CN116796974A - 一种增材制造排产方法、装置、设备及存储介质 - Google Patents
一种增材制造排产方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116796974A CN116796974A CN202310749896.2A CN202310749896A CN116796974A CN 116796974 A CN116796974 A CN 116796974A CN 202310749896 A CN202310749896 A CN 202310749896A CN 116796974 A CN116796974 A CN 116796974A
- Authority
- CN
- China
- Prior art keywords
- production
- target
- time
- target product
- additive manufacturing
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000654 additive Substances 0.000 title claims abstract description 37
- 230000000996 additive effect Effects 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 230000002068 genetic effect Effects 0.000 claims abstract description 24
- 238000003754 machining Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000012255 powdered metal Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000926 separation method Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Manufacturing & Machinery (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种增材制造排产方法、装置、设备及存储介质,通过读取各种设备对各产品的生产描述;分析各产品不同数量时最短时间生产模式;用快速方法获得近似最优解作为近似最优解排产矩阵,将近似最优解排产矩阵作为基于遗传算法的生产制造排产模型的初始化排产矩阵,可以有效的提高生产制造排产模型的计算速度,可节省大量时间。
Description
技术领域
本发明涉及生产排产技术领域,特别是涉及一种增材制造排产方法、装置、设备及存储介质。
背景技术
3D打印(3DP)即快速成型技术的一种,又称增材制造,它是一种以数字模型文件为基础,运用粉末状金属或塑料等可粘合材料,通过逐层打印的方式来构造物体的技术。
3D打印通常是采用数字技术材料打印机来实现的。常在模具制造、工业设计等领域被用于制造模型,后逐渐用于一些产品的直接制造,已经有使用这种技术打印而成的零部件。该技术在珠宝、鞋类、工业设计、建筑、工程和施工(AEC)、汽车,航空航天、牙科和医疗产业、教育、地理信息系统、土木工程、枪支以及其他领域都有所应用。
增材制造,采用逐层构建零部件的方法制造零件,具有快速成形、无模具制造、可实现高复杂度、容易实现结构化/轻量化设计、设备通用性强、容易实现个性化制造等优点。由于厂区内经常设置多种设备,而每种设备都有可能制造出各类零件,而且可能可以同时生产出多个零件。对于具有多种设备或者只有一种设备的车间,不同的加工组合,其总成本都有可能是不一样的。因此如何安排各种设备的排产方式,从而使生产的经历的时间最短,显得尤为重要了。
排产问题在数学上已经被证明是NP难问题,近年来针对排产优化问题国内外提出了很多方法,如遗传算法、拉格朗日松弛法、整数归纳法等多种算法,其中遗传算法因其快速的全局最优搜索能力获得了众多学者的重视。许多学者使用遗传算法进行排产优化,取得了不错的效果,但是如果完全用遗传算法求解,则耗费时间较大。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种增材制造排产方法、装置、设备及存储介质。
本发明提供了如下方案:
一种增材制造排产方法,包括:
获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
优选地:所述生产描述文件以文本文件形式存在。
优选地:所述生产描述文件还包括每个设备类型的设备个数、交付完成期限、延迟惩罚系数以及任务零件数。
优选地:统计获取每种设备生产指定数量的每种产品所需的最短时间并保存为最短时间表。
优选地:利用遗传算法获取每种设备生产指定数量的每种产品所需的最短时间。
一种增材制造排产装置,所述装置包括:
生产描述文件获取单元,用于获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
最短时间模式确定单元,用于确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
需求时间预估单元,用于预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
需求时间之和统计单元,用于统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
目标设备确定单元,用于剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
顺序排列单元,用于根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
近似最优解排产矩阵获取单元,用于以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
最优排产结果输出单元,用于将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
