CN114723105A - 一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 - Google Patents
一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 Download PDFInfo
- Publication number
- CN114723105A CN114723105A CN202210242862.XA CN202210242862A CN114723105A CN 114723105 A CN114723105 A CN 114723105A CN 202210242862 A CN202210242862 A CN 202210242862A CN 114723105 A CN114723105 A CN 114723105A
- Authority
- CN
- China
- Prior art keywords
- color
- constraint
- planning
- skid
- spraying
- 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
- 238000005507 spraying Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 45
- 238000013461 design Methods 0.000 title description 5
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 24
- 239000003973 paint Substances 0.000 claims description 22
- 239000003086 colorant Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 description 25
- 238000004590 computer program Methods 0.000 description 11
- 239000007921 spray Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 239000000243 solution Substances 0.000 description 10
- 230000007704 transition Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000010432 diamond Substances 0.000 description 4
- 229910003460 diamond Inorganic materials 0.000 description 4
- 238000001746 injection moulding Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000010437 gem Substances 0.000 description 3
- 229910001751 gemstone Inorganic materials 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- YLNDNABNWASMFD-UHFFFAOYSA-N 4-[(1,3-dimethylimidazol-1-ium-2-yl)diazenyl]-n,n-dimethylaniline Chemical compound C1=CC(N(C)C)=CC=C1N=NC1=[N+](C)C=CN1C YLNDNABNWASMFD-UHFFFAOYSA-N 0.000 description 1
- SGHZXLIDFTYFHQ-UHFFFAOYSA-L Brilliant Blue Chemical compound [Na+].[Na+].C=1C=C(C(=C2C=CC(C=C2)=[N+](CC)CC=2C=C(C=CC=2)S([O-])(=O)=O)C=2C(=CC=CC=2)S([O-])(=O)=O)C=CC=1N(CC)CC1=CC=CC(S([O-])(=O)=O)=C1 SGHZXLIDFTYFHQ-UHFFFAOYSA-L 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- BEHSQFZSTNVEGP-UHFFFAOYSA-N [Ag].