CN115619200B - 一种分割式Seru的排产与多能工调度组合优化方法和装置 - Google Patents

一种分割式Seru的排产与多能工调度组合优化方法和装置 Download PDF

Info

Publication number
CN115619200B
CN115619200B CN202211532926.6A CN202211532926A CN115619200B CN 115619200 B CN115619200 B CN 115619200B CN 202211532926 A CN202211532926 A CN 202211532926A CN 115619200 B CN115619200 B CN 115619200B
Authority
CN
China
Prior art keywords
solution
new
product
serum
current
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
Application number
CN202211532926.6A
Other languages
English (en)
Other versions
CN115619200A (zh
Inventor
方侃
杨礼铭
毛照昉
黄典
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN202211532926.6A priority Critical patent/CN115619200B/zh
Publication of CN115619200A publication Critical patent/CN115619200A/zh
Application granted granted Critical
Publication of CN115619200B publication Critical patent/CN115619200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063118—Staff 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
    • 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
    • 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)
  • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及管理科学技术领域，特别是指一种分割式Seru的排产与多能工调度组合优化方法和装置，方法包括：对于给定的产品‑任务列表、工人列表以及Seru列表，使用启发式算法，假设产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到对产品‑Seru的分配以及工人‑Seru‑任务的分配；基于模拟退火算法的框架，搜索当前产品‑Seru分配以及工人‑Seru‑任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案。采用本发明实现了面向分割式Seru的排产与多能工调度组合优化问题的高效解决。

