【技术实现步骤摘要】
本专利技术属于先进制造，涉及一种制造联合调度方法 。
技术介绍
1、在全球化制造背景下，制造型企业的竞争力不仅仅是单纯的制造能力，对供应链进行全局把控才能获得整体经济效益的最大化。高性能液压缸的生产过程属于典型的订单驱动的离散高柔性制造模式，在此模式下，企业需要快速响应客户的需求，合理安排生产以及配送计划，使产品能够及时交付到客户手中。然而，在企业实际运营过程中，生产和配送两个环节往往各自为营，只考虑自身利益的最大化。同时，高性能液压缸产品生产周期较长，其零部件或者整缸在库存中的维护和运作成本往往较高，当客户需求产生较大波动时，如果不能及时地协调生产调度和配送计划，将会产生严重的库存积压和订单拖欠现象，大大增加供应成本。
2、因此，实施生产与配送的联合调度打破生产和配送之间的信息壁障，对于提高整个订单的交付效率，降低总成本，具有十分重要的研究意义和应用价值。以往对于液压缸生产与配送联合调度的研究大多数在理想的数学模型下进行优化，不太贴合实际生产配送过程，如忽略了零件部件装配及产品运输的过程中的库存成本。同时，结合液压缸制造企业的实际生产情况，其生产和配送阶段的相互联系和模型的求解难度都较为复杂。
技术实现思路
1、为解决
技术介绍
中所述的问题，本专利技术提供基于超启发式樽海鞘算法的液压缸制造联合调度方法。
2、本专利技术的技术方案包括以下步骤：
3、步骤一、结合液压缸生产制造特点设定假设条件、模型参数、约束条件，构建以总生产成本最小并且总拖期时间最
4、步骤二、针对生产与配送联合调度模型的特点，设计基于工序、设备、车间、装配作业线的四层整数型编码作为低层问题域模型的编码，设计基于樽海鞘优化算法的高层个体编码作为高层策略域模型的编码，所述高层个体编码在算法不同阶段都由9种低层启发式操作构成；
5、步骤三、采用超启发式樽海鞘优化算法进行求解：s31)采用混合种群初始化策略生成低层问题域模型的初始种群，随机初始化高层策略域模型种群；s32)计算低层问题域模型种群适应度值，同时使高层策略域模型种群适应度值与低层问题域模型种群适应度值一一对应；s33)根据汉明距离判断当前追随者个体与领导者个体 leader的距离，若两者的差异程度 dlr超过给定阈值 plr，则高层策略域模型随机执行远距离航行的邻域搜索，否则高层策略域模型随机执行近距离觅食的邻域搜索；s34)采用动态邻域搜索策略对低层问题域模型个体依次执行更新后的对应高层策略域模型个体中的低层启发式操作，若新解优于旧解则更新高层策略域模型个体和低层问题域模型个体，当领导者个体 leader未更新次数达到极限次数 limit时，对适应度值排名靠后的个低层问题域模型个体各执行一次随机的精确邻域结构，其中，pop为种群规模，ξ为精英个体率；若新解不优于旧解则判断随机数 r是否小于接受概率 pr，若小于则用这个新解替换旧解，否则保留旧解；s35) 重复s32)至s34)，直至达到总生产成本最小并且总拖期时间最短的优化目标，输出液压缸的生产与配送联合调度最优方案。
6、进一步地，所述步骤一中，假设条件为：
7、一、一个工件所有的工序只能在同一车间内加工，所有的装配工序只能在同一条装配作业线上装配；
8、二、同一加工设备/装配作业线在同一时刻只能加工/装配一个工件/产品，并且加工/装配过程不允许中断；
9、三、产品的零部件只有加工运输齐全才能进入装配流程；
10、四、同种类工件在不同车间单位时间的加工、库存成本相同，同种类产品在单位时间的装配、库存成本相同；
11、五、运输车辆由第三方物流提供，车辆数量充足且每辆车的条件相同；
12、六、在不考虑不确定性因素的前提下，各车间之间、车间到客户、客户到客户的运输时间是固定的。
13、更进一步地，所述步骤一中，模型参数包括生产与配送参数和决策变量参数，
14、所述生产与配送参数为：
15、 f：车间索引， f=1, 2 ,…, |f|；
16、 j：工件索引， j=1, 2 ,…, |j|；
17、 p：产品索引， p=1, 2 ,…, |p|；
18、 i：工序索引， i=1, 2 ,…, |i|；
19、 m：加工设备索引， m=1, 2 ,…, |m|；
20、 a：装配作业线索引， a=1, 2 ,…, |a|；
21、 h：装配运输车辆索引， h=1, 2 ,…, |h|；
22、 v：产品配送车辆索引， v=1, 2 ,…, |v|；
23、 c：客户索引， c=1, 2 ,…, |c|；
24、 d：地点（装配厂或客户位置）索引；
25、 rj：工件 j的工序数；
26、 ud：地点（装配厂或客户位置）的集合， ud={ f|f|, c1, c2,… c|c|}；
27、 sj,i：工件 j第 i道工序的开始加工时间； 本文档来自技高网...
【技术保护点】
1.基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于：所述步骤一中，假设条件为：
3.根据权利要求2所述的基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于：所述步骤一中，模型参数包括生产与配送参数和决策变量参数，
4.根据权利要求3所述的基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于：所述步骤一中，约束条件为：
5.根据权利要求4所述的基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于：所述步骤一中，总生产成本目标函数为：
6.根据权利要求5所述的基于超启发式樽海鞘算法的液压缸制造联合调度方法，其特征在于：所述步骤二中，低层问题域模型的编码采用四层的整数型编码方案，分别是工序层Xj、加工设备层Xm、车间层Xf、装配作业线层Xa，每组向量X=[Xj|Xm|Xf|Xa]代表问题的一个可行解，而对于产品装配过程、分组装车以及配送顺序的信息将以解码策略的形式出现，不体现在编码中；
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。