一种面向快速批量换产的遗传编程智能仿真调度优化方法和系统
本发明属于智能制造生产调度和快速换产优化相关,更具体地,涉及一种面向快速批量换产的遗传编程智能仿真调度优化方法和系统。
背景技术:
1、多品种、小批量制造车间普遍存在订单组合变化快、工艺路线差异大、设备资源约束复杂和交货期压力强等特点。对于快速换产车间,不同产品或工艺族别之间的切换会产生显著的序列相关换产时间,同族订单之间切换时间较短,跨族订单之间切换时间较长。随着smed快速换产改善程度不同,换产时间对车间完工周期、设备利用率和延期风险的影响也会发生变化。
2、传统调度方法多采用fifo、spt、edd、cr等静态优先级规则,或采用面向换产的batchcr规则。上述规则具有计算简单和易于解释的优点,但其适用场景存在明显差异。例如在低smed水平且同族订单聚集时,batchcr往往具有优势;在换产成本较低且短工序占主导时,spt可能表现较好;在交期压力较强时,cr可能更优。因此,固定规则难以在不同订单组合、不同换产因子和不同资源状态下保持稳定最优。
3、已有强化学习类调度方法能够从历史样本中学习调度动作,但当订单族别比例、到达节奏、批量结构和换产因子发生变化时,单一训练策略可能学习到某些局部规律,例如过度同族攒批,从而在随机订单组合下出现泛化能力不足的问题。
技术实现思路
1、针对现有技术的以上缺陷或改进需求,本发明提供了一种面向快速批量换产的遗传编程智能仿真调度优化方法和系统,其旨在解决现有快速换产车间调度方法在动态订单组合和多换产因子条件下适应性不足的问题。
2、为实现上述目的,按照本发明的一个方面,提供了一种面向快速批量换产的遗传编程智能仿真调度优化方法,步骤为:
3、(1)自快速换产车间数据提取当前订单场景中的工艺族别结构、换产压力、交期压力、优先级、设备资源负载、订单动态达到与批量结构以形成订单场景画像;快速换产车间数据包括订单数据表、工艺路线表、设备资源表、换产时间矩阵和smed换产因子;
4、(2)新订单场景到来时,根据订单场景画像检索历史策略库中相似历史场景对应的优秀调度策略表达式,优秀调度策略表达式与启发式规则共同构成遗传编程初始种群;
5、(3)将遗传编程初始种群接入离散事件仿真模型,同时运行fifo、spt、edd、cr、batchcr静态规则,并对比各自在相同订单组合和相同换产因子下的综合调度目标值来筛选出预定数量的种群个体,并对种群个体执行遗传编程迭代以得到新的调度策略表达式;种群个体由优秀调度策略表达式与启发式规则形成;综合调度目标值是对完工时间、延期量、换产次数、总换产时间和同族换产比例进行加权融合得到的;
6、(4)依据对应的综合调度目标值自新的调度策略表达式及对应的种群个体中选择当前场景下的最优策略,对得到的最优策略进行仿真以输出订单加工顺序及设备任务甘特图。
7、进一步地,历史策略库存储有gp表达式、适用订单场景画像、换产因子、目标函数值、完工时间、延期量、换产时间和同族换产比例。
8、进一步地,订单场景画像的指标归一化后,当前订单场景画像x与历史画像xv的加权欧氏距离为:
9、
10、其中,为订单场景画像向量维度,为归一化后订单场景画像向量第j个元素,为第j个画像指标的权重,并满足:
11、
12、距离越小,表示当前订单场景与历史场景越相似,历史场景中的优秀调度策略越适合用于遗传编程初始种群的热启动。
13、进一步地,选取距离当前订单场景画像最近的k个历史场景,用于遗传编程初始种群的热启动。
14、进一步地,离散事件仿真模型依据订单到达时间和设备状态推进事件时钟,并统计综合调度目标值。
15、进一步地,若最优策略满足预设性能条件,则将其表达式和适用场景画像回写历史策略库。
16、进一步地,在输出调度策略时,同时保留静态规则兜底机制:当新的调度策略表达式优于静态规则时输出新的调度策略,当fifo、spt、edd、cr或batchcr中的某一静态规则在局部场景中优于新的调度策略时输出对应的静态规则。
17、进一步地,订单场景图的构建步骤为:
18、步骤201,统计订单组合中的工艺族别数量、工艺族别熵、最大族别占比和同族候选比例,用于表征订单组合是否适合批量连续加工;
19、步骤202,根据换产矩阵和smed换产因子计算期望换产压力,有效换产时间为基础换产时间与smed压缩系数的乘积;
20、步骤203,计算订单交期松弛量、临界比、紧交期订单比例和订单优先级分布,用于表征当前订单场景的交期压力;
21、步骤204,计算各设备累积加工负荷、设备负载变异系数、资源占用比例和候选队列长度,用于表征设备瓶颈和资源约束;
22、步骤205,计算订单到达跨度、订单到达变异系数、平均批量和批量变异系数,用于表征动态订单到达和批量结构变化,由此形成订单场景图。
23、本发明还提供了一种面向快速批量换产的遗传编程智能仿真调度优化系统,所述系统包括存储器及处理器,所述存储器储存有计算机程序,所述处理器执行所述计算机程序时执行如上所述的面向快速批量换产的遗传编程智能仿真调度优化方法。
24、本发明还提供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机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现如上所述的面向快速批量换产的遗传编程智能仿真调度优化方法。
25、总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的面向快速批量换产的遗传编程智能仿真调度优化方法和系统主要具有以下有益效果:
26、1. 自快速换产车间数据提取当前订单场景中的工艺族别结构、换产压力、交期压力、优先级、设备资源负载、订单动态达到与批量结构以形成订单场景画像,快速换产车间数据包括订单数据表、工艺路线表、设备资源表、换产时间矩阵和smed换产因子,如此通过构建订单场景画像能够区分不同订单组合适合的调度逻辑,提高适应性。
27、2. 根据订单场景画像检索历史策略库中相似历史场景对应的优秀调度策略表达式,优秀调度策略表达式与启发式规则共同构成遗传编程初始种群,如此通过策略库热启动遗传编程,能够复用历史优秀调度规则并持续生成新规则。
28、3. 将遗传编程初始种群接入离散事件仿真模型,同时运行fifo、spt、edd、cr、batchcr静态规则,并对比各自在相同订单组合和相同换产因子下的综合调度目标值来筛选出预定数量的种群个体,由此通过离散事件仿真与静态规则同场景比较,能够避免单一模型在局部场景中劣于强静态规则。
1.一种面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于,步骤为:
2.如权利要求1所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:历史策略库存储有gp表达式、适用订单场景画像、换产因子、目标函数值、完工时间、延期量、换产时间和同族换产比例。
3.如权利要求1所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:订单场景画像的指标归一化后,当前订单场景画像x与历史画像xv的加权欧氏距离为:
4.如权利要求3所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:选取距离当前订单场景画像最近的k个历史场景,用于遗传编程初始种群的热启动。
5.如权利要求1所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:离散事件仿真模型依据订单到达时间和设备状态推进事件时钟,并统计综合调度目标值。
6.如权利要求1-5任一项所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:若最优策略满足预设性能条件,则将其表达式和适用场景画像回写历史策略库。
7.如权利要求1-5任一项所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:在输出调度策略时,同时保留静态规则兜底机制:当新的调度策略表达式优于静态规则时输出新的调度策略,当fifo、spt、edd、cr或batchcr中的某一静态规则在局部场景中优于新的调度策略时输出对应的静态规则。
8.如权利要求1-5任一项所述的面向快速批量换产的遗传编程智能仿真调度优化方法,其特征在于:订单场景图的构建步骤为:
9.一种面向快速批量换产的遗传编程智能仿真调度优化系统,其特征在于:所述系统包括存储器及处理器,所述存储器储存有计算机程序,所述处理器执行所述计算机程序时执行权利要求1-8任一项所述的面向快速批量换产的遗传编程智能仿真调度优化方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-8任一项所述的面向快速批量换产的遗传编程智能仿真调度优化方法。
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