一种可重入装配柔性作业车间调度问题的优化方法和系统技术方案

本发明专利技术提供一种可重入装配柔性作业车间调度问题的优化方法和系统，方法包括：

【技术实现步骤摘要】
一种可重入装配柔性作业车间调度问题的优化方法和系统


[0001]本专利技术涉及车间调度
，特别是指一种可重入装配柔性作业车间调度问题的优化方法和系统
。

技术介绍

[0002]智能调度技术是智能制造技术中的重要技术之一
。
通过智能调度技术，调度人员便可以对车间内的资源
(
机器
)
进行合理有效的分配，从而提高系统生产效益
。
[0003]可重入装配柔性作业车间调度问题存在于微机电系统的晶圆制造问题中
。
该问题中存在着可重入特性，一个工件可能多次进入同一设备前的缓冲区等待处理，使得处于不同加工阶段的工件需要竞争同一资源，加大了生产调度的难度
。
产品的零部件之间具有装配操作，零部件的工序需在在其所有紧前零部件的所有工序均加工完成之后才能够开始加工，并且，产品的工序是加工与装配交替进行的，不同于传统的装配车间调度问题中的先加工再装配的特点
。
该问题中存在并行机，且具有柔性生产的特性，符合经典柔性作业车间的定义
。
并且，具有高能耗的特性，迫切地需要实行节能调度，以降低生产过程中的能耗排放
。
因此，该问题是一个非确定性多项式困难问题，具有很高的求解难度
。

