CN116976586A - 一种基于快速重排序的分组式非同等并行机调度优化方法 - Google Patents
一种基于快速重排序的分组式非同等并行机调度优化方法 Download PDFInfo
- Publication number
- CN116976586A CN116976586A CN202310701929.6A CN202310701929A CN116976586A CN 116976586 A CN116976586 A CN 116976586A CN 202310701929 A CN202310701929 A CN 202310701929A CN 116976586 A CN116976586 A CN 116976586A
- Authority
- CN
- China
- Prior art keywords
- scheme
- scheduling
- chromosome
- num
- shift
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 210000000349 chromosome Anatomy 0.000 claims description 78
- 239000011159 matrix material Substances 0.000 claims description 38
- 230000009191 jumping Effects 0.000 claims description 18
- 239000012634 fragment Substances 0.000 claims description 17
- 238000012797 qualification Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000013432 robust analysis Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 238000005215 recombination Methods 0.000 abstract description 3
- 230000006798 recombination Effects 0.000 abstract description 3
- 230000007717 exclusion Effects 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及并行机调度优化技术领域,更具体地,涉及一种基于快速重排序的分组式非同等并行机调度优化方法,整个分组式并行机调度优化方法根据其业务经验排产的调度方案作为初始解,设计一种基于快速全排列的邻域搜索算法,小范围内重组方案以延续人工制定方案的产品的多样化产出,保证周期交货压力,并且通过设计智能算法进行搜索减少换模次数以提高生产连续性,提高生产效率,最后利用企业的生产大数据,验证算法可行性,解决了产品与模具之间的关系映射需要大量计算的问题,同时车间单次调度大量的订单,并且涉及到的多种产品种类数量,需要考虑各种约束如产品互斥等限制,导致解空间被割裂成多个不同的区域,造成大量的不可行解的问题。
Description
技术领域
本发明涉及并行机调度优化技术领域,更具体地,涉及一种基于快速重排序的分组式非同等并行机调度优化方法。
背景技术
随着经济全球化及工业4.0的发展,制造业已成为各个国家国民经济的发展命脉,大多数制造业开始往智能制造、智能工厂方向转型升级,多品种、小批量、碎片化的订单给制造企业供应链带来巨大的冲击,尤其是给生产环节带来了巨大的挑战,同时当前企业生产成本一直居高不下,劳动力成本逐年上升,
企业实际生产中生产订单数量众多,交期不一,交付周期内交付压力大,同时产品数量繁多,单纯的依赖多目标算法得到的调度结果的可用性和置信度低,当前企业只能依赖于依靠计划员多年人工经验进行调度,然而计划人员考虑因素有限,依赖人工经验制定的调度方案虽然可以较好的满足交付需求,但换模较多,连续性较差,如何能够延续人工制定方案的产品的多样化产出,保证交付底线同时又可以提高产品的连续性,提高生产效率,增强企业的核心竞争力,优化生产调度是解决以上问题的有效手段;
然而车间生产约束有来自订单、产品、加工设备三个层次,这些约束又分别属于不同的时间维度、不同的生产阶段,且约束之间存在相互制约、相互促进的复杂关系,进一步加深了调度的复杂性,就约束条件而言,涉及订单需求、产品、机器、模具等多个要素,这些要素之间具有极大的相关性,又相互约束,错综复杂,面对这样一种大规模、多约束、多层次且层次间有强耦合关系的调度问题,当前调度方案的制定强烈依赖于人工,且人工调度方案生产连续性较差;非同等并行机调度问题是一个复杂的生产调度问题,并广泛应用于制造企业中;
发明内容