Description

一种分割式Seru的排产与多能工调度组合优化方法和装置
技术领域
本发明涉及管理科学技术领域，特别是指一种分割式Seru的排产与多能工调度组合优化方法和装置。
背景技术
Seru为90年代起源于日本的生产系统，由传统装配线演变而来，由于其将传统的长装配线拆解为多个较短的生产单元后，能够灵活地调整生产计划，因此能够很好地应对市场需求的波动、产品快速的更新换代以及客户定制化需求的增长。分割式Seru为将Seru中的任务分割为多个部分并指派给多名工人，多名工人包括多能工，为掌握多种生产技能的工人，分割式Seru的工位组成具有灵活性，在对工人进行任务分配时，能将非连续的任务分配给同一名工人。
Seru生产系统是一种以多能工为核心的生产系统，多能工的相关指标很大程度上决定了生产系统的表现。分割式Seru相较于其他类型的Seru来说，不要求工人达到全能的要求，只要求工人掌握一部分操作技能，更加贴合大多数制造企业的实际情况。在此背景下，对于分割式Seru的排产与多能工调度组合优化有其重要意义。
发明内容
本发明提供了一种分割式Seru的排产与多能工调度组合优化方法和装置，用以进行分割式Seru的排产与多能工调度组合优化。所述技术方案如下：
一方面，提供了一种分割式Seru的排产与多能工调度组合优化方法，所述方法包括：
S1、对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，假设产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
S2、基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案。
可选地，所述S2，具体包括：
S21、对S2中的各分割式Seru的产品生产顺序，进行解的编码与初始解生成，将所述初始解作为当前解和当前最优解，令当前温度等于初始温度；
S22、在所述当前温度进行迭代，每次迭代采用倒置算子与交换算子结合，对邻域空间进行搜索，获得新解；
S23、对所述新解进行评价，以确定是否接受所述新解；
如果接受所述新解，将所述新解作为当前解，而且如果新解的评价值小于当前最优解的评价值，那么令新解成为当前最优解；
迭代完成后，记录所述当前温度的当前最优解，降低当前温度，重复S22、S23，直到当前温度低于设置的终止温度，将当前最优解作为最终的最优解。
可选地，所述S21，具体包括：
设置一组字典Π来表示S2中各分割式Seru的产品生产顺序，其中字典的键为Seru编号，值为对应的生产顺序列表，初始解，记为Πinitial，令各分割式Seru中的生产顺序为产品编号由小到大的排列，同时令当前最优解Πbest=当前解Πcurrent=初始解Πinitial。
可选地，所述S22，具体包括：
S221、采用轮盘赌的方式，选择所述倒置算子与所述交换算子所作用的，分割式Seru及其对应的产品优先级排序列表，包含产品多的分割式Seru进行邻域搜索的概率大，包含产品少的分割式Seru进行邻域搜索的概率就小；
S222、对选择的Seru及其对应的产品优先级排序列表，在迭代中各以50%的概率，随机选择使用所述倒置算子与所述交换算子进行邻域搜索，获得新解Πnew。
可选地，所述S221，具体包括：
按照各分割式Seru中包含的产品数量，确定各分割式Seru被选中的概率；
将[0, 1]区间内的浮点数分段，与各分割式Seru的概率一一对应；
随机生成一个[0,1]区间内的随机浮点数r，所选的分割式Seru即为r所落在的区间。
可选地，所述S23，具体包括：
建立以产品总完成时间TCT最小化为目标函数的混合整数规划模型；
将所述新解Πnew的产品的生产优先级排序，输入到所述混合整数规划模型，输出目标函数值作为所述新解的评价值；
将所述新解Πnew与所述当前最优解Πbest，分别输入所述混合整数规划模型进行计算，获得二者的评价值TCT(Πnew)与TCT(Πbest)，同时计算ΔTCT= TCT(Πnew)-TCT(Πbest)，此时根据模拟退火过程的温度值T，按以下规则判断是否接受新解Πnew：若ΔTCT<0，则接受新解，令Πbest=Πnew，Πcurrent =Πnew；若ΔTCT≥0，则生成一个[0,1]区间内的随机浮点数r’，若r’≤exp(-ΔTCT/T)，则接受新解，令Πcurrent=Πnew，否则不接受新解Πnew。
可选地，所述混合整数规划模型：
