CN115330179A - 一种考虑资源受限的装配式建筑生产调度优化方法 - Google Patents
一种考虑资源受限的装配式建筑生产调度优化方法 Download PDFInfo
- Publication number
- CN115330179A CN115330179A CN202210954727.8A CN202210954727A CN115330179A CN 115330179 A CN115330179 A CN 115330179A CN 202210954727 A CN202210954727 A CN 202210954727A CN 115330179 A CN115330179 A CN 115330179A
- Authority
- CN
- China
- Prior art keywords
- production
- component
- scheme
- scheduling
- components
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 312
- 238000000034 method Methods 0.000 title claims abstract description 137
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 99
- 238000010586 diagram Methods 0.000 claims abstract description 33
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000012986 modification Methods 0.000 claims abstract description 5
- 230000004048 modification Effects 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 10
- 230000013011 mating Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000010959 steel 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
- G06Q10/06—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
- 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
- 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
-
- 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
- G06Q50/08—Construction
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种考虑资源受限的装配式建筑生产调度优化方法,先以均衡各条生产线生产负载为前提,基于启发式算法,获得若干个初始化生产方案;然后以生产资源受限和构件生产约束为前提,对不同的生产方案进行解析,获得详细的生产工序图;再以不同生产需求的优化指标为工序图的评估指标,对不同生产方案的生产工序图进行评估;最后基于进化环境的遗传算法模型,对初始化生产方案进行迭代式的筛选与修改,在不同的生产需求下,得到最优的生产调度方案。本发明构件排产优化方法,可以有效降低企业应对突发状况时对生产的影响,保证生产的连续性、高效性和低成本,解决了构件排产时,资源冲突,生产成本高,订单交付不及时等问题。
Description
技术领域
本发明涉及装配式建筑构件生产资源调度和构件排产技术领域,具体涉及一种考虑资源受限的装配式建筑生产调度优化方法。
背景技术
装配式建筑是预先对建筑行业需要的各种类型的建筑预制构件进行工厂加工,构件通过运输到建设工地现场,然后通过连接装配而被使用;相对传统的施工现场现浇结构建筑而言,具有工业化,规模化,速度快、成本低等优点,是国家发展绿色建筑工业化的一个重要方向。
预制构件生产是装配式建筑的核心,其智能化生产水平的不断提高,是装配式建筑发展迫切需求的,且随着国家大力发展装配式建筑,构件种类、数量井喷式发展,需求越来越大。但是目前装配式建筑预制构件的生产依然存在诸多瓶颈:由于构件生产的标准化程度较低、工厂生产的数字信息化程度不高以及工厂生产资源利用率低下等,导致构件的规模化生产、智能化生产难以达到理想水平。
