CN114693257A - 一种纺织品生产多目标大规模排产方法及系统 - Google Patents

一种纺织品生产多目标大规模排产方法及系统 Download PDF

Info

Publication number
CN114693257A
CN114693257A CN202210287711.6A CN202210287711A CN114693257A CN 114693257 A CN114693257 A CN 114693257A CN 202210287711 A CN202210287711 A CN 202210287711A CN 114693257 A CN114693257 A CN 114693257A
Authority
CN
China
Prior art keywords
weaving
machine
information
scheduling
production
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
Application number
CN202210287711.6A
Other languages
English (en)
Inventor
汝欣
彭来湖
胡旭东
沈春娅
雷钧杰
戴宁
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.)
Zhejiang Sci Tech University ZSTU
Original Assignee
Zhejiang Sci Tech University ZSTU
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 Zhejiang Sci Tech University ZSTU filed Critical Zhejiang Sci Tech University ZSTU
Priority to CN202210287711.6A priority Critical patent/CN114693257A/zh
Publication of CN114693257A publication Critical patent/CN114693257A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q10/06—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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种纺织品生产多目标大规模排产方法及系统，包括：获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；基于织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；已排序的织轴运用启发规则依次选择织机；基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用NSGAⅡ迭代优化排产方案，最终输出Pareto最优排产方案集。本发明从逾期损失、最大完工时间和织机空闲三个维度对排产方案进行优化，输出的结果是三维的Pareto方案集，相比求解目标单一的算法更适合精益化生产。

