计量设备柔性检定流水线多目标动态权重自适应调度方法与流程

本发明属于工业智能调度，具体涉及计量设备柔性检定流水线多目标动态权重自适应调度方法。

背景技术：

1、随着电力物联网建设持续推进，电能表、采集终端等计量设备的集中检定需求快速增长。以某省级计量中心为例，年检定量已突破660万只，涵盖单相智能电能表、三相直接接入式电能表、三相互感器接入式电能表及低压电流互感器等4大类、190余种品规。该计量中心配置11条检定流水线（6条单相线、5条三相线），各线在设备类型兼容范围、表位数量、日检定批次等方面存在显著差异，形成典型的能力异构并行系统，月检定量从淡季约13.7万只变化至旺季约70.4万只，波动幅度超过5倍。

2、针对柔性调度问题，现有技术存在多种解决方案：cn202411993841通过缓存优先原则对输送线工序作出任务分配，该方法在单线场景下有效，但当检定线数量扩展至11条时，缓存规则难以全局均衡负载；cn202510837047将动态计量数据引入多线调度，已触及本发明的应用场景，然而其权重体系未随产能负荷变化而调整，遭遇旺淡季5倍波动时，固定权重方案会持续将任务压至高负荷线上；wo2016138737a1量化了电能表检定流水线的维护优先级，但优先级计算结果仅作事后排程参考，未纳入实时调度目标函数。

3、学术层面，nsga-ii在双目标（完工时间×利用率）场景中的收敛性已有充分验证；强化学习（dqn/ppo）对在线策略调整响应快，但训练过程需要大量历史数据，冷启动收敛慢，在计量检定中心的季节性切换场景中实际适用性存疑。

4、综上，现有技术在应用于计量设备检定流水线调度场景时，存在以下不足：

5、（1）单目标或固定目标权重。多数现有方法仅关注最小化完工时间这一单一目标，即使采用多目标优化，其目标权重也是预先设定的固定值，无法适应月检定量波动超过5倍的动态生产场景。

6、（2）忽略设备健康状态。现有调度方法将检定线视为恒定产能资源，未考虑检定装置的工况劣化和故障风险。标准器年度送检（约2周停产）、季度计划检修（每次约2天）以及随机故障均会影响检定线有效产能。

7、（3）pareto解集选择困难。传统多目标进化算法输出数十至数百个pareto非支配解，调度人员难以快速选取适合当前场景的调度方案。

8、（4）交叉算子设计不适配。标准遗传算法的单点或多点交叉算子容易破坏同类型任务的连续排列关系，产生需要额外切换的方案，而硬件切换时间长达5至8小时。

技术实现思路

1、本发明的目的在于克服现有技术的上述不足，提供计量设备柔性检定流水线多目标动态权重自适应调度方法，能够适应旺淡季产能大幅波动的动态场景，同时兼顾设备健康状态，减少品规切换次数，提高调度方案的决策效率。

2、计量设备柔性检定流水线多目标动态权重自适应调度方法，所述检定流水线包含n条能力异构的检定线，n∈[3,20]，包括以下步骤：

3、步骤s1、构建检定线能力模型，获取每条检定线的表位数bi、可兼容的设备类型集合γi、检定各类型设备的日均批次βki以及各类型设备间的切换时间参数σij，基于上述参数计算每条检定线对每种设备类型的日产能ci=bi×βki所述调度周期时间粒度缺省为1个月、最小为1日；

4、步骤s2、以电压/电流参量10khz、温度1hz、振动20khz的频率周期采集各检定线关键设备的工况指标，通过加权归一化方法计算各检定线的综合健康度评分hi(t)，所述工况指标集合s非空、各指标权重系数ws满足σs∈sws=1；

5、步骤s3、统计当前调度周期的订单总量qm和各检定线的月总产能ctotal,m，计算订单产能比rm=qm/ctotal,m，根据所述订单产能比所处的预设区间确定完工时间权重w1、设备利用率权重w2、切换成本权重w3和健康风险权重w4组成的四目标权重向量；分别对应生产旺季、平季和淡季三种场景；

6、步骤s4、以分配决策变量xij∈{0,1}和排序决策变量yjj′∈{0,1}为优化变量，以最小化最大完工时间f1、最大化设备利用率f2、最小化切换成本f3和最小化健康风险f4为四个优化目标，在满足任务完整性约束c1、设备兼容性约束c2、产能约束c3、交付期约束c4和设备状态约束c5的条件下，构建四目标优化模型；

7、步骤s5、采用改进的非支配排序遗传算法求解所述四目标优化模型，生成pareto前沿解集；所述改进包括任务块交叉算子、精英保留策略和自适应变异概率；

8、优选地，执行改进的nsga-ii多目标进化优化，通过任务块交叉算子保留同类型任务的连续排列关系，采用精英保留策略确保单目标极端解不丢失，利用自适应变异概率平衡全局搜索和局部精化能力；

9、步骤s6、从所述pareto前沿解集中自动筛选代表性解，通过可视化方式展示给调度人员进行交互式选择。

10、优选地，步骤s3中，所述根据订单产能比确定权重向量的三档判定具体为：当rm>0.8时判定为生产旺季，设定[w1,w2,w3,w4]=[0.50,0.20,0.10,0.20]；当0.5

