CN114254902B - 一种多产线人员调度方法 - Google Patents
一种多产线人员调度方法 Download PDFInfo
- Publication number
- CN114254902B CN114254902B CN202111520431.7A CN202111520431A CN114254902B CN 114254902 B CN114254902 B CN 114254902B CN 202111520431 A CN202111520431 A CN 202111520431A CN 114254902 B CN114254902 B CN 114254902B
- Authority
- CN
- China
- Prior art keywords
- line
- temperature
- production line
- production
- solution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 39
- 238000002922 simulated annealing Methods 0.000 claims abstract description 9
- 238000000137 annealing Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及人员管理技术领域,为了提高多产线人员的排班效率,提供了一种多产线人员调度方法,包括:步骤1、根据产线及人员信息建模并确定目标函数及其约束条件;步骤2、采用模拟退火算法及二分图变异的方式进行求解。采用上述方式可以提高多产线人员的排班效率。
Description
技术领域
本发明涉及人员管理技术领域,具体是一种多产线人员调度方法。
背景技术
随着工业数字化进程的持续推进,制造企业均采用智能化系统来管理企业生产,在生产产线的人员调度方面,依旧存在智能化优化的空档,特别在大型制造企业,工人多、工种多、产线多、工人技能参差不齐,使得制造企业在人员调度方面面临巨大的困难,产线效率始终无法达到工业排程的预期结果,平衡率较低等情况。传统的人工排班效率较低,采用图优化算法的排班方式在产线和规模增大时,计算效率低下,甚至无法得出一个可行解。
发明内容
为了提高多产线人员的排班效率,本发明提供了一种多产线人员调度方法。
本发明解决上述问题所采用的技术方案是:
一种多产线人员调度方法,包括:
步骤1、根据产线及人员信息建模并确定目标函数及其约束条件;
步骤2、采用模拟退火算法及二分图变异的方式进行求解。
进一步地,所述步骤1中目标函数及约束条件具体为:
式中,M为产线数量,i表示第i条产线,j为工序段,N为到岗总人数,第k名员工在产线i工段j生产单一产品需要的时间为表示人员k是否分配到产线i的工段j,第i条产线可容纳的工位数量表示为qij,θi表示产线i的权重系数,βi为产线i的平衡率,δi为平衡率惩罚因子。
进一步地,所述步骤2具体为:
步骤21、设定起始温度T0、截止温度Tc,退火控制参数及最大迭代次数Epoch;
步骤22、采用二分图形成一个初始可行解,并计算其适应度函数f0,并令fbest=f0,转步骤23,fbest表示最优适应度函数;
步骤23、采用二分图变异的方式产生新的解并计算其适应度函数fi+1;
步骤24、根据Metropolis准则更新解,包括更新最优适应度函数fbest及其对应的解并更新温度,若温度低于截止温度或搜索次数等于Epoch,则转步骤25,否则转步骤23;
步骤25、输出最优解作为本次算法搜索的解。
进一步地,所述步骤23中二分图变异方式具体为:
随机选择一条边删除,同时删除两侧节点;
或,随机新增一条边,并增加两侧节点;
或,随机选择两条边,并交换右节点。
进一步地,所述步骤24中更新温度采用的公式为:
式中,α为退火控制参数且α∈[0.5,1),c为连续获取非最优解的迭代次数。
本发明相比于现有技术具有的有益效果是:提出了一种新的多产线人员调度模型,便于企业人员调度,在对其进行求解时采用模拟退火算法及二分图变异的方式,提高了算法的执行效率。
附图说明
图1为本申请多产线人员调度方法的流程图;
图2为采用模拟退火算法及二分图变异的方式进行求解的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,一种多产线人员调度方法,包括:
步骤1、根据产线及人员信息建模并确定目标函数及其约束条件:
(1)产线和人员建模
每条产线主要由工序段组成,假设共M条产线,产线i的工序段j表示为Pij,其可容纳的工位数量表示为qij,其节拍值为Vij,表示该工段生产单一产品需要的时间,产线i的生产节拍由产线的瓶颈工段决定,即Vi=max{Vij,j=1,2,......,Mi},Mi表示产线i的总工序段。
假定到岗总人数为N,第k名员工在产线i工段j的节拍值为定义/>表示人员k是否分配到产线i的工段j,该工段的节拍值可表示为/>
(2)确定目标函数和约束条件
多条产线排班的情况下,不仅要根据要求,提高每条产线的效率,同时还要兼顾平衡率的情况,因此目标函数和约束条件如下式所示:
式中,θi表示产线i的权重系数,用于调整产线的重要性程度、归一化等操作。βi为产线i的平衡率,δi为平衡率惩罚因子。
步骤2、采用模拟退火算法及二分图变异的方式进行求解:
目标函数可以看作一个01整数规划问题,随着产线、工段、人员的增多,目标函数的求解陷入NP完全问题,本发明提出一种采用改进的自适应模拟退火算法进行求解:在传统的模拟退火算法基础上,首先引入二分图变异方式来产生新的可行解,提高算法的执行效率,其次,引入自适应的温度控制策略,在迭代中,若新解的目标函数f(yi+1)总是大于f(yi),说明有可能搜索落入了局部最优,若此时温度较低,算法无法更新新解,因此,增加一个计数器c,记录连续获取非最优解的迭代次数,并采用下式所示的温度更新公式更新温度,式中,α为退火控制参数,α∈[0.5,1)。为防止算法陷入无穷搜索,应设定一个最大搜索次数。
如图2所示,所述步骤2具体为:
步骤21、初始化改进的模拟退火算法:设定起始温度T0、截止温度Tc,退火控制参数α及最大迭代次数Epoch;
步骤22、采用二分图形成一个初始可行解,并计算其适应度函数f0,并令fbest=f0,转步骤23,fbest表示最优适应度函数;
步骤23、采用二分图变异的方式产生新的解,将上一个最优可行解看作一个二分图,左图为产线上的工位,右图为人员,左右连接的边代表人员被安排在一个工位上。变异方式分为以下几种:(1)随机选择一条边删除,同时删除两侧节点;(2)随机新增一条边,并增加两侧节点;(3)随机选择两条边,并交换右节点。上述操作均应符合约束条件,若不满足则重新变异。得到新的可行解后,计算其适应度函数fi+1;
