CN116027747A - 柔性车间工艺路线与生产调度综合优化方法 - Google Patents

Abstract

本发明涉及一种柔性车间工艺路线与生产调度综合优化方法，包括步骤：确定柔性车间的工艺路线与生产调度综合优化的决策变量；以加工总时间最短、加工总能耗最小、加工刀具磨损成本最小为目标，建立柔性车间的工艺路线与生产调度的多目标集成优化模型；在满足约束条件的前提下，基于各个零件的加工特征，随机生成一个调度初始解；根据算法初始数据中所设置的初始种群数量，生成相应的初始种群；进行分层交叉、变异操作，形成新种群；迭代完成输出最优解集结果，得到最优工艺路线方案。本发明针对柔性车间的特点，结合遗传算法对零件的工艺路线和车间调度进行集成优化，提高了生产车间的生产效率，提高了设备利用率，同时降低了生产成本。

Description

柔性车间工艺路线与生产调度综合优化方法

技术领域

本发明涉及车间生产技术领域，特别是涉及一种柔性车间工艺路线与生产调度综合优化方法。

背景技术

伴随着制造业的不断发展，传统制造企业供应链中数字化、智能化程度逐步上升。零件工艺路线的优化和车间调度问题对制造企业的生产效率、资源利用率以及成本控制有着重要的影响。生产车间在实际的生产过程中，零件工艺路线的确定不仅仅是对其加工工艺进行选择和排序，还要确定不同工艺的加工设备以及加工刀具，同时还要受到工艺之间存在的工艺优先关系的影响。因此根据生产车间具体的生产需求对零件的工艺路线进行优化是十分必要的。

调度问题是指针对某项可以分解的任务，在满足一定资源约束的情况下，合理安排各项任务所占的资源、开工时间和完工时间以及加工次序，最终使得某项或多项性能指标达到最优。车间调度问题具有诸多的复杂性，如建模困难、存在多种约束、离散和连续并存等因素。高效的车间调度技术研究已经成为调度技术相关领域的前沿性研究方向。

在传统的研究中，工艺路线的优化和车间调度是两个独立的子系统，工艺路线制定之后再进行车间调度。这种方法不仅不利于提高生产车间的生产效率以及设备利用率，并且还会带来一系列的冲突问题，如每个零件的加工时间最短时，车间调度的最大完工时间却往往不是最短的。工艺规划和车间调度有着各自不同的优化对象和优化目标，工艺规划的优化对象为单个零件的工序加工顺序、可选加工资源等，车间调度则需要确定多个零件的不同工序在加工机器上的开工时间和完工时间。由于工艺路线的优化与选择仅仅考虑到单个零件的加工工序顺序以及加工资源，极容易在车间调度过程中产生资源冲突问题。因此，将工艺规划和车间调度进行集成研究能够有效地克服上述冲突问题，从而提高制造系统的效率。

发明内容

本发明的目的是解决现有技术中将工艺路线和生产调度分开优化，导致生产车间的生产效率以及设备利用率有限，同时产生资源冲突的问题，提供一种柔性车间工艺路线与生产调度综合优化方法。

为解决上述问题，本发明采取如下的技术方案：

一种柔性车间工艺路线与生产调度综合优化方法，包括以下步骤：

步骤一：确定柔性车间的工艺路线与生产调度综合优化的决策变量，所述决策变量包括各工序的加工顺序、为各工序选择的加工刀具、为各工序选择的加工设备以及各零件的加工顺序；

步骤二：以加工总时间最短、加工总能耗最小、加工刀具磨损成本最小为目标，建立柔性车间的工艺路线与生产调度的多目标集成优化模型，所述加工总时间为各工序加工零件时间、拆卸零件时间、装夹零件时间以及设备的换刀时间之和，所述加工总能耗为设备加工能耗、待机能耗以及换刀能耗之和，所述加工刀具磨损成本为全部刀具的磨损成本之和；

步骤三：在满足约束条件的前提下，基于各个零件的加工特征，随机生成一个调度初始解；

步骤四：根据算法初始数据中所设置的初始种群数量，重复执行步骤三，生成相应的初始种群；

步骤五：对初始种群进行非支配排序，选择初始种群中排序靠前的种群，对其进行分层交叉、变异操作，形成新种群；

步骤六：判断算法是否迭代完成，若是，则执行步骤七；若否，返回步骤五；

步骤七：输出最优解集结果，得到最优工艺路线方案。

与现有技术相比，本发明具有以下有益效果：本发明所提出的柔性车间工艺路线与生产调度综合优化方法，针对柔性车间的特点，结合遗传算法对零件的工艺路线和车间调度进行集成优化，由于该方法同时考虑了车间调度和工艺路线，因此能够有效克服优化过程中的资源冲突问题，提高生产车间的生产效率，提高设备利用率，同时降低生产成本。

