專利名稱：一種混合流水車間調(diào)度方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種制造系統(tǒng)的調(diào)度方法，特別涉及一種包含并行批處理、串行批處理和裝配的混合流水車間調(diào)度方法，屬于先進(jìn)制造生產(chǎn)控制與調(diào)度優(yōu)化領(lǐng)域。
背景技術(shù)：
隨著科學(xué)技術(shù)的迅速發(fā)展，各種產(chǎn)品也越來越先進(jìn)，越來越復(fù)雜，這對制造企業(yè)提出了巨大的挑戰(zhàn)制造企業(yè)在加工過程中涉及機(jī)械加工工序、熱處理工序以及裝配工序。如何在這種復(fù)雜的環(huán)境下進(jìn)行生產(chǎn)調(diào)度，保證不同零件的交貨期，同時減少庫存費(fèi)用，保持生產(chǎn)節(jié)拍平衡，提高熱處理爐的利用率等，將成為一個具有挑戰(zhàn)性的問題。
一個完整的制造系統(tǒng)一般包括熱處理、機(jī)加和裝配子系統(tǒng)。熱處理子系統(tǒng)的調(diào)度目標(biāo)是熱處理爐利用率，機(jī)加子系統(tǒng)的調(diào)度目標(biāo)往往與完工時間相關(guān)，而裝配子系統(tǒng)由于需要消耗機(jī)加子系統(tǒng)輸出的零件，因此需要考慮負(fù)載平衡的問題。
零件的生產(chǎn)過程涉及熱處理、機(jī)加、裝配等階段。一般來說，通常將機(jī)加階段和熱處理階段的調(diào)度分開考慮，原因是零部件的熱處理時間通常遠(yuǎn)大于機(jī)加時間。但我們在企業(yè)的調(diào)研結(jié)果顯示從整體上看，機(jī)加工序時間雖較短，但是機(jī)加工序數(shù)量較多，因此整個機(jī)加階段的時間占生產(chǎn)全過程的39%，而熱處理階段則占42%，二者大體相當(dāng)；另一方面， 當(dāng)前一部分復(fù)雜機(jī)加工序的加工時間已達(dá)數(shù)千分鐘，這些都使得機(jī)加階段和熱處理階段在最重要的優(yōu)化指標(biāo)——時間上得以相提并論。
調(diào)研結(jié)果也顯示，需要進(jìn)行熱處理的零件占總數(shù)的34.9%，其中按照熱處理出現(xiàn)的時機(jī)和次數(shù)劃分，熱處理僅有一次且為首工序的占39. 7% ;熱處理僅有一次且非首工序的占35. 3% ;熱處理有多次且其中之一為首工序的占13. 1% ;熱處理有多次且都不是首工序的占11.9%。
混合流水車間(HybridFlow Shop, HFS)是一種基于給定目標(biāo)函數(shù)的由η個作業(yè)在 m個階段順序操作的多級車間生產(chǎn)調(diào)度問題。這種生產(chǎn)調(diào)度問題至少含有兩個階段，每階段至少有一臺機(jī)器且至少有一個階段存在并行機(jī)，所有工件都要按照相同的生產(chǎn)線加工，一個工件至少在一個階段被加工，其他的階段可以被任意跳過。標(biāo)準(zhǔn)形式下的HFS問題，所有的工件和機(jī)器都在零時可用，對于給定的階段機(jī)器是確定的，任何機(jī)器在一個時間只能進(jìn)行一種操作而且任意工件在一個時間只能被一臺機(jī)器加工；準(zhǔn)備時間可以忽略，禁止搶占， 階段間的緩沖區(qū)容量不限并且問題數(shù)據(jù)是提前確定并已知的。HFS調(diào)度問題在實(shí)際生產(chǎn)制造過程中十分常見，涉及到工業(yè)、紡織、電子、造紙、混凝土、相機(jī)膠片等制造領(lǐng)域。
HFS問題的標(biāo)準(zhǔn)形式必須滿足若干約束，包括工件統(tǒng)一到達(dá)、相同的并行機(jī)、不考慮準(zhǔn)備時間、機(jī)器唯一性、工件唯一性、禁止搶占、緩沖區(qū)容量無限等。由于實(shí)際問題很難完全符合標(biāo)準(zhǔn)HFS問題的約束，多數(shù)研究將重點(diǎn)放在變異的HFS問題上，如允許工件動態(tài)到達(dá)，階段間緩沖區(qū)有限等。
