf表示员工，SStf表示高级员工，E表示设备，AE表示高级设备，t_start表示最早开始时间，t_end表示最晚交付时间，

在满足上述约束的情况下，使得标目函数F(t)＝t_short最小；

(2-4)模型求解，使用滚动时域算法并结合车间调度的优先规则和评价指标进行求解：

I.滚动窗口表示为加工工序从当前加工时刻点一直延续到滚动窗口设定的大小的时刻点的范围，选择周期性滚动调度，并以1分钟作为窗口的长度；

II.选取SPT即优先选择最短加工时间的工序为第一优先级，以满足整体工艺流程的最短加工要求；选取FCFS即优先选择服务先到达的工序为第二优先级，以满足同批次加工时造成的作业滞缓问题；选取企业环境下的负荷率和库存数作为除目标函数外的对模型进行分析的评价指标。

更进一步，所述步骤(3)中，工艺流程序列进行挖掘分析包括以下步骤：

(3-1)获取两个子序列的序列信息，图中方框注释区域代表一个工艺子序列，高度表示工序所耗资源的占比，颜色代表的工序的种类；

(3-2)将子序列进行后一项值减前一项值的差值处理，遍历比较两差值序列，获得两差值序列的公共序列，并记录下差值序列的个数Count和长度Length；

(3-3)相似度评分。Score_i,j＝∑Count_i×Length_i，面对大量的序列数据，在计算相似度评分时，子集序列不参与计算；

(3-4)对于n个子序列，可以得到n个差值序列，比较其中任意两首的差值序列，记录下其Count和Length，得到序列相似度，因此对于n个子序列可以得到

个Score，分别为Score_i,j，其中i＝1,2,…,n，j＝1,2,…,n，且Score_i,j＝Score_j,i；

(3-5)相似度评分归一化，从这

个Score中，计算找到Score的最大值Score_max和最小值Score_min，归一化的评分

(3-6)将相似度评分大于0.9且序列本身长度大于20的序列作为样本序列S_i，所有的样本序列集合称为样本序列集S，对样本序列集S中的每一个S_i检索出对应的资源R_i，所有对应的资源集合称为R,规定资源集合R中的所有资源为最高优先级资源，且在车间排产中最先被分配。

本发明的有益效果为：能够实现优化生产过程，提高人员、流程的效率，提高交付率，设备利用率等；充分考虑工厂中存在的场景，实时满足市场的订单需求并解决可能存在的突发情况。

附图说明

图1是本发明的结构流程图。

图2是本发明的排产结果甘特图。

图3是本发明的工艺序列挖掘分析视图。

具体实施方式

下面结合附图和实施例对本发明进行进一步详细说明。

参照图1～图3，一种基于调度规则的车间排产和分析方法，包括以下步骤：

(1)导入订单数据信息，对订单-工艺-资源关系进行绑定，对不同订单进行指标分析：将时间需求和数量需求与订单进行绑定，再从订单数据对应到产品数据检索出对应的产品工艺流程，删除其他多余的工艺流程并对其进行符号简化，再从产品数据对应到资源数据检索出对应的人力、设备、加工方式资源数据，综合得出订单-工艺-资源的关系，进而对不同订单进行指标分析给出评分；

(2)建立多约束规划的排产数学模型，用滚动时域算法结合车间调度的优先规则和评价指标对模型进行求解，结果用甘特图进行可视化，步骤如下：

(2-1)模型假设，假设工人及资源一天只工作8小时，不考虑人员的倒班；工序执行时间只与工序相关，与使用的资源无关；资源之间无依赖关系，设备不设置利用率；所有设备的利用率为100％；

(2-2)问题描述，设有某一企业需要生产客户提供的若干订单O_i，订单包含多个产品Prod_j，如现需要企业生产两笔订单O＝O₁,O₂，其中O₁＝Prod₁,Prod₂,O₂＝Prod₂,Prod₃，每一个产品由多个半成品装配S_k而成，同时每个半成品有对应的工艺流程P_k，如P₁＝S_a,S_f,S_r,S_o，对应的工艺S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4流程为S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4，工厂加工有两种环境，加工和装配，两种环境下的资源独立，不可互相使用；资源包括六种：机床，高级机床；员工，高级员工；设备，高级设备，其中高级资源可以作为普通资源使用，如高级机床可以作为机床，半成品的每一道工序都需要一定的资源，工序有前后置约束，同一工艺流程下，前置工序做完之后，后置工序才可以进行，工序有并行理方式和串行处理方式，并行可以一次生产1～N个，消耗时间相同；而串行一次只能生产1个；

