CN115249123A - 一种基于爬山法的柔性制造系统智能排产方法及系统 - Google Patents
一种基于爬山法的柔性制造系统智能排产方法及系统 Download PDFInfo
- Publication number
- CN115249123A CN115249123A CN202210799516.1A CN202210799516A CN115249123A CN 115249123 A CN115249123 A CN 115249123A CN 202210799516 A CN202210799516 A CN 202210799516A CN 115249123 A CN115249123 A CN 115249123A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- order
- information
- data
- equipment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 126
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 97
- 230000009194 climbing Effects 0.000 title claims abstract description 31
- 230000008569 process Effects 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000005111 flow chemistry technique Methods 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910001300 Mazak (alloy) Inorganic materials 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- G06Q10/06—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
- G06Q10/06—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
- G06Q10/06314—Calendaring for a resource
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及智能制造技术领域,公开了一种基于爬山法的柔性制造系统智能排产方法及系统,该智能排产方法,包括以下步骤:S1,输入排产订单数据;S2,解析排产订单数据;S3,产生初始排产方案;S4,定义邻域;S5,搜索最优解。本发明解决了现有技术存在的在应对混流加工场景时无法产生较好的排产方案、难以提高排产效率、难以提高生产设备利用率的问题。
Description
技术领域
本发明涉及智能制造技术领域,具体是一种基于爬山法的柔性制造系统智能排产方法及系统。
背景技术
随着制造业向智能制造转型,柔性制造系统(Flexible Manufacture System)已成为智能制造指导路线中的重要发展分支之一,是离散制造企业数字化工厂解决方案的核心组成部分。一个柔性制造系统内包含多种类型的加工设备。由于设备类型、刀具类型、加工工艺存在着差异,同一种零件的同一道工序在不同类型设备上的加工时长也存在差异。利用智能排产算法可按任务顺序加工一组有不同工序与加工节拍的工件,适时地自主调度管理,实现自动适应加工工件和生产批量的变化。因此,智能排产算法是FMS中的核心环节,是智能装备高速运转的关键,可有效提高FMS生产设备利用率,提升FMS控制系统产品的竞争力。
智能排产,其本质上是一个作业车间调度问题,即通过算法计算寻找一种适应车间约束的最优生产排班和资源分配方案。在实际的生产过程中,它往往会受到工序、时间、机器和工件的约束,已成为这个领域中被证实的一种典型的NP难题,也成为了FMS系统中亟需解决的重点研究内容。
国内外学者采用多种智能优化算法来解决这一难题,如遗传算法、粒子群算法等。但现有一些算法仅可解决最基本的作业空间调度问题,没有充分考虑在混流加工场景中由于多种产品的生产流程、适应机床、加工时间、装夹方式、刀具需求和交付期的不同而产生的实际复杂问题。
发明内容
为克服现有技术的不足,本发明提供了一种基于爬山法的柔性制造系统智能排产方法及系统,解决现有技术存在的在应对混流加工场景时无法产生较好的排产方案、难以提高排产效率、难以提高生产设备利用率的问题。
本发明解决上述问题所采用的技术方案是:
一种基于爬山法的柔性制造系统智能排产方法,包括以下步骤:
S1,输入排产订单数据:将排产订单数据作为输入,进入步骤S2;