混合流水車間問題在大多數(shù)情況下是NP難問題。比如說，被限制在兩階段調(diào)度的混合流水車間，一個階段中含有兩臺機(jī)器并且另一個階段含有一臺單機(jī)的問題模型都是NP難的，這可以從Gupta的研究結(jié)果中得出。同樣的，Hoogeveen等人的研究結(jié)果顯示，即使 m=2，對在完工之前機(jī)器可以停止加工操作并重新在另一個時間段開始的HFS問題同樣是 NP難問題。此外，對于在每個階段只有一臺機(jī)器的特殊情況，即流水車間，和在一個階段內(nèi)含有多臺機(jī)器的并行機(jī)環(huán)境，都是NP難的。然而，對于有特殊屬性和優(yōu)先權(quán)關(guān)系的問題模型，可能是多項(xiàng)式可解。
本發(fā)明的問題模型涉及串行批處理、并行批處理和裝配等問題，這三種情況均屬于變異的HFS問題。目前已有研究在HFS問題中考慮了以上三類變異，本發(fā)明采用Vignier 的 方法，即采用三段編碼α I β I y來描述變異的HFS問題，其中α表示機(jī)器環(huán)境，β描述詳細(xì)的特點(diǎn)和約束，Y為問題目標(biāo)。
串行批處理導(dǎo)致HFS問題產(chǎn)生變異的原因主要是需要考慮準(zhǔn)備時間。Kim等考慮了 FH2，( (PM(k)) ^12) I batch, Ssd | Cfflax的問題模型，即含有兩階段，每個階段是并行機(jī)，含有批處理和依賴于作業(yè)順序的準(zhǔn)備時間，以最小化最大完工時間為目標(biāo)，這樣的一個兩階段間的傳輸分批HFS問題，并分別針對帶有獨(dú)立和非獨(dú)立準(zhǔn)備時間的情況提出了類似于約翰遜規(guī)則(Johnson’s Rule)的調(diào)度規(guī)則。Hua Xuan等考慮了形如 FHm, ((ΡΜω, PM )) | batch(m) | F的HFS問題，即有m個階段，第一階段和第二階段是相同的并行機(jī)，每個階段都是批處理，目標(biāo)是最小化總流水時間的問題，并基于拉格朗日松弛法解決了該問題。
裝配成為HFS問題的變異是由于要在機(jī)加階段考慮不相關(guān)機(jī)器。CHUNG-YEELEE等最早在HFS問題中考慮了裝配問題，問題模型為FH2，((Ρ1ω,1(2))) | assembly(2) | Cmax，其中裝配工序位于第二階段，并在第一階段分別考慮了相同并行機(jī)和不相關(guān)機(jī)器，目標(biāo)是最小化最大完工時間，采用動態(tài)規(guī)劃(Dynamic Programming, DP)的啟發(fā)式方法解決了后向和前向流水車間這兩個問題。Dayid He等考慮了與CHUNG-YEE LEE類似的問題模型，采用兩步啟發(fā)式方法解決該問題。C S Sung等考慮了冊2，((2(1)，P2(2))) !assembly |F問題，其中第一個階段包含兩臺不相關(guān)機(jī)器分別加工不同的工件，他們基于改進(jìn)的最短路徑樹規(guī)則 (Shortest Path Tree,SPT)提出了一種分支界限的啟發(fā)式方法,這種被改進(jìn)的最短路徑樹規(guī)則考慮了空閑時間這一因素，起到了優(yōu)化下限的作用。
