一种基于冠状病毒群体免疫优化器超启发式算法的生产排产方法

摘要: 本发明涉及一种排产方法,尤其是一种应用了基于冠状病毒群体免疫优化器超启发式算法的生产排产方法。背景技术:1、随着智能制造理念的不断推进,生产排产优化已成为提升制...
一种基于冠状病毒群体免疫优化器超启发式算法的生产排产方法

本发明涉及一种排产方法,尤其是一种应用了基于冠状病毒群体免疫优化器超启发式算法的生产排产方法。

背景技术:

1、随着智能制造理念的不断推进,生产排产优化已成为提升制造企业竞争力的重要手段。排产是制造系统中的核心环节之一,本质上属于一项复杂的决策过程,即生产部门依据既定订单和生产计划,在设备、原材料、人员等有限资源约束下,对各项工序进行统筹安排。排产过程中不仅要综合考虑订单交期、工艺路线、设备状态、人员配置等因素,还要确定工件的加工顺序、加工设备以及各工序的开始时间。科学合理的排产方案能够有效减少频繁换模、无效等待和临时赶工,降低人工、能耗以及仓储等方面的成本,同时提高设备利用率,减少在制品和原材料、成品的库存积压,从而更好地保障企业按期交付任务并提升整体生产效率。

2、排产是一个典型的组合优化问题,随着生产规模的增大,可能的方案呈指数型增长,生产过程中的约束也越发增多。算法初始解对求解质量和收敛效率具有重要影响。一个较好的初始解能够为后续搜索提供更优的起点,缩小搜索范围,减少无效迭代,加快算法收敛速度,并提高获得高质量最优解的概率。相反,若初始解过于随机或质量较差,算法往往容易陷入局部最优,影响整体求解效果。因此,合理设计初始解是提升算法性能的重要基础。

3、此外,加工设备的选型与生产任务的工厂分配,直接决定了产品质量和交付周期。其关键影响因素涵盖设备的精度与稳定性、日常维护保养状况,以及操作人员的熟练程度。只有技能娴熟的员工与高精度、低振动机床紧密配合,才能稳定、高效地制造出合格零件。因此,必须结合实际产能与资源状况,在满足客户需求的前提下,对机器与工厂进行科学合理的配置。

技术实现思路

1、本发明的目的是提供一种基于冠状病毒群体免疫优化器超启发式算法的生产排产方法,根据生产流程建立模型,从生产系统中导出数据进行处理,经过智能算法计算后在短时间内找出最优的生产调度方案,生成具体调度情况,通过服务器将排产方案下达到生产车间,运用差分进化算法自动选择合适的初始化策略,再将所选策略用于种群生成,能够有效改善算法初始解质量低、前期收敛慢、容易陷入局部最优解的问题,同时解决企业排产效率低下、资源浪费的现象,实现柔性生产,提升企业经济效益和市场竞争力。

2、下面给出本排产方法应用的具体步骤:

3、1.安装数据库应用并配置好编程环境;

4、2.明确数据管理员、生产计划员、工艺人员、物控人员及运维人员的职责分工和操作权限;

5、3.对订单信息、生产设备信息、产品工艺信息、物料信息以及加工时间等生产数据进行采集、整理和分析,并录入数据库;

6、4.确认待排产工单信息、优化目标和约束条件,为后续排产计算提供基础数据;

7、5.建立数据库与排产软件之间的数据连接,使排产软件能够直接调用数据库中的订单、设备、工艺和物料等数据进行排产计算;

8、6.设置排产参数和算法参数,根据待排产订单进行编码,使用超启发式算法生成初始种群,进行适应度评估,记录当前最优排产方案;

9、7.调用基于冠状病毒群体免疫优化器对个体进行迭代更新,保留优秀个体;

10、8.根据可行解个数或最大迭代次数等判断算法是否达到终止条件,若是,继续下一步若否,则继续步入循环,进行个体的更新,生成新的个体,回到步骤7;

