CN113960964A - 基于仿真优化的柔性流水车间生产调度系统 - Google Patents
基于仿真优化的柔性流水车间生产调度系统 Download PDFInfo
- Publication number
- CN113960964A CN113960964A CN202111106367.8A CN202111106367A CN113960964A CN 113960964 A CN113960964 A CN 113960964A CN 202111106367 A CN202111106367 A CN 202111106367A CN 113960964 A CN113960964 A CN 113960964A
- Authority
- CN
- China
- Prior art keywords
- simulation
- layer
- module
- optimization
- flexible flow
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 105
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 84
- 238000005457 optimization Methods 0.000 title claims abstract description 55
- 230000003993 interaction Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000010365 information processing Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims description 23
- 230000002452 interceptive effect Effects 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 12
- 238000013178 mathematical model Methods 0.000 description 7
- 210000000349 chromosome Anatomy 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于仿真优化的柔性流水车间生产调度系统，它属于生产调度领域。本发明解决了现有方法不能智能自主的完成互联和调度，导致对生产现场随机变化的适应性低、响应速度慢的问题。本发明系统的车间仿真层和智能搜索层以综合交互层作为桥梁进行交互，智能搜索层读取历史加工数据统计并生成初始搜索寻优范围，完成初代寻优后将调度结果写入综合交互层并改变标识位值，车间仿真层实时感知标识位值的变化，并通过交互控制模块读入综合交互层的数据，并在信息处理模块实现解码。车间执行模块根据解码结果进行仿真，将仿真适应度值输入综合交互层并再次改变标识位的值；智能搜索层再次寻优迭代并循环此过程，直至迭代停止。本发明可以应用于生产调度。
Description
技术领域
本发明属于生产调度技术领域，具体涉及一种基于仿真优化的柔性流水车间生产调度系统。
背景技术
在经济全球化进程日益加快和信息技术不断变革的浪潮之下，现代企业的生产和经营方式也在寻求更新和突破。在“工业4.0”的战略部署下，中国制造业也正在经历全面的转型升级。智能制造作为制造业企业升级转型的主要目标，是行业重点研究和突破的方向。其中，生产调度问题始终是制造业实现智能制造的核心问题之一，也是提高制造业企业核心竞争力的关键问题。
对于常见的多品种、小批量产品生产制造车间，其生产调度问题是典型的柔性流水车间生产调度问题，也称为混合流水车间调度问题。对比于原始的流水车间调度问题，其并行机床数量增加，可选机床范围广，问题的复杂程度和求解难度也相应随之增加。从而对柔性流水车间的智能调度技术提出挑战，系统化的调度方案也成为重要的研究方向。
传统的车间调度管控系统架构由制造执行系统、集中监控系统、过程控制系统等模块组成，实现了生产与管理过程的数字化和信息化，但主要的生产决策还是由车间相关管理人员制定。其中，传统的车间调度过程多以数学模型为基础方法，将实际问题抽象成数学模型，利用模型约束条件还原调度规则。但数学模型无法实现对生产规则的完全提取和复现，在描述环境因素时也无法使用函数关系明确表达机床班制、生产现场情况、人员状态等基本现实情况。为简化建模难度，数学模型会将车间机理模型简化，故数学模型的调度方法对实际生产的指导意义较低，面对随机性变化较多的生产现场，无法实现实时调度和完全还原，优化性能较差。
基于仿真模型的优化方法兼具较高还原度和现实性，在一定程度上解决了数学模型实现调度过程的局限性，该方法近年来被广泛应用到生产调度问题中，以仿真模型输出算法适应度值和仿真验证算法调度结果为主要研究方向。仿真模型可以最大限度的还原生产加工过程中的逻辑与规则、模拟生产现实，以提升调度系统的整体性能。但目前，基于仿真优化方法的调度方案研究多将调度算法、仿真模型分散为多个模块，模型多作为独立模块用以验证调度规则和智能算法的合理性和适应性，无法智能自主的完成互联和调度，对生产现场的随机变化适应性较低，响应速度较慢。