本发明为克服产品与模具之间的关系映射需要大量计算的问题,同时车间单次调度大量的订单,并且涉及到多种产品种类数量,需要考虑各种约束如产品互斥等限制,导致解空间被割裂成多个不同的区域,造成大量的不可行解,同时交叉和变异运算对解进行调整时,也会对其他约束条件产生负面影响,同时出现新的不可行解,需要耗费大量的计算资源用于对解进行修复工作,由此造成算法计算时间过长。
为实现上述目的,本发明提供如下技术方案:
一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,包括以下步骤:
S1:以企业计划人员人工制定的调度方案为初始解,对人工制定的调度方案进行编码,对编码后的方案解码成矩阵形式,输出表调度方案;
S2:对表调度方案使用变邻域搜索算法,通过不断迭代产生当前的调度方案;
S3:输出当前的调度方案。
进一步,步骤S1中,所述以企业计划人员手工制定的调度方案为初始解,对人工制定的调度方案编码成矩阵形式,具体为:
获取机器数目、工作班次、模具设备编号、加工的产品类型及工作班次信息,分别由机器数目和工作班次组成编码矩阵的行、列,由模具设备编号组成编码矩阵中每一个实数的整数部分,由该设备在该机器上的加工的产品类型组成编码矩阵的小数部分,由工作班次组成编码矩阵的实数所在列。
进一步,对编码后的方案解码成矩阵形式,输出表调度方案,具体为:
S1.1:查询机器资质矩阵,获得各加工机器编号;
S1.2:根据编码矩阵每一列实数整数位确定在各机器上使用的模具设备编号;
S1.3:通过编码矩阵中每一个实数的小数位确定机器加工产品的类型;
S1.4:根据编码矩阵的行数与工作日历的工作班次进行对应,输出表调度方案。
进一步,步骤S2中,在所述快速重排序算法的基础上设计了面向班次内、班次间的邻域结构。
进一步,步骤S2中,所述面向班次内的邻域结构具体为:
步骤1:找出调度方案染色体中发生换模、超过模具种类限制、跨边生产的班次集合;
步骤2:对于班次集合中班次染色体片段,计算优化目标值;
步骤3:取班次的区域;
步骤4:调用快速重排序算法,输入班次染色体片段,区域设备数量,区域模具种类数,获得区域重排序方案集合;
步骤5:获得区域重排序方案集合的每一个方案k;
步骤6:移除班次集合中方案k中排布的模具及数量;
步骤7:调用快速重排序算法,获得重排序方案集合;
步骤8:对方案k及重排序方案集合进行合并组合,新排列的组合方案即为已调度区域的可行域,跳转至步骤6,直到最后一个区域可得到班次的重排序方案;
步骤9:计算可得到班次的重排序方案中每一个方案m的优化目标值,取最高的优化目标值Xop;
步骤10:判断最高的优化目标值Xop是否大于步骤S2的优化目标值,若是,输出调整后的方案,若最高的优化目标值Xop的方案有多组,随机取一组方案输出,若否,保留原班次方案;
步骤11:将逐个原班次方案跳转至步骤2进行迭代;
步骤12:输出迭代后调度方案染色体。
进一步,步骤2中,所述优化目标值计算方法,具体为:
i为班次,j为机器,M为加工设备数量,J为工件,Yijm为班次i产品m是否在指定的机器j上加工。
进一步,步骤7中,所述快速重排序策略,具体为:
步骤7.1:输入调度方案染色体S,区域设备数量Num,区域模具种类数Spe_Num;
步骤7.2:统计染色体S中排产的模具类型及排布数量;
步骤7.3:记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤7.4:记模具集合为Mou_Set第一个模具在该区域可能排产的方案为集合List;
步骤7.5:对于模具集合为Mou_Set中模具i;
步骤7.6:判断模具i在区域内生产是否符合机器资质约束限制,若是,不做操作,若否,跳转至步骤10;
步骤7.7:检索模具集合Mou_Set中未参与调度模具数量总和记为Max_Num;
步骤7.8:判断未参与调度模具数量总和Max_Num是否小于等于区域设备数量Num,若是,删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于区域设备数量Num的方案,若否,不操作;
步骤7.9:对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域设备数量Num的方案,
步骤7.10:统计方案集合List中每一个方案j;
步骤7.11:统计方案j中模具种类数量,若大于模具种类数Spe_Num,则从方案List中移除方案j;
步骤7.12:输出重排序方案集合List。
进一步,所述面向班次间的邻域结构具体为:
步骤(a):对于线体调度方案染色体,对于单个班次的染色体片段m、n,令m=3,n=m+1;
步骤(b):计算染色体片段m、n的指标分别为f1、f2;
步骤(c):对于线体的每一个区域j,记区域j设备数量Num,区域模具种类数;
步骤(d):从染色体片段m、n取出区域j的排列方案,并从取出发生产品切换的染色体片段m1、n1,对染色体进行拼接后记为S1,记染色体片段m1中需调整设备的数量为Num1;