目前市场上已有多款关于排产的软件,而这些软件大多是从全局来把握生产车间资源、分析生产流程和监控车间生产情况,针对具体的企业和具体的业务流程,不能完全适合企业的实际情况和生产需求。同时软件通用性高,不同软件的技术架构不同,导致操作繁琐,指标体系复杂,离开了具体问题的算法,进而导致相应的算法很难被适配。随着装配式建筑的推广,预制构件体积大、类型多,且结构复杂,这给预制构件资源调度、智能化排产和智能化技术方案的设计带来了极大困难。
发明内容
本发明的目的提供一种考虑资源受限的装配式建筑生产调度优化方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明采用如下技术方案:
一种考虑资源受限的装配式建筑生产调度优化方法,具体包括以下步骤:
S1、以均衡各条生产线生产负载为前提,基于启发式算法,获得若干个初始化生产方案;
S2、以生产资源受限和构件生产约束为前提,对不同的生产方案进行解析,获得详细的生产工序图;
S3、以不同生产需求的优化指标为工序图的评估指标,对不同生产方案的生产工序图进行评估;
S4、基于进化环境的遗传算法模型,对初始化生产方案进行迭代式的筛选与修改,在不同的生产需求下,得到最优的生产调度方案。
进一步地,所述初始化生产方案具体通过以下方法获得:
S101、分析订单中待排产的构件集合,包括订单属性、构件属性、模具属性、工序属性、工序时间属性、生产线属性、资源属性,为生成初始化构件的排产方案提供具体信息;
S102、根据构件的编号和个数,基于随机数生成一个包含构件随机生产顺序的生产方案;
S103、根据构件的生产顺序,基于启发式算法为每个构件分配生产线;
S104、结合步骤S102和S103得到一个初始化生产方案;
S105、重复步骤S104,获得包含大量初始化生产方案的集合。
进一步地,所述详细的生产工序图具体通过以下方法获得:
S201、选取一个初始化生产方案,根据构件的生产顺序,依次遍历其中的每一个构件,确定构件的类型和构件对应的生产线;
S202、基于生产资源受限和构件生产约束为前提,确定该构件的生产工序图,构件的生产工序图包含信息构件的全部工序流程和构件各个工序生产的开始时间和结束时间;
S203、对初始化生产方案的每一个构件重复步骤S202,获得该方案的完整生产工序图;
S204、重复执行步骤S201-S203,获得每一个初始化生产方案的生产工序图。
进一步地,所述构件生产约束的表达式为:
式中:S表示工序的开始时间;P表示工序的持续时间;Al,j表示l生产线上构件j的所有紧前构件集合;L和l分别表示生产线集合和某一条具体生产线,i、j为构件的索引,表示构件集合的某一个构件;k为构件的工序索引,表示某个构件的某一道工序;MT和mt分别表示模具的类型集合和某一种具体的模具;R和r分别表示资源集合和某一种具体的资源;PC和pc分别表示构件的集合和某一种具体的构件;T表示批处理构件的一个生产周期内的时间;
具体的,公式(1)为生产线上工位生产机器约束;公式(2)为工序紧前逻辑关系约束;公式(3)为模具数量约束;公式(4)为资源有限约束;公式(5)表示工期、资源、索引、时间、集合等的非负及非空约束。
进一步地,所述生产工序图包括一个生产周期内全部的构件信息以及一个生产周期内全部的资源情况,所述构件信息包括构件分配的生产线,构件的全部工序、类别,每个工序需要各种资源,每个工序的开始和结束时间。
进一步地,对不同生产方案,所述生产工序图的评估函数为:
式中:MinFinishTime表示最短完工时间;MinCriticalLineLoad表示最小关键生产线负载;MinLineAllLoad表示最小生产线总负载;MinMoldCost表述最小模具成本。
进一步地,所述初始化生产方案迭代式的筛选与修改具体通过以下步骤实现:
S401、以初始化生产方案作为遗传算法的初始化父代;
S402、对父代生产方案的构件生产顺序和构件生产对应的生产线进行算法设计的选择、交叉、变异操作,从而获得子代;
S403、对于获得的子代,重复步骤S2-S3,并作为步骤S401的父代;
S404、重复步骤S403,在达到算法执行的进化代数或者生产方案的优化目标后,结束算法流程;
S405、重复步骤S404,输出构件的生产工序图即构件法最佳排产方案。
进一步地,所述算法设计的选择是从父代种群中进行部分个体的选择并构造个体选择池,子代个体由选择池中的个体直接获得。
进一步地,所述算法设计的交叉是从父代种群中进行部分个体的选择并构造个体交配池,子代个体由交配池中的个体通过两两交叉产生。
进一步地,所述算法设计的变异是从父代种群中进行部分个体的选择并构造个体变异池,子代个体由变异池中的个体通过变异产生。
由以上技术方案可知,本发明基于进化环境的遗传算法模型,以生产资源受限和构件工序约束为前提,基于进化环境的遗传算法模型,在不同的生产需求下,得到最优的批构件详细生产调度方案,可以有效降低企业应对突发状况时对生产的影响,保证生产的连续性、高效性和低成本,解决了构件排产时,资源冲突,生产成本高,订单交付不及时等问题。
附图说明
图1为本发明所述式建筑资源受限生产调度优化方法的步骤流程图;
图2为本发明所述式建筑资源受限生产调度优化方法的流程示意图;
