一种自适应的零件制造动态排产方法与流程
本发明涉及生产调度与航空制造业,具体涉及一种自适应的零件制造动态排产方法。
背景技术:
1、常规的航空制造涉及大量零件生产排产,其生产排产前由预先设计的数据模型对大量零件进行业务规划,业务规划过程需要静置期对排产决策进行预先设定,即使采用了在数据模型中添加单一启发式算法的措施,在生产排产过程中数据模型也会经常在添加单一启发式算法的局部出现算法锁死,导致需要对单一启发式算法的局部频繁的检测,对其进行人工校正,同时造成数据模型输出的不在是完备的排产计划。
2、在模型运行过程中的算法锁死,均为依赖单一规则的诱发因素。然而,算法锁死的问题,本质上取决于算法本身的处理顺序。因此,真正使锁死反复出现,在于算法设计层面的处理顺序不可逆的问题。
3、目前的数据模型为追求结果和问题之间的透明和直接和该模型下的最低成本,模型基本需要对排产决策进行预先设定,这导致在遇见订单需求变化和设备突发损坏存在明显的处理滞后现象,并且在设计阶段,也无法量化这两方面的问题。
4、公开号为cn116611624a,公开日为2023年08月18日的中国专利申请文献公开了cn202211679109.3,该专利申请通过对现有的工艺工序、流程进行梳理、划分,完善现有作业流程,并以先进的排产理念及算法进行科学分析,明确生产线上瓶颈点,并通过算法优化进行有效资源配置,实现生产作业计划的合理安排,重点工序(设备)产能达到最优。满足生产线多品种、小批量、计划变化频繁的需求,并通过实时分析生产计划和生产进度的匹配情况,在异常情况发生时进行自动运算模式,对当前的任务队列进行动态排产,最大程度地降低生产变化对复材生产计划的影响和冲击。
5、该专利文献公开的整数规划建模,在整数规划建模的内部创建用于处理突发问题的启发式算法,采用启发式算法对工序排产问题进行求解,通过贪婪填充优化对突发问题的解决效率。虽然提高了整数规划建模应对突发问题的处理效果,但是在由于处理顺序不可逆和贪婪填充固定了局部优化仍然容易出现算法锁死的情况,影响排产计划的进度。
技术实现思路
1、本发明为了克服上述现有技术的缺陷,提供一种自适应的零件制造动态排产方法,本发明能够有效通过结合milp的精确建模能力和禁忌搜索的高效局部优化,实现了生产计划的快速生成与动态调整,确保了方案的可执行性,提高设备利用率以及零件准时交付率。
2、为了实现上述发明目的,本发明的技术方案如下:
3、一种自适应的零件制造动态排产方法,包括以下步骤,
4、s1、接收生产数据,将获取的零件属性和零件制造机械产能和零件制造机械使用状态构建成milp模型;
5、s2、根据s1中建立的milp模型,计算用于零件排产的定义决策变量,利用定义决策变量分析匹配用于最小化总成本的目标函数,同时根据该排产的零件属性和零件制造机械产能和零件制造机械使用状态确定约束条件,结合定义决策变量和目标函数和约束条件计算获取模型松弛与求解的取值范围,用于完成对最优区域的划分;
6、s3、优化模型松弛与求解的具体数值,根据该数值划分零件制造机械数量,完成零件生产顺序的重新排序,同时通过自适应禁忌策略对排产顺序和零件制造机械数量划分进行优化,并检测排产冲突;
7、若检测到零件制造机械的数量划分和零件生产顺序的重新排序过程中出现检测排产冲突,利用资源冲突检测和时间冲突检测判断冲突状况,完成冲突状况确认后利用冲突消解策略重新分配。
8、通过采用上述技术方案,能够有效通过结合milp的精确建模能力和禁忌搜索的高效局部优化,实现了生产计划的快速生成与动态调整,确保了方案的可执行性,提高设备利用率以及零件准时交付率。
9、本发明进一步设置为:零件属性包括交付时间和优先级和物料需求,用于确定每个零件的需求;零件制造机械产能包括具有可用性的机械在单位时间内的最大产能,用于计算机械在交付时间内的最大做工;零件制造机械使用状态包括该机械当时使用状态和可使用性能,用于获取该机械在排产时具体的状态。
