CN116629578B - 一种制造工厂排程计算的方法及系统 - Google Patents
一种制造工厂排程计算的方法及系统 Download PDFInfo
- Publication number
- CN116629578B CN116629578B CN202310844584.XA CN202310844584A CN116629578B CN 116629578 B CN116629578 B CN 116629578B CN 202310844584 A CN202310844584 A CN 202310844584A CN 116629578 B CN116629578 B CN 116629578B
- Authority
- CN
- China
- Prior art keywords
- scheduling
- carbon footprint
- carbon
- data
- product
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 254
- 238000000034 method Methods 0.000 title claims abstract description 148
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 278
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 277
- 230000008569 process Effects 0.000 claims abstract description 100
- 238000004364 calculation method Methods 0.000 claims abstract description 85
- 230000002068 genetic effect Effects 0.000 claims abstract description 56
- 238000012216 screening Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 88
- 239000011159 matrix material Substances 0.000 claims description 47
- 239000000463 material Substances 0.000 claims description 39
- 239000002994 raw material Substances 0.000 claims description 27
- 238000005520 cutting process Methods 0.000 claims description 15
- 230000032683 aging Effects 0.000 claims description 12
- 238000001125 extrusion Methods 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 11
- 238000004806 packaging method and process Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 210000000349 chromosome Anatomy 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims 2
- 230000008929 regeneration Effects 0.000 claims 2
- 238000011069 regeneration method Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 239000000047 product Substances 0.000 description 104
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 10
- 229910052782 aluminium Inorganic materials 0.000 description 10
- 230000009467 reduction Effects 0.000 description 8
- 238000004134 energy conservation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000000137 annealing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007493 shaping process Methods 0.000 description 3
- 239000004698 Polyethylene Substances 0.000 description 2
- 238000010923 batch production Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 229920000573 polyethylene Polymers 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- -1 Polyethylene Polymers 0.000 description 1
- 239000002671 adjuvant Substances 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/04—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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能制造技术领域,具体为一种制造工厂排程计算的方法及系统,其方法包括:获取制造工厂排程的基础工艺数据,生成制造工厂的排程方案;基于影响因素对排程方案进行优化;生成若干个新的排程方案;筛选出满足碳足迹约束条件的排程方案;计算碳足迹数据,确定碳足迹总和最小的目标函数;基于碳足迹数据和目标函数计算适应度函数,求得最优解,得到制造工厂的最优排程方案。本发明基于遗传算法生成若干个排程方案,并结合产品碳足迹数据和目标函数,计算适应度函数,求得最优排程方案,结合排程计算和碳足迹计算技术实现以碳足迹最小为目标的排程方案计算及优化,在提高制造工厂生产效率的同时提高环保效益。
Description
技术领域
本发明涉及智能制造技术领域,尤其涉及一种制造工厂排程计算的方法及系统。
背景技术
在全球气候变暖和环境污染问题日益严重的背景下,工业制造业面临着节能减排的压力,工业产品在制造过程中的能源消耗以及碳排放是目前企业和政府关注的重点。但是,随着节能减排的新目标的提出,对应的工厂节能减排计划并没有跟上。
