CN1776554A - 基于遗传算法的可重组生产线调度方法 - Google Patents
基于遗传算法的可重组生产线调度方法 Download PDFInfo
- Publication number
- CN1776554A CN1776554A CNA2005100306516A CN200510030651A CN1776554A CN 1776554 A CN1776554 A CN 1776554A CN A2005100306516 A CNA2005100306516 A CN A2005100306516A CN 200510030651 A CN200510030651 A CN 200510030651A CN 1776554 A CN1776554 A CN 1776554A
- Authority
- CN
- China
- Prior art keywords
- production line
- equipment
- processing
- recombinative
- value
- 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.)
- Granted
Links
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种自动控制与信息技术领域的基于遗传算法的可重组生产线调度方法,包括未完成的加工任务的排序和设备的分配,在工件的排序中,利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务进行最优排序,得到加工任务的最优排序,然后根据该排序进行设备重组。本发明采用GA算法以便在采用可重组生产线加工的系统中确定未完成生产计划的优化排序;考虑了可移动机床与可变结构机床的重组操作,可以根据汽车电机多品种、变批量的生产特点解决可重组生产线调度问题;减少可重组生产线的重组费用,和汽车电机制造厂提供的各工业数据组进行比较表明重组费用降低了53%。
Description
技术领域
本发明涉及一种自动控制与信息技术领域的方法,具体地,涉及一种基于遗传算法的可重组生产线调度方法。
背景技术
大多数人可能熟悉采用柔性生产线车间加工的生产系统。在采用柔性生产车间加工的生产系统中,加工设备是固定、不可变结构的,在每个加工任务开始后,按次序完成产品的不同工序,因此不存在重组费用问题。
大多数人可能不熟悉采用另一类加工类型的生产线即所谓的可重组生产线加工。在采用可重组生产线加工的生产系统中,存在可移动机床与可变结构机床,这两种机床提供了根据生产产品的不同快速改变生产线生产能力和生产功能的能力。目前,对这类生产线的调度方法的发明专利还未检索到。
经对现有技术的文献检索发现,和可重组制造系统的调度问题有一定类似性的基于遗传算法的柔性制造系统调度方法主要有以下两种:
(1)Yung-Yi Chung等在《Proc.of the 37th IEEE Conf.on Decision andControl》(决策与控制第37届大会论文集)使用GA算法对一个柔性生产线系统进行了建模和调度;
(2)中国专利号:03141668.3,专利名称为:基于参数空间搜索的混合流水生产线的启发式调度方法,该专利自述为:“包括工件的排序和设备的分配,在工件的排序中,根据参数空间搜索方法,利用虚拟两级调度集,对每级具有多个并行设备的m级混合流水生产线的n个工件进行最优排序,得到n个工件的最优排序,然后根据最优排序表进行设备的分配。”
上述两种方法都较好的解决柔性生产线的调度问题,并且计算时间短,缩短加工时间,能针对加工设备固定的生产线产生次优解。但是,这两种方法还不能适应可重组生产线的生产调度,原因包括调度算法未能与系统自身的结构脱离、未能利用不同构件的增减和调整适应不同产品生产以及不同构型下的多目标优化不是采用重组费用。
发明内容
本发明的目的是针对现有技术的不足,提出一种基于遗传算法的可重组生产线调度方法,使其解决背景技术中存在的不足,适应可重组生产线的生产调度,从而可以得到比现有各种调度方法更适应的优化方法,能大大降低重组费用。
本发明是通过以下技术方案实现的,本发明的方法是用于可重组生产线的调度方法,包括未完成的加工任务的排序和设备的分配,在工件的排序中,利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务进行最优排序,得到加工任务的最优排序,然后根据该排序进行设备重组。所述的未完成加工任务的排序,具体分为如下几个步骤:
(1)将生产线未完成的n个加工任务进行随机排列,产生可能的加工序列,取其中的100个随机排列作为调度算法的初始种群。
(2)通过计算得到每个任意一个初始种群的加工重组费用。根据染色体的序列和生产线的初始状态,可以计算出生产线的重组费用