步骤(e):统计染色体S1中排产的模具类型及排布数量;记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤(f):记第一个模具其在Num1个设备上可能排产的方案为集合List;
步骤(g):对于Mou_Set中每一个模具i;
步骤(h):记模具i总数量为Moui,检索Mou_Set中未参与调度模具数量总和Max_Num;
步骤(i):判断若未参与调度模具数量总和小于等于需调整设备的数量Max_Num≤Num1,若是,则删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于需调整设备的数量Num1的方案,若否,则不进行操作;
步骤(j):对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域j设备数量Num的方案;
步骤(k):计算当前的集合List方案的数量记为Num2,判断 若是,随机取集合List中/>个方案,其余方案移除,否则不进行操作;
步骤(l):对于方案集合List的每一方案k;
步骤(m):取方案k前需调整设备的数量Num1个染色体片段,填入染色体片段m,后一段染色体片段填入染色体片段n;
步骤(n):分别计算染色体片段m、n所需使用的箱体模具、门体模具资源信息;
步骤(o):判断染色体片段m、n是否合法,若合法,进行下一步,若不合法,删除该方案,则跳转步骤(l);
步骤(p):计算染色体片段m、n的指标分别为f3、f4;
步骤(q):判断f1+f2是否大于f3+f4,若是,f1=f3,f2=f4,并标记方案k,若否,则跳转步骤(l);
步骤(r):判断重组后染色体片段m、n指标是否得到优化,若是,换下一个区域跳转至步骤(d),若否直接跳转步骤(d);
步骤(s):逐个班次进行迭代优化,跳转步骤(b),输出迭代后的染色体方案。
进一步,步骤(o)中,判断染色体片段m、n是否合法,具体为:若任一染色体片段生产所需的任一种箱体模具、门体模具资源超出线体供给能力,突破线体模具种类数量、区域模具种类数量或未遵循机器资质约束均视为不合法解。
进一步,步骤S3还包括算法稳健性分析,具体为:
fopt为每个案例运算的最优值,fmea为每个案例运算的平均值,fdev为计算目标函数偏差。
与现有技术相比,本发明技术方案的有益效果是:
本发明以计划人员根据其业务经验排产的调度方案作为初始解,设计一种基于快速全排列的邻域搜索算法,小范围内重组方案以延续人工制定方案的产品的多样化产出,保证周期交货压力,并且通过设计智能算法进行搜索减少换模次数以提高生产连续性,提高生产效率,最后利用企业的生产大数据,验证算法可行性。
附图说明
图1为本发明提供的一种基于快速重排序的分组式非同等并行机调度优化方法流程图;
图2为本发明实施例提供的一种基于快速重排序的分组式非同等并行机调度优化方法流程图;
图3为本发明实施例提供的矩阵编码示意图;
图4为本发明实施例提供的面向班次内的邻域结构流程图;
图5为本发明实施例提供的面向班次间的邻域结构流程图;
图6为本发明实施例提供的变邻域搜索算法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于快速重排序的分组式非同等并行机调度优化方法,如图1所示,包括如下步骤:
S1:以企业计划人员人工制定的调度方案为初始解,对人工制定的调度方案进行编码,对编码后的方案解码成矩阵形式,输出表调度方案;
S2:对表调度方案使用快速重排序算法,通过不断迭代产生当前的调度方案;
S3:输出当前的调度方案。
实施例2
本实施例在实施例1的基础上,继续公开以下内容:如图2所示,所述一种基于快速重排序的分组式非同等并行机调度优化方法具体包括如下步骤:
一种基于快速重排序的分组式非同等并行机调度优化方法以企业计划人员手工制定的调度方案为初始解,针对本问题约束多,按区域分组式布置的特征设计了基于区域的快速重排序算法,并以此为基础设计了两种邻域结构,小范围内重组方案以延续人工制定方案的产品的多样化产出,保证周期交货压力,并以换模次数为目标进行优化以提高生产连续性,提高生产效率。
实施例3
本实施例在实施例1的基础上,继续公开以下内容:
步骤S1中,所述以企业计划人员手工制定的调度方案为初始解,对人工制定的调度方案编码成矩阵形式,具体为:
获取机器数目、工作班次、模具设备编号、加工的产品类型及工作班次信息,
分别由机器数目和工作班次组成编码矩阵的行、列,由模具设备编号组成编码矩阵中每一个实数的整数部分,由该设备在该机器上的加工的产品类型组成编码矩阵的小数部分,由工作班次组成编码矩阵的实数所在列;
在本实施例中,如图3所示,以3个班次的调度方案,9台非同等并行机利用4种模具加工6种工件为例,由问题规模决定编码矩阵为9×6矩阵。
实施例4
本实施例在实施例3的基础上,继续公开以下内容:
对编码后的方案解码成矩阵形式,输出表调度方案,具体为:
S1.1:查询机器资质矩阵,获得各加工机器编号;
S1.2:根据编码矩阵每一列实数整数位确定在各机器上使用的模具设备编号;
S1.3:通过编码矩阵中每一个实数的小数位确定机器加工产品的类型;
S1.4:根据编码矩阵的行数与工作日历的工作班次进行对应,输出表调度方案;
上述编码方案的来着于为4月的1~3日且均开只开设白班,则上述部分编码可解码为表调度方案解码示意表1:
表1调度方案解码示意表
所述机器资质矩阵,如表2所示,
表2机器资质矩阵
实施例5
本实施例在实施例1的基础上,继续公开以下内容:步骤S2中,在所述基于区域的快速重排序策略的基础上设计了面向班次内、班次间的邻域结构;
实施例6
本实施例在实施例1的基础上,继续公开以下内容,如图4所示:步骤S2中,所述面向班次内的邻域结构具体为:
步骤1:找出调度方案染色体中发生换模、超过模具种类限制、跨边生产的班次集合;
步骤2:对于班次集合中班次染色体片段,计算优化目标值;
步骤3:取班次的区域;
步骤4:调用快速重排序算法,输入班次染色体片段,区域设备数量,区域模具种类数,获得区域重排序方案集合;
步骤5:获得区域重排序方案集合的每一个方案k;
步骤6:移除班次集合中方案k中排布的模具及数量;
步骤7:调用快速重排序算法,获得重排序方案集合;
步骤8:对方案k及重排序方案集合进行合并组合,新排列的组合方案即为已调度区域的可行域,跳转至步骤6,直到最后一个区域可得到班次的重排序方案;
步骤9:计算可得到班次的重排序方案中每一个方案m的优化目标值,取最高的优化目标值Xop;
步骤10:判断最高的优化目标值Xop是否大于步骤S2的优化目标值,若是,输出调整后的方案,若最高的优化目标值Xop的方案有多组,随机取一组方案输出,若否,保留原班次方案;
步骤11:将逐个原班次方案跳转至步骤2进行迭代;
步骤12:输出迭代后调度方案染色体。
实施例7
本实施例在实施例1的基础上,继续公开以下内容:步骤2中,所述优化目标值计算方法,具体为:
i为班次,j为机器,M为加工设备数量,J为工件,Yijm为班次i产品m是否在指定的机器j上加工。
实施例8
本实施例在实施例1的基础上,继续公开以下内容,如图6所示:步骤7中,所述快速重排序算法,具体为:
步骤7.1:输入调度方案染色体S,区域设备数量Num,区域模具种类数Spe_Num;
步骤7.2:统计染色体S中排产的模具类型及排布数量;
步骤7.3:记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤7.4:记模具集合为Mou_Set第一个模具在该区域可能排产的方案为集合List;
步骤7.5:对于模具集合为Mou_Set中模具i;
步骤7.6:判断模具i在区域内生产是否符合机器资质约束限制,若是,不做操作,若否,跳转至步骤10;
步骤7.7:检索模具集合Mou_Set中未参与调度模具数量总和记为Max_Num;
步骤7.8:判断未参与调度模具数量总和Max_Num是否小于等于区域设备数量Num,若是,删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于区域设备数量Num的方案,若否,不操作;
步骤7.9:对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域设备数量Num的方案,
步骤7.10:统计方案集合List中每一个方案j;
步骤7.11:统计方案j中模具种类数量,若大于模具种类数Spe_Num,则从方案List中移除方案j;
步骤7.12:输出重排序方案集合List。
邻域搜索一般利用含交换和插入对解进行扰动,本质上都是一些动作改变其列表的顺序。但是发泡车间生产车间按班次、按区域生产,并且具有很多的约束,常规算子容易产生非法解。因此本节设计了一个针对班次内生产区域的快速重排序策略,通过对现有调度方案的快速调整,来产生新的解,同时在生成的同时,提前切除非法解,提高算法效率。
在本实施例中所述面向班次间的邻域结构,如图5所示,具体为:
步骤(a):对于线体调度方案染色体,对于单个班次的染色体片段m、n,令m=3,n=m+1;
步骤(b):计算染色体片段m、n的指标分别为f1、f2;
步骤(c):对于线体的每一个区域j,记区域j设备数量Num,区域模具种类数;
步骤(d):从染色体片段m、n取出区域j的排列方案,并从取出发生产品切换的染色体片段m1、n1,对染色体进行拼接后记为S1,记染色体片段m1中需调整设备的数量为Num1;
步骤(e):统计染色体S1中排产的模具类型及排布数量;记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤(f):记第一个模具其在Num1个设备上可能排产的方案为集合List;
步骤(g):对于Mou_Set中每一个模具i;