目前,现有的节能减排的技术,如传统的工业制造工厂排程技术主要关注生产效率和成本优化,以最大限度地提高设备利用率、缩短生产周期和降低生产成本为目标,通常使用数学模型和启发式算法进行排程计算。而对于制造工厂生产过程中的碳排放,通常采用以生命周期评估方法为基础的碳足迹计算技术,从原材料开采、生产、运输到废弃物处理等一系列阶段来进行碳排放计算。
上述技术存在的缺点包括:未能充分考虑碳排放问题,缺乏对生产过程中的碳排放的关注和优化,不能满足目前的环保政策和节能减排要求;且现有的碳足迹计算技术不针对特定行业,无法满足工业制造工厂的特殊需求,且与排程计算相互独立,缺乏整合,无法实现碳足迹最小化的排程计算及优化。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种制造工厂排程计算的方法及系统,基于遗传算法生成若干个排程方案,并结合产品碳足迹数据和目标函数,计算适应度函数,求得最优排程方案,结合排程计算和碳足迹计算技术实现以碳足迹最小为目标的排程方案计算及优化,在提高制造工厂生产效率的同时提高环保效益。
本发明提出了一种制造工厂排程计算的方法,所述方法包括:
获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案;
基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案;
计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数;
基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案。
进一步的,所述获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案包括:
在制造工厂的数据库中提取制造工厂的基础工艺数据;
对所述基础工艺数据进行预处理,得到预处理后的基础工艺数据;
基于遗传算法对所述预处理后的基础工艺数据进行排程建模,得到排程方案。
进一步的,所述基于遗传算法对所述预处理后的基础工艺数据进行排程建模,得到排程方案包括:
基于工序的编码方式,将遗传算法中每个染色体用代表工序的基因组成,将产品和生产设备使用自然数进行编号作为变量,并将产品和生产设备的排序进行编码作为自然解,由编号从小到大进行计算,并在计算结束后对计算结果进行解码,获取排程方案。
进一步的,所述获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案包括:
获取制造工厂在生产过程中影响碳足迹的因素,并从其中筛选出源于排程过程的影响因素;
基于所述源于排程过程的影响因素对所述排程方案进行优化,获取优化后的排程方案。
进一步的,所述基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案包括:
设置遗传算法的计算参数,并对所述计算参数进行初始化;
构建类型编码,调用个体的编码算法基于所述优化后的排程方案生成初始种群数据;
对所述初始种群数据分别进行交叉、变异操作,生成若干个新种群数据;
将所述新种群数据进行解码,获取若干个新的排程方案。
进一步的,所述基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案包括:
分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件;
基于所述碳足迹约束条件筛选满足所述碳足迹约束条件的排程方案;
分析所述满足所述碳足迹约束条件的排程方案的资源需求满足程度,筛选出资源需求满足程度在合理范围内的排程方案。
进一步的,所述计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数包括:
分别提取单位产品在排程方案各个工序中的物料碳数据和能源碳数据,以及生产设备在排程方案中的运输碳数据,并将所述物料碳数据、能源碳数据和运输碳数据进行合并得出所有满足所述碳足迹约束条件的排程方案中的单位产品的碳足迹数据;
基于所述单位产品的碳足迹数据结合生产设备数据生成碳足迹总和最小的目标函数。
进一步的,所述基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案包括:
基于所述单位产品的碳足迹数据和碳足迹总和最小的目标函数生成适应度函数;
计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解;
基于遗传算法对所述最优解进行解码,获取最优产品工序矩阵;
将所述最优产品工序矩阵绘制成甘特图,并通过可视化工具进行显示。
进一步的,所述计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解包括:
计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,并筛选出连续若干代单位产品的适应度函数值无明显变化的排程方案,并在所述连续若干代单位产品的适应度函数值无明显变化的排程方案中求得适应度函数最小的最优解。
本发明还提出了一种制造工厂排程计算的系统,所述系统包括:
排程建模模块,所述排程建模模块用于获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
排程优化模块,所述排程优化模块用于获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案;
遗传计算模块,所述遗传计算模块用于基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
筛选模块,所述筛选模块用于基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案;
碳足迹计算模块,所述碳足迹计算模块用于计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数;
最优排程获取模块,所述最优排程获取模块用于基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案。
本发明提供了一种制造工厂排程计算的方法及系统,基于遗传算法生成若干个排程方案,考虑各种影响因素和约束条件,并结合产品碳足迹数据和目标函数,计算适应度函数,求得最优排程方案,通过充分考虑碳排放的排程计算,结合排程计算和碳足迹计算技术实现以碳足迹最小为目标的排程方案计算及优化,满足了节能减排的目标,有助于降低制造工厂的碳排放在提高制造工厂生产效率的同时提高环保效益。
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,显而易见的,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它的附图。
图1是本发明实施例一中的制造工厂排程计算的方法流程图;