将所述分割式seru能够操作的工序、工序析取图、第一阶段解与第二阶段解作为参数输入，使用0-1变量表示同一名工人操作的任意两个工序之间的先后关系，使用连续变量表示每个产品的每道工序的开始时间与完成时间，再通过工序析取图建立析取约束对产品的各工序先后顺序进行约束，并对同一工人操作的任意两道工序之间建立先后顺序的约束，最终输出所有产品的所有工序之中的最大完成时间，作为当前解的评价值。
另一方面，提供了一种分割式Seru的排产与多能工调度组合优化装置，所述装置包括：
求解模块，用于对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，假设产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
搜索模块，用于基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案。
另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述分割式Seru的排产与多能工调度组合优化方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述分割式Seru的排产与多能工调度组合优化方法。
本发明提供的技术方案带来的有益效果至少包括：
本发明的算法框架直观，能够用来处理大规模算例，且具有较好的计算结果与计算效率表现，能高效的进行分割式Seru的排产与多能工调度组合优化。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是分割式Seru示意图；
图2是本发明实施例提供的一种分割式Seru的排产与多能工调度组合优化方法流程图；
图3是本发明实施例的倒置算子与交换算子示意图；
图4是本发明实施例提供的一种分割式Seru的排产与多能工调度组合优化装置框图；
图5是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
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
由于分割式Seru工位组成的灵活性，在对工人进行任务分配时，能将非连续的任务分配给同一名工人，如图1所示，工人1既需要操作工人2所负责任务的前置任务1，又需要操作工人2所负责任务的后置任务5，二者互相牵制，这种运行机制和传统的装配线问题以及巡回式Seru均有所区别，无法使用节拍时间或瓶颈时间来进行计算时间相关指标。
本发明实施例针对分割式Seru的特殊运行方式，结合目前Seru排产与多能工分配领域仍然存在的一些难点，提出了一种基于模拟退火的两阶段启发式算法，如图2所示，本发明实施例提供的一种分割式Seru的排产与多能工调度组合优化方法，所述方法包括：
S1、对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，假设产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
产品-任务列表包括不同产品和对应的多个任务，工人列表包括完成任务的多名工人，Seru列表包括将产品、任务和工人分配到的多个Seru，这些都是已知的参数。
启发式算法，是相对于最优化算法提出的。一个问题的最优算法求得该问题每个实例的最优解。启发式算法可以这样定义：一个基于直观或经验构造的算法，在可接受的花费，比如计算时间和空间下给出待解决组合优化问题每一个实例的一个可行解。
本发明实施例的对所述组合优化问题，使用启发式算法是指假设产品的生产优先级为产品号码由小到大的排列的情形下，得到完成对产品-Seru的分配以及工人-Seru-任务的分配的第一阶段解。
具体的，所述第一阶段解的求解方法可以采用商业求解器或者其他方法。
这种采用启发式算法的第一阶段解的求解，解决了由于组合优化所带来的解空间的爆炸式增长。
S2、基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案。
之前的第一阶段解完成了产品-Seru的分配以及工人-Seru-任务的分配，仍未完成产品的生产排序问题，同样也被证明是NP-困难问题，为此，本发明实施例提出基于模拟退火的算法来解决上述问题。
可选地，所述S2，具体包括：
S21、对S2中的各分割式Seru的产品生产顺序，进行解的编码与初始解生成，将所述初始解作为当前解和当前最优解，令当前温度等于初始温度；
