【技术实现步骤摘要】
用于不确定性多阶段生产系统的调度和维护联合决策方法
[0001]本专利技术涉及工业生产系统的调度与维护适应性技术,具体涉及一种基于多阶段随机生产系统的生产调度和机器维护的自适应联合决策方法,属于工业工程调度和可靠性联合优化
技术介绍
[0002]随着信息通信技术的快速发展,智能制造近年来在产业界和学术界人们的极大关注。考虑到串并联多阶段生产系统在生产过程中普遍存在,串并联多级制造系统是研究者们十分感兴趣的研究对象。例如,租赁的制造系统包括三个流程:钻床、铣床、并车床加工,每道工序均可由并联机床加工。同时,串行子系统组成的,且几个子系统并行工作的生产系统也可以抽象为串并行制造系统。在串并联多级系统中,我们不但要考虑同阶段机器的独立性,同时不同阶段之间的产量约束也会决定整个系统的生产力。因此,基于串并联多级结构的复杂性和通用性将智能调度和智能维护应用于工厂制造系统是必要的,也是具有挑战性的。
[0003]在生产过程中,每台机器都不可避免地受到各种环境因素的影响,例如暴露腐蚀、老化和噪声等,这些都是造成机器不确定性磨损的原因,同时,分配到机器上的加工任务也会加剧降级过程。此时机器维修可以提高机器和系统的可靠性以保持生产系统的运行在工作秩序。在多阶段生产系统中,工单任务的分配和机器维护的决策是不可分割的。一方面,磨损的机器的限制了加工机器的生产能力导致整个多级生产系统的生产损失。另一方面,每台机器在不同工作阶段的维修决策将直接影响到机器的可靠性,并进一步更改每台机器的处理能力,从而提供一个重新进行工单任务调 ...
【技术保护点】
【技术特征摘要】
1.一种用于不确定性多阶段生产系统的调度和维护联合决策方法,包括如下步骤:1)以系统生产效率最大化为模型目标,构建基于机器位置的多阶段不确定性生产系统的调度和维护联合优化模型;模型包括两类决策变量,分别是生产调度决策变量和机器维护变量;且同时考虑机器不完善维修的预防性维修PM和纠正性维修CM;联合优化模型的目标表示为式1:其中,E为系统生产效率;p
sys
为系统生产率;C
m
为维护总费用;模型包括十一项约束:第一项约束用于限制一个工序只能在机器的一个位置上处理;第二项约束用于确保机器的第j个位置被不多于一个活动占用;一个活动指一个工序PM或CM;第三项约束用于使得在阶段s中机器k的第j+1个位置不能被占用,直到一个活动在机器的第j个位置被执行;第四项约束表示在阶段s中在同一机器k上处理的工序的序列约束;第五项约束和第六项约束约束分别表示在第g组中属于同一工单的不同阶段的工序之间的序列约束和维护时间持续时间;第七项约束表示机器联合维护策略的约束;如果一台机器上的一个位置最多只能进行一组联合维护,同一台机器上的不同位置不能进行联合维护;第八项约束定义操作的完成时间;第九项约束表示机器退化影响下的工序实际加工时间;第十项约束用于求解目标函数,目标函数分别定义总作业的最大完工时间、系统的生产率和由CM和PM组成的维护成本;第十一项约束表示决策变量的范围;2)建立机器退化的混合效应模型,构建调度和维护决策下的机器退化路径模型;将考虑生产过程中生产调度决策和维护决策的退化模型表示为下式:将考虑生产过程中生产调度决策和维护决策的退化模型表示为下式:其中,D
′
k,s,j
为机器k
s
在位置j的退化状态;z
k,s,j
:当CM被指派到机器k
s
位置j上时,z
k,s,j
=1,否则z
k,s,j
=0;y
k,s,j
表示:当PM被指派到机器k
s
位置j上时,y
k,s,j
=1,否则y
k,s,j
=0;ΔD
k,s,j
为机器退化量;S为生产系统阶段集合,S={1,2,...,P};K
s
为生产系统阶段s的机器索引,K
s
={1,2,...,k
s
};为进行维修后的机器状态;J为机器位置的集合;生产调度决策和维护决策的退化模型包括三项约束,分别表示生产中机器的状态、当一个工序被分配到机器的一个位置时机器的状态、在机器上执行PM后机器的状态变化;3)提出两阶段方法,对步骤1)构建的不确定性联合优化模型进行求解,包括:3a)在第一阶段,提出并采用基于混合进化算法且考虑随机惩罚因子的主动算法进行模型求解,获得联合优化模型稳定的基础解,即调度和维修策略的初步方案;首先通过机器退化的数据拟合得到机器退化状态的变化量,并将各工单的加工速率和维修相关成本参数
作为主动算法的输入,经过算法求解,得到工单安排和维修计划;混合进化算法为包含全局算法和局部算法的双种群策略;包括:a1.全局算法的迭代过程采用遗传算法;a2.对于局部算法,通过以下策略组成的局部搜索方法获得下一代:a21.设计一种迭代搜索方法,将第一阶段的目标函数记为Obj
b
=(1
‑
λ)E+λR;其中,是松弛变量的系数;、设邻域解x
′
和原始解x的E和R差别分别表示为ΔE=E(x
′
)
‑
E(x),和ΔR=R(x
′
)
‑
R(x),产生局部种群的下一代解用到的条件包括:1)ΔE≤0 and R≤0;2)ΔE>0,R≤0 and r<exp([
‑
ΔE]/T);3)ΔR>0,E≤0 and r<exp([
‑
λΔR]/nT);a22.随机选择一个解的一个维护周期,交换两个连续的工单;两个工单满足后者加工结束时间大于前者加工结束时间的位置;a23.采用随机交换和随机变异解的方式扩充不确定性联合优化模型的解的集合;a3.设计全局算法和局部算法之间的交流机制,使得在全局算法和局部算法之间共享信息和进行资源分配;在每个信息共享周期后更新全局算法和局部算法的迭代次数;3b)在第二阶段,基于第一阶段的基础解,确定需要重新调度机器工作负载的匹配点,设计基于条件信息的工作负载重新分配方法,使得机器退化的不确定性所造成的影响由同一阶段的其他机器分担,获得高质量且稳定的联合优化决策方案;条件信息指的是机器的退化状态、维护成本以及机器的工作完成量;基于条件信息的工作负载重新分配方法具体包括:将第一阶段得到的最优解作为初始决策方案,在此基础上计算每个工单完成时的生产效率E
i,s
,生产效率是工单i完成时产率和所耗维护成本的比值;记实际生产调度中记录的完成每个工单的生产效率为Obj
r
,当时,称为机器工作负载的匹配点;ε是工作负载重新分配阈值;在阶段s
*
调整机器上的工作负载时,考虑生产中影响当前生产效率的因素,包括:维护成本、机器的工单分配和机器的退化状态;将工单所属阶段记为s
*
,假设阶段s
*
在第一阶段得到的初始方案中的机器k上执行的PM总数和CM总数分别为和得到阶段s
*
各机器在初步调度和维护的联合决策方案中的状态信息与实际生产中的状态信息的差值差值大的以及工作负载低的机器具有从其他机器重新分配额外工单的优先级;3c)再采用基于条件信息的维护策略;包括:c1)通过定义单个机器维修效率指数确定维修事件;定义单个机器维修效率指数E
k,s
为:
上式中,右面式子的分子为生产率,是加工工单数量,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。