存在新工件插入的模糊柔性作业车间调度方法.pdf

《存在新工件插入的模糊柔性作业车间调度方法.pdf》由会员分享，可在线阅读，更多相关《存在新工件插入的模糊柔性作业车间调度方法.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010068668.5 (22)申请日 2020.01.21 (71)申请人 南京航空航天大学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 张立果黎向锋唐浩左敦稳 张丽萍陆开胜王建明叶磊 王子旋刘晋川刘安旭 (74)专利代理机构 南京天华专利代理有限责任 公司 32218 代理人 瞿网兰 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06N 3/12(2006.01) (54)发明名称 一。

2、种存在新工件插入的模糊柔性作业车间 调度方法 (57)摘要 本发明涉及一种存在新工件插入的模糊柔 性作业车间调度方法， 其中所述方法包括： 分析 了具体工件完工时间对车间插入问题的模糊柔 性作业车间调度问题的影响； 提供了一种求解存 在初始条件的模糊作业车间调度问题的改进遗 传算法； 以该改进遗传算法为基础提供了一种求 解存在新工件插入的模糊柔性作业车间调度问 题的算法框架， 最后， 达到了重调度方案调度效 果好， 求解质量高的程度。 权利要求书2页 说明书9页 附图4页 CN 111242500 A 2020.06.05 CN 111242500 A 1.一种存在新工件插入的模糊柔性作业车间。

3、调度方法， 其特征在于它包括以下步骤： 步骤1： 调用信息输入模块， 读取工件的加工信息， 机器信息； 步骤2： 调用改进遗传算法模块， 并以此获得最佳调度方案， 按照该方案安排生产； 步骤3： 判断是否所有工件已经加工完毕， 如果加工完毕， 则退出循环， 结束； 如果没有 加工完毕， 则继续； 步骤4： 判断是否需要主动退出重调度进程， 如果选择是， 则退出循环， 结束； 如果选择 否， 则继续； 步骤5： 输入有工序完工或新工件插入的时刻T； 步骤6： 提取当前时刻完工的工序对应的工件号， 以-1结尾； 步骤7： 判断输入参数是否符合要求， 若不符合， 返回步骤5； 若符合， 则继续； 步。

4、骤8： 调用初始化条件更新模块， 更新初始化参数； 步骤9： 判断是否成功初始化， 若不成功， 返回步骤5； 若成功， 则继续； 步骤10： 输入参数， 判断是否有新插入工件； 如果有新插入工件， 则执行步骤11， 否则执 行步骤12； 步骤11： 调用信息输入模块， 将新插入工件的数据信息输入到系统中， 同时调用改进遗 传算法模块生成新的调度方案； 步骤12： 调用染色体修改模块， 根据初始化参数， 对染色体进行更新操作； 步骤13： 调用可视化模块， 根据当前的染色体， 生成以甘特图为代表的可视化调度方 案， 并让工件的生产方式按照该调度方案安排生产； 步骤14： 返回步骤3。 2.根据权。

5、利要求1所述的方法， 其特征是所述的改进遗传算法模块能针对存在初始条 件的染色体进行编码和解码操作， (1)所述改进遗传算法模块保留了问题的初始条件， 即： 正在加工工序的开始加工时间和结束加工时间， 所选择的机器， 当前时间点， 各工件等待调 度的工序的数量； (2)所述改进遗传算法模块中所用的染色体由工序序列和机器序列组成， 其仅仅保留等待调度工序的加工信息； (3)所述改进遗传算法模块对于相应染色体的解码 方式如下所示： 步骤1建立一个包含所有机器的甘特图； 步骤2.获取初始条件， 并将正在加工的工序插入到甘特图中； 步骤3.从工序序列中获得下一道工序， 从机器序列中找到对应的所用的机器。

6、， 从案例 信息中获得该工序在该机器下的加工时间； 步骤4.将该工序在不影响机器上已经插入工序的情况下， 尽量将该工序向前插入； 步骤5.判断是否所有工序已经被插入， 如果没有， 则返回步骤3。 3.根据权利要求1所述的方法， 其特征是所述的初始化条件更新模块是在每一次发生 工序完工， 或者是新工件插入的情况， 算法的初始参数均会发生变化， 因此需要按照如下规 则更新初始参数， 以满足算法要求： 假设正在加工的某道工序结束时间或新工件插入的时间为T， 当另一台机器上正在加 工工序的完工时间为(C1， C2， C3)， 其分别代表了工序Oi， j完工的最小时间、 最有可能时间、 最 大时间； 依。

7、照以下规则进行处理其完工时间； 权利要求书 1/2 页 2 CN 111242500 A 2 如果TC1， 此时另一道工序仍处于正在加工的状态， 因此其完工时间依然为(C1， C2， C3)； 如果TC1， TC2， 此时另一道工序下仍处于正在加工状态， 由于该道工序此时已经不 可能在T时刻前完成加工， 因此， 其完工时间变化为(T， C2， C3)； 如果TC2， ， TC3， 此时另一道工序仍处于正在加工状态， 由于该道工序此时已经不可 能在C2前完成加工， 因此， 该完工时间变化为(T， T， C3)； 如果TC3， 此时另一道工序不可能仍处于正在加工状态， 这种情况不在讨论范围中。 4。

8、.按照要求1所述的方法， 其特征是所述的染色体修改模块用于将已经完工的工序对 应的基因从染色体中删除掉， 这是由于在遗传算法中所用的染色体保存的均为可进行调度 的工序， 因此当某道工序完工， 同时又没有必要使用算法模块重新生成新的调度方案时， 需 要将已经完工的工序对应的基因从染色体中删除掉。 5.按照要求1所述的方法， 其特征是所述的信息输入模块能直接输入调度案例的相关 信息， 它包括各工件的各工序在不同机器上加工所需时间， 新增加工件的加工时间。 6.按照要求1所述的方法， 其特征是所述的可视化模块用于随时更新调度方案， 指导生 产； 由于每一次正在加工工序时间的确定以及新工件的插入均会对。

9、原来的甘特图产生影 响， 因此， 需要重新设立一个可视化模块解决这一问题。 权利要求书 2/2 页 3 CN 111242500 A 3 一种存在新工件插入的模糊柔性作业车间调度方法 技术领域 0001 本发明涉及一种生产技术， 尤其是一种柔性制造车间的调度技术， 具体地说是一 种存在新工件插入的模糊柔性作业车间调度方法。 背景技术 0002 车间生产调度是制造系统的基础， 生产调度的优化是先进制造技术和现代管理技 术的核心。 模糊柔性作业车间调度问题是柔性作业车间调度问题的衍生问题， 其除了需要 为加工工序选择相应的机器以及完成工序间的排序， 还需要考虑到工序加工时间不能完全 确定的问题。 。

10、与柔性作业车间调度问题相比， 模糊柔性作业车间调度问题显然更符合实际 的要求， 也更能满足企业的生产需要。 0003 但是在实际加工情况下， 机器在正对工件进行加工的过程中， 有时会出现某些特 殊情况， 比如： 机器损坏、 新工件插入等等。 面对这种情况， 之前的调度方案已经不再适用， 必须在原有调度方案的基础上进行重调度操作。 对于该问题， 需要合理地为插入工件的工 序以及剩余还未加工的工序指派合适的加工机器， 并安排它们在各台机器上的加工顺序， 使得一个或多个调度目标得到优化。 0004 近年来， 大多数研究者对该问题进行研究中， 均未考虑到模糊调度状态下工序的 实际完工时间对重调度问题的。

11、影响。 本发明基于工序的实际完工时间和新工序插入时间提 供了一种求解存在新工件插入的模糊柔性作业车间调度问题的算法框架。 发明内容 0005 本发明的目的是针对现有的大部分处理模糊作业车间调度问题重调度算法均未 考虑到工序的实际完工时间对重调度方案的影响， 这会造成重调度方案不够优秀， 不符合 实际加工需求的情况， 提供一种存在新工件插入的模糊柔性作业车间调度方法， 该方法基 于已完工工序的完工时间和工件插入时间的算法框架， 该算法框架以改进遗传算法为其求 解模块， 可有效提高重调度方案的求解质量。 0006 本发明的技术方案是： 0007 一种存在新工件插入的模糊柔性作业车间调度方法， 其特。

12、征在于它包括以下步 骤： 0008 步骤1： 调用信息输入模块， 系统输入工件的加工信息， 机器信息等。 0009 步骤2： 调用改进遗传算法模块， 并以此获得最佳调度方案， 按照该方案安排生产。 0010 步骤3： 判断是否所有工件已经加工完毕， 如果加工完毕， 则退出循环， 结束； 如果 没有加工完毕， 则继续。 0011 步骤4： 判断是否需要主动退出重调度进程， 如果选择是， 则退出循环， 结束； 如果 选择否， 则继续。 。 0012 步骤5： 输入有工序完工或新工件插入的时刻T。 0013 步骤6： 提取当前时刻完工的工序对应的工件号， 以-1结尾。 说明书 1/9 页 4 CN 。

13、111242500 A 4 0014 步骤7： 判断输入参数是否符合要求， 若不符合， 返回步骤5。 0015 步骤8： 调用初始化模块， 更新初始化参数。 0016 步骤9： 判断是否成功初始化， 若不成功， 返回步骤5； 若成功， 则继续。 0017 步骤10： 输入参数， 判断是否有新插入工件。 如果有进入步骤11， 否则进入步骤12。 0018 步骤11： 调用信息输入模块， 将新插入工件的数据信息插入其中， 同时调用遗传算 法模块生成新的调度方案。 0019 步骤12： 调用染色体修改模块， 根据初始化参数， 对染色体进行更新操作。 0020 步骤13： 调用可视化模块， 根据当前的。

14、染色体， 生成以甘特图为代表的可视化调度 方案， 并让工件的生成方式按照该调度方案安排生成。 0021 步骤14： 返回步骤3。 0022 优选地， 所述的改进遗传算法模块包括以下内容： 0023 (1)该遗传算法中保留了该问题的初始条件。 即： 正在加工工序的开始加工时间和 结束加工时间， 所选择的机器， 当前时间点， 各工件等待调度的工序的数量。 0024 (2)该遗传算法中所用的染色体由工序序列和机器序列组成， 其仅仅保留等待调 度工序的加工信息。 0025 (3)该遗传算法对于相应染色体的解码方式如下所示： 0026 步骤1建立一个包含所有机器的甘特图。 0027 步骤2.获取初始条件。

15、， 并将其插入到甘特图中。 0028 步骤3.从工序序列中获得下一道工序， 从机器序列中找到对应的所用的机器， 从 案例信息中获得该工序在该机器下的加工时间。 0029 步骤4.将该工序在不影响机器上已经插入工序的情况下， 尽量将该工序向前插 入。 0030 步骤5.判断是否所有工序已经被插入， 如果没有， 则返回步骤3。 0031 (4)该遗传算法的流程可以为下列所述: 0032 步骤1随机生成一定大小的种群。 0033 步骤2对种群进行交叉操作。 0034 步骤3对种群进行变异操作。 0035 步骤4对种群中每个个体均进行解码操作， 以获取器目标函数值。 0036 步骤4对种群进行选择操作。

16、。 0037 步骤5判断算法是否满足终止条件， 若满足， 输出种群中的最优染色体； 否则， 返回 步骤2。 0038 优选地， 下面将对初始条件更新模块进行说明。 0039 假设正在加工的某道工序结束时间或新工件的插入时间为T， 当另一台机器上正 在加工工序的完工时间为(C1， C2， C3)， 依照以下规则进行处理完工时间。 0040 如果TC1， 此时另一道工序仍处于正在加工的状态， 因此其完工时间依然为(C1， C2， C3)。 0041 如果TC1， TC2， 此时另一道工序下仍处于正在加工状态， 由于该道工序此时已 经不可能在T时刻前完成加工， 因此， 其完工时间变化为(T， C2，。

17、 C3)。 0042 如果TC2， ， TC3， 此时另一道工序仍处于正在加工状态， 由于该道工序的最有可 说明书 2/9 页 5 CN 111242500 A 5 能完工时间已经不可能超过T， 因此， 该完工时间变化为(T， T， C3)。 0043 如果TC3， 此时另一道工序不可能仍处于正在加工状态， 这种情况不在讨论范围 中。 0044 优选地， 所述的染色体裁剪模块所具备的功能及操作如下所示： 0045 由于本发明所用的染色体保存的均为可进行调度的工序， 因此当某道工序完工， 同时又没有必要使用算法模块重新生成新的调度方案时， 需要将已经完工的工序对应的基 因从染色体中删除掉。 00。

18、46 优选地， 所述的数据输入模块， 其特征如下： 0047 在该模块下可直接输入调度案例的相关信息， 比如各工件的各工序在不同机器上 加工所需时间， 新增加的工件等信息。 0048 优选地， 所述的可视化模块， 其特征如下： 0049 由于每一次正在加工工序时间的确定以及新工件的插入均会对原来的甘特图产 生一定的影响， 因此， 有必要重新设立这样的一个模块， 以便随时更新调度方案， 用于指导 生产。 0050 本发明的有益效果是： 0051 本发明具有重调度方案调度效果好， 求解质量高的优点。 附图说明 0052 图1为一种求解存在新工件插入的模糊柔性作业车间调度问题的调度方法的实现 流程图。

19、。 0053 图2为所给案例在不考虑工件插入情况下的最佳调度方案。 0054 图3为所给案例在新工件插入前甘特图变化情况。 0055 图4为所给案例在新工件插入后经过改进遗传算法重新获得的调度方案。 具体实施方式 0056 下面结构附图和实施例对本发明作进一步的说明。 0057 如图1-4所示。 0058 一种存在新工件插入的模糊柔性作业车间调度方法， 它包括以下步骤： 0059 步骤1： 调用信息输入模块， 系统输入工件的加工信息， 机器信息等。 0060 步骤2： 调用改进遗传算法模块， 并以此获得最佳调度方案， 按照该方案安排生产。 0061 步骤3： 判断是否所有工件已经加工完毕， 如。

20、果加工完毕， 则退出循环， 结束； 如果 没有加工完毕， 则继续。 0062 步骤4： 判断是否需要主动退出重调度进程， 如果选择是， 则退出循环， 结束； 如果 选择否， 则继续。 0063 步骤5： 输入有工序完工或新工件插入的时刻T。 0064 步骤6： 提取当前时刻完工的工序对应的工件号， 以-1结尾。 0065 步骤7： 判断输入参数是否符合要求， 若不符合， 返回步骤5。 0066 步骤8： 调用初始化模块， 更新初始化参数。 0067 步骤9： 判断是否成功初始化， 若不成功， 返回步骤5； 若成功， 则继续。 说明书 3/9 页 6 CN 111242500 A 6 0068 。

21、步骤10： 输入参数， 判断是否有新插入工件。 如果有进入步骤11， 否则进入步骤12。 0069 步骤11： 调用信息输入模块， 将新插入工件的数据信息插入其中， 同时调用遗传算 法模块生成新的调度方案。 0070 步骤12： 调用染色体修改模块， 根据初始化参数， 对染色体进行更新操作。 0071 步骤13： 调用可视化模块， 根据当前的染色体， 生成以甘特图为代表的可视化调度 方案， 并让工件的生成方式按照该调度方案安排生成。 0072 步骤14： 返回步骤3。 0073 所述的改进遗传算法模块包括以下内容： 0074 (1)该遗传算法中保留了该问题的初始条件。 即： 正在加工工序的开始。

22、加工时间和 结束加工时间， 所选择的机器， 当前时间点， 各工件等待调度的工序的数量。 0075 (2)该遗传算法中所用的染色体由工序序列和机器序列组成， 其仅仅保留等待调 度工序的加工信息。 0076 (3)该遗传算法对于相应染色体的解码方式如下所示： 0077 步骤1建立一个包含所有机器的甘特图。 0078 步骤2.获取初始条件， 并将其插入到甘特图中。 0079 步骤3.从工序序列中获得下一道工序， 从机器序列中找到对应的所用的机器， 从 案例信息中获得该工序在该机器下的加工时间。 0080 步骤4.将该工序在不影响机器上已经插入工序的情况下， 尽量将该工序向前插 入。 0081 步骤5。

23、.判断是否所有工序已经被插入， 如果没有， 则返回步骤3。 0082 (4)该遗传算法的流程可以为下列所述： 0083 步骤1随机生成一定大小的种群。 0084 步骤2对种群进行交叉操作。 0085 步骤3对种群进行变异操作。 0086 步骤4对种群中每个个体均进行解码操作， 以获取器目标函数值。 0087 步骤4对种群进行选择操作。 0088 步骤5判断算法是否满足终止条件， 若满足， 输出种群中的最优染色体； 否则， 返回 步骤2。 0089 在改进算法模块中， 由于每个工序的加工时间均是模糊的， 这里使用一个三角模 糊数来代表该时间其分别代表了工序Oi， j在机器k上加工所需的最小时 间。

24、、 最有可能的时间、 最大时间。 由于工序的加工时间是有三角模糊数所代表的， 因此某道 工序的完工时间也可以将是由三角模糊数代表， 例如其分别代表了工序Oi， j 完工的最小时间、 最有可能时间、 最大时间。 0090 在对染色体的解码阶段， 涉及到对三角模糊数进行操作， 具体包括三角模糊数的 取大操作、 比较操作、 相加操作， 下面将对这几种操作进行具体说明。 0091假设存在这样的两个三角模糊数和则其相加操作 如下所示： 0092 三角模糊数间的比较规则按如下步骤： 说明书 4/9 页 7 CN 111242500 A 7 0093 步骤1.将一个三角模糊数的最大期望值作为比较两个三角模糊。

25、数大小的第一标 准。 即： 0094 步骤2若两个三角模糊数有同样的F1， 则使用三角模糊数的最大可能性指标作为 比较两个三角模糊数的第二标准。 即： 0095 步骤3若两个三角模糊数有同样的F1和F2， 则使用三角模糊数的离散度指标作为比 较两个三角模糊数的第三标准。 即： 0096 三角模糊数的取大操作规则如下： 0097如果则否则 0098 某道工序的加工时间是使用三角模糊数来表示的， 但在实际加工中， 随着该道工 序完工时间的确定， 这会导致该三角模糊数会退化成一个固定的数值， 同时其他正在加工 的工序的预计完工时间也会受到该因素的影响。 上述变化会对存在新工件插入的模糊柔性 作业车间。

26、调度问题产生较为重大的影响。 这种影响在本发明中的体现是通过初始化条件更 新模块来实现的。 0099 下面将对初始条件更新模块进行说明。 0100 假设正在加工的某道工序结束时间或新工件的插入时间为T， 当另一台机器上正 在加工工序的完工时间为(C1， C2， C3)， 依照以下规则进行处理完工时间。 0101 如果TC1， 此时另一道工序仍处于正在加工的状态， 因此其完工时间依然为(C1， C2， C3)。 0102 如果TC1， TC2， 此时另一道工序下仍处于正在加工状态， 由于该道工序此时已 经不可能在T时刻前完成加工， 因此， 其完工时间变化为(T， C2， C3)。 0103 如果。

27、TC2， ， TC3， 此时另一道工序仍处于正在加工状态， 由于该道工序的最有可 能完工时间已经不可能超过T， 因此， 该完工时间变化为(T， T， C3)。 0104 如果TC3， 此时另一道工序不可能仍处于正在加工状态， 这种情况不在讨论范围 中。 0105 所述的染色体裁剪模块所具备的功能及操作如下所示： 0106 由于本发明所用的染色体保存的均为可进行调度的工序， 因此当某道工序完工， 同时又没有必要使用算法模块重新生成新的调度方案时， 需要将已经完工的工序对应的基 因从染色体中删除掉。 0107 所述的数据输入模块可直接输入调度案例的相关信息， 比如各工件的各工序在不 同机器上加工所。

28、需时间， 新增加的工件等信息。 0108 所述的可视化模块的作用是： 由于每一次正在加工工序时间的确定以及新工件的 插入均会对原来的甘特图产生一定的影响， 因此， 有必要重新设立这样的一个模块， 以便随 时更新调度方案， 用于指导生产。 0109 实例。 0110 下面以一个10台机器10个工件的模糊柔性作业车间调度案例为例加以说明， 其相 关加工数据如下表1所示， 表中M1、 M2 .M10分别表示为10台机器的机器号， Job1、 Job2.Job10分别表示10个工件的工件号， 每个工件均有4道工序， 可选择不同的机器进 行加工， 且在各台机器上的加工时间均以三角模糊数来代替。 其中表中。

29、的三个值分别代表 说明书 5/9 页 8 CN 111242500 A 8 某道工序在对应机器上加工所需的最小时间、 最有可能时间和最大时间。 0111 说明书 6/9 页 9 CN 111242500 A 9 0112 说明书 7/9 页 10 CN 111242500 A 10 0113 说明书 8/9 页 11 CN 111242500 A 11 0114 0115 针对该案例可获得的最优调度方案所对应的最大工件完工时间为(21， 28， 37)， 其 对应的甘特图如图2所示。 0116 按照以上调度方案安排生产时， 在时刻10前有以下工序完工： 在时间点2处， 工序 O2.1完工； 在。

30、时间点4处， 工序O10.1完工； 在时间点6时， 工序O8.1、 O2.1、 O5.1、 O6.1、 O3.1、 O1.1、 O9.1、 O4.1完工； 在时间点9处， 工序O8.2和O10.2完工。 此时， 受到已完工工序的影响， 最大工件完工 时间变化为(22， 28， 39)， 其对应的甘特图变化如图3所示。 0117 在时刻10有新工件J11插入， 该工件的相关加工数据如下表2所示： 0118 0119 在新工件插入后， 经过改进遗传算法重新调度后， 新的调度方案如图4所示， 其对 应的最大工件完工时间为(22， 29， 40)。 0120 本发明未涉及部分与现有技术相同或可采用现有技术加以实现。 说明书 9/9 页 12 CN 111242500 A 12 图1 说明书附图 1/4 页 13 CN 111242500 A 13 图2 说明书附图 2/4 页 14 CN 111242500 A 14 图3 说明书附图 3/4 页 15 CN 111242500 A 15 图4 说明书附图 4/4 页 16 CN 111242500 A 16 。