CN115730799A - 一种柔性装配作业车间生产任务调度方法、系统及设备 - Google Patents
一种柔性装配作业车间生产任务调度方法、系统及设备 Download PDFInfo
- Publication number
- CN115730799A CN115730799A CN202211477025.1A CN202211477025A CN115730799A CN 115730799 A CN115730799 A CN 115730799A CN 202211477025 A CN202211477025 A CN 202211477025A CN 115730799 A CN115730799 A CN 115730799A
- Authority
- CN
- China
- Prior art keywords
- elite
- optimal
- scheduling
- population
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 116
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 90
- 230000008569 process Effects 0.000 claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000012163 sequencing technique Methods 0.000 claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000002922 simulated annealing Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000012804 iterative process Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 47
- 230000006870 function Effects 0.000 description 16
- 238000002360 preparation method Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 108091026890 Coding region Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009466 transformation Effects 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种柔性装配作业车间生产任务调度方法、系统及设备。该方法包括:采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;对双层编码方案的下层编码进行排序,生成初始化种群;对种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对精英个体进行复制构建精英矩阵;构建外部档案库,采用模拟退火算法,从外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过最优精英个体对精英矩阵进行更新;基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案。本发明能够优化柔性装配车间调度过程,提升制造车间调度效率。
Description
技术领域
本发明涉及车间调度管理技术领域,特别涉及一种柔性装配作业车间生产任务调度方法、系统及设备。
背景技术
随着传统制造型企业信息化水平不断提升,传统生产车间逐步向自动化、智能化迈进。而生产车间的任务调度问题,本质属于车间调度管理领域,准确的说是柔性作业车间调度问题(FJSP)。
柔性作业车间调度问题由机器分配和工序排序两个子问题组成,前者是从设备候选集合中为每道工序选择一台设备,后者是对所有设备上的所有工序进行调度,以获得满意的生产计划。这是制造型企业生产计划和管理制造过程中最为关键的问题之一。FJSP问题非常复杂,如今已被证明是一个NP-Hard问题。由于这种问题的复杂性,使用传统的数学优化方法很难在合理的时间内解决。
柔性装配作业车间(Flexible Assembly Job Shop,FAJS)在作业车间调度(JobShop Scheduling,JSP)的基础上进一步考虑了零件的装配关联约束。FAJS是装备制造企业中一种常见的车间类型,路径和工时差异化的零件分别进行机械加工,待装配关联零件机械加工完工后才能开始装配工序。相比于JSP,FAJS生产中协同装配关联零件的生产进度是生产调度的关键。这是因为关联零件尽可能同时进入装配车间,能够减少关联零件的装配等待时间,有利于将产能让予紧急的零件,进而提高车间生产的效率。
现阶段,此类生产车间的任务调度问题的解决方法,会针对特定机组简化生产流程限制和约束,忽略设备投入生产前的准备时间,如生产原料的准备时间、工人对机器上料、下料和清洗时间。此外,基于具有装配工序的问题通常采用配齐装配方法,即订单产品下所有零件加工完毕,装配工作才可开始进行,这对于工艺流程规模较大的现实生产任务是不完全适用的。同时,此类问题多数依靠的是生产管理人员参考累积的经验进行决策,而人工排产存在效率低下、资源难以优化、配置利用率低等问题。因此,对于制造企业而言,建立科学的生产计划与深入研究调度模型并对其进行有效的求解,具有重要的现实意义。
发明内容
本发明的目的是提供一种柔性装配作业车间生产任务调度方法、系统及设备,用以优化柔性装配车间调度过程,提升制造车间调度效率。
为实现上述目的,本发明提供了如下方案:
一种柔性装配作业车间生产任务调度方法,包括:
采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序;
对所述下层编码进行排序,生成初始化种群;所述初始化种群中的个体均遵循所述装配工艺约束关系。
对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;
构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解;
采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;
