一种基于工序竞争机制学习的作业车间调度方法技术

本发明专利技术公开了一种基于工序竞争机制学习的作业车间调度方法，属于智能制造领域，该方法通过挖掘已有最佳调度方案中的调度经验，能够在保证较高调度质量的同时有着较快响应速度，解决现有方法在响应作业车间动态事件时的不足。所述方法包括：1.依据多个最佳调度方案建立工序竞争关系数据集；2.利用深度神经网络学习最佳调度方案中工序竞争关系的判断依据；3.对作业车间进行调度时，通过各个工序之间的竞争关系给出合理的调度安排。竞争关系给出合理的调度安排。

【技术实现步骤摘要】
一种基于工序竞争机制学习的作业车间调度方法


[0001]本专利技术涉及智能制造领域，更具体地，涉及到一种基于工序竞争机制学习的作业车间调度方法。

技术介绍

[0002]作业车间生产可以克服流水线生产中等待时间长、瓶颈工序的作业不平衡、易造成等待或资源浪费等缺点，而作业车间生产的关键技术之一就是作业车间调度技术，合理的调度方法才能发挥作业车间生产的优势。对于作业车间调度问题的研究已有数十年的历史，特别是对静态情况下的求解方法研究，提出了分支界定、整数规划等精确算法以及遗传算法、蚁群算法等近似算法。
[0003]然而实际生产中不可避免地会出现各种突发事件，例如订单插入、订单取消等，而针对静态问题的调度算法，面对动态问题时，存在寻优效率低、调度不灵活等局限性，不适合应用于实际生产中。基于调度规则的调度算法以低的计算时间复杂度、便于理解、动态响应快等特点而广泛应用于实际生产作业调度过程中，但其在不同调度问题中不能稳定地给出较优调度方案。为此需寻求一种更为有效的作业车间调度方法，在实际生产中既能快速地响应动态事件的发生，又能保证调度方案的质量。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工序竞争机制学习的作业车间调度方法，其特征在于：对于作业车间中的某台处于空闲状态的机器，若在某个时间节点，出现了可供该机器加工的工序，此时需要判断是否对该道工序进行加工，则定义该时间节点为该台机器的一个决策点；在每台机器的每个决策点，都存在若干道可选加工工序，将这些工序定义为对应机器上对应决策点的主工序，这些主工序形成对应机器上对应决策点的主工序集；在某台机器的某个决策点，对于其主工序集之中的任意一道主工序，其它主工序都与该道主工序存在竞争关系，将这些工序定义为该道主工序的从工序；另外，若某道主工序被选择在某台机器上进行加工，那么在该道主工序进行加工的时间段内，该机器上还会出现若干道可选加工工序，这些工序也是与该道主工序存在竞争关系的从工序；将所有从工序定义为对应主工序的从工序集；对于任意一道主工序，在其从工序集之中任意选择一道从工序，与该道主工序进行组合，将该组合定义为主从组合；该方法包括以下步骤：步骤1：生成用于训练的工序竞争关系数据集，具体过程如下：步骤1.1：生成作业车间调度问题的数据，其中包含所有工件的工艺信息，每个工件的工艺信息由工艺矩阵表示；所述工艺矩阵的行数与列数均为机器数量，其中列号表示机器编号，行号表示工序编号，每一行中有一个非零元素，该元素的行列数表示对应工序由对应机器进行加工，元素值表示加工所需时间；步骤1.2：利用多种智能优化算法，以最大完工时间最小为目标对问题进行求解，获得各个问题的最佳调度方案；步骤1.3：针对各个问题的最佳调度方案，在每台机器的每个决策点，对所有工件的工艺信息进行更新操作；将更新后所有矩阵中的加工时间进行无量纲化处理，获得每个工件在当前决策点的无量纲工艺矩阵；将所有工件的无量纲工艺矩阵相加，将累加后的工艺矩阵定义为当前决策点的剩余加工时间矩阵；步骤1.4：在各个问题的最佳调度方案中，针对每台机器的每个决策点，找出被选择加工的所有主工序，依次找出这些主工序对应的从工序集，从中依次选取从工序，并分别与其对应的主工序组合成一个主从组合；由一个主从组合、该组合对应的两个工件的后续工艺信息、当前决策点对应的剩余加工时间矩阵组成一个样本数据；步骤1.5：对于每个样本数据，根据主从组合对应的两道工序对最佳调度方案的影响，为该样本数据标记标签；所述标签为两道工序的竞争关系，具体包含三种不同的情况：主工序优于从工序，主工序劣于从工序以及平等竞争关系；步骤1.6：重复执行步骤1.2至步骤1.5，遍历一个最佳调度方案中的所有决策点，获得对应调度问题的样本数据，将样本数据存入工序竞争关系数据集；步骤1.7：多次执行步骤1.1到步骤1.6，实现对所有调度问题的所有决策点的分析，获得包含多个调度问题所对应样本数据的工序竞争关系数据集；步骤2：构建工序竞争策略学习网络，其输入包括：当前决策点的剩余加...

【专利技术属性】
技术研发人员：李明富，姜瑞森，曾文玉，成睿，黄晔，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：