CN114254895B - 基于贪心二分图搜索的产线人员调度方法 - Google Patents

基于贪心二分图搜索的产线人员调度方法 Download PDF

Info

Publication number
CN114254895B
CN114254895B CN202111511931.4A CN202111511931A CN114254895B CN 114254895 B CN114254895 B CN 114254895B CN 202111511931 A CN202111511931 A CN 202111511931A CN 114254895 B CN114254895 B CN 114254895B
Authority
CN
China
Prior art keywords
production line
bipartite graph
working
personnel
beat
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
Application number
CN202111511931.4A
Other languages
English (en)
Other versions
CN114254895A (zh
Inventor
王浩磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Qiruike Technology Co Ltd
Original Assignee
Sichuan Qiruike Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Qiruike Technology Co Ltd filed Critical Sichuan Qiruike Technology Co Ltd
Priority to CN202111511931.4A priority Critical patent/CN114254895B/zh
Publication of CN114254895A publication Critical patent/CN114254895A/zh
Application granted granted Critical
Publication of CN114254895B publication Critical patent/CN114254895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063118—Staff planning in a project environment
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及产线人员调度优化领域，具体涉及一种基于贪心二分图搜索的产线人员调度方法，实现了产线平衡率的动态调整，极大地降低了实际生产过程与排程误差，提高了产线平衡率。本发明基于贪心二分图搜索的产线人员调度方法，包括：根据产线和产线人员情况，建立产线和人员的二分图模型，确定模型的目标函数和约束条件，初始化二分图，并对二分图进行匹配测试，若测试通过，采用二次规划的方式，动态调整产线平衡率；若未通过，则根据贪心原则进行二分图迭代搜索，再次进行匹配测试。本发明适用于产线人员调度。