10、通过采用上述技术方案,能够精准的获取零件具体的优先级和交付时间,完成零件的限时有效性息的确认;获取零件制造机械产能具体的单位时间内的最大产能和零件制造机械使用状态包括该机械当时使用状态和可使用性能,用于获取该机械在排产时具体的状态,完成零件制造机械有效的动态限时信息的确认,也就是说milp模型的构建是在精准的获取有需求排产的零件和有效机械动态状态之上,为后续步骤提供有效的数据。
11、本发明进一步设置为:s2中定义决策变量利用获取milp模型中的数据,用于判断是否满足在交付时间内具有可用性的机械完成排产零件,分别通过式1和式2获取,
12、式1为:
13、∈{0,1} 式1
14、其中,为在交付时间内具有可用性的机械是否能满足生产零件需求,0为不能,1为可以;
15、式2为:
16、∈z+ 式2。
17、其中,为在交付时间内单位零件能够在具有可用性机械上的生产数量,z+为非负整数集合。
18、通过采用上述技术方案,获得排产零件是否满足排产的基础排产条件,用于判断milp模型中动态获取的零件数据和制造机械数据是否适配,对排产零件的完成率做出初步的筛选。
19、本发明进一步设置为:s2中目标函数利用预先设计的成本预值,判断目标函数是否满足要求,通过式3获得,
20、式3为:
21、 式3
22、其中,n为成本预值,为生产成本,为换型成本,为零件的延迟时间,为延迟惩罚。
23、通过采用上述技术方案中,式3获得排产零件是否满足预先设计的成本预值,用于防止在排产中就直接出现亏损的情况,预先设计的成本预值是根据订单价格设置最低要求,不同的订单有不同的计算方式,需要根据具体订单状况具体分析计算,用于判断milp模型中需要排产零件的排产成本在满足排产的基础排产条件后,进一步确认是否达到生产成本基础标准。
24、本发明进一步设置为:s2中约束条件通过式4获得当前零件是否满足排产条件,
25、式4为:
26、 式4
27、其中,为零件在机器上的单位耗时,为机器的总可用产能,为零件的总需求量,u为零件最大需求量。
28、通过采用上述技术方案,判断排产零件生产时所遇到的主要问题是否满足,用于判断milp模型中需要排产零件是否达到约束的基础条件。
29、本发明进一步设置为:s2中模型松弛与求解将整数变量松弛为连续变量,具体为0≤≤,其中,为各变量在连续空间的数值,j为非负整数集合,来源于系统订单数据。
30、通过采用上述技术方案,获取各变量在连续空间的最优值,从而实现获取存在解决排产零件的区域划分。
31、本发明进一步设置为:s3中对各变量在连续空间的最优值,对最优值向下取整,具体计算通过式5计算获得,
32、式5为:
33、 式5
34、其中,为整数变量,为各变量在连续空间的最优值。
35、通过采用上述技术方案,进一步优化各变量在连续空间的最优值,降低遍历的次数,提高运算效果。
36、本发明进一步设置为:s3中自适应禁忌策略通过优化模型松弛与求解的具体数值,划分具体的禁忌搜索范围,禁忌搜索时,提供禁忌范围,实现多次访问局部最优解;当远离最优区域时,需返回s2重新动态划分区域并跳过该区域,实现禁忌限制错过潜在最优解,接近最优值时,加强局部精细搜索以及保护当前优质解结构,增大禁忌分范围,动态禁忌长度通过式6计算获得,
37、式6为:
38、 式6
39、其中,l为动态禁忌长度,为基础禁忌长度,取值范围为[5,15],为当前解的目标值,为历史最优解的目标值,α为调节系数。
40、通过采用上述技术方案,实现对优化过后的各变量在连续空间的最优值的遍历。
41、本发明进一步设置为:进行动态划分区域时,利用迭代改进策略对划分区域进项判断;
42、若搜索到最优值时停止搜索,若改进幅度减小,增加禁忌范围,若远离最优区域,缩短禁忌范围。
43、通过采用上述技术方案,自动调整优化区域的搜索范围和空间。