Description

一种纺织品生产多目标大规模排产方法及系统
技术领域
本发明涉及织造车间排产技术领域，具体涉及一种纺织品生产多目标大规模排产方法及系统。
背景技术
织造属于劳动密集型产业，需要调度的机器和任务数量众多，这就要求调度算法要有大规模调度的能力；而且，企业越来越需要更加精细的车间生产，对车间多目标优化调度也需求迫切。目前织造车间的排产主要依赖人工，即人员根据生产数据和自身经验手动安排近期的生产计划，由于人的精力有限，一个织造环节往往需要由多人共同参与排产，各自处理任务的一部分，再借助排产工具汇总每个人的方案。
上述半自动排产方法虽然在一定程度上保证了织造车间的正常生产，但其仍存在如下缺陷：
1、对排产的技术人员要求较高，排产人员需要处理大量的生产数据，借助丰富的经验才能制定较好的生产计划，这就导致排产人员成本高；
2、由于多人共同参与排产，每个人处理任务的一部分，因此很难从全局的生产出发，获取全局最优生产方案，这就导致织造车间的生产能力被大量浪费，影响企业的收益。
发明内容
针对现有技术中存在的上述问题，本发明提供一种纺织品生产多目标大规模排产方法及系统，其无需排产人员理解排产原理，操作方便，节省企业人力成本，提高排产质量，提升企业生产效益。
本发明公开了一种纺织品生产多目标大规模排产方法，包括：
获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；
基于所述织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；
已排序的织轴运用启发规则依次选择织机；
基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；
以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用 NSGAⅡ迭代优化排产方案，最终输出Pareto最优排产方案集。
作为本发明的进一步改进，
所述织轴信息包括到达时间、截止时间、绕长、品种、经纱根数、是否穿经、所属订单和所属订单的逾期损失系数；
所述织机信息包括可用时间、织速表和所织品种；
所述穿经机信息包括可用时间和穿经速度；
所述结经机信息包括可用时间和结经速度；
所述钢扣信息包括可用时间和型号。
作为本发明的进一步改进，所述织轴的排序方法，包括：
将可调度的织轴按截止时间从小到大排序；
截止时间相同时，按照织轴所属订单的逾期损失系数从大到小排序；
逾期损失系数相同时，按照织轴到达时间从早到晚排序；
到达时间相同时，按照织轴绕长从长到短排序。
作为本发明的进一步改进，所述织机的选择方法，包括：
将织轴个数作为NSGAⅡ个体染色体的长度，染色体中基因的取值范围为0或1，‘0’和‘1’代表两种不同的启发规则，用于选择织机。
作为本发明的进一步改进，基于启发规则‘0’和‘1’为某织轴选择织机的方法，包括：
启发规则‘0’：按照“最早可用时间较小>无需穿经>织速较快”的优先级顺序选择织机；
启发规则‘1’：按照“无需穿经>最早可用时间较小>织速较快”的优先级顺序选择织机。
作为本发明的进一步改进，所述基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；包括：
基于织轴和织机的排产结果，获得织轴的织造开始时间、需要穿经工序的织轴和需要结经工序的织轴；
穿经时，需要穿经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择穿经机和钢扣；
结经时，需要结经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择结经机。
作为本发明的进一步改进，所述穿经机和钢扣的选择规则为：优先选择可用时间最早的穿经机，优先选择可用时间最早的钢扣；
所述结经机的选择规则为：优先选择可用时间最早的结经机。
作为本发明的进一步改进，在运用NSGAⅡ迭代优化排产方案时，通过自适应贪婪进化算子防止进化陷入局部最优解。
作为本发明的进一步改进，所述自适应贪婪进化算子，包括：
步骤1、将父代种群与选择、交叉、变异获得子代种群进行对比，若子代出现了新个体支配或互不支配父代某个前沿点，记为有效进化，保留子代进入下一代；若为无效进化，则进入步骤2；
步骤2、以原有父代为基础再次进行选择、交叉、变异获得新子代，若子代出现了新个体支配或互不支配父代某个前沿点，则保留子代进入下一代，否则重新进入步骤2，实现对某一代的贪婪搜索；若循环i次，仍未实现有效进化，记为无效贪婪，则放弃本代的贪婪循环进入下一代，若连续j代都为无效贪婪，则退出贪婪算子，不再进入。
本发明还公开了一种纺织品生产多目标大规模排产系统，用于实现上述的纺织品生产多目标大规模排产方法，包括：
获取模块，用于获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；
排序模块，用于基于所述织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；
选择模块，用于对已排序的织轴运用启发规则依次选择织机；
排产模块，用于基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；
优化模块，用于以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用NSGAⅡ迭代优化排产方案，最终输出Pareto最优排产方案集。
与现有技术相比，本发明的有益效果为：
1、本发明从逾期损失、最大完工时间和织机空闲三个维度对排产方案进行优化，输出的结果是三维的Pareto方案集，相比求解目标单一的算法更适合精益化生产；
2、本发明利用启发规则将求解变量与遗传算法分离，大大缩小了求解空间，配合自适应贪婪进化算子有效避免陷入局部最优解，不仅可以满足多品种、小批量的生产需要，而且可以适应规模较大的全局排产；