技术实现思路

[0004]本专利技术提供了一种可重入装配柔性作业车间调度问题的优化方法和系统，以提高企业生产效率和减少能耗排放，实现绿色高效生产，所述技术方案如下：
[0005]一方面，提供了一种可重入装配柔性作业车间调度问题的优化方法，包括：
[0006]S1、
获取待调度车间的加工信息，所述加工信息包括待加工工件的产品信息和加工车间的机器信息；
[0007]S2、
将所述待调度车间的加工信息输入到预先构建的车间调度优化模型；
[0008]S3、
根据结合目标导向局部搜索的基于分解的多目标进化算法
MOEA/D
‑
OOLS
，对所述车间调度优化模型进行求解，得到车间调度方案
。
[0009]另一方面，提供了一种可重入装配柔性作业车间调度问题的优化系统，所述系统包括：
[0010]获取模块，用于获取待调度车间的加工信息，所述加工信息包括待加工工件的产品信息和加工车间的机器信息；
[0011]输入模块，用于将所述待调度车间的加工信息输入到预先构建的车间调度优化模型；
[0012]求解模块，用于根据结合目标导向局部搜索的基于分解的多目标进化算法
MOEA/D
‑
OOLS
，对所述车间调度优化模型进行求解，得到车间调度方案
。
[0013]另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有指令，所述指令由所述处理器加载并执行以实现上述可重入装配柔性作业车间调度问题的优化方法
。
[0014]另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有指令，所述指令由处理器加载并执行以实现上述可重入装配柔性作业车间调度问题的优化方法
。
[0015]本专利技术提供的技术方案带来的有益效果至少包括：
[0016]本专利技术针对可重入装配柔性作业车间调度问题，建立了优化模型，考虑到加工生产的效率与能源消耗，调度的优化目标设置为完工时间和总能耗最小化，设计了结合目标导向局部搜索的基于分解的多目标进化算法，设计了基于规则的种群初始化方法可以生成高质量的初始个体，并且初始个体均满足装配约束条件，设计了目标导向局部搜索策略，可以根据种群中个体的特点为其选择一个局部搜索算子，对个体进行有目标导向的局部搜索，提高了算法的搜索能力，设计了能耗调整策略，可以在不增加完工时间的基础上减少机器的空闲时间，从而减少总能耗目标中的空闲能耗，所设计算法可以有效地求解可重入装配柔性作业车间调度问题，同时对方案的完工时间与总能耗进行优化，采用智能调度技术解决可重入装配柔性作业车间调度问题，避免人工调度决策的不合理性与低效性，有助于提高企业的生产管理效率，提高企业的生产效益以及降低生产过程中的能源消耗
。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0018]图1是本专利技术实施例提供的一种可重入装配柔性作业车间调度问题的优化方法流程图；
[0019]图2是本专利技术实施例提供的一种可重入装配柔性作业车间调度问题的优化系统框图；
[0020]图3是本专利技术实施例提供的一种电子设备的结构示意图
。
具体实施方式
[0021]为使本专利技术要解决的技术问题
、
技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述
。
[0022]如图1所示，本专利技术实施例提供了一种可重入装配柔性作业车间调度问题的优化方法，包括：
[0023]S1、
获取待调度车间的加工信息，所述加工信息包括待加工工件的产品信息和加工车间的机器信息；
[0024]S2、
将所述待调度车间的加工信息输入到预先构建的车间调度优化模型；
[0025]S3、
根据结合目标导向局部搜索的基于分解的多目标进化算法
MOEA/D
‑
OOLS
，对所述车间调度优化模型进行求解，得到车间调度方案
。
[0026]可重入装配柔性作业车间的调度问题，需要确定每道工序的加工机器
、
在加工机器上的加工位置
、
开始加工时刻与结束加工时刻，是一个具有很高的求解难度的问题，具有很高的研究价值，本专利技术实施例应用智能调度技术针对可重入装配柔性作业车间的生产调度问题设计一种优化方法及系统，以制定合理高效的车间调度方案，所述车间调度方案的
内容包括每道工序的加工机器
、
在加工机器上的加工位置
、
开始加工时刻与结束加工时刻，得到相对应的决策变量
MI
hl
、X
hljko
、S
hl
和
E
hl
的取值，实现绿色高效生产，下面详细说明本专利技术实施例提供的一种可重入装配柔性作业车间调度问题的优化方法，包括：
[0027]S1、
获取待调度车间的加工信息，所述加工信息包括待加工工件的产品信息和加工车间的机器信息；
[0028]所述待加工工件的产品信息包括待加工工件数量
、
加工工件的产品结构
、
加工工件包含的零部件
、
零部件的工艺路线
、
加工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种可重入装配柔性作业车间调度问题的优化方法，其特征在于，所述方法包括：
S1、
获取待调度车间的加工信息，所述加工信息包括待加工工件的产品信息和加工车间的机器信息；
S2、
将所述待调度车间的加工信息输入到预先构建的车间调度优化模型；
