一种考虑重调度执行成本的车间重调度方法技术

本发明专利技术提出了一种考虑重调度执行成本的车间重调度方法，从工件和设备两个层面入手，综合重调度前后相同工序开始加工时间偏差成本、相邻工序等待加工时间偏差成本、设备工作时间偏差成本与设备等待加工时间偏差成本，建立预调度损失函数计算重调度执行过程中的损失，并由此提出了一种基于执行成本和最大完工时间的多目标优化方案，解决了目前许多重调度研究忽视损失成本的问题。然后利用改进的遗传算法对模拟案例进行实验，验证了本发明专利技术的有效性，并基于Matlab GUI开发了作业车间重调度系统，大大减少了产生伪最优调度方案的概率，保证了企业的经济效益。证了企业的经济效益。证了企业的经济效益。

【技术实现步骤摘要】
一种考虑重调度执行成本的车间重调度方法


[0001]本专利技术涉及车间调度领域，尤其涉及一种考虑重调度执行成本的车间重调度方法。

技术介绍

[0002]Job Shop作业车间调度问题是一道经典的NP难题。当生产规模较小且生产环境简单时，通过一些算法可以方便地找到最优解。但是，当生产规模扩大或是生产环境中存在不确定因素时，工序的组合数就会爆炸式增长，导致一般的优化方法不再适用。所以在实际的动态生产制造车间中，不确定性因素对调度质量的影响是探寻最优重调度方法需要解决的难点。
[0003]在不确定环境下的Job Shop制造车间中，存在许多不确定因素(如订单需求变化、加工资源变化、设备状态变化)，这些因素会影响调度方案的质量和稳定性。为了在扰动发生时能及时地调整车间资源配置，保证调度方案仍适合当前工况，重调度的实施就成为了重中之重。然而，重调度是对原调度的调整和修改，因此它必将引起成本消耗，例如制造资源的再分配。许多研究忽略了重调度带来的执行成本，这些成本会严重影响重调度方案的有效性，导致其不能有效地应对动态扰动，不再适应当前的工况。
[0004]考虑重调度的损耗成本，不仅可以在最佳的时间启动重调度方案，还能够保证重调度方案的稳定性以及与动态生产环境的耦合性，减少伪最优调度方案产生的概率。因此本专利技术提出考虑重调度执行成本的动态调度，并基于遗传算法在matalb环境中开发系统平台。
[0005]专利申请号202011417993.4提出了一种基于帝国竞争算法求解柔性作业车间机器故障的动态调度方法。重调度策略是在机器发生故障后，对未加工工序和故障机器上正在加工工序进行重新调度，保证重调度的最大完工时间与初始调度的延迟时间最小。该专利仅以最大完工时间为目标进行重调度，没有考虑到重调度带来的损失成本。由于工件的交货需求、机器的维护成本等，整个加工过程中每道工序的时间偏差都会产生损耗成本，这些成本也应当纳入重调度方案的考量中。
[0006]目前对于重调度实施后的调度成本还没有一个明确而完整的量化方法。因此本专利技术着眼于工件和设备两方面，考虑重调度前后同一道工序开始加工时间的偏移、工件的相邻工序等待加工时间的偏移、机器总加工时间的偏移、机器闲置时间的偏移、讨论重调度成本对调度方案的影响。