图2是本发明实施例一中的基于遗传算法进行排程建模的流程图;
图3是本发明实施例一中的对排程方案进行优化的流程图;
图4是本发明实施例一中的基于遗传算法进行计算的流程图;
图5是本发明实施例一中的筛选满足碳足迹约束条件的排程方案的流程图;
图6是本发明实施例一中的获取制造工厂最优排程方案的流程图;
图7是本发明实施例一中的产品的排列矩阵、生产设备的排列矩阵、产品碳足迹矩阵对应的甘特图;
图8是本发明实施例二中的制造工厂排程计算的系统结构示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例一
本发明实施例一所涉及的一种制造工厂排程计算的方法,所述方法包括:获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案;基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案;计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数;基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案。
在本实施例的一个可选实现方式中,如图1所示,图1示出了本发明实施例中一中的制造工厂排程计算的方法流程图,包括以下步骤:
S101、获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
在本实施例的一个可选实现方式中,如图2所示,图2示出了本发明实施例一中的基于遗传算法进行排程建模的流程图,包括以下步骤:
S201、在制造工厂的数据库中提取制造工厂的基础工艺数据;
在本实施例的一个可选实现方式中,所述基础工艺数据包括产品工艺路线数据、产品物料清单数据和生产设备数据。
在本实施例的一个可选实现方式中,在本实施例中,所述产品工艺路线数据采用的是铝型材制造业工业路线分类,包括四条路线:
路线一:挤压-时效-裁切路线,包括以下步骤:挤压、打头、拉拔、整形、矫直、折弯、淬火、拉拔、时效、退火、氧化、裁切、倒角、清洗、打码、CNC(数控加工)、包装、入库。
路线二:挤压-裁切路线,包括以下步骤:挤压、退火、裁切、包装、入库。
路线三:挤压-时效路线,包括以下步骤:挤压、包装、裁切、整形、矫直、折弯、时效、倒角、包装、入库。
路线四:挤压路线,包括以下步骤:挤压、包装、裁切、整形、淬火、CNC、退火、包装、入库。
需要说明的是,在本实施例中,上述四条路线中,挤压、裁切、时效为关键工序,是必要的,其余的工序为可选工序,根据实际需求选择,本实施例的排程计算中仅考虑挤压、裁切、时效三道工序的计算。
具体的,在本实施例中,铝型材产品根据其实际生产需求选择不同的路线完成生产。
在本实施例的一个可选实现方式中,所述产品物料清单数据即产品物料BOM(Billof Material,物料清单),在本实施例中,所述产品物料BOM包括铝制产品原材料的种类以及不同种类原材料的用量等,其列出的表单包括物料料号、产出数量、产出单位、上一个半成品料号、投入数量、投入单位、工序、设备编号、良率、成材率等一系列的物料数据。
需要说明的是,对于铝型材制造工厂而言,最终的成品产品选用的物料BOM与挤压工序选用的设备有关,原因是不同的挤压设备吨位不同,使用的原材料横截面直径不同,因此使用的原材料规格不同,挤压工序产出的半成品的规格往往不同,导致投入相同的原材料数量,最终产出的成品产品数量也往往不同,因此需要根据实际情况选择产品物料清单数据。
在本实施例的一个可选实现方式中,所述生产设备数据包括挤压机、时效炉、裁切机三种设备及对应的型号数据,其中挤压机用于挤压工序,时效炉用于时效工序,裁切机用于裁切工序。
具体的,生产设备的型号数据包括挤压机的吨位以及设备的工作功率数据、时效炉的工作功率数据以及裁切机的工作功率数据。
S202、对所述基础工艺数据进行预处理,得到预处理后的基础工艺数据;
在本实施例的一个可选实现方式中,对所述产品工艺路线数据、产品物料清单数据和生产设备数据进行预处理,测算预计产出的半成品或成品在各工序各生产设备上的每小时产能,以及需求范围内的成本在各工序的加工时间。
S203、基于遗传算法对所述预处理后的基础工艺数据进行排程建模,得到排程方案。
在本实施例的一个可选实现方式中,基于工序的编码方式,将遗传算法中每个染色体用代表工序的基因组成,将产品和生产设备使用自然数进行编号作为变量,并将产品和生产设备的排序进行编码作为自然解,由编号从小到大进行计算,并在计算结束后对计算结果进行解码,获取排程方案。
在本实施例的一个可选实现方式中,对于铝型材制作工厂的多品种小批量的生产模式,基于工序的编码方式,对遗传算法中的染色体用代表工序的基因组成,工序包括挤压、时效、裁切三道工序,将产品和生产设备使用自然数进行编号作为变量,并将产品和生产设备的排序进行编码作为可能的自然解,当一个产品的排序的编码多次出现,表示该产品的多道工序,按照基因从左到右的顺序、编号从小到大进行计算。
在本实施例的一个可选实现方式中,在计算结束后,对计算结果进行解码,获取排程方案。
S102、获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案;
在本实施例的一个可选实现方式中,如图3所示,图3示出了本发明实施例一中的对排程方案进行优化的流程图,包括以下步骤:
S301、获取制造工厂在生产过程中影响碳足迹的因素,并从其中筛选出源于排程过程的影响因素;
在本实施例的一个可选实现方式中,制造工厂在生产过程中,包括原料采购、生产过程、产品运输三个方面的影响碳足迹的因素,其中,源于排程过程中的影响因素包括:
原料采购:原料包括铝棒合金中的铝(8.5kg CO2/吨),重量在物料BOM中提取;包材中的聚乙烯(PE)塑料薄膜中的铝(2.2kg CO2/公斤);辅料中的水基冷却剂中的铝(0.5kgCO2/公斤);采购成本中的柴油(2.7克/吨公里);采购成本中的距离、载重问题。
生产过程:包括能源消耗、设备功率、设备利用率OEE、能效系数、设备使用年限、设备自检损坏部件、定期维护成本、工作温度、工作气压、操作人员技能熟练度、生产计划、设备的工作时间,以及上一工序设备到下一工序设备的距离。
产品运输:产品在生产完毕后的运输距离和载重。
S302、基于所述源于排程过程的影响因素对所述排程方案进行优化,获取优化后的排程方案。
在本实施例的一个可选实现方式中,基于步骤S301中提出的源于排程过程的影响因素对所述排程方案进行优化,合理地将所述排程方案中的各工序排程进行优化,获取优化后的排程方案。
S103、基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
在本实施例的一个可选实现方式中,如图4所示,图4示出了本发明实施例一中的基于遗传算法进行计算的流程图,包括以下步骤:
S401、设置遗传算法的计算参数,并对所述计算参数进行初始化;