步骤24、根据Metropolis准则更新解,包括更新最优适应度函数fbest及其对应的解并更新温度,若温度低于截止温度或搜索次数等于Epoch,则转步骤25,否则转步骤23;
步骤25、输出最优解作为本次算法搜索的解。
Claims (3)
1.一种多产线人员调度方法,其特征在于,包括:
步骤1、根据产线及人员信息建模并确定目标函数及其约束条件;
步骤2、采用模拟退火算法及二分图变异的方式进行求解;
具体的,所述步骤1中目标函数及约束条件具体为:
式中,M为产线数量,i表示第i条产线,j为工序段,N为到岗总人数,第k名员工在产线i工段j生产单一产品需要的时间为 表示人员k是否分配到产线i的工段j,第i条产线可容纳的工位数量表示为qij,θi表示产线i的权重系数,βi为产线i的平衡率,δi为平衡率惩罚因子;
所述步骤2具体为:
步骤21、设定起始温度T0、截止温度Tc,退火控制参数及最大迭代次数Epoch;
步骤22、采用二分图形成一个初始可行解,并计算其适应度函数f0,并令fbest=f0,转步骤23,fbest表示最优适应度函数;
步骤23、采用二分图变异的方式产生新的解并计算其适应度函数fi+1;
步骤24、根据Metropolis准则更新解,包括更新最优适应度函数fbest及其对应的解并更新温度,若温度低于截止温度或搜索次数等于Epoch,则转步骤25,否则转步骤23;
步骤25、输出最优解作为本次算法搜索的解。
2.根据权利要求1所述的一种多产线人员调度方法,其特征在于,所述步骤23中二分图变异方式具体为:
随机选择一条边删除,同时删除两侧节点;
或,随机新增一条边,并增加两侧节点;
或,随机选择两条边,并交换右节点。
3.根据权利要求1所述的一种多产线人员调度方法,其特征在于,所述步骤24中更新温度采用的公式为:
式中,α为退火控制参数且α∈[0.5,1),c为连续获取非最优解的迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111520431.7A CN114254902B (zh) | 2021-12-13 | 2021-12-13 | 一种多产线人员调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111520431.7A CN114254902B (zh) | 2021-12-13 | 2021-12-13 | 一种多产线人员调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114254902A CN114254902A (zh) | 2022-03-29 |
CN114254902B true CN114254902B (zh) | 2024-04-02 |
Family
ID=80794938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111520431.7A Active CN114254902B (zh) | 2021-12-13 | 2021-12-13 | 一种多产线人员调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254902B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781707B (zh) * | 2022-04-01 | 2024-05-31 | 湘潭大学 | 针对交通工作人员调度的优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1729247A1 (de) * | 2005-06-01 | 2006-12-06 | InVision Software AG | Mitarbeitereinsatzplanung |
CN103020731A (zh) * | 2012-11-15 | 2013-04-03 | 北京农业信息技术研究中心 | 基于粒子群的蔬菜种植茬口的安排方法 |
CN108182518A (zh) * | 2017-12-20 | 2018-06-19 | 北京遥感设备研究所 | 一种基于改进遗传算法的在制状态人员调度方法 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109377192A (zh) * | 2018-11-30 | 2019-02-22 | 广东机场白云信息科技有限公司 | 一种基于模拟退火算法的机场智能排班方法 |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业系统及其方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201700056428A1 (it) * | 2017-05-24 | 2018-11-24 | Telespazio Spa | Innovativo metodo di scheduling satellitare basato su algoritmi genetici e simulated annealing e relativo pianificatore di missione |
US11308400B2 (en) * | 2017-08-18 | 2022-04-19 | University Of Southern California | Optimally stopped optimization systems having heuristic optimizer and methods using the same |
DE102018205418A1 (de) * | 2018-04-11 | 2019-10-31 | Siemens Aktiengesellschaft | Zusammenstellen eines Teams aus Menschen und Robotern |
-
2021
- 2021-12-13 CN CN202111520431.7A patent/CN114254902B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1729247A1 (de) * | 2005-06-01 | 2006-12-06 | InVision Software AG | Mitarbeitereinsatzplanung |