发明内容
本发明的目的是为解决目前的仿真优化方法无法智能自主的完成互联和调度，导致对生产现场的随机变化适应性低、响应速度慢的问题，而提出了一种将仿真模型和智能算法利用综合交互层作为桥梁实现系统化结合，面向柔性流水车间生产调度问题的集成化调度系统。
本发明为解决上述技术问题所采取的技术方案是：
基于仿真优化的柔性流水车间生产调度系统，所述系统包括车间仿真层、综合交互层和智能搜索层；其中：
所述车间仿真层内包含有车间执行模块、信息处理模块、交互控制模块和车间监测模块；
所述智能搜索层内包含有初始化模块、智能搜索迭代模块和交互通讯模块；
所述初始化模块用于根据历史加工数据生成初始搜索范围，并定义适应度函数；
所述智能搜索迭代模块用于根据选择策略、交叉算子和变异操作，并以初始化模块定义的适应度函数为优化目标，在初始搜索范围内进行初代寻优，获得寻优后的结果；
所述交互通讯模块用于更新标识位值，并将标识位值更新结果与寻优后的结果对应的种群数据存储至综合交互层；
所述综合交互层用于实现车间仿真层与智能搜索层的交互和通讯；
所述车间监测模块用于感知综合交互层中标识位值的变化，交互控制模块用于读入综合交互层中初代寻优后的结果对应的种群数据；
所述信息处理模块用于对交互控制模块读入的数据进行解码，获得解码结果，即获得初代寻优出的调度方案；
所述车间执行模块用于建立柔性流水车间仿真模型，柔性流水车间仿真模型根据信息处理模块的解码结果进行仿真，获得调度方案对应的适应度值，并更新标识位值；
车间执行模块将更新标识位值和适应度值写入并存储在综合交互层。
进一步地，所述车间执行模块将更新的标识位值写入综合交互层后，智能搜索层监测到标识位值的变化，智能搜索迭代模块根据更新的标识位值进行再次寻优；
直至车间执行模块获得的适应度值不再减小时停止迭代，车间执行模块根据最后一次迭代获得的调度方案生成甘特图。
进一步地，所述柔性流水车间仿真模型根据车间生产现场信息、班制信息、人员信息、生产准备信息、物料分配信息、实际生产流程、设备信息、产品信息以及加工优先级信息建立。
进一步地，所述综合交互层内分别配置有用于存储寻优结果对应的种群数据的种群更新记录表、用于存储标识位值的标识位值更新记录表以及用于存储柔性流水车间仿真模型输出的适应度值的适应度值记录表。
进一步地，所述标识位值更新记录表中的值作为柔性流水车间仿真模型与智能搜索迭代的交互开关，当车间仿真层监测到智能搜索层对标识位值进行了更新时，交互控制模块读取种群数据，柔性流水车间仿真模型开始仿真，当智能搜索层监测到车间仿真层对标识位值进行了更新时，智能搜索层开始下一次寻优过程。
进一步地，所述综合交互层根据适应度值记录表中记录的数据输出适应度曲线。
进一步地，所述综合交互层实现车间仿真层与智能搜索层的交互和通讯时，通过配置的通讯接口完成。
进一步地，所述柔性流水车间仿真模型基于Plant-Simulation建立。
进一步地，所述综合交互层基于Mysql数据库搭建。
更进一步地，所述适应度函数的优化目标为完工时间最小或设备利用率最大。
本发明的有益效果是：
本发明构建了一个针对柔性流水车间调度问题的集成生产调度系统，系统的车间仿真层和智能搜索层以综合交互层作为桥梁进行交互，智能搜索层读取历史加工数据统计并生成初始搜索寻优范围，完成初代寻优后将调度结果写入综合交互层并改变标识位值，车间仿真层的车间监测模块实时感知标识位值的变化，并通过交互控制模块读入综合交互层的数据，并在信息处理模块实现解码。将解码结果输入车间执行模块以实现对该代寻优结果的仿真，同时将仿真适应度值输入综合交互层并再次改变标识位的值；智能搜索层再次寻优迭代并循环此过程，直至迭代停止。最终在综合交互层记录各代种群寻优结果、历史适应度值，根据历史适应度值输出适应度曲线，车间仿真层绘制最终调度方案的甘特图，以实现生产调度系统的完整功能设计。
本发明中构建的生产调度系统的各层可以智能自主的完成互联和调度，能够实时进行仿真、动态监控和调度，提升了对随机变化的适应性以及响应的速度。
附图说明
图1为本发明的基于仿真优化的柔性流水车间生产调度系统的结构框图；
图2a为车间仿真层的示意图；
图2b为对图2a中的车间执行模块的柔性流水车间仿真模型的放大图；
图2c为对图2a中的信息处理模块的放大图；
图3为仿真模型的运行流程图；
图4为调度结果的甘特图；
图5为算法迭代曲线图。
具体实施方式
具体实施方式一、结合图1、图2a、图2b、图2c、图3和图4说明本实施方式。本实施方式所述的一种基于仿真优化的柔性流水车间生产调度系统，所述系统包括车间仿真层、综合交互层和智能搜索层；其中：
所述车间仿真层内包含有车间执行模块、信息处理模块、交互控制模块和车间监测模块；
所述智能搜索层内包含有初始化模块、智能搜索迭代模块和交互通讯模块；
所述初始化模块用于根据历史加工数据生成初始搜索范围(不同目标对应不同的初始化搜索规则)，并定义适应度函数；
所述智能搜索迭代模块用于根据选择策略、交叉算子和变异操作，并以初始化模块定义的适应度函数为优化目标，在初始搜索范围内进行初代寻优，获得寻优后的结果；
所述交互通讯模块用于更新标识位值，并将标识位值更新结果与寻优后的结果对应的种群数据存储至综合交互层；
所述综合交互层用于实现车间仿真层与智能搜索层的交互和通讯；