一种增材制造排产设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述的增材制造排产方法。
一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述的增材制造排产方法。
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:
本申请实施例提供的一种增材制造排产方法、装置、设备及存储介质,通过读取各种设备对各产品的生产描述;分析各产品不同数量时最短时间生产模式;用快速方法获得近似最优解作为近似最优解排产矩阵,将近似最优解排产矩阵作为基于遗传算法的生产制造排产模型的初始化排产矩阵,可以有效的提高生产制造排产模型的计算速度,可节省大量时间。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
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说,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是本发明实施例提供的一种增材制造排产方法的流程图;
图2是本发明实施例提供的一种增材制造排产装置的示意图;
图3是本发明实施例提供的一种增材制造排产设备的示意图。
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所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,为本发明实施例提供的一种增材制造排产方法,如图1所示,该方法可以包括:
S101:获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;具体的,所述生产描述文件以文本文件形式存在。所述生产描述文件还包括每个设备类型的设备个数、交付完成期限、延迟惩罚系数以及任务零件数。
S102:确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
S103:预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
S104:统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
S105:剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
S106:根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
S107:以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
S108:将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
本申请实施例提供的增材制造排产方法,在采用基于遗传算法的生产制造排产模型进行最优排产结果求解之前,根据先验知识获得分析结果,按照常识处理,预先获得近似最优解作为生产制造排产模型的初始化排产矩阵,则可节省大量求解时间。
为了方便后续使用,本申请实施例还可以提供统计获取每种设备生产指定数量的每种产品所需的最短时间并保存为最短时间表。具体的,利用遗传算法获取每种设备生产指定数量的每种产品所需的最短时间。
下面对本申请实施例提供的方法进行详细说明。
构建生产描述,生产描述以文本文件存在。
@timecostm定义指定产品在指定设备种类上加工时间和成本,第一个产品编号,第二个设备类型号,然后括弧对,括弧内若为2个数,则括弧内为加工时间和总成本,括弧对序号为同时加工件数,从1开始;若括弧内为3个数,则括弧内同时加工件数、加工时间、总成本。多个描述之间以';'或新行分隔。
@devnum定义每个设备类型的设备个数。
@duty定义交付完成期限,0表示无期限,缺省为0。
@punish定义延迟惩罚系数,缺省为0。
@part定义任务零件数,1表示不可分割,缺省为1。
分析设备对产品的最短时间生产模式,设某种产品在各种设备上同时加工件数为n,分析获取同时加工从1到n件该产品时最短时间模式。
快速近似最优解,如果完全用遗传算法求解,则耗费时间较大。如果根据前面的分析结果,按照常识处理,预先获得近似最优解,则可节省大量时间。
1、统计针对各个产品的系统综合能力参数;
2、预估各个产品的最小需求时间;
3、预估各个产品的最大需求时间;
4、统计所有产品的最小需求时间之和、最大需求时间之和;
5、剔除在最大需求时间之和的时间都没法完成一轮的设备;
6、根据各个产品的最小需求时间,统计各个产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
7、产品安排顺序以对系统的能力需求百分比大小为先后,首先在安排剩余的设备中针对产品最高效的设备安排,然后次之,直到到达所需百分比能力;然后安排下一百分比需求的产品。尽量安排完所有设备,除非该种设备在所有都完成的时间内都没法完成一轮。
某种设备生产某种产品最短时间表建立,求解中,需要频繁查询某种设备生产指定数量的某种产品所需的最短时间。如果完全建立该表,需要很长的时间,但该表需要查询到的元素比较少,不需要完全建立,仅在需要某个表项时才建立该表项并保存。建立表项采用遗传算法建立。
另外,建立表项时,一些明显的先验知识可以利用。因此,先用先验知识建立表项初步内容,再使用遗传算法求解,可达到迅速准确的求解。
遗传算法求解最终结果,在近似解基础上,用生产制造排产模型的遗传算法求解最优结果。
可以理解的是,本申请实施例提供的生产制造排产模型可以采用现有技术中采用遗传算法为核心算法的排产模型。例如,在一种实现方式下,在具体进行求解过程中,首先种群初始化模块,用于种群初始化;其中,种群包括多个个体,多个个体为近似最优解排产矩阵包含的各个设备以及具有预先获得的排列顺序,用于计算每个个体的适应度值;选择模块,用于利用轮盘赌选择方法,从种群中选择出适应度大的个体进入下一代种群;交叉变异模块,用于对下一代种群进行交叉操作和变异操作;判断模块,用于判断是否满足停止条件;若不满足停止条件,则返回种群初始化的步骤,若满足停止条件,则输出最优排产结果。