技术实现思路

[0007]本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提出一种考虑重调度执行成本的车间重调度方法。
[0008]本专利技术为解决上述技术问题采用以下技术方案：
[0009]一种考虑重调度执行成本的车间重调度方法，包含以下步骤：
[0010]步骤1)，参数设置，设置遗传算法求解考虑重调度执行成本的JSP重调度问题的相关参数，包括种群规模popSize，进化代数Iterations，交叉概率p
c
，变异概率p
m
，当前迭代次数j，其中j初始化为1，0.9≤p
c
≤0.97，0.001≤p
m
≤0.02；
[0011]步骤2)，根据步骤1中设置的popSize初始化种群，种群初始化后得到有popSize个染色体的初始种群，每个染色体代表一个工序序列；
[0012]步骤3)，计算由步骤2生成的初始种群中所有染色体的适应度值；
[0013]步骤4)，对步骤3中计算过适应度值的初始种群采用轮盘赌法进行选择操作，并选择出 (popSize
‑
1)/2个染色体作为父代种群即Parent种群，进行后续步骤；
[0014]步骤5)，对步骤4选择出的Parent种群中的染色体进行交叉操作来增加种群多样性，生成子代种群1即Children_1；
[0015]步骤6)，对步骤5生成的种群Children_1中的染色体采用互换法完成变异操作，产生子代种群2即Children_2；
[0016]步骤7)，记录种群Children_2中最优染色体和其适应度值；
[0017]步骤8)，判断j是否大于Iterations，若j大于Iterations，根据步骤7中记录的数据画出迭代过程图和工件工序甘特图，算法结束；若j小于或等于Iterations，j+1后转至步骤 3；
[0018]步骤9)，若执行调度方案时机器发生故障，根据工况设置故障机器、故障时间、修理时间，采用局部修正式重调度，找出故障点后未加工工序，若无故障发生则继续执行调度方案；
[0019]步骤10)，对故障点后未加工工序和故障机器上正在加工的工序从步骤2开始进行重新调度，生成重调度的新种群。
[0020]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
[0021]1.本专利技术通过描述由重调度产生的工件和设备两个层面的损耗成本，将这些成本综合归纳，提出了基于重调度执行成本的优化指标；研究和量化重调度执行成本，并将其纳入遗传算法的优化目标中，提出综合考虑最大完工时间和执行成本的多目标优化方案，从而减少重调度对资源的重新分配带来的损耗，降低生产成本。
[0022]2.本专利技术在初始化时扩大种群数量以增加种群多样性，使用POX交叉算子完成交叉操作，该方法产生的子代可以很好地继承父代优良特征并且子代总是可行。本专利技术在一定程度上解决了运用传统遗传算法求解传统作业车间调度问题时出现的早熟收敛、解的稳定性差以及遗传参数难以确定的问题。
附图说明
[0023]图1是本专利技术的整体实现路径图；
[0024]图2是改进的遗传算法流程图；
[0025]图3是轮盘赌法示意图；
[0026]图4是开发系统的加工信息界面；
[0027]图5是系统的参数设置界面；
[0028]图6是原调度方案的甘特图；
[0029]图7是重调度方案1的甘特图；
[0030]图8是重调度方案2的甘特图。
具体实施方式
[0031]下面结合附图对本专利技术的技术方案做进一步的详细说明：
[0032]本专利技术提出了一种考虑重调度执行成本的车间重调度方法，包含以下步骤：
[0033]步骤1)，参数设置，设置遗传算法求解考虑重调度执行成本的JSP重调度问题的相关参数，包括种群规模popSize，进化代数Iterations，交叉概率p
c
，变异概率p
m
，当前迭代次数j，其中j初始化为1，0.9≤p
c
≤0.97，0.001≤p
m
≤0.02；
[0034]步骤2)，根据步骤1中设置的popSize初始化种群，种群初始化后得到有popSize个染色体的初始种群，每个染色体代表一个工序序列；
[0035]步骤2具体步骤如下：
[0036]①
将步骤1中的种群规模popSize扩大，具体为popSize＝2*popSize+1，丰富了种群多样性；
[0037]②
随机生成包含n
×
m个基因的染色体种群，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑重调度执行成本的车间重调度方法，其特征在于，包含以下步骤：步骤1)，参数设置，设置遗传算法求解考虑重调度执行成本的JSP重调度问题的相关参数，包括种群规模popSize，表示随机产生的初始加工序列规模，进化代数Iterations，表示加工序列优化迭代的次数，交叉概率p
c
，表示两个加工序列发生工序交换的概率，变异概率p
m
，表示某个加工序列中两道工序互换的概率，当前迭代次数j，表示加工序列当前迭代的次数；步骤2)，根据步骤1)中设置的popSize初始化种群，种群初始化后得到有popSize个染色体的初始种群，每个染色体代表一个工序序列；步骤3)，计算由步骤2)生成的初始种群中所有染色体的适应度值；步骤4)，对步骤3)中计算过适应度值的初始种群采用轮盘赌法进行选择操作，并选择出(popSize
‑
1)/2个染色体作为父代种群即Parent种群，进行后续步骤；步骤5)，对步骤4)选择出的Parent种群中的染色体进行交叉操作来增加种群多样性，生成子代种群1即Children_1；步骤6)，对步骤5)生成的种群Children_1中的染色体采用互换法完成变异操作，产生子代种群2即Children_2；步骤7)，记录种群Children_2中最优染色体和其适应度值；步骤8)，判断前迭代次数j是否大于进化代数Iterations，若j大于Iterations，根据步骤7)中记录的数据画出迭代过程图和工件工序甘特图，算法结束；若j小于或等于Iterations，j+1后转至步骤3)；步骤9)，若执行调度方案时机器发生故障，根据工况设置故障机器、故障时间、修理时间，采用局部修正式重调度，找出故障点后未加工工序，若无故障发生则继续执行调度方案；步骤10)，对故障点后未加工工序和故障机器上正在加工的工序从步骤2)开始进行重新调度，生成重调度的新种群。2.根据权利要求1所述的一种考虑重调度执行成本的车间重调度方法，其特征在于，步骤2)具体步骤如下：步骤2.1，将步骤1)中的种群规模popSize扩大；步骤2.2，随机生成包含n
×
m个基因的染色体种群，染色体基于工序编码，从左到右为此工件的第k道工序。3.根据权利要求1所述的一种考虑重调度执行成本的车间重调度方法，其特征在于，步骤3)具体步骤如下：步骤3.1，计算初始种群中所有染色体的适应度函数值f(i)：i为初始种群中的任意一条染色体，取值范围是[1,popSize]，f(i)表示染色体i的适应度函数，具体如公式(1)所示：f(i)＝1/C(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)公式(1)中，C(i)为染色体i的最大完工时间，f(i)是最大完成时间的倒数；步骤3.2，当初始种群是重调度新产生的种群时，适应度函数如公式(2)所示：f(i)＝1/[C(i)+C'(i)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中C'(i)表示i的重调度执行成本，由预调度损失函数计算得出，如公式(3)所示，C
′
＝ω1·
(...

【专利技术属性】
技术研发人员：张泽群，李霏，朱海华，唐敦兵，阮超，刘炜，马国财，蔡祺祥，
申请(专利权)人：北京电子工程总体研究所，
类型：发明
国别省市：