附图说明

图1为加工工艺路线具有多种柔性的示意图；

图2为本发明实施例中柔性车间工艺路线与生产调度综合优化方法的流程图；

图3为本发明实施例中工序顺序约束数据和设备选择约束数据的数组结构；

图4为零件1的结构示意图；

图5为零件2的结构示意图；

图6为本发明实例中最优解集结果的解集空间图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换和变更，均应包括在本发明的保护范围内。

零件的加工工艺路线表示零件从原材料到成品的一系列加工工艺过程。由于零件的加工特征复杂，每个零件通常具有多个加工特征单元，因此零件的加工工艺路线的规划，不仅涉及多个加工特征，每个加工特征还面临多种加工工序、多种加工资源(加工机床M和刀具T)，并且一个车间的生产任务往往是多种零件同时生产，所以在对车间生产调度进行安排时，各个零件的加工工序是可以穿插进行的。这就使得加工工艺路线具有多种柔性，如图1所示。

工艺路线与生产调度综合优化问题可以描述为：基于各加工特征单元，确定相应的加工工序，为每个工序选择所需的加工机床和刀具，对所有零件的加工工序进行随机排列，使得所选调度方案和加工工艺路线在加工总时间、加工总能耗、加工刀具磨损成本这三个目标上达到协调最优。

柔性车间的工艺路线与生产调度综合优化问题的假设条件描述如下：

(1)同一个零件的所有工序之间必须遵守一定的工艺顺序约束，如基准约束、工艺结构约束等。不同零件之间不需要遵循工艺顺序约束。

(2)若相邻两个工序的机床不同，则需要重新装夹工件；若相邻两个工序的刀具不同，则需要进行换刀操作。

本发明实施例提供一种柔性车间工艺路线与生产调度综合优化方法，该方法以加工总时间最短、加工总能耗最小、加工刀具磨损成本最小为目标建立柔性车间的工艺路线与生产调度的多目标集成优化模型，并提出一种基于多目标遗传算法的优化模型，具体地，如图2所示，该方法包括以下步骤：

步骤一：确定柔性车间的工艺路线与生产调度综合优化的决策变量。

本发明中工艺路线与生产调度综合优化问题的决策变量，包括：1)各工序的加工顺序；2)为各工序选择的加工刀具；3)为各工序选择的加工设备；4)各零件的加工顺序。

如图2所示，在多目标遗传算法运行之前，首先通过以下步骤确定基础数据：为每个零件划分加工单元；为划分得到的每个加工单元确定加工方法；为每个可行的加工方法确定可选的机床和刀具；确定各个工序之间的关系约束。通过上述步骤确定基础数据之后，即可最终确定上述工艺路线与生产调度综合优化问题的决策变量。

步骤二：以加工总时间最短、加工总能耗最小、加工刀具磨损成本最小为目标，建立柔性车间的工艺路线与生产调度的多目标集成优化模型，其中，加工总时间为各工序加工零件时间、拆卸零件时间、装夹零件时间以及设备的换刀时间之和，加工总能耗为设备加工能耗、待机能耗以及换刀能耗之和，加工刀具磨损成本为全部刀具的磨损成本之和。

1)加工总时间目标函数

本发明中，各零件的加工时间由四部分组成：各工序加工零件时间t_加、拆卸零件时间t_拆、装夹零件时间t_装以及设备的换刀时间t_换。因此，加工总时间目标函数如下：

其中，r代表第r个工序，R代表工序总数。

2)加工总能耗目标函数

本发明中，车间的总能耗W_总由三部分组成：设备加工能耗w_加、待机能耗w_待以及换刀能耗w_换，计算公式为：W_总＝w_加+w_待+w_换。

设备加工能耗w_加的计算公式如下：

式中P_ci代表设备编号为i的设备的加工功率，t_加ij代表第j个零件在设备i上面的加工时间，n代表设备总数，k代表在设备编号为i的设备上加工的零件总数。

待机能耗w_待的计算公式如下：

式中P_ist代表设备编号为i的设备的待机功率，t_待i代表设备编号为i的设备的待机时间，t_加i代表设备编号为i的设备的加工时间，t_换i代表设备编号为i的设备的换刀时间。

