CN115330283B - 基于车间和基于生产线的车辆生产序列优化方法 - Google Patents
基于车间和基于生产线的车辆生产序列优化方法 Download PDFInfo
- Publication number
- CN115330283B CN115330283B CN202211263844.6A CN202211263844A CN115330283B CN 115330283 B CN115330283 B CN 115330283B CN 202211263844 A CN202211263844 A CN 202211263844A CN 115330283 B CN115330283 B CN 115330283B
- Authority
- CN
- China
- Prior art keywords
- sequence
- workshop
- vehicles
- production sequence
- 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.)
- Active
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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于车间和基于生产线的车辆生产序列优化方法。其中,基于车间的车辆生产序列优化方法包括:将车辆生产序列的多个设定扰动操作,随机划分为多个集合;根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,并利用所述一集合内的各扰动操作对所述当前生产序列进行扰动;从各扰动后的序列中选取评价函数值最优的局部最优解,并根据所述局部最优解和禁忌列表更新全局最优解;选取评价函数值次优的解,作为新的当前生产序列,返回所述一集合的抽取操作,直到满足设定的迭代终止条件;将最终的全局最优解,作为所述一组待排产车辆在目标车间的理想生产序列。本实施例能够在较短时间内获取优质的车辆投产排序。
Description
技术领域
本发明实施例涉及车辆生产序列优化领域,尤其涉及一种基于车间和基于生产线的车辆生产序列优化方法。
背景技术
汽车行业的整车生产属于混流生产模式,即同一条装配线上能够生产出不同型号、不同数量的汽车。车辆在生产过程中需要经历四大工艺步骤,分别是“冲压-焊装(车身车间)-涂装(油漆车间)-总装(总装车间)”,整个流程沿着生产线逐一进行,过程不可重复,装配顺序不可改变。每个车间都有自己的优化排序目标,依靠车间之间的缓冲区进行排产顺序调整,合理的投产排序关系到物料流动、员工效率、订单时效以及客户满意度等。因此,科学、高效、稳定的汽车生产高级计划排程方式是企业迫切需求的。
汽车投产排序是一个典型的需要考虑不同车间目标以及缓冲区调序的流水作业,车间生产排序问题在即使规模很小的情况下,现有的数学工具也很难给出好的求解效果。而汽车生产节拍很快,每天的日排程量规模很大,这便对汽车生产序列优化的问题提出了很大挑战。
目前,大部分车企的生产计划排程业务不够科学和高效,部分小型车企还处在手工排程的阶段,没有排程算法支撑,工作量大,依靠经验,人员无法替代且成长慢。部分现有的排程系统不完善,排程计划缺乏量化评估,无法进一步科学优化,导致汽车生产面临协同响应慢、量化考核难、管理精度低等诸多痛点。
发明内容
本发明实施例提供一种基于车间和基于生产线的车辆生产序列优化方法,能够在较短时间内获取优质的车辆投产排序。
第一方面,本发明实施例提供了一种基于车间的车辆生产序列优化方法,包括:
初始化一组待排产车辆在目标车间的当前生产序列,并初始化当前抽样迭代次数;
将车辆生产序列的多个设定扰动操作,随机划分为多个集合;
根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,并利用所述一集合内的各扰动操作对所述当前生产序列进行扰动;
从各扰动后的序列中选取评价函数值最优的局部最优解,并根据所述局部最优解和禁忌列表更新全局最优解;
从各扰动后的序列中选取评价函数值次优的解,作为新的当前生产序列,并将所述当前抽样迭代次数加1,返回所述一集合的抽取操作,直到满足设定的迭代终止条件;
将最终的全局最优解,作为所述一组待排产车辆在目标车间的理想生产序列,
其中,所述评价函数用于评价生产序列的优劣。
第二方面,本发明实施例提供了一种基于生产线的车辆生产序列优化方法,包括:
获取待排产车辆的数量;
根据生产线各缓冲区的容量,将所述数量的待排产车辆划分为多组;对各组待排产车辆,分别执行如下操作:
S1、将生产线各车间分别作为目标车间,采用上述基于车间的生产序列优化方法,得到一组待排产车辆在各车间的理想生产序列;
S2、根据所述理想生产序列,利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列,使上游车间的实际生产序列经过各缓冲区后,能够按照下游车间的实际生产序列释放。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
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,使得所述一个或多个处理器实现任一实施例所述的基于车间的生产序列优化方法,或基于生产线的生产序列优化方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的基于车间的生产序列优化方法,或基于生产线的生产序列优化方法。