Description

基于贪心二分图搜索的产线人员调度方法
技术领域
本发明涉及产线人员调度优化领域，具体涉及一种基于贪心二分图搜索的产线人员调度方法。
背景技术
伴随着工业4.0的推进，传统工业的数字化发展进程，现代制造业企业已经逐步转向以MES(Manufacturing Execution System)系统为主导的智能化生产管理方式，采用APS进行生产线的工艺排程，以合理安排生产、提高伸长效率、支撑报价和货期的询问等。但在实施过程中，由于生产企业人员管理系统和智能制造系统耦合性较低，工厂方雇佣人员流动性大等情况，导致实际生产过程与排程结果误差较大，产线平衡率降低的问题，特别地，在自动化率较低的工厂和产线，依赖于产线人员的手工作业，人员技能熟练度不统一但缺乏技能量化规范将加剧这一情况。因此，建立一套智能化的人员生产调度系统，作为打通生产企业的MES系统和OA系统(即办公自动化系统)的中间环节，对生产企业实现智能化生产具有重要意义。
发明内容
本发明的目的是提供一种基于贪心二分图搜索的产线人员调度方法，实现了产线平衡率的动态调整，极大地降低了实际生产过程与排程误差，提高了产线平衡率。
本发明采取如下技术方案实现上述目的，基于贪心二分图搜索的产线人员调度方法，包括：
步骤1、根据产线和产线人员情况，建立产线和人员的二分图模型；
步骤2、确定模型的目标函数和约束条件；
步骤3、初始化二分图，并对二分图进行匹配测试，若测试通过，则进入步骤5，否则进入步骤4；
步骤4、根据贪心原则进行二分图迭代搜索，然后进入步骤3；
步骤5、采用二次规划的方式，动态调整产线平衡率。
进一步的是，步骤1中，建立产线和人员的二分图模型的具体方法包括：
所述产线由工段组成，每个工段配备不同容量的工位，设置工段M个，定义其中第i工段为Pi，其工位容量范围表示为qi＝(qimin,qimax)，qimin为工位容量的最小值，qimax为工位容量的最大值，其工段节拍值为Vi，表示生产单一产品需要的时间，整个产线的节拍值由最大节拍值决定，即V＝max{Vi,i＝1,2,...,M}；
设置到岗人员总数为N，员工j在工段i的工作节拍值为Vi (j)，定义αi (j)∈{0,1}表示人员j是否分配到工段i，则该工段的节拍可表示为
进一步的是，步骤2中，目标函数为
进一步的是，步骤3中，初始化二分图的具体方法包括：
对每个工段的备选边按节拍值排序，清除所有连接边，每个工段设置为最大工位容量，并按照边排序结果选择相同数量的边及右节点加入二分图，进行二分图的初始化。
进一步的是，步骤3中，采用矩阵匈牙利算法对二分图匹配测试。
进一步的是，步骤4中，根据贪心原则进行二分图迭代搜索的具体方法包括：
根据贪心原则进行二分图进行搜索，搜索包含两类操作，一类是在每个工段中按排序结果加入一条未选中的备选边，另一类是减少工段中的工位节点数，并重置边的选择；
然后计算所有操作集造成的节拍值损失，即可能造成整个产线节拍值增大最小的值，并选择其中最小的操作进行二分图的更新。
进一步的是，步骤5中，采用二次规划的方式，动态调整产线平衡率的具体方法包括：
在最终结果二分图中剔除最大工段及其连接的二分图右图节点，在剩余图中以最大节拍为上限值，通过新增、置换、删除边三种操作进行选择，采用动态规划算法计算平衡率最高的解。
进一步的是，步骤5中，产线平衡率计算公式为：
本发明根据贪心原则进行二分图迭代搜索，采用二次规划的方式，动态调整产线平衡率，实现了产线平衡率的动态调整，极大地降低了实际生产过程与排程误差，提高了产线平衡率。
附图说明
图1是本发明基于贪心二分图搜索的产线人员调度方法流程图。
图2是本发明实施例方法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明。
本发明基于贪心二分图搜索的产线人员调度方法，如图1，包括：
步骤S1、根据产线和产线人员情况，建立产线和人员的二分图模型；
步骤S2、确定模型的目标函数和约束条件；
步骤S3、初始化二分图，并对二分图进行匹配测试，若测试通过，则进入步骤S5，否则进入步骤S4；
步骤S4、根据贪心原则进行二分图迭代搜索，然后进入步骤S3；
步骤S5、采用二次规划的方式，动态调整产线平衡率。
步骤S1中，建立产线和人员的二分图模型的具体方法包括：
所述产线由工段组成，每个工段配备不同容量的工位，设置工段M个，定义其中第i工段为Pi，其工位容量范围表示为qi＝(qimin,qimax)，qimin为工位容量的最小值，qimax为工位容量的最大值，其工段节拍值为Vi，表示生产单一产品需要的时间，整个产线的节拍值由最大节拍值决定，即V＝max{Vi,i＝1,2,...,M}；
设置到岗人员总数为N，员工j在工段i的工作节拍值为Vi (j)，定义αi (j)∈{0,1}表示人员j是否分配到工段i，则该工段的节拍可表示为
产线排班目标以效率为主，在满足产线排程理论节拍值的基础上，通过人员合理调度，尽可能的提高生产效率，产线整体的节拍值由节拍值最大的工段决定，因此，步骤S2中，定义目标函数为
步骤S3中，初始化二分图的具体方法包括：
对每个工段的备选边按节拍值排序，清除所有连接边，每个工段设置为最大工位容量，并按照边排序结果选择相同数量的边及右节点加入二分图，进行二分图的初始化。
步骤S3中，采用矩阵匈牙利算法对二分图匹配测试。
步骤S4中，根据贪心原则进行二分图迭代搜索的具体方法包括：
根据贪心原则进行二分图进行搜索，搜索包含两类操作，一类是在每个工段中按排序结果加入一条未选中的备选边，另一类是减少工段中的工位节点数，并重置边的选择；
然后计算所有操作集造成的节拍值损失，即可能造成整个产线节拍值增大最小的值，并选择其中最小的操作进行二分图的更新。
步骤S5中，采用二次规划的方式，动态调整产线平衡率的具体方法包括：
在最终结果二分图中剔除最大工段及其连接的二分图右图节点，在剩余图中以最大节拍为上限值，通过新增、置换、删除边三种操作进行选择，采用动态规划算法计算平衡率最高的解。
产线平衡率计算公式为：
图2是本发明一种实施例方法流程图，
首先对产线和人员进行建模，产线工段为二分图左图节点集合，人员为二分图右图节点集合；
然后对左图的可连接设备选边按照节拍值从小到大进行排序；再初始化二分图，左图选择最大容量的节点，右图按顺序选择工段相应容量的节点，实现二分图的完美匹配，匹配测试成功，则剔除结果中瓶颈工段及其连接的右图节点，之后采用动态规划算法调整剩余节点的平衡率；匹配测试不成功，则计算左图所有操作集的节拍值损失，将损失最小的加入二分图，然后再进入二分图匹配测试。本发明有效结合了图算法对产线排班调度问题进行优化，并通过二次规划解决了传统图算法中不易施加约束条件的限制，通过迭代式求解挖掘最优解空间，采用动态规划补偿平衡率，也降低了计算的时间复杂度。如此，不仅提高了人员调度计算的效率，降低了实际生产过程与排程误差，提高了产线平衡率，同时结合工业物联网多系统的联动，提高了企业的管理效率和运行效率。
以上所述仅为本发明专利的较佳实施例，凡依本发明专利申请专利范围所作的均等变化与修饰，皆应属本发明专利的涵盖范围。