44、本发明进一步设置为:迭代改进策略利用每轮迭代生成n个候选邻域解,同时设置动态接受阈值和允许有限度的解质量下降范围,n个候选邻域解范围为[10,30],同时设置动态接受阈值范围为[1.03,1.08],允许有限度的解质量下降范围为[3% ,8%];
45、若始终未搜索到满足允许有限度的解质量下降范围,在迭代次数达到最大值后停止迭代,迭代次数达到最大值为[150,400];若连续p次迭代未改进最优解,在p次迭代后停止迭代,p次迭代范围为[25,50];若计算时间超过预设阈值,在时间超过预设阈值时停止迭代,时间预设阈值范围为[30,300]秒。
46、通过采用上述技术方案,对调节后的搜索划分区域进行遍历,对遍历进行约束限制,防止遍历区域出现死循环或者分配不均导致递顺序遍历循环过长导致运算出现报死。
47、本发明进一步设置为:若动态调整过程中检测出排产冲突,判断制造排产冲突是否满足资源冲突检测或时间冲突检测或者资源冲突检测和时间冲突检测同时满足,在利用冲突消解策略根据零件优先级重新分配资源,
48、资源冲突检测通过式7获得,式7具体为:
49、 式7
50、其中,为零件对资源的需求量,为资源的总量,为机器i生产件零件j时对资源k的总占用量,资源类型包括刀具类和工装夹具类和人员资质类和量具与检测设备类、工位与工作台类;
51、时间冲突检测通过式8获得,
52、式8具体为:
53、 式8
54、其中,为零件的开始时间,为加工时间,为零件交货截止时间。
55、通过采用上述技术方案,用于判断动态调整过程中检测出排产冲突的类型。
56、本发明进一步设置为:冲突消解策略根据零件优先级重新分配资源,进行优先级调整,利用动态优先级计算,通过式9获得,
57、式9具体为:
58、 式9
59、其中,为优先级,为零件价值,w为权重系数,包括三个分量,其中取值范围[0.2,0.5],取值范围[0.3,0.6],取值范围[0.1,0.3],为零件预设重要性,为时间紧迫性,为经济价值占比,小于等于于0.3。
60、通过采用上述技术方案,实现对零件优先级重新调整。
61、综上所述,本发明具有以下有益效果:
62、1、本发明相较于现有相比,能够有效通过结合milp的精确建模能力和禁忌搜索的高效局部优化,实现了生产计划的快速生成与动态调整,确保了方案的可执行性,提高设备利用率以及零件准时交付率,其中设备利用率提高10%以上,零件准时交付率提高15%以上。
63、2、本发明,通过零件属性和零件制造机械产能和零件制造机械使用状态构建milp模型,获取排产零件和可用制造机械的可用状态及最大产能,用于精准锁定零件和制造机械的实时状态;通过定义决策变量和目标函数和约束条件判断milp模型中导入的零件和制造机械的适配度,从而获取排产订单零件是否满足技术的生产需求,同时将所有满足适配的排产订单零件和制造机械划分成多个区域,实现对工厂厂区所有可能满足该排产订单零件和制造机械的初步划分,避免出现遗漏和显著提高筛选基础筛选适配的作用,防止出现排产订单零件出现就详细搜索所有制造机械的问题,降低运算时间,提高运算适配效率。
64、3、本发明,优化划分空间,对划分空间中不完整排产零件的取整,从而实现对搜索在次优化;利用禁忌搜索对各个划分空间进行一次遍历,并且在遍历在遍历过程中,对遍历进行优化,搜索到最优值时停止,改进幅度减小,增加禁忌范围,远离最优区域,缩短禁忌范围,从而实现搜索效率进一步的提高。
65、4、本发明,通过迭代改进策略搜索划分空间进行调整,限制搜索过程避免出现死循环,迭代改进策略搜索划分空间不满足调整情况,进入下一个划分空间,并且搜索过程中需要检测排产冲突,避免排产订单零件出现资源和时间的冲突,出现冲突利用优先级重新分配资源,避免排产订单零件锁死或者是跳过。
66、5、本发明,根据系统级邻域中固定设计的制造机械的位置和排产订单零件的位置进行方案分配,在利用机器级邻域对零件进行转移,出现排产中零件的浪费和运输时间的提高。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com