式中,gi,hj表示两个可重组工序某一次的重组费用。其中,工序i的重组费用函数定义为g:S×S→R,S为加工工序i的状态集,S={s0,s1},s0表示加工工序i没有进行重组,s1表示工序i进行了重组;工序j的重组费用函数为h:Q×Q →R,Q={q1,q2,…,qn}为加工工序j的状态集。
(3)计算约束惩罚值:
约束惩罚值计算定义为:
其中,D={d1,d2…dn}为工件加工期集合;E={e1,e2…en}为工件完成期集合;n表示工件数量。
(4)计算个体的适应度
计算个体的适应度定义为:
f3=w1f1+w2f2 (3)
其中,w1,w2表示不同的目标优化权重,可取0~1之间的任何值。
(5)对初始种群的个体采用交叉变异的方式进行优化
采用期望值方法,选择父代个体,对父代个体的染色体进行交叉,产生子代种群,并对子代种群中的个体进行变异操作。根据染色体个体进行评估,其中每一个染色体的评估值由适应度函数与限制值所决定。
染色体的变异既能使样本有多样性,又避免了限入局部最优解。
(6)反复迭代
若子代数若小于预先设定的迭代数,则重复上述(2)~(5)的操作过程,子代数若等于预先设定的迭代数,对适应度值进行比较,挑选种群中的最优个体。
由上述步骤可以得知,本发明未完成加工任务的排序中,采用遗传算法为优化手段,对可重组生产线的n个未完成加工任务进行最优排序,主要的优化指标是重组费用。将未完成加工任务随机排列生成遗传算法(GA)的初始种群,算法初始种群的染色体为加工零件的加工顺序。通过计算个体的适应度函数值来确定个体的生存能力大小。然后通过交叉、变异方法优化未完成加工任务的排序,再根据适应度函数从中选择最好的优化顺序,从而得到n个未完成加工任务的最优排序。
所述的设备的分配,具体为:根据最优排序进行设备的分配。未完成加工任务的优化排序结果中包含了是否使用可移动机床以及确定可变结构机床是采用哪个机床构件。使用了可移动机床的情况下,当上一道工序加工完毕后,加工零件被随机的分配给含可移动机床工位中的任何一台加工设备。可变结构机床应根据优化排序结果及时更换机床构件。其它工位类似柔性生产线的设备分配。
本发明具有实质性特点,解决了背景技术中存在的问题,提供一种用于调度可重组生产线未完成的加工任务的方法。①该调度方法采用GA算法以便在采用可重组生产线加工的系统中确定未完成生产计划的优化排序;②现有的柔性生产线调度方法不完全适应多品种、变批量生产的生产特点,本调度方法因为考虑了可移动机床与可变结构机床的重组操作,可以根据汽车电机多品种、变批量的生产特点解决可重组生产线调度问题;③该调度方法减少可重组生产线的重组费用,和汽车电机制造厂提供的各工业数据组进行比较表明重组费用降低了53%。
附图说明
图1为本发明实施例调度甘特图
具体实施方式
结合本发明的内容提供以下实施例。
可重组电机生产车间包括五道工序的加工设备,其中包含了一道含有可重组加工设备的工序和一道可变结构机床的工序。工件的数量分别为4,4,2。另外还包括主控计算机。该计算机的存储器存储的数据包括个工序的加工时间、加工个数以及交货期,并能将计算结果发送到各个加工设备。通过利用诸如液晶显示设备可把加工命令传送给生产线操作人员,一旦接到视频显示设备上显示的加工命令,操作员把按排序好的产品加工次序依次放到各个加工设备进行加工。若加工设备是全自动的,可由主控计算机向可以使用的加工设备直接发送加工指令,加工设备直接到加工缓冲中获得相应的加工原材料,从而使未加工产品从缓冲移到加工设备并开始加工。
加工任务如下表所示:
M1 | M2 | M3/(M3+SM3) | M4 | M5 | 交货期 | |
产品A产品B产品C | 996 | /43 | 10/512/68/4 | 363 | 575 | 845663 |
1)读入未完成的加工任务开始调度,对未完成的加工任务进行随机排序,并将生成的任务随机排序保存为GA的初始种群。接着判断子代数是不是小于一个给定的100。
2)具体计算公式按照式(3),计算适应度函数,将计算得到的数据赋给f3。
3)为个体进行选择、交叉过程,可产生子代个体。然后对子代个体进行变异操作,得到个体后判断迭代次数是否达到100数值?如判断为“是”则重复迭代,如判断为“否”则结束算法。
4)根据式(1)计算并比较由算法得到的种群个体中的最优个体,由这个最优个体的激发序列,即可获得最优或较优生产计划的方案。
计算个体的适应度函数值时,首先计算系统重组费用,然后计算产品生产的E/T约束惩罚值,给重组费用和E/T约束惩罚值各取0.5的权重,计算适应度值,计算得到的值返回计算个体的适应度函数值。
经上述具体实施步骤后,本实施例调度甘特图如图1所示,计算得到的重组费用为260,E/T惩罚值为82,而汽车电机厂未采用本调度方法前其相应值分别为560和128。
对于特定的多品种、变批量的制造系统,本发明已利用对汽车电机制造厂提供的各工业数据组进行测试,并且显示出重组费用降低了53%,E/T惩罚值下降了35%。这样的改进程度是本发明的典型性能水平,对于可重组生产线这是明显的改进。
