基于粒子群算法的啤酒灌装生产线设备选型系统技术方案

本发明专利技术公开了一种基于粒子群算法的啤酒灌装生产线设备选型系统，涉及啤酒灌装生产线技术领域，其特征在于：至少包括：数据库模块，用于存储不同厂家的啤酒灌装包装设备数据，所述啤酒灌装包装设备数据包括设备产能、设备价格和设备占地面积；数据处理模块，基于粒子群算法对上述啤酒灌装包装设备数据进行处理，进而得出选型方案。本发明专利技术通过粒子群智能算法对啤酒灌装生产线建厂初期所需设备进行选型，根据客户需求从数据库中选出最优的设备，为客户快速提供全新的选型方案，解决存在的瓶颈问题，提高整条包装生产线的平衡率，减少工作站空闲的时间，以此为建立全新的包装生产线做好选型准备，提高整个生产线效率。

Equipment Selection System of Beer Filling Production Line Based on Particle Swarm Optimization

【技术实现步骤摘要】
基于粒子群算法的啤酒灌装生产线设备选型系统
本专利技术涉及啤酒灌装生产线
，特别是涉及到一种基于粒子群算法的啤酒灌装生产线设备选型系统。
技术介绍
众所周知，啤酒灌装生产线的工艺过程如下：首先是从玻璃工厂采购空瓶或对旧瓶进行回收，当啤酒瓶子进厂后，将空瓶放在仓库或者直接输送到啤酒灌装生产线；然后通过去瓶盖机去掉瓶盖，由洗瓶机进行清洗，洗完后经过验瓶装置进行检验；随后由灌装机进行灌装，装瓶压盖机会将由瓶盖输送机送过来的瓶盖与已经灌装好的啤酒瓶进行压盖，然后进行成品检验；再通过贴标机贴标后，由装箱机装箱；最后由码垛机器人码垛，将包装好的成品入库，也可根据实际需求直接出厂。生产线平衡问题从1954年开始研究到现在已经有60多年，生产线方案设计主要有两类：一类是对已有的生产线进行改造，另一类是建立全新的生产线。目前研究第一类的较多，第二类的比较少。新的设计理念与以往老的规划设计理念不同，相比旧的规划设计理念让80％的问题拖到投产阶段去解决，新的设计理念让80％的问题在前期规划设计阶段就得到彻底的解决，这样就避免了项目在投产阶段时出现的大量问题。包装生产线平衡实质上就是对生产线上的全部工序与设备进行优化，使得各工序或工作站上的作业负荷和作业时间相均衡。它以质量、效率、成本等几方面为目标，通过消除瓶颈工序，减少工时浪费，从而最终实现“一个流”生产。通常情况下，包装生产线平衡率在70％-85％时，装配生产线的控制基本是科学的；而当生产线平衡率高于85％时，生产过程中进行的是“一个流”模式。半个世纪以来，研究人员提出了各种各样的技术和方法解决包装生产线平衡率问题。主要有工业工程法、仿真方法、精确求解方法以及启发式算法。工业工程方法往往依赖于管理者的经验，缺乏数据的支撑；仿真方法效果比较直观，但在建模初期会耗费大量的时间；精确求解法计算精度较高，但是当模型较为复杂时，会花费相当长的时间才能得到计算结果；而随着启发式算法即智能算法的发展，生产线平衡问题得到一定的解决。当前包装行业也在向柔性化、信息化、智能化方向发展，但是目前通过智能算法求解啤酒灌装生产线所需设备数量的方法未见报道。
技术实现思路
本专利技术针对现有技术中存在的上述技术问题，提供了一种基于粒子群算法的啤酒灌装生产线设备选型系统，通过粒子群智能算法对啤酒灌装生产线建厂初期所需设备进行选型，根据客户需求从数据库中选出最优的设备，为客户快速提供全新的选型方案，解决存在的瓶颈问题，提高整条包装生产线的平衡率，减少工作站空闲的时间，以此为建立全新的包装生产线做好选型准备，提高整个生产线效率。本专利技术为解决公知技术中存在的技术问题所采取的技术方案是：一种基于粒子群算法的啤酒灌装生产线设备选型系统，至少包括：数据库模块，用于存储不同厂家的啤酒灌装包装设备数据，所述啤酒灌装包装设备数据包括设备产能、设备价格和设备占地面积；数据处理模块，基于粒子群算法对上述啤酒灌装包装设备数据进行处理，进而得出选型方案；具体步骤为：S1、导入啤酒灌装包装设备数据；S2、初始化参数；所述参数包括最大迭代次数MaxIt；惯性权重的最大值ωmax，最小值ωmin；调节系数c1，c2；S3、输入客户需求，所述客户要求包括啤酒灌装生产线产能、设备总成本和设备总占地面积；S4、初始化种群xSize，所述初始化种群xSize的数量范围是20-40个；S5、计算目标值：首先根据客户要求的啤酒包装生产线目标产能，从随机选出的方案中，通过不同设备的产能数据得到相应方案下所需的设备数量，并向上取整，当某个工序需要多台设备时，那么将这几台设备放在一个工作站里；通过设备数量计算不同方案下设备的实际产能，得到设备的产能后，取当中最低的产能作为该种方案下生产线的产能；计算得到相应方案下的生产线平衡率和平滑性系数；再根据前一步得到的设备数量计算设备的总价格与总占地面积；最后以生产线的平衡率最高、设备总价格最低以及设备总占地面积符合客户需求为多目标进行优化；S6、在满足客户产能，以及设备总占