CN111290358B - 一种面向柔性制造***的产品节能调度优化方法 - Google Patents
一种面向柔性制造***的产品节能调度优化方法 Download PDFInfo
- Publication number
- CN111290358B CN111290358B CN202010199271.XA CN202010199271A CN111290358B CN 111290358 B CN111290358 B CN 111290358B CN 202010199271 A CN202010199271 A CN 202010199271A CN 111290358 B CN111290358 B CN 111290358B
- Authority
- CN
- China
- Prior art keywords
- assembly
- product
- production
- ijk
- constructed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 205
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 174
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 133
- 239000002245 particle Substances 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000005265 energy consumption Methods 0.000 claims abstract description 39
- 238000007730 finishing process Methods 0.000 claims abstract description 6
- 238000003754 machining Methods 0.000 claims description 25
- 238000005336 cracking Methods 0.000 claims description 16
- 229920001155 polypropylene Polymers 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000011017 operating method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000004743 Polypropylene Substances 0.000 description 13
- 238000011161 development Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009089 cytolysis Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种面向柔性制造***的产品节能调度优化方法,属于生产调度技术领域。本发明实现方法为:获取车间产品结构、加工和装配资源,构建产品结构集合、生产资源集合;构建工序集合、工序时间集合和能耗集合;针对装配工序,选择每个装配工序开始时间最大的工序作为实际完成工序,形成装配约束,并将装配约束融合入柔性生产调度模型构建柔性制造调度模型;通过改进的多目标粒子群‑遗传算法对柔性制造调度模型进行优化,既能保证优化速度,又能提高算法收敛性,得到目标函数更优的柔性制造***调度方案,所述调度方案能够将产品的生产过程和装配过程集成考虑,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗。
Description
技术领域
本发明涉及一种面向柔性制造***的产品节能调度优化方法,属于生产调度技术领域。
背景技术
当今,能源和环保已变成世界各国共同关心的议题。能源,作为人类生活正常开展的物质基础,是经济迅速发展的物质保障,是生态环境健康发展的重要因素。而中国作为能源生产和消耗大国,自改革开放,特别是我国进入21世纪深入开展工业化以来,能源需求快速增长。根据国家***的相关数据,我国每年的能源消耗总量已达到430000万吨标准煤,并且能源消耗量每年仍在不断增长。同时,制造业是我国国民经济的物质基础,其每年消耗的总能量占能源消耗总量的一半以上,且机床在大量消耗能量的同时,也给环境带来了巨大的影响。根据美国国家电网的相关数据,一台机床运行一年产生的CO2相当于61辆SUV的排放量,产生的SO2相当于248辆SUV的排放量,产生的NOX则相当于34辆SUV的排放量。因而,必须通过技术能力创新、提高能量的管理与利用,选择节能降耗工艺,实施绿色制造。