S2,解析排产订单数据:将输入的数据进行解析,解析为资源信息、订单信息、工艺工步信息;
S3,产生初始排产方案:结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案;
S4,定义邻域:按照零件排产顺序2-opt定义邻域N(x),定义为任意两个零件之间的排产顺序倒置;
S5,搜索最优解:进行邻域交换,搜索x1,x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn;其中,x1,x2,x3,x4,……,xn分别表示N(x)的第n个邻域。
作为一种优选的技术方案,输入JSON格式排产订单数据。
作为一种优选的技术方案,步骤S4包括以下步骤:
S41,将订单的索引进行邻域交换;
S42,生成一个排产方案的数组。
作为一种优选的技术方案,步骤S5包括以下步骤:
S51,依次进行步骤S4的邻域交换,寻找当前排产方案数组中的最优解;
S52,寻找最优解的过程中,依次对比超期零件数、超期的总时间、设备停工时间、设备利用率;
S53,检索速度优化,建立索引表;
S54,找到最优解,重复步骤S4进入下一轮迭代;
S55,直到N(xn)中的最优解就是xn时停止搜索过程。
作为一种优选的技术方案,步骤S1包括以下步骤:
S11,输入JSON格式的订单数据;订单数据包含:订单编号,订单数量;
S12,输入JSON格式的设备日历数据;设备日历包含:设备编号,开始时间,结束时间;
S13,输入JSON格式的工艺数据;工艺数据包含订单编号,订单数量,FMS工序FMS工步,所需设备信息,加工需要时间。
作为一种优选的技术方案,步骤S2包括以下步骤:
S21,输入数据的解析规则如下:拆分订单数量,如果大于1,则拆分成数量为1的独立订单;工艺数据由树形结构,拆分成链表结构;设备日历拆分成单个小段的可以独立工作的设备日历信息;其中,解析后的订单信息包含:订单编号、下单时间、生产工艺编号、当前工艺步骤编号、最晚早开始时间;解析后的日历信息包含:设备编号、开始时间、结束时间;解析后的工艺信息包含:工艺编号、工艺步骤编号、所需设备编号,生产耗时。
作为一种优选的技术方案,步骤S3包括以下步骤:
S31,获取订单的下单时间;
S32:根据订单的下单时间先后顺序,初始化一个排产方案;
S33:给排产方案建立索引;
S34:针对所有已经完成的订单计算评估指标,评估指标包含超期零件数、超期的总时间、设备停工时间、设备利用率;
其中,
超期零件数是指,如果订单计划完日期小于实际完成日期,超期零件数加1;
超期的总时间是指,计算计划完成日期减去实际完成日期,如果小于0,则超期总时间累加;
设备停工时间是指,累加最大设备停用时间;
设备利用率是指,设备的工作时间除以日历上的工作总时间乘以100%。
作为一种优选的技术方案,还包括以下步骤:
S6,将最优解组装为JSON格式的排产信息和甘特图数据。
作为一种优选的技术方案,步骤S6包括以下步骤:
S61,通过步骤S5的迭代,查找最优解,作为本次推荐排产结果;
S62,组装成甘特图需要的JSON格式;
S63,客户端通过甘特图插件调用JSON数据,最终渲染成甘特图效果;
S64,根据实际需要再次调整甘特图,形成最终排产结果。
一种基于爬山法的柔性制造系统智能排产系统,采用所述的一种基于爬山法的柔性制造系统智能排产方法,包括依次电相连的以下模块:
排产订单数据输入模块:用以,将排产订单数据输入至排产订单数据解析模块;
排产订单数据解析模块:用以,将输入的数据进行解析,解析为资源信息、订单信息、工艺工步信息;
初始排产方案产生模块:用以,结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案;
邻域定义模块:用以,按照零件排产顺序2-opt定义邻域N(x),定义为任意两个零件之间的排产顺序倒置;
最优解搜索模块:用以,进行邻域交换,搜索x1,x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn;其中,x1,x2,x3,x4,……,xn分别表示N(x)的第n个邻域。
本发明相比于现有技术,具有以下有益效果:
(1)本发明利用爬山法,可以用比较简单的启发式规则在有限的时间中找到相对较好的排产方案,可充分考虑混流加工场景中的实际复杂问题,其计算过程可随时停止并将当前结果作为较好的排产方案输出;
(2)本发明利用爬山法,可以处理不可微的单峰函数,因为爬山法通过在邻域内随机产生个体进行优化,不需要利用梯度,所以爬山法可以在处理复杂问题时发挥局部寻优作用;
(3)本发明通过领域交换,搜索N(x)中最优解,通过综合对比超期零件数、超期总时间、设备停工时间、设备利用率这四项排产算法评估指标,确定最优排产方案为xn;利用爬山法,可以针对混流加工场景中的实际复杂问题,在有限时间内找到较好的排产方案,有效提高排产效率及生产设备利用率。