步骤(h):记模具i总数量为Moui,检索Mou_Set中未参与调度模具数量总和Max_Num;
步骤(i):判断若未参与调度模具数量总和小于等于需调整设备的数量Max_Num≤Num1,若是,则删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于需调整设备的数量Num1的方案,若否,则不进行操作;
步骤(j):对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域j设备数量Num的方案;
步骤(k):计算当前的集合List方案的数量记为Num2,判断 若是,随机取集合List中/>个方案,其余方案移除,否则不进行操作;
步骤(l):对于方案集合List的每一方案k;
步骤(m):取方案k前需调整设备的数量Num1个染色体片段,填入染色体片段m,后一段染色体片段填入染色体片段n;
步骤(n):分别计算染色体片段m、n所需使用的箱体模具、门体模具资源信息;
步骤(o):判断染色体片段m、n是否合法,若合法,进行下一步,若不合法,删除该方案,则跳转步骤(l);
步骤(p):计算染色体片段m、n的指标分别为f3、f4;
步骤(q):判断f1+f2是否大于f3+f4,若是,f1=f3,f2=f4,并标记方案k,若否,则跳转步骤(l);
步骤(r):判断重组后染色体片段m、n指标是否得到优化,若是,换下一个区域跳转至步骤(d),若否直接跳转步骤(d);
步骤(s):逐个班次进行迭代优化,跳转步骤(b),输出迭代后的染色体方案。
步骤(o)中,判断染色体片段m、n是否合法,具体为:若任一染色体片段生产所需的任一种箱体模具、门体模具资源超出线体供给能力,突破线体模具种类数量、区域模具种类数量或未遵循机器资质约束均视为不合法解。
步骤S3还包括算法稳健性分析,具体为:
fopt为每个案例运算的最优值,fmea为每个案例运算的平均值,fdev为计算目标函数偏差。
为了验证算法的有效性,利用企业不同分组特性的产线不同调度时刻的实际生产数据进行案例分析;案例数据及部分数据特征见表3。
表3案例数据特征
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,包括以下步骤:
S1:以企业计划人员人工制定的调度方案为初始解,对人工制定的调度方案进行编码,对编码后的方案解码成矩阵形式,输出表调度方案;
S2:对表调度方案使用快速重排序算法,通过不断迭代产生当前的调度方案;
S3:输出当前的调度方案。
2.根据权利要求1所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤S1中,所述以企业计划人员手工制定的调度方案为初始解,对人工制定的调度方案编码成矩阵形式,具体为:
获取机器数目、工作班次、模具设备编号、加工的产品类型及工作班次信息,分别由机器数目和工作班次组成编码矩阵的行、列,由模具设备编号组成编码矩阵中每一个实数的整数部分,由该设备在该机器上的加工的产品类型组成编码矩阵的小数部分,由工作班次组成编码矩阵的实数所在列。
3.根据权利要求2所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,对编码后的方案解码成矩阵形式,输出表调度方案,具体为:
S1.1:查询机器资质矩阵,获得各加工机器编号;
S1.2:根据编码矩阵每一列实数整数位确定在各机器上使用的模具设备编号;
S1.3:通过编码矩阵中每一个实数的小数位确定机器加工产品的类型;
S1.4:根据编码矩阵的行数与工作日历的工作班次进行对应,输出表调度方案。
4.根据权利要求1所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤S2中,在所述快速重排序算法的基础上设计了面向班次内、班次间的邻域结构。
5.根据权利要求4所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,所述面向班次内的邻域结构具体为:
步骤1:找出调度方案染色体中发生换模、超过模具种类限制、跨边生产的班次集合;
步骤2:对于班次集合中班次染色体片段,计算优化目标值;
步骤3:取班次的区域;
步骤4:调用快速重排序算法,输入班次染色体片段,区域设备数量,区域模具种类数,获得区域重排序方案集合;
步骤5:获得区域重排序方案集合的每一个方案k;
步骤6:移除班次集合中方案k中排布的模具及数量;
步骤7:调用快速重排序算法,获得重排序方案集合;
步骤8:对方案k及重排序方案集合进行合并组合,新排列的组合方案即为已调度区域的可行域,跳转至步骤6,直到最后一个区域可得到班次的重排序方案;
步骤9:计算可得到班次的重排序方案中每一个方案m的优化目标值,取最高的优化目标值Xop;
步骤10:判断最高的优化目标值Xop是否大于步骤S2的优化目标值,若是,输出调整后的方案,若最高的优化目标值Xop的方案有多组,随机取一组方案输出,若否,保留原班次方案;