所述车间监测模块用于感知综合交互层中标识位值的变化，交互控制模块用于读入综合交互层中初代寻优后的结果对应的种群数据；
所述信息处理模块用于对交互控制模块读入的数据进行解码，获得解码结果，即获得初代寻优出的调度方案；
所述车间执行模块用于建立柔性流水车间仿真模型，柔性流水车间仿真模型根据信息处理模块的解码结果进行仿真，获得调度方案对应的适应度值，并更新标识位值；
车间执行模块将更新标识位值和适应度值写入并存储在综合交互层。
本发明通过设计多通讯接口，分别实现智能搜索层、车间仿真层和综合交互层之间的互联通讯。智能搜索层写入迭代优化结果并更新标识位；车间仿真层读取标识位变化和更新的种群记录并将仿真后输出的适应度值写入综合交互层，从而实现通过综合交互层完成的车间仿真层和智能搜索层之间的交互、通讯和实时互联。
本发明以系统化的集成方式将用于生产调度的智能算法与仿真模型通过综合交互层实现了实时互联与相互感知，本发明使生产调度方法不再局限于简化生产现实约束的数学模型，对生产实际情况实现了模拟和仿真，设计调度系统构建方案，有效提升调度方案对生产实际的指导意义，推动了柔性流水车间的智能化进程。
同时，本发明采用仿真模型对算法寻优结果进行仿真与验证，设计模型功能模块实现产品生产流程的仿真，这有效提升了调度方案的应用价值和可实施性，并实现了调度方案的可视化。
本发明为从系统层面解决生产调度方法模块分散、约束复杂、生产实际情况变化多等影响生产组织效率的问题，不仅将多层级方法系统化集成，为柔性流水车间提供调度方法系统建设方案，还有效提升了柔性流水车间的生产组织能力和动态响应能力。
具体实施方式二：结合图5说明本实施方式。本实施方式与具体实施方式一不同的是，所述车间执行模块将更新的标识位值写入综合交互层后，智能搜索层监测到标识位值的变化，智能搜索迭代模块根据更新的标识位值进行再次寻优；
直至车间执行模块获得的适应度值不再减小时停止迭代，车间执行模块根据最后一次迭代获得的调度方案生成甘特图。
车间执行模块每次进行仿真，基于的都是当前次寻优获得的寻优结果。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述柔性流水车间仿真模型根据车间生产现场信息、班制信息、人员信息、生产准备信息、物料分配信息、实际生产流程、设备信息、产品信息以及加工优先级信息建立。
通过建立柔性流水车间仿真模型实现对车间生产组成要素、组织结构和运行机制的建模。依据生产过程信息，在仿真软件中建立多模块化仿真模型，对车间实际生产进行仿真模拟。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述综合交互层内分别配置有用于存储寻优结果对应的种群数据的种群更新记录表、用于存储标识位值的标识位值更新记录表以及用于存储柔性流水车间仿真模型输出的适应度值的适应度值记录表。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述标识位值更新记录表中的值作为柔性流水车间仿真模型与智能搜索迭代的交互开关，当车间仿真层监测到智能搜索层对标识位值进行了更新时，交互控制模块读取种群数据，柔性流水车间仿真模型开始仿真，当智能搜索层监测到车间仿真层对标识位值进行了更新时，智能搜索层开始下一次寻优过程。
以标识位的读取结果作为仿真模型的开关信号，实现模型对智能搜索算法的实时监控和对仿真的进程控制。通过监测综合交互层的标识位变化，明确算法迭代更新完成情况并控制模型同步仿真。
标识位更新具体分为以下步骤：
步骤1、智能搜索模块寻优后启动交互通讯模块进程；
步骤2、交互通讯模块通过算法写入，改变标识位存储位置内的数据，以实现标识位更新；
步骤3、标识位值的变化被识别和读取，以此触发系统内其他功能。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述综合交互层根据适应度值记录表中记录的数据输出适应度曲线。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述综合交互层实现车间仿真层与智能搜索层的交互和通讯时，通过配置的通讯接口完成。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是，所述柔性流水车间仿真模型基于Plant-Simulation建立。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九：本实施方式与具体实施方式一至八之一不同的是，所述综合交互层基于Mysql数据库搭建。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十：本实施方式与具体实施方式一至九之一不同的是，所述适应度函数的优化目标为完工时间最小或设备利用率最大。
其它步骤及参数与具体实施方式一至九之一相同。
实施例
一种基于仿真模型的柔性流水车间生产调度系统，包括：基于Plant-Simulation的车间仿真层、基于Mysql数据库搭建的综合交互层、使用Python语言编写改进遗传算法代码的智能搜索层。仿真模型包括车间执行模块、交互控制模块、信息处理模块和车间监测模块；综合交互层包括：种群更新记录表、标识位值更新记录表、适应度值记录表、适应度曲线绘制表和多接口交互工具等；改进遗传算法代码实现历史加工数据处理读取、种群初始化、寻优迭代、标识位值更新和交互层通讯等功能模块。