附图说明
图1为本发明所述的一种基于爬山法的柔性制造系统智能排产方法的步骤示意图;
图2为本发明所述的一种基于爬山法的柔性制造系统智能排产方法的流程示意图;
图3为本发明的搜索过程示意图之一;
图4为本发明的搜索过程示意图之二;
图5为本发明步骤S4的运行结果图;
图6为本发明步骤S5的运行结果图;
图7为本发明实施例的排产甘特图。
具体实施方式
下面结合实施例及附图,对本发明作进一步的详细说明,但本发明的实施方式不限于此。
实施例1
如图1至图7所示,本发明为了解决以上问题,提供一种基于爬山法的柔性制造系统智能排产方法,它利用爬山法,可以用比较简单的启发式规则在有限的时间中找到相对较好的排产方案,可充分考虑混流加工场景中的实际复杂问题,其计算过程可随时停止并将当前结果作为较好的排产方案输出。
为实现上述目的,本发明提供了如下方案:
基于爬山法的柔性制造系统智能排产算法,包括以下步骤:
步骤S1:输入JSON格式排产订单数据;
进一步地,所述步骤S1中,输入JSON格式排产订单数据的具体步骤为:
S11:输入订单的JSON格式,订单包含:订单编号,订单数量;
S12:输入设备日历的JSON格式,主要包含:设备编号,开始时间,结束时间;
S13:输入工艺的JSON格式,主要包含订单编号,订单数量,FMS工序FMS工步,所需设备信息,加工需要时间。
步骤S2:将输入的数据进行解析,解析为资源信息,订单信息,工艺工步信息;
进一步地,所述步骤S2中,将输入的数据进行解析,解析为资源信息,订单信息,工艺工步信息的具体步骤为:
S21:输入数据的解析规则如下:拆分订单数量,如果大于1,则拆分成数量为1的独立订单;工艺数据由树形结构,拆分成链表结构;设备日历拆分成单个小段的可以独立工作的设备日历信息;
其中,
解析后的订单信息,主要包含;订单编号,下单时间,生产工艺编号,当前工艺步骤编号,最晚早开始时间;
解析后的日历信息,主要包含:设备编号,开始时间,结束时间;
解析后的工艺信息,主要包含:工艺编号,工艺步骤编号,所需设备编号,生产耗时。
步骤S3:结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案;
进一步地,所述步骤S3中,结合日历信息将零件的工步信息组合成数组并根据订单的优先级进行排序,产生一个初始的排产方案,包括的具体步骤为:
S31:获取订单的下单时间;
S32:根据订单的下单时间先后顺序,初始化一个排产方案;
S33:给排产方案建立索引;
S34:针对所有已经完成的订单计算评估指标,评估指标主要包含:超期零件数,超期的总时间,设备停工时间和设备利用率;
其中,
超期零件数是指,如果订单计划完日期小于实际完成日期,超期订单数加1;
超期的总时间是指,计算计划完成日期减去实际完成日期,如果小于0,则超期总时间累加;
设备停工时间是指,累加最大设备停用时间;
设备利用率是指,设备的工作时间除以日历上的工作总时间乘以100%。
步骤S4:按照零件排产顺序2-opt定义邻域N(x),定义为任意两个零件之间的排产顺序倒置;
进一步地,所述步骤S4中,按照零件排产顺序2-opt定义邻域N(x),定义为为任意两个零件之间的排产顺序倒置,包括的具体步骤为:
S41:将订单的索引进行邻域交换;
S42:生成一个排产方案的数组。
步骤S5:进行邻域交换,搜索N(x)中的最优解x1,依次搜索x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn;
进一步地,所述步骤S5包括的具体步骤为:
S51:依次进行步骤S4的邻域交换,寻找当前排产方案数组中的最优解;
S52:寻找最优解的过程,依次对比超期零件数,超期的总时间,设备停工时间,设备利用率;
S53:检索速度优化,建立索引表;
S54,找到最优解,重复步骤S4进入下一轮迭代;
S55,直到N(xn)中的最优解就是xn时停止搜索过程。
步骤S6:记录最优值,将其组装为JSON格式的排产信息和甘特图数据。
进一步地,所述步骤S6中,记录最优值,将其组装为JSON格式的排产信息和甘特图数据,包括的具体步骤为:
S61:通过步骤S5的迭代,查找最优解,作为本次推荐排产结果;
S62:组装成甘特图需要的JSON格式;
S63:客户端通过甘特图插件调用JSON数据,最终渲染成甘特图效果;
S64:根据实际需要再次调整甘特图,形成最终排产结果。
本发明的有益技术效果为:
本发明所述的一种基于爬山法的柔性制造系统智能排产算法,它利用爬山法,可以用比较简单的启发式规则在有限的时间中找到相对较好的排产方案,可充分考虑混流加工场景中的实际复杂问题,其计算过程可随时停止并将当前结果作为较好的排产方案输出。爬山法是一种局部寻优效果较好的搜索算法。它在处理单峰问题时可以快速收敛到局部最优点。爬山法有传统的优化算法不具有的优势,就是爬山法可以处理不可微的单峰函数,因为爬山法通过在邻域内随机产生个体进行优化,不需要利用梯度,所以爬山法可以在处理复杂问题时发挥局部寻优作用。
