CN117236680A - 一种基于粒子群优化的梁厂管理优化系统及方法 - Google Patents
一种基于粒子群优化的梁厂管理优化系统及方法 Download PDFInfo
- Publication number
- CN117236680A CN117236680A CN202311185221.6A CN202311185221A CN117236680A CN 117236680 A CN117236680 A CN 117236680A CN 202311185221 A CN202311185221 A CN 202311185221A CN 117236680 A CN117236680 A CN 117236680A
- Authority
- CN
- China
- Prior art keywords
- production
- equipment
- particle
- optimization
- particle swarm
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 167
- 238000005457 optimization Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000004519 manufacturing process Methods 0.000 claims abstract description 261
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 91
- 230000008569 process Effects 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 16
- 230000006978 adaptation Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013439 planning Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010924 continuous production Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000009440 infrastructure construction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于粒子群优化的梁厂管理优化系统和方法,涉及智慧梁厂技术领域,包括粒子群优化单元、制梁任务管理单元和制梁人机实施单元,所述粒子群优化单元用于搜索寻找用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测,所述制梁任务管理单元用于启用粒子群优化单元并接收其找寻的制梁任务计划的解决方案最优解,所述制梁人机实施单元用于对制梁任务进行施工的管理安排。显著提高了梁厂在智能管理上对制梁生产的管理优化效果,减少了各制梁工序中的生产时间和制梁成本,降低了产品出现缺陷的几率,明显提高了制梁生产效率和制梁生产良品率。
Description
技术领域
本发明涉及智慧梁厂技术领域,具体涉及一种基于粒子群优化的梁厂管理优化系统及方法。
背景技术
随着基础设施建设如火如荼的进行,预制梁厂施工技术在预制场标准化建设、技术队伍的合理组合、先进机械设备的使用、模式化流程、工序和材料的管控等方面,均取得了跨越式发展,但目前基础设施建设的的信息化、智能化程度仍有待提高,推进基础设施的信息化、智能化建设是当前亟待解决的问题。目前大部分预制梁厂较为先进的梁厂管控模式大部分依托BIM模型能够初步实现信息化管理,但梁厂智能化管控程度不高,运用数字孪生技术解决预制构件生产调度问题的研究还较为匮乏,均存在信息化和智能化程度低、制梁生产效率低、制梁库存积压、安全质量不易保证等问题,在梁厂运转过程中缺乏现代化的智能技术管理,对制梁任务进行制定时缺乏获取积极效益最佳化的有效方式,不利于现代化智能梁厂的建设和智慧化工序的实施。
发明内容
本发明提供一种基于粒子群优化的梁厂管理优化系统及方法,解决现有梁厂管理优化上缺乏信息化的优化调节和缺少对最优生产方式进行找寻的问题。
本发明通过下述技术方案实现:
一种基于粒子群优化的梁厂管理优化系统,该系统包括粒子群优化单元、制梁任务管理单元和制梁人机实施单元,所述粒子群优化单元用于对梁厂中的工序、工人和设备进行生产初始数据的初步收集,并将初步收集结果发送至制梁任务管理单元,之后在粒子群决策空间中搜索寻找用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测,优化结束后将解决方案最优解和预测结果发送至制梁任务管理单元;所述制梁任务管理单元用于启用粒子群优化单元并接收其找寻的制梁任务计划的解决方案最优解,结合接收的生产初始数据和解决方案最优解制定制梁任务计划并发送至制梁人机实施单元,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存;所述制梁人机实施单元用于对制梁任务进行施工的管理安排,根据来自制梁任务管理单元的最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将人机作息策略和实时监测的数据结果发送至制梁任务单元。