基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案;
根据所述最优调度方案进行柔性装配作业车间生产任务调度。
可选地,采用全局选择、局部选择和随机选择相结合的方法对所述下层编码进行排序,生成初始化种群。
可选地,在构建外部档案库之后,还包括:
当判断当前外部档案库存在溢出情况时,计算所述外部档案库中非支配最优解的聚集密度,使用轮盘赌算法替换聚集密度最高的非支配最优解。
可选地,迭代初期,采取Brown运动更新种群;迭代中期,对于前半部分的种群,采取Levy运动更新种群,对于后半部分的种群,采取Brown运动更新种群;迭代末期,采取Levy运动更新种群。
可选地,还包括:在迭代过程中加入高斯扰动。
本发明还提供了一种柔性装配作业车间生产任务调度系统,包括:
编译模块,用于采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序;
排序模块,用于对所述下层编码进行排序,生成初始化种群;
精英矩阵构建模块,用于对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;
外部档案库构建模块,用于构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解;
更新模块,用于采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;
最优调度方案确定模块,用于基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案;
任务调度模块,用于根据所述最优调度方案进行柔性装配作业车间生产任务调度。
本发明还提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述柔性装配作业车间生产任务调度方法。
本发明还提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述柔性装配作业车间生产任务调度方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的柔性装配作业车间生产任务调度方法,包括:采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;对双层编码方案的下层编码进行排序,生成初始化种群;对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;构建外部档案库,采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案。本发明基于传统柔性作业车间生产任务,增加了强工艺层级约束关系,只有在低约束等级任务完成之后,才可进行下一等级任务加工,因此本发明可以在小批量、定制化、生产工艺复杂且具有强工艺约束关系的复杂生产场景使用,在保证工期稳定性的同时,提高了生产效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的柔性装配作业车间生产任务调度方法的流程图;
图2为本发明提供的柔性装配作业车间生产任务调度方法的另一流程图;
图3为本发明提供的双层编码方案示意图;
图4为本发明提供的调度方案甘特图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种柔性装配作业车间生产任务调度方法、系统及设备,用以优化柔性装配车间调度过程,提升制造车间调度效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1-图2所示,本实施例提供了一种柔性装配作业车间生产任务调度方法,该方法包括以下步骤:
步骤101:采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序。
步骤102:对所述下层编码进行排序,生成初始化种群;所述初始化种群中的个体均遵循所述装配工艺约束关系。
步骤103:对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵。
步骤104:构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解。
步骤105:采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新。
步骤106:基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案。
步骤107:根据所述最优调度方案进行柔性装配作业车间生产任务调度。
其中,步骤101具体包括:
(1)输入车间生产加工数据数据,初始化算法参数
柔性装配作业车间调度问题可以描述为:有n个工件(J1,J2,…,Jn)要在m台机器(M1,M2,…,Mm)上加工或装配。Oi,j表示工件i的第j道工序,每个工件包含一道或多道工序,且工序顺序是预先确定的,工序总数为T0;工件之间与工序之间具有优先级约束关系;机器在开始生产前需进行设备清洗、下料、上料等准备工作,若同一机器上相邻两道工序为同一工件的加工工序,则中间的准备工作时间可忽略。
输入的生产加工数据包括:生产工件的种类与数量;各个工件的生产加工工艺流程与优先级关系;加工时间与加工准备时间,用于构建二维时间矩阵Ptable;生产加工可选机器设备数量与类型。
算法初始化参数设置包括:种群个体数N、外部档案库大小N/2、算法最大迭代次数Itermax、全局选择概率C1、局部选择概率C2、随机选择概率C3、设置模拟退火参数初始温度T、衰减因子γ、高斯扰动概率G。
生产过程基于以下说明:
1)生产工件J所需原料的可投产时间视为订单的到达时间。
2)每台设备同一时刻只能加工一个作业任务,设备一旦开工就不允许抢占。且同一作业只能同时由一台机器处理。
3)约束级别描述了严格的作业约束条件。约束等级的计算方法是在所有先前作业的约束等级值上加1。其中,没有工序约束的作业约束等级为1。
4)不考虑零件物料的运输时间,因运输时间相对于零件加工时间而言较小,且运输成本较小,不存在运输能力不足的情况。
(2)个体编码与种群初始化
本发明采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案,构成车间调度序列。使得算法种群的位置更新可直接在离散空间中进行。下层编码由两部分组成:机器分配和工序排序,长度为2T0。上层编码与下层编码逐位对应,前半段与后半段逐位对应,结构如图3所示。