[Ir] Chemical compound [Ag].[Ir] BEHSQFZSTNVEGP-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000005332 obsidian Substances 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06316—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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- 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)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Spray Control Apparatus (AREA)
Abstract
本发明公开了一种基于0‑1规划的汽车零配件喷色生产排程方法，包括：获取喷色设备及喷色颜色数据，对所获取数据预处理；建立决策变量和中间变量；建立约束条件；建立目标函数及单目标优化模型；求解单目标优化模型。该方法通过选择事件发生的最基本情况为决策变量，为满足各条件建立合适的中间变量。决策变量和中间变量作为模型的基础，按照实际需求建立目标函数，根据条件限制建立约束方程，建立一个基于0‑1规划的单目标优化模型，该模型能够求出最优解且模型精度较高。
Description
技术领域
本发明涉及智能制造技术领域，具体是一种基于0-1规划的汽车零配件配色生产排程设计方法、系统和设备。
背景技术
我国汽车零配件生产厂家众多，研究汽车零配件制造业中的生产排程设计问题极为关键。零配件生产厂需要根据自身的生产需求，结合实际生产情况，充分考虑各类约束条件，制定出更优的生产计划，达到最大限度减少资源浪费的目标。为实现这一目标，发展出了各类模型及算法。
目前，汽车零配件生产排程设计问题研究主要集中于智能算法和数学模型两大方面。例如，基于智能算法求解汽车零配件生产排程问题，根据实际需求，将目标函数分成两层，即外层目标函数代表未满足零件的最优解，内层目标函数代表颜色更换的最优解，使模型能够完成目标优化问题最优解的寻找。基于数学模型的方法包括使用哈密顿通路和回路来分别制定汽车生产排程的任务。该方法可以通过哈密顿图模型排列颜色的顺序，再结合人工，最终更快求出最优解。目前，汽车零配件生产排程问题中仍旧存在如下问题：
(1)最优解不易求出
随着智能算法的发生，全局搜索算法理论上能够求出一个最优解，然而，由于实际约束条件的限制，基于所建立的目标函数，最优解往往不易求出。
(2)模型精度低
目前有的模型算法为了得出一个相对较好的结果，忽略了大量的约束条件。由此所建立的模型精度低，求出的结果虽然能够满足部分条件且结果较优，但并非最佳解。
(3)求解速度慢
目前部分算法为了得出最佳结果，试图将所有的可能情况遍寻一遍，这导致模型的求解速度慢，效率低下。
发明内容
为解决现有技术中的不足，本发明提供一种基于0-1规划的汽车零配件生产排程设计方法，该方法通过选择事件发生的最基本情况为决策变量，为满足各条件建立合适的中间变量，决策变量和中间变量作为模型的基础，按照实际需求建立目标函数，根据条件限制建立约束方程，建立一个基于0-1规划的单目标优化模型，该模型能够求出最优解且模型精度较高。
根据本发明的一个方面，提供一种基于0-1规划的汽车零配件喷色生产排程方法，包括：
获取喷色设备及喷色颜色数据，对所获取数据预处理；
建立决策变量和中间变量；
建立约束条件；
建立目标函数及单目标优化模型；
求解单目标优化模型。
面漆颜色一共j0种，底漆颜色只有一种，对传送带的i0个滑橇按照顺序进行编号从1到i0；对不同的面漆颜色分别编号从1到j0；当为底漆颜色时，即不喷涂面漆，则令j＝0；对不同的零件种类分别编号为1到k0；对同一滑橇上面的不同位置的支架分别编号为1到l0。
编号为i的滑橇喷涂颜色j，且在第l个位置的支架上放置第k种零件，则令Xijkl＝1，否则Xijkl＝0，即：
滑橇-颜色-零件中间变量Yijk，若编号为i的滑橇喷涂颜色j，且该滑橇上放置零件k，则令Yijk＝1，否则Yijk＝0，即：
并且
滑橇-颜色中间变量Zij，若第i号滑橇上喷涂第j种颜色，则令Zij＝1，否则Zij＝0，即：
并且
滑橇-零件中间变量Mik，若第i个滑橇上放置零件k,则令Mik＝1，否则Mik＝0，即：
并且
所述约束条件包括自身约束、需求量约束、换色约束和零件摆放约束。
所述自身约束为：
其中，
表示任意滑橇上只能放置k0种零件的一种；
所述需求量约束为：
