CN117252375A - 作业车间调度方法、作业车间调度装置及电子设备 - Google Patents
作业车间调度方法、作业车间调度装置及电子设备 Download PDFInfo
- Publication number
- CN117252375A CN117252375A CN202311233351.2A CN202311233351A CN117252375A CN 117252375 A CN117252375 A CN 117252375A CN 202311233351 A CN202311233351 A CN 202311233351A CN 117252375 A CN117252375 A CN 117252375A
- Authority
- CN
- China
- Prior art keywords
- processing
- sequence
- population
- post
- processing sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 164
- 238000012545 processing Methods 0.000 claims abstract description 355
- 238000003754 machining Methods 0.000 claims abstract description 56
- 238000012805 post-processing Methods 0.000 claims description 124
- 230000006978 adaptation Effects 0.000 claims description 75
- 238000010845 search algorithm Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 17
- 241000257303 Hymenoptera Species 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及生产调度领域,提供一种作业车间调度方法、作业车间调度装置及电子设备,所述作业车间包括按照预设顺序排列的加工工序,各加工工序由至少一个加工机器执行,所述方法包括:获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由加工机器进行加工处理的加工时长;基于产品信息构建调度约束,其中,调度约束用于表示多个待生产产品在调度过程中的约束;在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短。实现了可以自动、科学的进行作业车间调度,从而能够提高作业车间的生产效率。
Description
技术领域
本发明涉及生产调度技术领域,尤其涉及一种作业车间调度方法、作业车间调度装置及电子设备。
背景技术
作为生产与管理过程中的重要环节,车间调度,例如工程机械行业的组装线调度是研究热点。
相关技术可知,当前组装线调度主要依靠人工经验方式进行,这不仅造成人工成本的提高,并且还存在排程不合理、不科学的问题。因此,当前寻找一种能够自动、科学的进行作业车间调度的方法成为研究热点。
发明内容
本发明提供一种作业车间调度方法、作业车间调度装置及电子设备,实现了可以自动、科学的进行作业车间调度,从而能够提高作业车间的生产效率。
本发明提供一种作业车间调度方法,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述方法包括:获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
根据本发明提供一种的作业车间调度方法,所述在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,具体包括:在所述调度约束下,基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序;对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个启发搜索后加工顺序;基于多个所述启发搜索后加工顺序,确定所述目标加工顺序。
根据本发明提供一种的作业车间调度方法,在所述基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序之前,所述方法还包括:按照预设排序规则,初始化各所述待生产产品在各所述加工工序中的多组候选加工顺序;基于多组所述候选加工顺序,确定与所述人工蜂群算法对应的初始种群;所述基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序,具体包括:基于所述初始种群和所述人工蜂群算法,确定各所述候选加工顺序的序列适应值;基于所述序列适应值,确定各所述待生产产品在各所述加工工序中的初始加工顺序。
根据本发明提供一种的作业车间调度方法,所述启发搜索后加工顺序包括第一启发搜索后加工顺序和第二启发搜索后加工顺序;所述对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个启发搜索后加工顺序,具体包括:基于变邻域搜索算法,对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个第一启发搜索后加工顺序;基于附加搜索算法,对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个第二启发搜索后加工顺序,其中,所述附加搜索算法为除所述变邻域搜索算法之外的其他启发搜索算法;所述基于多个所述启发搜索后加工顺序,确定所述目标加工顺序,具体包括:基于多个所述第一启发搜索后加工顺序,确定第一种群;基于多个所述第二启发搜索后加工顺序,确定第二种群;基于所述第一种群和所述第二种群,确定第三种群;将所述第三种群作为更新后的初始种群,并重复迭代执行预设次数的基于所述初始种群确定初始加工顺序,以及对所述初始加工顺序进行启发搜索得到多个启发搜索后加工顺序,直至基于多个启发搜索后加工顺序确定所述目标加工顺序的步骤,并将执行完最后一次前述各步骤得到的目标加工顺序作为最终的目标加工顺序。