总之,本申请提供的增材制造排产方法,通过读取各种设备对各产品的生产描述;分析各产品不同数量时最短时间生产模式;用快速方法获得近似最优解作为近似最优解排产矩阵,将近似最优解排产矩阵作为基于遗传算法的生产制造排产模型的初始化排产矩阵,可以有效的提高生产制造排产模型的计算速度,可节省大量时间。
参见图2,本申请实施例还可以提供一种增材制造排产装置,如图2所示,该装置可以包括:
生产描述文件获取单元201,用于获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
最短时间模式确定单元202,用于确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
需求时间预估单元203,用于预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
需求时间之和统计单元204,用于统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
目标设备确定单元205,用于剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
顺序排列单元206,用于根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
近似最优解排产矩阵获取单元207,用于以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
最优排产结果输出单元208,用于将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
本申请实施例还可以提供一种增材制造排产设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述的增材制造排产方法的步骤。
如图3所示,本申请实施例提供的一种增材制造排产设备,可以包括:处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
在本申请实施例中,处理器10可以为中央处理器(Central Processing Unit,CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
处理器10可以调用存储器11中存储的程序,具体的,处理器10可以执行增材制造排产方法的实施例中的操作。
存储器11中用于存放一个或者一个以上程序,程序可以包括程序代码,程序代码包括计算机操作指令,在本申请实施例中,存储器11中至少存储有用于实现以下功能的程序:
获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
在一种可能的实现方式中,存储器11可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,以及至少一个功能(比如文件创建功能、数据读写功能)所需的应用程序等;存储数据区可存储使用过程中所创建的数据,如初始化数据等。
此外,存储器11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或其他易失性固态存储器件。
通信接口12可以为通信模块的接口,用于与其他设备或者系统连接。
当然,需要说明的是,图3所示的结构并不构成对本申请实施例中增材制造排产设备的限定,在实际应用中增材制造排产设备可以包括比图3所示的更多或更少的部件,或者组合某些部件。
本申请实施例还可以提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述的增材制造排产方法的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加上必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (8)
1.一种增材制造排产方法,其特征在于,包括:
获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
2.根据权利要求1所述的增材制造排产方法,其特征在于,所述生产描述文件以文本文件形式存在。
3.根据权利要求2所述的增材制造排产方法,其特征在于,所述生产描述文件还包括每个设备类型的设备个数、交付完成期限、延迟惩罚系数以及任务零件数。
4.根据权利要求1所述的增材制造排产方法,其特征在于,统计获取每种设备生产指定数量的每种产品所需的最短时间并保存为最短时间表。
5.根据权利要求4所述的增材制造排产方法,其特征在于,利用遗传算法获取每种设备生产指定数量的每种产品所需的最短时间。
6.一种增材制造排产装置,其特征在于,所述装置包括:
生产描述文件获取单元,用于获取车间内所有设备各自的生产描述文件;所述生产描述文件包括各个目标产品在每种设备种类上加工时间和成本;
最短时间模式确定单元,用于确定各个所述目标产品的各个目标加工件数,分析获取加工各个所述目标加工件数的各个所述目标产品分别所需最短时间模式;
需求时间预估单元,用于预估各个所述目标产品的最小需求时间以及各个所述目标产品的最大需求时间;
需求时间之和统计单元,用于统计所有所述目标产品的最小需求时间之和以及最大需求时间之和;
目标设备确定单元,用于剔除在最大需求时间之和的时间内没法完成一轮的设备获得若干目标设备;
顺序排列单元,用于根据各个所述目标产品的最小需求时间,统计各个所述目标产品对系统的能力需求百分比,将百分比按从大到小的顺序排列;
近似最优解排产矩阵获取单元,用于以对系统的能力需求百分比大小为先后,在若干所述目标设备中针对各个所述目标产品最高效的设备优先安排,然后次之,直到到达所需百分比能力;安排下一百分比需求的产品,直至安排完所有设备获得近似最优解排产矩阵;
最优排产结果输出单元,用于将所述近似最优解排产矩阵作为初始化排产矩阵输入基于遗传算法的生产制造排产模型中,以便所述生产制造排产模型输出最优排产结果。