(2-3)模型建立，根据已知的问题描述，得到如下约束条件：

I.同一工艺流程下，前置工序的结束时间小于后置工序的开始时间：

II.同-时刻资源的上限：

其中

III.最晚交付时间：T_w＜＝Fund(t_end-t_strat)*8，每天的工作时间为8个小时，Fund为求取天数的函数，其中M表示机床，AM表示高级机床，Stf表示员工，SStf表示高级员工，E表示设备，AE表示高级设备，t_start表示最早开始时间，t_end表示最晚交付时间；

在满足上述约束的情况下，使得标目函数F(t)＝t_short最小；

(2-4)模型求解，使用滚动时域算法并结合车间调度的优先规则和评价指标进行求解：

I.滚动窗口表示为加工工序从当前加工时刻点一直延续到滚动窗口设定的大小的时刻点的范围，选择周期性滚动调度，并以1分钟作为窗口的长度；

II.选取SPT即优先选择最短加工时间的工序为第一优先级，以满足整体工艺流程的最短加工要求；选取FCFS即优先选择服务先到达的工序为第二优先级，以满足同批次加工时造成的作业滞缓问题；选取企业环境下的负荷率和库存数作为除目标函数外的对模型进行分析的评价指标；

(3)使用工艺流程序列进行挖掘分析和排产模型的性能指标对方法进行评估，将任意两个工艺流程子序列进行对比，分析序列相似度，分析步骤包括：

(3-1)获取两个子序列的序列信息，图3中方框区域代表一个工艺公共子序列，高度表示工序所耗资源的占比，颜色代表的工序的种类；

(3-2)将子序列进行后一项值减前一项值的差值处理，遍历比较两差值序列，获得两差值序列的公共序列，并记录下差值序列的个数Count和长度Length；

(3-3)相似度评分。Score_i,j＝∑Count_i×Length_i，面对大量的序列数据，在计算相似度评分时，子集序列不参与计算；

(3-4)对于n个子序列，可以得到n个差值序列，比较其中任意两首的差值序列，记录下其Count和Length，得到序列相似度，因此对于n个子序列可以得到

个Score，分别为Score_i,j，其中i＝1,2,…,n，j＝1,2,…,n，且Score_i,j＝Score_j,i；

(3-5)相似度评分归一化，从这

个Score中，计算找到Score的最大值Score_max和最小值Score_min，归一化的评分

(3-6)将相似度评分大于0.9且序列本身长度大于20的序列作为样本序列S_i，所有的样本序列集合称为样本序列集S，对样本序列集S中的每一个S_i检索出对应的资源R_i，所有对应的资源集合称为R,规定资源集合R中的所有资源为最高优先级资源，且在车间排产中最先被分配。

以上所述是本发明的具体实施方式，但本发明的保护范围的限制并不局限于此，任何熟悉本技术领域的技术人员在本发明揭漏的技术范围内，根据本发明的技术方案不需要创造性劳动即可以做出等同替换或改变，都应涵盖在本发明的保护范围内。

Claims (4)

1.一种基于调度规则的车间排产和分析方法，其特征在于，所述方法包括以下步骤：

(1)导入订单数据信息，对订单-工艺-资源关系进行绑定，对不同订单进行指标分析；

(2)建立多约束规划的排产数学模型，用滚动时域算法结合车间调度的优先规则和评价指标对模型进行求解，结果用甘特图进行可视化；

(3)使用工艺流程序列进行挖掘分析和排产模型的性能指标对方法进行评估。

2.根据权利要求1所述的基于调度规则的车间排产和分析方法，其特征在于，所述步骤(1)中，将时间需求和数量需求与订单进行绑定，再从订单数据对应到产品数据检索出对应的产品工艺流程，删除其他多余的工艺流程并对其进行符号简化，再从产品数据对应到资源数据检索出对应的人力、设备、加工方式资源数据，综合得出订单-工艺-资源的关系，进而对不同订单进行指标分析给出评分。