Claims (1)

1.基于贪心二分图搜索的产线人员调度方法，其特征在于，包括：
步骤1、根据产线和产线人员情况，建立产线和人员的二分图模型；建立产线和人员的二分图模型的具体方法包括：
所述产线由工段组成，每个工段配备不同容量的工位，设置工段M个，定义其中第i工段为Pi，其工位容量范围表示为qi＝(qimin,qimax)，qimin为工位容量的最小值，qimax为工位容量的最大值，其工段节拍值为Vi，表示生产单一产品需要的时间，整个产线的节拍值由最大节拍值决定，即V＝max{Vi,i＝1,2,...,M}；
设置到岗人员总数为N，员工j在工段i的工作节拍值为Vi (j)，定义αi (j)∈{0,1}表示人员j是否分配到工段i，则该工段的节拍表示为
步骤2、确定模型的目标函数和约束条件；
目标函数为：
步骤3、初始化二分图，并采用矩阵匈牙利算法对二分图匹配测试，若测试通过，则进入步骤5，否则进入步骤4；其中，初始化二分图的具体方法包括：对每个工段的备选边按节拍值排序，清除所有连接边，每个工段设置为最大工位容量，并按照边排序结果选择相同数量的边及右节点加入二分图，进行二分图的初始化；
步骤4、根据贪心原则进行二分图迭代搜索，然后进入步骤3；所述根据贪心原则进行二分图迭代搜索的具体方法包括：
根据贪心原则进行二分图进行搜索，搜索包含两类操作，一类是在每个工段中按排序结果加入一条未选中的备选边，另一类是减少工段中的工位节点数，并重置边的选择；
然后计算所有操作集造成的节拍值损失，即造成整个产线节拍值增大最小的值，并选择其中最小的操作进行二分图的更新；
步骤5、采用二次规划的方式，动态调整产线平衡率；具体包括：
在最终结果二分图中剔除最大工段及其连接的二分图右图节点，在剩余图中以最大节拍为上限值，通过新增、置换、删除边三种操作进行选择，采用动态规划算法计算平衡率最高的解，产线平衡率计算公式为：
CN202111511931.4A 2021-12-07 2021-12-07 基于贪心二分图搜索的产线人员调度方法 Active CN114254895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111511931.4A CN114254895B (zh) 2021-12-07 2021-12-07 基于贪心二分图搜索的产线人员调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111511931.4A CN114254895B (zh) 2021-12-07 2021-12-07 基于贪心二分图搜索的产线人员调度方法

Publications (2)