3、本发明具体给织轴选择织机时，均使用的是启发规则而非随机的搜索，因此在实际的运用中更具有可解释性，可以过滤掉不符合实际需求的排查方案。
附图说明
图1为本发明一种实施例公开的纺织品生产多目标大规模排产方法的流程图；
图2为本发明一种实施例公开的织造车间工艺流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述：
如图1、2所示，本发明提供一种纺织品生产多目标大规模排产方法，包括：
S1、获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；其中，
本发明优选从数据库中获得上述信息，如获得1000个织轴的织轴信息、300台织机的织机信息、3台自动穿经机的穿经机信息、20台结经机的结经机信息、600个钢扣的钢扣信息以及100个工艺品种的工艺信息，最终获取表格分别是织轴信息表、织机信息表、穿经机信息表、结经机信息表、钢扣信息和工艺信息表；具体的：
织轴信息包括到达时间、截止时间、绕长、品种、经纱根数、是否穿经、所属订单和所属订单的逾期损失系数；
织机信息包括可用时间、织速表和所织品种；
穿经机信息包括可用时间和穿经速度；
结经机信息包括可用时间和结经速度；
钢扣信息包括可用时间和型号。
S2、基于织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；具体包括：
S21.先从织轴信息表中提取截止时间、逾期损失系数、织轴到达时间和织轴绕长4个指标；
S22.将可调度的织轴按截止时间从小到大排序；
S23.截止时间相同时，按照织轴所属订单的逾期损失系数从大到小排序；
S24.逾期损失系数相同时，按照织轴到达时间从早到晚排序；
S25.到达时间相同时，按照织轴绕长从长到短排序；
基于S21～S25确定织轴在织机上的先后加工顺序。
S3、基于改进的NSGAⅡ的算法和启发规则进行自动排产，输出Pareto 最优排产方案集；具体包括：
S31.已排序的织轴运用启发规则依次选择织机；具体为：
将织轴个数作为NSGAⅡ个体染色体的长度，染色体中基因的取值范围为0或1，‘0’和‘1’代表两种不同的启发规则，用于选择织机；例如某个体染色体矩阵为[0,1,1,0,1，…]时，表示以S2的排序为标准，排序第一的织轴，运用启发规则‘0’选择织机；排序第二的织轴，运用启发规则‘1’选择织机，排序第三的织轴，运用启发规则‘1’选择织机，以此类推逐个完成1000个织轴的织机选择；
‘0’和‘1’代表两种不同的启发规则具体为：为某织轴选择织机时，首先将该织轴带入织机的获取三个特征值：织机最早可用时间、织机织速和是否需要穿经，然后根据特征的优先级为织轴选择织机。启发规则‘0’：按照“最早可用时间较小>无需穿经>织速较快”的优先级顺序选择具有一定特征的织机，即优先选择最早可用时间最小的织机，最早可用时间相同时优先选择无需穿经的织机，最后在无需穿结的织机中优先选择织速最快的织机；启发规则‘1’：按照“无需穿经>最早可用时间较小>织速较快”的优先级顺序选择织机，即优先选择无需穿结的织机，在无需穿结的织机中优先选择最早可用时间最小的织机，最早可用时间相同时，优先选择织速最快的织机。
S32.基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；具体为：
基于织轴和织机的排产结果，获得织轴的织造开始时间、需要穿经工序的织轴和需要结经工序的织轴；穿经时，需要穿经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择穿经机和钢扣；结经时，需要结经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择结经机；其中，穿经机和钢扣的选择规则为：优先选择可用时间最早的穿经机，优先选择可用时间最早的钢扣；结经机的选择规则为：优先选择可用时间最早的结经机。
S33.以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用NSGAⅡ迭代优化排产方案，初始化种群，通过非支配排序和拥挤度计算确定个体的适应度，再通过二元锦标赛选择策略、模拟二进制交叉算子、多项式变异算子实现种群的进化；最终输出Pareto最优排产方案集；同时，在运用NSGAⅡ迭代优化排产方案时，通过自适应贪婪进化算子防止进化陷入局部最优解；其中，
S33中为防止进化陷入局部最优解本专利提供了一种自适应贪婪进化算子具体为：经过S31和S32获得排产方案，计算逾期损失、最大完工时间和织机空闲时间三个目标值，通过NSGAⅡ迭代优化，NSGA2随着进化代数的增加，种群个体的相似度会逐渐增加，进而陷入局部最优；为解决这些问题，本发明提出了自适应贪婪进化算子。具体步骤如下：
步骤1、将父代种群与选择、交叉、变异获得子代种群进行对比，若子代出现了新个体支配或互不支配父代某个前沿点，记为有效进化，保留子代进入下一代；若为无效进化，则进入步骤2；
步骤2、以原有父代为基础再次进行选择、交叉、变异获得新子代，若子代出现了新个体支配或互不支配父代某个前沿点，则保留子代进入下一代，否则重新进入步骤2，实现对某一代的贪婪搜索；若循环i(i＝5)次，仍未实现有效进化，记为无效贪婪，则放弃本代的贪婪循环进入下一代，若连续j j(j＝5)代都为无效贪婪，则退出贪婪算子，不再进入；其中i,j为两个超参数，用于调节搜索的深度。
本发明还提供一种纺织品生产多目标大规模排产系统，包括：
获取模块，用于实现上述S1；
排序模块，用于实现上述S2；
选择模块，用于实现上述S31；
排产模块，用于实现上述S32；
优化模块，用于实现上述S33。
本发明的优点为：
1、本发明从逾期损失、最大完工时间和织机空闲三个维度对排产方案进行优化，输出的结果是三维的Pareto方案集，相比求解目标单一的算法更适合精益化生产；