式中，Sjk表示喷涂颜色j的零件k的需求数量，方程表示对于任意的颜色j和零件k的搭配，在所有滑橇的所有支架上，必须保证喷涂该颜色的该零件满足其需求量；
所述换色约束为：
式中，
由于
即任意一次换色过程中，换色前的滑橇和换色后的滑橇都只能出现Zi,j(j＝1,2,…,j0)中的一种,该情况下Zi,j＝1，其余情况下Zi,j＝0；
所述零件摆放约束为：
所述目标函数为：
式中，Zi,0表示Zi,j(j＝0)，即所有喷涂底漆的滑橇；
所述单目标优化模型为：
根据本发明的另一个方面，提供一种基于0-1规划的汽车零配件喷色生产排程系统，包括：
数据预处理模块，配置用于对所获取的喷色设备及喷色颜色数据进行预处理；
变量建立模块，配置用于建立决策变量和中间变量；
约束条件建立模块，配置用于建立约束条件；
优化模块，配置用于建立目标函数及单目标优化模型；
求解模块，配置用于求解单目标优化模型。
所述约束条件建立模块包括自身约束、需求量约束、换色约束和零件摆放约束。
根据本发明的另一个方面，提供一种设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述任一项所述的方法。
本发明为实现上述目的，通过以下技术方案实现：
对比现有技术，本发明的有益效果在于：
1、本发明所建立的模型能够解决常见的生产排程问题。
2、对于具有一些特殊约束要求的问题，如相邻排程具有约束限制时，建立约束矩阵，同样可以进行良好的约束。
3、本发明所采用的方法，求解速度快，模型精确度高，同时对于类似的问题，普适性较高。
4、本发明不仅可用于零配件喷色生产排程方法，还可用于其他零配件生产排程。
附图说明
附图1是本发明流程图；
附图2是汽车零配件喷涂过程示意图；
附图3是本发明设备的结构示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所限定的范围。
本实施例提供一种基于0-1规划的汽车零配件喷色生产排程系统，包括数据预处理模块，配置用于对所获取的喷色设备及喷色颜色数据进行预处理；
变量建立模块，配置用于建立决策变量和中间变量；
约束条件建立模块，配置用于建立约束条件；
优化模块，配置用于建立目标函数及单目标优化模型；
求解模块，配置用于求解单目标优化模型。
本实施例提供一种基于0-1规划的汽车零配件喷色生产排程方法，包括：
步骤一：获取喷色设备及喷色颜色数据，对所获取数据预处理
汽车零配件制造商生产配件一般有吸料、注塑、喷涂、入库以及装配等流程。在注塑完成后，将在传送带上进行喷涂工作，传送带轨道装有i0个滑橇，每个滑橇配有l0个与零件一一对应的相同支架，且支架可进行拆卸更换，即一个滑橇上面可以自行选择摆满1-l0个同种类的零件。由于支架与零件一一对应，所以在支架数一定的情况下，一圈的生产计划摆放某种的个数是有上限的。支架上放置好对应的零件后会进行喷涂面漆，在喷涂面漆前所有零件都是底漆色。如果传送带轨道上相邻编号的两个滑橇需要喷涂不同的面漆颜色，则会涉及“换色”，则需要在相邻滑橇之间插入一个滑橇安放底漆零件作为过渡滑橇，此处无需考虑底漆零件类别。目前，所有的面漆颜色一共j0种，底漆颜色只有一种。因此，对传送带的i0个滑橇按照顺序进行编号(1，2，3，.....,i0),对不同的面漆颜色分别编号为1，2，3,……，j0，当为底漆颜色时，即不喷涂面漆则令j＝0。对不同的零件种类分别编号为1，2，3，……,k0。对同一滑橇上面的不同位置的支架分别编号为1，2，3，……，l0。
步骤二：建立决策变量、中间变量
首先引入决策变量,若编号为i的滑橇喷涂颜色j，且在第l个位置的支架上放置第k种零件，则令Xijkl＝1，否则Xijkl＝0,具体表示如下：
在模型的建立过程中，需要表示滑橇，颜色以及零件三者之间关系的变量，因此，定义如下的滑橇-颜色-零件中间变量Yijk。若编号为i的滑橇喷涂颜色j，且该滑橇上放置零件k，则令Yijk＝1，否则Yijk＝0，具体表示如下：
上述滑橇-颜色-零件中间变量Yijk中，需要满足
即对于任何一滑橇上，只能摆放一种类型的零件。此外，还需要满足方程
方程
表示只要计划在编号为i的滑橇上放置第k种零件，喷涂相应的第j种颜色，则必定会使用一个以上的支架，因为若使用支架数为0，则说明该滑橇上无任何零件，显然这不符合实际要求。
在模型的建立过程中，需要表示滑橇和颜色之间的关系，因此引进滑橇-颜色中间变量Zij。若第i号滑橇上喷涂第j种颜色，则令Zij＝1，否则Zij＝0。
上式中，需要满足条件
该条件表示第i号滑橇上喷涂第j种颜色后，至少使用一个支架并在支架上放置对应的零件。滑橇-颜色中间变量对应的约束条件为
该约束条件表示同一个滑橇上，能且只能喷涂一种颜色(面漆或者底漆)。
在模型的建立过程中,需要表示滑橇和零件之间的关系,因此引进滑橇-零件中间变量Mik，若第i个滑橇上放置零件k,则令Mik＝1，否则Mik＝0。