本发明实施例在禁忌搜索中对大量序列扰动操作进行随机划分,每一次搜索迭代只选取其中一个集合构造可行解邻域,一方面,通过限制集合内扰动操作的数量,限制了可行解邻域的大小,减少了搜索时间和计算时间;另一方面,通过集合划分的随机性,充分保证了集合的多样性与可行解的覆盖面,保证依然能够搜索到全局最优解。此外,集合划分的对象和禁忌列表的记录对象均为序列的扰动操作,而不是扰动后的序列本身,这使得一次划分的结果能在多次迭代中重复使用,且扰动操作与具体的序列相比,所需的存储空间更小,更有利节省资源。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为发明实施例提供的汽车生产线的流程示意图。
图2是本发明实施例提供的一种基于车间的车辆生产序列优化方法的流程图。
图3是本发明实施例提供的另一种基于车间的车辆生产序列优化方法的流程图。
图4是本发明实施例提供的一种基于生产线的车辆生产序列优化方法的流程图。
图5是本发明实施例提供的一种缓冲区调序的示意图。
图6是本发明实施例提供的一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列的示意图。
图7是本发明实施例提供的另一种基于生产线的车辆生产序列优化方法的流程图。
图8是本发明实施例提供的利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列的流程图。
图9是本发明实施例提供的另一种利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列的流程图。
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,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得到的所有其它实施例,都属于本发明所保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在实际整车制造过程中,车身经过多个车间和多个缓冲区。图1为发明实施例提供的汽车生产线的流程示意图,如图所示,冲压后的车身依次经过焊装车间、焊装缓冲区(WBS)、涂装车间、涂装缓冲区(PBS)以及总装车间。基于该流程,本发明提出一种基于车间的生产序列优化方法,以及一种基于生产线的生产序列优化方法。前者根据单个车间的生产序列评价函数,对单个车间的生产序列进行优化;后者基于整条生产线的调配控制对所有车间的生产序列进行整体优化。
图2是本发明实施例提供的一种基于车间的车辆生产序列优化方法的流程图。该方法适用于对一组待排产车辆在某一车间内的生产序列进行优化的情况,由电子设备执行。如图2所示,该方法具体包括:
S110、初始化一组待排产车辆在目标车间的当前生产序列,并初始化当前抽样迭代次数。
目标车间为车辆生产线上的任意单个车间,例如焊装车间、涂装车间或总装车间。当前抽样迭代次数用于记录通过禁忌搜索算法迭代更新生产序列的迭代次数。
具体的,在进行车辆排产之前,首先,获取待排产的一组车辆的信息,包括车辆数量N和车辆ID;然后,根据这些信息,初始化该组车辆在目标车间中的当前生产序列和当前抽样迭代次数,作为后续改进的禁忌搜索算法的输入。可选的,当前生产序列初始化为{1,2, …, N},其中,1, 2, …, N表示对应的车辆ID;当前抽样迭代次数设置为0。
S120、将车辆生产序列的多个设定扰动操作,随机划分为多个集合。
所述多个设定扰动操作用于对当前生产序列进行扰动,生成与当前按序列接近的多个可行解。所述多个扰动操作包括以下至少之一:随机交换、随机子序列搅动、随机子序列镜像、随机子序列移动、同色子序列移动,以及增强交换。其中,随机交换指,随机选择序列中几个位置的车型进行置换;随机子序列搅动指,随机选择序列中的一段子序列,打乱该子序列中的车辆顺序;随机子序列镜像指,随机选择序列中的一段子序列,将该子序列车辆顺序反转;随机子序列移动指,随机选择序列中的一段子序列,将该子序列插入序列的另一位置;同色子序列移动指,随机选择序列中一段相同颜色的子序列,将该子序列插入序列的另一位置;增强交换指,遍历所有交换,即将上述交换操作均执行一次。
随机扰动可以保证解的多样性。本步骤对大量的扰动操作进行随机划分,得到的各集合内包括数量有限的多个扰动操作。
S130、根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,并利用所述一集合内的各扰动操作对所述当前生产序列进行扰动。
本步骤从S120得到的扰动操作集合中抽取一集合,利用该集合内的扰动操作对当前生产序列进行扰动,生成多个扰动后的序列,共同构成当前的可行解邻域,其中,每个扰动后的序列为一个可行解。
可选的,集合的数量为X,其中,X为自然数,则用所述当前抽样迭代次数对X求模;从未被抽取过的集合中,抽取求模余数对应的集合。当所有的集合都被抽取过时,对所述多个设定扰动操作重新进行随机划分,得到新的多个集合,并按照所述新的多个集合进行后续的抽取操作。
S140、从各扰动后的序列中选取评价函数值最优的局部最优解,并根据所述局部最优解和禁忌列表更新全局最优解。
评价函数用于评价生产序列的优劣。不同的车间对应不同的评价函数,可选的,所述焊装车间的评价函数为车型配比约束的违规数量,函数值越低越优;所述涂装车间的评价函数为生产序列中车辆颜色的切换数量,函数值越低越优;所述总装车间的评价函数根据生产序列的平准化程度设置,平准化程度越高,目标函数值越低,生产序列越优。
