一种车间布局选址的方法技术

本发明专利技术属于车间布局技术领域，具体地而言为一种车间布局选址的方法。该方法包括：S1.获得当地剩余劳动力数量；S2.根据当地剩余劳动力数量，确定车间的总面积；S3.建立车间布局选址的多目标函数；S4.建立车间布局选址的约束条件；S5.通过改进粒子群算法对车间布局选址的多目标规划问题进行求解，确定车间在最优投资成本下的选址位置和车间规模。能够对车间科学合理的布局选址，解决车间建设投资成本高、车间选址不合理、车间规模不合理等问题。车间规模不合理等问题。车间规模不合理等问题。

【技术实现步骤摘要】
一种车间布局选址的方法


[0001]本专利技术属于车间布局
，具体地而言为一种车间布局选址的方法。

技术介绍

[0002]车间作为产业和就业的结合，是由山东省率先提出并逐渐完善的一种精准手段。中央将车间作为典型案例进行推广，很快各地区纷纷展开车间项目。
[0003]现有技术的缺陷和不足：
[0004]目前车间面临着很多困难，其中一部分缺陷是：
[0005]1.存在新建车间投资建设成本高的问题，导致租金较高，对商户吸引低；
[0006]2.存在车间选址不合理的问题，导致车间的工作人员路途遥远，对其生活带来不便，对工作人员吸引力低；
[0007]3.存在车间规模不合理、利用率低的问题，导致车间用地紧张或者闲置，影响投资回报效益。

技术实现思路

[0008]针对相关技术中存在的问题，本专利技术提供一种车间布局选址的方法，能够对车间科学合理的布局选址，解决车间建设投资成本高、车间选址不合理、车间规模不合理等问题。
[0009]本专利技术是这样实现的，
[0010]一种车间布局选址的方法，该方法包括：
[0011]S1.获得当地剩余劳动力数量；
[0012]S2.根据当地剩余劳动力数量，确定车间的总面积；
[0013]S3.建立车间布局选址的多目标函数；
[0014]S4.建立车间布局选址的约束条件；
[0015]S5.通过改进粒子群算法对车间布局选址的多目标规划问题进行求解，确定车间在最优投资成本下的选址位置和车间规模。
[0016]进一步地，步骤S1采用剩余劳动力动态估算模型推算当地剩余劳动力数量：
[0017]LD
s
(t)＝LD(t)
‑
[LD1(t)+LD2(t)+LD3(t)]‑
LD
r
(t)
[0018]其中，LD(t)为t时刻当地总劳动力数量；LD1(t)为t时刻当地第一产业所需劳动力；LD2(t)为t时刻当地第二产业所需劳动力；LD3(t)为t时刻当地第三产业所需劳动力；LD
s
(t)为t时刻当地剩余劳动力；LD
r
(t)为t时刻当地向城市转移的劳动力。
[0019]进一步地，步骤S2,中通过获取的当地剩余劳动力数量，来确定车间的总面积大小，以满足当地剩余劳动力人口的工作需求：
[0020]x
i
＝LD
s
(t)
×
γ
[0021]其中，x
i
为车间的建筑面积，γ为人均所需车间面积系数。
[0022]进一步地，建立车间布局选址的多目标函数包括：
[0023]设定C＝[c1,c2,
…
,c
n
]T
为车间布局选址结果的控制变量，S＝F(a)＝[f1(a),f2(a),
…
,f
n
(a)]T
为车间布局选址的多目标函数，其中，(VP)minF(a)＝[f1(a),f2(a),
…
,f
n
(a)]T
。
[0024]进一步地，多目标函数包括建设成本、运维管理成本、距离成本、最小覆盖半径这四个因素作为车间布局选址的目标函数，其中：
[0025]建设成本
[0026][0027]D
i
为车间单位建筑成本，x
i
为车间的建筑面积；
[0028]运维管理成本
[0029][0030]C0为车间年运维管理成本；
[0031]距离成本
[0032][0033]O
i
为工作人员到车间的距离，Z
i
为各个车间之间的距离，α为权重系数；
[0034]最小覆盖半径，覆盖半径β是车间布局方案到所有需求人群之间点距离的最大值，即：
[0035]β＝maxT(O
i
,A)
[0036]则，覆盖半径最小值：
[0037]K4＝minβ
A
。
[0038]进一步地，建立车间布局选址的约束条件包括：
[0039]车间建设成本、运维管理成本、距离成本、最小覆盖半径综合为布局选址中的目标函数约束条件：
[0040]K＝K1+K2+K3+K4[0041]车间距离约束条件，设置了相邻两个车间之间的距离不大于车间覆盖半径的两倍：
[0042]β≤H≤2β
[0043]H为两个车间的中心点距离。
[0044]进一步地，改进粒子群算法对车间布局选址的多目标规划问题进行求解具体包括：
[0045]粒子群算法的粒子规模为N，车间布局选址候选点数量为D，粒子群算法的粒子初始位置为X
n
＝{x
n1
,x
n2
,
…
,x
nD
}，n＝1,2,
…
,N，其中x
ni
表示粒子n的车间布局选址候选点i的建设情况，x
ni
＝1表示在此候选点建设车间，x
ni
＝0表示不在此候选点建设车间，粒子群算法的粒子初始速度为V
n
＝{v
n1
,v
n2
,
…
,v
nD
}，Pbest
n
表示单粒子X
n
已搜索过的最优点，Gbest表示全部粒子搜索过的全局最优点；
[0046]粒子速度更新公式：
[0047]V
n,k+1
＝ωV
n,k
+c1r1(Pbest
n
‑
X
n
)+c2r2(Gbest
‑
X
n
)
[0048]粒子位置更新公式：
[0049][0050]其中，ω表示惯性权重，c1、c2表示粒子的学习因子，r1、r2表示均值随机扰动，r1、r2可以模拟微小扰动，从而增加粒子多样性；
[0051]随着ω迭代次数不断增加，其更新公式为：
[0052][0053]其中，ω
max
表示初始权重；ω
min
表示最终权重；Iter
max
表示最大迭代次数；iter表示目前迭代次数。
[0054]进一步地，学习因子更新规则：设定较大值的学习因子c1和较小值的学习因子c2，
[0055]学习因子更新公式：
[0056][0057][0058]其中，c1、c2表示粒子的学习因子。c
1e
，c
1f
，c
2e
，c
2f
均表示常数，分别表示c1，c2的初始值和最终值，设定c
1e
，c
1f
，c
...

