一种基于改进遗传算法的生产制造排产优化方法技术

本发明专利技术公开了一种基于改进遗传算法的生产制造排产优化方法。首先，针对排产优化目标，建立数学模型，确定种群适应度函数，读取订单信息和设备信息，给设备编号，将订单工序编码成染色体基因，初始化种群、最大迭代次数、排产矩阵；然后对种群染色体进行交叉、变异等操作得到新一代种群，结合排产矩阵将染色体基因对应的订单工序无冲突地安排在设备上，计算种群个体的适应度函数；最后按照二元锦标赛选择策略选择下一代个体，保留适应度个体到下一代，重复以上步骤直到达到最大迭代次数，解码适应度最高的个体染色体作为最优排产方案。本发明专利技术可以快速实现全局优化，比现有优化方法效果更好。好。好。

【技术实现步骤摘要】
一种基于改进遗传算法的生产制造排产优化方法


[0001]本专利技术属于工业过程监控、建模和优化领域，特别涉及一种基于改进遗传算法的生产制造排产优化方法。

技术介绍

[0002]在激烈的市场竞争条件下和经济全球化大趋势推动下，企业正面临越来越复杂和多元化的市场需求，提高生产效率、及时响应市场的需求是现代智能制造的核心目标，也是提高企业效益、提升企业核心竞争力的重要途经。生产制造工序复杂、加工的工艺路线和设备的使用非常灵活，在产品设计、处理需求和定货数量方面变动较多，为实现现代化智能制造目标，必须对生产制造企业生产进行排产优化，合理安排生产加工计划。排产是指将订单拆分成具体每一道工序，然后安排在具体的设备上执行具体的工序顺序，排产优化的目标就是将订单执行顺序合理化从而实现某个性能指标最优或者多目标最优的目的。
[0003]排产问题在数学上已经被证明是NP难问题，近年来针对排产优化问题国内外提出了很多方法，如遗传算法、拉格朗日松弛法、整数归纳法等多种算法，其中遗传算法因其快速的全局最优搜索能力获得了众多学者的重视。许多学者使用遗传算法进行排产优化，取得了不错的效果，但是由于排产优化问题存在着约束，即同一订单必须先完成上一道工序才能执行下一道工序，同一加工设备必须先完成上一个产品才能加工下一个产品，因此在使用遗传算法对排产优化问题进行染色体编码时，会出现编码冲突，即按照染色体编码顺序安排生产时无法满足约束。为解决编码冲突问题，一些学者提出了解决方案，如周维提出了一种同道工序优选分派排产算法，即将所有订单的工序进行分类，只在同道工序之间排序；武韶敏提出每一个订单从最后一道工艺流程开始随机产生加工时间a
i
∈[1,T]，接着倒数第二道工序流程随机分配加工时间a
i
‑1∈[1,a
i
]，以此类推完成订单的所有工艺流程的排产。但是这些解决方案都是人为地加上一些约束，这样会导致遗传算法无法进行全局优化，大大降低了优化效果。