在本实施例的一个可选实现方式中,初始化计算参数C,F,Pt,M,Φ,Γ,Ψ,Τ,其中,C表示为染色体编码的方式,F定义为群体中个体的适应度函数,Pt表示种群的代数,初始代数为P0,M表示为每代种群数量的大小,Φ为种群中进行个体选择的算子,Ψ为染色体变异算子,Γ为个体产生下一代个体时进行交叉的算子,Τ为种群进行迭代的终止条件。
S402、构建类型编码,调用个体的编码算法基于所述优化后的排程方案生成初始种群数据;
在本实施例的一个可选实现方式中,定义种群进化迭代的次数为t,令t=0,调用个体的编码算法,随机生成N个主体构成初始群体P0,所述初始群体P0中,包括矩阵和/>矩阵,表达式如下:
;/>;
其中,矩阵为产品的排列矩阵,其中的元素/>表示第i个产品的第j道工序中使用第a台机器,当i相同时,j则表示第i个产品在所有生产设备中的排列;/>矩阵为生产设备的排列矩阵,其中的的元素/>表示第i台生产设备的第j次加工的产品编码,当i相同时,j表示第i台生产设备上所有产品的加工顺序。
S403、对所述初始种群数据分别进行交叉、变异操作,生成若干个新种群数据;
在本实施例的一个可选实现方式中,对初始群体P0,以Γ算子执行交叉操作,令t=t+1,产生包含N个个体群体Pt-1。
在本实施例的一个可选实现方式中,对初始群体P0,以Ψ算子执行变异操作,令t=t+1,产生包含N个个体群体Pt-2。
在本实施例的一个可选实现方式中,对P0、Pt-1、Pt-2群体中的适应度函数值以Φ算子执行筛选,取N个个体,令t=t+1,构成下一代群体P1。
在本实施例的一个可选实现方式中,重复上述操作,生成若干个新种群数据。
在本实施例的一个可选实现方式中,参数M设置为20,进化迭代次数t设置为120,用于交叉操作的算子Γ设置为0.75,用于变异操作的算子Ψ设置为0.02。
S404、将所述新种群数据进行解码,获取若干个新的排程方案。
在本实施例的一个可选实现方式中,利用个体的编码算法中的解码算法对所述新种群数据进行解码,获取若干个新的排程方案。
S104、基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案;
在本实施例的一个可选实现方式中,如图5所示,图5示出了本发明实施例一中的筛选满足碳足迹约束条件的排程方案的流程图,包括以下步骤:
S501、分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件;
在本实施例的一个可选实现方式中,分析制造工厂的产品从原材料包材、运输、生产过程(包括挤压、运输、时效、运输、裁切)、运输、下游制造商、企业用户、消费者、回收再生,再到原材料包装的过程中碳足迹的排放量,并基于上述排放量预设碳足迹约束条件。
在本实施例的一个可选实现方式中,所述碳足迹约束条件即综合考虑制造工厂的产品生产流程的碳足迹的排放量,结合政府的节能减排的要求,分析得出产品在整个生产流程中的碳足迹的排放量的限制条件。
S502、基于所述碳足迹约束条件筛选满足所述碳足迹约束条件的排程方案;
在本实施例的一个可选实现方式中,基于步骤S501中预设的碳足迹约束条件筛选满足所述碳足迹约束条件的排程方案。
S503、分析所述满足所述碳足迹约束条件的排程方案的资源需求满足程度,筛选出资源需求满足程度在合理范围内的排程方案。
需要说明的是,对于回收再生的铝型材产品,在不同的制造工厂中,所使用的回收材料所占百分比,即回收率的不同,因此对同一成品、统一工序经历同一台生产设备,其物料BOM依然可能会有所不同,此时在资源充足的情况下,优先选择回收率高的原材料所在的物料BOM作为选择的物料BOM,因此考虑上述因素对预设的碳足迹约束条件进行合理筛选。
S105、计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数;
在本实施例的一个可选实现方式中,分别提取单位产品在排程方案各个工序中的物料碳数据和能源碳数据,以及生产设备在排程方案中的运输碳数据,并将所述物料碳数据、能源碳数据和运输碳数据进行合并得出所有满足所述碳足迹约束条件的排程方案中的单位产品的碳足迹数据。
具体的,计算公式包括:
单位产品碳足迹=各工序物料碳总和+各工序能源碳总和+设备间运输碳总和;
物料碳=[1/2*原料回收率*(原料回收过程的碳排放系数+物料碳排放系数)+(1-原料回收率)*物料碳排放系数]*[根据需求量和物料BOM量倒推出的投入量*良率*(1-成材率)+投入量*(1-良率)];
能源碳=预计耗电量*其碳排放系数+预计燃气消耗量*其碳排放系数,其中,预计耗电量=历史生产设备电表生产时单位时间消耗量均值*预计生产时间+预计非生产时间(一小时内有生产任务)*历史生产设备电表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比,预计燃气消耗量=历史生产设备燃气表生产时单位时间消耗量均值*预计生产时间+预计非生产时间(一小时内有生产任务)*历史生产设备燃气表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比;
运输碳=设备间运输距离*根据需求量和物料BOM推算的预计良品数量/运输工具载重量*预计耗电量*电能碳排放系数[预计耗电量=历史生产设备电表生产时单位距离消耗量均值*预计运输距离]。
在本实施例的一个可选实现方式中,基于所述单位产品的碳足迹数据结合生产设备数据生成碳足迹总和最小的目标函数。
具体的,令产品i从上一生产设备到某工序生产设备k上产生的碳足迹为,目标要求碳足迹总和最小,则最小碳足迹为/>,所述碳足迹总和最小的目标函数的计算公式包括:
;
式中,为最小目标函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品最小碳足迹。
S106、基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案。
在本实施例的一个可选实现方式中,如图6所示,图6示出了本发明实施例一中的获取制造工厂最优排程方案的流程图,包括以下步骤:
S601、基于所述单位产品的碳足迹数据和碳足迹总和最小的目标函数生成适应度函数;
在本实施例的一个可选实现方式中,所述适应度函数的计算公式包括:
;
式中,为适应度函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品碳足迹。
S602、计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解;
在本实施例的一个可选实现方式中,对于多品种小批量的生产模式,若使得有碳足迹要求的产品在生产制造过程中碳足迹总和越小,则最接近最优解。
具体的,计算所有满足所述碳足迹约束条件的排程方案的单位产品的碳足迹,取碳足迹总和最小的单位产品所在的排程方案为最优解。
S603、基于遗传算法对所述最优解进行解码,获取最优产品工序矩阵;
在本实施例的一个可选实现方式中,基于遗传算法对所述最优解进行解码,分别获取最优解中的产品的排列矩阵、生产设备的排列矩阵以及产品碳足迹矩阵。
具体的,在本实施例中选取4*5规模的制造工厂作业车间排程的例子进行验证,则分别计算产品顺序矩阵、生产设备顺序矩阵以及产品碳足迹矩阵,其中,产品的排列矩阵、生产设备的排列矩阵/>、产品碳足迹矩阵/>分别如下所示:
;/>;
。
S604、将所述最优产品工序矩阵绘制成甘特图,并通过可视化工具进行显示。
在本实施例的一个可选实现方式中,结合产品顺序矩阵、生产设备顺序矩阵以及产品碳足迹矩阵生成甘特图,并通过可视化工具进行显示。
具体的,甘特图(Gantt chart)又称横道图、条状图,通过条状图来显示项目、进度和其它时间相关的系统进展的内在关系随着时间进展的情况。在本实施例中,可以突出产品和生产设备之间的对应关系,图形化概要,无需复杂的计算和分析,易于理解。
具体的,将步骤S604中的产品的排列矩阵、生产设备的排列矩阵/>、产品碳足迹矩阵/>综合绘制成对应的甘特图如图7所示,图7中,纵轴表示生产设备的编号,横轴表示时间。
具体的,产品的排列矩阵的第一排为第1个产品,其使用生产设备对应的编号依次为1、2、3、5、4,在图7中代表第1个产品的J1色块依次在机器1、机器2、机器3、机器5、机器4上进行加工,五个J1色块的长度依次为产品碳足迹矩阵/>第一排的5、2、1、5、4。
更多的,产品的排列矩阵的第二排为第2个产品,其使用生产设备对应的编号依次为2、3、4、1、5,在图7中代表第2个产品的J2色块依次在机器2、机器3、机器4、机器1、机器5上进行加工,五个J2色块的长度依次为产品碳足迹矩阵/>第二排的5、3、3、1、2。
更多的,产品的排列矩阵剩余的元素以此类推。
具体的,生产设备的排列矩阵的第一排为第1个生产设备的加工顺序,其加工的产品的编号依次为1、2、3、4,在图7中对应为生产设备1的J1色块、J2色块、J3色块、J4色块,长度依次为产品碳足迹矩阵/>第一列的5、5、4、3。
更多的,生产设备的排列矩阵的第二排为第2个生产设备的加工顺序,其加工的产品的编号依次为2、1、3、4,在图7中对应为生产设备2的J2色块、J1色块、J3色块、J4色块,长度依次为产品碳足迹矩阵/>第二列的2、3、2、6。
更多的,生产设备的排列矩阵以此类推。
综上,本发明实施例一提出了一种制造工厂排程计算的方法,基于遗传算法生成若干个排程方案,考虑各种影响因素和约束条件,并结合产品碳足迹数据和目标函数,计算适应度函数,求得最优排程方案,通过充分考虑碳排放的排程计算,结合排程计算和碳足迹计算技术实现以碳足迹最小为目标的排程方案计算及优化,满足了节能减排的目标,有助于降低制造工厂的碳排放在提高制造工厂生产效率的同时提高环保效益。
实施例二
本发明实施例二所涉及的一种制造工厂排程计算的系统,如图8所示,图8示出了本发明实施例二中的制造工厂排程计算的系统结构示意图,所述系统包括:
排程建模模块10,所述排程建模模块10用于获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
排程优化模块20,所述排程优化模块20用于获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案;
遗传计算模块30,所述遗传计算模块30用于基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
筛选模块40,所述筛选模块40用于基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案;
碳足迹计算模块50,所述碳足迹计算模块50用于计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数;
最优排程获取模块60,所述最优排程获取模块60用于基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案。
综上,本发明实施例二提出了一种制造工厂排程计算的系统,用于执行实施例一中的一种碳足迹最小的制造工厂排程计算的方法,基于遗传算法生成若干个排程方案,考虑各种影响因素和约束条件,并结合产品碳足迹数据和目标函数,计算适应度函数,求得最优排程方案,通过充分考虑碳排放的排程计算,结合排程计算和碳足迹计算技术实现以碳足迹最小为目标的排程方案计算及优化,满足了节能减排的目标,有助于降低制造工厂的碳排放在提高制造工厂生产效率的同时提高环保效益。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例进行了详细介绍,本文中采用了具体个例对本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;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种制造工厂排程计算的方法,其特征在于,所述方法包括:
获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案,所述获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案包括:获取制造工厂在生产过程中影响碳足迹的因素,并从其中筛选出源于排程过程的影响因素;基于所述源于排程过程的影响因素对所述排程方案进行优化,获取优化后的排程方案;
所述源于排程过程的影响因素包括原料采购、生产过程、产品运输三个方面的影响因素;
基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案,所述基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案包括:分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件;基于所述碳足迹约束条件筛选满足所述碳足迹约束条件的排程方案;分析所述满足所述碳足迹约束条件的排程方案的资源需求满足程度,筛选出资源需求满足程度在合理范围内的排程方案;
所述分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件包括:分析制造工厂的产品从原材料包材、运输、生产过程,包括挤压、运输、时效、运输、裁切、运输、下游制造商、企业用户、消费者、回收再生,再到原材料包装的过程中碳足迹的排放量,并基于上述排放量预设碳足迹约束条件;
计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数,所述计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数包括:分别提取单位产品在排程方案各个工序中的物料碳数据和能源碳数据,以及生产设备在排程方案中的运输碳数据,并将所述物料碳数据、能源碳数据和运输碳数据进行合并得出所有满足所述碳足迹约束条件的排程方案中的单位产品的碳足迹数据;基于所述单位产品的碳足迹数据结合生产设备数据生成碳足迹总和最小的目标函数;
所述单位产品的碳足迹数据的计算公式包括:
单位产品碳足迹=各工序物料碳总和+各工序能源碳总和+设备间运输碳总和;
其中,物料碳=[1/2*原料回收率*(原料回收过程的碳排放系数+物料碳排放系数)+(1-原料回收率)*物料碳排放系数]*[根据需求量和物料BOM量倒推出的投入量*良率*(1-成材率)+投入量*(1-良率)];