另一方面,在制造***中,产品通常是由一个或多个部件或零件组成。部分零件首先需要经过一系列的加工操作之后,才能在装配站上完成相关的装配操作。以拖拉机后桥主动弧的加工装配过程为例,主动弧包括小圆锥齿轮轴、四驱主动齿轮、主动弧壳体、轴承、螺栓等零部件。而小圆锥齿轮轴、四驱主动齿轮、主动弧壳体等均需要经过一系列的加工工序后才能完成相应的装配操作。而在装配过程中,小圆锥齿轮轴、四驱主动齿轮和其他标准零件在装配站上完成装配操作,形成小圆锥轴总成。然后再在另外的装配站上与主动弧壳体完成装配操作,这样才完成了主动弧的生产制造。而同时,产品的加工工序和装配工序可以在不同的加工设备和装配站上完成,比如小圆锥齿轮轴类加工可以在相关的数控车床(如CK6136i等)、数控铣床(如JVTM6540等)或者加工中心(如VMC1160等)完成,具有相应的工艺柔性。而同时装配操作也可以在不同的装配站上完成。
但是,在现有的生产和研究过程中,往往忽略以下几个因素:(1)忽略了产品制造过程的装配操作,仅仅考虑产品的加工过程,这样会导致产品加工完成后无法立即进行装配操作,提高生产的库存成本;(2)忽略了产品加工和装配过程的工艺柔性,这样会导致产品生产效率较低;(3)生产过程仅仅考虑产品的完工时间,忽略了产品生产过程的能耗,这样会导致产品生产过程消耗大量能量,提高产品生产成本。
发明内容
为了解决当前调度过程中忽略工艺柔性和装配工序的问题,本发明的目的是提供面向柔性制造***的产品节能调度优化方法,该方法综合考虑不同产品的产品组成和产品零部件生产和加工过程中柔性工艺,结合生产***的加工设备和装配站,将装配约束加入到柔性生产调度模型中,能够将产品的生产过程和装配过程集成考虑,进而实现对不同产品的加工和装配操作进行调度,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
本发明的目的是通过下述技术方案实现的。
本发明公开的一种面向柔性制造***的产品节能调度优化方法实现方法为:获取车间产品结构、加工和装配资源,构建产品结构集合、生产资源集合。综合考虑产品的加工和装配工序,构建工序集合、工序时间集合和能耗集合。针对装配工序,选择每个装配工序开始时间最大的工序作为实际完成工序,形成装配约束,并将装配约束融合入柔性生产调度模型构建柔性制造调度模型。通过改进的多目标粒子群-遗传算法对柔性制造调度模型进行优化,既能保证优化速度,又能提高算法收敛性,得到目标函数更优的柔性制造***调度方案,所述柔性制造***调度方案能够将产品的生产过程和装配过程集成考虑,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗。
本发明公开的一种面向柔性制造***的产品节能调度优化方法,包括如下步骤:
步骤一、获取车间产品结构、加工和装配资源,构建产品结构集合、加工设备集合、装配资源集合。
步骤一实现方法为:
步骤1.1:制造***需要完成p个产品,构建产品集合P={P1,P2,…,Pi,…,Pp},其中,Pi表示第i个产品。根据产品需要加工的零件构建产品结构集合PP={PPi1,PPi2,…,PPij,…,PPiq},其中q表示产品需要加工的零件的数目,PPij表示产品Pi第j个需要加工的零件。
步骤1.2:面向柔性制造***,获取完成加工工序的加工设备资源,构建加工设备集合为M={M1,M2,…,Mm},其中,m表示制造***加工设备的数量。
步骤1.3:面向柔性制造***,获取完成装配工序的装配站资源,构建装配资源集合N={N1,N2,…,Nn},其中,n表示完成装配操作的装配站的数量。
步骤二、根据步骤一构建的产品结构集合、加工设备集合和装配资源集合,综合考虑产品的加工工序和装配工序,构建工序集合、工序时间集合和工序能耗集合。
步骤二实现方法为:
步骤2.1:根据每个产品确定产品各个零件的加工工序和装配工序的顺序。为了更好地考虑装配约束,装配工序同样看作是加工工序。因此,构建产品各个零件的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l},其中,Oij表示零件PPij的工序集合,k表示加工工序的数量,l表示装配工序的数量,o用来指示产品零件的工序序号。另外构建装配工序集合为AOij={Oijk+1,Oijk+2,…,Oijk+r,…,Oijk+l},其中,AOij零件PPij的装配工序集合,r表示第r个装配工序。
步骤2.2:结合步骤一构建的加工设备集合、装配资源集合,针对步骤2.1构建的工序集合,构建各个工序Oijo的资源集合根据工序在加工设备资源集合和装配资源集合的工序完工时间,构建工序Oijo的操作时间集合Tijo={Tijo1,Tijo2,…}。
步骤2.3:根据工序在加工设备资源集和和装配资源集合的能源消耗,构建工序Oijo的能耗集合Eijo={Eijo1,Eioj2,…}。