CN103020731A (zh) * | 2012-11-15 | 2013-04-03 | 北京农业信息技术研究中心 | 基于粒子群的蔬菜种植茬口的安排方法 |
CN108182518A (zh) * | 2017-12-20 | 2018-06-19 | 北京遥感设备研究所 | 一种基于改进遗传算法的在制状态人员调度方法 |
CN108921483A (zh) * | 2018-07-16 | 2018-11-30 | 深圳北斗应用技术研究院有限公司 | 一种物流路径规划方法、装置及司机排班调度方法、装置 |
CN109214551A (zh) * | 2018-08-08 | 2019-01-15 | 北京三快在线科技有限公司 | 一种配送调度方法及装置 |
CN109377192A (zh) * | 2018-11-30 | 2019-02-22 | 广东机场白云信息科技有限公司 | 一种基于模拟退火算法的机场智能排班方法 |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业系统及其方法 |
Non-Patent Citations (3)
Title |
---|
基于复合规则的Interbay物料运输系统多目标调度方法;张洁;潘聪;秦威;孙寅斌;;计算机集成制造系统;20161231(第08期);139-150 * |
基于节点重要度的高速列车停站方案优化;黄林尧;吕红霞;杜毓祥;王文宪;;交通运输工程与信息学报;20170915(第03期);53-61 * |
机械产品选配问题的二分图非形式化描述;刘明周;陈诚和;葛茂根;张铭鑫;扈静;;农业机械学报;20071125(第11期);134+139-142 * |
Also Published As
Publication number | Publication date |
---|---|
CN114254902A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210373888A1 (en) | Multi-objective optimization method and system for master production plan of casting parallel workshops | |
CN101604409B (zh) | 应用于多重入复杂制造系统的调度方法 | |
CN114254902B (zh) | 一种多产线人员调度方法 | |
CN109670650A (zh) | 基于多目标优化算法的梯级水库群调度模型的求解方法 | |
CN112862380B (zh) | 一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质 | |
Liao et al. | An ant colony optimization algorithm for setup coordination in a two-stage production system | |
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 | |
CN105976122A (zh) | 一种多目标资源配置系统 | |
CN115391385A (zh) | 一种基于蚁群遗传动态融合算法的数据库查询优化方法 | |
CN115759634A (zh) | 一种矩形板材组批排样高效协同方法 | |
CN104503382B (zh) | 一种制药化工生产中原料结晶过程的优化调度方法 | |
CN114819714B (zh) | 面向个性化定制的全域价值链生态资源配置优化方法 | |
CN115755801A (zh) | 基于sqp-cs的船舶建造车间工序优化方法及系统 | |
Zhang et al. | Furnace-grouping problem modeling and multi-objective optimization for special aluminum | |
CN115115119A (zh) | 一种基于灰色关联的oa-gru的短期电力负荷预测方法 | |
Li et al. | Optimization and application of single-point crossover and multi-offspring genetic algorithm | |
Wu | Stochastic global optimization method for solving constrained engineering design optimization problems | |
CN110490294A (zh) | 基于并行双种群pso的太阳辐射预测资料同化算法 | |
CN110571791A (zh) | 一种新能源接入下的输电网规划的优化配置方法 | |
Shu-xia et al. | GSSA and ACO for assembly sequence planning: a comparative study | |
Kavousifard et al. | Power system load forecasting based on MHBMO algorithm and neural network | |
Kazakovtsev et al. | A genetic algorithm with greedy crossover and elitism for capacity planning | |
CN112734286B (zh) | 一种基于多策略深度强化学习的车间调度方法 | |
Wang et al. | Integrated Scheduling Algorithm for Complex Products Based on the Dynamic Subtree Operation Set Inverse Coding | |
Zhonghua et al. | Differential evolution algorithm for the earliness/tardiness hybrid flow-shop scheduling problem |
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 |