能源碳=预计耗电量*能源碳排放系数+预计燃气消耗量*能源碳排放系数,其中,预计耗电量=历史生产设备电表生产时单位时间消耗量均值*预计生产时间+预计非生产时间*历史生产设备电表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比,预计燃气消耗量=历史生产设备燃气表生产时单位时间消耗量均值*预计生产时间+预计非生产时间*历史生产设备燃气表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比;
运输碳=设备间运输距离*根据需求量和物料BOM推算的预计良品数量/运输工具载重量*预计耗电量*电能碳排放系数,其中,预计耗电量=历史生产设备电表生产时单位距离消耗量均值*预计运输距离;
所述碳足迹总和最小的目标函数的计算公式包括:
;
式中,为最小目标函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品最小碳足迹;
基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案,所述基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案包括:基于所述单位产品的碳足迹数据和碳足迹总和最小的目标函数生成适应度函数;计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解;基于遗传算法对所述最优解进行解码,获取最优产品工序矩阵;将所述最优产品工序矩阵绘制成甘特图,并通过可视化工具进行显示;
所述适应度函数的计算公式包括:
;
式中,为适应度函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品碳足迹;
所述最优产品工序矩阵包括产品顺序矩阵、生产设备排列矩阵、产品碳足迹矩阵;
所述计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解包括:
计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,并筛选出连续若干代单位产品的适应度函数值无明显变化的排程方案,并在所述连续若干代单位产品的适应度函数值无明显变化的排程方案中求得适应度函数最小的最优解。
2.如权利要求1所述的制造工厂排程计算的方法,其特征在于,所述获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案包括:
在制造工厂的数据库中提取制造工厂的基础工艺数据;
对所述基础工艺数据进行预处理,得到预处理后的基础工艺数据;
基于遗传算法对所述预处理后的基础工艺数据进行排程建模,得到排程方案。
3.如权利要求2所述的制造工厂排程计算的方法,其特征在于,所述基于遗传算法对所述预处理后的基础工艺数据进行排程建模,得到排程方案包括:
基于工序的编码方式,将遗传算法中每个染色体用代表工序的基因组成,将产品和生产设备使用自然数进行编号作为变量,并将产品和生产设备的排序进行编码作为自然解,由编号从小到大进行计算,并在计算结束后对计算结果进行解码,获取排程方案。
4.如权利要求1所述的制造工厂排程计算的方法,其特征在于,所述基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案包括:
设置遗传算法的计算参数,并对所述计算参数进行初始化;
构建类型编码,调用个体的编码算法基于所述优化后的排程方案生成初始种群数据;
对所述初始种群数据分别进行交叉、变异操作,生成若干个新种群数据;
将所述新种群数据进行解码,获取若干个新的排程方案。
5.一种制造工厂排程计算的系统,其特征在于,所述系统包括:
排程建模模块,所述排程建模模块用于获取制造工厂排程的基础工艺数据,并基于遗传算法对所述基础工艺数据进行排程建模,生成制造工厂的排程方案;
排程优化模块,所述排程优化模块用于获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案,所述获取制造工厂在排程过程中的影响因素,基于所述影响因素对所述排程方案进行优化,获取优化后的排程方案包括:获取制造工厂在生产过程中影响碳足迹的因素,并从其中筛选出源于排程过程的影响因素;基于所述源于排程过程的影响因素对所述排程方案进行优化,获取优化后的排程方案;
所述源于排程过程的影响因素包括原料采购、生产过程、产品运输三个方面的影响因素;
遗传计算模块,所述遗传计算模块用于基于遗传算法对所述优化后的排程方案进行计算,生成若干个新的排程方案;
筛选模块,所述筛选模块用于基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案,所述基于制造工厂的产品生产流程设置排程计算中的碳足迹约束条件,并从所有的排程方案中筛选出满足所述碳足迹约束条件的排程方案包括:分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件;基于所述碳足迹约束条件筛选满足所述碳足迹约束条件的排程方案;分析所述满足所述碳足迹约束条件的排程方案的资源需求满足程度,筛选出资源需求满足程度在合理范围内的排程方案;
所述分析制造工厂的产品生产流程的各个步骤中碳足迹的排放量,预设碳足迹约束条件包括:分析制造工厂的产品从原材料包材、运输、生产过程,包括挤压、运输、时效、运输、裁切、运输、下游制造商、企业用户、消费者、回收再生,再到原材料包装的过程中碳足迹的排放量,并基于上述排放量预设碳足迹约束条件;
碳足迹计算模块,所述碳足迹计算模块用于计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数,所述计算所有满足所述碳足迹约束条件的排程方案中的各个产品的碳足迹数据,并确定碳足迹总和最小的目标函数包括:分别提取单位产品在排程方案各个工序中的物料碳数据和能源碳数据,以及生产设备在排程方案中的运输碳数据,并将所述物料碳数据、能源碳数据和运输碳数据进行合并得出所有满足所述碳足迹约束条件的排程方案中的单位产品的碳足迹数据;基于所述单位产品的碳足迹数据结合生产设备数据生成碳足迹总和最小的目标函数;
所述单位产品的碳足迹数据的计算公式包括:
单位产品碳足迹=各工序物料碳总和+各工序能源碳总和+设备间运输碳总和;
其中,物料碳=[1/2*原料回收率*(原料回收过程的碳排放系数+物料碳排放系数)+(1-原料回收率)*物料碳排放系数]*[根据需求量和物料BOM量倒推出的投入量*良率*(1-成材率)+投入量*(1-良率)];
能源碳=预计耗电量*能源碳排放系数+预计燃气消耗量*能源碳排放系数,其中,预计耗电量=历史生产设备电表生产时单位时间消耗量均值*预计生产时间+预计非生产时间*历史生产设备电表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比,预计燃气消耗量=历史生产设备燃气表生产时单位时间消耗量均值*预计生产时间+预计非生产时间*历史生产设备燃气表空闲时单位时间消耗量均值*按计划期内各工序产量摊分的百分比;