步骤三、根据步骤二构建的工序集合、工序时间集合和工序能耗集合,优化目标为完工时间最小和总能耗最小,构建柔性生产调度模型。针对装配工序,选择装配工序开始时间最大的工序作为实际完成工序,其余的装配工序完成时间设置为零,形成装配约束,通过装配约束保障装配工序只执行一次并且在加工工序完成之后进行。将装配约束融合入构建的柔性生产调度模型构建柔性制造调度模型,所述构建柔性制造调度模型能够保障产品加工操作完成之后及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤三实现方法为:
步骤3.1:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l}、工序时间集合Tijo={Tijo1,Tijo2,…}和工序能耗集合Eijo={Eijo1,Eioj2,…},优化目标为完工时间最小min(Cmax)和总能耗最小minE,构建柔性生产调度模型,如下公式所示。
min f1=min(Cmax)=min(max Cijor)
约束条件为:
其中,i和i*表示产品序号,j和j*表示零件序号,o和o*表示工序的序号,r和r*表示加工设备和装配站序号,W和L表示正数,Cmax表示产品最后一次装配工序的完工时间,Oijo表示PPij的一个操作工序,Oijor表示操作工序在设备或者装配工作站r上进行加工,Sijor、Si*j*o*r表示Oijor操作工序的开始时间,Tijor表示Oijor操作工序的持续时间,Cijor表示Oijor操作工序的完工时间,xijor表示Oijor操作工序如果在设备r上进行加工则为1,否则为0。
步骤3.2:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l}和工序时间集合Tijo={Tijo1,Tijo2,…},针对产品Pi第r个装配工序,包括AOijr、AOij*r等,选择装配工序开始时间最大max(Sijk+r,Sij*k+r)的工序作为实际需要完成的装配工序,产品Pi的其他第r个装配工序完成时间设置为零,即不执行这些装配操作。从而构建装配约束如下,以保障产品Pi的第r个装配工序只在装配工序开始时间最大max(Sijk+r,Sij*k+r)的装配工序进行装配操作,同时是在相应的加工工序Oijk+r-1或装配工序Oijk+r-1完成之后进行。
步骤3.3:将步骤3.2构建的装配约束融合入步骤3.1构建的柔性生产调度模型,构建柔性制造调度模型如下:
min f1=min(Cmax)=min(max Cijor)
约束条件为:
由于步骤3.3构建的柔性制造调度模型考虑装配约束条件,保障产品加工操作完成之后可以及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤四、结合粒子群算法的优化效率和遗传算法的运算收敛性,通过改进多目标粒子群-遗传算法,对构建的柔性制造调度模型进行优化,优化得到考虑生产和装配过程的柔性制造***调度方案,所述柔性制造***调度方案综合考虑不同产品的产品组成和产品零部件生产和加工过程中柔性工艺,结合生产***的生产设备和装配站,将装配约束加入到柔性生产调度模型中,能够将产品的生产过程和装配过程集成考虑,进而实现对不同产品的加工和装配操作进行调度,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤四中改进多目标粒子群-遗传算法实现方法为:
步骤4.1:随机产生带有一些粒子的原始种群,并计算每个粒子的适应度值;
步骤4.2:筛选非裂解集。对于原始种群,当粒子不受其他粒子支配时,将该粒子放入非裂解集中;之后随着粒子的更迭,当新粒子不受当前非裂解集中的其他粒子支配时,把该粒子放入到非裂解集中。
步骤4.3:更新个体最优解和全局最优解、个体最优粒子和全局最优粒子;当种群为原始种群时,个体最优解即为当前粒子的最优解,个体最优方案为初始粒子;而对于全局最优解,随机选择初始非裂解集中的粒子作为全局最优解和全局最优粒子。之后随着粒子的更迭,对于个体最优解和个体最优粒子,则将当两个粒子不受支配时随机选择一个作为个体最优解和个体最优粒子,否则选择适应度值较好的作为个体最优解和个体最优粒子。而对于全局最优粒子和全局最优解,则随机从当前的非裂解集中选择一个。
步骤4.4:个体与个体最佳方案和全局最佳方案进行交叉操作得到新的粒子,由新粒子进行变异操作和调整操作形成新的粒子。
步骤4.5:重复执行步骤4.3-步骤4.4,直到满足终止条件为止。
有益效果:
1、本发明公开的一种面向柔性制造***的产品节能调度优化方法,根据构建的工序集合、工序时间集合和工序能耗集合,优化目标为完工时间最小和总能耗最小,构建柔性生产调度模型。针对装配工序,选择装配工序开始时间最大的工序作为实际完成工序,其余的装配工序完成时间设置为零,形成装配约束,通过装配约束保障装配工序只执行一次并且在加工工序完成之后进行,即通过将装配约束融合入构建的柔性生产调度模型构建柔性制造调度模型,使所述柔性制造调度模型综合考虑不同产品的产品组成和产品零部件生产和加工过程中柔性工艺,结合生产***的生产设备和装配站,将装配约束加入到柔性生产调度模型中,能够将产品的生产过程和装配过程集成考虑,进而实现对不同产品的加工和装配操作进行调度,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率,提高能源利用率,实现产品的绿色节能制造。
2、本发明公开的一种面向柔性制造***的产品节能调度优化方法,结合粒子群算法的优化效率和遗传算法的运算收敛性,通过改进多目标粒子群-遗传算法,对构建的柔性制造调度模型进行优化,既能够保证优化速度,又能够提高算法收敛性,从而得到目标函数更优化的柔性制造***调度方案,进而降低产品生产时间,同时降低生产过程能耗。
附图说明
图1本发明的一种面向柔性制造***的产品节能调度优化方法流程示意图;
图2主动弧的生产制造过程;
图3粒子群-遗传算法流程图;
图4(a)最小加工时间下的甘特图;
图4(b)最小能耗下的甘特图。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
实施例:以某个生产拖拉机零部件制造公司的零部件生产装配过程为例。目前,该企业主要进行拖拉机主动弧、差速器、提升器等产品部件的加工与装配,其中主动弧的生产制造过程如附图2所示。
如图1所示,本实施例公开的一种面向柔性制造***的产品节能调度优化方法,具体实现步骤如下:
步骤一、获取车间产品结构、加工和装配资源,构建产品结构集合、加工设备集合、装配资源集合。
步骤1.1:制造***需要完成3个产品,构建产品集合P={P1,P2,P3},其中,P1表示主动弧,P2表示差速器,P3表示提升器。根据产品需要加工的零件构建产品结构集合PP1,PP2和PP3,其中主动弧PP1={主动弧壳体(PP11)、主动弧齿轮(PP12)、主动弧齿轮轴(PP13)},差速器PP2={差速器壳体(PP21)、差速器齿轮(PP22)、差速器轴(PP23)},提升器PP3={提升器壳体(PP31)、提升器轴1(PP32)、提升器轴2(PP33)}。
步骤1.2:面向柔性制造***,获取完成加工工序的加工设备资源,构建加工设备集合为M={M1,M2,M3,M4,M5,M6,M7,M8,M9,M10,},其中,制造***加工设备的数量为10。
步骤1.3:面向柔性制造***,获取完成装配工序的装配站资源,构建装配资源集合N={N1,N2,N3,N4},其中,完成装配操作的装配站的数量为4。
步骤二、根据步骤一构建的产品结构集合、加工设备集合和装配资源集合,综合考虑产品的加工工序和装配工序,构建工序集合、工序时间集合和工序能耗集合。
步骤2.1:根据每个产品确定产品各个零件的加工工序和装配工序的顺序。加工工序和装配工序分别如表1所示。为了更好地考虑装配约束,装配工序同样看作是加工工序。
步骤2.2:结合步骤一构建的加工设备集合、装配资源集合,针对步骤2.1构建的工序集合,构建各个工序Oijo的资源集合其中,操作工序O111的资源集合 根据不同操作工序在可选资源集合上的操作时间,构建工序Oijo的操作时间集合Tijo={Tijo1,Tijo2,…},其中,操作工序O111的资源集合T111={28,31,41,45}。
步骤2.3:根据不同操作工序在可选资源集合操作时消耗的能耗,构建工序Oijo的能耗集合Eijo={Eijo1,Eioj2,……},其中,操作工序O111的资源集合E111={8,12.6,9.3,11.7}。
表1产品及零件的加工工序和装配工序
步骤三、根据步骤二构建的工序集合、工序时间集合和工序能耗集合,优化目标为完工时间最小和总能耗最小,构建柔性生产调度模型。针对装配工序,选择装配工序开始时间最大的工序作为实际完成工序,其余的装配工序完成时间设置为零,形成装配约束,通过装配约束保障装配工序只执行一次并且在加工工序完成之后进行。将装配约束融合入构建的柔性生产调度模型构建柔性制造调度模型,所述构建柔性制造调度模型能够保障产品加工操作完成之后及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤3.1:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l}、工序时间集合Tijo={Tijo1,Tijo2,…}和工序能耗集合Eijo={Eijo1,Eioj2,…},优化目标为完工时间最小min(Cmax)和总能耗最小minE,构建柔性生产调度模型,如下公式所示。
min f1=min(Cmax)=min(max Cijor)
约束条件为:
其中,i和i*表示产品序号,j和j*表示零件序号,o和o*表示工序的序号,r和r*表示加工设备和装配站序号,W和L表示正数,Cmax表示产品最后一次装配工序的完工时间,Oijo表示PPij的一个操作工序,Oijor表示操作工序在设备或者装配工作站r上进行加工,Sijor、Si*j*o*r表示Oijor操作工序的开始时间,Tijor表示Oijor操作工序的持续时间,Cijor表示Oijor操作工序的完工时间,xijor表示Oijor操作工序如果在设备r上进行加工则为1,否则为0。
步骤3.2:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l}和工序时间集合Tijo={Tijo1,Tijo2,…},针对产品Pi第r个装配工序,包括AOijr、AOij*r等,选择装配工序开始时间最大max(Sijk+r,Sij*k+r)的工序作为实际需要完成的装配工序,产品Pi的其他第r个装配工序完成时间设置为零,即不执行这些装配操作。从而构建装配约束如下,以保障产品Pi的第r个装配工序只在装配工序开始时间最大max(Sijk+r,Sij*k+r)的装配工序进行装配操作,同时是在相应的加工工序Oijk+r-1或装配工序Oijk+r-1完成之后进行。
步骤3.3:将步骤3.2构建的装配约束融合入步骤3.1构建柔性生产调度模型,构建柔性制造调度模型如下:
min f1=min(Cmax)=min(max Cijor)
约束条件为:
由于步骤3.3构建的柔性制造调度模型考虑装配约束条件,保障产品加工操作完成之后可以及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤四、结合粒子群算法的优化效率和遗传算法的运算收敛性,通过改进多目标粒子群-遗传算法,算法流程图如图3所示,对步骤3.3构建的柔性制造调度模型进行优化,调度甘特图结果如图4所示。优化得到考虑生产和装配过程的柔性制造***调度方案,所述柔性制造***调度方案综合考虑不同产品的产品组成和产品零部件生产和加工过程中柔性工艺,结合生产***的生产设备和装配站,将装配约束加入到柔性生产调度模型中,能够将产品的生产过程和装配过程集成考虑,进而实现对不同产品的加工和装配操作进行调度,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
步骤四中改进多目标粒子群-遗传算法实现方法为:
步骤4.1:随机产生带有一些粒子的原始种群,并计算每个粒子的适应度值;
步骤4.2:筛选非裂解集。对于原始种群,当粒子不受其他粒子支配时,将该粒子放入非裂解集中;之后随着粒子的更迭,当新粒子不受当前非裂解集中的其他粒子支配时,把该粒子放入到非裂解集中。
步骤4.3:更新个体最优解和全局最优解、个体最优粒子和全局最优粒子;当种群为原始种群时,个体最优解即为当前粒子的最优解,个体最优方案为初始粒子;而对于全局最优解,随机选择初始非裂解集中的粒子作为全局最优解和全局最优粒子。之后随着粒子的更迭,对于个体最优解和个体最优粒子,则将当两个粒子不受支配时随机选择一个作为个体最优解和个体最优粒子,否则选择适应度值较好的作为个体最优解和个体最优粒子。而对于全局最优粒子和全局最优解,则随机从当前的非裂解集中选择一个。
步骤4.4:个体与个体最佳方案和全局最佳方案进行交叉操作得到新的粒子,由新粒子进行变异操作和调整操作形成新的粒子。
步骤4.5:重复执行步骤4.3-步骤4.4,直到满足终止条件为止。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种面向柔性制造***的产品节能调度优化方法,其特征在于:包括如下步骤,
步骤一、获取车间产品结构、加工和装配资源,构建产品结构集合、加工设备集合、装配资源集合;
步骤二、根据步骤一构建的产品结构集合、加工设备集合和装配资源集合,综合考虑产品的加工工序和装配工序,构建工序集合、工序时间集合和工序能耗集合;
步骤三、根据步骤二构建的工序集合、工序时间集合和工序能耗集合,优化目标为完工时间最小和总能耗最小,构建柔性生产调度模型;针对装配工序,选择装配工序开始时间最大的工序作为实际完成工序,其余的装配工序完成时间设置为零,形成装配约束,通过装配约束保障装配工序只执行一次并且在加工工序完成之后进行;将装配约束融合入构建的柔性生产调度模型构建柔性制造调度模型,所述构建柔性制造调度模型能够保障产品加工操作完成之后及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率;
步骤四、结合粒子群算法的优化效率和遗传算法的运算收敛性,通过改进多目标粒子群-遗传算法,对构建的柔性制造调度模型进行优化,优化得到考虑生产和装配过程的柔性制造***调度方案,所述柔性制造***调度方案综合考虑不同产品的产品组成和产品零部件生产和加工过程中柔性工艺,结合生产***的生产设备和装配站,将装配约束加入到柔性生产调度模型中,能够将产品的生产过程和装配过程集成考虑,进而实现对不同产品的加工和装配操作进行调度,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率;