由于并行批處理不滿足機(jī)器唯一性約束(即一臺機(jī)器同一時刻只能加工I個工件)，所以成為變異的HFS問題。目前關(guān)于帶有并行批處理的變異HFS問題的研究還很少。 Bellanger 和 Oulamara 在一個冊2，冊2，( (PM(1), PM(2))) | batch⑵ | Cniax 問題中在第二階段考慮了并行批處理，并提出了最大處理時間(LargestProcessingTime, LPT)、最大批處理時間(Largest Batching Processing Time,LBPT)和基于約翰遜規(guī)則(Johnson，s Rule)的三種啟發(fā)式方法。Reza和Ali考慮了 FHm，((RM(k))mk=i) I batch | Cmax，即在多個階段下含有統(tǒng)一機(jī)器的并行批處理問題，以最小化最大完工時間為目標(biāo)。他們提出了基于約翰遜規(guī)則 (Johnson，sRule)、并行機(jī)調(diào)度策略和約束理論(Theory of Constrains,TOC)的三種啟發(fā)式算法，并利用三維的遺傳算法(Three dimensional Genetic Algorithm, 3DGA)對解決方案進(jìn)行了改進(jìn)。
實(shí)際問題往往比上述單變異情況要復(fù)雜，近年來已經(jīng)有越來越多的研究考慮更復(fù)雜的多重變異。Yu Liu 等考慮了形如 FHm, ((RM(k))mk = 1) | batch, no-wait，Ssd| several 的問題，即有m個階段，每階段是不相關(guān)的機(jī)器、并行分批、無緩沖區(qū)、考慮依賴于作業(yè)順序的5準(zhǔn)備時間，含有多目標(biāo)的問題，并提出一種基于數(shù)學(xué)規(guī)劃的方法。A. Alfieri考慮了形如 FHm, ((RM(k))mk=1) Ssd, reentry, batch several的問題，即有m個階段，每階段是不相關(guān)的并行機(jī)，考慮依賴于作業(yè)順序的準(zhǔn)備時間、可重入、包含批處理的多目標(biāo)流水調(diào)度問題，提出了基于禁忌搜索的啟發(fā)式算法，并用分離的事件模擬處理時間因素。Shanling Li考慮了形如冊2，(1(1)，PM )) I batch，Ssd, SPlitlCfflax的問題，即有兩個階段，第一個階段只有一臺機(jī)器，第二個階段是相同并行機(jī)的批處理，考慮依賴于作業(yè)順序的準(zhǔn)備時間、工件族允許分批，目標(biāo)是最小化最大完工時間。文中使用了兩種申請策略，一種是傳統(tǒng)的前向啟發(fā)式， 另一種是非傳統(tǒng)的后向啟發(fā)式，并運(yùn)用有效的排序規(guī)則去進(jìn)一步提高算法效率。Quadt和 Kuhn考慮了形如FHm，( (RMw)mk = υ | batch，skip | RCost丨的問題，即有m個階段，每階段是不相關(guān)的并行機(jī)，包含批處理、階段可跳過，以平均流水時間和花費(fèi)為目標(biāo)，使用了整體分析和分解分析的方法解決了這個問題。
另外在作業(yè)車間(job shop)環(huán)境下，也能夠發(fā)現(xiàn)關(guān)于多階段調(diào)度問題的研究。 He等以最小化最大完工時間為目標(biāo)，研究多臺機(jī)加設(shè)備和一臺裝配設(shè)備的混合調(diào)度，提出兩種啟發(fā)式算法，分別在簡單和復(fù)雜的產(chǎn)品結(jié)構(gòu)下提供最優(yōu)解或次優(yōu)解。Ham等人對于含有通用機(jī)器的多級作業(yè)車間問題進(jìn)行了研究，首次建立了二進(jìn)制整數(shù)規(guī)劃模型(Binary Integer Programming, BIP),在這個模型的基礎(chǔ)上,他們提出了一種實(shí)時調(diào)度的啟發(fā)式算法，解決了最小化最大完工時間的目標(biāo)。Chang等人用蟻群優(yōu)化算法解決了含有并行機(jī)的多級作業(yè)車間并行調(diào)度問題，考慮了多個調(diào)度目標(biāo)，還參考了市場標(biāo)準(zhǔn)，他們將蟻群優(yōu)化算法和遺傳算法做了對比，發(fā)現(xiàn)蟻群算法具有更優(yōu)的性能。