步骤11:将逐个原班次方案跳转至步骤2进行迭代;
步骤12:输出迭代后调度方案染色体。
6.根据权利要求5所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤2中,所述优化目标值计算方法,具体为:
式中i为班次,j为机器,M为加工设备数量,J为工件,Yijm为班次i产品m是否在指定的机器j上加工。
7.根据权利要求5所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤7中,所述快速重排序算法,具体为:
步骤7.1:输入调度方案染色体S,区域设备数量Num,区域模具种类数Spe_Num;
步骤7.2:统计染色体S中排产的模具类型及排布数量;
步骤7.3:记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤7.4:记模具集合为Mou_Set第一个模具在该区域可能排产的方案为集合List;
步骤7.5:对于模具集合为Mou_Set中模具i;
步骤7.6:判断模具i在区域内生产是否符合机器资质约束限制,若是,不做操作,若否,跳转至步骤10;
步骤7.7:检索模具集合Mou_Set中未参与调度模具数量总和记为Max_Num;
步骤7.8:判断未参与调度模具数量总和Max_Num是否小于等于区域设备数量Num,若是,删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于区域设备数量Num的方案,若否,不操作;
步骤7.9:对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域设备数量Num的方案,
步骤7.10:统计方案集合List中每一个方案j;
步骤7.11:统计方案j中模具种类数量,若大于模具种类数Spe_Num,则从方案List中移除方案j;
步骤7.12:输出重排序方案集合List。
8.根据权利要求4所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,所述面向班次间的邻域结构具体为:
步骤(a):对于线体调度方案染色体,对于单个班次的染色体片段m、n,令m=3,n=m+1;
步骤(b):计算染色体片段m、n的指标分别为f1、f2;
步骤(c):对于线体的每一个区域j,记区域j设备数量Num,区域模具种类数;
步骤(d):从染色体片段m、n取出区域j的排列方案,并从取出发生产品切换的染色体片段m1、n1,对染色体进行拼接后记为S1,记染色体片段m1中需调整设备的数量为Num1;
步骤(e):统计染色体S1中排产的模具类型及排布数量;记染色体S中模具集合为Mou_Set,按模具排布数量降序排序;
步骤(f):记第一个模具其在Num1个设备上可能排产的方案为集合List;
步骤(g):对于Mou_Set中每一个模具i;
步骤(h):记模具i总数量为Moui,检索Mou_Set中未参与调度模具数量总和Max_Num;
步骤(i):判断若未参与调度模具数量总和小于等于需调整设备的数量Max_Num≤Num1,若是,则删除List方案集合中排产数量加上未参与调度模具数量总和Max_Num大于等于需调整设备的数量Num1的方案,若否,则不进行操作;
步骤(j):对集合List中方案与模具i进行排列组合,并存入方案List,删除List中方案排产小于等于区域j设备数量Num的方案;
步骤(k):计算当前的集合List方案的数量记为Num2,判断≤Num2,若是,随机取集合List中/>个方案,其余方案移除,否则不进行操作;
步骤(l):对于方案集合List的每一方案k;
步骤(m):取方案k前需调整设备的数量Num1个染色体片段,填入染色体片段m,后一段染色体片段填入染色体片段n;
步骤(n):分别计算染色体片段m、n所需使用的箱体模具、门体模具资源信息;
步骤(o):判断染色体片段m、n是否合法,若合法,进行下一步,若不合法,删除该方案,则跳转步骤(l);
步骤(p):计算染色体片段m、n的指标分别为f3、f4;
步骤(q):判断f1+f2是否大于f3+f4,若是,f1=f3,f2=f4,并标记方案k,若否,则跳转步骤(l);
步骤(r):判断重组后染色体片段m、n指标是否得到优化,若是,换下一个区域跳转至步骤(d),若否直接跳转步骤(d);
步骤(s):对逐个班次进行迭代优化,跳转步骤(b),输出迭代后的染色体方案。
9.根据权利要求8所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤(o)中,所述判断染色体片段m、n是否合法,具体为:若任一染色体片段生产所需的任一种箱体模具、门体模具资源超出线体供给能力,突破线体模具种类数量、区域模具种类数量或未遵循机器资质约束均视为不合法解。