Claims (2)
1、一种基于遗传算法的可重组生产线调度方法,其特征在于,包括未完成的加工任务的排序和设备的分配,在工件的排序中,利用遗传算法对一条包含一台可移动设备和一台可变结构设备的可重组生产线的n个未完成加工任务进行最优排序,得到加工任务的最优排序,然后根据该排序进行设备重组;所述的未完成的加工任务的排序,具体分为如下几个步骤:
(1)将生产线未完成的n个加工任务进行随机排列,产生可能的加工序列,取其中的100个随机排列作为调度算法的初始种群;
(2)通过计算得到每个任意一个初始种群的加工重组费用,根据染色体的序列和生产线的初始状态,计算出生产线的重组费用
式中,gi,hj表示两个可重组工序某一次的重组费用,其中,工序i的重组费用函数定义为g:S×S→R,S为加工工序i的状态集,S={s0,s1},s0表示加工工序i没有进行重组,s1表示工序i进行了重组;工序j的重组费用函数为h:Q×Q→R,Q={q1,q2,…,qn}为加工工序j的状态集;
(3)计算约束惩罚值:
约束惩罚值计算定义为:
其中,D={d1,d2…dn}为工件加工期集合;E={e1,e2…en}为工件完成期集合;n表示工件数量;
(4)计算个体的适应度
计算个体的适应度定义为:
f3=w1f1+w2f2
其中,w1,w2表示不同的目标优化权重,取0~1之间的任何值;
(5)对初始种群的个体采用交叉变异的方式进行优化
采用期望值方法,选择父代个体,对父代个体的染色体进行交叉,产生子代种群,并对子代种群中的个体进行变异操作,根据染色体个体进行评估,其中每一个染色体的评估值由适应度函数与限制值所决定;
(6)反复迭代
若子代数若小于预先设定的迭代数,则重复上述(2)~(5)的操作过程,子代数若等于预先设定的迭代数,对适应度值进行比较,挑选种群中的最优个体。
2、根据权利要求1所述的基于遗传算法的可重组生产线调度方法,其特征是,所述的设备的分配,具体为:根据最优排序进行设备的分配,未完成加工任务的优化排序结果中包含了是否使用可移动机床以及确定可变结构机床是采用哪个机床构件,使用了可移动机床的情况下,当上一道工序加工完毕后,加工零件被随机的分配给含可移动机床工位中的任何一台加工设备,可变结构机床应根据优化排序结果及时更换机床构件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100306516A CN100401219C (zh) | 2005-10-20 | 2005-10-20 | 基于遗传算法的可重组生产线调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100306516A CN100401219C (zh) | 2005-10-20 | 2005-10-20 | 基于遗传算法的可重组生产线调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1776554A true CN1776554A (zh) | 2006-05-24 |
CN100401219C CN100401219C (zh) | 2008-07-09 |
Family
ID=36766122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100306516A Expired - Fee Related CN100401219C (zh) | 2005-10-20 | 2005-10-20 | 基于遗传算法的可重组生产线调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100401219C (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122251A (zh) * | 2011-03-21 | 2011-07-13 | 北京航空航天大学 | 一种基于遗传算法的多航天器并行测试任务调度方法 |
CN102354117A (zh) * | 2011-08-08 | 2012-02-15 | 温州大学 | 一种适应设备动态配置的生产线系统及其工艺排序方法 |
CN102566560A (zh) * | 2012-03-11 | 2012-07-11 | 成都信息工程学院 | 一种基于构造型启发式算法的生产线调度方法 |
CN103258247A (zh) * | 2013-05-17 | 2013-08-21 | 广东工业大学 | 一种基于目标级联分析法的碳排放优化方法 |