無論是在HFS環(huán)境下還是作業(yè)車間環(huán)境下，上述研究的問題模型都相對簡單，同時考慮并行批處理、準(zhǔn)備時間和裝配的研究還很少。而在實(shí)際生產(chǎn)中，例如在車輛傳動裝置的生產(chǎn)中，同時涉及這三種情況的零件占總數(shù)達(dá)三分之一以上，而現(xiàn)有技術(shù)中還沒有同時考慮并行批處理、準(zhǔn)備時間和裝配三類變異的HFS問題有效解決方法。發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，在包含并行批處理、串行批處理和裝配的混合流水車間找到高效可行的調(diào)度方法，以保證熱處理爐利用率的最小化最大完工時間為目標(biāo)，通過給各工件分批并使用遺傳算法，來找到混合流水車間調(diào)度的最優(yōu)解。
本發(fā)明采用遺傳算法對調(diào)度解進(jìn)行優(yōu)化,遺傳算法(Genetic Algorithm, GA)是一種通過模擬達(dá)爾文的自然進(jìn)化過程來搜索最優(yōu)解的元啟發(fā)式算法，最初由美國的J. Hol land教授于1975年提出。因其具有較好的全局尋優(yōu)能力、可以自適應(yīng)地調(diào)整搜索方向，在組合優(yōu)化領(lǐng)域廣泛適用。
遺傳算法的基本組成成分包括染色體的編碼方法、適應(yīng)度函數(shù)和遺傳操作。
染色體的編碼方法是遺傳算法的核心問題，它對應(yīng)于將問題的解表示為染色體。 編碼是將問題解的原始表示方式轉(zhuǎn)換成位串形式的染色體，染色體的每一位是一個基因， 代表一個特性的選擇。
適應(yīng)度函數(shù)是用來描述生物個體適應(yīng)性的函數(shù)。根據(jù)問題解與實(shí)際的接近程度的不同，用數(shù)值的形式確定染色體的優(yōu)劣，該函數(shù)通常與目標(biāo)函數(shù)相關(guān)。
遺傳操作包括選擇、交叉和變異。選擇是一個優(yōu)勝劣汰的過程，其目的在于把優(yōu)化的個體直接遺傳或作為父代遺傳給下一代。一般有排名、輪盤賭和錦標(biāo)賽三種選擇方法 ’交叉通過基因重組的方法來擴(kuò)大種群的多樣性，有實(shí)值重組和交叉等形式；變異操作除了能夠擴(kuò)大種群的多樣性，還使算法具有局部搜索的能力，從而加速問題的收斂程度。變異操作也有實(shí)值變異和交叉兩種變異方法。
遺傳算法的順序是先對問題進(jìn)行編碼，在產(chǎn)生初始群體之后根據(jù)適應(yīng)度函數(shù)選擇父代染色體，將選擇的父代染色體進(jìn)行交叉操作得到子代染色體，子代染色體通過變異操作完成一次迭代，循環(huán)進(jìn)行從計(jì)算個體適應(yīng)度到變異的操作，在達(dá)到最大迭代次數(shù)時終止。如圖8遺傳算法部分所示。本發(fā)明適用于以下生產(chǎn)制造環(huán)境
(I)生產(chǎn)環(huán)境為多階段混合流水車間，第一個階段為并行批處理階段，由多臺相同的并行機(jī)組成，包含一道熱處理工序；中間的若干階段為機(jī)加階段，由不相關(guān)的機(jī)器組成， 具有作業(yè)車間的特點(diǎn)；最后一個階段為裝配階段，由多臺相同的并行機(jī)組成，包含一道裝配工序；
(2)工件由多個工件族組成，每個工件族有多種工件，只有相同的工件族才能在一起組批；每種工件在機(jī)加的每個階段有不同的可加工機(jī)器，對于機(jī)加的任意一個階段，工件只能在可加工機(jī)器的范圍內(nèi)選擇其一進(jìn)行加工；進(jìn)行裝配的工件既可以來自相同的工件族也可以來自不同的工件族；
(3)所有工件在零時可用，在熱處理之前對工件進(jìn)行靜態(tài)分批，分好批次后再進(jìn)行熱處理、機(jī)加、裝配操作，調(diào)度是在動態(tài)中實(shí)現(xiàn)的；