地面积的约束条件下，以生产线平衡率最高，生产线总成本最低为目标进行计算，得到非劣解集，判断非劣解集中是否含有非劣解，如果有非劣解，进行下一步，否则输出在客户需求的条件下，当前数据库模块中没有符合客户需求的生产方案；S7、采用线性递减惯性权重，更新惯性权重ω；其中：ωmax为初始惯性权重；ωmin为迭代至最大次数时的惯性权重；iter为当前迭代次数；MaxIt为最大迭代次数；S8、更新粒子的新速度和新位置；速度和位置更新公式分别为：Vk+1＝ωVk+c1r1(Pkid-Xk)+c2r2(Pkgd-Xk)Xk+1＝Xk+Vk+1其中：r1和r2为分布在[0,1]之间的随机数；k是当前迭代次数；Pkid为个体最优粒子位置；Pkgd为全局最优粒子位置；c1和c2为常数，V为粒子速度；X为粒子位置；S9、根据新的粒子位置重新计算目标值；S10、更新粒子最佳位置；S11、更新非劣解集合；S12、计算当前迭代条件下，非劣解集粒子在数据库中的对应位置、相应设备数量选择方案，相应的生产线平衡率与平滑性系数，设备总成本，设备总占地面积，并进行绘图；S13、判断是否满足最大迭代次数终止条件，如果满足，输出结果；否则返回S7，继续计算。进一步：c1＝c2＝2。更进一步：所述数据处理模块为具有Matlab的处理器。更进一步：所述生产平衡率表示生产线上各个工作站之间工作过程的均衡程度，生产平衡率用P表示：其中：N为工作站数目；cni为第i个工作站设备的总产能。更进一步：上述平滑性系数表示生产线上各个工作站产能分布离散状况的一个指标，平滑性系数用SI表示：其中：N为工作站数目；cn为客户要求的最低产能；cni为第i个工作站设备的总产能。本专利技术具有的优点和积极效果是：通过采用上述技术方案，本专利技术通过粒子群智能算法快速选择设备的方案不仅满足客户产能要求，而且符合设备总最大占地面积约束等多目标，机器设备总投资金额也在客户的预算内。特别是生产线的平滑性系数非常低；平衡率高达90％以上，生产效率非常高，满足一个流生产。附图说明：图1是本专利技术优选实施例的流程图；图2啤酒灌装生产线的案例生产线图；图3是本专利技术优选实施例的可视化方案图。具体实施方式为能进一步了解本专利技术的
技术实现思路
、特点及功效，兹例举以下实施例，并配合附图详细说明如下：如图1所示，本专利技术公开了一种基于粒子群算法的啤酒灌装生产线设备选型系统。基本术语：(1)工作站：完成连续若干工艺过程的自动化设备，常用N表示工作站的数目，一个工作站能够完成连续的若干工艺过程，并将具有相同设备的工艺视为一个工作站。(2)生产平衡率：表示生产线上各个工作站之间工作过程的均衡程度，生产平衡率越大越好。常用P表示：其中：N为工作站数目；cni为第i个工作站设备的总产能。(3)平滑性系数：表示生产线上各个工作站产能分布离散状况的一个指标，平滑性系数越小越好。常用SI表示：其中：N为工作站数目；cn为客户要求的最低产能；cni为第i个工作站设备的总产能。(4)非劣解：在多目标优化问题的可行域中存在一个问题解，若不存在另一个可行解，使得一个解中的目标全部劣于该解，则该解称为多目标优化问题的非劣解。(5)非劣解集：所有非劣解的集合。基于粒子群算法本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法的啤酒灌装生产线设备选型系统，其特征在于：至少包括：数据库模块，用于存储不同厂家的啤酒灌装包装设备数据，所述啤酒灌装包装设备数据包括设备产能、设备价格和设备占地面积；数据处理模块，基于粒子群算法对上述啤酒灌装包装设备数据进行处理，进而得出选型方案；具体步骤为：S1、导入啤酒灌装包装设备数据；S2、初始化参数；所述参数包括最大迭代次数MaxIt；惯性权重的最大值ωmax，最小值ωmin；调节系数c1，c2；S3、输入客户需求，所述客户要求包括啤酒灌装生产线产能、设备总成本和设备总占地面积；S4、初始化种群xSize，所述初始化种群xSize的数量范围是20‑40个；S5、计算目标值：首先根据客户要求的啤酒包装生产线目标产能，从随机选出的方案中，通过不同设备的产能数据得到相应方案下所需的设备数量，并向上取整，当某个工序需要多台设备时，那么将这几台设备放在一个工作站里；通过设备数量计算不同方案下设备的实际产能，得到设备的产能后，取当中最低的产能作为该种方案下生产线的产能；计算得到相应方案下的生产线平衡率和平滑性系数；再根据前一步得到的设备数量计算设备的总价格与总占地面积；最后以生产线的平衡率最高、设备总价格最低以及设备总占地面积符合客户需求为多目标进行优化；S6、在满足客户产能，以及设备总占地面积的约束条件下，以生产线平衡率最高，生产线总成本最低为目标进行计算，得到非劣解集，判断非劣解集中是否含有非劣解，如果有非劣解，进行下一步，否则输出在客户需求的条件下，当前数据库模块中没有符合客户需求的生产方案；S7、采用线性递减惯性权重，更新惯性权重ω；...