滑橇-零件中间变量对应的约束条件为
即同一个滑橇上,能且只能放置同一种零件。
步骤三：约束条件建立
(1)自身条件限制
基于以上分析，由于喷涂面漆的过程中，同一滑橇上只能喷涂同一种颜色，并且只能放置同一种零件，零件与支架是一一对应的，于是得到如下约束：
上式中，
表示任意滑橇上只能放置k0种零件的一种，
表示任意滑橇上只能放置j0种面漆色的一种或底漆色。
(2)需求量约束
实际生产排程中，任意零件在任意面漆色下都有一定的需求量，因此，需要建立需求量约束方程：
式中，Sjk表示喷涂颜色j的零件k的需求数量，方程表示对于任意的颜色j和零件k的搭配，在所有滑橇的所有支架上，必须保证喷涂该颜色的该零件满足其需求量。
(3)换色约束
在喷涂过程中，如果相邻前后两个滑橇上的零件需要喷涂不同的面漆色，即意味着出现了一次“换色”，换色就需要喷涂一次底漆色作为过渡。喷涂底漆色的零件只能作为备用件，是一种资源浪费。同时，换色前后的面漆颜色，也有一定的限制，即并不是经过底漆色后就可以随意更换面漆颜色。根据换色要求，得到换色约束矩阵B。B是一个由0，1构成的j0×j0维矩阵，具体含义为：当第i号滑橇喷涂底漆色时，即第i-1号滑橇和第i+1号滑橇的面漆颜色不同，经历了一次换色。如果i-1号滑橇喷涂j色时，第i+1号滑橇能够喷涂j’色，则矩阵B对应位置的元素为1。否则的话为0。于是，可以得到如下约束方程：
式中，
由于
即任意一次换色过程中，换色前的滑橇和换色后的滑橇都只能出现Zi,j(j＝1,2,…,j0)中的一种,该情况下Zi,j＝1，其余情况下Zi,j＝0。所以Zi＝(Zi,1,Zi,2,…,Zi,j0)为一个由0，1构成的单位向量。上述约束方程表示控制矩阵A中的每一个元素都小于等于换色约束矩阵B中的每一个元素，且A和B中的元素都是由0，1构成。
(4)零件摆放约束
在制造喷涂计划时，前后滑橇上摆放的零件有一定的限制，有的零件放在一起会导致零件的损坏，根据零件摆放先后顺序的限制。根据零件摆放要求，得到零件摆放约束矩阵F。F是一个由0，1构成的k0×k0维矩阵，具体含义为：当第i号滑橇摆放零件k时，第i+1号滑橇能够摆放零件k’，则矩阵F对应位置的元素为1，否则的话为0，于是，可以得到如下约束方程：
步骤四：建立目标函数及单目标优化模型
汽车零配件生产厂在制定生产排程计划时，如果喷涂不同颜色的面漆色，就需要底漆件作为过渡，底漆件不能使用，只能作为备用件。为了减少资源浪费，需要尽可能减少换色的次数。也就是说，希望出现底漆的滑橇数量越少越好。即目标函数为：
式中，Zi,0表示Zi,j(j＝0)，即所有喷涂底漆的滑橇。
结合前面的各类约束表示，得到单目标优化模型：
以上即为基于0-1规划的汽车零配件生产排程设计的单目标优化模型。
步骤五：采用遗传算法或神经网络算法求解单目标优化模型，其中遗传算法、神经网络算法均为现有技术，此处不再详细描述。
下面结合附图与具体实施例对本发明进一步的说明：
如图1所示，本发明提出的一种基于0-1规划的汽车零配件喷色生产排程方法，包括
步骤一：获取喷色设备及喷色颜色数据，对所获取数据预处理
汽车零配件制造商生产配件一般有吸料、注塑、喷涂、入库以及装配等流程，在注塑完成后，将在传送带上进行喷涂工作，传送带轨道装有303个滑橇，每个滑橇配有6个与零件一一对应的相同支架，且支架可进行拆卸更换，即一个滑橇上面可以自行选择摆满1-6个同种类的零件。由于支架与零件一一对应，所以在支架数一定的情况下，一圈的生产计划摆放某种的个数是有上限的。支架上放置好对应的零件后会进行喷涂面漆，在喷涂面漆前所有零件都是底漆色。如果传送带轨道上相邻两个滑橇需要喷涂不同的面漆颜色，则会涉及“换色”，则需要在相邻滑橇之间插入一个滑橇安放底漆零件作为过渡滑橇，此处无需考虑底漆零件类别。目前，所有的面漆颜色一共10种，底漆颜色只有一种。因此，对传送带的303个滑橇按照顺时针顺序进行编号(1，2，3，.....,303),对10种不同的面漆颜色分别编号为1，2，3，4，5，6，7，8，9，10，可以得到：宝石红(1)、宝石蓝(2)、光耀蓝(3)、牛仔蓝(4)、米兰银(5)、铱银(6)、极地白(7)、钻石白(8)、曜岩黑(9)、宇宙黑(10)。当不喷涂面漆时，即为底漆色时编号为0。对31种不同的零件分别编号为分别编号为1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20，21，22，23，24，25，26，27，28，29，30，31，可以得到：上格栅A(1)、上格栅B(2)、中间扰流板A(3)、前保A(4)、前保B(5)、前保C(6)、前保D(7)、前保E(8)、前保F(9)、前保G(10)、后保A(11)、后保B(12)、后保C(13)、后保D(14)、后保E(15)、后保F(16)、后保G(17)、外壳A(18)、轮口装饰件A(19)、轮口装饰件B(20)、门槛A(21)、门槛B(22)、门槛C(23)、门槛D(24)、门槛E(25)、门槛装饰条A(26)、雷达支架A(27)、雷达支架B(28)、雷达支架C(29)、雷达支架D(30)、雷达支架E(31)。对同一滑橇上面的不同位置的支架从左到右，从上到下分别编号为1，2，3，4，5，6；