3.根据权利要求1或2所述的基于调度规则的车间排产和分析方法，其特征在于，所述步骤(2)包括以下步骤：

(2-1)模型假设，假设工人及资源一天只工作8小时，不考虑人员的倒班；工序执行时间只与工序相关，与使用的资源无关；资源之间无依赖关系，设备不设置利用率；所有设备的利用率为100％；

(2-2)问题描述，设有某一企业需要生产客户提供的若干订单O_i，订单包含多个产品Prod_j，如现需要企业生产两笔订单O＝O₁,O₂，其中O₁＝Prod₁,Prod₂,O₂＝Prod₂,Prod₃，每一个产品由多个半成品装配S_k而成，同时每个半成品有对应的工艺流程P_k，如P₁＝S_a,S_f,S_r,S_o，对应的工艺S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4流程为S_a＝P_a1,P_a2,P_a3,P_a4；S_f＝P_f1,P_f2,P_f3,P_f4；S_r＝P_r1,P_r2,P_r3,P_r4；S_o＝P_o1,P_o2,P_o3,P_o4，工厂加工有两种环境，加工和装配，两种环境下的资源独立，不可互相使用；资源包括六种：机床、高级机床、员工、高级员工、设备和高级设备，其中高级资源可以作为普通资源使用，如高级机床可以作为机床，半成品的每一道工序都需要一定的资源，工序有前后置约束，同一工艺流程下，前置工序做完之后，后置工序才可以进行，工序有并行理方式和串行处理方式，并行可以一次生产1～N个，消耗时间相同；而串行一次只能生产1个；

(2-3)模型建立，根据已知的问题描述，得到如下约束条件：

I.同一工艺流程下，前置工序的结束时间小于后置工序的开始时间：

II.同一时刻资源的上限：

其中

III.最晚交付时间：T_w＜＝Fund(t_end-t_strat)*8，每天的工作时间为8个小时，Fund为求取天数的函数，其中M表示机床，AM表示高级机床，Stf表示员工，SStf表示高级员工，E表示设备，AE表示高级设备，t_start表示最早开始时间，t_end表示最晚交付时间，

在满足上述约束的情况下，使得标目函数F(t)＝t_short最小；

(2-4)模型求解，使用滚动时域算法并结合车间调度的优先规则和评价指标进行求解：

I.滚动窗口表示为加工工序从当前加工时刻点一直延续到滚动窗口设定的大小的时刻点的范围，选择周期性滚动调度，并以1分钟作为窗口的长度；

II.选取SPT即优先选择最短加工时间的工序为第一优先级，以满足整体工艺流程的最短加工要求；选取FCFS即优先选择服务先到达的工序为第二优先级，以满足同批次加工时造成的作业滞缓问题；选取企业环境下的负荷率和库存数作为除目标函数外的对模型进行分析的评价指标。

4.根据权利要求1或2所述的基于调度规则的车间排产和分析方法，其特征在于，所述步骤(3)中，工艺流程序列进行挖掘分析包括以下步骤：

(3-1)获取两个子序列的序列信息，图中方框注释区域代表一个工艺子序列，高度表示工序所耗资源的占比，颜色代表的工序的种类；

(3-2)将子序列进行后一项值减前一项值的差值处理，遍历比较两差值序列，获得两差值序列的公共序列，并记录下差值序列的个数Count和长度Length；

(3-3)相似度评分。Score_i,j＝∑Count_i×Length_i，面对大量的序列数据，在计算相似度评分时，子集序列不参与计算；

(3-4)对于n个子序列，可以得到n个差值序列，比较其中任意两首的差值序列，记录下其Count和Length，得到序列相似度，因此对于n个子序列可以得到

分别为Score_i,j，其中i＝1,2,…,n，j＝1,2,…,n，且Score_i,j＝Score_j,i；

(3-5)相似度评分归一化，从这

个Score中，计算找到Score的最大值Score_max和最小值Score_min，归一化的评分

(3-6)将相似度评分大于0.9且序列本身长度大于20的序列作为样本序列S_i，所有的样本序列集合称为样本序列集S，对样本序列集S中的每一个S_i检索出对应的资源R_i，所有对应的资源集合称为R,规定资源集合R中的所有资源为最高优先级资源，且在车间排产中最先被分配。

Images