一种基于遗传算法的工序排程方法技术

本发明专利技术公开了一种基于遗传算法的工序排程方法，包括：通过接口获取排程订单信息，对所述排程订单信息进行拆解，以获取若干单链子订单，所述单链子订单包括独立前置任务

【技术实现步骤摘要】
一种基于遗传算法的工序排程方法、装置、终端及介质


[0001]本专利技术涉及计算机
，尤其涉及一种基于遗传算法的工序排程方法
、
装置
、
终端及介质
。

技术介绍

[0002]生产排程，是指将生产任务分配至生产资源的过程
。
在考虑能力和设备的前提下，在物料数量一定的情况下，安排各生产任务的生产顺序，优化生产顺序，优化选择生产设备，使得减少等待时间，平衡各机器和工人的生产负荷
。
从而优化产能，提高生产效率
。
[0003]现有的模具加工生产排程主要通过人工进行，由于需要考虑的影响因素较多，且模具的生产工序多
、
工艺中心较多，同种工序在不同的工艺中心进行加工所需的时间不同，工艺中心能加工的工序种类不同，因此通过人工排程无法充分考虑约束条件，最大化利用加工资源
。

技术实现思路

[0004]为了解决上述技术问题，本专利技术第一方面公开了一种基于遗传算法的工序排程方法，所述方法包括：
[0005]通过接口获取排程订单信息，对所述排程订单信息进行拆解，以获取若干单链子订单，所述单链子订单包括独立前置任务
、
前置任务链以及主任务链中的一种或多种；
[0006]定义遗传算法参数，在所述遗传算法中加入染色体校验函数；将所述排程订单信息输入遗传算法进行排程；
[0007]通过染色体校验函数对所述单链子订单进行位置和时间冲突校验，若有冲突则调整染色体并再次进行位置和时间冲突校验，否则输出初始解；
[0008]计算初始解的综合
KPI
值，判断所述综合
KPI
值是否满足结束条件，满足则输出最优解，否则对所述初始解进行优化操作直到所述综合
KPI
值满足结束条件；
[0009]将所述最优解转化为排产结果，所述排产结果包括加工任务
、
任务对应工作中心以及工作时间
。
[0010]其中一实施方式中，所述遗传算法参数包括种群规模
、
迭代次数
、GS
概率
、LS
概率
、
交叉概率以及变异概率
。
[0011]其中一实施方式中，所述优化操作包括选择操作
、
交叉操作以及变异操作
。
[0012]其中一实施方式中，所述综合
KPI
值的计算公式为：
(1
‑
((1
‑
交货准时率
)*
第一预设系数
+(1
‑
设备利用率
)*
第二预设系数
+
生产成本
*
第三预设系数
))。
[0013]其中一实施方式中，所述排程订单信息包括订单信息
、
设备信息
、
任务信息
、
任务加工参数信息
、KPI
加权参数以及目标加权参数信息
。
[0014]其中一实施方式中，所述染色体校验函数在进行冲突校验时，包括位置校验以及时间校验，所述位置校验为使所述独立前置任务的位置不大于其后置任务对应的位置；所述时间校验为完成前置任务的排程处理后，再进行其后置任务的排程处理
。。
[0015]本专利技术第二方面公开了一种装置，所述装置包括：
[0016]拆解模块，其用于通过接口获取排程订单信息，对所述排程订单信息进行拆解，以获取若干单链子订单，所述单链子订单包括独立前置任务
、
前置任务链以及主任务链中的一种或多种；
[0017]定义模块，其用于定义遗传算法参数，在所述遗传算法中加入染色体校验函数；将所述排程订单信息输入遗传算法进行排程；
[0018]计算模块，其用于通过染色体校验函数对所述单链子订单进行位置和时间冲突校验，若有冲突则调整染色体并再次进行位置和时间冲突校验，否则输出初始解；
[0019]优化模块，其用于计算初始解的综合
KPI
值，判断所述综合
KPI
值是否满足结束条件，满足则输出最优解，否则对所述初始解进行优化操作直到所述综合
KPI
值满足结束条件；
[0020]输出模块，其用于将所述最优解转化为排产结果，所述排产结果包括加工任务
、
任务对应工作中心以及工作时间
。