技术实现思路

[0004]为了克服现有方法的不足，本专利技术提供一种基于改进遗传算法的生产制造排产优化方法，该方法染色体编码采用小数编码方式，包含一种排产矩阵记录订单每道工序在设备上的开始加工时间和结束时间，在设备上安排订单工序时结合排产矩阵可以解决订单工序约束冲突和设备生产时间约束冲突，实现全局优化，极大地提高排产优化的效果。
[0005]一种基于改进遗传算法的生产制造排产优化方法，该方法的步骤如下：
[0006]步骤(1)针对排产优化目标，建立数学模型，选择合适的种群适应度函数；
[0007]步骤(2)读取订单信息和设备信息，并将订单信息和设备信息存到数据库中，对每一个加工设备进行编号，将订单的每一道工序进行拆分后把每一道工序编码成染色体基因；
[0008]步骤(3)初始化种群、最大迭代次数及排产矩阵；
[0009]步骤(4)随机地对种群中的染色体进行交叉、变异，得到新的种群；
[0010]步骤(5)按照染色体编码顺序安排各个订单的工序，结合排产矩阵解决编码冲突，将工序安排到具体加工设备上并计算出开始加工的时间和加工结束的时间，当染色体的所有基因都完成解码后，得到一个完整的排产矩阵，计算种群适应度；
[0011]步骤(6)按照二元锦标赛选择算子对种群进行选择，选出适应度高的个体复制到下一代；
[0012]步骤(7)当种群进化次数达到最大迭代数时，结束种群进化，选择适应度最高的个体的染色体，其对应的排产矩阵即为最优的排产策略，种群进化次数小于最大迭代次数则返回步骤(4)。
[0013]步骤(1)所述排产优化目标为所有订单的交货延迟时间之和其中m为订单数，T
i
表示第i个订单的交货延迟时间；排产优化的目标为最小化所有订单的交货延迟时间之和T，取F＝e
‑
T
作为种群个体的适应度函数，种群进化的目标是最大化F。
[0014]步骤(2)所述的数据库为MySQL，订单信息包括订单的代号、产品种类和数量、订单到达时间、订单截止时间、订单产品的生产工序及每个工序用到的设备、每个工序的生产时间，设备信息包括设备的代号、种类和数量，设备编号为M1,M2,M3,...,M
n
,其中n为所有设备的数量之和，提出一种小数编码方式对染色体进行编码，小数点之前的数字表示订单的编号，小数点后面的数字表示工序的编号。
[0015]步骤(3)所述的种群规模大小和最大迭代数根据经验设置，将所有订单的所有工序进行编码后得到初始染色体，随机排序后得到初始化种群，排产矩阵是一个m*n大小的矩阵，m表示订单的数量，n表示加工设备的数量，排产矩阵初始的每一个元素为0，安排加工任务后的元素表示为[t
ijs
,t
ije
]，表示第i个订单在第j个设备上的生产开始时间和生产完成时间。
[0016]步骤(4)所述的染色体交叉方式选用OX交叉方法，变异方式选用插入变异、倒序变异、交换变异三种方式，按照设定概率随机选择变异方式。
[0017]步骤(5)所述的结合排产矩阵将工序安排到具体加工设备上并确定开始生产的时间方法为：在安排基因i.r，即订单i的第r道工序的时候，首先算出排产矩阵第i行非0元素的数量k，然后搜索Mysql数据库找到订单i第k+1道工序需要的设备编号j，找到排产矩阵第i行的最大值和第j列的最大值，取两者之间的最大值作为订单i在设备j上开始加工的时间t
ijs
，搜索Mysql数据库找到订单i在设备j上加工完成的时间t
ijp
，加工完成时间为t
ije
＝t
ijs
+t
ijp
。计算种群适应度其中m为订单数，T
i
表示第i个订单的交货延迟时间。
[0018]步骤(6)遗传算子采用二元锦标赛选择，有放回地从种群中选出两个个体，竞赛选出适应度更高的个体复制到下一代。
[0019]本专利技术的有益效果在于：
[0020](1)利用排产矩阵解决了订单工序约束冲突和设备生产时间约束冲突，不需要人为加入任何约束限制，因此可以真正实现生产制造全局优化，实现多设备多订单协调生产，极大地缩短了生产周期，降低了制造企业的交货延迟惩罚成本，提升了客户的满意度，增加
了企业的核心竞争力。
[0021](2)提升了设备的利用效率，有助于节能减排，减少了资源浪费。
[0022](3)该方法在解决约束限制时不需要对染色体进行重新排序等处理，步骤简单，计算速度快，优化效率高，因此可以快速对订单进行响应，具有更好的动态性，在处理复杂多变的实际生产制造问题中具有更大优势。
附图说明
[0023]图1是本专利技术方法的流程框图。
[0024]图2是本方法的优化曲线。
[0025]图3是本方法得到的最优排产策略的甘特图。
具体实施方式
[0026]以下结合附图和实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进遗传算法的生产制造排产优化方法，其特征在于，步骤如下：步骤(1)针对排产优化目标，建立数学模型，选择合适的种群适应度函数；步骤(2)读取订单信息和设备信息，并将订单信息和设备信息存到数据库中，对每一个加工设备进行编号，将订单的每一道工序进行拆分后把每一道工序编码成染色体基因；步骤(3)初始化种群、最大迭代次数及排产矩阵；步骤(4)随机地对种群中的染色体进行交叉、变异，得到新的种群；步骤(5)按照染色体编码顺序安排各个订单的工序，结合排产矩阵解决编码冲突，将工序安排到具体加工设备上并计算出开始加工的时间和加工结束的时间，当染色体的所有基因都完成解码后，得到一个完整的排产矩阵，计算种群适应度；步骤(6)使用二元锦标赛选择算子对种群进行选择，选出适应度高的个体复制到下一代；步骤(7)当种群进化次数达到最大迭代数时，结束种群进化，选择适应度最高的个体的染色体，其对应的排产矩阵即为最优的排产策略，种群进化次数小于最大迭代次数则返回步骤(4)。2.根据权利要求1所述的方法，其特征在于，步骤(1)所述排产优化目标为所有订单的交货延迟时间之和其中m为订单数，T
i
表示第i个订单的交货延迟时间；排产优化的目标为最小化所有订单的交货延迟时间之和T，取F＝e
‑
T
作为种群个体的适应度函数，种群进化的目标是最大化F。3.根据权利要求2所述的方法，其特征在于，步骤(2)所述的数据库为MySQL，订单信息包括订单的产品的代号、订单种类和数量、订单到达时间、订单截止时间、订单产品的生产工序及每个工序用到的设备、每个工序的生产时间，设备信息包括设备的代号、种类和数量，设备编号为M1,M2,M3,...,M
n
,其中n为所有设备的数量之和，提出一种小数编码方式对染色体进行编码，小数点之前的数字表示订单的编号，小数点后面的数字表示工序的编号。4....

【专利技术属性】
技术研发人员：赵建华，杨春节，李丹宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：