根据本发明提供的一种作业车间调度方法,所述基于多个所述启发搜索后加工顺序,确定所述目标加工顺序,具体包括:获取各所述启发搜索后加工顺序的序列适应值;将序列适应值最小的启发搜索后加工顺序,作为所述目标加工序列。
根据本发明提供的一种作业车间调度方法,所述基于所述第一种群和所述第二种群,确定第三种群,具体包括:将所述第一种群内的所述第一启发搜索后加工顺序和所述第二种群内的所述第二启发搜索后加工顺序进行合并,得到合并启发搜索后加工顺序;分别确定多个所述合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列;选取位于所述第一序列前端的预设数目的所述合并启发搜索后加工顺序;基于所述预设数目的所述合并启发搜索后加工顺序,得到所述第三种群。
根据本发明提供的一种作业车间调度方法,所述第一种群采用以下方式确定:分别确定所述第一启发搜索后加工顺序的序列适应值,以及所述初始加工顺序的序列适应值;在所述第一启发搜索后加工顺序的序列适应值小于所述初始加工顺序的序列适应值的情况下,将所述第一启发搜索后加工顺序进行聚合保存,得到所述第一种群;在所述第一启发搜索后加工顺序的序列适应值大于所述初始加工顺序的序列适应值的情况下,将所述初始加工顺序进行聚合,得所述第一种群。
根据本发明提供的一种作业车间调度方法,所述第二种群采用以下方式确定:分别确定所述第二启发搜索后加工顺序的序列适应值,以及所述初始加工顺序的序列适应值;在所述第二启发搜索后加工顺序的序列适应值小于所述初始加工顺序的序列适应值的情况下,将所述第二启发搜索后加工顺序进行聚合保存,得到所述第二种群;在所述第二启发搜索后加工顺序的序列适应值大于所述初始加工顺序的序列适应值的情况下,将所述初始加工顺序进行聚合保存,得到所述第二种群。
本发明还提供一种作业车间调度装置,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述装置包括:获取模块,用于获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;构建模块,用于基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;处理模块,用于在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述作业车间调度方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述作业车间调度方法的步骤。
本发明提供的作业车间调度方法、作业车间调度装置及电子设备,获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由所述加工机器进行加工处理的加工时长;再基于产品信息构建多个待生产产品在调度过程中的调度约束,并在调度约束下,自动确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短,从而实现了自动、科学的进行作业车间调度,进而能够提高作业车间的生产效率。
附图说明
为了更清楚地说明本发明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,显而易见地,下面描述中的附图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他的附图。
图1是本发明提供的作业车间调度方法的流程示意图;
图2是本发明提供的在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序的流程示意图;
图3是本发明提供的基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序的流程示意图;
图4是本发明提供的基于多个启发搜索后加工顺序,确定目标加工顺序的流程示意图;
图5是本发明提供的确定各待生产产品在各加工工序中的目标加工顺序的流程示意图;
图6是本发明提供的作业车间调度装置的结构示意图;
图7是本发明提供的电子设备的结构示意图;
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
图1是本发明提供的作业车间调度方法的流程示意图。
下面将结合图1对作业车间调度方法的过程进行说明。
在本发明一示例性实施例中,作业车间可以是关于组装流水线的车间。在一示例中,作业车间可以包括按照预设顺序排列的加工工序,其中,各加工工序由至少一个加工机器执行。预设顺序可以根据实际情况进行确定,在本实施例中不作具体限定。其中,加工机器可以是单工序机也可以是多工序机,在本实施例中,不对加工机器作具体限定。
在又一种实施例中,结合图1可知,作业车间调度方法可以包括步骤110至步骤130,下面将分别介绍各步骤。
在步骤110中,获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由加工机器进行加工处理的加工时长。
现以作业车间为组装流水线车间为例进行说明。在一示例中,待生产产品可以是在本次组装生产过程中需要一同组装得到的多个产品。在应用过程中,可以获取待生产产品的产品信息。其中,产品信息除了可以包括待生产产品在各加工工序中由加工机器进行加工处理的加工时长之外,还可以包括待生产产品的唯一标识信息、待生产产品的数量等。在又一实施例中,还可以获取各加工机器的工序加工能力。