步骤二：建立决策变量、中间变量
首先引入决策变量，若第i个滑橇用第j种颜色的喷枪，且在第l个位置的支架上放置第k种零件，则令Xijkl＝1，否则Xijkl＝0，具体表示如下：
定义滑橇-颜色-零件中间变量Yijk，若第i个滑橇喷涂第j种颜色，且该滑橇上放置零件k，则令Yijk＝1，否则Yijk＝0，具体表示如下：
定义滑橇-颜色中间变量Zij，若第i号滑橇上喷涂第j种颜色，则令Zij＝1，否则Zij＝0，具体表示如下：
定义滑橇-零件中间变量Mik，若第i个滑橇上放置零件k，则令Mik＝1，否则Mik＝0；
步骤三：约束条件建立
(1)自身条件限制
基于以上分析，由于喷涂面漆的过程中，同一滑橇上只能喷涂同一种颜色，并且只能放置同一种零件，零件与支架是一一对应的，于是得到如下约束：
上式中，
表示任意滑橇上只能放置31种零件的一种，
表示任意滑橇上只能放置10种面漆色的一种或底漆色。
(2)需求量约束
实际生产排程中，任意零件在任意面漆色下都有一定的需求量，因此，需要建立需求量约束方程：
式中，Sjk表示喷涂颜色j的零件k的需求数量，方程表示对于任意的颜色j和零件k的搭配，在所有滑橇的所有支架上，必须保证喷涂该颜色的该零件满足其需求量。根据要求，例如：颜色为宝石红(j＝1)的前保E(k＝8)需求量为99，即S1,8＝99，可以得到约束条件
颜色为宝石红(j＝1)的后保A(k＝11)需求量为372，即S1,11＝372，可以得到约束条件
其余需求量的约束条件同此类似。
(3)换色约束
在喷涂过程中，如果相邻前后两个滑橇上的零件需要喷涂不同的面漆色，即意味着出现了一次“换色”，换色就需要喷涂一次底漆色作为过渡。喷涂底漆色的零件只能作为备用件，是一种资源浪费。同时，换色前后的面漆颜色，也有一定的限制,即并不是经过底漆色后就可以随意更换面漆颜色。根据换色要求，得到换色约束矩阵B。B是一个由0，1构成的10×10维矩阵，具体含义为：当第i号滑橇喷涂底漆色时，即第i-1号滑橇和第i+1号滑橇的面漆颜色不同，经历了一次换色。如果i-1号滑橇喷涂j色时，第i+1号滑橇能够喷涂j’色，则矩阵B对应位置的元素为1。否则的话为0。于是，可以得到如下约束方程：
式中，
由于
即任意一次换色过程中，换色前的滑橇和换色后的滑橇都只能出现Zi,j(j＝1,2,…,10)中的一种,该情况下Zi,j＝1，其余情况下Zi,j＝0。所以Zi＝(Zi,1,Zi,2,…,Zi,10)为一个由0，1构成的单位向量。上述约束方程表示控制矩阵A中的每一个元素都小于等于换色约束矩阵B中的每一个元素，且A和B中的元素都是由0，1构成。根据面漆换色的前后顺序限制规则：任意红色和任意蓝色后面不能接任何白色，极地白后不能安排任意黑色，钻石白前必须是极地白。因此，根据上述描述，构造出换色控制矩阵B。具体方式为，例如钻石白前必须是极地白，那么对于bmn而言，当n＝8(第i+1号滑橇喷涂面漆色钻石白)时，只有当m＝7(第i-1号滑橇喷涂面漆色极地白)时bmn＝1，当m≠7时，bmn＝0。其余限制规则的约束方法同此类似。得到每个bmn后即可得到换色约束矩阵B。
(4)零件摆放约束
在制造喷涂计划时，前后滑橇上摆放的零件有一定的限制，有的零件放在一起会导致零件的损坏，根据零件摆放先后顺序的限制。根据零件摆放要求，得到零件摆放约束矩阵F。F是一个由0，1构成的31×31维矩阵，具体含义为：当第i号滑橇摆放零件k时，第i+1号滑橇能够摆放零件k’，则矩阵F对应位置的元素为1，否则的话为0。于是，可以得到如下约束方程：
步骤四：建立目标函数及单目标优化模型
汽车零配件生产厂在制定生产排程计划时，如果喷涂不同颜色的面漆色，就需要底漆件作为过渡，底漆件不能使用，只能作为备用件。为了减少资源浪费，需要尽可能减少换色的次数。也就是说，希望出现底漆的滑橇数量越少越好，即目标函数为：
式中，Zi,0表示Zi,j(j＝0)，即所有喷涂底漆的滑橇。
结合前面的各类约束表示，得到单目标优化模型：
以上即为基于0-1规划的汽车零配件生产排程设计的单目标优化模型。
步骤五：采用遗传算法或神经网络算法求解单目标优化模型。
本实施例的一种设备，所述设备包括：一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述任一项所述的方法，旨在所建立的模型能够解决常见的生产排程问题。