实施例2
如图1至图7所示,作为实施例1的进一步优化,在实施例1的基础上,本实施例还包括以下技术特征:
本发明以具体实施例来进一步阐述说明,实施例如下:
以一周排产数据为例,
步骤1:输入JSON格式排产订单数据,输入订单、日历、工艺的JSON数据。
步骤2:将输入数据进行解析,解析日历信息、订单信息和工艺工步信息。
进一步地,为了简化计算流程,假定订单信息包含:[A,B,C,D,E,F],分别对应工艺信息信息包含[工艺1,工艺2,工艺3,工艺4,工艺5,工艺6,];日历信息包含[设备编号,开始时间,结束时间],其中每个工艺包含了所需要的设备信息。
步骤3:结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案。进一步地,根据订单的下单时间,可以得出一个初始化排产方案[A,B,C,D,E,F],并建立相关的索引[1,2,3,4,5,6]。
步骤4:按照零件排产顺序2-opt定义邻域N(x),定义为为任意两个零件之间的排产顺序倒置,相关索引为:
[1,2,3,4,5,6]
[1,4,3,2,5,6]
[1,5,3,4,2,6]
[1,6,5,4,3,6]
本轮共计算出邻域一共包含1577个,计算每个邻域的相关指标。运行完本轮的所有领域之后,得到本轮最优解。本轮最优解进入下一轮查找。如图5所示。
步骤5:进行邻域交换,搜索N(x)中的最优解x1,依次搜索x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn,通过逐个计算排产顺序,可以找到最优方案。
如图6所示。可以看到在运行10分钟情况下,可以通过爬山法运行出理想的结果。
步骤6:记录最优值,将其组装为JSON格式的排产信息和甘特图数据。
进一步地,根据上述步骤,利用1周的排产数据进行测试,可得到基于爬山法的柔性制造系统智能的排产结果,主要包含超期零件数、超期的总时间、设备停工时间及设备利用等重要指标。如表1所示。
表1爬山法算法指标对应表
图7为本具体实施例的排产甘特图。利用1周的排产数据进行测试,可得到各个设备的占用情况。如图所示,对比仪01的利用率为3.33%,马扎克机床01的利用率为94.98%,立加机床1的利用率为93.21%,清洗机床的利用率为3.82%,立加机床2的利用率为94.42%。
本发明技术的关键点在于该排产算法的步骤S5,即通过领域交换,搜索N(x)中最优解,通过综合对比超期零件数、超期总时间、设备停工时间、设备利用率这四项排产算法评估指标,确定最优排产方案为xn。利用爬山法,可以针对混流加工场景中的实际复杂问题,在有限时间内找到较好的排产方案,有效提高排产效率及生产设备利用率。
如上所述,可较好地实现本发明。
本说明书中所有实施例公开的所有特征,或隐含公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合和/或扩展、替换。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (10)
1.一种基于爬山法的柔性制造系统智能排产方法,其特征在于,包括以下步骤:
S1,输入排产订单数据:将排产订单数据作为输入,进入步骤S2;
S2,解析排产订单数据:将输入的数据进行解析,解析为资源信息、订单信息、工艺工步信息;
S3,产生初始排产方案:结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案;
S4,定义邻域:按照零件排产顺序2-opt定义邻域N(x),定义为任意两个零件之间的排产顺序倒置;
S5,搜索最优解:进行邻域交换,搜索x1,x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn;其中,x1,x2,x3,x4,……,xn分别表示N(x)的第n个邻域。
2.根据权利要求1所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,输入JSON格式排产订单数据。
3.根据权利要求2所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S4包括以下步骤:
S41,将订单的索引进行邻域交换;
S42,生成一个排产方案的数组。
4.根据权利要求3所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S5包括以下步骤:
S51,依次进行步骤S4的邻域交换,寻找当前排产方案数组中的最优解;
S52,寻找最优解的过程中,依次对比超期零件数、超期的总时间、设备停工时间、设备利用率;