该编码序列编译方式为从下到上,从左至右。下层编码中的设备选择部分依次按照工件和工件工序的顺序进行排序,每个整数位表示当前工序选择的加工机器在可选机器集的顺序标号。后段工序排序部分采用工件序号直接编码,表示先后加工的顺序。上层编码前半段存储了工件加工所对应工艺类型标签,后半段存储工序的优先级,同等工艺路线下,优先级严格按照等级排列。例如,图3下层编码的第一位编码应解读为:序号对应1号生产工艺路线中的8号任务的1号工序操作,在其可用设备集中选取第2台机器上加工,其操作优先级为1级。
表1给出一个柔性装配车间生产实例,该实例包括1套工艺路线,路线中包含10个工件,共55道工序,包含普通加工及装配操作,由该实例生成的双层调度序列编码长度为110。生产设备资源为4台数控机床M1、M2、M3和M4,2台装配机床M5和M6;本生产实例是一个带装配约束和设备准备时间的柔性装配车间调度问题。
表1柔性装配车间生产实例
其中,步骤102具体包括:
通过采用全局选择(GS)、局部选择(LS)和随机选择(RS)相结合的方法对下层编码进行排序,生成初始化种群。
其中,设置全局选择概率C1=0.6,局部选择概率C2=0.2,随机选择概率C3=0.2。算法搜索过程中,生成的解均严格遵循上层编码中的工序约束原则。对应同种生产工艺路线下,高优先级任务不可早于低优先级任务,若检测到低优先级任务被延后,则将其对应的所有基因位前提至其同生产工艺路线高优先级任务的前置位。
生成的初始解,构成种群矩阵P,如下式(2)所示。Xi,j表示第i个初始解的第j个维度,N为设定的初始解个数,D表示设立目标函数个数。
其中,步骤103具体包括:
根据实际生产问题设立目标函数,计算个体目标函数值(即适应度值)。
目标函数设定如下:
(1)最大完工时间目标函数为:
(2)最小化设备准备时间目标函数为:
(3)最小化加工等待时间目标函数为:
其中,f1为生产任务最后一道工序的加工完成时间,Cj为工件j的完工时间;f2为整个生产过程所有机器生产前的准备时间总和,Setijh为工件j的第h道工序在机器i上的准备时间,Xijh为决策变量,若工序Ojh在设备i上取1,否则取0;f3为最小化加工等待时间,waitj为工件j装配前的等待时间,最小化该目标可减少生产工艺约束带来的影响,合理分配生产资源。之后涉及目标函数值计算,均按照以上三个函数进行计算。
其中,步骤104具体包括:
引入档案存储机制,储存算法迭代更新过程中发现的非支配解,引导算法更快地朝全局最优的方向搜索,更好地脱离搜索区域的局部最优。更新规则如下:
外部档案库的容量设置为N/2,如果种群更新产生的解被档案库中的至少一个解支配,则不会进行档案更新;如果种群更新产生的解支配档案库中的一个或多个解,则使用新产生的解替换旧的解;如果种群更新后产生的解没有被现有档案中的任何解支配,那么新产生的解也将添加到档案中。
此外,若更新档案过程中,超出档案存储的容量,此时使用聚集密度方法通过计算档案中解的聚集距离来计算聚集密度,删除密度高的解,保持群体的分布性。种群个体聚集距离计算方式如下:
其中,di为个体i的聚集距离,di.fj为个体i在子目标fj上的函数值。
计算出个体的聚集密度之后,根据密度对档案中的解排序,从中选取密度值最高的解删除。若出现多个密度相同的解,则采用轮盘赌的方法选择一个解从档案中删除,并将新产生的解存储在档案中。
其中,步骤105具体包括:
在档案存储阶段,存储了目前为止找到的非支配最优解。因此,将从档案中选择优秀个体作为种群精英,并计算档案中非支配解的函数值。取所有个体中目标函数值最小的,若其小于父代精英个体的目标函数值,则成为最新的精英个体,随之更新精英矩阵。反之,采用模拟退火算法按照Metropolis准则以一定概率选择,即若则选择该个体成为新的精英个体。其中,rand为[0,1)之间的随机数,yt为当前状态,y为新状态。更新后的精英矩阵如下:
其中,X′表示使用模拟退火算法选择的精英个体,且1<l<N。
其中,步骤106具体包括:
将迭代过程分为三个阶段,选用对应的计算方式计算更新种群,利用精英矩阵引导父代种群个体向精英个体靠近,生成新的子代种群。若为迭代初期,则使用式(10)更新并指导精英矩阵;若为迭代中期,则将种群分为两部分,前半部分使用式(11)更新,后半部分使用式(12)更新;若为迭代末期,则使用式(14)更新指导矩阵。
i=1,···,N
首先,对于前半部分的种群,更新规则如下式(10)。其中,RL为基于Levy运动的随机数向量。
后半部分种群个体更新规则如下:
其中,λ为自适应参数,表达式为:
i=1,...,N
编码序列离散化阶段:
经过上述算法迭代优化,此时生成的解向量底层编码均为连续值。为了使生成的解适用于所述的离散问题,迭代产生的连续值必须转换为离散值。首先,对解的底层数据进行归一化处理,如下式所示:
根据序列对应编码位构建可选集,将候选集中的离散数值进行排序并标记序号。将归一化后的数值与候选集建立映射关系,如下式所示:
其中,w为生产设备候选集中可选设备个数。将结果四舍五入取整为对应候选集中的索引值,即可得到离散解向量。得到解向量后,需检查上层解是否满足约束关系。若不满足,则对上层约束等级进行排序,平移交换下层对应的工序编码位置,从而满足工序工艺约束。若后续需要进行数值离散转化,均使用此方法进行转换。
引入高斯扰动策略,增强算法的局部搜索能力。
其中,RG为符合高斯分布的随机数向量,G=0.2为高斯扰动概率。引入高斯扰动,使种群个体变异,增强其跳出局部最优的概率。应用高斯扰动策略生成的数据仍为连续值,需进行离散转化,生成可行解。
经过多次迭代,得到当前解作为最优解,此时将调度序列解码为调度方案作为输出。对双层序列底层的工序排序部分的编码位从左到右依次读取。按照对应的前半部分机器顺序和时间顺序矩阵,依次得到每个工件工序所对应的加工机器和加工时间,并对此工序进行排序,然后将每道工序尽可能早的在该工序选择的加工机器上进行加工。按照这种方式依次解码,直到所有工序都被安排在尽可能早的位置上。最终得到调度结果,根据调度结果绘制Gant图。
对应得到的柔性装配车间调度问题的调度方案,用Gant图表示,如图4所示,最大完工时间为109分钟。
综上所述,本发明提出的基于多搜索融合的启发式优化算法的多目标装配车间调度方法可以在小批量、定制化、生产工艺复杂且具有强工艺约束关系的复杂生产场景使用,在保证工期稳定性的同时,提高生产效率。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供了一种柔性装配作业车间生产任务调度系统,其特征在于,包括:
编译模块,用于采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序;
排序模块,用于对所述下层编码进行排序,生成初始化种群;所述初始化种群中的个体均遵循所述装配工艺约束关系;
精英矩阵构建模块,用于对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;
外部档案库构建模块,用于构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解;
更新模块,用于采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;
最优调度方案确定模块,用于基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案;
任务调度模块,用于根据所述最优调度方案进行柔性装配作业车间生产任务调度。
实施例三
本发明实施例三提供了一种电子设备,包括存储器及处理器,该存储器用于存储计算机程序,该处理器运行计算机程序以使电子设备执行实施例一的柔性装配作业车间生产任务调度方法。
上述电子设备可以是服务器。
实施例四
本发明实施例四提供了一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实现实施例一的柔性装配作业车间生产任务调度方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,所描述的实施例仅仅是本发明的一部分实施例,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前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (8)
1.一种柔性装配作业车间生产任务调度方法,其特征在于,包括:
采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序;
对所述下层编码进行排序,生成初始化种群;所述初始化种群中的个体均遵循所述装配工艺约束关系;
对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;
构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解;
采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;
基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案;
根据所述最优调度方案进行柔性装配作业车间生产任务调度。
2.根据权利要求1所述的柔性装配作业车间生产任务调度方法,其特征在于,采用全局选择、局部选择和随机选择相结合的方法对所述下层编码进行排序,生成初始化种群。
3.根据权利要求1所述的柔性装配作业车间生产任务调度方法,其特征在于,在构建外部档案库之后,还包括:
当判断当前外部档案库存在溢出情况时,计算所述外部档案库中非支配最优解的聚集密度,使用轮盘赌算法替换聚集密度最高的非支配最优解。
4.根据权利要求1所述的柔性装配作业车间生产任务调度方法,其特征在于,迭代初期,采取Brown运动更新种群;迭代中期,对于前半部分的种群,采取Levy运动更新种群,对于后半部分的种群,采取Brown运动更新种群;迭代末期,采取Levy运动更新种群。
5.根据权利要求1所述的柔性装配作业车间生产任务调度方法,其特征在于,还包括:在迭代过程中加入高斯扰动。
6.一种柔性装配作业车间生产任务调度系统,其特征在于,包括:
编译模块,用于采用双层整数编码方式对生产加工数据进行编译,得到双层编码方案;所述双层编码方案中的上层编码包括工件加工对应的工艺类型以及装配工艺约束关系;下层编码包括机器分配和工序排序;
排序模块,用于对所述下层编码进行排序,生成初始化种群;
精英矩阵构建模块,用于对所述种群中的个体进行适应值计算,选择适应值最优的解作为精英个体,并对所述精英个体进行复制构建精英矩阵;
外部档案库构建模块,用于构建外部档案库;所述外部档案库用于存储当前发现的非支配最优解;
更新模块,用于采用模拟退火算法,从所述外部档案库存储的所有非支配最优解中选择优秀个体作为最优精英个体,并通过所述最优精英个体对所述精英矩阵进行更新;
最优调度方案确定模块,用于基于更新后的精英矩阵,采用多搜索融合的三阶段启发式优化算法在迭代过程中确定最终的最优精英个体为最优调度方案;
任务调度模块,用于根据所述最优调度方案进行柔性装配作业车间生产任务调度。
7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-5中任一项所述的柔性装配作业车间生产任务调度方法。
8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的柔性装配作业车间生产任务调度方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211477025.1A CN115730799A (zh) | 2022-11-23 | 2022-11-23 | 一种柔性装配作业车间生产任务调度方法、系统及设备 |
US18/156,533 US20240177251A1 (en) | 2022-11-23 | 2023-01-19 | Production task scheduling method, system and device for flexible assembly job shop |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211477025.1A CN115730799A (zh) | 2022-11-23 | 2022-11-23 | 一种柔性装配作业车间生产任务调度方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115730799A true CN115730799A (zh) | 2023-03-03 |
Family
ID=85297716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211477025.1A Pending CN115730799A (zh) | 2022-11-23 | 2022-11-23 | 一种柔性装配作业车间生产任务调度方法、系统及设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240177251A1 (zh) |
CN (1) | CN115730799A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117340598A (zh) * | 2023-12-05 | 2024-01-05 | 昆山美仑工业样机有限公司 | 一种高速齿轮箱生产用装配系统及方法 |
-
2022
- 2022-11-23 CN CN202211477025.1A patent/CN115730799A/zh active Pending
-
2023
- 2023-01-19 US US18/156,533 patent/US20240177251A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117340598A (zh) * | 2023-12-05 | 2024-01-05 | 昆山美仑工业样机有限公司 | 一种高速齿轮箱生产用装配系统及方法 |
CN117340598B (zh) * | 2023-12-05 | 2024-02-20 | 昆山美仑工业样机有限公司 | 一种高速齿轮箱生产用装配系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20240177251A1 (en) | 2024-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Mathematical modeling and multi-objective evolutionary algorithms applied to dynamic flexible job shop scheduling problems | |
Son et al. | Multiheuristic approach for resource leveling problem in construction engineering: Hybrid approach | |
CN111966050A (zh) | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 | |
Lin et al. | Network model and effective evolutionary approach for AGV dispatching in manufacturing system | |
CN112561194A (zh) | 一种混合流水车间生产与物流集成调度方法及系统 | |
CN113792924A (zh) | 一种基于Deep Q-network深度强化学习的单件作业车间调度方法 | |
CN104636871B (zh) | 一种基于数据的单阶段多产品批处理的控制方法 | |
Genova et al. | A survey of solving approaches for multiple objective flexible job shop scheduling problems | |
CN116523165B (zh) | 柔性作业车间amr路径规划与生产调度的协同优化方法 | |
CN112327621B (zh) | 一种基于蚁群算法的柔性生产线自适应控制系统及方法 | |
CN107831740A (zh) | 一种应用于笔记本零件的分布式生产制造过程中的优化调度方法 | |
Petrović et al. | Multi-objective scheduling of a single mobile robot based on the grey wolf optimization algorithm | |
CN115578023A (zh) | 一种装配车间调度方法、装置、设备和存储介质 | |
CN115130789A (zh) | 一种基于改进灰狼优化算法的分布式制造智能调度方法 | |
CN115730799A (zh) | 一种柔性装配作业车间生产任务调度方法、系统及设备 | |
CN114580678A (zh) | 一种产品维修资源调度方法和系统 | |
Zhang et al. | Evolutionary algorithm incorporating reinforcement learning for energy-conscious flexible job-shop scheduling problem with transportation and setup times | |
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 | |
CN117148796A (zh) | 一种求解多目标柔性作业车间调度问题的优化方法 | |
CN116820058A (zh) | 考虑agv约束的液压缸工艺规划与调度集成优化方法 | |
Kumar et al. | Integrated scheduling of part, tool and automated guided vehicles in a flexible manufacturing system using modified genetic algorithm | |
CN115437321A (zh) | 基于深度强化学习网络的微服务-多代理工厂调度模型 | |
CN116468137A (zh) | 一种分布式工艺规划与车间调度集成优化方法 | |
Ponnambalam et al. | An ant colony optimization algorithm for flexible job shop scheduling problem | |
Narapureddy et al. | Optimal scheduling methodology for machines, tool transporter and tools in a multi-machine flexible manufacturing system without tool delay using flower pollination algorithm |
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 |