S3、
根据结合目标导向局部搜索的基于分解的多目标进化算法
MOEA/D
‑
OOLS
，对所述车间调度优化模型进行求解，得到车间调度方案
。2.
根据权利要求1所述的方法，其特征在于，所述
S2
中的车间调度优化模型的构建过程，具体包括：
S21、
设定所述车间调度优化模型的输入变量，所述输入变量包括所述待调度车间的加工信息；
S22、
设定目标函数和约束条件，得到所述车间调度优化模型；其中，设定目标函数的目的为对完工时间和总能耗最小化，所述完工时间为从开始加工时刻到完成所有工件加工时刻的差值，所述总能耗为机器的空闲能耗与加工能耗之和，目标函数由下式
(1)
表示：
f
＝
min(Cmax,TEC)
ꢀꢀꢀ
(1)
其中，
Cmax
为完工时间，
TEC
为总能耗，
Cmax
由下式
(2)
表示：
Cmax
＝
max(E
hl
)
ꢀꢀꢀꢀ
(2)
其中，
h
为零部件的索引，
h
＝
1,2,
…
,H
；
l
为工序的序号，
l
＝
1,2,
…
,L
h
；
L
h
为零部件
h
的工序数量；
E
hl
为零部件
h
的第
l
道工序的结束加工时间；
TEC
由下式
(3)
表示：
TEC
＝
EI+EP (3)
其中，
EI
为一个方案的总空闲能耗，
EP
为一个方案的总加工能耗，
EI
和
EP
分别如下式
(4)(8)
表示
。
其中，
j
为工作站索引，
j
＝
1,2,
…
,J
；
k
为工作站中机器的索引，
k
＝
1,2,
…
,K
j
；
F
jk
为工作站
j
中机器
k
的单位空闲能耗；
EM
jk
为工作站
j
中机器
k
的关机时间
,
计算公式如下式
(5)
表示；
SM
jk
工作站
j
中机器
k
的开机时间，计算公式如下式
(6)
表示；
PM
jk
为工作站
j
中机器
k
上进行加工的时间，计算公式如下式
(7)
表示：其中，
O
hl
为零部件
h
的第
l
道工序的加工工作站序号；
MI
hl
为
O
hl
的加工机器的序号；
MA
为一个无穷大的数；一个无穷大的数；其中，
P
hlk
为
O
hl
在工作站的机器
k
上所需的加工时间；
其中，
o
为机器上加工工序的位置的索引，
o
＝
1,2,
…
,Q
；为决策变量，表示是否在工作站中机器
k
的第
o
个位置上加工
O
hl
，如果是则二进制变量设置为1，否则为0；
G
hlk
为
O
hl
在工作站的机器
k
上进行加工的单位加工能耗；所述约束条件包括下述
1)
‑
11)
：
1)、
每个工作站中包含多个并行机，由下式
(9)
表示：
2)、
一道工序只分配给一台机器加工，由下式
(10)
表示：
3)、
机器在同一时刻最多只能加工一道工序，由下式
(11)
表示：
4)、
工件可以重复进入同一工作站进行加工，由下式
(12)
表示：
5)、
工序按照加工顺序进行，由下式
(13)
表示：其中，
Y
hlgv
为决策变量，表示工序的加工顺序，如果在
O
hl
在
O
gv
之前加工，则为1，否则为0；
S
gv
为
O
gv
的开始加工时刻；
6)、
一个零部件的第一道工序的开始加工时刻需要大于等于其紧前零部件的最后一道工序的结束加工时刻，由下式
(14)
表示：其中，
A
hg
表示
VC
g
是否
VC
h
的后继工序，如果是则为1，否则为0；
7)、
一个零部件中的一道工序的开始加工时刻大于等于这道工序的紧前工序的结束加工时刻，由下式
(15)
表示：其中，
B
hlv
表示
VC
h
的第
l
道工序是否为第
v
道工序的后续工序，如果是则为1，否则为0；
8)、
一道工序的完工时刻等于开始加工时刻和所需加工时间之和，由下式
(16)
表示：
9)、
每个机器上前一个加工工序的结束时间应当小于等于后一个加工工序的开始时间，由下式
(17)
表示：
10)、
决策变量
X
hlOhlko
、Y
hlgv
取值为0或1，由下式
(18)
表示：
11)、
约束决策变量
S
hl
的取值为非负，由下式
(19)
表示：
S
hl
≥0 (19)。3.
根据权利要求1所述的方法，其特征在于，所述
S3
，具体包括：
S301、
设置
MOEA/D
‑
OOLS
算法的参数并生成初始化种群，所述参数包括但不限于种群数量
P
S
、
迭代次数
Imax、
交叉概率
PC、
选择邻域大小
MS、
替换邻域大小
RS、
局部搜索阈值
WV
；
S302、
对种群中的个体进行解码，得到种群中个体的调度方案与目标值；
S303、
为种群中的每个个体初始化一个权重向量；
S304、
根据
MS
和
RS
确定每个权重向量的选择邻域与替换邻域；
S305、
在每个子问题
x
的所述选择邻域中选择两个父代个体；
S306、
以
PC
的概率，对两个父代个体进行交叉操作，生成子代个体
x
child
，对子代个体
x
child
解码，若所述子代个体
x
child
支配所述个体
x
，则用所述子代个体
x
child
作为交叉后的个体
x
’
；否则用所述个体
x
作为交叉后的个体
x
’
；
S307、
根据
WV
，使用目标导向局部...

【专利技术属性】
技术研发人员：吴秀丽，张雅琦，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：