用于液压元件加工的数字化车间调度方法和系统技术方案

本发明专利技术提供了一种用于液压元件加工的数字化车间调度方法和系统，涉及液压元件加工调度技术领域。针对液压元件的数字化车间的实际生产环境，构建关于在制品库存时间和最大完工时间的加工装配集成调度优化模型，同时在定义在制品出库时间时考虑了液压元件数字化车间自动化装配线的生产连贯性，通过总装机器拉取在制品出库，保证所有并行部装机器同时完成部装开始总装。因此通过加工机器推动入库，总装机器拉取出库这种推拉结合的方式获得入库出库时间，计算在制品库存时间。对模型进行求解时，对于小规模问题，可采用现有的算法，即可得到优化调度的策略。

【技术实现步骤摘要】
用于液压元件加工的数字化车间调度方法和系统
本专利技术涉及液压元件加工调度
，具体涉及一种用于液压元件加工的数字化车间调度方法和系统。
技术介绍
液压元件数字化车间拥有管理信息系统、自动化装配生产线和智能物流系统。其生产过程如下图所示：零件加工后进入智能仓库缓存，然后由自动化装配线完成部装和总装。针对已投产的液压元件数字化车间，如何进行生产调度，充分利用智能装备，提高生产效率是实际面临的问题。目前没有关于用于液压元件加工的数字化车间调度问题的研究，但是两阶段装配流水车间调度问题(TSAFSP)与其相似，考虑了加工的加工与装配过程。TSAFSP可以描述成：n个待加工工件，每个工件有m个零件；第一阶段有m台机器并行加工m个零件；第二阶段的一台装配机将m个加工完成的零件组装成一个产成品。TSAFSP的研究主要包括不同生产环境机器配置与目标函数。可以看出，虽然TSAFSP与液压元件数字化生产过程基本相符，但是机器配置集中在多台并行加工机器与一台或多台并行装配机器，不分部装和总装的过程，此外，TSAFSP忽略了加工、装配两阶段之间的缓存过程，与液压元件实际生产环境仍有一定差异。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种用于液压元件加工的数字化车间调度方法和系统，解决了现有的TSAFSP与液压元件的实际生产环境有差异的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：第一方面，提供了一种用于液压元件加工的数字化车间调度方法，该方法包括：基于液压元件数字化车间的机器配置，获取加工信息；基于加工信息，构建关于在制品库存时长和最大完工时长的加工装配集成调度优化模型；所述加工装配集成调度优化模型包括目标函数和约束条件；求解加工装配集成调度优化模型，输出最优调度策略。进一步的，所述加工装配集成调度优化模型的目标函数为：minZ＝α·Cmax+(1-α)·Cinventory其中，α表示权重，Cmax表示所有产品的最晚总装完成时长，即最大完工时长，Cinventory表示在制品库存时长。进一步的，所述最大完工时长Cmax的计算公式如下：其中，STA(i)表示第i个加工的产品开始总装时间；表示第i个加工的产品的总装时长；表示第i个加工的产品所有部装线上最晚完工时间；Cik表示第i个加工的产品在机器k上完成加工的时间(即入库时间)；表示第i个加工的产品在机器k上加工的时长；表示第i个加工的产品在机器k上加工的零件在部装线p上部装时长；所述在制品库存时长Cinventory的计算公式如下：其中，C'ik表示第i个加工的产品出库时间；计算公式如下：进一步的，所述约束条件包括：表示一个生产顺序编号只能有一个产品；表示一个产品只能分配给一个生产顺序编号；表示每个机器上第一个产品开始时间为0；表示第一个产品不需要等待总装机空闲。进一步的，所述求解加工装配集成调度优化模型，输出最优调度策略包括：S301、初始化参数，并生成N个GA种群；S302、对N个GA种群并行进化，直至满足第一迁徙周期；S303、从每个GA种群选取Q1个最优个体组成GPSO种群；S304、对GPSO种群独立进化；判断是否达到最大进化次数，若达到最大进化次数，输出其中最优个体，否则，每个GA种群随机从GPSO种群中选择Q2个个体代替该种群中最差个体，并返回S302。进一步的，所述初始化参数包括：设定GA种群个数N、第二迁徙周期、第一迁徙周期、最大进化次数maxGen、交叉概率Pc、变异概率Pm、迁移率。进一步的，所述S302包括：S3021、基于交叉概率Pc和变异概率Pm，对每个GA种群独立进行选择、交叉、变异操作以及计算本次进化的适应度值，完成一次进化；S3022、更新进化次数，GA种群进化次数达到第二迁徙周期时，基于迁移率从GA种群中随机选择个体进行单向环迁移，并判断是否达到第一迁徙周期，若是，执行S303，否则，返回S3021。进一步的，所述S304包括：S3041、对GPSO种群进行选择、交叉、变异操作以及计算本次进化的适应度值，完成一次进化；S3042、更新进化次数，判断是否达到最大进化次数maxGen，若是，输出最优个体，作为最佳调度策略；否则，每个GA种群随机从GPSO种群中选择Q2个个体代替该种群中对应数量的最差个体，并返回S302。进一步的，所述选择操作采用锦标赛选择方法。第二方面，提供了一种用于液压元件加工的数字化车间调度系统，所述系统包括存储器、处理器以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计算机程序时实现上述方法的步骤。(三)有益效果本专利技术提供了一种用于液压元件加工的数字化车间调度方法和系统。与现有技术相比，具备以下有益效果：针对液压元件的数字化车间的实际生产环境，构建关于在制品库存时间和最大完工时间的加工装配集成调度优化模型，同时在定义在制品出库时间时考虑了液压元件数字化车间自动化装配线的生产连贯性，通过总装机器拉取在制品出库，保证所有并行部装机器同时完成部装开始总装。因此通过加工机器推动入库，总装机器拉取出库这种推拉结合的方式获得入库出库时间，计算在制品库存时间。对模型进行求解时，对于小规模问题，可采用现有的算法，即可得到优化调度的策略。对于中大规模问题，在求解模型时，设计了一种IsLandGA-GPSO混合算法(遗传算法孤岛模型与广义粒子群混合算法)用来求解液压元件数字化车间调度问题。算法共分为两层，底层包含N个子种群的孤岛模型，每个子种群执行遗传算法操作。顶层是一个广义粒子群，对底部传递上来的最优秀个体进行精确局部搜索，争取获得更加优秀的基因。该算法对任意规模的问题，其收敛速度和最优值均优于其他现有的算法。且在大规模问题中，该算法有效解决了其他现有算法陷入局部最优的问题，能有效解决大规模调度问题。附图说明为了更清楚地说明本专利技术实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术实施例的液压元件数字化车间集成调度的流程示意图；图2为本专利技术实施例的遗传算法孤岛模型与广义粒子群混合算法(IslandGA-GPSO)模型结构示意图；图3为本专利技术实施例中方法的流程图；图4为本专利技术实施例中编码方式示意图；图5为本专利技术实施例中交叉过程示意图；图6为本专利技术实施例中变异过程示意图；图7为本专利技术实施例中迁移策略本文档来自技高网...