目前现有的梁厂智能化管控程度不高,运用数字孪生技术解决预制构件生产调度问题的研究还较为匮乏,均存在信息化和智能化程度低、制梁生产效率低、制梁库存积压、安全质量不易保证等问题,在梁厂运转过程中缺乏现代化的智能技术管理,对制梁任务进行制定时缺乏获取积极效益最佳化的有效方式,不利于现代化智能梁厂的建设和智慧化工序的实施。因此本发明提供一种基于粒子群优化的梁厂管理优化系统及方法,解决现有梁厂管理优化上缺乏信息化的优化调节和缺少对最优生产方式进行找寻的问题。
进一步地,所述粒子群决策空间包括粒子位置、粒子速度、粒子最优位置和群体最优位置,所述粒子位置用于表示制梁任务计划中的一个与工人、设备或工序相关的变量值;所述粒子速度用于表示制梁任务计划中该粒子位置对应的变量值的变化量;所述粒子最优位置用于表示在制梁任务计划中最适合某一个工人或某一台设备的工作状态要求和所需的负载工作量;所述群体最优位置用于表示在制梁任务计划生产的变量总适应度值为最佳的情况下,所有粒子当前所处的具体位置,此时为解决方案最优解。
进一步地,对所述梁厂运行趋势的预测包括:
制梁生产量和生产效率预测:根据历史制梁生产数据、工人和设备的工作效率变化、季节性因素影响等预测未来每月或每季的生产量,制梁任务管理单元通过对制梁生产量和生产效率预测进行生产计划和生产流程的调整,并针对资源消耗情况对粒子群优化单元发出指令以重新寻找解决方案最优解用以避免过剩生产;
工人积极性和设备故障预测:根据工人的工作效率和质量、工作出勤率并结合工作时间段和工序难度等级等数据预测未来工人工作积极性的趋势,同时根据设备运行数据、设备维护记录、设备使用频率等预测未来设备故障情况,制梁任务管理单元针对工人积极性和设备故障预测对粒子群优化单元发出指令以重新寻找解决方案最优解并将结果发送至制梁人机实施单元,用于对梁厂管理方案增设工人激励措施、弹性生产计划和设备定期维护;
市场需求和资源供给预测:根据历史去库存数据、季节性因素等预测未来每月或每季的市场需求,同时根据当前的制梁生产计划、工人和设备的工作状态、合作方运营情况等预测每月或每季的资源需求,制梁任务管理单元通过对市场需求和资源供给预测,对粒子群优化单元发出指令以重新寻找解决方案最优解,用于调整制梁生产计划并优化生产流程资源分配。
进一步地,所述人机作息策略包括:
可中断工序管理:对非休息时段正常停工的异常中断情况记录原因,并对不同中断情况设置不同的恢复优先级,并在中断情况恢复后通过制梁任务管理单元对中断后重新恢复启动的工序保持施工监管,并将监管记录与正常工序进行差错评估以判断该工序是否需进行修补;
不可中断工序管理:通过制梁任务管理单元接收人机作息策略后进行自动监管控制,将不可中断工序设置独立工作区,对常见中断情况预设对应的冗余设备用以确保连续生产,对非常见中断情况的原因和中断前的工作进度数据进行记录,同时均启用备份能源和告警系统分别用于对生产线提供临时的冗余供电和通知应急维护工人对中断情况进行维护修补;
人机协作和生产预测管理:对工人和设备在不同生产任务上设置不同的优先级分配和工作时间调整以避免生产安全问题和确保制梁生产的连续性,同时在每个工序处设置反馈通道,用于工人在直接向制梁任务管理单元反馈制梁生产的异常或不足。
进一步地,所述完成度评估的变量包括生产的梁的总产量、梁的良品产量以及生产时间,结合梁厂的制梁单件净利润、良品率权重占比和效率权重占比计算出变量总适应度值,之后通过实际生产中的变量总适应度值与解决方案最优解中对应的变量总适应度值进行对比得出本次制梁任务计划是否符合生产。
一种基于粒子群优化的梁厂管理优化方法,该方法包括:
步骤S1:对梁厂中的工序、工人和设备的生产初始数据进行初步收集,之后使用粒子群优化方法,在粒子群决策空间中通过粒子群的速度和质量来寻找各粒子的最佳位置,寻找出用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测分析;
步骤S2:结合接收到的解决方案最优解和初步采集到的工人和设备的生产初始数据制定制梁任务计划,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存;
步骤S3:根据最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置并开始生产作业,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将人机作息策略和实时监测结果进行存储分析;
步骤S4:将监测到的工人生产和设备运转的状态分析数据进行定时更新,并将每次得出的状态分析数据与当前制梁生产过程中实施的人机作息策略进行生产状态保持对比,同时将梁厂中各生产变量与当前解决方案最优解中的生产变量保持对比以确认当前生产是否良好。
进一步地,所述粒子群优化方法的优化步骤包括:
步骤A1:确定梁厂制梁工人、设备或工序中的优化目标和适应度目标,并根据生产初始数据中有关制梁良品率和制梁效率的变量构建与粒子对应的适应度函数,并根据适应度函数确定粒子的适应度,根据优劣程度对粒子进行整理并辅助搜索更优解的方向,并通过不同时刻的适应度值评估优化效果;
步骤A2:根据生产初始数据和粒子在梁厂中表示的变量,并将粒子随机初始化生成粒子群覆盖至搜索空间并开始进行寻找最优解计算,同时根据每个粒子设置的梁厂变量的适应度函数计算粒子在制梁过程中的适应度值;
步骤A3:根据梁厂中的生产变量设定粒子的约束条件,判断搜索到的解是否为制梁工序的解决方案最优解,如果是则结束搜索并将解决方案最优解发送至制梁任务管理单元,如果不是则更新粒子速度和位置并评估每个粒子的函数适应度值,用于更新解决方案的全局最优解。
进一步地,所述寻找最优解计算的算法包括:
设在一个N维空间进行搜索,粒子i的信息可用两个N维向量来表示:
位置向量:,
速度向量:,
基于粒子自身这两个向量和两个极值pbest和gbest,运用下式进行解的迭代:
,
,
其中,是粒子i当前速度的惯性系数;/>是粒子i在第k次迭代中第d维的速度;是粒子i在第k次迭代中第d维的当前位置;i=1,2,3…,M,其中M为种群大小;c1、c2为学习因子和加速系数。
进一步地,所述粒子的约束条件设置为:
j,j'…n为作业编号,h=1,2,…为设备编号,i=1,2,…m为工序编号,则约束条件用下列算式表示:
,/>,/>,。
进一步地,所述约束条件可通过下列算式进一步限定:
,
其中,/>,/>,/>,,
所述为工序i中作业j的完工时间,/>设置为决策变量,作业j设置表示为作业j'的紧前作业单位。
本发明与现有技术相比,具有如下的优点和有益效果:
通过粒子群优化寻找最优解的方式找寻梁厂中各制梁环节的工人、设备及工序的生产相关变量,按照寻找出的符合最佳生产的最优解安排工人和设备的工作职能,显著提高了梁厂在智能管理上对制梁生产的管理优化效果,减少了各制梁工序中的生产时间和制梁成本,降低了产品出现缺陷的几率,明显提高了制梁生产效率和制梁生产良品率。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明系统单元结构示意图;
图2为本发明方法流程框图;
图3为粒子群优化流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,本实施例为一种基于粒子群优化的梁厂管理优化系统,该系统包括粒子群优化单元、制梁任务管理单元和制梁人机实施单元,所述粒子群优化单元用于对梁厂中的工序、工人和设备进行生产初始数据的初步收集,并将初步收集结果发送至制梁任务管理单元,之后在粒子群决策空间中搜索寻找用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测,优化结束后将解决方案最优解和预测结果发送至制梁任务管理单元;所述制梁任务管理单元用于启用粒子群优化单元并接收其找寻的制梁任务计划的解决方案最优解,结合接收的生产初始数据和解决方案最优解制定制梁任务计划并发送至制梁人机实施单元,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存;所述制梁人机实施单元用于对制梁任务进行施工的管理安排,根据来自制梁任务管理单元的最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将人机作息策略和实时监测的数据结果发送至制梁任务单元。
进一步地,所述粒子群决策空间包括:
粒子位置:用于表示制梁任务计划中的一个与工人、设备或工序相关的变量值。在具体运用中,粒子位置表示的变量可以表示不同的加工时间参数,例如加工速度、加工时间窗口、制梁时间等。在材料使用中可以表示制梁生产需要的各种材料,如钢材、木材等,粒子位置可以表示不同的材料使用量参数,例如每种材料的用量、材料的质量和成本等。在工人管理中可以表示不同的工人数量参数,例如工人的员工等级、技能水平等级、工作工龄等。在设备管理中可以表示不同的设备配置参数,例如设备具体的数量、类型、各项性能参数。这些变量可以根据具体的梁厂生产情况和优化目标进行选择和调整。通过调整粒子的位置,可以探索不同的参数组合,以实现最优的梁厂管理效果。
粒子速度:用于表示制梁任务计划中该粒子位置对应的变量值的变化量。在具体运用中,在总体生产方面,粒子速度可以表示加工速度的变化、生产能力的调整,也可以表示不同的生产流程流畅度参数,例如生产流程中的等待时间、工序间的衔接等。同时还可以表示不同的材料流动速度参数,例如材料的运输速度、加工设备的转速。在工人管理方面可以表示不同的工人工作效率参数或参与某个工序生产的工人具体人数,在设备管理方面可以表示不同的设备运行效率参数,例如设备的利用率、维护成本等。
粒子最优位置:用于表示在制梁任务计划中最适合某一个工人或某一台设备的工作状态要求和所需的负载工作量。粒子最优位置表示的是粒子在其搜索空间中找到的最优解。这个最优解通常是指在该问题中能够获得的最大收益或最低成本。对于智慧梁厂管理系统来说,粒子最优位置可能表示各种与梁厂生产相关的最优变量值。
