面向单件小批柔性制造车间的动态调度优化方法及装置制造方法及图纸

本发明专利技术涉及一种面向单件小批柔性制造车间的动态调度优化方法及装置，所述方法包括：根据实际加工工件的工艺路线，建立元胞机网络模型，获取各元胞的初始状态；根据各工位初始可加工订单选择，遍历所有可能的首步动作，以不同的首步动作执行：判断所有订单是否均完成，若是，则结束，获得一调度最终解；判断生产状态是否改变，若是，则基于状态改变类型执行相应处理，若否，则各工位根据当前情况获取下一步工作；基于元胞基本状态演化函数更新所有元胞的状态；获取所有首步动作对应的调度最终解，选择最优解，并基于该最优解控制车间生产过程。与现有技术相比，本发明专利技术具有鲁棒性良好、降低动态事件对车间调度影响、贴合工厂实际生产需求等优点。产需求等优点。产需求等优点。

【技术实现步骤摘要】
面向单件小批柔性制造车间的动态调度优化方法及装置


[0001]本专利技术涉及制造车间的调度领域，尤其是涉及一种面向单件小批柔性制造车间的动态调度优化方法及装置。

技术介绍

[0002]随着市场竞争的加剧以及产品的多样化，传统生产方式已经难以适应现代化生产需求，使得多品种、小批量生产模式成为主流的生产方式，同时，区别于传统大规模量化生产的柔性制造模式不断得到发展。对于制造车间的调度方法，现有研究大多从理想化的静态生产出发，单独地追求最低的成本与最快的速度，割裂了生产与物流调度，忽略了实际生产中的动态不确定事件，如车间运行异常、机器故障、紧急订单等会带来大量扰动的事件，使得即便拥有数据完美、目标极优的生产计划也无法与实际生产活动匹配，最终无法正常实施。此外，在实际项目实施时，发现集中式调度难以考虑，如订单延期、订单准时制和工人能力等多重约束，因此所得的调度结果不光难以实时响应，甚至是不可执行的。
[0003]面对频发的生产扰动，学者多从静态、动态调度两方面考虑集中式调度。在静态调度方面多用预测调度与鲁棒性调度等方法提高调度方案的抗干扰能力，但是这种调度方式是以损失一定的生产效率为代价，并且在调度灵活、环境多变的定制化车间，其调度和决策的实时性没有得到很好的解决，应用效果不明显；动态调度方面多用重调度方法，以事件或周期等为驱动事件，但此类方法存在异常响应缓慢、决策实时性差、系统稳定性低等问题。尤其是针对多品种、小批量特征下的柔性制造车间调度问题而言，其具有多目标性、多扰动性等特点，问题更为复杂，算法不能同时满足快速性和最优性。
[0004]中国申请专利CN113761732A公开了一种基于强化学习的一类多扰动车间柔性调度建模与优化的方法，包括以下步骤：分析归纳出多扰动车间生产调度的扰动因素；基于元胞机建模的思想对一类多扰动车间的调度问题进行抽象，归纳模型抽象的特点与运行机理，完成双层元胞机调度模型的建立，构建元胞机调度模型的双层元胞空间；基于强化学习算法的思想对多扰动车间元胞机调度模型的演化规则进行优化；最后建立仿真模型系统。该方法的主要调度目标只考虑最小化所有工件完工时间和最大化同组设备的平均利用率，虽然该方法能够实现动态监控、鲁棒性良好，但是此方法割裂了生产与物流调度，只适用制造单元功能单一且工艺路线固定的制造场景，并不适用制造单元功能多样的柔性车间调度场景。
[0005]中国申请专利CN113570134A公开了一种用于大型装备生产制造与行车系统的元胞机协同调度方法，该方法包括以下步骤：构建生产调度元胞机的网格模型，设定演化规则；对生产调度元胞机模型的演化规则进行优化；根据实际的行车运行状况构建行车调度元胞机的网格模型，设定演化规则；借助遗传算法对行车调度演化规则进行优化；设计大型装备制造生产与行车协同调度仿真系统界面。该专利技术中行车任务需工位上的工件粒子完成改性任务后触发，且行车完成运输后暂无其他任务指令时回到指定原位等待下一任务，行车工作被动性强，导致工作效率低。
[0006]文献“基于元胞机和改进GA的大型零件柔性作业车间调度算法”针对大型零件柔性作业车间调度问题，采用改进遗传算法优化元胞机局部演化规则，提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标，建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。但是文章在设计模型再调度机制时采用了周期性再调度方式。虽然周期性再调度能确保生产具有一定的稳定性，但其处理突发事件不够快速、灵敏。
