提供一种柔性作业车间调度方法和柔性作业车间调度装置。所述柔性作业车间调度方法包括：获取车间调度状态，其中，车间调度状态包括以下项中的至少一项：多个作业任务之间被处理的先后顺序依赖关系、所述多个作业任务中的每个作业任务内的多个操作步骤之间的先后顺序依赖关系、所述多个任务和多个机器之间的处理/被处理关系、以及所述多个机器之间的相互制约关系；通过使用超图来将车间调度状态表示为状态超图；使用超图神经网络从状态超图提取基于超图的作业特征；和使用策略网络，根据基于超图的作业特征来确定用于改变车间调度状态的动作。态的动作。态的动作。
【技术实现步骤摘要】
柔性作业车间调度方法和柔性作业车间调度装置
[0001]本公开涉及智能制造
，更具体地，涉及一种柔性作业车间调度方法和柔性作业车间调度装置。
技术介绍
[0002]生产调度是制造系统中的核心课题之一，专注于分配可用的生产资料给各个生产任务，确定合适的作业顺序，以达成最优生产目标，同时满足生产过程中的各种约束条件。最经典的生产调度问题是作业车间调度问题(Job Shop Scheduling Problem,JSSP)，即一组机器要处理一组任务，每一个任务有多个作业步骤，每个作业步骤能被某一台机器按照给定处理时间处理，每台机器同一时刻只能处理一个作业步骤。在现实场景中，为了提高生产效率，一个作业步骤往往有多台候选机器，需要从中选择一台机器来处理这个作业步骤。这样场景下的问题被称为柔性作业车间调度问题(Flexible JSSP,FJSSP)，是作业车间调度问题的扩展，有极其丰富的应用场景，比如半导体生产，汽车生产，专家客户服务等等，商业价值显著。
[0003]然而，随着科技的发展，柔性作业车间具有更加复杂多变的调度状态，这使得如何实现有效的柔性作业车间调度变得更加困难。
技术实现思路
[0004]本公开的目的在于提供一种柔性作业车间调度方法和柔性作业车间调度装置。
[0005]根据本公开的一方面，提供一种柔性作业车间调度方法，所述柔性作业车间调度方法包括：获取车间调度状态，其中，车间调度状态包括以下项中的至少一项：多个作业任务之间被处理的先后顺序依赖关系、所述多个作业任务中的每个作业任务内的多个操作步骤之间的先后顺序依赖关系、所述多个任务和多个机器之间的处理/被处理关系、以及所述多个机器之间的相互制约关系；通过使用超图来将车间调度状态表示为状态超图；使用超图神经网络从状态超图提取基于超图的作业特征；和使用策略网络，根据基于超图的作业特征来确定用于改变车间调度状态的动作。
[0006]可选地，根据基于超图的作业特征来确定用于改变车间调度状态的动作的步骤包括：将基于超图的作业特征和与车间调度状态对应的基于作业先后顺序依赖关系的作业特征融合为融合作业特征；和通过将融合作业特征输入到策略网络来确定用于改变车间调度状态的动作。
[0007]可选地，通过将融合作业特征输入到策略网络来确定用于改变车间调度状态的动作的步骤包括：根据所述多个机器与所述多个作业任务之间的处理/被处理关系，将基于超图的作业特征拼接为基于超图的机器特征；将基于超图的机器特征和与车间调度状态对应的基于机器约束关系的机器特征融合为融合机器特征；将融合机器特征和融合作业特征拼接为候选决策动作特征；和通过将候选决策动作特征输入到决策网络来确定用于改变车间调度状态的动作。
[0008]可选地，所述柔性作业车间调度方法还包括：通过对基于超图的作业特征进行均值化，生成基于超图的状态超图特征；将候选决策动作特征和状态超图特征进行拼接，并将拼接后的特征输入到价值网络，以得到当前状态下的状态值。
[0009]可选地，基于机器约束关系的机器特征基于以下步骤来提取：基于车间调度状态，通过使用简单图来构建机器约束图，其中，机器约束图指示述多个机器之间的相互制约关系；和使用第一图神经网络从机器约束图提取基于机器约束关系的机器特征。
[0010]可选地，基于作业先后顺序依赖关系的作业特征基于以下步骤来提取：基于车间调度状态，通过使用简单图来构建作业关系图，其中，作业关系图指示所述多个作业任务之间的被处理的先后顺序依赖关系；和使用第二图神经网络从作业关系图提取基于作业先后顺序依赖关系的作业特征。
[0011]可选地，策略网络包括用于缩小在确定用于改变车间调度状态的动作的步骤中生成的候选动作集合的K邻近图。
[0012]可选地，策略网络包括双延迟深度确定性策略梯度算法和基于Actor
‑
Critic架构的近端策略优化算法中的一个的策略网络。
[0013]根据本公开的一方面，提供一种柔性作业车间调度装置，所述柔性作业车间调度装置包括：获取模块，获取车间调度状态，其中，车间调度状态包括以下项中的至少一项：多个作业任务之间的被处理的先后顺序依赖关系、所述多个作业任务中的每个作业任务内的多个操作步骤之间的依赖关系、所述多个任务和多个机器之间的处理/被处理关系、以及所述多个机器之间的相互制约关系；状态特征提取模块，通过使用超图来将车间调度状态表示为状态超图，并使用超图神经网络从状态超图提取基于超图的作业特征；动作确定模块，使用策略网络，根据基于超图的作业特征来基于状态特征来确定用于改变车间调度状态的动作。