本实施例的一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现上述任一项所述的方法，储存有被处理器执行时实现所建立的模型能够解决常见的生产排程问题。进一步介绍如下：
计算机系统包括中央处理单元(CPU)101，其可以根据存储在只读存储器(ROM)102中的程序或者从存储部分加载到随机访问存储器(RAM)103中的程序而执行各种适当的动作和处理。在RAM103中，还存储有系统操作所需的各种程序和数据。CPU 101、ROM 102及RAM103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
以下部件连接至I/O接口105：包括键盘、鼠标等的输入部分106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等及扬声器等的输出部分；包括硬盘等的存储部分108；及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分109。通信部分109经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口105。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分108。
特别地，根据本发明的实施例，上文参考流程图1描述的过程可以被实现为计算机软件程序。例如，本发明的实施例1包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)101执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的框图3，图示了按照本发明各种实施例1的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的模块也可以设置在处理器中。其中，这些模块元的名称在某种情况下并不构成对该单元本身的限定。所描述的单元或模块也可以设置在处理器中，
作为另一方面，本申请还提供了一种计算机可读介质，该计算机11可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的海洋生物检测方法。
例如，所述电子设备可以实现：步骤S1：获取喷色设备及喷色颜色数据，对所获取数据预处理；步骤S2：建立决策变量和中间变量；步骤S3：建立约束条件；步骤S4：建立目标函数及单目标优化模型；步骤S5：求解单目标优化模型。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，及/或者将一个步骤分解为多个步骤执行等。
以上描述仅为本申请的较佳实施例及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。
上述数据说明本发明基于0-1规划的汽车零配件生产排程设计方法，通过选择事件发生的最基本情况为决策变量，为满足各条件建立合适的中间变量，决策变量和中间变量作为模型的基础，按照实际需求建立目标函数，根据条件限制建立约束方程，建立一个基于0-1规划的单目标优化模型，该模型能够求出最优解且模型精度较高。由于已经通过以上实施例描述了本发明，任何等同替换对于本发明来说都是显而易见的并且包含在本发明之中。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，包括：
获取喷色设备及喷色颜色数据，对所获取数据预处理；
建立决策变量和中间变量；
建立约束条件；
建立目标函数及单目标优化模型；
求解单目标优化模型。
2.根据权利要求1所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述数据预处理为：
面漆颜色一共j0种，底漆颜色只有一种，对传送带的i0个滑橇按照顺序进行编号从1到i0，对不同的面漆颜色分别编号从1到j0；当为底漆颜色时，即不喷涂面漆，则令j＝0；对不同的零件种类分别编号为1到k0；对同一滑橇上面的不同位置的支架分别编号为1到l0。
3.根据权利要求2所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述决策变量为：
编号为i的滑橇喷涂颜色j，且在第l个位置的支架上放置第k种零件，则令Xijkl＝1，否则Xijkl＝0,即：
4.根据权利要求3所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述中间变量包括：