在应用过程中,可以整合、联通与车间调度系统相关的上下游数据,并将相关信息进行统一管理,从而方便获取待生产产品的产品信息,为进一步确定各待生产产品在各加工工序中的目标加工顺序打下基础。
在步骤120中,基于产品信息构建调度约束,其中,调度约束用于表示多个待生产产品在调度过程中的约束。
在一种实施例中,可以根据获取的产品信息构建调度约束,从而可以将实际生产执行规则与限制进行约束抽象,实现产线生产制造的逻辑复现。在一示例中,调度约束可以包括每一个待生产产品的工序先后顺序约束,其中,该约束可以根据按照预设顺序排列的加工工序确定;调度约束可以包括每一待生产产品的完工时间的约束,即每一个待生产产品的完工时间不能超过总的完工时间(对应总加工时长)的约束;调度约束可以包括在对于待生产产品在同一时刻同一工序只能被一台加工机器加工的约束;调度约束还可以包括各个参数变量必须是正数的约束。
在步骤130中,在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短。
在一种实施例中,可以在调度约束的限制下,确定各待生产产品在各个加工工序的目标加工顺序,以使多个待生产产品在按照所述预设顺序排列由各加工工序加工处理后的总加工时长最短,即在生产这一批待生产产品的过程中,花费的总时间最短。
其中,目标加工顺序是指各个待生产产品在某一加工工序下被进行加工的顺序。在应用过程中,加工顺序可以通过确定待生产产品在对应的加工机器上的开始加工时间来确定。通过本实施例,可以自动、科学的进行作业车间调度,即确定了在每一加工时序下的各待生产产品的目标加工顺序,从而能够提高作业车间的生产效率,避免出现人工进行排程出现的效率低且不合理、不科学的问题。
本发明提供的作业车间调度方法,获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由所述加工机器进行加工处理的加工时长;再基于产品信息构建多个待生产产品在调度过程中的调度约束,并在调度约束下,自动确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短,从而实现了自动、科学的进行作业车间调度,进而能够提高作业车间的生产效率。
图2是本发明提供的在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序的流程示意图。
下面将结合图2对在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序的过程进行说明。
在本发明一示例性实施例中,结合图2可知,在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序可以包括步骤210至步骤230,下面将分别介绍各步骤。
在步骤210中,在调度约束下,基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序。
在一种实施例中,可以在调度约束的限制下,通过人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序。
图3是本发明提供的基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序的流程示意图。
下面将结合图3对基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序的过程进行说明。
在本发明一示例性实施例中,结合图3可知,基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序可以包括步骤310至步骤340,下面将分别介绍各步骤。
在步骤310中,按照预设排序规则,初始化各待生产产品在各加工工序中的多组候选加工顺序。
在步骤320中,基于多组候选加工顺序,确定与人工蜂群算法对应的初始种群。
在步骤330中,基于初始种群和人工蜂群算法,确定各候选加工顺序的序列适应值。
在步骤340中,基于序列适应值,确定各待生产产品在各加工工序中的初始加工顺序。
其中,预设排序规则可以根据实际情况进行确定,也可以根据先验知识确定,在本实施例中,不对预设排序规则作具体限定。
在一种实施例中,可以预先确定本发明涉及的流水车间调度问题的分布式多进程人工蜂群算法中涉及的工件数量n,种群规模PS,进程数MP、迭代次数T、观察蜂原地等待步数NC、交叉率Pc、变异率Pv、插入率PI、交换率PE等参数。
在又一实施例中,还可以确定多组候选加工顺序,并基于多组候选加工顺序,确定与人工蜂群算法对应的初始种群,即进行种群的初始化处理。其中,每组候选加工顺序可以表示为Wi,其中i=1……PS。在又一示例中,多组候选加工顺序可以表示为P={W1,…Wi,…,WPS}。可以理解的是,初始种群也可以表示为P={W1,…Wi,…,WPS}。其中,在初始种群中,每一个Wi都表示一个加工序列(可以对应为候选加工顺序)。Wi可以表示为Wi={w(1),w(2),…,w(n)}。
在又一种实施例中,可以根据初始种群和人工蜂群算法,确定各候选加工顺序的序列适应值f(Wi)。并基于序列适应值,确定各待生产产品在各加工工序中的初始加工顺序。在一示例中,可以将序列适应值小于预设值或序列适应值最小的候选加工顺序,作为初始加工顺序。可以理解的是,初始加工顺序是在多组候选加工顺序中确定的,能够使待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短的加工序列。
在又一种实施例中,还可以将候选加工顺序作为初始加工顺序。
在步骤220中,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个启发搜索后加工顺序。
