一种面向返工风险的再制造调度优化方法技术

本发明专利技术公开了一种面向返工风险的再制造调度优化方法，采用区间灰数描述再制造生产过程中因EOL产品质量差异而导致的不确定加工时间和返工风险，通过含返工风险的期望加工时间构建最大完工时间的数学模型，在再制造调度中考虑返工风险，最后通过创新设计的迭代算法寻找到最优调度方案。本申请技术方案，准确描述实际生产过程中的不确定性，不仅提高了寻找最优调度方案时的性能，同时寻找到的再制造调度方案相比其他方法具有更好的调度效果。方案相比其他方法具有更好的调度效果。方案相比其他方法具有更好的调度效果。

【技术实现步骤摘要】
一种面向返工风险的再制造调度优化方法


[0001]本申请属于再制造调度
，尤其涉及一种面向返工风险的再制造调度优化方法。

技术介绍

[0002]制造业在为人类社会创造巨大财富的同时，也消耗了大量的资源。再制造作为一种资源节约型和环境友好型的新型制造范式，已经获得了学界和工业界的广泛关注。再制造是指通过一系列操作将报废(EOL，End
‑
Of
‑
Life)产品恢复到新状态的过程。与传统制造相比，再制造产品不仅能提供相同质量的产品，还能节省资源并减少有毒物质的排放，从而获得更大的经济和社会效益。
[0003]合理的再制造调度对于有效利用资源和提高企业效率至关重要。然而，与传统制造不同的是，再制造过程中涉及EOL产品。通常EOL产品在其使用寿命期间会经历不同的使用环境，因此也会受到不同程度和形式的损伤。这种损伤差异使得准确评估EOL产品的质量变得困难，导致了再制造过程中的加工时间和路线以及加工失败的不确定性。这些复杂的不确定性不仅增加了返工风险，而且使再制造调度变得更加困难和复杂。所以，为获得更实际可行的再制造调度方案，需要考虑因EOL产品质量差异和返工风险引起的不确定性。
[0004]虽然再制造调度问题已被广泛研究，但是再制造过程中的不确定性往往被忽视了。近年来，一些研究采用随机优化方法或模糊理论方法来解决再制造调度中的不确定性问题。然而，借助有限的再制造历史数据描述不确定性，通常只能产生一个近似范围而不是精确分布，这不仅增加了将不确定性描述为随机变量的难度，还使得模糊理论中的隶属函数难以定义。此外，上述有关再制造调度的研究都没有考虑再制造EOL产品的返工风险。