(4)工件在階段或機(jī)器間的轉(zhuǎn)移時間忽略不計(jì)；由于工件族的不同，在機(jī)加和裝配階段都要考慮串行分批以減少準(zhǔn)備時間的開銷；同一臺機(jī)器的相鄰兩批工件若不屬于同一工件族則引起切換；每一個階段均有獨(dú)立的準(zhǔn)備時間即切換時間，與工件族順序無關(guān)；
(5)階段間的緩沖區(qū)大小不限，沒有搶占，不可重入；
本發(fā)明的問題可以歸納為
FHm, (PM(1), (RM(k))m_1k = 2)，PMw) batch, assembly, Mj | Cmax
即含有m個階段，第一階段和第m階段是多臺并行機(jī)，第二到m_l階段是不相關(guān)機(jī)器，第一個階段是批處理，第二到m-Ι個階段是機(jī)加，第m個階段是裝配，以最小化最大完工時間為目標(biāo)。形式化為如圖I所示。
本發(fā)明的目標(biāo)為在保證熱處理爐利用率的前提下最小化最大完工時間。針對符合以上特點(diǎn)的生產(chǎn)制造環(huán)節(jié)。為更好的說明本發(fā)明的生產(chǎn)調(diào)度過程，定義如表I所示的符號變量和表2所示的問題約束
表I符號變量
權(quán)利要求
1.一種混合流水車間調(diào)度方法，包括以下步驟 第I步將部件按照所需工件所在工件族的不同進(jìn)行分類，形成多個部件集； 第2步選擇一個未掃描的部件集；若所有部件集已掃描，則結(jié)束分批，轉(zhuǎn)第6步開始編碼； 第3步為該部件集創(chuàng)建新的批次，批次數(shù)為包含的工件族數(shù)；批次的容量即熱處理爐的容量；同一個部件集中的部件分為多個組，每個組包含滿足某種裝配關(guān)系的最少數(shù)量的工件； 第4步若在該部件集中還有工件未分批，則選擇放入各批后剩余容量平均差值最小的一組工件，將該組工件放入相應(yīng)的批次中，并從部件集中刪除該組工件；循環(huán)執(zhí)行此步驟，直到剩余的任何工件組都無法同時滿足每個批次的容量限制；如果所有部件均已分批，標(biāo)記該部件集為已掃描，轉(zhuǎn)第2步； 第5步若還有工件未分批且沒有工件組可以同時滿足每個批次的容量限制，則鎖定這些批，轉(zhuǎn)第3步。
第6步在分批之后，為每個批次和所有機(jī)器編號，并為每個階段編碼，每個階段均包含兩段染色體，第一段染色體為批次號，第二段染色體為批次對應(yīng)的機(jī)器編號；對于裝配階段，將可裝配的若干批次視為一個批次集，并使用分隔符分隔相鄰批次集，在進(jìn)行后續(xù)操作時將批次集視為一個整體考慮；所有階段的編碼按照階段順序組合在一起便構(gòu)成了整體的染色體編碼組； 第7步用戶設(shè)置種群數(shù)量，然后在滿足機(jī)器限制的條件下隨機(jī)生成染色體，生成的數(shù)量與種群數(shù)量相同； 第8步選擇進(jìn)行選擇操作要遍歷種群中的每一個染色體，計(jì)算每個染色體rk相應(yīng)的完工時間J (rk)，然后計(jì)算得到染色體的適值即所有染色體J (rk)的最大值減去當(dāng)前染色體J(rk)得到的差值；染色體的選擇采用概率選擇法，用線性排序的方法來確定個體被選中的概率，在計(jì)算每個個體的適應(yīng)度值后，根據(jù)適應(yīng)度值對群體中的個體按從大到小的順序進(jìn)行排序，然后根據(jù)排序得到被選中的概率，第i個個體被選中的概率和其適值成正比，染色體被選擇的概率為 2(N - i + I)Pi " N (N + I) 其中i=l，2，…，N，N為種群的大小，i為染色體在適值排序中的序號； 每代選出N個染色體，首先按照之前排序的順序選出排在第一和第二位的兩個染色體作為優(yōu)質(zhì)染色體直接保留到下一代，然后對剩下的染色體按照輪盤賭的方法選出其余N-2個染色體； 