10.根据权利要求1至9任一项所述的一种基于快速重排序的分组式非同等并行机调度优化方法,其特征在于,步骤S3还包括算法稳健性分析,具体为:
fopt为每个案例运算的最优值,fmea为每个案例运算的平均值,fdev为计算目标函数偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310701929.6A CN116976586A (zh) | 2023-06-13 | 2023-06-13 | 一种基于快速重排序的分组式非同等并行机调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310701929.6A CN116976586A (zh) | 2023-06-13 | 2023-06-13 | 一种基于快速重排序的分组式非同等并行机调度优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116976586A true CN116976586A (zh) | 2023-10-31 |
Family
ID=88472019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310701929.6A Pending CN116976586A (zh) | 2023-06-13 | 2023-06-13 | 一种基于快速重排序的分组式非同等并行机调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976586A (zh) |
-
2023
- 2023-06-13 CN CN202310701929.6A patent/CN116976586A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102592031B (zh) | 绝缘纸板的自动排样方法 | |
CN111242503B (zh) | 一种基于两层遗传算法的多目标柔性作业车间调度方法 | |
CN112001618B (zh) | 一种工期指派、订单接受与生产调度集成优化方法 | |
CN113805545B (zh) | 一种考虑批处理的柔性流水车间组合调度规则生成方法 | |
WO2007078371A3 (en) | Spare parts inventory management | |
CN115049175A (zh) | 多产品的生产规划方法及装置、计算机设备及存储介质 | |
CN102651114A (zh) | 一种提高钢铁企业板坯利用率的板坯与合同转用匹配方法 | |
JP4757729B2 (ja) | 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
CN111401616B (zh) | 一种供应链环境下预制混凝土构件的双层调度方法 | |
CN110378583A (zh) | 一种拟关键路径同设备相邻工序互换方法 | |
JP2007188306A (ja) | 処理時間の確率分布を考慮したスケジューリング装置 | |
CN111651968A (zh) | Excel报表自动生成方法、系统及信息数据处理终端 | |
CN113487276B (zh) | 一种电气装备制造生产过程协同管理平台 | |
CN105955209B (zh) | 一种基于数据挖掘制造业工厂设备布局方法 | |
JP2007264682A (ja) | 鋼板製造における生産管理方法 | |
CN114037251A (zh) | 一种基于Petri网的制造系统成本最小化资源配置方法 | |
CN116976586A (zh) | 一种基于快速重排序的分组式非同等并行机调度优化方法 | |
JP4135311B2 (ja) | 生産計画作成方法およびそのシステム | |
CN111665799B (zh) | 一种基于协同算法的时间约束型并行机节能调度方法 | |
CN1584901A (zh) | 分类客户需求的方法、系统、储存媒体以及管理系统 | |
CN116300763B (zh) | 考虑机器配置的混合流水车间数学启发式调度方法及系统 | |
Kim et al. | Scheduling 3D printers with multiple printing alternatives | |
CN114019922A (zh) | 一种基于粒子群退火算法的电子精密件柔性车间排程方法 | |
CN113177667A (zh) | 一种基于改进遗传算法的电气装备制造资源优化配置方法 | |
CN109543930B (zh) | 基于机台多级别稳态生产速率的派工方法及系统 |
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 |