本发明中构建了柔性流水车间的虚拟仿真模型。具体实施方案为：按照车间的生产现场、班制信息、人员信息、生产准备信息和物料分配信息设计对应的功能模块建立车间执行模块以实现对车间生产层的仿真。利用station、sorter、workplace、mobileunits、worker和calendar等功能块模拟加工中心、准备中心、物料分拣、加工零件、工人、设备班制等生产要素，编写method语言，控制加工优先级和产品物流流转顺序。产品加工和物流流转过程的仿真是车间执行模块的主要功能。
构建交互控制模块，利用ODBC功能包建立模型与数据库的交互窗，编写write-data和get-data方法实现数据的读入和写入。建立两张模型内的数据表用以存储调度方案和适应度值。基于以上功能模块实现模型交互控制模块的建立。交互控制模块将数据库内的数据表转化为模型内的Data-Table，该模块是模型与数据库交互的重要部分。
编写method方法、建立零件、设备和资源信息表并设计多个变量以完成信息处理模块的构建。信息处理模块通过解析交互控制模块写入的Data-Table以实现对算法优化结果的解码。实现解码后的数据表控制加工的实际过程仿真，包括产品工艺、设备加工顺序等。最后搭建车间监测模块，通过监测数据库标识位以实现车间仿真模型与算法的实时互联，实现算法迭代后的高效仿真。
本发明中所述综合交互层搭载Mysql数据库将虚拟仿真模型和算法有效互联，实现车间仿真模型和算法的交互和监测。设计相关的数据表分别实现模型和算法对数据库的读写，并分别建立数据库与模型和智能算法的通讯接口，以实现交互层和其他层级的互联。
建立种群更新记录表，存储算法更新迭代后的种群结果，并在每一次迭代后实现更新；建立标识位值更新记录表，算法每迭代一次则更新标识位数值一次用于模型对算法的监控；建立适应度值记录表，将每一次模型仿真后输出的适应度值记录在该表格，算法迭代后的每一次适应度值不断更新并写入该数据表。
分别使用ODBC和pymysql工具包实现综合交互层与仿真模型和算法的连接，并记录历史优化数据，输出适应度曲线以实现系统交互层的完整功能，成为沟通模型和算法的交互桥梁。
本发明的智能搜索层中利用的算法是基于Python语言编写的改进遗传算法，读取某柔性流水车间历史加工数据，设计算法完成编码解码并初始化种群，完成种群的选择、交叉与变异，将每一代更新后的种群写入综合交互层，并改变标识位。
以某生产单元所加工的六个工件生产数据为例，对生产调度系统进行验证。表1为具体的加工信息数据：
表1
柔性流水车间产品的特点是多品种小批量，针对该特点，设计算法初始化模块，对其进行编码。设计加工染色体和设备染色体，加工染色体体现产品编号及工序顺序，设备染色体明确该工序加工的所在设备。初始化种群方式是随机生成加工染色体并选择 25％的工序以50％的概率选择加工时间最短的设备进行加工，以实现种群初始化的优化形式。
根据车间需求，将最短加工时间作为优化目标。采用精英保留二元锦标赛选择策略并以加工时间的倒数作为适应度函数；设计改进优先操作交叉算子与多点交叉算子对染色体进行交叉操作。
将算法优化迭代的种群通过pymysql工具包写入综合交互层，实现算法优化结果的输出。并通过综合交互层完成智能算法与模型的交互。通过算法对标识位的改写实现模型对算法迭代效果的实时监控。
综上，本发明实现了对柔性流水车间的生产调度系统设计，其过程为：将生产历史数据存入Excel表格，编写python语言读入历史加工数据，并设计改进遗传算法进行种群寻优，将每代寻优结果和标识位更新写入综合交互层，搭建车间仿真模型实现对生产现场的虚拟仿真和实时调度，识别标识位变化并读入综合交互层的种群数据对算法寻优结果进行仿真，输出适应度值并存入综合交互层。同时在模型中绘制生产调度结果对应的甘特图，以实现柔性流水车间的生产调度，提升车间动态响应能力。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，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，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述系统包括车间仿真层、综合交互层和智能搜索层；其中：
所述车间仿真层内包含有车间执行模块、信息处理模块、交互控制模块和车间监测模块；
所述智能搜索层内包含有初始化模块、智能搜索迭代模块和交互通讯模块；
所述初始化模块用于根据历史加工数据生成初始搜索范围，并定义适应度函数；
所述智能搜索迭代模块用于根据选择策略、交叉算子和变异操作，并以初始化模块定义的适应度函数为优化目标，在初始搜索范围内进行初代寻优，获得寻优后的结果；
所述交互通讯模块用于更新标识位值，并将标识位值更新结果与寻优后的结果对应的种群数据存储至综合交互层；
所述综合交互层用于实现车间仿真层与智能搜索层的交互和通讯；
所述车间监测模块用于感知综合交互层中标识位值的变化，交互控制模块用于读入综合交互层中初代寻优后的结果对应的种群数据；
所述信息处理模块用于对交互控制模块读入的数据进行解码，获得解码结果，即获得初代寻优出的调度方案；
