一种基于群体免疫-遗传算法的混流产线智能排产方法技术

本发明专利技术提供一种基于群体免疫

An intelligent scheduling method for mixed flow production line based on swarm immune genetic algorithm

【技术实现步骤摘要】
一种基于群体免疫
‑
遗传算法的混流产线智能排产方法


[0001]本专利技术属于智能工厂生产计划
，具体涉及一种基于群体免疫
‑
遗传算法的混流产线智能排产方法。

技术介绍

[0002]为了让实现流水车间的高效生产，运用智能优化算法来进行流水车间生产计划的排程方法也越来越受关注。
[0003]对于流水车间生产计划排程问题的优化研究，一种方法是通过建立简单的数学模型，运用线性规划的方法来进行求解，但这种方法无法求解较为复杂的车间问题，还有一种方法是运用智能优化算法对特定目标进行求解，因为产线是多变的，生产加工的理论数据和目前产线的实际生产能力是不同的，往往导致生产排程不能很好的符合现实情况；主要原因是优化目标较为固定，应该根据生产情况对生产目标进行灵活的选择。

技术实现思路

[0004]针对现有技术中存在不足，本专利技术提供了一种基于群体免疫
‑
遗传算法的混流产线智能排产方法。
[0005]本专利技术是通过以下技术手段实现上述技术目的的。
[0006]一种基于群体免疫
‑
遗传算法的混流产线智能排产方法，具体为：
[0007]采集生产订单交货完成量、生产订单交货日期和配件库存信息，评判多目标模型的优先级，确定群体免疫
‑
遗传算法中的被感染种群及优化主目标；
[0008]采集一个周期内不同产品各工位的生产加工时间数据，并判断是否需要更新基础数据集；
[0009]将更新完成后的基础数据集及优化主目标输入到群体免疫
‑
遗传算法中进行寻优计算，计算出符合实际生产情况的最优解，并输出生产计划。
[0010]进一步的技术方案，所述评判多目标模型的优先级，确定群体免疫
‑
遗传算法中的被感染种群及优化主目标，具体为：
[0011]所述产线目前生产情况为产品交货期紧急，则种群一为感染种群，优先迭代种群一，种群二、三为未感染种群；
[0012]所述产线目前生产情况为配件供应不足，则种群二为感染种群，优先迭代种群二，种群一、三为未感染种群；
[0013]所述产线目前生产情况为生产情况正常，则种群一、二康复或者均未被感染，优先迭代种群三；
[0014]所述产线目前生产情况为产品交货期紧急且配件供应不足，则根据两个种群的优先级进行感染，种群一为感染种群，优先迭代直到康复，种群二为易感种群，在种群一康复后被感染，优先迭代直到康复；
[0015]所述种群一对应考虑换装时间的总加工时间，种群一的优化主目标是考虑换装时
间的总加工时间最小化；
[0016]所述种群二对应库存零件满足度，种群二的优化主目标是库存零件满足度最小化；
[0017]所述种群三对应产线正常生产，种群三的优化主目标是考虑换装时间的总加工时间最小化、库存零件满足度最小化且产品切换次数最小化。
[0018]更进一步的技术方案，所述产品交货期紧急满足：
[0019][0020]其中：SumNum
m
为本批订单各类型产品总量，EndNum
m
为本批订单各类型产品完成量，CycProduction为本批订单各类型产品生产周期产量，SurCycle为本批订单剩余生产周期数，A是干扰系数。
[0021]更进一步的技术方案，所述配件供应不足满足：
[0022][0023]其中：NeedNum
m
表示各类型产品的配件需求量，AllNum
m
表示存储区内配件余量。
[0024]更进一步的技术方案，所述生产情况正常时，生产计划按照多目标问题进行求解。
[0025]更进一步的技术方案，所述考虑换装时间的总加工时间目标函数为：
[0026]F1＝minE
[0027]约束条件为：
[0028][0029][0030][0031][0032][0033][0034][0035][0036][0037][0038][0039]约束一表示在k位置，只有一种产品类型m；
[0040]约束二表示本次生产所有产品类型投入数量和计划数量一样；
[0041]约束三表示第k个位置产品的第s
‑
1个工位必须在第s个工位之后加工；
[0042]约束四表示k位置产品的第s个工位必须在k
‑
1位置产品的第s个工位后加工；
[0043]约束五表示第一个位置第一个工位加工结束时间；
[0044]约束六表示投产位置为1的产品加工结束时间；
[0045]约束七表示所有投产产品第一个工位的加工结束时间；
[0046]约束八表示在投产位置不为1的产品工位不为1时的加工结束时间；
[0047]约束九表示一个判断换装类型是否一样的0
‑
1决策变量；
[0048]约束十表示第一个产品不计算准备时间；
[0049]约束十一表示目标函数E与各作业在最后一个工位加工结束时间的约束；