CN103345584A (zh) * | 2013-07-11 | 2013-10-09 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103942610A (zh) * | 2014-04-04 | 2014-07-23 | 同济大学 | 基于任务的可重组制造系统多态构型优化方法 |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN110471390A (zh) * | 2016-07-25 | 2019-11-19 | 锐界全球公司 | 并行制造系统和方法 |
CN116401037A (zh) * | 2023-06-05 | 2023-07-07 | 杭州谐云科技有限公司 | 一种基于遗传算法的多任务调度方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5077661A (en) * | 1989-05-03 | 1991-12-31 | Hewlett-Packard Company | Assignment-dependent resource allocation method |
JPH1196241A (ja) * | 1997-09-25 | 1999-04-09 | System Labo Murata:Kk | 生産予定情報決定装置およびその方法 |
JP2001331779A (ja) * | 2000-05-22 | 2001-11-30 | Matsushita Electric Ind Co Ltd | スケジュール生成装置、スケジュール生成方法およびスケジュール生成プログラムを記録した記録媒体 |
JP2002032113A (ja) * | 2000-07-13 | 2002-01-31 | Kobe Steel Ltd | スケジューリング方法 |
CN1216341C (zh) * | 2003-07-17 | 2005-08-24 | 上海交通大学 | 基于参数空间搜索的混合流水生产线的启发式调度方法 |
-
2005
- 2005-10-20 CN CNB2005100306516A patent/CN100401219C/zh not_active Expired - Fee Related
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122251B (zh) * | 2011-03-21 | 2016-09-14 | 北京航空航天大学 | 一种基于遗传算法的多航天器并行测试任务调度方法 |
CN102122251A (zh) * | 2011-03-21 | 2011-07-13 | 北京航空航天大学 | 一种基于遗传算法的多航天器并行测试任务调度方法 |
CN102354117A (zh) * | 2011-08-08 | 2012-02-15 | 温州大学 | 一种适应设备动态配置的生产线系统及其工艺排序方法 |
CN102354117B (zh) * | 2011-08-08 | 2013-06-19 | 温州大学 | 一种适应设备动态配置的生产线系统的工艺排序方法 |
CN102566560B (zh) * | 2012-03-11 | 2015-07-29 | 成都信息工程学院 | 一种基于构造型启发式算法的生产线调度方法 |
CN102566560A (zh) * | 2012-03-11 | 2012-07-11 | 成都信息工程学院 | 一种基于构造型启发式算法的生产线调度方法 |
CN103258247A (zh) * | 2013-05-17 | 2013-08-21 | 广东工业大学 | 一种基于目标级联分析法的碳排放优化方法 |
CN103345584B (zh) * | 2013-07-11 | 2016-04-20 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103345584A (zh) * | 2013-07-11 | 2013-10-09 | 南京晨光集团有限责任公司 | 评估航天器总装生产问题处理优先性的方法 |
CN103942610A (zh) * | 2014-04-04 | 2014-07-23 | 同济大学 | 基于任务的可重组制造系统多态构型优化方法 |
CN103942610B (zh) * | 2014-04-04 | 2017-12-26 | 同济大学 | 基于任务的可重组制造系统多态构型优化方法 |
CN110471390A (zh) * | 2016-07-25 | 2019-11-19 | 锐界全球公司 | 并行制造系统和方法 |
CN110543158A (zh) * | 2016-07-25 | 2019-12-06 | 锐界全球公司 | 并行制造系统和方法 |
CN110543158B (zh) * | 2016-07-25 | 2022-08-30 | 蕾瑞吉公司 | 并行制造系统和方法 |