S22、在所述当前温度进行迭代，每次迭代采用倒置算子与交换算子结合，对邻域空间进行搜索，获得新解；
S23、对所述新解进行评价，以确定是否接受所述新解；
如果接受所述新解，将所述新解作为当前解，而且如果新解的评价值小于当前最优解的评价值，那么令新解成为当前最优解；
迭代完成后，记录所述当前温度的当前最优解，降低当前温度，重复S22、S23，直到当前温度低于设置的终止温度，将当前最优解作为最终的最优解。
可选地，所述S21，具体包括：
设置一组字典Π来表示S2中各分割式Seru的产品生产顺序，其中字典的键为Seru编号，值为对应的生产顺序列表，初始解，记为Πinitial，令各分割式Seru中的生产顺序为产品编号由小到大的排列，同时令当前最优解Πbest=当前解Πcurrent=初始解Πinitial。
比如Πinitial={1: [1, 3], 2: [2, 4, 5]}表示第二阶段的初始解为1号Seru按照1，3的顺序生产产品，2号Seru按照2，4，5的顺序生产产品。
可选地，所述S22，具体包括：
S221、采用轮盘赌的方式，选择所述倒置算子与所述交换算子所作用的，分割式Seru及其对应的产品优先级排序列表，包含产品多的分割式Seru进行邻域搜索的概率大，包含产品少的分割式Seru进行邻域搜索的概率就小；
如图3所示，图3中a所示的倒置算子是指在当前产品优先级排序列表中，随机选择两个产品，将它们和它们之间夹着的产品进行倒置；图3中b所示的交换算子是指在当前产品优先级排序列表中，随机选择两个产品，将它们两个进行位置交换；选择倒置算子与交换算子结合使用的原因为，倒置算子比交换算子对解的结构的影响更大，二者结合，有助于全面对邻域空间进行搜索。
S222、对选择的Seru及其对应的产品优先级排序列表，在迭代中各以50%的概率，随机选择使用所述倒置算子与所述交换算子进行邻域搜索，获得新解Πnew。
可选地，所述S221，具体包括：
按照各分割式Seru中包含的产品数量，确定各分割式Seru被选中的概率；
将[0, 1]区间内的浮点数分段，与各分割式Seru的概率一一对应；
以上面的例子为例，两个Seru被选择的概率比值为2: 3，则1号Seru对应的区间为[0, 0.4]，2号Seru对应的区间为(0.4, 1]；
随机生成一个[0,1]区间内的随机浮点数r，所选的分割式Seru即为r所落在的区间。
经过对当前解Πcurrent进行邻域搜索后，获得新解Πnew。
可选地，所述S23，具体包括：
建立以产品总完成时间TCT最小化为目标函数的混合整数规划模型；
由于分割式Seru中的时间相关指标的计算复杂性，本发明实施例建立了以产品总完成时间（Total completion time, TCT）最小化为目标函数的混合整数规划模型；
将所述新解Πnew的产品的生产优先级排序，输入到所述混合整数规划模型，输出目标函数值作为所述新解的评价值；
将所述新解Πnew与所述当前最优解Πbest，分别输入所述混合整数规划模型进行计算，获得二者的评价值TCT(Πnew)与TCT(Πbest)，同时计算ΔTCT= TCT(Πnew)-TCT(Πbest)，此时根据模拟退火过程的温度值T，按以下规则判断是否接受新解Πnew：若ΔTCT<0，则接受新解，令Πbest=Πnew，Πcurrent =Πnew；若ΔTCT≥0，则生成一个[0,1]区间内的随机浮点数r’，若r’≤exp(-ΔTCT/T)，则接受新解，令Πcurrent=Πnew，否则不接受新解Πnew。
可选地，所述S2还包括：
设置所述初始温度、所述终止温度、冷却系数以及邻域搜索比例；
计算所述当前温度下的最大迭代次数：邻域搜索比例 * 邻域范围大小，所述邻域范围大小根据产品数量估计得出；降低当前温度到：冷却系数 * 当前温度。
可选地，所述混合整数规划模型：
将所述分割式seru能够操作的工序、工序析取图、第一阶段解与第二阶段解作为参数输入，使用0-1变量表示同一名工人操作的任意两个工序之间的先后关系，使用连续变量表示每个产品的每道工序的开始时间与完成时间，再通过工序析取图建立析取约束对产品的各工序先后顺序进行约束，并对同一工人操作的任意两道工序之间建立先后顺序的约束，最终输出所有产品的所有工序之中的最大完成时间，作为当前解的评价值。
所述0-1变量：工序A先于B则变量取1，否则取0。
所述析取约束是根据工序析取图建立的约束，用来约束各工序之间顺序关系。所述工序析取图是表示各工序之间顺序关系的图。