步骤二实现方法为,
步骤2.1:根据每个产品确定产品各个零件的加工工序和装配工序的顺序;为了更好地考虑装配约束,装配工序同样看作是加工工序;因此,构建产品各个零件的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l},其中,Oij表示零件PPij的工序集合,k表示加工工序的数量,l表示装配工序的数量,o用来表示产品零件工序的序号;另外构建装配工序集合为AOij={Oijk+1,Oijk+2,…,Oijk+r,…,Oijk+l},其中,AOij零件PPij的装配工序集合,r表示第r个装配工序;
步骤2.2:结合步骤一构建的加工设备集合、装配资源集合,针对步骤2.1构建的工序集合,构建各个工序Oijo的资源集合根据加工设备资源集合与装配资源集合的工序完工时间,构建工序Oijo的操作时间集合Tijo={Tijo1,Tijo2,…};
步骤2.3:根据工序在加工设备资源集和和装配资源集合的能源消耗,构建工序Oijo的能耗集合Eijo={Eijo1,Eioj2,…};
步骤三实现方法为,
步骤3.1:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,、工序时间集合Tijo={Tijo1,Tijo2,…}和工序能耗集合Eijo={Eijo1,Eioj2,…},优化目标为完工时间最小min(Cmax)和总能耗最小minE,构建柔性生产调度模型,如下公式所示:
minf1=min(Cmax)=min(max Cijor)
约束条件为:
其中,i和i*表示产品序号,j和j*表示零件序号,o和o*表示工序的序号,r和r*表示加工设备和装配站序号,W和L表示正数,Cmax表示产品最后一次装配工序的完工时间,Oijo表示PPij的一个操作工序,Oijor表示操作工序在设备或者装配工作站r上进行加工,Sijor、Si*j*o*r表示Oijor操作工序的开始时间,Tijor表示Oijor操作工序的持续时间,Cijor表示Oijor操作工序的完工时间,xijor表示Oijor操作工序如果在设备r上进行加工则为1,否则为0;
步骤3.2:根据步骤二构建的工序集合Oij={Oij1,Oij2,…,Oijo,…,Oijk,Oijk+1,Oijk+2,…,Oijk+l}和工序时间集合Tijo={Tijo1,Tijo2,…},针对产品Pi第r个装配工序,包括AOijr、AOij*r等,选择装配工序开始时间最大max(Sijk+r,Sij*k+r)的工序作为实际需要完成的装配工序,产品Pi的其他第r个装配工序完成时间设置为零,即不执行这些装配操作;从而构建装配约束如下,以保障产品Pi的第r个装配工序只在装配工序开始时间最大max(Sijk+r,Sij*k+r)的装配工序进行装配操作,同时是在相应的加工工序Oijk+r-1或装配工序Oijk+r-1完成之后进行;
步骤3.3:将步骤3.2构建的装配约束融合入步骤3.1构建的柔性生产调度模型,构建柔性制造调度模型如下:
minf1=min(Cmax)=min(max Cijor)
约束条件为:
由于步骤3.3构建的柔性制造调度模型考虑装配约束条件,保障产品加工操作完成之后可以及时进行装配操作,更加适应现有生产装配工况,从而减小产品生产时间,降低产品生产过程中的能耗,最终降低产品生产成本,提高生产效率。
2.如权利要求1所述的一种面向柔性制造***的产品节能调度优化方法,其特征在于:步骤一实现方法为,
步骤1.1:制造***需要完成p个产品,构建产品集合P={P1,P2,…,Pi,…,Pp},其中,Pi表示第i个产品;根据产品需要加工的零件构建产品结构集合PP={PPi1,PPi2,…,PPij,…,PPiq},其中q表示产品需要加工的零件的数目,PPij表示产品Pi第j个需要加工的零件;
步骤1.2:面向柔性制造***,获取完成加工工序的加工设备资源,构建加工设备集合为M={M1,M2,…,Mm},其中,m表示制造***加工设备的数量;
步骤1.3:面向柔性制造***,获取完成装配工序的装配站资源,构建装配资源集合N={N1,N2,…,Nn},其中,n表示完成装配操作的装配站的数量。
3.如权利要求1所述的一种面向柔性制造***的产品节能调度优化方法,其特征在于:步骤四中改进多目标粒子群-遗传算法实现方法为,
步骤4.1:随机产生带有一些粒子的原始种群,并计算每个粒子的适应度值;
步骤4.2:筛选非裂解集;对于原始种群,当粒子不受其他粒子支配时,将该粒子放入非裂解集中;之后随着粒子的更迭,当新粒子不受当前非裂解集中的其他粒子支配时,把该粒子放入到非裂解集中;