S53,检索速度优化,建立索引表;
S54,找到最优解,重复步骤S4进入下一轮迭代;
S55,直到N(xn)中的最优解就是xn时停止搜索过程。
5.根据权利要求4所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S1包括以下步骤:
S11,输入JSON格式的订单数据;订单数据包含:订单编号,订单数量;
S12,输入JSON格式的设备日历数据;设备日历包含:设备编号,开始时间,结束时间;
S13,输入JSON格式的工艺数据;工艺数据包含订单编号,订单数量,FMS工序FMS工步,所需设备信息,加工需要时间。
6.根据权利要求5所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S2包括以下步骤:
S21,输入数据的解析规则如下:拆分订单数量,如果大于1,则拆分成数量为1的独立订单;工艺数据由树形结构,拆分成链表结构;设备日历拆分成单个小段的可以独立工作的设备日历信息;其中,解析后的订单信息包含:订单编号、下单时间、生产工艺编号、当前工艺步骤编号、最晚早开始时间;解析后的日历信息包含:设备编号、开始时间、结束时间;解析后的工艺信息包含:工艺编号、工艺步骤编号、所需设备编号,生产耗时。
7.根据权利要求6所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S3包括以下步骤:
S31,获取订单的下单时间;
S32:根据订单的下单时间先后顺序,初始化一个排产方案;
S33:给排产方案建立索引;
S34:针对所有已经完成的订单计算评估指标,评估指标包含超期零件数、超期的总时间、设备停工时间、设备利用率;
其中,
超期零件数是指,如果订单计划完日期小于实际完成日期,超期零件数加1;
超期的总时间是指,计算计划完成日期减去实际完成日期,如果小于0,则超期总时间累加;
设备停工时间是指,累加最大设备停用时间;
设备利用率是指,设备的工作时间除以日历上的工作总时间乘以100%。
8.根据权利要求1至7任一项所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,还包括以下步骤:
S6,将最优解组装为JSON格式的排产信息和甘特图数据。
9.根据权利要求8所述的一种基于爬山法的柔性制造系统智能排产方法,其特征在于,步骤S6包括以下步骤:
S61,通过步骤S5的迭代,查找最优解,作为本次推荐排产结果;
S62,组装成甘特图需要的JSON格式;
S63,客户端通过甘特图插件调用JSON数据,最终渲染成甘特图效果;
S64,根据实际需要再次调整甘特图,形成最终排产结果。
10.一种基于爬山法的柔性制造系统智能排产系统,其特征在于,采用权利要求1至9任一项所述的一种基于爬山法的柔性制造系统智能排产方法,包括依次电相连的以下模块:
排产订单数据输入模块:用以,将排产订单数据输入至排产订单数据解析模块;
排产订单数据解析模块:用以,将输入的数据进行解析,解析为资源信息、订单信息、工艺工步信息;
初始排产方案产生模块:用以,结合日历信息将零件的工步信息组合成数组,并根据订单的优先级进行排序,产生一个初始排产方案;
邻域定义模块:用以,按照零件排产顺序2-opt定义邻域N(x),定义为任意两个零件之间的排产顺序倒置;
最优解搜索模块:用以,进行邻域交换,搜索x1,x2,x3,x4,……,xn,直到N(xn)中的最优解就是xn时停止搜索过程,本次最优排产方案为xn;其中,x1,x2,x3,x4,……,xn分别表示N(x)的第n个邻域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799516.1A CN115249123A (zh) | 2022-07-08 | 2022-07-08 | 一种基于爬山法的柔性制造系统智能排产方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799516.1A CN115249123A (zh) | 2022-07-08 | 2022-07-08 | 一种基于爬山法的柔性制造系统智能排产方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115249123A true CN115249123A (zh) | 2022-10-28 |
Family