在步骤230中,基于多个启发搜索后加工顺序,确定目标加工顺序。
由于确定的初始加工顺序对应的解空间覆盖面过窄,不利于全局优化,在又一种实施例中,还可以对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个启发搜索后加工顺序,并基于多个启发搜索后加工顺序,确定目标加工顺序。在本实施例中,通过启发式算法可以对解空间进行全局优化,从而可以提高得到的目标加工顺序的科学性和合理性。
图4是本发明提供的基于多个启发搜索后加工顺序,确定目标加工顺序的流程示意图。
为了进一步介绍本发明提供的作业车间调度方法,下面将结合图4进行说明。
在本发明又一示例性实施例中,启发搜索后加工顺序可以包括第一启发搜索后加工顺序和第二启发搜索后加工顺序。结合图4可知,基于多个启发搜索后加工顺序,确定目标加工顺序可以包括步骤410至步骤460,下面将分别介绍各步骤。
在步骤410中,基于变邻域搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第一启发搜索后加工顺序。
在步骤420中,基于附加搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第二启发搜索后加工顺序。
在一种实施例中,继续以前文的基于人工蜂群算法进行调度方案确定的实施例为例进行说明。在人工蜂群算法的引领蜂阶段,其中,引领蜂可以对应前文确定的初始加工顺序。引领蜂通过对加工序列邻域结构的变邻域搜索,保持种群的多样性,有效避免重复搜索,提升算法运行速率,同时为了提高全局搜索能力,引入了遗传算法的选择、交叉、变异等操作。换句话说,可以基于变邻域搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第一启发搜索后加工顺序,以及基于附加搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第二启发搜索后加工顺序。其中,附加搜索算法为除变邻域搜索算法之外的其他启发搜索算法。
在本实施例中,基于不同的启发搜索算法确定启发搜索后加工顺序,可以避免由于一种启发搜索算法带来的局限性,从而可以提高得到的启发搜索后加工顺序的准确性和合理性,为得到科学、合理的调度方案打下基础。
在步骤430中,基于多个第一启发搜索后加工顺序,确定第一种群。
在步骤440中,基于多个第二启发搜索后加工顺序,确定第二种群。
在一种实施例中,针对每一个初始加工顺序(可以用Wa表示,其中,a=1,2,…,PS),可以采用变邻域搜索产生新解Wa'(又称第一启发搜索后加工顺序)。基于针对每一个初始加工顺序,可以采用遗传算法或禁忌算法(对应附加搜索算法)产生另一新解Wa”(又称第二启发搜索后加工顺序)。
在又一实施例中,可以分别基于多个第一启发搜索后加工顺序确定第一种群,以及基于多个第二启发搜索后加工顺序确定第二种群。
在本发明又一示例性实施例中,第一种群可以采用以下方式确定:
分别确定第一启发搜索后加工顺序的序列适应值,以及初始加工顺序的序列适应值;
在第一启发搜索后加工顺序的序列适应值小于初始加工顺序的序列适应值的情况下,将第一启发搜索后加工顺序进行聚合保存,得到第一种群;
在第一启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值的情况下,将初始加工顺序进行聚合,得第一种群。
在一种实施例中,继续以前文所述的实施例为例进行说明,如果f(Wa')≤f(Wa),则可以令Wtemp=Wa',否则令Wtemp=Wa,然后将Wtemp保存至种群P1。即当第一启发搜索后加工顺序的序列适应值小于或等于初始加工顺序的序列适应值时,将第一启发搜索后加工顺序进行聚合保存,得到第一种群,当第一启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值时,将初始加工顺序进行聚合,得第一种群。
在本发明又一示例性实施例中,第二种群可以采用以下方式确定:
分别确定第二启发搜索后加工顺序的序列适应值,以及初始加工顺序的序列适应值;
在第二启发搜索后加工顺序的序列适应值小于初始加工顺序的序列适应值的情况下,将第二启发搜索后加工顺序进行聚合保存,得到第二种群;
在第二启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值的情况下,将初始加工顺序进行聚合保存,得到第二种群。
在一种实施例中,继续以前文所述的实施例为例进行说明,如果f(Wa”)≤f(Wa),则可以令Wtenp=Wa”,否则令Wtenp=Wa,然后将Wtenp保存至种群P2。即当第二启发搜索后加工顺序的序列适应值小于或等于初始加工顺序的序列适应值时,将第二启发搜索后加工顺序进行聚合保存,得到第二种群,当第二启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值时,将初始加工顺序进行聚合,得第二种群。
在步骤450中,基于第一种群和所述第二种群,确定第三种群。
在本发明又一示例性实施例中,基于第一种群和第二种群,确定第三种群,可以采用以下方式实现:
将第一种群内的第一启发搜索后加工顺序和第二种群内的第二启发搜索后加工顺序进行合并,得到合并启发搜索后加工顺序;
分别确定多个合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列;
选取位于第一序列前端的预设数目的合并启发搜索后加工顺序;
基于预设数目的合并启发搜索后加工顺序,得到第三种群。
继续以前文所述的实施例为例进行说明,可以将P1(对应第一种群内的第一启发搜索后加工顺序)和P2(对应第二种群内的第二启发搜索后加工顺序)合并后得到合并启发搜索后加工顺序。并分别确定多个合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列。在第一序列中选出前PS个个体(对应预设数目的合并启发搜索后加工顺序),从而形成种群P3(对应第三种群)。