所述对同一工人操作的任意两道工序之间建立先后顺序的约束，从而确保工人在一段时间内只能加工一道工序。
可选地，所述混合整数规划模型如下：
参数
Figure 699633DEST_PATH_IMAGE001
产品
Figure 433233DEST_PATH_IMAGE002
是否在Seru
Figure 186426DEST_PATH_IMAGE003
上生产，是则为1，否则为0
Figure 831909DEST_PATH_IMAGE004
产品
Figure 328749DEST_PATH_IMAGE002
是否在
Figure 182435DEST_PATH_IMAGE005
之前生产，是则为1，否则为0
Figure 840950DEST_PATH_IMAGE006
Seru
Figure 209614DEST_PATH_IMAGE003
是否被启用，是则为1，否则为0
Figure 510146DEST_PATH_IMAGE007
产品
Figure 280656DEST_PATH_IMAGE002
是否包含任务
Figure 608606DEST_PATH_IMAGE008
Figure 667829DEST_PATH_IMAGE009
Seru
Figure 772052DEST_PATH_IMAGE003
是否能操作任务
Figure 131489DEST_PATH_IMAGE008
Figure 600647DEST_PATH_IMAGE010
任务
Figure 678325DEST_PATH_IMAGE008
是否为
Figure 84773DEST_PATH_IMAGE011
的直接前置任务
Figure 767558DEST_PATH_IMAGE012
一个足够大的正数
变量
Figure 204356DEST_PATH_IMAGE013
产品
Figure 34909DEST_PATH_IMAGE002
和
Figure 215354DEST_PATH_IMAGE005
是否都在Seru
Figure 752646DEST_PATH_IMAGE003
中生产，是则为1，否则为0
Figure 858880DEST_PATH_IMAGE014
产品
Figure 176729DEST_PATH_IMAGE002
的完成时间
Figure 895286DEST_PATH_IMAGE015
产品
Figure 552664DEST_PATH_IMAGE002
的任务
Figure 596843DEST_PATH_IMAGE008
的开始时间
Figure 136409DEST_PATH_IMAGE016
产品
Figure 360454DEST_PATH_IMAGE002
的任务
Figure 669076DEST_PATH_IMAGE008
的完成时间
目标函数与约束集
Figure 884157DEST_PATH_IMAGE017
如图4所示，本发明实施例提供了一种分割式Seru的排产与多能工调度组合优化装置，所述装置包括：
求解模块410，用于对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，假设产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
搜索模块420，用于基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案。
本发明实施例提供的一种分割式Seru的排产与多能工调度组合优化装置，其功能结构与本发明实施例提供的一种分割式Seru的排产与多能工调度组合优化方法相对应，在此不再赘述。
图5是本发明实施例提供的一种电子设备500的结构示意图，该电子设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）501和一个或一个以上的存储器502，其中，所述存储器502中存储有至少一条指令，所述至少一条指令由所述处理器501加载并执行以实现上述分割式Seru的排产与多能工调度组合优化方法的步骤。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述分割式Seru的排产与多能工调度组合优化方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (8)