【技术保护点】
1.一种用于液压元件加工的数字化车间调度方法，其特征在于，该方法包括：/n基于液压元件数字化车间的机器配置，获取加工信息；/n基于加工信息，构建关于在制品库存时长和最大完工时长的加工装配集成调度优化模型；所述加工装配集成调度优化模型包括目标函数和约束条件；/n求解加工装配集成调度优化模型，输出最优调度策略。/n

【技术特征摘要】
1.一种用于液压元件加工的数字化车间调度方法，其特征在于，该方法包括：
基于液压元件数字化车间的机器配置，获取加工信息；
基于加工信息，构建关于在制品库存时长和最大完工时长的加工装配集成调度优化模型；所述加工装配集成调度优化模型包括目标函数和约束条件；
求解加工装配集成调度优化模型，输出最优调度策略。


2.如权利要求1所述的一种用于液压元件加工的数字化车间调度方法，其特征在于，所述加工装配集成调度优化模型的目标函数为：
minZ＝α·Cmax+(1-α)·Cinventory
其中，α表示权重，Cmax表示所有产品的最晚总装完成时长，即最大完工时长，Cinventory表示在制品库存时长。


3.如权利要求2所述的一种用于液压元件加工的数字化车间调度方法，其特征在于，所述最大完工时长Cmax的计算公式如下：



其中，STA(i)表示第i个加工的产品开始总装时间；表示第i个加工的产品的总装时长；




表示第i个加工的产品所有部装线上最晚完工时间；
Cik表示第i个加工的产品在机器k上完成加工的时间(即入库时间)；




表示第i个加工的产品在机器k上加工的时长；

表示第i个加工的产品在机器k上加工的零件在部装线p上部装时长；
所述在制品库存时长Cinventory的计算公式如下：



其中，C'ik表示第i个加工的产品出库时间；计算公式如下：





4.如权利要求2所述的一种用于液压元件加工的数字化车间调度方法，其特征在于，所述约束条件包括：



表示一个生产顺序编号只能有一个产品；



表示一个产品只能分配给一个生产顺序编号；



表示每个机器上第一个产品开始时间为0；



表示第一个产品不需要等待总装机空闲。


5.如权利要求1所述的一种用于液压元件加工的数字化车间调度方法，其特征在于，所述求...

【专利技术属性】
技术研发人员：胡小建，李睿豪，刘婷婷，周琼，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34