[发明专利]大规模生产过程一种基于迭代式分解和流松驰的调度方法

说明书

技术领域

本发明属于自动控制、信息技术和先进制造领域，针对以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，公开了一种基于迭代式分解和流松弛的调度方法。

背景技术

生产过程优化调度是提高制造企业生产管理和控制水平的重要手段，其目的是在满足各类资源约束和工艺约束的条件下，通过合理安排各加工任务(工件)在各机器前的加工顺序，使某项或多项生产指标达到最优。生产过程调度水平的提高对企业缩短制造周期、提高机器利用率、降低生产成本，进而提高企业生产效率、经济效益和市场竞争力均具有重要作用。目前，常见的生产过程调度方法包括启发式方法、运筹学方法、软计算方法和人工智能方法等。但由于实际生产过程调度涉及的工件和操作数量多(工件达数百至上千个，操作达数千至上万个)，且生产约束较为复杂，已有方法在实际大规模生产过程调度中的应用效果不够理想。

在实际微电子、机械等行业大型制造企业中，其生产任务(工件)常具有可分类特性，即在一次调度过程中，所有工件可根据工艺路径及相应操作的加工时间的不同划分为若干类，同类工件具有较大的相似性，且同类工件数量较多。同时，最小化制造周期是上述企业常见的调度目标。本发明即是针对该类以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，提供一种基于迭代式分解和流松弛的调度方法。在上述行业大中型企业以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程中应用本调度方法，可有效缩短制造周期、提高生产效率。

另一方面，目前上述行业大多企业均已实施了MES、ERP等系统，已具备采集订单、工艺、进度、设备等信息的基础条件，这为实施本发明提供了可能。

发明内容

本发明针对以最小化制造周期为调度目标、工件具有可分类特征的大规模生产过程，公开了一种基于迭代式分解和流松弛的调度方法。该方法通过迭代式分解机制把大规模调度问题动态分解为多个阶段进行求解(每个阶段对应一个规模较小的调度子问题)，并在求解每个阶段对应的调度子问题前，首先采用一种基于MD(Macro Distance)距离的工件聚类算法对所有待调度工件进行聚类，在此基础上，基于流松弛手段构建当前阶段调度子问题的全局调度指标预测模型，其可实现对当前调度子问题解全局性能的快速评价，进而，将上述预测模型应用于当前调度子问题的求解过程中，以提高求解效果。

该调度方法的基本流程如图1所示，具体实现步骤说明如下：

步骤(1)：初始化，设定如下基本变量：

工件集合J：n个工件

机器集合M：所有机器共分为K个机器组，记为其中机器组G_k中的机器数为m_k，分别为同时，M＝G₁∪G_k∪…∪G_K；

工件J_i需经过n_i个机器组的加工，其工艺路径R_i记为：

其中J_i在机器组上加工的操作记为O_i，k，其加工时间为p_i，k；所有操作的集合记为O；

步骤(2)：采集包括上述工件个数、机器组个数、各机器组中的机器个数、各工件的工艺路径、各操作的加工时间在内的调度相关信息并存储至调度数据库中；

步骤(3)：从上述调度数据库中读取包括工件个数、机器组个数、各机器组中的机器个数、各工件的工艺路径、各操作的加工时间在内的调度相关信息，建立生产过程调度模型(，该问题简称为“原调度问题”，所建立的调度模型可表示为如下形式：

其中，C_i为工件J_i的预计完工时间；st_i，k为操作O_i，k的预计开始加工时间；A_i为工件J_i工艺路径上所有相邻操作对的集合；E_k，l为在机器g_k，l上待加工的所有操作对的集合；

步骤(4)：基于时间分解机制将原调度问题迭代地分解为多个阶段进行求解，并在每个求解阶段，首先基于工件聚类和流松弛手段建立全局调度指标预测模型，该预测模型涉及工件加工进度特征指标预测和全局调度性能指标预测，然后，将该预测模型用于形成和求解当前阶段调度子问题过程中；该过程按如下步骤进行：