第9步交叉對選出的N個染色體兩兩進(jìn)行交叉操作，一次交叉操作的步驟如下Step I :用戶設(shè)置交叉概率，產(chǎn)生一個隨機(jī)數(shù)，若小于交叉概率則轉(zhuǎn)St印2，否則不進(jìn)行交叉操作； Step 2 :在每個階段的批調(diào)度順序染色體中分別隨機(jī)選擇兩個不同的點(diǎn)，在裝配階段只能選擇起止點(diǎn)和分割符； Step 3 :交換兩個父代染色體中選中的基因塊，產(chǎn)生兩個子代； Step 4 :找出缺少和重復(fù)的基因值；Step 5 :根據(jù)映射關(guān)系修正兩個子代染色體，將重復(fù)的基因值換成缺少的基因值； Step 6 :在St印5產(chǎn)生的兩個子代染色體每個階段的機(jī)器順序染色體中分別隨機(jī)選擇兩個不同的點(diǎn)，交換選中的基因塊，產(chǎn)生兩個新的子代； 第10步用戶設(shè)置變異概率，對第9步產(chǎn)生的每個染色體執(zhí)行變異操作產(chǎn)生一個隨機(jī)數(shù)，當(dāng)產(chǎn)生的隨機(jī)數(shù)小于變異概率時對一個父代染色體每段批調(diào)度順序染色體進(jìn)行兩點(diǎn)變異，即隨機(jī)指定兩個位置并互換對應(yīng)位置染色體；對每段機(jī)器順序染色體進(jìn)行單點(diǎn)變異，通過隨機(jī)指定一個位置并在滿足機(jī)加階段機(jī)器約束的條件下將該值換為隨機(jī)數(shù)； 第11步由于機(jī)加階段存在機(jī)器約束，工件只能在階段內(nèi)的某些機(jī)器上進(jìn)行加工，并非所有機(jī)器均可加工，因此在進(jìn)行交叉和變異操作時，會產(chǎn)生機(jī)器和工件不相符的染色體，有必要對這種染色體進(jìn)行修復(fù)，采用的修復(fù)策略是找到不符合機(jī)器限制的染色體，并找出具體的位置，之后任意選出一個符合機(jī)器限制的機(jī)器號，并用這個選中的數(shù)字替換原來的數(shù)字； 第12步判斷是否超過最大迭代次數(shù)，規(guī)模越大迭代次數(shù)越大；若沒有超過，轉(zhuǎn)第8步，若超過，結(jié)束，輸出最后一代的最優(yōu)解，根據(jù)最優(yōu)解確定組批和調(diào)度策略。
2.根據(jù)權(quán)利要求I所述的一種混合流水車間調(diào)度方法，其特征在于，在第12步中，若沒有超過最大迭代次數(shù)，將新一代染色體中的最小完工時間與父代中的最小完工時間進(jìn)行比較，如果完工時間的差值小于1%，則結(jié)束迭代。
全文摘要
本發(fā)明涉及一種混合流水車間調(diào)度方法，包括以下步驟將部件按照所需工件所在工件族的不同分成多個部件集；為每個部件集創(chuàng)建新的批次并根據(jù)熱處理爐的容量組批；在分批之后，為每個批次和所有機(jī)器編號，并為每個階段編碼，每個階段均包含兩段染色體，第一段染色體為批次號，第二段染色體為批次對應(yīng)的機(jī)器編號；用戶在滿足機(jī)器限制的條件下隨機(jī)生成染色體；選出N個染色體，對選出的N個染色體兩兩進(jìn)行交叉操作，并對產(chǎn)生的每個染色體執(zhí)行變異操作，之后對染色體進(jìn)行修復(fù)；重復(fù)選擇、交叉、變異、修復(fù)的步驟直至達(dá)到最大迭代次數(shù)。本發(fā)明能夠處理存在裝配對并行批處理階段分批影響的混合流水車間問題，并能保證算法運(yùn)行效率。
文檔編號G05B19/418GK102929263SQ20121046605
公開日2013年2月13日 申請日期2012年11月16日 優(yōu)先權(quán)日2012年11月16日
發(fā)明者李冬妮, 趙俊清, 賈鵬程, 杜劭峰, 耿朝勇, 高培軍, 臧磊, 劉文忠, 王強(qiáng), 王艷麗 申請人:北京理工大學(xué)