运输碳=设备间运输距离*根据需求量和物料BOM推算的预计良品数量/运输工具载重量*预计耗电量*电能碳排放系数,其中,预计耗电量=历史生产设备电表生产时单位距离消耗量均值*预计运输距离;
所述碳足迹总和最小的目标函数的计算公式包括:
;
式中,为最小目标函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品最小碳足迹;
最优排程获取模块,所述最优排程获取模块用于基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案,所述基于碳足迹数据和目标函数计算所有满足所述碳足迹约束条件的排程方案的适应度函数,求得最优解,基于遗传算法对所述最优解进行解码,得到制造工厂的最优排程方案包括:基于所述单位产品的碳足迹数据和碳足迹总和最小的目标函数生成适应度函数;计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解;基于遗传算法对所述最优解进行解码,获取最优产品工序矩阵;将所述最优产品工序矩阵绘制成甘特图,并通过可视化工具进行显示;
所述适应度函数的计算公式包括:
;
式中,为适应度函数,/>与j为有碳足迹要求的产品的编号,m为生产设备的编号,/>为某工序生产设备编号,/>为单位产品碳足迹;
所述最优产品工序矩阵包括产品顺序矩阵、生产设备排列矩阵、产品碳足迹矩阵;
所述计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,求得适应度函数最小的最优解包括:
计算所有满足所述碳足迹约束条件的排程方案的单位产品的适应度函数,并筛选出连续若干代单位产品的适应度函数值无明显变化的排程方案,并在所述连续若干代单位产品的适应度函数值无明显变化的排程方案中求得适应度函数最小的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310844584.XA CN116629578B (zh) | 2023-07-11 | 2023-07-11 | 一种制造工厂排程计算的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310844584.XA CN116629578B (zh) | 2023-07-11 | 2023-07-11 | 一种制造工厂排程计算的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116629578A CN116629578A (zh) | 2023-08-22 |
CN116629578B true CN116629578B (zh) | 2024-03-22 |
Family
ID=87592328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310844584.XA Active CN116629578B (zh) | 2023-07-11 | 2023-07-11 | 一种制造工厂排程计算的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629578B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020031228A1 (ja) * | 2018-08-06 | 2020-02-13 | 三菱電機株式会社 | 生産スケジューリング装置、および生産スケジューリング方法 |
CN110956371A (zh) * | 2019-11-18 | 2020-04-03 | 杭州德意电器股份有限公司 | 面向复杂人机耦合的智能制造车间的绿色调度优化方法 |
CN111047081A (zh) * | 2019-11-28 | 2020-04-21 | 上海电机学院 | 一种面向绿色生产的制造资源配置优化决策方法 |
CN111208796A (zh) * | 2020-04-21 | 2020-05-29 | 天津开发区精诺瀚海数据科技有限公司 | 一种基于聚类小生境遗传算法的车间生产作业排程方法 |
CN112348323A (zh) * | 2020-10-23 | 2021-02-09 | 浙江中烟工业有限责任公司 | 一种多目标的能源供应与作业柔性排程方法 |
CN112907150A (zh) * | 2021-04-07 | 2021-06-04 | 江苏西格数据科技有限公司 | 一种基于遗传算法的生产排程方法 |
CN114004388A (zh) * | 2021-08-25 | 2022-02-01 | 宝山钢铁股份有限公司 | 一种适用于取向电工钢产线的一体化生产计划排程方法 |
CN115115193A (zh) * | 2022-06-14 | 2022-09-27 | 浙江大学 | 一种工业园区低碳分析及优化规划方法 |
CN115202311A (zh) * | 2022-08-30 | 2022-10-18 | 长鑫存储技术有限公司 | 一种半导体生产排程方法、系统、设备及存储介质 |
CN116401810A (zh) * | 2023-01-31 | 2023-07-07 | 上海电力大学 | 基于Petri网的熔盐制造过程碳能流建模与节能降碳优化方法 |
-
2023
- 2023-07-11 CN CN202310844584.XA patent/CN116629578B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020031228A1 (ja) * | 2018-08-06 | 2020-02-13 | 三菱電機株式会社 | 生産スケジューリング装置、および生産スケジューリング方法 |
TW202008090A (zh) * | 2018-08-06 | 2020-02-16 | 日商三菱電機股份有限公司 | 生產排程裝置及生產排程方法 |
CN110956371A (zh) * | 2019-11-18 | 2020-04-03 | 杭州德意电器股份有限公司 | 面向复杂人机耦合的智能制造车间的绿色调度优化方法 |
CN111047081A (zh) * | 2019-11-28 | 2020-04-21 | 上海电机学院 | 一种面向绿色生产的制造资源配置优化决策方法 |
CN111208796A (zh) * | 2020-04-21 | 2020-05-29 | 天津开发区精诺瀚海数据科技有限公司 | 一种基于聚类小生境遗传算法的车间生产作业排程方法 |
CN112348323A (zh) * | 2020-10-23 | 2021-02-09 | 浙江中烟工业有限责任公司 | 一种多目标的能源供应与作业柔性排程方法 |
CN112907150A (zh) * | 2021-04-07 | 2021-06-04 | 江苏西格数据科技有限公司 | 一种基于遗传算法的生产排程方法 |