在步骤460中,将第三种群作为更新后的初始种群,并重复迭代执行预设次数的基于初始种群确定初始加工顺序,以及对初始加工顺序进行启发搜索得到多个启发搜索后加工顺序,直至基于多个启发搜索后加工顺序确定目标加工顺序的步骤,并将执行完最后一次前述各步骤得到的目标加工顺序作为最终的目标加工顺序。
在一种实施例中,可以将第三种群P3作为更新后的初始种群,即令P=P3,并重复迭代执行预设次数的基于初始种群确定初始加工顺序,以及对初始加工顺序进行启发搜索得到多个启发搜索后加工顺序(对应前述的步骤220)直到基于多个启发搜索后加工顺序确定目标加工顺序的步骤(对应前述的步骤410至步骤460),并将执行完最后一次前述各步骤得到的目标加工顺序作为最终的目标加工顺序。
继续以前文所述的实施例为例进行说明,在观察蜂阶段,可以随机选择采用两个解的锦标赛选择方法,选择较优的候选解决定是否替换原解,然后进行确定第一种群和第二种群的步骤。在侦查蜂阶段,如果一个解连续NC步没有改进,则对当前最好的解执行3次变邻域搜索操作,产生新的解。当达到设定的迭代次数后等终止条件时,输出的调度方案作为单进程下算法挑选出的最优解。如果没有达到预设的迭代次数,则继续执行引领蜂阶段,即分别确定第一种群和第二种群,以及基于第一种群和第二种群确定第三种群,将第三种群作为更新后的初始种群,并重复迭代执行预设次数的基于初始种群确定初始加工顺序,以及对初始加工顺序进行启发搜索得到多个启发搜索后加工顺序,直至基于多个启发搜索后加工顺序确定目标加工顺序的步骤。通过本实施例,可以得到合理、科学的目标加工顺序,从而实现自动、科学的进行作业车间调度,提高作业车间的生产效率。
在本发明又一实施例中,可以基于目标加工顺序,得到各个待生产产品的加工工序甘特图。在加工工序甘特图中,绝对时间为横坐标,各工位机器为纵轴。加工工序甘特图中每一矩形条即产品的加工情况,并可以为不同类型产品赋以多种色块用以区分,以图形化展示的方式指导现场自动化生产。
图5是本发明提供的确定各待生产产品在各加工工序中的目标加工顺序的流程示意图。
为了进一步介绍本发明提供的作业车间调度方法,下面将结合图5进行说明。需要说明的是,图5是基于人工蜂群算法进行定各待生产产品在各加工工序中的目标加工顺序的实施例。
在本发明一示例性实施例中,结合图5可知,作业车间调度方法可以包括步骤510至步骤580,下面将分别介绍各步骤。
在步骤510中,设置参数,利用NEH产生PS个解,初始化种群P。
在一种实施例中,可以获取组装流水车间调度问题的分布式多进程人工蜂群算法的工件数量n,种群规模PS,进程数MP、迭代次数T、观察蜂原地等待步数NC、交叉率Pc、变异率Pv、插入率PI、交换率PE。
在种群编码和初始化的过程中,可以采用基于工件排列的编码方式,即所有工件依次排列,生成加工序列W={w(1),w(2),…,w(n)}作为调度问题的解;种群包含PS个加工序列P={W1,W2,…,WPS},其中,PS个加工序列P可以根据人工经验初始化生成。计算Wi对应的序列适应值f(Wi)。此方式提供了较优初始解,但解空间覆盖面过窄,不利于全局优化,因此,可以引入启发式算法NEH改善初始种群的质量。
在步骤520中,对P采用GA得到新的种群P1。
在步骤530中,对P采用VNS得到新的种群P2。
在一种实施例中,在引领蜂阶段,引领蜂通过对加工序列邻域结构的变邻域搜索,保持种群的多样性,有效避免重复搜索,提升算法运行速率,同时为了提高全局搜索能力,引入了遗传算法的选择、交叉、变异等操作。
在应用过程中,针对每一个初始加工顺序(可以用Wa表示,其中,a=1,2,…,PS),可以采用变邻域搜索产生新解Wa'(又称第一启发搜索后加工顺序)。基于针对每一个初始加工顺序,可以采用遗传算法或禁忌算法(对应附加搜索算法)产生另一新解Wa”(又称第二启发搜索后加工顺序)。
如果f(Wa')≤f(Wa),则可以令Wtemp=Wa',否则令Wtemp=Wa,然后将Wtemp保存至种群P1。如果f(Wa”)≤f(Wa),则可以令Wtenp=Wa”,否则令Wtenp=Wa,然后将Wtenp保存至种群P2。
在步骤540中,将P1和P2合并,按适应度由低到高进行排序,选出前PS个个体,形成种群P3。
可以将P1(对应第一种群内的第一启发搜索后加工顺序)和P2(对应第二种群内的第二启发搜索后加工顺序)合并后得到合并启发搜索后加工顺序。并分别确定多个合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列。在第一序列中选出前PS个个体(对应预设数目的合并启发搜索后加工顺序),从而形成种群P3(对应第三种群)。
在步骤550中,P3中个体依次进入观察蜂和侦察蜂,得到种群P4,保存当前种群中最优解。
在步骤560中,令P=P4。
在步骤570中,判断迭代是否结束。
在步骤580中,若迭代结束,则输出最优解。
若迭代未结束,则返回至步骤510之后。
在观察蜂阶段,可以随机选择采用两个解的锦标赛选择方法,选择较优的候选解决定是否替换原解,然后进行确定第一种群和第二种群的步骤。在侦查蜂阶段,如果一个解连续NC步没有改进,则对当前最好的解执行3次变邻域搜索操作,产生新的解。当达到设定的迭代次数后等终止条件时,输出的调度方案作为单进程下算法挑选出的最优解。如果没有达到预设的迭代次数,则继续执行引领蜂阶段,即分别确定第一种群P1和第二种群P2,以及基于第一种群和第二种群确定第三种群P3,基于第三种群P3确定第四种群P4。在一示例中,第四种群P4可以直接为第三种群P3并将第四种群P4作为更新后的初始种群,并重复迭代执行预设次数的前述步骤510之后的步骤。通过本实施例,可以得到合理、科学的目标加工顺序,从而实现自动、科学的进行作业车间调度,提高作业车间的生产效率。
根据前文描述可知,本发明提供的作业车间调度方法,获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由所述加工机器进行加工处理的加工时长;再基于产品信息构建多个待生产产品在调度过程中的调度约束,并在调度约束下,自动确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短,从而实现了自动、科学的进行作业车间调度,进而能够提高作业车间的生产效率。
下面对本发明提供的作业车间调度装置进行描述,下文描述的作业车间调度装置与上文描述的作业车间调度方法可相互对应参照。
图6是本发明提供的作业车间调度装置的结构示意图。
在本发明一示例性实施例中,作业车间可以包括按照预设顺序排列的加工工序,各加工工序由至少一个加工机器执行,结合图6可知,作业车间调度装置可以包括获取模块610、构建模块620和处理模块630,下面将分别介绍各模块。
获取模块610,可以被配置为用于获取多个待生产产品的产品信息,其中,产品信息至少包括各待生产产品在各加工工序中由加工机器进行加工处理的加工时长;
构建模块620,可以被配置为用于基于产品信息构建调度约束,其中,调度约束用于表示多个待生产产品在调度过程中的约束;
处理模块630,可以被配置为用于在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序,以使多个待生产产品在按照预设顺序排列由各加工工序加工处理后的总加工时长最短。
在本发明一示例性实施例中,处理模块630可以采用以下方式实现在调度约束下,确定各待生产产品在各加工工序中的目标加工顺序:
在调度约束下,基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序;
对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个启发搜索后加工顺序;
基于多个启发搜索后加工顺序,确定目标加工顺序。
在本发明一示例性实施例中,处理模块630还可以被配置为用于:
按照预设排序规则,初始化各待生产产品在各加工工序中的多组候选加工顺序;
基于多组候选加工顺序,确定与人工蜂群算法对应的初始种群;
处理模块630可以采用以下方式实现基于人工蜂群算法,确定各待生产产品在各加工工序中的初始加工顺序:
基于初始种群和人工蜂群算法,确定各候选加工顺序的序列适应值;
基于序列适应值,确定各待生产产品在各加工工序中的初始加工顺序。
在本发明一示例性实施例中,启发搜索后加工顺序可以包括第一启发搜索后加工顺序和第二启发搜索后加工顺序;处理模块630可以采用以下方式实现对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个启发搜索后加工顺序:
基于变邻域搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第一启发搜索后加工顺序;
基于附加搜索算法,对初始加工顺序进行启发搜索,得到与初始加工顺序对应的多个第二启发搜索后加工顺序,其附加搜索算法为除所述变邻域搜索算法之外的其他启发搜索算法;
处理模块630可以采用以下方式实现基于多个启发搜索后加工顺序,确定目标加工顺序:
基于多个第一启发搜索后加工顺序,确定第一种群;
基于多个第二启发搜索后加工顺序,确定第二种群;
基于第一种群和所述第二种群,确定第三种群;
将第三种群作为更新后的初始种群,并重复迭代执行预设次数的基于初始种群确定初始加工顺序,以及对初始加工顺序进行启发搜索得到多个启发搜索后加工顺序,直至基于多个启发搜索后加工顺序确定目标加工顺序的步骤,并将执行完最后一次前述各步骤得到的目标加工顺序作为最终的目标加工顺序。
在本发明一示例性实施例中,处理模块630可以采用以下方式实现基于多个启发搜索后加工顺序,确定目标加工顺序:
获取各启发搜索后加工顺序的序列适应值;
将序列适应值最小的启发搜索后加工顺序,作为目标加工序列。
在本发明一示例性实施例中,处理模块630可以采用以下方式实现基于第一种群和第二种群,确定第三种群:
将所述第一种群内的所述第一启发搜索后加工顺序和所述第二种群内的所述第二启发搜索后加工顺序进行合并,得到合并启发搜索后加工顺序;
分别确定多个合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列;
选取位于第一序列前端的预设数目的合并启发搜索后加工顺序;
基于预设数目的合并启发搜索后加工顺序,得到所述第三种群。
在本发明一示例性实施例中,处理模块630可以采用以下方式实现确定第一种群:
分别确定第一启发搜索后加工顺序的序列适应值,以及初始加工顺序的序列适应值;
在第一启发搜索后加工顺序的序列适应值小于初始加工顺序的序列适应值的情况下,将第一启发搜索后加工顺序进行聚合保存,得到第一种群;
在第一启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值的情况下,将初始加工顺序进行聚合,得第一种群。
在本发明一示例性实施例中,处理模块630可以采用以下方式实现确定第二种群:
分别确定第二启发搜索后加工顺序的序列适应值,以及初始加工顺序的序列适应值;
在第二启发搜索后加工顺序的序列适应值小于初始加工顺序的序列适应值的情况下,将第二启发搜索后加工顺序进行聚合保存,得到第二种群;
在第二启发搜索后加工顺序的序列适应值大于初始加工顺序的序列适应值的情况下,将初始加工顺序进行聚合保存,得到第二种群。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行作业车间调度方法,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述方法包括:获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的作业车间调度方法,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述方法包括:获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的作业车间调度方法,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述方法包括:获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
以上所描述的装置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的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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计算机可读存储介质中,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种作业车间调度方法,其特征在于,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述方法包括:
获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;
基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;
在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
2.根据权利要求1所述的作业车间调度方法,其特征在于,所述在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,具体包括:
在所述调度约束下,基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序;
对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个启发搜索后加工顺序;
基于多个所述启发搜索后加工顺序,确定所述目标加工顺序。
3.根据权利要求2所述的作业车间调度方法,其特征在于,在所述基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序之前,所述方法还包括:
按照预设排序规则,初始化各所述待生产产品在各所述加工工序中的多组候选加工顺序;
基于多组所述候选加工顺序,确定与所述人工蜂群算法对应的初始种群;
所述基于人工蜂群算法,确定各所述待生产产品在各所述加工工序中的初始加工顺序,具体包括:
基于所述初始种群和所述人工蜂群算法,确定各所述候选加工顺序的序列适应值;
基于所述序列适应值,确定各所述待生产产品在各所述加工工序中的初始加工顺序。
4.根据权利要求3所述的作业车间调度方法,其特征在于,所述启发搜索后加工顺序包括第一启发搜索后加工顺序和第二启发搜索后加工顺序;所述对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个启发搜索后加工顺序,具体包括:
基于变邻域搜索算法,对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个第一启发搜索后加工顺序;
基于附加搜索算法,对所述初始加工顺序进行启发搜索,得到与所述初始加工顺序对应的多个第二启发搜索后加工顺序,其中,所述附加搜索算法为除所述变邻域搜索算法之外的其他启发搜索算法;
所述基于多个所述启发搜索后加工顺序,确定所述目标加工顺序,具体包括:
基于多个所述第一启发搜索后加工顺序,确定第一种群;
基于多个所述第二启发搜索后加工顺序,确定第二种群;
基于所述第一种群和所述第二种群,确定第三种群;
将所述第三种群作为更新后的初始种群,并重复迭代执行预设次数的基于所述初始种群确定初始加工顺序,以及对所述初始加工顺序进行启发搜索得到多个启发搜索后加工顺序,直至基于多个启发搜索后加工顺序确定所述目标加工顺序的步骤,并将执行完最后一次前述各步骤得到的目标加工顺序作为最终的目标加工顺序。
5.根据权利要求2或4所述的作业车间调度方法,其特征在于,所述基于多个所述启发搜索后加工顺序,确定所述目标加工顺序,具体包括:
获取各所述启发搜索后加工顺序的序列适应值;
将序列适应值最小的启发搜索后加工顺序,作为所述目标加工序列。
6.根据权利要求4所述的作业车间调度方法,其特征在于,所述基于所述第一种群和所述第二种群,确定第三种群,具体包括:
将所述第一种群内的所述第一启发搜索后加工顺序和所述第二种群内的所述第二启发搜索后加工顺序进行合并,得到合并启发搜索后加工顺序;
分别确定多个所述合并启发搜索后加工顺序的序列适应值,并按照序列适应值由低到高的顺序进行排序,得到第一序列;
选取位于所述第一序列前端的预设数目的所述合并启发搜索后加工顺序;
基于所述预设数目的所述合并启发搜索后加工顺序,得到所述第三种群。
7.根据权利要求4所述的作业车间调度方法,其特征在于,所述第一种群采用以下方式确定:
分别确定所述第一启发搜索后加工顺序的序列适应值,以及所述初始加工顺序的序列适应值;
在所述第一启发搜索后加工顺序的序列适应值小于所述初始加工顺序的序列适应值的情况下,将所述第一启发搜索后加工顺序进行聚合保存,得到所述第一种群;
在所述第一启发搜索后加工顺序的序列适应值大于所述初始加工顺序的序列适应值的情况下,将所述初始加工顺序进行聚合,得所述第一种群。
8.根据权利要求4所述的作业车间调度方法,其特征在于,所述第二种群采用以下方式确定:
分别确定所述第二启发搜索后加工顺序的序列适应值,以及所述初始加工顺序的序列适应值;