技术实现思路

[0005]本申请的目的是提供一种面向返工风险的再制造调度优化方法，考虑因EOL产品质量差异和返工风险引起的不确定性，实现更加优化的再制造调度。
[0006]为了实现上述目的，本申请技术方案如下：
[0007]一种面向返工风险的再制造调度优化方法，包括：
[0008]对于具有I种再制造产品和J条非等同并行加工路线的批量再制造调度，采用区间灰数描述再制造过程中的变量，通过含返工风险的期望加工时间构建最大完工时间的数学模型；
[0009]构建求解数学模型的粒子表示方案，所述粒子表示方案包括两个部分，第一部分编码了分配给每条加工路线的产品信息，第二部分编码了操作排序信息；
[0010]根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案。
[0011]进一步的，所述数学模型如下：
[0012][0013]其中，表示处理完所有再制造产品的总时间，表示第j条加工路线中的第N
j
个机器加工第i个产品的结束时间，第N
j
个机器是第j条加工路线中的最后一个机器；
[0014][0015]其中，表示第j条加工路线中的第n个机器加工第i个产品的开始时间，表示第j条加工路线中的第n个机器加工第i个产品的含返工风险的期望加工时间，Q
ijn
表示在第j条加工路线中的第n个机器上加工第i种再制造产品的数量；
[0016][0017]其中，表示第j条加工路线中的第n个机器在第k次加工第i个产品时的加工时间，k＝1,
…
,∞，其中k＝1表示是第一次加工，否则表示为返工过程；表示第i个产品需要在第j条加工路线中的第n个机器进行第k次加工的概率。
[0018]进一步的，所述根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案，包括：
[0019]步骤F1、初始化种群和参数；
[0020]步骤F2、计算当前自适应概率，对粒子的第一部分根据自适应概率选择执行变异算子，所述变异算子包括DE/rand/1、DE/rand/2、DE/L
best
/1和DE/U
best
/1四个变异算子；
[0021]步骤F3、执行交叉算子；
[0022]步骤F4、更新粒子中每条路线上各类产品的数量分配信息；
[0023]步骤F5、对粒子的第二部分执行位置更新机制；
[0024]步骤F6、执行局部搜索策略；
[0025]步骤F7、更新粒子中产品的路径选择和操作排序信息；
[0026]步骤F8、判断是否满足重启条件，如果满足则进入下一步，否则进入步骤F10；
[0027]步骤F9、执行重启机制重新初始化部分种群；
[0028]步骤F10、判断是否满足停止条件，如果满足，则停止迭代，输出最优调度方案，否则返回到步骤F2，重新进行迭代。
[0029]进一步的，所述DE/L
best
/1和DE/U
best
/1算子，分别表示如下：
[0030][0031][0032]其中和是从第t代种群中随机选择出来的个体，且b≠c；和分别代表种群中具有最小上下界的个体；是通过变异算子生成的第i个个体；是第i个个
体的缩放因子，服从均匀分布。
[0033]进一步的，所述对粒子的第二部分执行位置更新机制，其中位置更新机制通过变异算子和交叉算子来更新粒子的位置，在每次执行交叉算子时，按照第一概率与pbest粒子进行交叉操作，按照第二概率与gbest粒子进行交叉操作。
[0034]进一步的，所述执行局部搜索策略，包括在每次迭代中对质量排名前预设数量的调度方案以及和执行基于两种邻域结构的局部搜索策略，两种邻域结构分别为交换邻域结构和插入邻域结构。
[0035]进一步的，所述重启机制，包括：
[0036]如果在预设次数迭代后全局最优的解没有变得更好，则从种群中随机选取预设比例的粒子重新进行初始化。
[0037]本申请提出的一种面向返工风险的再制造调度优化方法，采用区间灰数描述再制造生产过程中因EOL产品质量差异而导致的不确定加工时间和返工风险，可以准确描述实际生产过程中的不确定性。通过含返工风险的期望加工时间构建最大完工时间的数学模型，在再制造调度中考虑返工风险，最后通过创新设计的迭代算法寻找到最优调度方案。本申请技术方案，不仅提高了寻找最优调度方案时的性能，同时寻找到的再制造调度方案相比其他方法具有更好的调度效果。
附图说明
[0038]图1为本申请面向返工风险的再制造调度优化方法流程图；
[0039]图2为本申请实施例粒子表示方案的一种实例；
[0040]图3为本申请实施例求解数学模型的方法流程示意图；
[0041]图4为本申请实施例位置更新机制交叉算子的一种实例；
[0042]图5为本申请实施例变异算子的一种实例；
[0043]图6为本申请实施例目标函数与迭代次数的关系示意图；
[0044]图7为本申请实施例目标函数与种群大小的关系示意图。
具体实施方式
[0045]为了使本申请的目的、技术方案及优点更加清本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向返工风险的再制造调度优化方法，其特征在于，所述面向返工风险的再制造调度优化方法，包括：对于具有I种再制造产品和J条非等同并行加工路线的批量再制造调度，采用区间灰数描述再制造过程中的变量，通过含返工风险的期望加工时间构建最大完工时间的数学模型；构建求解数学模型的粒子表示方案，所述粒子表示方案包括两个部分，第一部分编码了分配给每条加工路线的产品信息，第二部分编码了操作排序信息；根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案。2.根据权利要求1所述的面向返工风险的再制造调度优化方法，其特征在于，所述数学模型如下：其中，表示处理完所有再制造产品的总时间，表示第j条加工路线中的第N
j
个机器加工第i个产品的结束时间，第N
j
个机器是第j条加工路线中的最后一个机器；其中，表示第j条加工路线中的第n个机器加工第i个产品的开始时间，表示第j条加工路线中的第n个机器加工第i个产品的含返工风险的期望加工时间，Q
ijn
表示在第j条加工路线中的第n个机器上加工第i种再制造产品的数量；其中，表示第j条加工路线中的第n个机器在第k次加工第i个产品时的加工时间，k＝1,
…
,∞，其中k＝1表示是第一次加工，否则表示为返工过程；表示第i个产品需要在第j条加工路线中的第n个机器进行第k次加工的概率。3.根据权利要求1所述的面向返工风险的再制造调度优化方法，其特征在于，所述根据粒子表示方案初始化初始种群，对数学模型进行迭代求解，获取最优再制造调度方案，包括：步骤F1、初始化种群和参数；步骤F2、计算当前自适应概率，对粒子的第一部分根据自适应概率选择执行变异算子，所述变异算子包括DE/rand/1、DE/rand/2、DE/L
best
/1和DE/U

【专利技术属性】
技术研发人员：张文宇，王军，张帅，徐纪元，
申请(专利权)人：浙江财经大学，
类型：发明
国别省市：