图3为本发明的个体初始化生产方案的双层基因编码示意图;
图4为本发明的生产周期内构件订单生产参数示意图;
图5为本发明的模具、工人约束关系示意图;
图6为本发明排产优化目标示意图;
图7为本发明的遗传算法伪代码示意图;
图8为本发明的遗传算法流程示意图;
图9为本发明的生产周期内构件订单排产甘特图;
图10为本发明的生产周期内构件订单排产计划表。
具体实施方式
下面结合附图对本发明的一种优选实施方式做详细的说明。
如图1所示的考虑资源受限的装配式建筑生产调度优化方法,具体包括以下步骤:
S1、以均衡各条生产线生产负载为前提,基于启发式算法,获得若干个初始化生产方案;
S2、以生产资源受限和构件生产约束为前提,对不同的生产方案进行解析,获得详细的生产工序图;
S3、以不同生产需求的优化指标为工序图的评估指标,对不同生产方案的生产工序图进行评估;
S4、基于进化环境的遗传算法模型,对初始化生产方案进行迭代式的筛选与修改,在不同的生产需求下,得到最优的生产调度方案。
具体的,如图2所示,具体工作流程为:根据订单需求,初始化种群,对于种群中的每个个体进行适应度函数计算,得到完整的个体,然后对种群执行选择、交叉、变异操作,更新种群,判断是否达到结束条件,即种群进化的最大迭代次数;最终输出一个生产周期内批构件的最优排产方案,最优的排产方案,可以从最短完工时间、最小模具成本、最小关键生产线负载、最小生产线总负载方面进行评估。
本优选实施例中,对于上述步骤S1,所述初始化生产方案具体通过以下方法获得:
S101、分析订单中待排产的构件集合,包括订单属性、构件属性、模具属性、工序属性、工序时间属性、生产线属性、资源属性,为生成初始化构件的排产方案提供具体信息;
S102、根据构件的编号和个数,基于随机数生成一个包含构件随机生产顺序的生产方案;
S103、根据构件的生产顺序,基于启发式算法为每个构件分配生产线;
S104、结合步骤S102和S103得到一个初始化生产方案;
S105、重复步骤S104,获得包含大量初始化生产方案的集合。
本优选实施例中,上述初始化生产方案集合包含大量个体,每个个体的表达方式为个体双层基因编码图;这是由于预制构件的生产调度过程中,主要涉及两方面的信息,一是预制构件的生产顺序不同,即构件的编号不同,二是预制构件所处生产线的不同。因此本算法中,提出基于构件对应生产线不同和构件生产顺序不同的双层编码方式,对预制构件的生产调度进行编码操作。如图3所示,个体的基因序列由两层序列组成,第一层序列代表生产顺序编码,第二层序列代表所属流水线编码;第一层的PC_0_01_0>PC_0_02_0>PC_0_03_0>PC_0_02_1表示构件生产的优先级顺序,第二层的1#-2#-1#-2#代表了上层构件所处的生产线顺序;通过该双层基因编码,可以确定各构件的生产顺序和生产线信息。生产线1#的构件生产顺序为PC_0_01_0>PC_0_03_0,生产线2#的生产顺序为PC_0_02_0>PC_0_02_1。
在具体的使用中,需要为每个个体计算适应度函数,在计算个体适应度函数之前,需要对每个个体进行解码,进而以得到详细的生产工序图,从工序图中计算得到个体的适应度函数,对于已获取的初始化方案,其详细的生产工序图具体通过以下方法获得:
S201、选取一个初始化生产方案,根据构件的生产顺序,依次遍历其中的每一个构件,确定构件的类型和构件对应的生产线;
S202、基于生产资源受限和构件生产约束为前提,确定该构件的生产工序图,构件的生产工序图包含信息构件的全部工序流程和构件各个工序生产的开始时间和结束时间;
S203、对初始化生产方案的每一个构件重复步骤S202,获得该方案的完整生产工序图;
S204、重复执行步骤S201-S203,获得每一个初始化生产方案的生产工序图;
解码过程需要考虑构件工序约束和工厂资源约束,如图4所示,根据生产周期内构件订单生产参数表,确定需要生产的构件集为:PC_0_01_0、PC_0_02_0、PC_0_03_0、PC_0_02_1,其构件的详细信息包括构件的工序数量、时间,对于所需的资源,以构件PC_0_01_0为例,构件PC_0_01_0在1#生产线上生产;需要模具A;共6道工序,分为模台清理、模具安装、布料振捣、抹平压板、养护、质检修补;假设工序生产时间都为单位时间1;对于工人资源,前两道工序需要工人A,中间两道工序需要工人B,后两道工序需要工人C。该构件的工序约束的6个工序步骤,在2条生产线上生产。
如图5所示,该构件生产的资源约束共考虑2种资源,模具和工人,其中模具有两个类别模具A,模具B,数量各一个,工人有三个类别工人A、工人B和工人C,数量各1个、2个和1个。
具体的,所述构件生产约束的表达式为:
式中:S表示工序的开始时间;P表示工序的持续时间;Al,j表示l生产线上构件j的所有紧前构件集合;l和l分别表示生产线集合和某一条具体生产线,i、j为构件的索引,表示构件集合的某一个构件;k为构件的工序索引,表示某个构件的某一道工序;MT和mt分别表示模具的类型集合和某一种具体的模具;R和r分别表示资源集合和某一种具体的资源;PC和pc分别表示构件的集合和某一种具体的构件;T表示批处理构件的一个生产周期内的时间;