在所述第二启发搜索后加工顺序的序列适应值小于所述初始加工顺序的序列适应值的情况下,将所述第二启发搜索后加工顺序进行聚合保存,得到所述第二种群;
在所述第二启发搜索后加工顺序的序列适应值大于所述初始加工顺序的序列适应值的情况下,将所述初始加工顺序进行聚合保存,得到所述第二种群。
9.一种作业车间调度装置,其特征在于,所述作业车间包括按照预设顺序排列的加工工序,各所述加工工序由至少一个加工机器执行,所述装置包括:
获取模块,用于获取多个待生产产品的产品信息,其中,所述产品信息至少包括各所述待生产产品在各所述加工工序中由所述加工机器进行加工处理的加工时长;
构建模块,用于基于所述产品信息构建调度约束,其中,所述调度约束用于表示多个所述待生产产品在调度过程中的约束;
处理模块,用于在所述调度约束下,确定各所述待生产产品在各所述加工工序中的目标加工顺序,以使多个所述待生产产品在按照所述预设顺序排列由各所述加工工序加工处理后的总加工时长最短。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述作业车间调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233351.2A CN117252375A (zh) | 2023-09-22 | 2023-09-22 | 作业车间调度方法、作业车间调度装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233351.2A CN117252375A (zh) | 2023-09-22 | 2023-09-22 | 作业车间调度方法、作业车间调度装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252375A true CN117252375A (zh) | 2023-12-19 |
Family
ID=89125971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311233351.2A Pending CN117252375A (zh) | 2023-09-22 | 2023-09-22 | 作业车间调度方法、作业车间调度装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252375A (zh) |
-
2023
- 2023-09-22 CN CN202311233351.2A patent/CN117252375A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chang et al. | Solving the flexible job shop scheduling problem with makespan optimization by using a hybrid Taguchi-genetic algorithm | |
CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
CN115310794A (zh) | 人机协同装配线平衡方法及装置 | |
CN112580922B (zh) | 一种基于多级邻域结构和混合遗传算法的柔性作业车间调度方法 | |
CN112561225B (zh) | 一种基于标杆协同进化算法的柔性作业车间调度方法 | |
CN113177732A (zh) | 一种工艺流程管理方法、装置、介质及终端设备 | |
CN111007823A (zh) | 柔性作业车间动态调度方法及装置 | |
CN111626496B (zh) | 一种柔性装配作业车间调度的混合优化方法 | |
CN107437121A (zh) | 适用于多机器同时处理单工件的生产工艺过程控制方法 | |
CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
CN117252375A (zh) | 作业车间调度方法、作业车间调度装置及电子设备 | |
CN115619200B (zh) | 一种分割式Seru的排产与多能工调度组合优化方法和装置 | |
CN111985162A (zh) | 一种基于深度学习的置换流水车间控制方法及系统 | |
CN115208954B (zh) | 用于分布式数据处理系统的并行策略预置系统及其方法 | |
CN116387196A (zh) | 一种晶圆的加工方法、装置、电子设备及存储介质 | |
CN111242500B (zh) | 一种存在新工件插入的模糊柔性作业车间调度方法 | |
CN113554231B (zh) | 一种带有作业族的作业车间调度方法及装置 | |
CN117075564A (zh) | 一种混合流水车间调度方法及装置 | |
CN112380205B (zh) | 一种分布式架构的特征自动生成方法和系统 | |
CN117057551B (zh) | 考虑协作机器人的多工序作业调度问题的解决方法和装置 | |
CN110309367A (zh) | 信息分类的方法、信息处理的方法和装置 | |
Chamnanlor et al. | Bi-objective optimization for reentrant shop scheduling problem | |
CN116167593B (zh) | 用于零等待作业车间调度的工件加工时刻获取方法及设备 | |
CN117634749B (zh) | 柔性加工系统的工件加工方法及相关设备 | |
CN117055481A (zh) | 一种可重入装配柔性作业车间调度问题的优化方法和系统 |
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 |