7.一种增材制造排产设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的增材制造排产方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-5任一项所述的增材制造排产方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310749896.2A CN116796974A (zh) | 2023-06-21 | 2023-06-21 | 一种增材制造排产方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310749896.2A CN116796974A (zh) | 2023-06-21 | 2023-06-21 | 一种增材制造排产方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116796974A true CN116796974A (zh) | 2023-09-22 |
Family
ID=88034286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310749896.2A Pending CN116796974A (zh) | 2023-06-21 | 2023-06-21 | 一种增材制造排产方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796974A (zh) |
-
2023
- 2023-06-21 CN CN202310749896.2A patent/CN116796974A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122055B (zh) | 一种流水车间的资源调度方法及装置 | |
Pal et al. | Rapid tooling route selection and evaluation for sand and investment casting | |
US20070117230A1 (en) | Computer readable storage medium for work-in-process schedules | |
CN110597292A (zh) | 无人机集群作业规划方法及装置 | |
JP2023120168A (ja) | 半導体工場における待ち時間予測のための方法 | |
Akintseva et al. | Complex optimization of parameters for controlling the cycle of internal grinding by the method of dynamic programming | |
Wang et al. | Transients in flexible manufacturing systems with setups and batch operations: Modeling, analysis, and design | |
CN106327053B (zh) | 一种基于多模式集合的纺织工艺推荐模型的构建方法 | |
CN114626745A (zh) | 一种排产计划生成方法、系统、介质及电子终端 | |
Hu et al. | Joint optimization of production planning and capacity adjustment for assembly system | |
CN105577824B (zh) | 面向云制造的3d打印加工任务处理方法及装置 | |
Helber et al. | Setting inventory levels of CONWIP flow lines via linear programming | |
CN116796974A (zh) | 一种增材制造排产方法、装置、设备及存储介质 | |
Vaghefinezhad et al. | A genetic algorithm approach for solving a flexible job shop scheduling problem | |
Yusriski et al. | Integer batch scheduling problems for a single-machine to minimize total actual flow time | |
Fu et al. | Note—optimal component acquisition for a single-product, single-demand assemble-to-order problem with expediting | |
CN111273624B (zh) | 具有专用缓冲区的柔性离散制造系统暂态性能预测方法 | |
Lazár et al. | Verification of sequential patterns in production using information entropy | |
CN114091821A (zh) | 一种冰箱产业生产排程数据处理方法和装置 | |
CN111754112A (zh) | 生产加工过程中同步工序场景的自动化控制方法及介质 | |
JP5359312B2 (ja) | 製造ラインの工程管理方法および工程管理システム | |
Florjanič et al. | Neural Network-Based Model for Supporting the Expert Driven Project Estimation Process in Mold Manufacturing. | |
EP4053657A1 (en) | Method for allocating resources to machines of a production facility | |
CN115230166B (zh) | 一种3d打印机的并行控制方法、装置及系统 | |
Ang et al. | Simulation of sequencing rules using witness in a milling job shop |
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 |