所述车间执行模块用于建立柔性流水车间仿真模型，柔性流水车间仿真模型根据信息处理模块的解码结果进行仿真，获得调度方案对应的适应度值，并更新标识位值；
车间执行模块将更新标识位值和适应度值写入并存储在综合交互层。
2.根据权利要求1所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述车间执行模块将更新的标识位值写入综合交互层后，智能搜索层监测到标识位值的变化，智能搜索迭代模块根据更新的标识位值进行再次寻优；
直至车间执行模块获得的适应度值不再减小时停止迭代，车间执行模块根据最后一次迭代获得的调度方案生成甘特图。
3.根据权利要求2所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述柔性流水车间仿真模型根据车间生产现场信息、班制信息、人员信息、生产准备信息、物料分配信息、实际生产流程、设备信息、产品信息以及加工优先级信息建立。
4.根据权利要求3所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述综合交互层内分别配置有用于存储寻优结果对应的种群数据的种群更新记录表、用于存储标识位值的标识位值更新记录表以及用于存储柔性流水车间仿真模型输出的适应度值的适应度值记录表。
5.根据权利要求4所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述标识位值更新记录表中的值作为柔性流水车间仿真模型与智能搜索迭代的交互开关，当车间仿真层监测到智能搜索层对标识位值进行了更新时，交互控制模块读取种群数据，柔性流水车间仿真模型开始仿真，当智能搜索层监测到车间仿真层对标识位值进行了更新时，智能搜索层开始下一次寻优过程。
6.根据权利要求5所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述综合交互层根据适应度值记录表中记录的数据输出适应度曲线。
7.根据权利要求6所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述综合交互层实现车间仿真层与智能搜索层的交互和通讯时，通过配置的通讯接口完成。
8.根据权利要求7所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述柔性流水车间仿真模型基于Plant-Simulation建立。
9.根据权利要求8所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述综合交互层基于Mysql数据库搭建。
10.根据权利要求9所述的基于仿真优化的柔性流水车间生产调度系统，其特征在于，所述适应度函数的优化目标为完工时间最小或设备利用率最大。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111106367.8A CN113960964A (zh) | 2021-09-22 | 2021-09-22 | 基于仿真优化的柔性流水车间生产调度系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111106367.8A CN113960964A (zh) | 2021-09-22 | 2021-09-22 | 基于仿真优化的柔性流水车间生产调度系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113960964A true CN113960964A (zh) | 2022-01-21 |
Family
ID=79461871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111106367.8A Pending CN113960964A (zh) | 2021-09-22 | 2021-09-22 | 基于仿真优化的柔性流水车间生产调度系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113960964A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117348575A (zh) * | 2023-11-27 | 2024-01-05 | 无锡雪浪数制科技有限公司 | 基于生产仿真平台的生产优化方法、装置及系统 |
| CN117348575B (zh) * | 2023-11-27 | 2024-06-11 | 无锡雪浪数制科技有限公司 | 基于生产仿真平台的生产优化方法、装置及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09114797A (ja) * | 1995-10-18 | 1997-05-02 | Fuji Xerox Co Ltd | 最適解探索方法及び装置 |
| CN103870647A (zh) * | 2014-03-14 | 2014-06-18 | 西安工业大学 | 一种基于遗传算法的作业车间调度建模的方法 |