换刀能耗w_换的计算公式如下：

式中P_ifeed代表设备编号为i的设备的空载功率，t_换i为设备编号为i的设备的换刀时间。

3)加工刀具磨损成本目标函数

在加工生产车间中加工刀具的磨损也是加工成本中十分重要的组成部分，因此也需要对车间的加工刀具磨损成本V进行优化，以降低生产成本。

式中h_m代表编号为m的刀具单位时间的磨损成本，t_m代表编号为m的刀具的加工总时间，M代表刀具总数。

步骤三：在满足约束条件的前提下，基于各个零件的加工特征，随机生成一个调度初始解。

具体地，本发明的约束条件描述如下：

(1)零件各个加工工序之间必须遵循一定的顺序关系约束，如基准约束、定位夹紧约束等。定义一个数组结构如图3(a)所示，其为工序的前置工序安排，表中的行号表示当前工序编号，如第一行代表当前零件的第一道工序，若某一道工序里面的数值为-1，则代表这道工序是必须首先完成的工序，若第2行内容为[3，5]，则代表第二道工序必须在第三道工序和第五道工序之前完成。同理建立一个后置工序数组。

(2)各工序的机床选择和刀具选择必须符合加工工艺的特定要求，如平面的加工，可以选择铣床也可以选择加工中心，但是不可以选择钻床。因此在本发明中，建立一个数组结构如图3(b)所示，表中的行号表示当前加工工序的编号，每一行都有一个数组，如第一行中的数字为3，4，5，6，8代表第一道工序可以选择设备编号为3，4，5，6，8的五个设备。

在步骤三中，随机生成一个调度初始解的过程具体包括以下步骤：

步骤a)：依据现有零件个数以及每个零件所需工序个数随机生成一个矩阵A，矩阵A的列数等于零件的总工序数，行数为4行，其中第一行为调度编号，第二行为工序编号，第三行为设备编号，第四行为刀具编号，根据零件的个数和工序数量生成初始编码；

步骤b)：对每一个零件的工序集合内部的工序编号进行随机排列；

步骤c)：将随机排列后的工序编号放在相应的列下面；

步骤d)：在矩阵A的第三行中为每一个工序在可选设备中随机选择一个机床；

步骤e)：在矩阵A的第四行中为每一个工序在可选刀具中随机选择一个刀具；

步骤f)：将矩阵A的第一行进行随机排列；

步骤g)：根据步骤一为矩阵A计算出相应的目标函数值，得到一个调度初始解。

步骤四：根据算法初始数据中所设置的初始种群数量，重复执行步骤三，生成相应的初始种群。

步骤五：竞标赛选择个体，即对初始种群进行非支配排序，选择初始种群中排序靠前的种群，对其进行分层交叉、变异操作，形成新种群。

步骤六：判断算法是否迭代完成，若是，则执行步骤七；若否，返回步骤五，重新进行竞标赛选择个体。

步骤七：输出前沿解集结果作为最优解集结果，得到最优工艺路线方案。

本实施例所提出的柔性车间工艺路线与生产调度综合优化方法，针对柔性车间的特点，结合遗传算法对零件的工艺路线和车间调度进行集成优化，由于同时考虑了车间调度和工艺路线，因此能够有效克服优化过程中的资源冲突问题，提高生产车间的生产效率，提高设备利用率，同时降低生产成本。

下面结合具体的实例对本发明的技术方案及技术效果进行说明。

本实例采用机床的能效监控系统测量机床的实时功率，各个加工机床的功率信息、换刀时间如表1所示。加工刀具信息如表2所示。

本实例以图4所示的零件1和图5所示的零件2为对象进行验证，基于图4和图5两个零件的加工特征，分析得到了可行的加工工序、机床、刀具以及工序的约束信息，如表3所示。

表1加工机床的功率信息、换刀时间

表2加工刀具信息

刀具编号	刀具类型	刀具使用寿命(min)	刀具价格
				T1	铣刀1	60	22
T2	铣刀2	23	15
				T3	铣刀3	100	13
T4	丝锥	120	17
				T5	铣刀4	110	20
T6	铣刀5	200	25
				T7	车刀1	120	16
T8	车刀2	80	12

表3零件的加工工序、机床、加工时间、刀具以及工序的约束信息

接下来，随机生成一个调度初始解：

步骤a)：依据现有零件个数以及每个零件所需工序个数随机生成一个矩阵A，矩阵A的列数等于零件的总工序数，行数为4行。其中第一行为调度编号，第二行为工序编号，第三行为设备编号，第四行为刀具编号，根据零件的个数和工序数量生成初始编码。比如现有两个零件，第一个零件有4道工序，第二个零件有2道工序，则矩阵A的第一行a＝{1,1,1,1,2,2}，第二行b＝{1,2,3,5,1,2}。