2、本发明利用启发规则将求解变量与遗传算法分离，大大缩小了求解空间，配合自适应贪婪进化算子有效避免陷入局部最优解，不仅可以满足多品种、小批量的生产需要，而且可以适应规模较大的全局排产，可实现300 台织机×1000个织轴以上规模的全局智能排产；
3、本发明具体给织轴选择织机时，均使用的是启发规则而非随机的搜索，因此在实际的运用中更具有可解释性，可以过滤掉不符合实际需求的排查方案。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种纺织品生产多目标大规模排产方法，其特征在于，包括：
获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；
基于所述织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；
已排序的织轴运用启发规则依次选择织机；
基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；
以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用NSGAⅡ迭代优化排产方案，最终输出Pareto最优排产方案集。
2.如权利要求1所述的纺织品生产多目标大规模排产方法，其特征在于，
所述织轴信息包括到达时间、截止时间、绕长、品种、经纱根数、是否穿经、所属订单和所属订单的逾期损失系数；
所述织机信息包括可用时间、织速表和所织品种；
所述穿经机信息包括可用时间和穿经速度；
所述结经机信息包括可用时间和结经速度；
所述钢扣信息包括可用时间和型号。
3.如权利要求1或2所述的纺织品生产多目标大规模排产方法，其特征在于，所述织轴的排序方法，包括：
将可调度的织轴按截止时间从小到大排序；
截止时间相同时，按照织轴所属订单的逾期损失系数从大到小排序；
逾期损失系数相同时，按照织轴到达时间从早到晚排序；
到达时间相同时，按照织轴绕长从长到短排序。
4.如权利要求1或2所述的纺织品生产多目标大规模排产方法，其特征在于，所述织机的选择方法，包括：
将织轴个数作为NSGAⅡ个体染色体的长度，染色体中基因的取值范围为0或1，‘0’和‘1’代表两种不同的启发规则，用于选择织机。
5.如权利要求4所述的纺织品生产多目标大规模排产方法，其特征在于，基于启发规则‘0’和‘1’为某织轴选择织机的方法，包括：
启发规则‘0’：按照“最早可用时间较小>无需穿经>织速较快”的优先级顺序选择织机；
启发规则‘1’：按照“无需穿经>最早可用时间较小>织速较快”的优先级顺序选择织机。
6.如权利要求1或2所述的纺织品生产多目标大规模排产方法，其特征在于，所述基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；包括：
基于织轴和织机的排产结果，获得织轴的织造开始时间、需要穿经工序的织轴和需要结经工序的织轴；
穿经时，需要穿经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择穿经机和钢扣；
结经时，需要结经的织轴先按照织造开始时间从小到大排序，再按照该排序依次为织轴选择结经机。
7.如权利要求6所述的纺织品生产多目标大规模排产方法，其特征在于，所述穿经机和钢扣的选择规则为：优先选择可用时间最早的穿经机，优先选择可用时间最早的钢扣；
所述结经机的选择规则为：优先选择可用时间最早的结经机。
8.如权利要求1或2所述的纺织品生产多目标大规模排产方法，其特征在于，在运用NSGAⅡ迭代优化排产方案时，通过自适应贪婪进化算子防止进化陷入局部最优解。
9.如权利要求8所述的纺织品生产多目标大规模排产方法，其特征在于，所述自适应贪婪进化算子，包括：
步骤1、将父代种群与选择、交叉、变异获得子代种群进行对比，若子代出现了新个体支配或互不支配父代某个前沿点，记为有效进化，保留子代进入下一代；若为无效进化，则进入步骤2；
步骤2、以原有父代为基础再次进行选择、交叉、变异获得新子代，若子代出现了新个体支配或互不支配父代某个前沿点，则保留子代进入下一代，否则重新进入步骤2，实现对某一代的贪婪搜索；若循环i次，仍未实现有效进化，记为无效贪婪，则放弃本代的贪婪循环进入下一代，若连续j代都为无效贪婪，则退出贪婪算子，不再进入。
10.一种纺织品生产多目标大规模排产系统，用于实现如权利要求1～9 中任一项所述的纺织品生产多目标大规模排产方法，其特征在于，包括：
获取模块，用于获得参与排产的织轴信息、织机信息、穿经机信息、结经机信息、钢扣信息和工艺信息；
排序模块，用于基于所述织轴信息的截止时间、逾期损失系数、到达时间和绕长，对所有织轴进行排序；
选择模块，用于对已排序的织轴运用启发规则依次选择织机；
排产模块，用于基于织轴和织机的排产结果，对穿经机、结经机和钢扣进行排产；
优化模块，用于以逾期损失最小、最大完工时间最小和织机空闲时间最小为目标，运用NSGAⅡ迭代优化排产方案，最终输出Pareto最优排产方案集。
CN202210287711.6A 2022-03-23 2022-03-23 一种纺织品生产多目标大规模排产方法及系统 Pending CN114693257A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210287711.6A CN114693257A (zh) 2022-03-23 2022-03-23 一种纺织品生产多目标大规模排产方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210287711.6A CN114693257A (zh) 2022-03-23 2022-03-23 一种纺织品生产多目标大规模排产方法及系统