滑橇-颜色-零件中间变量Yijk，若编号为i的滑橇喷涂颜色j，且该滑橇上放置零件k，则令Yijk＝1，否则Yijk＝0，即：
并且
滑橇-颜色中间变量Zij，若第i号滑橇上喷涂第j种颜色，则令Zij＝1，否则Zij＝0，即：
并且
滑橇-零件中间变量Mik，若第i个滑橇上放置零件k,则令Mik＝1，否则Mik＝0，即：
并且
5.根据权利要求1所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述约束条件包括自身约束、需求量约束、换色约束和零件摆放约束。
6.根据权利要求5所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述自身约束为：
其中，
表示任意滑橇上只能放置k0种零件的一种；
式中，Sjk表示喷涂颜色j的零件k的需求数量，方程表示对于任意的颜色j和零件k的搭配，在所有滑橇的所有支架上，必须保证喷涂该颜色的该零件满足其需求量；
所述换色约束为：
式中，
由于
即任意一次换色过程中，换色前的滑橇和换色后的滑橇都只能出现Zi,j(j＝1,2,…,j0)中的一种,该情况下Zi,j＝1，其余情况下Zi,j＝0；
所述零件摆放约束为：
7.根据权利要求1所述的一种基于0-1规划的汽车零配件喷色生产排程方法，其特征在于，所述目标函数为：
式中，Zi,0表示Zi,j(j＝0)，即所有喷涂底漆的滑橇；
所述单目标优化模型为：
8.根据权利要求1所述的一种基于0-1规划的汽车零配件喷色生产排程系统，其特征在于：
数据预处理模块，配置用于对所获取的喷色设备及喷色颜色数据进行预处理；
变量建立模块，配置用于建立决策变量和中间变量；
约束条件建立模块，配置用于建立约束条件；
优化模块，配置用于建立目标函数及单目标优化模型；
求解模块，配置用于求解单目标优化模型。
9.根据权利要求8所述的一种基于0-1规划的汽车零配件喷色生产排程系统，其特征在于：所述约束条件建立模块包括自身约束、需求量约束、换色约束和零件摆放约束。
10.一种设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210242862.XA CN114723105A (zh) | 2022-03-11 | 2022-03-11 | 一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210242862.XA CN114723105A (zh) | 2022-03-11 | 2022-03-11 | 一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114723105A true CN114723105A (zh) | 2022-07-08 |
Family
ID=82238693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210242862.XA Pending CN114723105A (zh) | 2022-03-11 | 2022-03-11 | 一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114723105A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110378579A (zh) * | 2019-07-03 | 2019-10-25 | 东南大学 | 用于汽车涂装车间的按色分批方法 |
| US10614414B1 (en) * | 2016-07-12 | 2020-04-07 | Jda Software Group, Inc. | System and method of an explanation tool for automotive production planning |
| CN111582531A (zh) * | 2019-02-19 | 2020-08-25 | 顺丰科技有限公司 | 模型创建方法和分配优化方法、装置、设备及存储介质 |
-
2022
- 2022-03-11 CN CN202210242862.XA patent/CN114723105A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10614414B1 (en) * | 2016-07-12 | 2020-04-07 | Jda Software Group, Inc. | System and method of an explanation tool for automotive production planning |
