一种车间智能调度决策方法技术

本发明专利技术公开了一种车间智能调度决策方法，对柔性工作车间调度数学模型进行处理，来获得一个节能、高效率的工件加工调度决策方法。该方法步骤包括：分析生产流程，根据需求选取优化的目标，设计调度模型；计算优势因子，根据优势因子采用轮盘赌的方式从MOPSO、SPEA2和NSGA‑Ⅲ三种算法中选择最合适的一种求解多目标优化问题；计算后，更新种群和优势因子，确定非支配解，并再次计算，直到结果收敛或者达到最大迭代次数。本发明专利技术在多种优化目标求解的智能工厂调度问题上，能够快速、高效、稳定地获取最优调度结果。让工厂在对加工产品线上的工作效率得到有效提高，提升了制造过程中的柔性、效率、稳定性和透明性。

【技术实现步骤摘要】
一种车间智能调度决策方法
本专利技术涉及智能工厂生产调度
，尤其涉及一种车间智能调度决策方法。
技术介绍
为实现高效率、稳定的生产，智能工厂亟需智能调度技术来合理规划生产流程。目前，柔性作业车间优化问题已吸引了越来越多的关注，但大多数现有研究成果中只考虑复杂的实际环境的某一特定优化目标，这往往会导致调度方案可用性不高。其主要原因在于数学模型简化过度，与实际情况差异很大。单一优化目标难以反映实际生产调度问题的真实情况，通常需要同时考虑多种性能指标。对于柔性作业车间调度多目标优化问题的优化算法研究，最初的研究思路是通过给每个优化目标加权，而将多目标优化问题转化为求解难度较低的单目标优化问题，但其缺点在于人为地给每个优化目标加权会导致最终的优化解集表现不全面，甚至很差。另一研究思路是只考虑一个优化目标而将其余目标作为约束条件，该策略会弱化其它优化目标的重要性，从而得不到理想的优化结果。目前主要的研究思路是利用解之间的非支配关系来比较两个解的优劣，使用该评价策略的优化算法计算结果是最优解的集合。因而，其能更好地求解多目标优化问题。本文档来自技高网...

【技术保护点】
1.一种车间智能调度决策方法，其特征在于，包括以下步骤：/nS1：搜集所有设备加工工序时间，并分析加工流程；/nS2：将采集的数据，进行统计，构建多目标需求下的调度模型；/nS3：在计算前，对相关参数进行初始化；/nS4：根据优势因子，选择进化策略算法；/nS5：执行策略算法：根据优势因子，从MOPSO、SPEA2和NSGA-Ⅲ三种算法选择其中之一进行计算；/nS6：更新优势因子，判断继续是否迭代：从策略算法的结果中，更新种群，确定当前的非支配解，执行自适应学习机制，更新优势因子，并更新迭代次数，如果继续迭代，跳转至步骤S4。/n

【技术特征摘要】
1.一种车间智能调度决策方法，其特征在于，包括以下步骤：
S1：搜集所有设备加工工序时间，并分析加工流程；
S2：将采集的数据，进行统计，构建多目标需求下的调度模型；
S3：在计算前，对相关参数进行初始化；
S4：根据优势因子，选择进化策略算法；
S5：执行策略算法：根据优势因子，从MOPSO、SPEA2和NSGA-Ⅲ三种算法选择其中之一进行计算；
S6：更新优势因子，判断继续是否迭代：从策略算法的结果中，更新种群，确定当前的非支配解，执行自适应学习机制，更新优势因子，并更新迭代次数，如果继续迭代，跳转至步骤S4。


2.根据权利要求1所述的车间智能调度决策方法，其特征在于：所述步骤S1中采集智能工厂中，加工设备加工工件的所有工序时间，并设n个工件J＝{J1,J2...Jn}和m台设备M＝{M1,M2...Mm}，其中，工件i有j个工序{Oi1,Oi2...Oij}，这些工序在满足工艺约束的条件下逐个被加工，给每个工序分配一个可选设备集合中的一台设备，并对工序进行排序，对最小完工时间和最小化设备总能耗进行目标优化。


3.根据权利要求1所述的车间智能调度决策方法，其特征在于：所述步骤S2中数学建模构建如下：
确定优化目标：
Ⅰ.最小化完工时间f1:
minf1＝maxCi
Ⅱ.最小化设备总能耗f2:



索引：



参数：



...

【专利技术属性】
技术研发人员：周向东，宋宝，唐小琦，李虎，陈天航，刘永兴，王国栋，李君，陈立林，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42