[0007]目前的现有技术一般未考虑多品种小批量下的复杂加工路线情况与工厂整体调度情况。若考虑采用多主体分散决策的动态调度方法，将总调度问题细分至每个生产主体，并且每个主体针对自己的运行特点，自主选择调度策略，响应灵敏，能够较优地表述不同主体之间的差异，但如何构建生产多主体自主决策框架并利用主体之间的松散耦合关系协作优化总体策略是该调度方法的难点所在。综上，针对面向单件小批柔性制造车间动态调度分散决策方法现存主要的技术难点包括：1)复杂工厂环境下多主体仿真模型构建；2)多主体动态调度决策关系的构建；3)调度方案的快速优化。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种鲁棒性良好、降低动态事件对车间调度结果的影响、贴合工厂实际生产需求的面向单件小批柔性制造车间的动态调度优化方法及装置。
[0009]本专利技术的目的可以通过以下技术方案来实现：
[0010]一种面向单件小批柔性制造车间的动态调度优化方法，其特征在于，包括以下步骤：
[0011]根据实际加工工件的工艺路线，建立元胞机网络模型，获取各元胞的初始状态，所述元胞机网络模型的元胞包括缓存元胞、工位元胞、AGV物流车元胞和工件元胞；
[0012]根据各工位初始可加工订单选择，遍历所有可能的首步动作，以不同的首步动作执行以下步骤：
[0013]1)判断所有订单是否均完成，若是，则结束，获得一调度最终解，若否，则执行步骤2)；
[0014]2)判断生产状态是否改变，若是，则基于状态改变类型执行相应处理，若否，则执行步骤3)，所述状态改变类型包括工序中断、紧急订单加入和加工订单有工序加工完成；
[0015]3)各工位根据当前情况获取下一步工作；
[0016]4)基于元胞基本状态演化函数更新所有元胞的状态，返回步骤1)；
[0017]获取所有首步动作对应的调度最终解，选择最优解，并基于该最优解控制车间生产过程。
[0018]进一步地，所述元胞机网络模型为参考Petri网形态构建的带移动粒子的复杂元胞机网络，各元胞处理的加工订单为移动粒子。
[0019]进一步地，所述状态改变类型为工序中断时，所述相应处理包括：
[0020]重新定义所有相关元胞状态，将未加工完成的订单优先级提至最高；
[0021]将当前工位状态置为故障；
[0022]所述状态改变类型为紧急订单加入时，所述相应处理包括：
[0023]将所述紧急订单优先级提至最高；
[0024]所述状态改变类型为加工订单有工序加工完成时，所述相应处理为启动物流配送流程，具体包括：
[0025]基于AGV物流车的装载情况、优化目标及预先构建的行为待选集进行AGV物流车的行为选择优化，直至完成所有工件的运输。
[0026]进一步地，所述物流配送流程中，涉及多订单运载运输的AGV物流车车间运输路线基于遗传算法优化获得。
[0027]进一步地，所述各工位根据当前情况获取下一步工作具体为：
[0028]各工件根据优化目标及预先构建的行为待选集，通过优化算法进行行为选择优化。
[0029]进一步地，所述元胞基本状态演化函数用于定义元胞状态随时间变化的规律，该元胞基本状态演化函数基于当前元胞状态、相关元胞状态以及决策行为确定。
[0030]进一步地，基于各类型元胞在不同加工、行为、时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向单件小批柔性制造车间的动态调度优化方法，其特征在于，包括以下步骤：根据实际加工工件的工艺路线，建立元胞机网络模型，获取各元胞的初始状态，所述元胞机网络模型的元胞包括缓存元胞、工位元胞、AGV物流车元胞和工件元胞；根据各工位初始可加工订单选择，遍历所有可能的首步动作，以不同的首步动作执行以下步骤：1)判断所有订单是否均完成，若是，则结束，获得一调度最终解，若否，则执行步骤2)；2)判断生产状态是否改变，若是，则基于状态改变类型执行相应处理，若否，则执行步骤3)，所述状态改变类型包括工序中断、紧急订单加入和加工订单有工序加工完成；3)各工位根据当前情况获取下一步工作；4)基于元胞基本状态演化函数更新所有元胞的状态，返回步骤1)；获取所有首步动作对应的调度最终解，选择最优解，并基于该最优解控制车间生产过程。2.根据权利要求1所述的面向单件小批柔性制造车间的动态调度优化方法，其特征在于，所述元胞机网络模型为参考Petri网形态构建的带移动粒子的复杂元胞机网络，各元胞处理的加工订单为移动粒子。3.根据权利要求1所述的面向单件小批柔性制造车间的动态调度优化方法，其特征在于，所述状态改变类型为工序中断时，所述相应处理包括：重新定义所有相关元胞状态，将未加工完成的订单优先级提至最高；将当前工位状态置为故障；所述状态改变类型为紧急订单加入时，所述相应处理包括：将所述紧急订单优先级提至最高；所述状态改变类型为加工订单有工序加工完成时，所述相应处理为启动物流配送流程，具体包括：基于AGV物流车的装载情况、优化目标及预先构建的行为待...

【专利技术属性】
技术研发人员：陆剑峰，徐萌颖，张浩，徐梦霞，韩调娟，
申请(专利权)人：同济大学，
类型：发明
国别省市：