Publications (1)

Publication Number Publication Date
CN114693257A true CN114693257A (zh) 2022-07-01

Family

ID=82138583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210287711.6A Pending CN114693257A (zh) 2022-03-23 2022-03-23 一种纺织品生产多目标大规模排产方法及系统

Country Status (1)

Country Link
CN (1) CN114693257A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151428A (zh) * 2023-10-27 2023-12-01 泉州装备制造研究所 一种基于nsga-ii的经编机备料规划方法
CN117236632A (zh) * 2023-10-08 2023-12-15 常州同泰生物药业科技股份有限公司 一种狂犬病疫苗生产线物料管控方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236632A (zh) * 2023-10-08 2023-12-15 常州同泰生物药业科技股份有限公司 一种狂犬病疫苗生产线物料管控方法
CN117151428A (zh) * 2023-10-27 2023-12-01 泉州装备制造研究所 一种基于nsga-ii的经编机备料规划方法
CN117151428B (zh) * 2023-10-27 2024-03-01 泉州装备制造研究所 一种基于nsga-ii的经编机备料规划方法

Similar Documents

Publication Publication Date Title
CN114693257A (zh) 一种纺织品生产多目标大规模排产方法及系统
CN110598920B (zh) 用于铸造并行车间主生产计划的多目标优化方法及系统
CN109636011A (zh) 一种基于改进的变邻域遗传算法的多班制计划排程法
CN103530702B (zh) 一种基于瓶颈设备分解的大规模作业车间调度方法
CN102411306B (zh) 一种基于蜂社会自组织模型的混流装配生产调度控制方法
CN107168267A (zh) 基于改进粒子群与启发式策略的生产排产方法及系统
CN109946965A (zh) 一种基于改进的多目标Jaya算法的离散制造车间排产方法
CN108805403A (zh) 一种基于改进遗传算法的单件车间调度方法
CN101609334A (zh) 基于两级差分进化算法的作业车间多工艺路线批量动态再调度方法
CN110221585A (zh) 一种用于混合流水车间考虑设备维护的节能调度控制方法
CN113805545B (zh) 一种考虑批处理的柔性流水车间组合调度规则生成方法
CN114118799A (zh) 一种基于虚拟工序的遗传算法车间排产方法
CN112561225A (zh) 一种基于标杆协同进化算法的柔性作业车间调度方法
CN112580922A (zh) 一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法
CN100401219C (zh) 基于遗传算法的可重组生产线调度方法
CN115310794A (zh) 人机协同装配线平衡方法及装置
CN113689066A (zh) 一种基于nsga-ii算法的物联网车间调度方法
CN115933568A (zh) 一种多目标分布式混合流水车间调度方法
CN111665808A (zh) 基于遗传算法的生产调度计划优化方法
CN110135707B (zh) 一种服装缝制流水线优化方法
CN110490446A (zh) 一种基于改进遗传算法的模块化工艺重组方法
Zheng et al. Evolution program for nonlinear goal programming
CN111985841A (zh) 一种基于改进遗传算法的注塑车间调度方法及系统
CN106610641A (zh) 针对动态作业车间调度问题的基于局部搜索遗传编程算法
CN116300756A (zh) 带运输机器人柔性制造车间的双目标优化调度方法及系统

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