大规模生产过程一种基于迭代式分解和流松驰的调度方法技术

生产过程优化调度对制造企业缩短制造周期、提高机器利用率、降低生产成本等具有重要作用。本发明专利技术针对在微电子、机械等离散行业广泛存在的一类以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，公开了一种基于迭代式分解和流松弛的调度方法。该方法采用基于预测机制的迭代式分解算法结构，将原调度问题迭代地分解为多个阶段进行求解，在各求解阶段，首先基于工件聚类和流松弛手段建立全局调度指标预测模型，然后，在基于上述预测模型获得的全局调度指标预测值指导下，进行调度子问题的形成和优化求解。将本发明专利技术应用于上述以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程后，可有效缩短制造周期，提高生产效率。

【技术实现步骤摘要】

本专利技术属于自动控制、信息技术和先进制造领域，针对以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，公开了一种基于迭代式分解和流松弛的调度方法。
技术介绍
生产过程优化调度是提高制造企业生产管理和控制水平的重要手段，其目的是在满足各类资源约束和工艺约束的条件下，通过合理安排各加工任务(工件)在各机器前的加工顺序，使某项或多项生产指标达到最优。生产过程调度水平的提高对企业缩短制造周期、提高机器利用率、降低生产成本，进而提高企业生产效率、经济效益和市场竞争力均具有重要作用。目前，常见的生产过程调度方法包括启发式方法、运筹学方法、软计算方法和人工智能方法等。但由于实际生产过程调度涉及的工件和操作数量多(工件达数百至上千个，操作达数千至上万个)，且生产约束较为复杂，已有方法在实际大规模生产过程调度中的应用效果不够理想。 在实际微电子、机械等行业大型制造企业中，其生产任务(工件)常具有可分类特性，即在一次调度过程中，所有工件可根据工艺路径及相应操作的加工时间的不同划分为若干类，同类工件具有较大的相似性，且同类工件数量较多。同时，最小化制造周期是上述企业常见的调度目标。本专利技术即是针对该类以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，提供一种基于迭代式分解和流松弛的调度方法。在上述行业大中型企业以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程中应用本调度方法，可有效缩短制造周期、提高生产效率。 另一方面，目前上述行业大多企业均已实施了MES、ERP等系统，已具备采集订单、工艺、进度、设备等信息的基础条件，这为实施本专利技术提供了可能。
技术实现思路
本专利技术针对以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，公开了一种基于迭代式分解和流松弛的调度方法。该方法通过迭代式分解机制把大规模调度问题动态分解为多个阶段进行求解(每个阶段对应一个规模较小的调度子问题)，并在求解每个阶段对应的调度子问题前，首先采用一种基于MD(Macro Distance)距离的工件聚类算法对所有待调度工件进行聚类，在此基础上，基于流松弛手段构建当前阶段调度子问题的全局调度指标预测模型，其可实现对当前调度子问题解全局性能的快速评价，进而，将上述预测模型应用于当前调度子问题的求解过程中，以提高求解效果。 该调度方法的基本流程如图1所示，具体实现步骤说明如下 步骤(1)初始化，设定如下基本变量 工件集合Jn个工件{Ji}i＝1n； 机器集合M所有机器共分为K个机器组，记为{Gk}k＝1K，其中机器组Gk中的机器数为mk，分别为gk，1，gk，2，…， 同时，M＝G1∪Gk∪…∪GK； 工件Ji需经过ni个机器组的加工，其工艺路径Ri记为 其中Ji在机器组Gki上加工的操作记为Qi，k，其加工时间为pi，k； 所有操作的集合记为O； 步骤(2)采集包括上述工件个数、机器组个数、各机器组中的机器个数、各工件的工艺路径、各操作的加工时间在内的调度相关信息并存储至调度数据库中； 步骤(3)从上述调度数据库中读取包括工件个数、机器组个数、各机器组中的机器个数、各工件的工艺路径、各操作的加工时间在内的调度相关信息，建立生产过程调度模型(又可称为“原调度问题”)，所建立的调度模型可表示为如下形式 s.t. 