ID=83699829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210799516.1A Pending CN115249123A (zh) | 2022-07-08 | 2022-07-08 | 一种基于爬山法的柔性制造系统智能排产方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115249123A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047870A (zh) * | 2023-10-12 | 2023-11-14 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
CN117608257A (zh) * | 2024-01-23 | 2024-02-27 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
-
2022
- 2022-07-08 CN CN202210799516.1A patent/CN115249123A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117047870A (zh) * | 2023-10-12 | 2023-11-14 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
CN117047870B (zh) * | 2023-10-12 | 2023-12-22 | 四川省致链数字科技有限公司 | 一种基于工业互联网的家具打孔工序柔性匹配系统及方法 |
CN117608257A (zh) * | 2024-01-23 | 2024-02-27 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
CN117608257B (zh) * | 2024-01-23 | 2024-05-28 | 江苏中天互联科技有限公司 | 线缆排产方案的生成方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359884B (zh) | 航空复杂装备结构件车间作业计划及重调度方法 | |
CN115249123A (zh) | 一种基于爬山法的柔性制造系统智能排产方法及系统 | |
CN111738578A (zh) | 一种动态环境下的离散型生产车间调度方法 | |
CN111260181A (zh) | 一种基于分布式智能制造单元的车间自适应生产调度装置 | |
CN116540659B (zh) | 一种大型复杂产品车间调度方法、系统、设备及介质 | |
CN108446814B (zh) | 同顺序流水线车间调度问题的树搜索方法及装置 | |
CN110378583B (zh) | 一种拟关键路径同设备相邻工序互换方法 | |
CN110580019B (zh) | 一种面向边缘计算的设备调取方法与装置 | |
He et al. | Scheduling manufacturing systems | |
CN111325487A (zh) | 一种流水生产车间智能调度优化方法及系统 | |
CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
CN113487276B (zh) | 一种电气装备制造生产过程协同管理平台 | |
CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
CN112907152A (zh) | 多组同时完工工序综合调度的多功能设备预选矩阵方法 | |
CN113377696A (zh) | 一种基于计算机设备的总线数据处理方法 | |
CN108537456B (zh) | 网络柔性设备的综合调度方法 | |
US6917843B2 (en) | System and method for scheduling production of molds | |
JP3832235B2 (ja) | 生産制御方法 | |
CN1704947A (zh) | 模具加工产能负载处理系统及方法 | |
Liu et al. | Scheduling optimization of flexible flow shop | |
Angelidis et al. | An extended critical path method for complex assembly lines | |
CN117215275B (zh) | 一种基于遗传编程的柔性车间大规模动态双效调度方法 | |
CN116736820B (zh) | 一种考虑加工、运输和装配集成调度的建模方法 | |
CN117973815B (zh) | 自适应生产计划智能生成与调整系统及方法 | |
CN114819486A (zh) | 考虑存在返工工件的综合调度方法 |
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 |