1.一种分割式Seru的排产与多能工调度组合优化方法，其特征在于，所述方法包括：
S1、对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，设置产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
S2、基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案；
所述S2，具体包括：
S21、对S2中的各分割式Seru的产品生产顺序，进行解的编码与初始解生成，将所述初始解作为当前解和当前最优解，令当前温度等于初始温度；
S22、在所述当前温度进行迭代，每次迭代采用倒置算子与交换算子结合，对邻域空间进行搜索，获得新解；
S23、对所述新解进行评价，以确定是否接受所述新解；
如果接受所述新解，将所述新解作为当前解，而且如果新解的评价值小于当前最优解的评价值，那么令新解成为当前最优解；
迭代完成后，记录所述当前温度的当前最优解，降低当前温度，重复S22、S23，直到当前温度低于设置的终止温度，将当前最优解作为最终的最优解；
所述S23，具体包括：
建立以产品总完成时间TCT最小化为目标函数的混合整数规划模型；
将新解Πnew的产品的生产优先级排序，输入到所述混合整数规划模型，输出目标函数值作为所述新解的评价值；
将所述新解Πnew与当前最优解Πbest，分别输入所述混合整数规划模型进行计算，获得二者的评价值TCT(Πnew)与TCT(Πbest)，同时计算ΔTCT= TCT(Πnew)-TCT(Πbest)，此时根据模拟退火过程的温度值T，按以下规则判断是否接受新解Πnew：若ΔTCT<0，则接受新解，令Πbest=Πnew，当前解Πcurrent =Πnew；若ΔTCT≥0，则生成一个[0,1]区间内的随机浮点数r’，若r’≤exp(-ΔTCT/T)，则接受新解，令Πcurrent=Πnew，否则不接受新解Πnew；
所述混合整数规划模型如下：
参数
Figure QLYQS_1
产品/>
Figure QLYQS_2
是否在Seru/>
Figure QLYQS_3
上生产，是则为1，否则为0
Figure QLYQS_4
产品/>
Figure QLYQS_5
是否在/>
Figure QLYQS_6
之前生产，是则为1，否则为0
Figure QLYQS_7
Seru/>
Figure QLYQS_8
是否被启用，是则为1，否则为0
Figure QLYQS_9
产品/>
Figure QLYQS_10
是否包含任务/>
Figure QLYQS_11
Figure QLYQS_12
Seru/>
Figure QLYQS_13
是否能操作任务/>
Figure QLYQS_14
Figure QLYQS_15
任务/>
Figure QLYQS_16
是否为/>
Figure QLYQS_17
的直接前置任务
Figure QLYQS_18
一个足够大的正数
变量
Figure QLYQS_19
产品/>
Figure QLYQS_20
和/>
Figure QLYQS_21
是否都在Seru/>
Figure QLYQS_22
中生产，是则为1，否则为0
Figure QLYQS_23
产品/>
Figure QLYQS_24
的完成时间
Figure QLYQS_25
产品/>
Figure QLYQS_26
的任务/>
Figure QLYQS_27
的开始时间
Figure QLYQS_28
产品/>
Figure QLYQS_29
的任务/>
Figure QLYQS_30
的完成时间
目标函数与约束集
Figure QLYQS_31
Figure QLYQS_32
Figure QLYQS_33
Figure QLYQS_34
Figure QLYQS_35
Figure QLYQS_36
Figure QLYQS_37
Figure QLYQS_38
Figure QLYQS_39
Figure QLYQS_40
Figure QLYQS_41
Figure QLYQS_42
Figure QLYQS_43
。
2.根据权利要求1所述的方法，其特征在于，所述S21，具体包括：
设置一组字典Π来表示S2中各分割式Seru的产品生产顺序，其中字典的键为Seru编号，值为对应的生产顺序列表，初始解，记为Πinitial，令各分割式Seru中的生产顺序为产品编号由小到大的排列，同时令当前最优解Πbest=当前解Πcurrent=初始解Πinitial。
3.根据权利要求1所述的方法，其特征在于，所述S22，具体包括：
S221、采用轮盘赌的方式，选择所述倒置算子与所述交换算子所作用的，分割式Seru及其对应的产品优先级排序列表，包含产品多的分割式Seru进行邻域搜索的概率大，包含产品少的分割式Seru进行邻域搜索的概率就小；
S222、对选择的Seru及其对应的产品优先级排序列表，在迭代中各以50%的概率，随机选择使用所述倒置算子与所述交换算子进行邻域搜索，获得新解Πnew。
4.根据权利要求3所述的方法，其特征在于，所述S221，具体包括：
按照各分割式Seru中包含的产品数量，确定各分割式Seru被选中的概率；
将[0, 1]区间内的浮点数分段，与各分割式Seru的概率一一对应；
随机生成一个[0,1]区间内的随机浮点数r，所选的分割式Seru即为r所落在的区间。
5.根据权利要求1所述的方法，其特征在于，所述混合整数规划模型：
将所述分割式seru能够操作的工序、工序析取图、第一阶段解与第二阶段解作为参数输入，使用0-1变量表示同一名工人操作的任意两个工序之间的先后关系，使用连续变量表示每个产品的每道工序的开始时间与完成时间，再通过工序析取图建立析取约束对产品的各工序先后顺序进行约束，并对同一工人操作的任意两道工序之间建立先后顺序的约束，最终输出所有产品的所有工序之中的最大完成时间，作为当前解的评价值。
