一种基于遗传算法的板式家具生产调度批次优化的方法技术

本发明专利技术公开了一种基于遗传算法的板式家具生产调度批次优化的方法，包括以下步骤：步骤一：采集并汇总订单信息，包括订单数量、订单内部板件数量及其属性；步骤二：建立依据板件厚度种类的订单组批启发式规则；步骤三：设计考虑封边机器调整时间的遗传算法；步骤四：将分批好的板件信息作为遗传算法的输入量，输出量为最小化最大完工时间，求得批次优化的调度结果。本发明专利技术技术可针对不同生产情况制定相应订单分批规则，并将其作为遗传算法的输入参数，降低了生产调度问题的算法求解时间，以及大大提高了整体生产流程时间。同时考虑了生产实际过程中封边机针对不同厚度板件的调整时间，可提高该方法的实际应用能力。可提高该方法的实际应用能力。可提高该方法的实际应用能力。

【技术实现步骤摘要】
一种基于遗传算法的板式家具生产调度批次优化的方法


[0001]本专利技术涉及板式家具生产调度领域，特别涉及一种基于遗传算法的板式家具生产调度批次优化的方法。

技术介绍

[0002]当前板式家具制造企业多采用多品种、小批量的大规模个性化定制生产方式。得益于板式家具制造工艺的成熟，其主要生产工序是开料、封边、钻孔三大工序，且各工序间的设备只做该工序下的加工任务，对应的工序机器有开料锯、封边机、钻孔机。而在封边工序中，当相邻两待加工板件之间的颜色或厚度不一致时，需要操作工选择相应颜色的封边条和胶水，或者调整封边机器的铣刀高度来确保封边条的宽度与板件厚度相匹配等操作。这些在封边机器上消耗的额外操作时间不属于有效产出时间，而对板式家具的另外两大生产工序，开料工序和钻孔工序而言，不存在因板件属性不同而产生的设备调整时间。所以在生产前就需要对订单进行优化，企业内普遍形成了一种“订单组批+批量生产”的生产组织模式，从而实现大规模个性化生产。因此，订单组批结果的好坏直接影响到生产调度的结果和其实际应用能力。在这种背景下，本专利技术基于某定制家具制造企业的生产实际，综合考虑原料属性、设备能力、工艺带来的相关约束，探索并设计符合企业实际生产需求的生产调度批次优化策略，达到降低生产成本，提高整体生产效率的目的。
[0003]国内外学者对生产调度批次优化问题进行了大量研究，陈炫锐和张浩等人在家具生产调度的订单组批上的研究，侧重于原料属性的约束，而没有考虑实际生产过程中的设备能力和工艺带来的相关约束。即没有额外考虑封边机器的调整时间，从而降低了其实际应用能力。因此，针对板式家具的生产调度批次优化问题，需要综合考虑原料属性、设备能力和工艺相关约束，并设计智能算法来求解。国外对生产调度批次优化策略求解过程的研究一般较复杂，有时难以找到最优解，定制化也不显著。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的在于提供了基于遗传算法的板式家具生产调度批次优化的方法，以解决
技术介绍
中提到的问题。
[0005]本专利技术提供基于遗传算法的板式家具生产调度批次优化的方法，包括以下步骤：
[0006]步骤一：采集并汇总订单信息，包括订单数量、订单内部板件数量及其属性；
[0007]步骤二：建立订单组批启发式规则；
[0008]步骤三：设计考虑封边机器调整时间的遗传算法；
[0009]步骤四：将分批好的板件信息作为遗传算法的输入量，输出量为最小化最大完工时间，求得批次优化的调度结果；
[0010]步骤二中订单组批启发式规则建立方法如下：
[0011]21)：计算某产品车间的日均产能，单位为块/天，记为车间产能C；
[0012]22)：对该产品订单交货期D按交付日期早晚的顺序排序，即最早的交货期靠前的
规则(Earliest Due Date,EDD)，并设置交货期容许误差天数，记为d；
[0013]23)：将交货期为(D+d)之间的所有订单汇总在一起，形成订单池，记为一级生产批次P1，得到总板件量，单位为块，记为Q；
[0014]24)：在订单池中，将板件按照不同厚度进行分组，得到二级生产批次P2；
[0015]25)：校核二级生产批次所需生产天数T＝Q/C，且要满足T<＝d；
[0016]步骤三中考虑封边机器调整时间的遗传算法框架如下：
[0017]31)：问题参数初始化，包括工件数量、工序数量、每个工序下的机器数量、每个工件工序工时；
[0018]32)：算法参数初始化，包括种群规模、适应度函数、交叉概率、变异概率和终止条件；
[0019]33)：将种群初始化，设计编码规则和解码规则；
[0020]34)：进行选择、交叉、变异操作；
[0021]35)：输出最终解；
[0022]步骤四中的板件信息包括工件数量n、工序数量m、每个工序下的机器数量M和每个工件工序工时P。
[0023]优选地，步骤22)中按照EDD规则对订单进行排序；
[0024]优选地，步骤23)中一级生产批次是具有满足交货期容许误差d的所有订单；
[0025]优选地，步骤24)中二级生产批次是在一级生产批次中按照厚度种类进行分类后，分配在每天的生产任务；