11、9.输出适应度最高或综合评价最优的生产排产方案;

12、10.生产计划员结合现场设备状态、物料供应、人员安排及订单变化情况对排产方案进行评估;若排产方案满足生产要求,则将其下达到车间执行;若不满足,则调整排产参数、优化目标或约束条件,并返回步骤6重新排产。

13、所述步骤1中的数据库推荐使用microsoft access或mysql,编程语言推荐使用python、java、c++等能够应用有可视化gui开发工具链的语言;

14、所述步骤3中的分析包括对订单属性进行优先级评估,并结合订单优先级、产品工艺路线、设备加工能力和物料供应情况,对订单进行合并或拆分以形成工单,再基于工单、设备和物料信息完成设备与物料的预分配;

15、所述步骤4中的优化目标包括最小化最大完工时间、最小化拖期、最小化提前完工时间、提高设备利用率或降低生产成本中的一种或多种;当存在多个优化目标时,由生产计划部门对各目标进行归一化处理,并采用加权方法确定综合优化目标;所述约束条件由生产计划员、物控人员和工艺人员根据实际生产情况在排产系统终端录入,并由生产计划部门确认和设置;

16、所述步骤5中的数据库用于明确各实体及其相互关系,所述实体至少包括订单、工单、生产设备、加工工艺、物料信息和排产计划;每个实体均设置相应属性和主键,并具备数据增加、删除、修改、查看和确认等功能;

17、所述步骤5中的数据库与排产软件之间的连接通过图形用户界面中的操作元素触发,系统根据用户操作执行sql查询语句或调用存储过程,从数据库中检索排产所需数据,并对检索数据进行处理后供排产算法调用;

18、所述步骤5中的数据库与排产软件连接还包括排产结果回写功能,排产软件在完成优化计算后,将最优排产方案、设备加工顺序、工单开始时间、完工时间及适应度评价结果保存至数据库,以便后续查询、调整和执行;

19、所述步骤6中的排产参数包括约束条件参数、优化目标参数、加工时间参数、订单参数、设备可用时间参数、物料供应参数以及目标权重参数;所述算法参数包括种群规模、最大迭代次数、更新概率、保留比例和终止阈值;

20、所述步骤6中的初始化种群方式是差分进化算法自动选择合适的初始化策略,再将该策略用于种群的初始化。具体来说,个体编码为三类信息:混沌映射方式、反向学习方式以及反向学习所占种群比例。先利用选定的混沌映射生成初始候选解;随后按指定比例对部分个体执行反向学习,生成其反向或准反向候选解,通过适应度比较保留较优个体,为后续冠状病毒群体免疫优化器搜索提供更优的起点;

21、所述步骤6中的编码是根据订单属性、工艺路线、设备信息和物料信息对待排产订单进行处理后完成的,包括对订单优先级进行计算,并根据优先级、工艺约束、设备加工能力和物料齐套情况对订单进行拆分或合并,形成适用于超启发式算法求解的工单编码。

22、本发明的有益效果是提供了一种基于冠状病毒群体免疫优化器超启发式算法的生产排产方法,这种方法采用了数据库与开发环境相结合的方法,用户在使用时操作简便。方法上结合了差分进化算法、混沌映射、反向学习和冠状病毒优化优化器的相关知识,提高了种群的初始质量,加速算法收敛。冠状病毒群体免疫优化器中的淘汰重生机制能够及时剔除低质量个体,并引入新的候选解,从而增强算法跳出局部最优的能力。基于该机制构建的超启发式排产算法结构简洁、参数较少,便于实现和工程部署,并能灵活处理换线时间、资源约束、检验节点等实际生产因素。同时,该算法易于与局部搜索、约束修复和多目标优化方法结合,具备较好的并行扩展能力,适用于大规模实时排产场景,可帮助企业缩短生产周期、降低成本并提升交付可靠性。