一种铸造生产调度方法及系统技术方案

本发明专利技术提供一种铸造生产调度方法及系统，该方法包括：根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。通过该方案解决铸造生产效率低的问题，有效提高生产效率和资源利用率，方便一体化精细化管控。

A scheduling method and system for foundry production

【技术实现步骤摘要】
一种铸造生产调度方法及系统
本专利技术涉及计算机
，尤其涉及一种铸造生产调度方法及系统。
技术介绍
在铸造行业中，由于铸造生产属于单件小批量的生产模式，生产流程长，排产计划制定困难。而且受生产工艺约束，尤其在铸件造型熔炼阶段，砂箱造型方式、铸件材料及浇注温度等条件都对铸件质量有着直接影响，不便于一体化管理。现有铸造生产过程的管理管控，通常以计划人员个人经验指定排产计划，当存在生产计划较多、车间生产资源复杂等情况时，容易出现排产计划制定困难、资源负载不均衡的现象，造成任务堆积或产能过剩。而且生产过程中工艺约束较多使得制造过程的一体化管理更加困难、对铸件生产任务进行排产和调度考虑因素变多，计划制定也更为复杂，这些问题都会不便于铸造生产过程的精细化管控，导致铸造生产效率较低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种铸造生产调度分配方法及系统，以解决现有铸造生产方式生产效率低的问题。在本专利技术实施例的第一方面，提供了一种铸造生产调度方法，包括：根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。在本专利技术实施例的第二方面，提供了一种铸造调度分配系统，包括：第一建立模块，用于根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；第一求解模块，用于通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；第二建立模块，用于根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；第二求解模块，用于通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。在本专利技术实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例中，根据铸造生产中前工段与后工段的不同特点，对前工段建立多目标加权调度模型，并通过混合遗传NEH算法求解模型，获得前工段调度方案，再对后工段建立柔性流水间调度模型，通过鲸鱼群算法求解，得到后工段调度方案，解决了传统铸造生产中由于排产计划多、工艺约束复杂导致的生产效率低的问题，可以有效提高生产效率和资源利用率，便于企业铸造生产自动化精细管控。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对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取其他附图。图1为本专利技术一实施例提供的铸造生产调度方法的流程示意图；图2为本专利技术一实施例提供的铸造生产调度方法的另一流程示意图；图3为本专利技术一实施例提供的铸造生产调度系统的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。请参阅图1，本专利技术实施例提供的一种物料联合采购方法的流程示意图，包括：S101、根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；铸件在加工过程中，不同阶段加工工艺不同，约束条件也不同，所述多目标加权调度模型为根据铸件加工过程中铸件、批次、砂箱、熔炼炉等调度分配的不同建立的调度模型，通过求解所述多目标加权调度模型，可以得到调度方案。所述目标函数为多目标加权调度模型的评价最优调度方案的函数，设置特定形式的目标函数可以方便调度模型的求解。具体的，设定目标函数为最小化砂箱平均空置率和最小化最大完工时间：(1)最小化砂箱平均空置率；由于每种类型的砂箱有着固定的尺寸大小，在排箱的过程中应尽量提高砂箱的空间利用率。排箱完成后每箱的闲置空间可以表示为砂箱尺寸与砂箱中铸件模具总尺寸之差，为了在数量级上与第二个目标最大完工时间更为接近，可以将砂箱空置率以百分制表示，所述砂箱平均空置率表达式为：(2)最小化前工段最大完工时间在生产调度中最大完工时间是一个重要的评价指标，前工段的最大完工时间是指最后一个批次解箱冷却后的完工时间。熔炼浇注时间为合金熔炼时间与浇注时间之和(公式2)，每个批次的最大完工时间为该批次在熔炼浇筑阶段开工时间与熔炼浇筑时间以及冷却解箱时间之和(公式3)：对于多目标问题而言，当多个指标之间往往存在着冲突时，一个指标更优时，其他指标有可能更差，因而，可采取经典加权法对多目标进行综合评价，最终的目标函数为：minimizef＝αf1+(1-α)f2(4)；其中，α(0≤α≤1)为指标权重，f1表示砂箱平均空置率，f2表示最大完工时间，具体权重的分配可以根据实际生产情况综合考虑后进行设置。可选的，设定所述多目标加权调度模型的约束条件，所述约束条件包括批次、铸件、砂箱、班组和熔炼炉的任务分配约束，熔炼炉的最大冶炼质量约束，砂箱尺寸约束，同材质约束，加工任务排序约束以及决策变量约束。其中，任务分配约束为：每个批次中至少包含一个铸件(公式5-1)、每一个铸件能且只能被分配到一个批次中(公式5-2)、一个批次能且只能选择一种砂箱(公式5-3)、一个批次只能由一个班组进行造型(公式5-4)、一个批次只能由一台熔炼炉进行熔炼浇注(公式5-5)。每一批的总重量为批中铸件的理论重量之和(公式5-6)，容量约束为每批的总重量不能超过熔炼炉的最大熔炼质量(公式5-7)。每一批的总尺寸不能超过该批所选砂箱的尺寸(公式5-8)。只有属于同一种材质的铸件才可以分配到同一批中，一个批次中不能存在不同材质的铸件：加工任务排序约束为：只有当批次被相应的班组或者熔炼炉进行加工时，对应的开工本文档来自技高网...

【技术保护点】
1.一种铸造生产调度方法，其特征在于，包括：/n根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；/n通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；/n根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；/n通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。/n

【技术特征摘要】
1.一种铸造生产调度方法，其特征在于，包括：
根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最小化砂箱平均空置率和最小化最大完工时间；
通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案；
根据后工段铸件柔性加工特点建立柔性流水车间调度模型，所述流水车间调度模型目标函数为最小化最大完工时间；
通过鲸鱼群算法对所述流水车间调度模型进行求解，获得后工段调度方案。


2.根据权利要求1所述的方法，其特征在于，所述根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最下化砂箱平均空置率和最小化最大完工时间包括：
采用经典加权法对所述多目标加权调度模型的目标函数进行评价，得到最终目标函数，所述最终目标函数形式为：
minimizef＝αf1+(1-α)f2；
其中，α(0≤α≤1)为指标权重，f1表示砂箱平均空置率，f2表示最大完工时间。


3.根据权利要求1所述的方法，其特征在于，所述根据前工段铸件加工特点建立多目标加权调度模型，所述多目标加权调度模型的目标函数为最下化砂箱平均空置率和最小化最大完工时间还包括：
设定所述多目标加权调度模型的约束条件，所述约束条件包括铸件非空约束，批次、砂箱、班组和熔炼炉的任务分配约束，熔炼炉的最大冶炼质量约束，砂箱尺寸约束，同材质约束，加工任务排序约束以及决策变量约束。


4.根据权利要求1所述的方法，其特征在于，所述通过混合遗传NEH算法对所述多目标加权调度模型求解，获得前工段调度方案包括：
通过遗传算法全局搜索对铸件进行分批，在迭代搜索过程中通过NEH算法对每条解码后的染色体进行调度，获取近似最优解。


5.根据权利要求4所述的方法，其特征在于，所述通过遗传算法全局搜索对铸件进行分批包括：
对铸件和铸件排入的砂箱进行编码，根据编码规则生成初始化种群；
在约束条件下，将编码染色体还原为所述多目标加权...

【专利技术属性】
技术研发人员：唐红涛，
申请(专利权)人：武汉晨曦芸峰科技有限公司，
类型：发明
国别省市：湖北;42