【技术保护点】

【技术特征摘要】
1.一种车间布局选址的方法，其特征在于，该方法包括：S1.获得当地剩余劳动力数量；S2.根据当地剩余劳动力数量，确定车间的总面积；S3.建立车间布局选址的多目标函数；S4.建立车间布局选址的约束条件；S5.通过改进粒子群算法对车间布局选址的多目标规划问题进行求解，确定车间在最优投资成本下的选址位置和车间规模。2.按照权利要求1所述的方法，其特征在于，步骤S1采用剩余劳动力动态估算模型推算当地剩余劳动力数量：LD
s
(t)＝LD(t)
‑
[LD1(t)+LD2(t)+LD3(t)]
‑
LD
r
(t)其中，LD(t)为t时刻当地总劳动力数量；LD1(t)为t时刻当地第一产业所需劳动力；LD2(t)为t时刻当地第二产业所需劳动力；LD3(t)为t时刻当地第三产业所需劳动力；LD
s
(t)为t时刻当地剩余劳动力；LD
r
(t)为t时刻当地向城市转移的劳动力。3.按照权利要求1所述的方法，其特征在于，步骤S2,中通过获取的当地剩余劳动力数量，来确定车间的总面积大小，以满足当地剩余劳动力人口的工作需求：x
i
＝LD
s
(t)
×
γ其中，x
i
为车间的建筑面积，γ为人均所需车间面积系数。4.按照权利要求1所述的方法，其特征在于，建立车间布局选址的多目标函数包括：设定C＝[c1,c2,
…
,c
n
]
T
为车间布局选址结果的控制变量，S＝F(a)＝[f1(a),f2(a),
…
,f
n
(a)]
T
为车间布局选址的多目标函数，其中，(VP)minF(a)＝[f1(a),f2(a),
…
,f
n
(a)]
T
。5.按照权利要求4所述的方法，其特征在于，多目标函数包括建设成本、运维管理成本、距离成本、最小覆盖半径这四个因素作为车间布局选址的目标函数，其中：建设成本D
i
为车间单位建筑成本，x
i
为车间的建筑面积；运维管理成本C0为车间年运维管理成本；距离成本O
i
为工作人员到车间的距离，Z
i
为各个车间之间的距离，α为权重系数；最小覆盖半径，覆盖半径β是车间布局方案到所有需求人群之间点距离的最大值，即：β＝maxT(O
i
,A)则，覆盖半径最小值：K4＝minβ
A
。
6.按照权利要求1所述的方法，其特征在于，建立车间布局选址的约束条件包括：车间建设成本、运维管理成本、距离成本、最小覆盖半径综合为布局选址中的目标函数约束条件：K＝K1+K2+K3+K4车间距离约束条件，设置了相邻两个车间之间的距离不大于车间覆盖半径的两倍：β≤H≤2βH为两个车间的中心点距离。7.按照权利要求1所述的方法，其特征在于，改进粒子群算法对车间布局选址的多目标规划问题进行求解具体包括：粒子群算法的粒子规模为N，车间布局选址候选点数量为D，粒子群算法的粒子初始位置为X
n
＝{x
n1
,x
n2
,
…
,x
nD
}，n＝1,2,
…
,N，其中x
ni
表示粒子n的车间布局选址候选点i的建设情况，x
ni
＝1表示在此候选点建设车间，x
ni
＝0表示不在此候选点建设车间，粒子群算法的粒子初始速度为V
n
＝{v
n1
,v
n2
,
…
...

【专利技术属性】
技术研发人员：胡博，李广野，张佳鑫，王义贺，刘洋，张鹏飞，乔路丽，刘盛琳，冯忠楠，
申请(专利权)人：国网辽宁省电力有限公司国家电网有限公司，
类型：发明
国别省市：