群体最优位置:用于表示在制梁任务计划生产的变量总适应度值为最佳的情况下,所有粒子当前所处的具体位置,此时为解决方案最优解。具体来说,粒子的适应度值表示该粒子所代表的制梁生产任务变量的优化程度或者收益水平,适应度值通常是根据实际生产目标和优化目标进行定义的,用于评估粒子在搜索过程中的表现。如果每个粒子都有自己的最优位置,那么群体最优位置可以是所有粒子的最优位置的平均值,此时群体最优位置表示的即是所有粒子的最优解。如果群体最优位置定义为所有粒子的最优位置的最大值,那么它表示的是粒子群中所有粒子的最优解当中的最好情况。通过不断更新粒子群的最优位置,粒子群优化算法可以逐步逼近最优解,从而实现梁厂管理系统的优化。
进一步地,对所述梁厂运行趋势的预测包括:
制梁生产量和生产效率预测:根据历史制梁生产数据、工人和设备的工作效率变化、季节性因素影响等预测未来每月或每季的生产量,制梁任务管理单元通过对制梁生产量和生产效率预测进行生产计划和生产流程的调整,并针对资源消耗情况对粒子群优化单元发出指令以重新寻找解决方案最优解用以避免过剩生产。通过对制梁生产量和生产效率进行预测,可以更好地制定和调整制梁生产计划,以满足市场需求并提高生产效率,同时能够帮助梁厂更好地安排和优化生产流程,可以提前发现生产中的问题,以提高生产效率和降低生产成本,避免出现制梁生产瓶颈和延误。
工人积极性和设备故障预测:根据工人的工作效率和质量、工作出勤率并结合工作时间段和工序难度等级等数据预测未来工人工作积极性的趋势,同时根据设备运行数据、设备维护记录、设备使用频率等预测未来设备故障情况,制梁任务管理单元针对工人积极性和设备故障预测对粒子群优化单元发出指令以重新寻找解决方案最优解并将结果发送至制梁人机实施单元,用于对梁厂管理方案增设工人激励措施、弹性生产计划和设备定期维护。预测工人积极性和设备故障可以帮助管理系统提前做出调整和应对措施,避免因工人缺勤或设备故障而导致的生产中断或效率下降,同时能够帮助管理系统提前采取措施,减少因工人情绪问题或设备故障而导致的安全事故。例如,如果预测到某个时间段的某道工序上的工人因为生产强度较大或某个具体的工人因为自身身体有过不适,导致在生产过程中可能出现消极情绪,可以及时进行沟通和激励,保持其工作积极性以提高生产效率,或者及时沟通调班或调休以避免生产出现安全事故或生产延误。
市场需求和资源供给预测:根据历史去库存数据、季节性因素等预测未来每月或每季的市场需求,同时根据当前的制梁生产计划、工人和设备的工作状态、合作方运营情况等预测每月或每季的资源需求,制梁任务管理单元通过对市场需求和资源供给预测,对粒子群优化单元发出指令以重新寻找解决方案最优解,用于调整制梁生产计划并优化生产流程资源分配。通过对市场需求和资源供给的预测,可以更好地制定和调整生产计划,以满足市场需求并充分利用现有资源。例如,如果预测到市场需求将在未来几个月内增加,管理系统可以提前增加生产量,以适应市场变化。同时可以更好地管理库存,避免过多的库存积压和过时的产品。这可以降低库存成本,并释放宝贵的空间和资源。
进一步地,所述人机作息策略包括:
可中断工序管理:对非休息时段正常停工的异常中断情况记录原因,并对不同中断情况设置不同的恢复优先级,并在中断情况恢复后通过制梁任务管理单元对中断后重新恢复启动的工序保持施工监管,并将监管记录与正常工序进行差错评估以判断该工序是否需进行修补。通过设置不同的恢复优先级,管理系统可以优先处理对生产影响较大的中断情况,尽快恢复关键工序的生产,这可以减少中断对生产的影响,优化制梁资源的利用,增强可预测性,提高整体生产效率。在具体实施中,需要对每个可被允许中断的工序分析可能出现的中断情况,例如设备故障、施工潜在意外项、能源供应中断、人力不可抗因素等。对于每种中断情况,确定其对不同工序的影响程度和恢复难度,并为不同中断情况设置不同的恢复优先级,根据设置的恢复优先级,制定可中断工序的恢复计划。在中断情况发生时,按照恢复计划有序地恢复各个工序,其中优先级较高的中断情况应该在优先级较低的中断情况之前恢复。在设置恢复优先级时,可以按照工序对生产的影响大小和工序恢复中断的难度大小先后排序设置。
不可中断工序管理:通过制梁任务管理单元接收人机作息策略后进行自动监管控制,将不可中断工序设置独立工作区,对常见中断情况预设对应的冗余设备用以确保连续生产,对非常见中断情况的原因和中断前的工作进度数据进行记录,同时均启用备份能源和告警系统分别用于对生产线提供临时的冗余供电和通知应急维护工人对中断情况进行维护修补。设置独立工作区是为了减少其他工序或生产线的生产施工对不可中断工序产生不必要的影响,降低不可中断工序的中断几率。当某一设备出现故障时,备用设置的冗余设备可以立即投入使用,保证生产线的连续运行。这可以避免因设备故障导致的生产中断和效率下降,提高生产效率和产品质量。设置备份能源可以确保生产过程的能源供应的稳定性和持续性。当主能源系统出现故障时,备份能源系统可以立即接管,为生产过程提供必要的能源支持。
人机协作和生产预测管理:对工人和设备在不同生产任务上设置不同的优先级分配和工作时间调整以避免生产安全问题和确保制梁生产的连续性,同时在每个工序处设置反馈通道,用于工人在直接向制梁任务管理单元反馈制梁生产的异常或不足。通过设置不同的优先级分配,管理系统可以优先处理对生产影响较大的任务,确保生产线的连续运行。这可以减少因任务优先级不清晰而导致的生产中断和效率下降,能够优先处理高优先级的任务,可以减少资源的浪费和生产的中断。通过合理分配资源和调整工作时间,管理系统可以更加精准地应对生产需求,降低不必要的成本支出,例如在生产高峰期增加工人工作时间和设备运行时间,以提高生产效率并减少库存成本。
进一步地,作为一种可行的实施方式,所述完成度评估的变量包括生产的梁的总产量、梁的良品产量以及生产时间,结合梁厂的制梁单件净利润、良品率权重占比和效率权重占比计算出变量总适应度值,之后通过实际生产中的变量总适应度值与解决方案最优解中对应的变量总适应度值进行对比得出本次制梁任务计划是否符合生产。所述良品率权重和效率权重的占比可以根据实际生产情况进行动态调整,例如在具体实施中,在生产初期为了提高产品质量和减少质量问题,良品率权重可以适当增加;在生产效率稳定后,为了进一步提高生产效率,效率权重可以适当增加。另外良品率权重和效率权重也可以根据优化目标进行灵活调整。例如,如果优化目标是提高梁的抗弯性能,良品率权重可以适当增加,以强调产品质量;如果优化目标是提高生产效率,效率权重可以适当增加,以强调生产效率。
实施例2
如图2所示,本实施例为一种基于粒子群优化的梁厂管理优化方法,该方法包括:
步骤S1:对梁厂中的工序、工人和设备的生产初始数据进行初步收集,之后使用粒子群优化方法,在粒子群决策空间中通过粒子群的速度和质量来寻找各粒子的最佳位置,寻找出用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测分析。
步骤S2:结合接收到的解决方案最优解和初步采集到的工人和设备的生产初始数据制定制梁任务计划,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存。
步骤S3:根据最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置并开始生产作业,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将人机作息策略和实时监测结果进行存储分析。
步骤S4:将监测到的工人生产和设备运转的状态分析数据进行定时更新,并将每次得出的状态分析数据与当前制梁生产过程中实施的人机作息策略进行生产状态保持对比,同时将梁厂中各生产变量与当前解决方案最优解中的生产变量保持对比以确认当前生产是否良好。
其中,在所述初步收集的生产初始数据中,工序数据主要包括各个工序的生产流程、生产时间、生产能耗、生产质量等相关数据。这些数据可以用来了解生产流程的瓶颈和优化点。工人数据主要包括工人的工作效率、工作质量、工作态度等相关数据。这些数据可以用来了解工人的工作表现和技能水平。设备数据主要包括设备的运行状态、使用寿命、维护情况等相关数据。这些数据可以用来了解设备的运行状况和维修需求。
进一步地,如图3所示,所述粒子群优化方法的优化步骤包括:
步骤A1:确定梁厂制梁工人、设备或工序中的优化目标和适应度目标,并根据生产初始数据中有关制梁良品率和制梁效率的变量构建与粒子对应的适应度函数,并根据适应度函数确定粒子的适应度,根据优劣程度对粒子进行整理并辅助搜索更优解的方向,并通过不同时刻的适应度值评估优化效果。
步骤A2:根据生产初始数据和粒子在梁厂中表示的变量,并将粒子随机初始化生成粒子群覆盖至搜索空间并开始进行寻找最优解计算,同时根据每个粒子设置的梁厂变量的适应度函数计算粒子在制梁过程中的适应度值。
步骤A3:根据梁厂中的生产变量设定粒子的约束条件,判断搜索到的解是否为制梁工序的解决方案最优解,如果是则结束搜索并将解决方案最优解发送至制梁任务管理单元,如果不是则更新粒子速度和位置并评估每个粒子的函数适应度值,用于更新解决方案的全局最优解。
进一步地,所述寻找最优解计算的算法包括:
设在一个N维空间进行搜索,粒子i的信息可用两个N维向量来表示:
位置向量:,
速度向量:,
基于粒子自身这两个向量和两个极值pbest和gbest,运用下式进行解的迭代:
,
,
其中,是粒子i当前速度的惯性系数;/>是粒子i在第k次迭代中第d维的速度;是粒子i在第k次迭代中第d维的当前位置;i=1,2,3…,M,其中M为种群大小;c1、c2为学习因子和加速系数。所述c1和c2既能加快收敛又不易陷入局部最优,在具体实施中,所述c1和c2两个数值可根据适应度函数值变化情况取值取2。
粒子群中的“每个粒子”对应一种梁厂的施工方案,粒子群算法的基本原理是随机初始化若干个粒子,利用算法的特点找出适应度函数最小的粒子,即耗时最短的施工方案。初始化参数与边梁数量、中梁数量、制梁日期等作为算法内的初始化参数。
进一步地,所述粒子的约束条件设置为:
j,j'…n为作业编号,h=1,2,…为设备编号,i=1,2,…m为工序编号,则约束条件用下列算式表示:
,/>,/>,。
其中式表示任何作业在同一道工序中的所有机器上只能有一个紧前作业的约束;式/>表示任何作业在同一道工序的所有机器上只能作为一个作业的紧前作业的约束;式/>表示任何作业的加工不论是否出现在某台机器上,其紧前作业或紧后作业变量必然相等;式表示同一个机器上同一个位置的作业之间不存在紧前紧后关系。
进一步地,所述约束条件可通过下列算式进一步限定:
,
其中,/>,/>,/>,,
所述为工序i中作业j的完工时间,/>设置为决策变量,作业j设置表示为作业j'的紧前作业单位。
式表示当前机器各个顺序作业完工时间之间的约束;式/>表示特定作业前后道工序之间完工时间的约束;式/>表示各项作业准备时间为0的约束;式/>表示各项作业在各道序上的完工时间不小于0约束;式/>表示目标函数与各作业在最后一道序完工时间之间的约束;式/>表示决策变量0-1约束。
完工时间是指梁在生产过程中从开始到完成所需的时间,这个时间可以用来评估生产效率和质量等因素,每个粒子都对应一个完工时间,用于评估订单的优先级和调度生产计划。决策变量是指用于描述粒子状态的变量,决策变量可以包括生产工序、生产时间、资源分配等,这些变量可以影响生产效率和产品质量等因素,每个粒子都对应一组决策变量,这些变量可以根据优化目标和约束条件进行调整,以寻找最优的生产计划。紧前作业指当前作业之前的一个作业步骤,在本实施例的制梁生产过程中,每个梁的制作过程可以由一系列作业组成,这些作业之间存在依赖关系,紧前作业是指当前作业必须在其之前的作业完成后才能进行的作业步骤。在粒子群优化算法中,紧前作业的概念可以用于构建作业的依赖关系和确定生产顺序。
在具体实施中,作为一种可行的实施方式,可根据上述算式表示如下生产方式:根据生产初始数据的要求,确定每个梁的完工时间;通过调整决策变量的值,生成一组可行的生产计划;在每个生产计划中,根据紧前作业的概念确定生产顺序;根据完工时间和生产计划,评估每个粒子的适应度,即完成订单的优先级;根据粒子的适应度和个体最优解,更新粒子的速度和位置,逐步接近最优解。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不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,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于粒子群优化的梁厂管理优化系统,其特征在于,该系统包括:
粒子群优化单元:用于对梁厂中的工序、工人和设备进行生产初始数据的初步收集,并将初步收集结果发送至制梁任务管理单元,之后在粒子群决策空间中搜索寻找用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测,优化结束后将解决方案最优解和预测结果发送至制梁任务管理单元;
制梁任务管理单元:用于启用粒子群优化单元并接收其找寻的制梁任务计划的解决方案最优解,结合接收的生产初始数据和解决方案最优解制定制梁任务计划并发送至制梁人机实施单元,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存;
制梁人机实施单元:用于对制梁任务进行施工的管理安排,根据来自制梁任务管理单元的最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将人机作息策略和实时监测的数据结果发送至制梁任务单元。
2.根据权利要求1所述的一种基于粒子群优化的梁厂管理优化系统,其特征在于,所述粒子群决策空间包括:
粒子位置:用于表示制梁任务计划中的一个与工人、设备或工序相关的变量值;
粒子速度:用于表示制梁任务计划中该粒子位置对应的变量值的变化量;
粒子最优位置:用于表示在制梁任务计划中最适合某一个工人或某一台设备的工作状态要求和所需的负载工作量;
群体最优位置:用于表示在制梁任务计划生产的变量总适应度值为最佳的情况下,所有粒子当前所处的具体位置,此时为解决方案最优解。
3.根据权利要求1所述的一种基于粒子群优化的梁厂管理优化系统,其特征在于,对所述梁厂运行趋势的预测包括:
制梁生产量和生产效率预测:根据历史制梁生产数据、工人和设备的工作效率变化、季节性因素影响等预测未来每月或每季的生产量,制梁任务管理单元通过对制梁生产量和生产效率预测进行生产计划和生产流程的调整,并针对资源消耗情况对粒子群优化单元发出指令以重新寻找解决方案最优解用以避免过剩生产;
工人积极性和设备故障预测:根据工人的工作效率和质量、工作出勤率并结合工作时间段和工序难度等级等数据预测未来工人工作积极性的趋势,同时根据设备运行数据、设备维护记录、设备使用频率等预测未来设备故障情况,制梁任务管理单元针对工人积极性和设备故障预测对粒子群优化单元发出指令以重新寻找解决方案最优解并将结果发送至制梁人机实施单元,用于对梁厂管理方案增设工人激励措施、弹性生产计划和设备定期维护;
市场需求和资源供给预测:根据历史去库存数据、季节性因素等预测未来每月或每季的市场需求,同时根据当前的制梁生产计划、工人和设备的工作状态、合作方运营情况等预测每月或每季的资源需求,制梁任务管理单元通过对市场需求和资源供给预测,对粒子群优化单元发出指令以重新寻找解决方案最优解,用于调整制梁生产计划并优化生产流程资源分配。
4.根据权利要求1所述的一种基于粒子群优化的梁厂管理优化系统,其特征在于,所述人机作息策略包括:
可中断工序管理:对非休息时段正常停工的异常中断情况记录原因,并对不同中断情况设置不同的恢复优先级,并在中断情况恢复后通过制梁任务管理单元对中断后重新恢复启动的工序保持施工监管,并将监管记录与正常工序进行差错评估以判断该工序是否需进行修补;
不可中断工序管理:通过制梁任务管理单元接收人机作息策略后进行自动监管控制,将不可中断工序设置独立工作区,对常见中断情况预设对应的冗余设备用以确保连续生产,对非常见中断情况的原因和中断前的工作进度数据进行记录,同时均启用备份能源和告警系统分别用于对生产线提供临时的冗余供电和通知应急维护工人对中断情况进行维护修补;
人机协作和生产预测管理:对工人和设备在不同生产任务上设置不同的优先级分配和工作时间调整以避免生产安全问题和确保制梁生产的连续性,同时在每个工序处设置反馈通道,用于工人在直接向制梁任务管理单元反馈制梁生产的异常或不足。
5.根据权利要求1所述的一种基于粒子群优化的梁厂管理优化系统,其特征在于,所述完成度评估的变量包括生产的梁的总产量、梁的良品产量以及生产时间,结合梁厂的制梁单件净利润、良品率权重占比和效率权重占比计算出变量总适应度值,之后通过实际生产中的变量总适应度值与解决方案最优解中对应的变量总适应度值进行对比得出本次制梁任务计划是否符合生产。
6.一种基于粒子群优化的梁厂管理优化方法,其特征在于,该方法包括:
步骤S1:对梁厂中的工序、工人和设备的生产初始数据进行初步收集,之后使用粒子群优化方法,在粒子群决策空间中通过粒子群的速度和质量来寻找各粒子的最佳位置,寻找出用于制梁任务计划的解决方案最优解,并在优化过程中对梁厂运行趋势进行预测分析;
步骤S2:结合接收到的解决方案最优解和初步采集到的工人和设备的生产初始数据制定制梁任务计划,并参照接收的粒子群优化单元的最优解方案结果来对已完成的制梁任务计划进行完成度评估,将评估结果按照各变量完成度排列进行记录储存;
步骤S3:根据最优解方案结果和制梁任务计划来制定人机作息策略用以对工人、设备的任务分配和生产流程调度进行设置并开始生产作业,并对工人的工作效率和安全系数、对设备的运转效率和故障风险均进行实时监测,并将实时监测结果进行存储分析;
步骤S4:将监测到的工人生产和设备运转的状态分析数据进行定时更新,并将每次得出的状态分析数据与当前制梁生产过程中实施的人机作息策略进行生产状态保持对比,同时将梁厂中各生产变量与当前解决方案最优解中的生产变量保持对比以确认当前生产是否良好。
7.根据权利要求6所述的一种基于粒子群优化的梁厂管理优化方法,其特征在于,所述粒子群优化方法的优化步骤包括:
步骤A1:确定梁厂制梁工人、设备或工序中的优化目标和适应度目标,并根据生产初始数据中有关制梁良品率和制梁效率的变量构建与粒子对应的适应度函数,并根据适应度函数确定粒子的适应度,根据优劣程度对粒子进行整理并辅助搜索更优解的方向,并通过不同时刻的适应度值评估优化效果;
步骤A2:根据生产初始数据和粒子在梁厂中表示的变量,并将粒子随机初始化生成粒子群覆盖至搜索空间并开始进行寻找最优解计算,同时根据每个粒子设置的梁厂变量的适应度函数计算粒子在制梁过程中的适应度值;
步骤A3:根据梁厂中的生产变量设定粒子的约束条件,判断搜索到的解是否为制梁工序的解决方案最优解,如果是则结束搜索并将解决方案最优解发送至制梁任务管理单元,如果不是则更新粒子速度和位置并评估每个粒子的函数适应度值,用于更新解决方案的全局最优解。
8.根据权利要求7所述的一种基于粒子群优化的梁厂管理优化方法,其特征在于,所述寻找最优解计算的算法包括:
设在一个N维空间进行搜索,粒子i的信息可用两个N维向量来表示:
位置向量:,
速度向量:,
基于粒子自身这两个向量和两个极值pbest和gbest,运用下式进行解的迭代:
,
,
其中,是粒子i当前速度的惯性系数;/>是粒子i在第k次迭代中第d维的速度;/>是粒子i在第k次迭代中第d维的当前位置;i=1,2,3…,M,其中M为种群大小;c1、c2为学习因子和加速系数。
9.根据权利要求7所述的一种基于粒子群优化的梁厂管理优化方法,其特征在于,所述粒子的约束条件设置为:
j,j'…n为作业编号,h=1,2,…为设备编号,i=1,2,…m为工序编号,则约束条件用下列算式表示:
,/>,/>,。
10.根据权利要求9所述的一种基于粒子群优化的梁厂管理优化方法,其特征在于,所述约束条件可通过下列算式进一步限定:
,
其中,/>,/>,/>,,
所述为工序i中作业j的完工时间,/>设置为决策变量,作业j设置表示为作业j'的紧前作业单位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185221.6A CN117236680A (zh) | 2023-09-14 | 2023-09-14 | 一种基于粒子群优化的梁厂管理优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185221.6A CN117236680A (zh) | 2023-09-14 | 2023-09-14 | 一种基于粒子群优化的梁厂管理优化系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117236680A true CN117236680A (zh) | 2023-12-15 |
Family
ID=89096072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311185221.6A Pending CN117236680A (zh) | 2023-09-14 | 2023-09-14 | 一种基于粒子群优化的梁厂管理优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236680A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118068797A (zh) * | 2024-04-22 | 2024-05-24 | 浙江恒隆智慧科技集团有限公司 | 工厂生产运行自动化控制系统 |
-
2023
- 2023-09-14 CN CN202311185221.6A patent/CN117236680A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118068797A (zh) * | 2024-04-22 | 2024-05-24 | 浙江恒隆智慧科技集团有限公司 | 工厂生产运行自动化控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021505103A (ja) | エネルギ貯蔵システムを最適に制御するためのシステム及び方法 | |
CN110955206B (zh) | 一种订单排程与分配调度方法及系统 | |
US11003175B2 (en) | Automated supervisory control system | |
CN101364108B (zh) | 复杂大系统环境下的基于事件驱动的车间作业动态调度方法 | |
CN111144710B (zh) | 一种可持续性混合流水车间的构建和动态调度方法 | |
CN117236680A (zh) | 一种基于粒子群优化的梁厂管理优化系统及方法 | |
CN101916404A (zh) | 一种装备制造过程多厂协同调度优化方法 | |
CN101303597A (zh) | 基于实时工况的变权式随机调度方法 | |
CN106094757A (zh) | 一种基于数据驱动的动态柔性作业车间调度控制方法 | |
Mohagheghi et al. | Intelligent demand response scheme for energy management of industrial systems | |
Ao et al. | Research of an integrated decision model for production scheduling and maintenance planning with economic objective | |
CN117539169B (zh) | 一种基于数字孪生的管理方法和系统 | |
CN112541720A (zh) | 一种电力物资仓储管理系统和方法 | |
CN117541197A (zh) | 一种基于bim和aiot数据驱动的智能建造方法及系统 | |
CN116300720A (zh) | 一种智能化产线柔性调度高级计划排产系统 | |
CN117175655A (zh) | 一种分布式新能源电力系统的蓄能控制方法及系统 | |
CN114859883A (zh) | 一种检修机器人多机协作控制方法、系统及储存介质 | |
CN117114211A (zh) | 一种应急供电评估优化方法及系统 | |
CN116934044A (zh) | 基于mom系统的产品生产调度方法 | |
Bougacha et al. | Integrated production and predictive maintenance planning based on prognostic information | |
CN114442579A (zh) | 一种基于物联网的数控机床远程监控系统 | |
Wang et al. | Research on Disturbance for Job-shops Based on Production Data | |
Feng et al. | A systematic framework for maintenance scheduling and routing for off-shore wind farms by minimizing predictive production loss | |
Robert et al. | Dynamic sequential decision making for missions and maintenances scheduling for a deteriorating vehicle | |
Yang et al. | Condition-Based Preventive Maintenance Optimization Approach for Multiple Industrial Robotics with Stochastic Mission |
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 |