| CN111582531A (zh) * | 2019-02-19 | 2020-08-25 | 顺丰科技有限公司 | 模型创建方法和分配优化方法、装置、设备及存储介质 |
| CN110378579A (zh) * | 2019-07-03 | 2019-10-25 | 东南大学 | 用于汽车涂装车间的按色分批方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Many-objective job-shop scheduling: A multiple populations for multiple objectives-based genetic algorithm approach | |
| Fattahi et al. | Dynamic scheduling in flexible job shop systems by considering simultaneously efficiency and stability | |
| CN109615188B (zh) | 一种预分配结合匈牙利算法的多机器人任务分配方法 | |
| Manavizadeh et al. | Mixed-model assembly line balancing in the make-to-order and stochastic environment using multi-objective evolutionary algorithms | |
| US11132632B2 (en) | System and method of automotive production planning | |
| CN112783172B (zh) | 基于离散鲸鱼优化算法的agv与机器集成调度方法 | |
| CN114237222B (zh) | 一种基于强化学习的取送货车辆路径规划方法 | |
| CN115879707B (zh) | 多级混流汽车生产车间的集成排产系统及排产方法 | |
| 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 | |
| CN113837628B (zh) | 一种基于深度强化学习的冶金工业车间天车调度方法 | |
| Li et al. | An overview for Markov decision processes in queues and networks | |
| CN115130765A (zh) | 一种多工艺路线单车间汽车混流排产优化方法 | |
| Wang et al. | A hybrid simulated annealing for scheduling in dual-resource cellular manufacturing system considering worker movement | |
| CN114723105A (zh) | 一种基于0-1规划的汽车零配件喷色生产排程设计方法、系统及设备 | |
| CN110309696B (zh) | 基于深度学习及多聚类中心损失函数的摊贩物品分类方法 | |
| CN109447428A (zh) | 整车生产线序排产的确定方法、装置及智能终端 | |
| CN109977902A (zh) | 一种基于深度学习的建筑施工车辆识别方法 | |
| CN114595871A (zh) | 一种多无人机任务规划方法 | |
| Pang et al. | A multi-phase scheduling method for reconfigurable flexible job-shops with multi-machine cooperation based on a Scout and Mutation-based Aquila Optimizer | |
| CN116360362A (zh) | 一种考虑工件排布的车间作业智能调度方法 | |
| CN116187038A (zh) | 一种船舶分段涂装精细化派工方法 | |
| CN115409448A (zh) | 仓储调度决策方法、装置、终端设备以及存储介质 | |
| CN109447471B (zh) | 一种多机器人多区域协同搜索任务分配方法 | |
| CN110826909B (zh) | 一种基于规则集的工作流执行方法 | |
| CN111062452A (zh) | 针对高斯分类神经网络进行强化训练的方法及设备 |
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 |