CN114004388A (zh) * | 2021-08-25 | 2022-02-01 | 宝山钢铁股份有限公司 | 一种适用于取向电工钢产线的一体化生产计划排程方法 |
CN115115193A (zh) * | 2022-06-14 | 2022-09-27 | 浙江大学 | 一种工业园区低碳分析及优化规划方法 |
CN115202311A (zh) * | 2022-08-30 | 2022-10-18 | 长鑫存储技术有限公司 | 一种半导体生产排程方法、系统、设备及存储介质 |
CN116401810A (zh) * | 2023-01-31 | 2023-07-07 | 上海电力大学 | 基于Petri网的熔盐制造过程碳能流建模与节能降碳优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116629578A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A two-stage optimization method for energy-saving flexible job-shop scheduling based on energy dynamic characterization | |
Wang et al. | Dual-objective program and improved artificial bee colony for the optimization of energy-conscious milling parameters subject to multiple constraints | |
CN117252447B (zh) | 一种工业盐生产统计方法及系统 | |
Zhou et al. | Energy-efficient scheduling of a single batch processing machine with dynamic job arrival times | |
CN113379087A (zh) | 一种基于改进遗传算法的生产制造排产优化方法 | |
CN112907150B (zh) | 一种基于遗传算法的生产排程方法 | |
CN115700639B (zh) | 智能生产排程方法、装置、设备及存储介质 | |
Wu et al. | An improved multi-objective evolutionary algorithm based on decomposition for solving re-entrant hybrid flow shop scheduling problem with batch processing machines | |
Kong et al. | A new sustainable scheduling method for hybrid flow-shop subject to the characteristics of parallel machines | |
CN103927628A (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
Paul et al. | A disruption recovery model in a production-inventory system with demand uncertainty and process reliability | |
Sinaki et al. | A weighted multi-objective mathematical model for cell scheduling and environmentally sustainable supply chain network | |
Wang et al. | Novel energy-and maintenance-aware collaborative scheduling for a hybrid flow shop based on dual memetic algorithms | |
CN114510874A (zh) | 一种基于联合优化模型的生产调度和机器维护优化方法 | |
CN116629578B (zh) | 一种制造工厂排程计算的方法及系统 | |
Fan | Demand prediction of production materials and simulation of production management | |
Wang et al. | A possibilistic approach to the modeling and resolution of uncertain closed-loop logistics | |
Mehdizadeh et al. | Design of a mathematical model for logistic network in a multi-stage multi-product supply chain network and developing a metaheuristic algorithm | |
CN113485280A (zh) | 基于信息物理模型转换的新能源冲压车间调度系统与方法 | |
Hassangaviar et al. | A Multiobjective Model for Optimizing Green Closed‐Loop Supply Chain Network under Uncertain Environment by NSGA‐II Metaheuristic Algorithm | |
Xiong et al. | A framework for energy consumption reduction in sheet metal forming | |
Jiang et al. | A hybrid algorithm of tabu search and benders decomposition for multi-product production distribution network design | |
He et al. | Bi-objective Optimization of RCPSP under Time-of-use Electricity Tariffs | |
Yu et al. | A trade-off model for green supply chain design: an efficiency-versus-emission analysis | |
Heidari-Fathian et al. | Green supply chain network design under multi-mode production and uncertainty |
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 |