步骤4.3:更新个体最优解和全局最优解、个体最优粒子和全局最优粒子;当种群为原始种群时,个体最优解即为当前粒子的最优解,个体最优方案为初始粒子;而对于全局最优解,随机选择初始非裂解集中的粒子作为全局最优解和全局最优粒子;之后随着粒子的更迭,对于个体最优解和个体最优粒子,则将当两个粒子不受支配时随机选择一个作为个体最优解和个体最优粒子,否则选择适应度值较好的作为个体最优解和个体最优粒子;而对于全局最优粒子和全局最优解,则随机从当前的非裂解集中选择一个;
步骤4.4:个体与个体最佳方案和全局最佳方案进行交叉操作得到新的粒子,由新粒子进行变异操作和调整操作形成新的粒子;
步骤4.5:重复执行步骤4.3-步骤4.4,直到满足终止条件为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199271.XA CN111290358B (zh) | 2020-03-20 | 2020-03-20 | 一种面向柔性制造***的产品节能调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199271.XA CN111290358B (zh) | 2020-03-20 | 2020-03-20 | 一种面向柔性制造***的产品节能调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111290358A CN111290358A (zh) | 2020-06-16 |
CN111290358B true CN111290358B (zh) | 2021-05-18 |
Family
ID=71020753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010199271.XA Active CN111290358B (zh) | 2020-03-20 | 2020-03-20 | 一种面向柔性制造***的产品节能调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111290358B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948989B (zh) * | 2020-07-14 | 2022-10-28 | 武汉理工大学 | 一种柔性制造车间优化调度方法及设备 |
CN112668901B (zh) * | 2020-12-31 | 2024-04-19 | 重庆大学 | 一种考虑能耗的钢厂生产调度方法及*** |
CN112859785B (zh) * | 2021-01-19 | 2021-12-17 | 嘉兴学院 | 基于多目标优化算法的纸盆车间生产调度方法及调度*** |
CN112926844A (zh) * | 2021-02-08 | 2021-06-08 | 中车广东轨道交通车辆有限公司 | 装配线调度方法、终端以及计算机可读存储介质 |
CN115755821A (zh) * | 2022-12-30 | 2023-03-07 | 中建科技集团有限公司 | 预制构件生产控制方法、***及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808636A (zh) * | 2015-04-28 | 2015-07-29 | 广东工业大学 | 柔性流水车间能耗优化调度方法 |
KR101619335B1 (ko) * | 2014-07-31 | 2016-05-11 | 서울과학기술대학교 산학협력단 | 대용량 배터리 에너지 저장 시스템의 피크 쉐이빙 운영방법 |
CN105844356A (zh) * | 2016-03-22 | 2016-08-10 | 江南大学 | 基于自适应遗传算法的机床切削用量能耗优化方法 |
CN106020142A (zh) * | 2016-05-16 | 2016-10-12 | 佛山市南海区广工大数控装备协同创新研究院 | 考虑能耗成本与加权拖期成本的柔性作业车间调度方法 |
CN110221585A (zh) * | 2019-06-14 | 2019-09-10 | 同济大学 | 一种用于混合流水车间考虑设备维护的节能调度控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103203630B (zh) * | 2013-04-28 | 2015-12-23 | 苏州博实机器人技术有限公司 | 模块化柔性制造物流*** |
CN110794788B (zh) * | 2019-11-18 | 2021-06-08 | 国机工业互联网研究院(河南)有限公司 | 一种生产排程装置、方法、设备及计算机可读存储介质 |
-
2020
- 2020-03-20 CN CN202010199271.XA patent/CN111290358B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101619335B1 (ko) * | 2014-07-31 | 2016-05-11 | 서울과학기술대학교 산학협력단 | 대용량 배터리 에너지 저장 시스템의 피크 쉐이빙 운영방법 |