[0021]其中一实施方式中，所述装置包括：所述染色体校验函数在进行冲突校验时，包括位置校验以及时间校验，所述位置校验为使所述独立前置任务的位置不大于其后置任务对应的位置；所述时间校验为完成前置任务的排程处理后，再进行其后置任务的排程处理
。
[0022]本专利技术第三方面公开了一种基于遗传算法的工序排程终端，所述终端包括：
[0023]存储有可执行程序代码的存储器；
[0024]与所述存储器耦合的处理器；
[0025]所述处理器调用所述存储器中存储的所述可执行程序代码，执行如本专利技术第一方面公开的基于遗传算法的工序排程方法中的部分或全部步骤
。
[0026]本专利技术第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术第一方面公开的基于遗传算法的工序排程方法中的部分或全部步骤
。
[0027]与现有技术相比，本专利技术实施例具有以下有益效果：
[0028]本专利技术实施例中，首先通过获取排程订单信息并进行拆解，获得工艺路线中并行的独立前置任务或前置任务链的时间顺序关系，以确保遗算法在进行排程时能够检测出前置任务和后置任务的冲突情况，并将其剔除，确保排程结果的可行性；通过在遗传算法中加入染色体校验函数，对独立前置任务和前置任务链进行时间和位置检测，确保在排程过程中前置任务执行完毕后才执行后置任务的排程，确保该单链子订单所对应的染色体为可行的初始解
。
通过对初始解进行冲突检测，再次判断该初始解是否符合实际工艺流程，如符合则对初始解进行优化操作，根据用户需求调整综合
KPI
值的计算系数，从而输出满足用户需求的排程结果
。
附图说明
[0029]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
。
[0030]图1是本专利技术实施例公开的一种基于遗传算法的工序排程方法的流程示意图；
[0031]图2是本专利技术实施例公开的一种基于遗传算法的工序排程方法的又一流程示意图；
[0032]图3是本专利技术实施例公开的一种基于遗传算法的工序排程装置的结构示意图；
[0033]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于遗传算法的工序排程方法，其特征在于，所述方法包括：通过接口获取排程订单信息，对所述排程订单信息进行拆解，以获取若干单链子订单，所述单链子订单包括独立前置任务
、
前置任务链以及主任务链中的一种或多种；定义遗传算法参数，在所述遗传算法中加入染色体校验函数；将所述排程订单信息输入遗传算法进行排程；通过染色体校验函数对所述单链子订单进行位置和时间冲突校验，若有冲突则调整染色体并再次进行位置和时间冲突校验，否则输出初始解；计算初始解的综合
KPI
值，判断所述综合
KPI
值是否满足结束条件，满足则输出最优解，否则对所述初始解进行优化操作直到所述综合
KPI
值满足结束条件；将所述最优解转化为排产结果，所述排产结果包括加工任务
、
任务对应工作中心以及工作时间
。2.
根据权利要求1所述的基于遗传算法的工序排程方法，其特征在于，所述遗传算法参数包括种群规模
、
迭代次数
、GS
概率
、LS
概率
、
交叉概率以及变异概率
。3.
根据权利要求1所述的基于遗传算法的工序排程方法，其特征在于，所述优化操作包括选择操作
、
交叉操作以及变异操作
。4.
根据权利要求1所述的基于遗传算法的工序排程方法，其特征在于，所述综合
KPI
值的计算公式为：
(1
‑
((1
‑
交货准时率
)*
第一预设系数
+(1
‑
设备利用率
)*
第二预设系数
+
生产成本
*
第三预设系数
))。5.
根据权利要求1所述的基于遗传算法的工序排程方法，其特征在于，所述排程订单信息包括订单信息
、
设备信息
、
任务信息
、
任务加工参数信息
、KPI
...

【专利技术属性】
技术研发人员：邢毅，彭爱华，阮华龙，陈炜基，李智莉，
申请(专利权)人：广州聚超软件科技有限公司，
类型：发明
国别省市：