11、优选地，步骤s2中所述综合健康度评分的计算公式为：

12、

13、其中s为工况指标集合，ws为各指标权重系数，hsi(t)为实际测量值，hsref(t)为标准基准值，hsmax和hsmin分别为允许范围上限值和下限值；

14、截断约束max(0,·)确保极端工况下hi(t)≥0，防止目标函数f4方向失真；所述工况指标包含电压输出偏差、电流输出偏差、频率输出偏差、相位输出偏差、电压对称度、功率稳定度和波形失真度共7项。

15、优选地，最小化最大完工时间：

16、

17、最大化设备利用率（转化为最小化）：

18、

19、最小化切换成本：

20、

21、最小化健康风险：

22、

23、所述约束条件的量化定义如下：约束c1为任务分配完整性约束，确保每个任务分配给至少一条检定线；

24、；

25、约束c2为xij=0,∀i:dj∉γi，即任务j的设备类型dj不属于检定线i的兼容设备类型集合γi时，该任务不可分配至该线；

26、约束c3为每条检定线日工作量不超过有效工时tavail,i；

27、约束c4为cij≤dlj,∀j（其中cij为任务j在检定线i上的预计完工时间，dlj为任务j的承诺交付时间）；

28、约束c5为处于送检或保养状态的检定线不可分配任务（xij=0）。

29、优选地，步骤s5中所述任务块交叉算子的执行规则如下：

30、步骤s51、识别父代染色体中设备类型相同的连续任务序列，将其定义为任务块；

31、步骤s52、在任务块边界处选择交叉点，所述交叉操作以概率pc∈[0.7,0.9]执行，缺省pc=0.80；

32、步骤s53、以任务块为单位在两个父代染色体之间交换基因段；

33、步骤s54、修复子代染色体中重复或缺失的任务。

34、优选地，所述改进的非支配排序遗传算法还包括精英保留策略：在每代进化中，额外保留完工时间最优解、设备利用率最优解、切换成本最优解和健康风险最优解4个单目标极端解，pareto前沿保留数量上限为100个非支配解。

35、优选地，所述改进的非支配排序遗传算法还包括自适应变异概率机制，变异概率按以下公式随进化代数衰减：

36、

37、其中g为当前迭代代数，g=200为最大迭代代数，初始变异概率0.30，最终变异概率0.10；变异操作包括任务迁移、线内交换和任务块反转三种。

38、优选地，步骤s6中所述加权综合目标函数的完整数学表达式为：

39、

40、其中为第k个目标函数的归一化值，；

41、从pareto前沿中保留4个单目标维度各自的最优解，并取ftotal最小的1至3个综合平衡解，共计筛选出5至7个代表性解。

42、基于上述，本技术还设计了一种计量设备柔性检定流水线的多目标动态权重调度系统，包括：

43、订单管理模块，输入端接收检定管理系统的任务数据，输出端提供任务集j={j1,...,jm}及各任务的设备类型dj、检定数量qj、交付期限dlj；

44、设备管理模块，输入端接收scada系统的实时工况数据，输出端提供各检定线健康度评分hi(t)、有效产能cieff及可用状态标志；

45、动态权重自适应模块，输入端接收订单总量qm和月总产能ctotal,m，输出端提供四目标权重向量[w1,w2,w3,w4]；

46、四目标优化模块，输入端接收权重向量、任务集和检定线参数，采用改进的非支配排序遗传算法输出pareto前沿解集；

47、交互式决策模块，输入端接收pareto前沿解集，输出端向调度人员展示5至7个代表性解的可视化对比，并接受方案确认指令；各模块按订单采集、健康度评估、权重确定、优化求解、方案展示的时序依次执行。

48、基于上述，本技术还设计了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的计量设备柔性检定流水线多目标动态权重自适应调度方法。

49、本技术所使用的符号表

50、

51、

52、本技术的优点和效果如下：

53、本技术设计的计量设备柔性检定流水线多目标动态权重自适应调度方法,将设备健康度纳入第四目标后，分配至评分低于0.7的检定线的任务量降低约40%，有效降低了设备故障风险，同时通过pareto前沿将健康度与完工时间的权衡关系显式呈现给调度员；任务块交叉算子将同设备类型的连续任务序列作为交叉单位，品规切换次数从18次/月降至7次/月，降幅61.1%，节省的硬件切换时间（每次5至8小时）直接转化为有效产能。同时，本技术设计的精英保留策略在种群更新时确保4个单目标极值解不丢失，解集超体积（hv指标）优于标准nsga-ii；交互式筛选框架将数十至数百个非支配解压缩至5至7个代表性解，调度员的方案选择时间从"不可操作"降至分钟级；并且本技术还能实现三档动态权重将调度目标随月负荷自动切换：旺季（rm>0.8）最大完工时间较固定权重方案减少15%~20%；淡季（rm≤0.5）设备利用率提升10%~15%，两个方向的改善均来自同一套判决机制，无需人工干预。

54、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，从而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下以本技术的较佳实施例并配合附图详细说明如后。

55、根据下文结合附图对本技术具体实施例的详细描述，本领域技术人员将会更加明了本技术的上述及其他目的、优点和特征。