CN104808636A (zh) * | 2015-04-28 | 2015-07-29 | 广东工业大学 | 柔性流水车间能耗优化调度方法 |
CN105844356A (zh) * | 2016-03-22 | 2016-08-10 | 江南大学 | 基于自适应遗传算法的机床切削用量能耗优化方法 |
CN106020142A (zh) * | 2016-05-16 | 2016-10-12 | 佛山市南海区广工大数控装备协同创新研究院 | 考虑能耗成本与加权拖期成本的柔性作业车间调度方法 |
CN110221585A (zh) * | 2019-06-14 | 2019-09-10 | 同济大学 | 一种用于混合流水车间考虑设备维护的节能调度控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111290358A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111290358B (zh) | 一种面向柔性制造***的产品节能调度优化方法 | |
CN109240202B (zh) | 一种面向低碳的铣削加工刀具路径优化方法 | |
Zhou et al. | Cutting parameter optimization for machining operations considering carbon emissions | |
CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
CN105956689A (zh) | 一种基于改进粒子群优化的运输和生产协同调度方法 | |
CN107945045A (zh) | 一种基于粒子群遗传算法的再制造装配过程的选配方法 | |
CN110147933B (zh) | 一种基于改进灰狼算法的数控切割下料车间调度排产方法 | |
CN104517033A (zh) | 一种面向能量效率的数控加工工艺参数多目标优化方法 | |
CN112596464B (zh) | 一种大型复杂舱体结构件数控加工走刀路径优化方法 | |
CN101533274A (zh) | 数控机床加工任务与刀具的调度方法 | |
CN111814359B (zh) | 一种面向离散制造的集成车间调度与装配序列规划方法 | |
CN104808629A (zh) | 一种柔性机器人制造单元的调度方法 | |
Xie et al. | Intelligent selection of machining parameters in multi-pass turnings using a GA-based approach | |
CN111613817B (zh) | 基于改进粒子群算法的电池混动***能源优化策略 | |
CN112381273A (zh) | 一种基于u-nsga-iii算法的多目标作业车间节能优化方法 | |
CN116700176A (zh) | 一种基于强化学习的分布式阻塞流水车间调度优化*** | |
CN103455885A (zh) | 一种自动编排零部件厂冲压件数量的计算方法 | |
CN107437121B (zh) | 适用于多机器同时处理单工件的生产工艺过程控制方法 | |
Wang et al. | Genetic algorithm in flexible work shop scheduling based on multi-objective optimization | |
CN116719275B (zh) | 面向零件全切削过程的工艺综合优化方法 | |
CN112859761A (zh) | 一种考虑集中热处理的分布式锻造流水车间节能调度方法 | |
CN113689066A (zh) | 一种基于nsga-ii算法的物联网车间调度方法 | |
CN108459561A (zh) | 一种cnc批量加工的程式优化方法 | |
de Oliveira Turci et al. | Water pump station scheduling optimization using an improved genetic algorithm approach | |
Luo et al. | Green job shop scheduling problem with machine at different speeds using a multi-objective grey wolf optimization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |