一种多工件并行加工方法及相关设备与流程

本技术涉及加工优化调度，尤其涉及一种多工件并行加工方法及相关设备。

背景技术：

1、随着制造业向智能化、柔性化和高效化方向发展，传统的刚性生产系统已难以满足多样化、小批量、快速换产的市场需求。尤其在离散制造领域（如汽车零部件、航空航天、电子装配等行业），同一产品或同品种工件在生产过程中常常需要在相同工序上进行加工，而为了提升产能、缩短生产周期、优化资源利用，越来越多的企业希望实现多个工件在同一工序由多台设备并行处理的能力。

2、然而，传统制造执行系统或车间调度系统通常采用线性或串行处理逻辑进行加工，即一个工序仅绑定一台设备或按固定路径流转，缺乏对资源灵活配置的支持，当出现设备瓶颈、突发故障或订单激增时，系统难以动态调整，导致生产效率下降、交货延迟等问题。

技术实现思路

1、本技术实施例的主要目的在于提出一种多工件并行加工方法及相关设备，能够有效应对生产突发情况，提高生产效率、避免交货延迟。

2、为实现上述目的，本技术实施例的一方面提出了多工件并行加工方法，包括：

3、获取多个工件的工艺路线数据，其中，所述工艺路线数据包括每个所述工件的各道工序、每道所述工序对应的加工设备；

4、获取每道所述工序对应的加工设备的运行状态、当前负载和加工能力数据；

5、根据所述加工设备的运行状态、当前负载和加工能力数据，确定每道所述工序的可用加工设备集合；

6、获取物流设备信息；

7、以最小化最终完工时间和最小化总延迟时间为优化目标，基于每道所述工序的可用加工设备集合和所述物流设备信息，通过遗传算法进行迭代求解，得到所述优化目标的最优解；

8、基于所述最优解，得到多个所述工件的加工优化调度方案，其中，所述优化调度方案包括加工设备分配方案、加工时序方案和物流设备分配方案。

9、在一些实施例中，所述以最小化最终完工时间和最小化总延迟时间为优化目标，基于每道所述工序的可用加工设备集合和所述物流设备信息，通过遗传算法进行迭代求解，得到所述优化目标的最优解，包括：

10、确定每个所述工件各道工序的加工顺序；

11、根据所述工件各道工序的加工顺序、所述可用加工设备集合和所述物流设备信息，生成遗传算法的初始种群，其中，所述初始种群包括多个染色体；

12、基于所述优化目标，对每个所述染色体进行解码，得到每个所述染色体的适应度；

13、根据所述适应度，从所述初始种群中选择父代染色体，并对所述父代染色体的加工序列、加工设备分配序列和物流设备分配序列同步执行交叉操作和变异操作，以生成新的种群；

14、以所述新的种群作为当前种群返回执行基于所述优化目标，对每个所述染色体进行解码的步骤继续迭代求解，直至满足预设的终止条件，并选取迭代过程中每个所述染色体对应的最大适应度，基于每个所述染色体对应的最高适应度得到所述优化目标的最优解。

15、在一些实施例中，所述根据所述工件各道工序的加工顺序、所述可用加工设备集合和所述物流设备信息，生成遗传算法的初始种群，包括：

16、根据每个所述工件各道工序的加工顺序，生成加工序列；

17、根据所述可用加工设备集合为所述加工序列中的每道工序随机分配加工设备，生成加工设备分配序列；

18、根据所述物流设备信息为所述加工序列中每道工序随机分配物流设备，生成物流设备分配序列；

19、将所述加工序列中的各道所述工序、所述加工设备分配序列中的各个所述加工设备和所述物流设备分配序列中的各个所述物流设备按相同索引位置组合为一个染色体；其中，每个染色体包括一道所述工序、所述工序对应的所述加工设备和所述物流设备；

20、重复执行组合染色体的步骤，直至达到按照预设的种群规模，得到初始种群。

21、在一些实施例中，所述基于所述优化目标，对每个所述染色体进行解码，得到每个所述染色体的适应度，包括：

22、获取各工件中每道所述工序的加工时间和预设交货期；

23、按照所述加工序列，基于每道所述工序的加工时间依次确定每道工序的完工时间；

24、将每个工件中最后一道工序的完工时间确定为每个工件的实际完工时间，并将所有工件的所述实际完工时间中的最大值确定为最终完工时间；

25、计算每个工件的所述实际完工时间与每个工件对应的预设交货期的差值，并对每个工件的所述差值进行求和，得到总延迟时间；

26、基于所述优化目标，对所述最终完工时间和所述总延迟时间进行加权求和，得到适应度。

27、在一些实施例中，所述基于每道所述工序的加工时间依次确定每道工序的完工时间，包括：

28、确定每道工序所分配的目标加工设备和目标物流设备，并确定所述目标物流设备的运输时间；

29、确定每道工序对应的前一道工序的完工时间；

30、根据所述前一道工序的完工时间、所述目标物流设备的运输时间以及等待所述目标物流设备的空闲时间进行求和，确定每道工序的候选开始时间；

31、确定所述目标加工设备的空闲可用时间；

32、将所述空闲可用时间和所述候选开始时间之间的最大值作为工序的目标开始时间；

33、对所述目标开始时间和所述加工时间进行求和，得到每道工序的完工时间。

34、在一些实施例中，所述对所述最终完工时间和所述总延迟时间进行加权求和，得到适应度，包括：

35、确定所述最终完工时间对应的第一权重以及确定所述总延迟时间对应的第二权重；

36、将所述最终完工时间与所述第一权重相乘，得到第一加权分量；

37、将所述总延迟时间与所述第二权重相乘，得到第二加权分量；

38、将所述第一加权分量与所述第二加权分量相加，得到所述染色体的适应度。

39、为实现上述目的，本技术实施例的另一方面提出一种多工件并行加工装置，所述装置包括：

40、工艺路线数据获取模块，用于获取多个工件的工艺路线数据，其中，所述工艺路线数据包括每个所述工件的各道工序、每道所述工序对应的加工设备；

41、加工设备数据获取模块，用于获取每道所述工序对应的加工设备的运行状态、当前负载和加工能力数据；

42、可用设备确定模块，用于根据所述加工设备的运行状态、当前负载和加工能力数据，确定每道所述工序的可用加工设备集合；

43、物流设备信息获取模块，用于获取物流设备信息；

44、求解模块，用于以最小化最终完工时间和最小化总延迟时间为优化目标，基于每道所述工序的可用加工设备集合和所述物流设备信息，通过遗传算法进行迭代求解，得到所述优化目标的最优解；

45、调度方案生成模块，用于基于所述最优解，得到多个所述工件的加工优化调度方案，其中，所述优化调度方案包括加工设备分配方案、加工时序方案和物流设备分配方案。

46、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。

47、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述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前面所述的方法。

48、本技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

49、本技术实施例至少包括以下有益效果：本技术提供一种多工件并行加工方法,该方案首先通过获取多个工件的工艺路线数据，其中，工艺路线数据包括每个工件的各道工序、每道工序对应的加工设备；获取每道工序对应的加工设备的运行状态、当前负载和加工能力数据；根据加工设备的运行状态、当前负载和加工能力数据，确定每道工序的可用加工设备集合；获取物流设备信息；以最小化最终完工时间和最小化总延迟时间为优化目标，基于每道工序的可用加工设备集合和物流设备信息，通过遗传算法进行迭代求解，得到优化目标的最优解；基于最优解，得到多个工件的加工优化调度方案，其中，优化调度方案包括加工设备分配方案、加工时序方案和物流设备分配方案。本技术基于每道工序的可用加工设备集合、物流设备信息和优化目标，通过遗传算法进行迭代求解，能够对工件设备物流三者的组合优化问题进行全局搜索，可快速找到满足优化目标的最优解，即使在设备瓶颈、突发故障或订单激增时，也能通过其动态调整资源分配，有效应对生产突发情况，进而提高生产效率、避免交货延迟。