步骤b)：对每一个零件的工序集合内部的工序编号进行随机排列。例如对b1＝{1,2,3,5}进行随机排列后，得到b1＝{1,3,5,2}。

步骤c)：将随机排列后的工序编号放在相应的列下面，例如零件1随机排列后的工序集合b1＝{1,3,5,2}，零件2的工序集合b2＝{1,2}，则总工序集合为b＝{1,3,5,2,1,2}。

步骤d)：在矩阵A的第三行中为每一个工序在可选设备中随机选择一个机床。

步骤e)：在矩阵A的第四行中为每一个工序在可选刀具中随机选择一个刀具。

步骤f)：将矩阵A的第一行a进行随机排列，如a＝{1,1,1,1,2,2}，排列后a＝{1,2,1,1,2}，代表了零件的调度顺序，即第一个1代表零件1的第一道工序，第二个2代表零件1的第二道工序。

步骤g)：根据步骤一为矩阵A计算出相应的目标函数值，得到一个调度初始解。

根据算法初始数据中所设置的初始种群数量，重复执行上一步随机生成调度初始解的操作，生成相应的初始种群。若初始种群数量为10，则相应的生成10个和A矩阵一样的矩阵，构成算法的初始数据。

对初始解集进行非支配排序，选择初始解集中排序靠前的解集，对其进行分层交叉、变异操作，形成新种群。

将上述操作进行一定次数的迭代之后将会获得较优种群，对较优种群进行非支配排序，最终输出前沿解集结果，即为最优解集结果，该最优解集结果的解集空间如图6所示，图中X轴为最大完工时间(单位为秒)Y轴为设备能耗(单位为Kw/h)，Z轴为刀具磨损成本(单位为元)。其最大完工时间为1225秒，刀具磨损成本为3.69元，设备能耗为136.6Kw/h。

由此，得到零件1和零件2的最优工艺路线，如表4所示。

表4最优工艺路线方案

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (3)

1.一种柔性车间工艺路线与生产调度综合优化方法，其特征在于，包括以下步骤：

步骤一：确定柔性车间的工艺路线与生产调度综合优化的决策变量，所述决策变量包括各工序的加工顺序、为各工序选择的加工刀具、为各工序选择的加工设备以及各零件的加工顺序；

步骤二：以加工总时间最短、加工总能耗最小、加工刀具磨损成本最小为目标，建立柔性车间的工艺路线与生产调度的多目标集成优化模型，所述加工总时间为各工序加工零件时间、拆卸零件时间、装夹零件时间以及设备的换刀时间之和，所述加工总能耗为设备加工能耗、待机能耗以及换刀能耗之和，所述加工刀具磨损成本为全部刀具的磨损成本之和；

步骤三：在满足约束条件的前提下，基于各个零件的加工特征，随机生成一个调度初始解；

步骤四：根据算法初始数据中所设置的初始种群数量，重复执行步骤三，生成相应的初始种群；

步骤五：对初始种群进行非支配排序，选择初始种群中排序靠前的种群，对其进行分层交叉、变异操作，形成新种群；

步骤六：判断算法是否迭代完成，若是，则执行步骤七；若否，返回步骤五；

步骤七：输出最优解集结果，得到最优工艺路线方案。

2.根据权利要求1所述的柔性车间工艺路线与生产调度综合优化方法，其特征在于，所述约束条件包括：

(1)零件各个加工工序之间必须遵循顺序关系约束；

(2)各工序的机床选择和刀具选择必须符合加工工艺的特定要求。

3.根据权利要求1所述的柔性车间工艺路线与生产调度综合优化方法，其特征在于，步骤三包括以下步骤：

步骤a)：依据现有零件个数以及每个零件所需工序个数随机生成一个矩阵A，矩阵A的列数等于零件的总工序数，行数为4行，其中第一行为调度编号，第二行为工序编号，第三行为设备编号，第四行为刀具编号，根据零件的个数和工序数量生成初始编码；

步骤b)：对每一个零件的工序集合内部的工序编号进行随机排列；

步骤c)：将随机排列后的工序编号放在相应的列下面；

步骤d)：在矩阵A的第三行中为每一个工序在可选设备中随机选择一个机床；

步骤e)：在矩阵A的第四行中为每一个工序在可选刀具中随机选择一个刀具；

步骤f)：将矩阵A的第一行进行随机排列；

步骤g)：根据步骤一为矩阵A计算出相应的目标函数值，得到一个调度初始解。

Images