6.一种分割式Seru的排产与多能工调度组合优化装置，其特征在于，所述装置包括：
求解模块，用于对于给定的产品-任务列表、工人列表以及Seru列表，使用启发式算法，设置产品的生产优先级为产品号码由小到大的排列，以产品总完成时间最小为目标，求解得到第一阶段解，所述第一阶段解包括完成对产品-Seru的分配以及工人-Seru-任务的分配，所述产品-Seru的分配是指将各种产品分配到不同的所述分割式Seru；所述工人-Seru-任务的分配是指将各个工人分配到不同的所述分割式Seru的不同任务；
搜索模块，用于基于模拟退火算法的框架，搜索当前产品-Seru分配以及工人-Seru-任务分配下的产品生产优先级排序，以此获得最终的组合优化问题解决方案；
所述搜索模块，具体用于：
S21、对S2中的各分割式Seru的产品生产顺序，进行解的编码与初始解生成，将所述初始解作为当前解和当前最优解，令当前温度等于初始温度；
S22、在所述当前温度进行迭代，每次迭代采用倒置算子与交换算子结合，对邻域空间进行搜索，获得新解；
S23、对所述新解进行评价，以确定是否接受所述新解；
如果接受所述新解，将所述新解作为当前解，而且如果新解的评价值小于当前最优解的评价值，那么令新解成为当前最优解；
迭代完成后，记录所述当前温度的当前最优解，降低当前温度，重复S22、S23，直到当前温度低于设置的终止温度，将当前最优解作为最终的最优解；
所述S23，具体包括：
建立以产品总完成时间TCT最小化为目标函数的混合整数规划模型；
将新解Πnew的产品的生产优先级排序，输入到所述混合整数规划模型，输出目标函数值作为所述新解的评价值；
将所述新解Πnew与当前最优解Πbest，分别输入所述混合整数规划模型进行计算，获得二者的评价值TCT(Πnew)与TCT(Πbest)，同时计算ΔTCT= TCT(Πnew)-TCT(Πbest)，此时根据模拟退火过程的温度值T，按以下规则判断是否接受新解Πnew：若ΔTCT<0，则接受新解，令Πbest=Πnew，当前解Πcurrent =Πnew；若ΔTCT≥0，则生成一个[0,1]区间内的随机浮点数r’，若r’≤exp(-ΔTCT/T)，则接受新解，令Πcurrent=Πnew，否则不接受新解Πnew；
所述混合整数规划模型如下：
参数
Figure QLYQS_44
产品/>
Figure QLYQS_45
是否在Seru/>
Figure QLYQS_46
上生产，是则为1，否则为0
Figure QLYQS_47
产品/>
Figure QLYQS_48
是否在/>
Figure QLYQS_49
之前生产，是则为1，否则为0
Figure QLYQS_50
Seru/>
Figure QLYQS_51
是否被启用，是则为1，否则为0
Figure QLYQS_52
产品/>
Figure QLYQS_53
是否包含任务/>
Figure QLYQS_54
Figure QLYQS_55
Seru/>
Figure QLYQS_56
是否能操作任务/>
Figure QLYQS_57
Figure QLYQS_58
任务/>
Figure QLYQS_59
是否为/>
Figure QLYQS_60
的直接前置任务
Figure QLYQS_61
一个足够大的正数
变量
Figure QLYQS_62
产品/>
Figure QLYQS_63
和/>
Figure QLYQS_64
是否都在Seru/>
Figure QLYQS_65
中生产，是则为1，否则为0
Figure QLYQS_66
产品/>
Figure QLYQS_67
的完成时间
Figure QLYQS_68
产品/>
Figure QLYQS_69
的任务/>
Figure QLYQS_70
的开始时间
Figure QLYQS_71
产品/>
Figure QLYQS_72
的任务/>
Figure QLYQS_73
的完成时间
目标函数与约束集
Figure QLYQS_74
Figure QLYQS_75
Figure QLYQS_76
Figure QLYQS_77
Figure QLYQS_78
Figure QLYQS_79
Figure QLYQS_80
Figure QLYQS_81
Figure QLYQS_82
Figure QLYQS_83
Figure QLYQS_84
Figure QLYQS_85
Figure QLYQS_86
。
7.一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，其特征在于，所述至少一条指令由所述处理器加载并执行以实现如权利要求1-5任一项所述分割式Seru的排产与多能工调度组合优化方法。
8.一种计算机可读存储介质，所述存储介质中存储有至少一条指令，其特征在于，所述至少一条指令由处理器加载并执行以实现如权利要求1-5任一项所述分割式Seru的排产与多能工调度组合优化方法。
CN202211532926.6A 2022-12-02 2022-12-02 一种分割式Seru的排产与多能工调度组合优化方法和装置 Active CN115619200B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211532926.6A CN115619200B (zh) 2022-12-02 2022-12-02 一种分割式Seru的排产与多能工调度组合优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211532926.6A CN115619200B (zh) 2022-12-02 2022-12-02 一种分割式Seru的排产与多能工调度组合优化方法和装置