| CN107392497A (zh) * | 2017-08-08 | 2017-11-24 | 大连交通大学 | 一种基于改进遗传算法的车间调度系统及调度方法 |
| CN109886588A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼算法求解柔性作业车间调度的方法 |
| CN110069880A (zh) * | 2019-04-30 | 2019-07-30 | 西安交通大学 | 一种基于仿真的多目标设备布局和生产排程协同优化方法 |
| CN110619437A (zh) * | 2019-09-20 | 2019-12-27 | 国网江苏省电力有限公司电力科学研究院 | 一种低能耗柔性作业车间调度方法 |
| CN111325487A (zh) * | 2020-04-28 | 2020-06-23 | 安徽农业大学 | 一种流水生产车间智能调度优化方法及系统 |
| CN111582561A (zh) * | 2020-04-23 | 2020-08-25 | 华南理工大学 | 一种面向小批量多品种的可重构生产线调度优化方法 |
| CN112882449A (zh) * | 2021-01-13 | 2021-06-01 | 沈阳工业大学 | 一种多品种小批量多目标柔性作业车间能耗优化调度方法 |
| CN113034026A (zh) * | 2021-04-09 | 2021-06-25 | 大连东软信息学院 | 基于Q-learning和GA的多目标柔性作业车间调度自学习方法 |
-
2021
- 2021-09-22 CN CN202111106367.8A patent/CN113960964A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09114797A (ja) * | 1995-10-18 | 1997-05-02 | Fuji Xerox Co Ltd | 最適解探索方法及び装置 |
| CN103870647A (zh) * | 2014-03-14 | 2014-06-18 | 西安工业大学 | 一种基于遗传算法的作业车间调度建模的方法 |
| CN107392497A (zh) * | 2017-08-08 | 2017-11-24 | 大连交通大学 | 一种基于改进遗传算法的车间调度系统及调度方法 |
| CN109886588A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼算法求解柔性作业车间调度的方法 |
| CN110069880A (zh) * | 2019-04-30 | 2019-07-30 | 西安交通大学 | 一种基于仿真的多目标设备布局和生产排程协同优化方法 |
| CN110619437A (zh) * | 2019-09-20 | 2019-12-27 | 国网江苏省电力有限公司电力科学研究院 | 一种低能耗柔性作业车间调度方法 |
| CN111582561A (zh) * | 2020-04-23 | 2020-08-25 | 华南理工大学 | 一种面向小批量多品种的可重构生产线调度优化方法 |
| CN111325487A (zh) * | 2020-04-28 | 2020-06-23 | 安徽农业大学 | 一种流水生产车间智能调度优化方法及系统 |
| CN112882449A (zh) * | 2021-01-13 | 2021-06-01 | 沈阳工业大学 | 一种多品种小批量多目标柔性作业车间能耗优化调度方法 |
| CN113034026A (zh) * | 2021-04-09 | 2021-06-25 | 大连东软信息学院 | 基于Q-learning和GA的多目标柔性作业车间调度自学习方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张源;王加冕;: "改进粒子群算法求解置换流水车间调度问题", 软件, no. 06, 15 June 2020 (2020-06-15) * |
| 轩华;王晶;李冰;王薛苑;: "阻塞混合流水车间调度优化研究", 控制工程, no. 08, 20 August 2020 (2020-08-20) * |
| 金博;周景亮;阮玉镇;: "基于Plant Simulation的作业车间调度优化研究", 机电技术, no. 01, 29 February 2020 (2020-02-29) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117348575A (zh) * | 2023-11-27 | 2024-01-05 | 无锡雪浪数制科技有限公司 | 基于生产仿真平台的生产优化方法、装置及系统 |
| CN117348575B (zh) * | 2023-11-27 | 2024-06-11 | 无锡雪浪数制科技有限公司 | 基于生产仿真平台的生产优化方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A modified genetic algorithm with new encoding and decoding methods for integrated process planning and scheduling problem | |