其中，Ci为工件Ji的预计完工时间；sti，k为操作Qi，k的预计开始加工时间；Ai为工件Ji工艺路径上所有相邻操作对的集合；Ek，l为在机器gk，l上待加工的所有操作对的集合； 步骤(4)基于时间分解机制将原调度问题迭代地分解为多个阶段进行求解，并在每个求解阶段，首先基于工件聚类和流松弛手段建立全局调度指标预测模型，该预测模型涉及工件加工进度特征指标预测和全局调度性能指标预测，然后，将该预测模型用于形成和求解当前阶段调度子问题过程中；该过程按如下步骤进行 步骤(4.1)采用基于MD(Macro Distance)距离的K-均值聚类算法，将当前阶段所有待调度工件划分为c个聚类，其中，c为聚类数；该聚类过程采用如下流程进行 步骤(4.1.1)计算工件距离矩阵(md(Ji，Jj))n×n，其中，md(Ji，Jj)表示工件Ji和Jj之间的距离；md(Ji，Jj)的计算方式如下 其中，d(Ri，Rj，k)＝|posk，i-posk，j|表示机器组Gk在工件Ji和Jj的工艺路径Ri和Rj中的相对位置之差，posk，i表示机器组Gk在工件Ji的工艺路径Ri中所处的相对位置，其计算方法为 其中，Ind(Ri，Gk)为机器组Gk在工艺路径Ri中所处的绝对位置序号，即若该机器组位于Ri中的第一位，则Ind(Ri，Gk)＝1，若第二位，则Ind(Ri，Gk)＝2，以此类推；Len(Ri)为工件Ji的总操作数； 步骤(4.1.2)设定初始聚类中心点 从所有工艺路径中随机挑选c个工件，将其设为初始聚类中心点，记为J(0)1，J(0)2，…，J(0)c；令k＝0； 步骤(4.1.3)将各工件划分至各聚类 依次对每个工件Ji，记 将工件Ji划分至聚类中心点Jjc对应的聚类中；其中，Jjc为第j个聚类中心点； 步骤(4.1.4)重新计算各聚类的聚类中心点 在将各工件分别划分至各聚类中后，重新计算各聚类中心点；聚类中心点的计算方法为在该聚类中，若某工件与其它工件的平均MD距离最短，则该工件为该聚类的中心点； 步骤(4.1.5)若所有聚类的聚类中心点未改变，则转步骤(4.1.7)； 步骤(4.1.6)k＝k+1，转步骤(4.1.3)； 步骤(4.1.7)若聚类后某些类中的工件数量小于给定最小值NCmin，则将该类并入最近的其它聚类中(以聚类中心点之间的MD距离的大小来衡量各聚类之间的距离的远近)，并重新计算新聚类的中心点； 步骤(4.2)在步骤(4.1)所得到的聚类结果基础上，将各聚类内的所有待调度工件均用其聚类中心点对应的工件取代，然后，建立当前阶段待调度问题的流松弛模型并求其最优解； 该步骤的具体流程如下 步骤(4.2.1)将各聚类内的所有工件均用其所属聚类的中心点对应的工件取代，此时，原调度问题转化为一个具有多类工件、每类工件内部各工件完全相同的调度问题； 步骤(4.2.2)对步骤(4.2.1)所形成的调度问题，基于流松弛假设，建立相应的流松弛模型；在流松弛模型中，各类工件以“流”方式存在，即工件可分解为无限小的“碎片”分别进行加工；在上述假设下，加工过程中由于工件的各“碎片”可能同时处于不同的机器组，因此，i类工件(由ci个聚类工件组成)的加工进度状况可用非负实数组 描述；其中，xi，k(t)为t时刻位于机器组Gk缓冲区(包括所有前续操作已完成，当前操作尚未开始的工件)中i类工件的待加工量(以相应操作的加工时间之和表示)，该值为一非负实数；基于上述假设，所建立的流松弛模型具有如下形式 subject to 其中，Gk为机器组Gk可加工的所有操作的集合；pi，k为i类工件在机器组Gk上的平均加本文档来自技高网...