Publications (2)

Publication Number Publication Date
CN115619200A CN115619200A (zh) 2023-01-17
CN115619200B true CN115619200B (zh) 2023-06-16

Family

ID=84880742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211532926.6A Active CN115619200B (zh) 2022-12-02 2022-12-02 一种分割式Seru的排产与多能工调度组合优化方法和装置

Country Status (1)

Country Link
CN (1) CN115619200B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117035339B (zh) * 2023-08-18 2024-05-28 天津大学 一种企业资源计划中物料需求计划问题的计算方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630380A (zh) * 2009-07-08 2010-01-20 西安电子科技大学 基于多种群进化机制的作业车间调度方法
CN104636813B (zh) * 2013-11-12 2018-02-06 中国科学院沈阳计算技术研究所有限公司 一种求解车间作业调度问题的混合遗传模拟退火算法
CN110648050B (zh) * 2019-08-21 2023-05-02 大连理工大学 一种传统流水线装配向单元式装配方式转换的重构方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Combinatorial Benders decomposition for mixed-model two-sided assembly line balancing problem;Huang, Dian etal;INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH;全文 *
Milk-run routing problem with progress-lane in the collection of automobile parts;Mao, Zhaofang etal;ANNALS OF OPERATIONS RESEARCH;全文 *
Solving the shortest path interdiction problem via reinforcement learning;Huang, Dian etal;INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH;全文 *

Also Published As

Publication number Publication date
CN115619200A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
US20180356803A1 (en) Method and system for batch scheduling uniform parallel machines with different capacities based on improved genetic algorithm
Chang et al. Solving the flexible job shop scheduling problem with makespan optimization by using a hybrid Taguchi-genetic algorithm
CN112001618B (zh) 一种工期指派、订单接受与生产调度集成优化方法
Pistolesi et al. TeMA: A tensorial memetic algorithm for many-objective parallel disassembly sequence planning in product refurbishment
CN115619200B (zh) 一种分割式Seru的排产与多能工调度组合优化方法和装置
CN111062535A (zh) 一种实现含能材料生产过程动态排产的方法及系统
CN109039428B (zh) 基于冲突消解的中继卫星单址天线调度随机搜索方法
US5651098A (en) Planning method and system
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
CN113867295A (zh) 一种基于数字孪生的制造车间agv动态调度方法、系统、设备及存储介质
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
JP2011048778A (ja) 生産スケジュール作成装置
CN107832983B (zh) 基于动态规划与遗传算法的铸造熔炼批计划与调度方法
CN110928261B (zh) 分布式异构流水车间的分布估计调度方法及系统
CN114862231A (zh) 生产排程方法、装置及电子设备
CN109214695B (zh) 基于改进eda的高端装备研发制造协同调度方法及系统
CN116985146B (zh) 退役电子产品的机器人并行拆解规划方法
CN111370055B (zh) 内含子保留预测模型建立方法及其预测方法
CN113568385B (zh) 一种基于多品种混流装配模式下的排产方法
CN109102211B (zh) 改进布谷鸟搜索的高端装备批处理机调度方法及系统
CN106777262B (zh) 高通量测序数据质量过滤方法和过滤装置
CN109543930B (zh) 基于机台多级别稳态生产速率的派工方法及系统
Yepes-Borrero et al. Flowshop with additional resources during setups: Mathematical models and a GRASP algorithm
Chamnanlor et al. Bi-objective optimization for reentrant shop scheduling problem
CN110556161B (zh) 一种基于构象多样性采样的蛋白质结构预测方法

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