| Prashant Reddy et al. | Application of Petri nets and a genetic algorithm to multi-mode multi-resource constrained project scheduling | |
| CN113919230A (zh) | 一种复杂设备运行的建模评估方法及系统 | |
| Saitou et al. | Robust design of flexible manufacturing systems using, colored Petri net and genetic algorithm | |
| Bulgak et al. | Buffer size optimization in asynchronous assembly systems using genetic algorithms | |
| CN110516810A (zh) | 一种量子程序的处理方法、装置、存储介质和电子装置 | |
| CN110472765B (zh) | 一种车间布局调度的低熵协同优化方法 | |
| KR20210099932A (ko) | 강화 학습을 이용한 공장 시뮬레이터 기반 스케줄링 시스템 | |
| CN113656156A (zh) | 一种基于禁忌搜索算法和遗传算法结合的调度优化方法 | |
| Chaudhry | Job shop scheduling problem with alternative machines using genetic algorithms | |
| CN113960964A (zh) | 基于仿真优化的柔性流水车间生产调度系统 | |
| CN116957219A (zh) | 一种基于遗传算法的水泥生产线施工作业调度方法 | |
| Wang et al. | A simulation optimization approach for facility layout problem | |
| Zhou et al. | Flexible job-shop scheduling based on genetic algorithm and simulation validation | |
| Borojević et al. | An integrated intelligent CAD/CAPP platform: Part II-Operation sequencing based on genetic algorithm | |
| Stryczek | Petri networks in the planning of discrete manufacturing processes | |
| Eldabi et al. | Evaluation of tools for modeling manufacturing systems design with multiple levels of detail | |
| Song et al. | Research on Flexible Equipment Maintenance Process Scheduling Problems Based on HNSGSA Algorithm | |
| Chan et al. | Design and development of a stochastic high-level Petri net system for FMS performance evaluation | |
| Ammeri et al. | A simulation optimization approach-based genetic algorithm for lot sizing problem in a MTO sector | |
| CN109767051B (zh) | 基于大数据分析的变压器停电计划安排方法 | |
| Seyedhamzeh et al. | Investigating the two-stage assembly flow shop scheduling problem with uncertain assembling times | |
| CN113806906A (zh) | 金刚石滚轮三维可视化工艺设计系统及其设计方法 | |
| Solis et al. | A hybrid approach combining Petri Nets and Product Lifecycle Management to simulate, determine and validate the performance of flexible manufacturing systems | |
| Ruibo et al. | Staffing Optimization In Aircraft Assembly Pulsation Line |
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 |