本步骤利用禁忌搜索算法中的禁忌列表,从当前的可行解邻域中选取评价函数值最优的解,作为本次抽样迭代的局部最优解。然后,检查所述局部最优解对应的扰动操作是否存在于禁忌列表中;如果不存在,将所述扰动操作记录入所述禁忌列表,将所述局部最优解作为新的全局最优解;如果存在,且所述局部最优解对应的评价函数值优于当前全局最优解对应的评价函数值,将所述局部最优解作为新的全局最优解。
其中,全局最优解是指所有的抽样迭代均结束后,所有可行解中的最优解,全局最优解在每一次抽样迭代中实时更新。禁忌列表用于记录已经搜索过的扰动操作,具体到一次迭代搜索,禁忌列表中的扰动操作唯一对应本次迭代搜索中的一个可行解。禁忌列表可以避免对某一可行解重复搜索,保证了搜索的快速收敛。可选的,将禁忌列表的长度设置为T,禁忌期设置为200。
此外,需要说明的是,当前的可行解邻域是随着当前生产序列的变化而不断变化的,本次抽样迭代结束后,搜索过的当前的可行解邻域即被清空,避免占用过多存储资源。
S150、从各扰动后的序列中选取评价函数值次优的解,作为新的当前生产序列,并将所述当前抽样迭代次数加1,返回所述一集合的抽取操作,直到满足设定的迭代终止条件。
在S140中更新全局最优解后,本次抽样迭代结束。这时从各扰动后的序列中选取评价函数值次优的解,作为新的当前生产序列,重复S130和S140的操作,执行下一次抽样迭代,直到满足设定的迭代终止条件。可选的,迭代终止条件包括:超过设定次数的迭代都对全局最优解没有形成改进,或者达到规定的计算时间等,本实施例不作具体限制。
S160、将最终的全局最优解,作为所述目标车间的理想生产序列。
所有的迭代终止后,将最终的全局最优解作为作为所述目标车间的理想生产序列。图3是本发明实施例提供的另一种基于车间的车辆生产序列优化方法的流程图,更为清晰的显示了各步骤之间的循环迭代关系。需要说明的是,通常情况下,该理想生产序列有多个,它们均能够使目标车间对应的评价函数值最优。
本实施例在禁忌搜索中对大量序列扰动操作进行随机划分,每一次搜索迭代只选取其中一个集合构造可行解邻域,一方面,通过限制集合内扰动操作的数量,限制了可行解邻域的大小,减少了搜索时间和计算时间;另一方面,通过集合划分的随机性,充分保证了集合的多样性与可行解的覆盖面,保证依然能够搜索到全局最优解。此外,集合划分的对象和禁忌列表的记录对象均为序列的扰动操作,而不是扰动后的序列本身,这使得一次划分的结果能在多次迭代中重复使用,且扰动操作与具体的序列相比,所需的存储空间更小(例如,通过简单的ID就可以标识),更有利节省资源。
图4是本发明实施例提供的一种基于生产线的车辆生产序列优化方法的流程图。该方法适用于对待排产车辆在生产上所有车间的生产序列进行调配的情况,由电子设备执行。如图4所示,该方法具体包括:
S210、获取待排产车辆的数量。
具体的,获取主生产计划的车辆数量,作为生产序列调配的对象。
S220、根据生产线各缓冲区的容量,将所述数量的待排产车辆划分为多组。
缓冲区指上下游车间之间用于进行车辆调序的区域,每两个车间之间存在一个缓冲区。如图5所示,假设缓冲区容量为B×L,其中,B表示通道数量,L表示通道容量,B和L均为自然数,图5显示了一个4×3结构的缓冲区。缓冲区入站时给定上游车间的一个生产序列,需要按照进入缓冲区的规则依次选择合适的一条通道进入缓冲区。从缓冲区出站时,每次选择一条通道最前面的车辆,即第一辆车出站,每条通道内符合先进先出规则。所有车辆出站后得到下游车间的生产序列。
通常而言,主生产计划的车辆数量是大于缓冲区容量的。考虑到缓冲区的调序能力,本实施例对所有待排产车辆进行了分组,使得每组的车辆数小于或等于各缓冲区容量中的最小值。具体的,假设焊装缓冲区(WBS)的通道数为B w 、通道容量为L w ,涂装缓冲区(PBS)的通道数为B p 、通道容量为L p ,其中,B w 、L w 、B p 和L p 均为自然数。如果待排产车辆数M≤min{B w ×L w , B p ×L p },则将M辆车分为一组,组内车辆数N=M。否则,将M辆车分为M/min{B w ×L w , B p ×L p }组。
S230、对各组待排产车辆,分别执行如下操作:
S1、将生产线各车间分别作为目标车间,采用上述任一实施例所述的基于车间的车辆生产序列优化方法,得到一组待排产车辆在各车间的理想生产序列。可选的,按照生产线的上下游顺序,所述各车间包括:焊装车间、涂装车间和总装车间。每一组待排产车辆在每个车间内对应一个理想生产序列。
S2、根据所述理想生产序列,利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列,使上游车间的实际生产序列经过各缓冲区后,能够按照下游车间的实际生产序列释放。
具体的,将最上游车间的理想生产序列作为该车间的实际生产序列。对于任一缓冲区而言,本步骤在上游车间的实际生产序列已知的情况下,利用数学规划方法求解缓冲区中的排布方式和下游车间的实际生产序列,使下游车间的实际生产序列尽量接近理想生产序列。