具体的,公式(1)为生产线上工位生产机器约束,表示构件j的所有紧前构件集合,只有当所有紧前构件完成工序步骤k后,j构件的工序步骤k才可以进行;表示任意一个生产线的某一个工位生产机器只能同时处理一个工序,只有前一个构件处理完后才可以继续下一个工序;
公式(2)为工序紧前逻辑关系约束,表示同一构件的不同工序之间的紧前紧后约束关系,构件的当前工序开始的前提条件是其紧前工序已经结束,即任意一个构件的工序k+1的开始时间大于等于工序k的结束时间;
公式(3)为模具数量约束,表示不同生产线上的模具数量是有限的,当所有模具均被占用时,只有当最先进行拆模工序的构件释放模具后,下一构件方可以进行模具安装工序;
公式(4)为资源有限约束,生产线共享的资源包括人工,而不同工序需要的人工资源不同,包含钢筋工、混凝土工、模具工等工种,工种资源是有限的,同一时刻各个生产线占用某一资源的数量不能超过该资源的上限;
公式(5)表示工期、资源、索引、时间、集合等的非负及非空约束。
本优选实施例所述的生产工序图包括一个生产周期内全部的构件信息以及一个生产周期内全部的资源情况,所述构件信息包括构件分配的生产线,构件的全部工序、类别,每个工序需要各种资源,每个工序的开始和结束时间。
对于图4,该构件的生产流程简化为:模台清理、模具安装、布料振捣、抹平压板、养护、质检修补;构件1和构件2分别在1#和2#生产线上执行各个工序活动;构件1和构件2生产流程和所需工序相同,模具方面,两构件从工序“模具安装”到“养护”共同使用模具A,工人方面,两构件从“模台清理”到“模具安装”需要工人A,从“布料振捣”到“”需要工人B,从“养护”到“质检修补”需要工人C。资源约束方面,模具A、工人A、工人B和工人C各一个;构件1和构件2在不同流水线上使用相同的模具和工人生产不同的构件,因此彼此之间有约束关系;构件1生产过程,先在1#生产线上生产,此时模具和工人资源供给充足,没有中断工序,正常生产。构件2生产过程,只有当构件1执行“模具安装”后释放工人A,构件2方能开始执行“模台清理”工序,且因只有当构件1执行“养护”后释放模具A,此构件2方能开始执行“模具安装”,故构件2的生产需要两个工序中断时间,分别等待工人A的释放和模具A的释放。
如图6所示的排产优化目标示意图,是以生产周期内的批构件和工序、生产资源受限为算法的输入条件,基于进化环境的遗传算法模型,在不同的生产需求下,得到最优的批构件详细生产调度方案;其方案的评估值分别可以为:最短完工时间、最小关键生产线负载、最小生产线总负载以及最小模具成本;具体的,所述生产工序图的评估函数为:
式中:MinFinishTime表示最短加工时间;在具体被使用的生产线集合中,对于某条生产线所生产的全部构件集合,生产线生产时间(生产线释放时间)最长的一条。生产线释放时间取决于某一条生产线所生产的最后一个构件的最后一道工序的完工时间;MinCriticalLineLoad表示最小关键生产线负载;在具体被使用的生产线集合中,对于某条生产线所生产的全部构件集合,所有构件是的总加工时间最短的一条;MinLineAllLoad表示最小生产线总负载;在具体被使用的生产线集合中,对于所有条生产线所生产的全部构件集合,所有构件是的总加工时间最短的一条;MinMoldCost表述最小模具成本,在一个生产周期内,被使用的生产线构成的集合中,对于该集合所有生产线所生产的相应的全部构件集合,其所使用的模具的最小成本;对于每一类模具,确定模具的价格,在一个生产周期内,确定模具的最大同时使用个数。
综上所述的步骤,获得了该算法的大量初始化个体,构成算法的初始种群,即大量的排产方案和方案的生产指标,根据初始化种群,开始进行基于进化环境的遗传算法操作,即可得到最优的生产方案。
遗传算法伪代码如图7所示,具体的遗传算法流程如图8所示,initialpopulation步骤,初始化种群,包括编码、解码、适应度函数计算。然后在While循环体内,用结束条件gen<=G判断算法是否达到结束条件,循环里面分别进行select、crossover和mutate操作。用一个新的while循环判断子代种群数量是否满足条件,如果满足,结束while循化,如果不满足,则构建子代种群,直到构建出完整的子代种群。当结束一次While循环后,迭代次数gen+1,直到gen<=G不满足条件,跳出循环,最优的排产方案。
具体的,本优选实施例所述初始化生产方案迭代式的筛选与修改具体通过以下步骤实现:
S401、以初始化生产方案作为遗传算法的初始化父代;
S402、对父代生产方案的构件生产顺序和构件生产对应的生产线进行算法设计的选择、交叉、变异操作,从而获得子代;
S403、对于获得的子代,重复步骤S2-S3,并作为步骤S401的父代;
S404、重复步骤S403,在达到算法执行的进化代数或者生产方案的优化目标后,结束算法流程;
S405、重复步骤S404,输出构件的生产工序图即构件法最佳排产方案。
在具体的使用中,遗传流程的中的选择、交叉和变异操作的详细描述和操作如下:
所述算法设计的选择是从父代种群中进行部分个体的选择并构造个体选择池,子代个体由选择池中的个体直接获得;所述个体进入选择池的规则为:将父代种群中个体的适应度值叠加,得到总适应度;单个个体的适应度值除以总适应度值得到个体被选择的概率,个体被选择的概率累加和为1;基于个体的累积概率构造一个基于概率分布的轮盘;对于所述轮盘的选择,通过产生一个[0–1]区间内的随机数,若该随机数小于或等于个体的累积概率且大于个体1的累积概率,选择个体进入选择池;
所述算法设计的交叉是从父代种群中进行部分个体的选择并构造个体交配池,子代个体由交配池中的个体通过两两交叉产生;所述交叉规则为:随机交换两个个体的构件生产顺序片段和构件生产对应的生产线片段;父代种群的个体能否进入交配池,由交配概率Pc决定;
所述算法设计的变异是从父代种群中进行部分个体的选择并构造个体变异池,子代个体由变异池中的个体通过变异产生;所述变异会则为:针对该个体的构件生产顺序和构件生产对应的生产线,随机交换该个体构件生产顺序的中的两个构件及其对应的生产线;父代种群的个体能否进入交配池,由变异概率Pm决定。
遗传算法的结束条件为是否达到一定的进化代数,进化代数人为设定。当达到进化代数后,获得最终的子代种群,该子代种群也是本算法最终求得的最优种群,包含大量最优的构件排产方案。根据不同的生产需求,以个体的适应度函数为评估依据,确定所需的生产方案,分别以甘特图和排产单的形式进行展示,进而对排产结果进行详细的分析和说明。
如图9所示,首先进行第一个构件PC_0_01_0在1#生产线上生产,工序连续生产,没有中断、依次完成六个工序活动的执行。PC_0_02_0紧跟构件PC_0_01_0在另一条生产线2#上生产,如图9所示:工序2-1出现中断,因为受到工人A的限制,工序2-1需要在工序1-2工序释放工人A后,方可进行工序2-1的生产;工序2-2出现中断,因为受到模具A的限制,工序2-2需要在工序1-5释放模具A后,方可进行工序2-2的生产,后面工序2-3到2-6因为资源充足,故没有发生中断。PC_0_03_0紧跟构件PC_0_02_0在另一条生产线1#上生产,如图9所示:工序3-1出现中断,因为受到工人A的限制,工序3-1需要在工序2-2释放工人A后,方可进行工序3-1的生产;工序3-3出现中断,因为受到工人B的限制,工序3-3需要在工序2-4释放工人B后,方可进行工序3-3的生产;工序3-6出现中断,因为受到工人C的限制,工序3-6需要在工序2-6释放工人B后,方可进行工序3-6的生产;需要特别说明,因为PC_0_03_0构件需要的是模具B,与同生产线1#上PC_0_01_0需要的模具A不冲突,且工序3-2的开始时间小于同生产线1#上PC_0_01_0工序1-2的结束时间,故工序3-2没有发生中断。PC_0_02_1紧跟构件PC_0_03_0在另一条生产线2#上生产,如图9所示:工序4-1出现中断,因为受到工人A的限制,工序4-1需要在工序3-1释放工人A后,方可进行工序4-1的生产;工序4-2出现中断,因为受到模具A的限制,工序4-2需要在工序2-5释放模具A后,方可进行工序4-2的生产,后面工序4-3到4-6因为资源充足,故没有发生中断。如图10所示的排产结果,排产单中,详细的对每一个构件,包括其每道工序的开始时间和结束时间,都有详细的安排。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (10)
1.一种考虑资源受限的装配式建筑生产调度优化方法,其特征在于,具体包括以下步骤:
S1、以均衡各条生产线生产负载为前提,基于启发式算法,获得若干个初始化生产方案;
S2、以生产资源受限和构件生产约束为前提,对不同的生产方案进行解析,获得详细的生产工序图;
S3、以不同生产需求的优化指标为工序图的评估指标,对不同生产方案的生产工序图进行评估;
S4、基于进化环境的遗传算法模型,对初始化生产方案进行迭代式的筛选与修改,在不同的生产需求下,得到最优的生产调度方案。
2.根据权利要求1所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述初始化生产方案具体通过以下方法获得:
S101、分析订单中待排产的构件集合,包括订单属性、构件属性、模具属性、工序属性、工序时间属性、生产线属性、资源属性,为生成初始化构件的排产方案提供具体信息;
S102、根据构件的编号和个数,基于随机数生成一个包含构件随机生产顺序的生产方案;
S103、根据构件的生产顺序,基于启发式算法为每个构件分配生产线;
S104、结合步骤S102和S103得到一个初始化生产方案;
S105、重复步骤S104,获得包含大量初始化生产方案的集合。
3.根据权利要求1所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述详细的生产工序图具体通过以下方法获得:
S201、选取一个初始化生产方案,根据构件的生产顺序,依次遍历其中的每一个构件,确定构件的类型和构件对应的生产线;
S202、基于生产资源受限和构件生产约束为前提,确定该构件的生产工序图,构件的生产工序图包含信息构件的全部工序流程和构件各个工序生产的开始时间和结束时间;
S203、对初始化生产方案的每一个构件重复步骤S202,获得该方案的完整生产工序图;
S204、重复执行步骤S201-S203,获得每一个初始化生产方案的生产工序图。
4.根据权利要求3所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述构件生产约束的表达式为:
式中:S表示工序的开始时间;P表示工序的持续时间;Al,j表示l生产线上构件j的所有紧前构件集合;L和l分别表示生产线集合和某一条具体生产线,i、j为构件的索引,表示构件集合的某一个构件;k为构件的工序索引,表示某个构件的某一道工序;MT和mt分别表示模具的类型集合和某一种具体的模具;R和r分别表示资源集合和某一种具体的资源;PC和pc分别表示构件的集合和某一种具体的构件;T表示批处理构件的一个生产周期内的时间;
公式(1)为生产线上工位生产机器约束;公式(2)为工序紧前逻辑关系约束;公式(3)为模具数量约束;公式(4)为资源有限约束;公式(5)表示工期、资源、索引、时间、集合等的非负及非空约束。
5.根据权利要求4所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述生产工序图包括一个生产周期内全部的构件信息以及一个生产周期内全部的资源情况,所述构件信息包括构件分配的生产线,构件的全部工序、类别,每个工序需要各种资源,每个工序的开始和结束时间。
7.根据权利要求1所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述初始化生产方案迭代式的筛选与修改具体通过以下步骤实现:
S401、以初始化生产方案作为遗传算法的初始化父代;
S402、对父代生产方案的构件生产顺序和构件生产对应的生产线进行算法设计的选择、交叉、变异操作,从而获得子代;
S403、对于获得的子代,重复步骤S2-S3,并作为步骤S401的父代;
S404、重复步骤S403,在达到算法执行的进化代数或者生产方案的优化目标后,结束算法流程;
S405、重复步骤S404,输出构件的生产工序图即构件法最佳排产方案。
8.根据权利要求7所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述算法设计的选择是从父代种群中进行部分个体的选择并构造个体选择池,子代个体由选择池中的个体直接获得。
9.根据权利要求7所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述算法设计的交叉是从父代种群中进行部分个体的选择并构造个体交配池,子代个体由交配池中的个体通过两两交叉产生。
10.根据权利要求7所述的考虑资源受限的装配式建筑生产调度优化方法,其特征在于,所述算法设计的变异是从父代种群中进行部分个体的选择并构造个体变异池,子代个体由变异池中的个体通过变异产生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210954727.8A CN115330179A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑资源受限的装配式建筑生产调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210954727.8A CN115330179A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑资源受限的装配式建筑生产调度优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115330179A true CN115330179A (zh) | 2022-11-11 |
Family
ID=83921639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210954727.8A Pending CN115330179A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑资源受限的装配式建筑生产调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330179A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600774A (zh) * | 2022-12-14 | 2023-01-13 | 安徽大学绿色产业创新研究院(Cn) | 一种装配式建筑构件产线的多目标生产调度优化方法 |