CN108919760A (zh) * | 2018-07-05 | 2018-11-30 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
WO2020007016A1 (zh) * | 2018-07-05 | 2020-01-09 | 长安大学 | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 |
CN116401037A (zh) * | 2023-06-05 | 2023-07-07 | 杭州谐云科技有限公司 | 一种基于遗传算法的多任务调度方法和系统 |
CN116401037B (zh) * | 2023-06-05 | 2023-08-22 | 杭州谐云科技有限公司 | 一种基于遗传算法的多任务调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN100401219C (zh) | 2008-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1776554A (zh) | 基于遗传算法的可重组生产线调度方法 | |
CN109657354B (zh) | 一种基于数字孪生的混流装配车间快速重构方法及系统 | |
CN111882196B (zh) | 一种型材挤出生产排程方法、可读存储介质及装置 | |
Zhou et al. | Decomposition-based bi-objective optimization for sustainable robotic assembly line balancing problems | |
CN111144710B (zh) | 一种可持续性混合流水车间的构建和动态调度方法 | |
CN111062535A (zh) | 一种实现含能材料生产过程动态排产的方法及系统 | |
CN110363402B (zh) | 一种基于分组策略的工厂人员调度方法 | |
CN115600774A (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
CN108171372A (zh) | 一种存在准备时间的多品种生产分批调度方法 | |
CN110928261A (zh) | 分布式异构流水车间的分布估计调度方法及系统 | |
Fu et al. | Batch production scheduling for semiconductor back-end operations | |
CN110991732A (zh) | 一种基于能耗聚类的建材装备制造过程优化调度方法 | |
CN111985841B (zh) | 一种基于改进遗传算法的注塑车间调度方法及系统 | |
Bengü | A simulation-based scheduler for flexible flowlines | |
JP2003280714A (ja) | 生産スケジューリング方法及び生産スケジューリング装置 | |
CN116822217A (zh) | 一种考虑工时不确定性的人机双资源约束多目标生产调度方法 | |
CN113792927A (zh) | 基于遗传算法的航空航天柔性产品工序优化方法 | |
CN1855359A (zh) | 决定机器派工顺序的方法以及使用该方法的制造系统 | |
Ketan et al. | Manufacturing Cell Formation Using Genetic Algorithm Technique | |
CN112734286B (zh) | 一种基于多策略深度强化学习的车间调度方法 | |
CN117314127B (zh) | 一种混合遗传禁忌搜索算法的生产计划和排产方法 | |
CN117519030B (zh) | 一种基于超启发式强化学习的分布式装配阻塞流水车间调度方法 | |
CN115309120A (zh) | 一种面向不确定的作业车间低碳调度优化方法 | |
Zhou et al. | A modified column generation heuristic for hybrid flow shop multiple orders per job scheduling problem | |
Akbarzadeh et al. | Designing A New Model and Solving the Workshop Scheduling Problem with Batch Processors and Incompatible Jobs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080709 Termination date: 20101020 |