可选的,所述求解过程通过开源求解器即可完成,但求解过程中需满足以下约束:上游车间序列中车辆的前后顺序在调序到同一缓冲区通道时前后顺序一致,同一缓冲区通道释放车辆的前后顺序在下游车间的生产序列中前后顺序一致。这样才能保证上游车间的实际生产序列按照所述排布方式经过各缓冲区后,能够按照下游车间的实际生产序列释放。图6以焊装车间—>WBS—>涂装车间—>PBS—>总装车间的生产线为例,显示了一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列。具体的,20辆待排产车辆(编号为0-19)按照0,1,2…19的顺序进入焊装车间,依次完成焊装。其中,0-3号车辆完成焊装后依次进入了WBS缓冲区的最右侧通道,4号车辆完成焊装后进入了WBS缓冲区的中间通道,5号车辆完成焊装后进入了WBS缓冲区的最右侧通道…以此类推,各车辆在WBS缓冲区中的排布方式如图6所示。然后,WBS缓冲区中的13号车辆最先进入涂装车间,0-2号车辆随后依次进入涂装车间…,以此类推,得到了涂装车间的实际生产序列13,0,1,2,14,3…17,18,按此序列依次完成涂装。其中,13号车辆完成涂装后进入了PBS缓冲区的最右侧通道,0号车辆完成涂装后进入了PBS缓冲区的左侧第二条通道,1号车辆完成涂装后进入了PBS缓冲区的最左侧通道…,以此类推,各车辆在PBS缓冲区中的排布方式如图6所示。最后,PBS缓冲区中的13、7、8号车辆依次进入总装车间,然后1号车辆进入总装车间…,以此类推,得到了总装车间的实际生产序列13,7,8,1,10…6,15。
可选的,在对各组待排产车辆分别执行S1-S2的操作后,还包括:将各组待排产车辆在任一车间的实际生产序列首尾相接,构成所述数量的待排产车辆在所述车间的实际生产序列。具体的,假设划分为了M/min{B w ×L w , B p ×L p }组,则每个车间都得到了M/min{B w ×L w , B p ×L p }个实际生产序列,每个序列长度为N。将任一车间的M/min{B w ×L w , B p ×L p }个实际生产序列首尾相接,构成该车间总体的的实际生产序列,长度为N×M/min{B w ×L w , B p ×L p }。基于以上内容,图7给出了本发明实施例提供的另一种基于车间的车辆生产序列优化方法的流程图,以生产线上共存在三个车间为例,更为清晰的显示了各步骤之间的逻辑关系。
本实施例将主生产计划的车辆数量,在缓冲区的完全调序能力范围内进行分组,然后以每一组车辆为单位,利用改进的禁忌搜索范围求解该组车辆在各车间内的理想生产序列,再基于该理想生产序列求解对应的实际生产序列,以及在缓冲区内的排布方式,能够快速得到主生产计划中的车辆流动到缓冲区时的调序路径。本实施例一方面,通过改进的禁忌搜索算法提高了理想生产序列的求解效率;另一方面,通过对待排产车辆分组,保证了缓冲区调序的可实现性和高效性,最终得到优质的车辆投产排序方案。
在上述实施例和下述实施例的基础上,各车间的理想生产序列有多个,可选的,如图8所示,所述根据所述理想生产序列,利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列,使上游车间的实际生产序列经过各缓冲区后,能够按照下游车间的实际生产序列释放,具体包括如下步骤:
S320、对所有理想生产序列进行排列组合,得到多个序列组合,每个序列组合包括各车间的一个理想生产序列。
具体的,假设焊装车间、涂装车间和总装车间各包括3个理想生产序列,将3×3×3个理想生产序列进行排列组合,得到3×3×3个序列组合,其中每个序列组合中包括:焊装车间的1个理想生产序列、涂装车间的1个理想生产序列,以及总装车间的1个理想生产序列。
S330、对各序列组合中的理想生产序列进行随机变换,由各序列组合和变换后的序列组合构成目标解集。
目标解集中的每一个序列组合用于作为缓冲区调序的目标。可选的,随机选择序列中几个(例如2-4个)车辆进行位置互换,由变换前的各序列组合和变换后的序列组合共同构成目标解集。需要说明的是,这里的随机变换指有限变换,是对原序列的微调,不会造成过大的变动。因此,目标解集中的各序列组合的评价函数值都是比较理想的,能够作为缓冲区调序的目标;且目标生产序列的数量远远大于理想生产序列,更能保证解的多样性,有利于求解过程的收敛,实用性更强。
S340、从所述目标解集的、未被选取过的序列组合中,选取一个目标组合。
可选的,首先,从所述目标解集的、未被选取过的序列组合中,选取一个初始目标组合;然后在不改变各车间评价函数值的情况下,对所述初始目标组合中的各理想生产序列进行重排序,以减小上下游车间理想生产序列的差异;由各重排序后的序列组成最终的目标组合,并作为后续操作的对象。该实施例针对单个车间的序列,在不改变目标值的前提下进行重排序,使缓冲区上下游的序列差异更小,能够有效提高后续缓冲区排布方式的求解速度。
进一步的,所述在不改变各车间评价函数值的情况下,对所述初始目标组合中的各理想生产序列进行重排序,以减小上下游车间理想生产序列的差异,具体包括如下步骤:
步骤一、将任一车间待重排的理想生产序列作为第一序列,将所述车间的上游车间或下游车间确定好的理想生产序列作为第二序列。本实施例将保持第二序列不变,对第一序列进行重排序。
步骤二、计算第一序列中每辆车相对于第二序列的位置偏差。
步骤三、选取位置偏差最大的若干辆车,通过插入和/或交换操作改变所述若干辆车在第一序列中的位置,以减小新的第一序列和第二序列的差异。
步骤四、如果新的第一序列对应的评价函数值不变,则保留新的第一序列;否则,恢复为原来的第一序列。
步骤五、对最终的第一序列重复上述步骤三和步骤四的操作,直到满足设定的终止条件。该条件包括:达到设定的重复次数,达到设定的操作时间,或新的第一序列与第二序列的差异不能再继续减小等。
S350、利用数学规划方法,依次确定所述一组待排产车辆在生产线各缓冲区内的排布方式,以及在各车间的实际生产序列,使各实际生产序列与所述目标组合的差异最小化;由所述排布方式和所述实际生产序列共同构成车辆排程方式。