CN116663861A (zh) * | 2023-07-27 | 2023-08-29 | 安徽大学绿色产业创新研究院 | 装配式构件生产鲁棒性和资源均衡结合的调度优化方法 |
-
2022
- 2022-08-10 CN CN202210954727.8A patent/CN115330179A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600774A (zh) * | 2022-12-14 | 2023-01-13 | 安徽大学绿色产业创新研究院(Cn) | 一种装配式建筑构件产线的多目标生产调度优化方法 |
CN115600774B (zh) * | 2022-12-14 | 2023-03-10 | 安徽大学绿色产业创新研究院 | 一种装配式建筑构件产线的多目标生产调度优化方法 |
CN116663861A (zh) * | 2023-07-27 | 2023-08-29 | 安徽大学绿色产业创新研究院 | 装配式构件生产鲁棒性和资源均衡结合的调度优化方法 |
CN116663861B (zh) * | 2023-07-27 | 2023-10-13 | 安徽大学绿色产业创新研究院 | 装配式构件生产鲁棒性和资源均衡结合的调度优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115330179A (zh) | 一种考虑资源受限的装配式建筑生产调度优化方法 | |
CN115600774B (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
CN111047272B (zh) | 一种用于多语言协同开发的项目调度方法及装置 | |
CN112001618B (zh) | 一种工期指派、订单接受与生产调度集成优化方法 | |
CN113139710B (zh) | 一种基于遗传算法的多资源并行任务高级计划排程方法 | |
CN113190899B (zh) | 一种装配式建筑参数化的一体化设计方法 | |
CN109902936B (zh) | 一种基于装备维修工序的维修人员调配方法 | |
CN115471133A (zh) | 一种基于订单管理和滚动优化排产的车间综合调度系统 | |
JP2009223359A (ja) | 設備負荷率算出システム、プログラム、及び方法 | |
CN114912346A (zh) | 基于学习能力的技能规划配置和车间调度集成优化方法 | |
CN114492895A (zh) | 汽车发动机柔性产线分批与调度方法 | |
CN108108883B (zh) | 一种基于聚类算法的车辆调度网络弹性简化方法 | |
CN116663861B (zh) | 装配式构件生产鲁棒性和资源均衡结合的调度优化方法 | |
CN110648050B (zh) | 一种传统流水线装配向单元式装配方式转换的重构方法 | |
CN106951621B (zh) | 一种用于船舶搭载计划调整的仿真优化方法 | |
Dan et al. | Flowshop scheduling optimization for multi-shift precast production with on-time delivery | |
CN112416451B (zh) | 一种基于JIRA系统的issue状态自动转换方法、装置和介质 | |
Zhang | Optimization of remanufacturing production scheduling considering uncertain factors | |
CN116644930A (zh) | 一种工业互联网背景的多企业动态任务调度方法及系统 | |
Chen et al. | Joint optimization of fleet-level sequential selective maintenance and repairpersons assignment for multi-state manufacturing systems | |
CN116862206A (zh) | 一种自适应优化生产计划的分布式制造执行的方法和系统 | |
CN111950786A (zh) | 两阶段的面向复杂约束下的钢铁企业设备检修调度方法 | |
CN116822217A (zh) | 一种考虑工时不确定性的人机双资源约束多目标生产调度方法 | |
CN111553610A (zh) | 一种基于学习-遗忘效应的调度方法及系统 | |
CN111610758A (zh) | 面向机器故障的装配式建筑预制构件生产再调度优化方法 |
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 |