[0050]其中：x
k,m
为一个0
‑
1决策变量，用于判断k位置是否为产品类型m；K表示投产位置的总数；为加工开始时间；表示投产位置为k的产品在工位s上的加工时间；S表示工位总数；表示k位置产品在工位s上的换装时间；θ
(k
‑
1)l,kl
为一个0
‑
1决策变量，判断k位置的产品和k
‑
1位置的产品换装类型是否一样；为加工结束时间；L表示周期总数。
[0051]进一步的技术方案，所述更新基础数据集的过程为：
[0052]利用T检验判断一个周期内不同产品各工位的生产加工时间，是否发生了显著变化，如果发生显著变化则标记对应工位并记录，使用一个周期内采集的数据替换基础数据集中对应工位的数据。
[0053]进一步的技术方案，所述群体免疫
‑
遗传算法中进行寻优计算的过程为：
[0054]参数设定，并初始化种群；
[0055]根据采集的生产数据，更新产线状态变量，确定三个种群的感染状态，根据种群感染状态确定本次生产周期内的迭代主种群；
[0056]计算父代种群的适应度，选取当前适应度值最高的粒子作为产线最小周期内的全局最优解；
[0057]更新各种群中粒子，并采用精英保留策略保留粒子；
[0058]如粒子存在病死，从其他种群中随机选取一个粒子替换掉病死粒子；
[0059]满足终止条件时，则输出最小生产周期内的全局最优解并生成生产计划。
[0060]更进一步的技术方案，所述初始化种群时，采用基于工件的编码方式构成种群粒子，并通过Tent映射公式生成三个HIS
×
n的数组作为迭代初始种群，同时将排产基础数据集作为计算目标适应度值的计算初始数据，且产线生产周期数加一。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在于：采集生产订单交货完成量、生产订单交货日期和配件库存信息，评判多目标模型的优先级，确定群体免疫
‑
遗传算法中的被感染种群及优化主目标；采集一个周期内不同产品各工位的生产加工时间数据，并判断是否需要更新基础数据集；将更新完成后的基础数据集及优化主目标输入到群体免疫
‑
遗传算法中进行寻优计算，计算出符合实际生产情况的最优解，并输出生产计划。2.根据权利要求1所述的基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在于，所述评判多目标模型的优先级，确定群体免疫
‑
遗传算法中的被感染种群及优化主目标，具体为：所述产线目前生产情况为产品交货期紧急，则种群一为感染种群，优先迭代种群一，种群二、三为未感染种群；所述产线目前生产情况为配件供应不足，则种群二为感染种群，优先迭代种群二，种群一、三为未感染种群；所述产线目前生产情况为生产情况正常，则种群一、二康复或者均未被感染，优先迭代种群三；所述产线目前生产情况为产品交货期紧急且配件供应不足，则根据两个种群的优先级进行感染，种群一为感染种群，优先迭代直到康复，种群二为易感种群，在种群一康复后被感染，优先迭代直到康复；所述种群一对应考虑换装时间的总加工时间，种群一的优化主目标是考虑换装时间的总加工时间最小化；所述种群二对应库存零件满足度，种群二的优化主目标是库存零件满足度最小化；所述种群三对应产线正常生产，种群三的优化主目标是考虑换装时间的总加工时间最小化、库存零件满足度最小化且产品切换次数最小化。3.根据权利要求2所述的基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在于，所述产品交货期紧急满足：其中：SumNum
m
为本批订单各类型产品总量，EndNum
m
为本批订单各类型产品完成量，CycProduction为本批订单各类型产品生产周期产量，SurCycle为本批订单剩余生产周期数，A是干扰系数。4.根据权利要求2所述的基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在于，所述配件供应不足满足：其中：NeedNum
m
表示各类型产品的配件需求量，AllNum
m
表示存储区内配件余量。5.根据权利要求2所述的基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在于，所述生产情况正常时，生产计划按照多目标问题进行求解。6.根据权利要求2所述的基于群体免疫
‑
遗传算法的混流产线智能排产方法，其特征在
于，所述考虑换装时间的总加工时间目标函数为：F1＝min E约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束条件为：约束一表示在k位置，只有一种产...

【专利技术属性】
技术研发人员：王纪章，高志恒，李锋军，张雷雷，高鸣，谢富明，赵桃艳，张尹松，张洁，张冰冰，
申请(专利权)人：第一拖拉机股份有限公司，
类型：发明
国别省市：