[0026]优选地，步骤25)中用来校核二级生产批次的生产天数满足交货期容许误差天数；
[0027]优选地，步骤32)中设计遗传算法对车间调度批次优化问题进行全局优化搜索，遗传算法需要设置初始参数，包括：种群规模、适应度函数、进化次数、交叉概率、变异概率，其中种群规模选取范围为10
‑
30，进化次数选取范围为500
‑
600，交叉概率选取范围为0.1
‑
1，变异概率选取范围为0.1
‑
1，在遗传算法中为了区分个体的优劣，使用适应度来度量个体在种群生存的优劣程度，适应度通过适应度函数来计算，也即目标函数值：
[0028][0029]式中，设和分别表示批次B中第M台机器的第N
B
个工件的开始加工时间和加工持续时间。
[0030]优选地，步骤33)中编码规则基于操作的整数编码方式，具体规则为编码长度只和工件数量n和工序数量m相关，编码长度为n*m，编码内容就是1，2，
……
，n*m之间的整数。例如染色体(4，3，5，1，2)表示工件1，2，3，4，5的加工顺序为4
→3→5→1→
2。该编码方法简单直观，染色体中的数字顺序就代表了工件的加工顺序。在解码时，需要照顾到不同工序的设备数量，并且采用非延迟方式，即只要机器空闲，就可以安排工件在该机器上加工。
[0031]优选地，步骤34)中的选择操作采用精英保留策略，将计算好的种群每条染色体适应度值进行升序排序，选择染色体保留个数，同时保留对应适应度值的编码序号。
[0032]优选地，步骤四中批次优化的调度结果如下：当订单数为5，板件总量为50块左右时，最小化最大完工时间缩短了92％，算法运行时间则只增加了约13分钟。随着订单数的提升，经过分批处理的最小化最大完工时间对比未分批处理，结果明显降低，且算法运行时间
增加不大，可见具有极大的实际应用能力。
[0033]与现有技术相比，本专利技术的有益效果如下：
[0034]本专利技术提供了一种基于遗传算法的板式家具生产调度批次优化的方法，首先根据车间产能C、订单交货期D、交货期容许误差d、订单总板件量Q计算一级生产批次P1，然后依据板件厚度分类，得到二级生产批次P2；将二级生产批次中的板件信息传入遗传算法，包括工件数量n、工序数量m、每个工序下的机器数量M和每个工件工序工时P，同时设计遗传算法求解考虑封边机器调整时间的生产调度批次优化问题，实现了通过增加批次优化约束和设备调整时间约束来优化板式家具生产调度问题并具有良好的实际应用能力。
[0035]本专利技术技术使用板件厚度作为一种分批规则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的板式家具生产调度批次优化的方法，其特征在于，包括以下步骤：步骤一：采集并汇总订单信息，包括订单数量、订单内部板件数量及其属性；步骤二：建立订单组批启发式规则；步骤三：设计考虑封边机器调整时间的遗传算法；步骤四：将分批好的板件信息作为遗传算法的输入量，输出量为最小化最大完工时间，求得批次优化的调度结果；步骤二中订单组批启发式规则建立方法如下：21)：计算某产品车间的日均产能，单位为块/天，记为车间产能C；22)：对该产品订单交货期D按交付日期早晚的顺序排序，即最早的交货期靠前的规则(Earliest Due Date,EDD)，并设置交货期容许误差天数，记为d；23)：将交货期为(D+d)之间的所有订单汇总在一起，形成订单池，记为一级生产批次P1，得到总板件量，单位为块，记为Q；24)：在订单池中，将板件按照不同厚度进行分组，得到二级生产批次P2；25)：校核二级生产批次所需生产天数T＝Q/C，且要满足T<＝d；步骤三中考虑封边机器调整时间的遗传算法框架如下：31)：问题参数初始化，包括工件数量、工序数量、每个工序下的机器数量、每个工件工序工时；32)：算法参数初始化，包括种群规模、适应度函数、交叉概率、变异概率和终止条件；33)：将种群初始化，设计编码规则和解码规则；34)：进行选择、交叉、变异操作；35)：输出最终解；步骤四中的板件信息包括工件数量n、工序数量m、每个工序下的机器数量M和每个工件工序工时P。2.根据权利要求1所述的一种基于遗传算法的板式家具生产调度批次优化的方法，其特征在于，步骤22)中按照EDD规则对订单进行排序。3.根据权利要求1所述的一种基于遗传算法的板式家具生产调度批次优化的方法，其特征在于，步骤23)中一级生产批次是具有满足交货期容许误差d的所有订单。4.根据权利要求1所述的一种基于遗传算法的板式家具生产调度批次优化的方法，其特征在于，步骤24)中二级生产批次是在一级生产批次中按照厚度种类进行分类后，分配在每天的生产任务。5.根据权利要求1所述的一种基于遗传算法的板式家具生产调度批次优化的方法，其特征在于，步骤25)中用来校核二级生产批次的生产天数满足交货期容许误差天数...

【专利技术属性】
技术研发人员：郭晓磊，王金鑫，陈玉霞，郭勇，丁建文，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：