【技术保护点】
一种基于迭代式分解和流松弛的调度方法，其特征在于，该方法是针对以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程的一种调度方法，且所述方法在计算机上是按如下步骤实现的：步骤（１）：初始化，设定如下基本变量：工件集合Ｊ：ｎ个工件｛Ｊ↓［ｉ］｝↓［ｉ＝１］↑［ｎ］；机器集合Ｍ：所有机器共分为Ｋ个机器组，记为｛Ｇ↓［ｋ］｝↓［ｋ＝１］↑［Ｋ］，其中机器组Ｇ↓［ｋ］中的机器数为ｍ↓［ｋ］，分别为ｇ↓［ｋ，１］，ｇ↓［ｋ，２］，…，ｇ↓［ｋ，ｍ↓［ｋ］］，同时，Ｍ＝Ｇ↓［１法为：ｐｏｓ↓［ｋ，ｉ］＝Ｉｎｄ（Ｒ↓［ｉ］，Ｇ↓［ｋ］）／Ｌｅｎ（Ｒ↓［ｉ］）其中，Ｉｎｄ（Ｒ↓［ｉ］，Ｇ↓［ｋ］）为机器组Ｇ↓［ｋ］在工艺路径Ｒ↓［ｉ］中所处的绝对位置序号，即若该机器组位于Ｒ↓［ｉ］中的第一位，则Ｉｎｄ（Ｒ↓［ｉ］，Ｇ↓［ｋ］）＝１，若第二位，则Ｉｎｄ（Ｒ↓［ｉ］，Ｇ↓［ｋ］）＝２，以此类推；Ｌｅｎ（Ｒ↓［ｉ］）为工件Ｊ↓［ｉ］的总操作数；步骤（４．１．２）：设定初始聚类中心点从所有工艺路径中随机挑选ｃ个工件，将其设为初始聚类中心点，记为：Ｊ↓［（０）］↑［１］，Ｊ↓［（０）］↑［２］，…，Ｊ↓［（０）］↑［ｃ］；令ｋ＝０；步骤（４．１．３）：将各工件划分至各聚类依次对每个工件Ｊ↓［ｉ］，记ｍｄ（Ｊ↓［ｉ］，Ｊ↓［ｊ］↑［ｃ］）＝＊（ｍｄ（Ｊ↓［ｉ］，Ｊ↓［ｉ］↑［ｃ］）），将工件Ｊ↓［ｉ］划分至聚类中心点Ｊ↓［ｊ］↑［ｃ］对应的聚类中；其中，Ｊ↓［ｊ］↑［ｃ］为第ｊ个聚类中心点；步骤（４．１．４）：重新计算各聚类的聚类中心点在将各工件分别划分至各聚类中后，重新计算各聚类中心点；聚类中心点的计算方法为：在该聚类中，若某工件与其它工件的平均ＭＤ距离最短，则该工件为该聚类的中心点；步骤（４．１．５）：若所有聚类的聚类中心点未改变，则转步骤（４．１．７）；步骤（４．１．６）：ｋ＝ｋ＋１，转步骤（４．１．３）；步骤（４．１．７）：若聚类后某些类中的工件数量小于给定最小值ＮＣ↓［ｍｉｎ］，则将该类并入最近的其它聚类中（以聚类中心点之间的ＭＤ距离的大小来衡量各聚类之间的距离的远近），并重新计算新聚类的中心点；步骤（４．２）：在步骤（４．１）所得到的聚类结果基础上，将各聚类内的所有待调度工件均用其聚类中心点对应的工件取代，然后，建立当前阶段待调度问题的流松弛模型并求其最优解；该步骤的具体流程如下：步骤（４．２．１）：将各聚类内的所有...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘民，郝井华，孙跃鹏，吴澄，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]