Publication Number Publication Date
CN114254895A CN114254895A (zh) 2022-03-29
CN114254895B true CN114254895B (zh) 2024-04-12

Family

ID=80794847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111511931.4A Active CN114254895B (zh) 2021-12-07 2021-12-07 基于贪心二分图搜索的产线人员调度方法

Country Status (1)

Country Link
CN (1) CN114254895B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582612A (zh) * 2019-02-15 2020-08-25 拉扎斯网络科技（上海）有限公司 订单分配方法、装置、电子设备及计算机可读存储介质
CN112966882A (zh) * 2021-04-15 2021-06-15 四川中电启明星信息技术有限公司 一种基于时空全局匹配的配电网调度方法
CN113505985A (zh) * 2021-07-08 2021-10-15 山东科技大学 一种求解混合装配序列规划和产线平衡问题的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210019690A1 (en) * 2019-07-15 2021-01-21 Service Titan, Inc. Technician dispatching method and system
CN110598920B (zh) * 2019-08-29 2023-03-17 华中科技大学 用于铸造并行车间主生产计划的多目标优化方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582612A (zh) * 2019-02-15 2020-08-25 拉扎斯网络科技（上海）有限公司 订单分配方法、装置、电子设备及计算机可读存储介质
CN112966882A (zh) * 2021-04-15 2021-06-15 四川中电启明星信息技术有限公司 一种基于时空全局匹配的配电网调度方法
CN113505985A (zh) * 2021-07-08 2021-10-15 山东科技大学 一种求解混合装配序列规划和产线平衡问题的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于匈牙利算法的群控电梯调度的实现;刘美菊;沈阳建筑大学学报(自然科学版);20130915;第29卷(第05期);955-960 *
基于贪心算法的RGV动态调度模型;潘舒曼;自动化应用;20190525(第05期);96-97 *
存在柔性设备多工序同时结束的综合调度算法研究;张骞中;万方数据;20210906;1-64 *

Also Published As

Publication number Publication date
CN114254895A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN107767022B (zh) 一种生产数据驱动的动态作业车间调度规则智能选择方法
CN112700060B (zh) 站所终端负荷预测方法和预测装置
CN110297490B (zh) 基于强化学习算法的异构模块化机器人自重构规划方法
CN106125684A (zh) 基于不确定环境下的多目标流水车间逆调度方法
CN105590143B (zh) Pcb板组装工艺中多机流水生产线贴片机负荷均衡优化方法
CN112163808B (zh) 一种基于对立学习的自适应鲸鱼算法求解物流中心选址问题的方法
CN109202895A (zh) 设计支持装置、设计支持方法及存储设计支持程序的介质
CN114254895B (zh) 基于贪心二分图搜索的产线人员调度方法
CN112907150A (zh) 一种基于遗传算法的生产排程方法
WO2022028926A1 (en) Offline simulation-to-reality transfer for reinforcement learning
CN117114144A (zh) 基于人工智能的水稻耐盐碱性能预测方法及系统
CN113408951B (zh) 一种基于动态信息累计狮群最优柔性调度方法及系统
CN112558601A (zh) 一种基于Q-learning算法和水滴算法的机器人实时调度方法及系统
CN116027753A (zh) 一种多目标混合流水车间调度方法及系统
CN110120892B (zh) 基于改进的萤火虫算法的sdn多控制器部署方法及系统
CN114745725A (zh) 一种基于边缘计算工业物联网的资源分配管理系统
CN117314078B (zh) 基于Petri网和神经网络的柔性制造系统的无死锁调度方法
CN113159399A (zh) 兼顾田间转移与作业规划的农机调度优化方法和系统
CN112487723B (zh) 一种基于多参数的中水热源泵系统优化设计方法
CN110866154A (zh) 一种协议库存智能匹配的方法
CN114254902B (zh) 一种多产线人员调度方法
CN115700414A (zh) 一种机器人运动误差补偿方法
CN110571791B (zh) 一种新能源接入下的输电网规划的优化配置方法
CN113111446A (zh) 选配方法
CN111932021B (zh) 一种再制造系统调度方法

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