【技术特征摘要】
1.一种基于粒子群算法的啤酒灌装生产线设备选型系统，其特征在于：至少包括：数据库模块，用于存储不同厂家的啤酒灌装包装设备数据，所述啤酒灌装包装设备数据包括设备产能、设备价格和设备占地面积；数据处理模块，基于粒子群算法对上述啤酒灌装包装设备数据进行处理，进而得出选型方案；具体步骤为：S1、导入啤酒灌装包装设备数据；S2、初始化参数；所述参数包括最大迭代次数MaxIt；惯性权重的最大值ωmax，最小值ωmin；调节系数c1，c2；S3、输入客户需求，所述客户要求包括啤酒灌装生产线产能、设备总成本和设备总占地面积；S4、初始化种群xSize，所述初始化种群xSize的数量范围是20-40个；S5、计算目标值：首先根据客户要求的啤酒包装生产线目标产能，从随机选出的方案中，通过不同设备的产能数据得到相应方案下所需的设备数量，并向上取整，当某个工序需要多台设备时，那么将这几台设备放在一个工作站里；通过设备数量计算不同方案下设备的实际产能，得到设备的产能后，取当中最低的产能作为该种方案下生产线的产能；计算得到相应方案下的生产线平衡率和平滑性系数；再根据前一步得到的设备数量计算设备的总价格与总占地面积；最后以生产线的平衡率最高、设备总价格最低以及设备总占地面积符合客户需求为多目标进行优化；S6、在满足客户产能，以及设备总占地面积的约束条件下，以生产线平衡率最高，生产线总成本最低为目标进行计算，得到非劣解集，判断非劣解集中是否含有非劣解，如果有非劣解，进行下一步，否则输出在客户需求的条件下，当前数据库模块中没有符合客户需求的生产方案；S7、采用线性递减惯性权重，更新惯性权重ω；其中：ωmax为初始惯性权重；ωmi...

【专利技术属性】
技术研发人员：李光，贾瑞，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12