[0014]可选地，动作确定模块被配置为：将基于超图的作业特征和与车间调度状态对应的基于作业先后顺序依赖关系的作业特征融合为融合作业特征；和通过将融合作业特征输入到策略网络来确定用于改变车间调度状态的动作。
[0015]可选地，动作确定模块被配置为：根据所述多个机器与所述多个作业任务之间的处理/被处理关系，将基于超图的作业特征拼接为基于超图的机器特征；将基于超图的机器特征和与车间调度状态对应的基于机器约束关系的机器特征融合为融合机器特征；将融合机器特征和融合作业特征拼接为候选决策动作特征；和通过将候选决策动作特征输入到决策网络来确定用于改变车间调度状态的动作。
[0016]可选地，所述柔性作业车间调度装置还包括：状态超图特征生成模块，被配置为通过对基于超图的作业特征进行均值化，生成基于超图的状态超图特征；状态值确定模块，配置为将候选决策动作特征和状态超图特征进行拼接，并将拼接后的特征输入到价值网络，以得到当前状态下的状态值。
[0017]可选地，基于机器约束关系的机器特征基于以下步骤来提取：基于车间调度状态，通过使用简单图来构建机器约束图，其中，机器约束图指示述多个机器之间的相互制约关系；和使用第一图神经网络从机器约束图提取基于机器约束关系的机器特征。
[0018]可选地，基于作业先后顺序依赖关系的作业特征基于以下步骤来提取：基于车间调度状态，通过使用简单图来构建作业关系图，其中，作业关系图指示所述多个作业任务之
间的被处理的先后顺序依赖关系；和使用第二图神经网络从作业关系图提取基于作业先后顺序依赖关系的作业特征。
[0019]可选地，策略网络包括用于缩小在确定用于改变车间调度状态的动作的步骤中生成的候选动作集合的K邻近图。
[0020]可选地，策略网络包括双延迟深度确定性策略梯度算法和基于Actor
‑
Critic架构的近端策略优化算法中的一个的策略网络。
[0021]根据本公开的一方面，提供一种包括一个或多个计算装置和一个或多个存储装置的柔性作业车间调度系统，所述一个或多个存储装置上记录有计算机程序，所述计算机程序在被所述一个或多个计算装置执行时使得所述一个或多个计算装置实现如上所述的任一柔性作业车间调度方法。
[0022]本公开的示例实施例提供一种可将通过使用超图神经网络从与车间调度状态对应的状态超图提取基于超本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种柔性作业车间调度方法，所述柔性作业车间调度方法包括：获取车间调度状态，其中，车间调度状态包括以下项中的至少一项：多个作业任务之间被处理的先后顺序依赖关系、所述多个作业任务中的每个作业任务内的多个操作步骤之间的先后顺序依赖关系、所述多个任务和多个机器之间的处理/被处理关系、以及所述多个机器之间的相互制约关系；通过使用超图来将车间调度状态表示为状态超图；使用超图神经网络从状态超图提取基于超图的作业特征；和使用策略网络，根据基于超图的作业特征来确定用于改变车间调度状态的动作。2.如权利要求1所述的柔性作业车间调度方法，其中，根据基于超图的作业特征来确定用于改变车间调度状态的动作的步骤包括：将基于超图的作业特征和与车间调度状态对应的基于作业先后顺序依赖关系的作业特征融合为融合作业特征；和通过将融合作业特征输入到策略网络来确定用于改变车间调度状态的动作。3.如权利要求2所述的柔性作业车间调度方法，其中，通过将融合作业特征输入到策略网络来确定用于改变车间调度状态的动作的步骤包括：根据所述多个机器与所述多个作业任务之间的处理/被处理关系，将基于超图的作业特征拼接为基于超图的机器特征；将基于超图的机器特征和与车间调度状态对应的基于机器约束关系的机器特征融合为融合机器特征；将融合机器特征和融合作业特征拼接为候选决策动作特征；和通过将候选决策动作特征输入到决策网络来确定用于改变车间调度状态的动作。4.如权利要求3所述的柔性作业车间调度方法，其中，所述柔性作业车间调度方法还包括：通过对基于超图的作业特征进行均值化，生成基于超图的状态超图特征；将候选决策动作特征和状态超图特征进行拼接，并将拼接后的特征输入到价值网络，以得到当前状态下的状态值。5.如权利要求3所述的柔性作业车间调度方法，其中，基于机器约束关系的机器特征基于以下步骤来提取：基于车间调度状态，通过使用简单图来构建...
【专利技术属性】
技术研发人员：贺梦婷，张涛，魏博，骆京，黄小瑜，仝梦菲，朱峰，李昊宰，罗李浩，杨奕菲，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。