为了说明利用数学规划方法求解排程方式的具体过程,优先介绍求解过程中用的参数及变量。假设来自当前上游车间的实际生产序列中包含N辆车,且每辆车在当前下游车间的目标生产序列中都有对应的位置,其中,目标生产序列指利用缓冲区对下游车间的生产序列进行调序的目标。N辆车进入缓冲区暂存后依次释放进入当前下游车间。缓冲区由B条平行通道组成,每条通道容量为L,车辆在每一通道内都遵守先进先出(First-In-First-Out,FIFO)规则,且序列中所有车辆能同时在缓冲区内暂存。则求解过程中用到如下的索引、参数和变量:
(1)参数
B:表示缓冲区中的车道数量(车道即通道);
L:表示每个车道能容纳的车辆数量;
t:表示缓冲区里保持的车辆数量;
sik:取值为0或1,若上游车间的实际生产序列中第i个位置的车辆(简称上游车辆i)分配到下游车间的目标生产序列的第k个位置,则sik为1;否则sik为0;
(2)决策变量
eik:取值为0或1,若上游车辆i分配到下游车间的实际生产序列的第k个位置,则为eik =1;否则为eik =0;
zia :取值为0或1,若上游车辆i分配到缓冲区的a车道,则zia 为1;否则zia 为0;
u ja :取值为0或1,若下游车间的实际生产序列中第j个位置的车辆(简称下游车辆j)来自于缓冲区的a车道,则u ja 为1;否则uja为0;
yik:yik=| sik - eik |,取值为0或1,若上游车辆i在下游车间的实际生产序列中的位置k与在下游车间的目标生产序列中的位置存在差异,则yik为1;否则yik为0。
基于以上参数和变量,S350的数学规划求解过程包括如下步骤:
步骤一、构建如下约束条件的混合整数规划模型:
其中,约束(1)期望下游车间的实际生产序列和目标生产序列中位置无差异的车
辆数与总车辆数的比率最大;约束(2)和约束(3)限制了车辆在上游车间的实际生产序列和
下游车间的实际生产序列中一一对应的关系,约束(2)表示任一上游车辆i对应一个下游车
辆k(下游车间的实际生产序列中第k个位置车辆),约束(3)表示任一下游车辆k对应一个上
游车辆i;约束(4)表示每辆上游车辆j对应一个车道;约束(5)表示车辆占用车道a的容量不
超过L;约束(6)表示缓冲区保持的车辆数量维持为t;约束(7)表示每辆下游车辆j对应一个
车道;约束(8)定义了决策变量zia 和uja 的关系;约束(9)确保进入缓冲区同一车道的车辆需
遵循FIFO原则,具体的,当上游车辆i1和i2都分配在车道a上时,,约束(9)变为,只有当上游车辆i1和在车
道a中排在上游车辆i2前面时,约束(9)才能成立。
步骤二、将所述目标组合中各车间对应的序列作为各车间的目标生产序列,并将最上游车间的目标生产序列作为所述最上游车间的实际生产序列。
步骤三、将所述最上游车间作为当前上游车间,将所述当前上游车间的下游车间作为当前下游车间,将所述当前上游车间和当前下游车间之间的缓冲区作为当前缓冲区。
步骤四、将所述当前上游车间的实际生产序列代入步骤一构建的混合整数规划模型,并利用开源求解器对所述混合整数规划模型进行求解,得到所述一组待排产车辆在所述当前缓冲区内的排布方式,以及在所述当前下游车间的实际生产序列。可选的,采用Gurobi对模型进行求解。
步骤五、将所述当前下游车间作为新的当前上游车间,返回步骤三中所述当前下游车间和当前缓冲区的确定操作,直到所有车间的实际生产序列求解完毕。由所述一组待排产车辆在所有缓冲区的排布方式,以及在所有车间的实际生产序列共同组成所述一组待排产车辆的排程方式。
S360、如果各实际生产序列与所述目标组合对应的评价函数差值不满足设定范围,返回所述目标组合的选取操作,直到满足设定的循环终止条件。
具体的,计算各实际生产序列与目标组合中各目标生产序列的评价函数值之差,如果所有函数值之差的总和在预期的设定范围内,则算法终止,输出S350得到的排程方式;如果所有函数值之差的总和超出预期的设定范围,则返回S340选取新目标组合,进入S340和S350的下一轮循环,直到满足设定的循环终止条件。图9是本发明实施例提供的另一种利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列的流程图,更清晰的显示了各步骤的循环迭代关系。
所述循环终止条件可以为评价函数差异满足所述设定范围,或达到设定的循环次数,本实施例不作具体限制。进一步的,所述范围可以根据不同的算例进行设置,例如对于50辆待排程车辆,所述范围设置为0.3%;对于600辆待排程车辆,所述范围设置为6%等。而当循环中止条件为达到设定的循环次数时,所述方法还包括:从每次循环得到的排程方式中,选取评价函数差异最小的排程方式,作为最终的排程方式。
本实施例通过对各车间理想生产序列的排列组合和有限变换,生成各车间生产序列的目标解集,保证了缓冲区调序目标的多样性;通过序列重排序,在不改变目标值的前提下,使缓冲区上下游的目标生产序列差异更小,有效提高后续排程方式的求解速度;通过特定约束条件的混合整数规划模型,保证了各车间实际生产序列与目标生产序列差异最小,满足了缓冲区的调序目标和调序规则;最后,通过对评价函数值的检验,保证最终的排程方式仍然保持良好的生产性能。整个方法兼顾了计算效率,以及结果稳定性、优异性,能够在较短的时间内获得优质的车辆投产排序。
在一具体实施方式中,根据重排序的方式,由S340和S350构成的排程方式确定过程可以包括以下三种情况:
情况一、按照从上游到下游的顺序进行重排序(简称正排),并根据重排序后的序列求解排程方式。也就是说,重排序在保证上游序列最优的前提下,尽可能满足下游序列的性能。
具体的,首先,将最上游车间的理想生产序列作为所述最上游车间的重排序后的序列,按照从上游到下游的顺序,依次根据各上游车间的重排序后的序列,对各下游车间的理想生产序列进行重排序,并保持各车间评价函数值不变。由各重排序后的序列,组成第一目标组合。也就是说,在每一次重排序中,保持上游车间的重排序后的序列不变(即作为S340中的第二序列),对下游车间的理想生产序列进行重排序(即作为S340中的第一序列)。
然后,利用数学规划方法依次确定各缓冲区内的第一排布方式和各车间的第一实际生产序列,使各第一实际生产序列与所述第一目标组合的差异最小化,由所述第一排布方式和所述第一实际生产序列共同构成第一车辆排程方式。
情况二、按照从下游到上游的顺序进行重排序(简称倒排),并根据重排序后的序列求解排程方式。也就是说,充排序过程中在保证下游序列最优的前提下,尽可能满足上游序列的性能。
具体的,首先,将最下游车间的理想生产序列作为所述最下游车间的重排序后的序列,按照从下游到上游的顺序,依次根据各下游车间的重排序后的序列,对各上游车间的理想生产序列进行重排序,并保持各车间评价函数值不变。由各重排序后的序列,组成第二目标组合。也就是说,在每一次重排序中,保持下游车间的重排序后的序列不变(即作为S340中的第二序列),对上游车间的理想生产序列进行重排序(即作为S340中的第一序列)。
然后,利用数学规划方法依次确定各缓冲区内的第二排布方式和各车间的第二实际生产序列,使各第二实际生产序列与所述第一目标组合的差异最小化,由所述第二排布方式和所述第二实际生产序列共同构成第二第车辆排程方式。
情况三、将情况一和情况二描述的过程作为两个并列分支同时进行,分别得到第一车辆排程方式和第二车辆排程方式,从中选取对应的目标函数值更小的方式作为最终的车辆排程方式。
本实施例提供了正排和倒排两种排序方式,使目标组合的性能更优,进一步保证了车辆排程方式的高质量性。
图10为本发明实施例提供的一种电子设备的结构示意图,如图10所示,该设备包括处理器60、存储器61、输入装置62和输出装置63;设备中处理器60的数量可以是一个或多个,图10中以一个处理器60为例;设备中的处理器60、存储器61、输入装置62和输出装置63可以通过总线或其他方式连接,图10中以通过总线连接为例。
存储器61作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于车间的车辆生产序列优化方法或基于生产线的车辆生产序列优化方法对应的程序指令/模块。处理器60通过运行存储在存储器61中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于车间的车辆生产序列优化方法或基于生产线的车辆生产序列优化方法。
存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器61可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器61可进一步包括相对于处理器60远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置62可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置63可包括显示屏等显示设备。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例的基于车间的车辆生产序列优化方法,或基于生产线的车辆生产序列优化方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (7)
1.一种基于车间的车辆生产序列优化方法,其特征在于,包括:
初始化一组待排产车辆在目标车间的当前生产序列,并初始化当前抽样迭代次数;其中,所述目标车间为车辆生产线上的任意单个车间,包括焊装车间、涂装车间或总装车间;所述当前抽样迭代次数用于记录通过禁忌搜索算法迭代更新生产序列的迭代次数;具体的,在进行车辆排产之前,首先,获取待排产的一组车辆的信息,包括车辆数量N和车辆ID;然后,根据这些信息,初始化该组车辆在目标车间中的当前生产序列和当前抽样迭代次数,作为后续改进的禁忌搜索算法的输入;
将车辆生产序列的多个设定扰动操作,随机划分为多个集合;其中,所述多个设定扰动操作用于对当前生产序列进行扰动,生成与当前按序列接近的多个可行解;所述多个扰动操作包括以下至少之一:随机交换、随机子序列搅动、随机子序列镜像、随机子序列移动、同色子序列移动,以及增强交换;其中,随机交换指,随机选择序列中几个位置的车型进行置换;随机子序列搅动指,随机选择序列中的一段子序列,打乱该子序列中的车辆顺序;随机子序列镜像指,随机选择序列中的一段子序列,将该子序列车辆顺序反转;随机子序列移动指,随机选择序列中的一段子序列,将该子序列插入序列的另一位置;同色子序列移动指,随机选择序列中一段相同颜色的子序列,将该子序列插入序列的另一位置;增强交换指,遍历所有交换,即将上述交换操作均执行一次;
根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,并利用所述一集合内的各扰动操作对所述当前生产序列进行扰动;
从各扰动后的序列中选取评价函数值最优的局部最优解,并根据所述局部最优解和禁忌列表更新全局最优解;具体的,评价函数用于评价生产序列的优劣,不同的车间对应不同的评价函数,所述焊装车间的评价函数为车型配比约束的违规数量,函数值越低越优;所述涂装车间的评价函数为生产序列中车辆颜色的切换数量,函数值越低越优;所述总装车间的评价函数根据生产序列的平准化程度设置,平准化程度越高,目标函数值越低,生产序列越优;本步骤利用禁忌搜索算法中的禁忌列表,从当前的可行解邻域中选取评价函数值最优的解,作为本次抽样迭代的局部最优解;然后,检查所述局部最优解对应的扰动操作是否存在于禁忌列表中;如果不存在,将所述扰动操作记录入所述禁忌列表,将所述局部最优解作为新的全局最优解;如果存在,且所述局部最优解对应的评价函数值优于当前全局最优解对应的评价函数值,将所述局部最优解作为新的全局最优解;
从各扰动后的序列中选取评价函数值次优的解,作为新的当前生产序列,并将所述当前抽样迭代次数加1,返回所述一集合的抽取操作,直到满足设定的迭代终止条件;其中,所述评价函数用于评价生产序列的优劣;
将最终的全局最优解,作为所述一组待排产车辆在目标车间的理想生产序列。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,包括:
如果各集合均被抽取过,对所述多个设定扰动操作重新进行随机划分;
从新的多个集合中抽取一集合。
3.根据权利要求1所述的方法,其特征在于,所述多个集合的数量为X,其中,X为自然数;
所述根据所述当前抽样迭代次数,从未被抽取过的集合中抽取一集合,包括:
用所述当前抽样迭代次数对X求模;
从未被抽取过的集合中,抽取求模余数对应的集合。
4.一种基于生产线的车辆生产序列优化方法,其特征在于,包括:
获取待排产车辆的数量;
根据生产线各缓冲区的容量,将所述数量的待排产车辆划分为多组;对各组待排产车辆,分别执行如下操作:
S1、将生产线各车间分别作为目标车间,采用如权利要求1-3任一所述的方法,得到一组待排产车辆在各车间的理想生产序列;
S2、根据所述理想生产序列,利用数学规划法依次确定所述一组待排产车辆在各缓冲区内的排布方式,以及在各车间的实际生产序列,使上游车间的实际生产序列经过各缓冲区后,能够按照下游车间的实际生产序列释放。
5.根据权利要求4所述的方法,其特征在于,在对各组待排产车辆分别执行S1-S2的操作后,还包括:
将各组待排产车辆在任一车间的实际生产序列首尾相接,构成所述数量的待排产车辆在所述车间的实际生产序列。
6.一种电子设备,其特征在于,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,使得所述一个或多个处理器实现权利要求1-3任一所述的基于车间的车辆生产序列优化方法,或权利要求4或5所述的基于生产线的车辆生产序列优化方法。
7.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-3任一所述的基于车间的车辆生产序列优化方法,或权利要求4或5所述的基于生产线的车辆生产序列优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211263844.6A CN115330283B (zh) | 2022-10-17 | 2022-10-17 | 基于车间和基于生产线的车辆生产序列优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211263844.6A CN115330283B (zh) | 2022-10-17 | 2022-10-17 | 基于车间和基于生产线的车辆生产序列优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330283A CN115330283A (zh) | 2022-11-11 |
CN115330283B true CN115330283B (zh) | 2023-03-24 |
Family
ID=83914181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211263844.6A Active CN115330283B (zh) | 2022-10-17 | 2022-10-17 | 基于车间和基于生产线的车辆生产序列优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330283B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946965A (zh) * | 2019-02-22 | 2019-06-28 | 无锡思睿特智能科技有限公司 | 一种基于改进的多目标Jaya算法的离散制造车间排产方法 |
CN111382942A (zh) * | 2020-03-09 | 2020-07-07 | 西安建筑科技大学 | 一种集成交货期配置的置换流水车间能效优化调度方法 |
CN111545955A (zh) * | 2020-04-20 | 2020-08-18 | 华南理工大学 | 一种门板焊点识别与焊接路径规划方法 |
CN111650914A (zh) * | 2020-07-02 | 2020-09-11 | 昆明理工大学 | 一种汽车动力电池的装配过程的优化调度方法 |
CN112561225A (zh) * | 2020-09-30 | 2021-03-26 | 北京工业大学 | 一种基于标杆协同进化算法的柔性作业车间调度方法 |
CN114563994A (zh) * | 2022-03-17 | 2022-05-31 | 昆明理工大学 | 一种汽车零部件分布式生产和装配过程的优化调度方法 |
-
2022
- 2022-10-17 CN CN202211263844.6A patent/CN115330283B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946965A (zh) * | 2019-02-22 | 2019-06-28 | 无锡思睿特智能科技有限公司 | 一种基于改进的多目标Jaya算法的离散制造车间排产方法 |
CN111382942A (zh) * | 2020-03-09 | 2020-07-07 | 西安建筑科技大学 | 一种集成交货期配置的置换流水车间能效优化调度方法 |
CN111545955A (zh) * | 2020-04-20 | 2020-08-18 | 华南理工大学 | 一种门板焊点识别与焊接路径规划方法 |
CN111650914A (zh) * | 2020-07-02 | 2020-09-11 | 昆明理工大学 | 一种汽车动力电池的装配过程的优化调度方法 |
CN112561225A (zh) * | 2020-09-30 | 2021-03-26 | 北京工业大学 | 一种基于标杆协同进化算法的柔性作业车间调度方法 |
CN114563994A (zh) * | 2022-03-17 | 2022-05-31 | 昆明理工大学 | 一种汽车零部件分布式生产和装配过程的优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115330283A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109388484B (zh) | 一种基于Deep Q-network算法的多资源云作业调度方法 | |
Shen et al. | Mathematical modeling and multi-objective evolutionary algorithms applied to dynamic flexible job shop scheduling problems | |
Carosi et al. | A matheuristic for integrated timetabling and vehicle scheduling | |
CN113705866B (zh) | 基于资源受限项目调度问题模型的排程优化方法和系统 | |
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 | |
CN107070534A (zh) | 一种中继卫星负载均衡的动态抢占式任务调度方法及系统 | |
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 | |
CN110456633B (zh) | 机载多平台分布式任务分配方法 | |
Chen et al. | Integrated short-haul airline crew scheduling using multiobjective optimization genetic algorithms | |
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 | |
Respen et al. | Metaheuristics for a job scheduling problem with smoothing costs relevant for the car industry | |
CN115578023A (zh) | 一种装配车间调度方法、装置、设备和存储介质 | |
CN102930397B (zh) | 离散型企业智能作业控制方法 | |
CN115330283B (zh) | 基于车间和基于生产线的车辆生产序列优化方法 | |
CN109635998B (zh) | 一种求解带时间窗车辆路径问题的自适应多目标优化方法 | |
CN115358488B (zh) | 基于缓冲区的车辆排程方法、电子设备及存储介质 | |
CN105139161B (zh) | 一种基于Petri网的虚拟企业建模与调度方法 | |
Mehra et al. | Hierarchical production planning for complex manufacturing systems | |
CN109635328A (zh) | 集成电路布局方法以及分布式设计方法 | |
CN114861297A (zh) | 一种面向飞机总装排产的多因素加工时间计算方法及装置 | |
JP2002215858A (ja) | サプライチェーンモデル作成システム | |
CN112598262A (zh) | 油气井维修任务调度处理方法及装置 | |
Martinez | Solving batch process scheduling/planning tasks using reinforcement learning | |
CN113779492B (zh) | 一种面向敏捷开发的需求任务规划方法 | |
CN110991907B (zh) | 一种基于有限状态自动机的订单服务质量评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |