[发明专利]一种生产排产调度优化方法

说明书

技术领域

本发明涉及一种生成排产、智能优化、计算机应用领域，尤其涉及的是，一种生产排产调度优化方法。

背景技术

在过去的几十年中，生产制造业及相关产业发生了显著的改变，主要的变化体现在生产规模的巨大化和生产过程的连续化。如何在原料供应和生产需求发生改变的情况下，充分利用现有资源以合理组织生产和经营，是研究调度问题的主要目的。生产调度问题就是按照时间分配资源来完成任务的问题，在理论研究中通常被看作是排序问题或资源分配问题，是一个决策过程。具体而言，生产排产是把有限的资源定义为车间里的机器，其求解目标可以定义为在满足工艺约束的条件下，将每个工序按顺序安排到指定的机器上进行加工，使得整个生产过程能够达到事先定义好的目标方案。

生产排产是一个复杂的问题，其具有随机性、离散性、复杂性、多目标性和多约束性等特点。传统方法只进行简单常规的计划和仅凭经验的排产，不仅耗费时间长而且很难达到最优的调度效果，浪费生产资源，增加企业成本，而且无法全程监控和跟踪整个生产过程，以及实时地查看车间工作状况，当出现异常情况时不能及时准确地修正作业计划。因此在当前规模巨大、环境复杂的生产制造系统中，以人为经验决定调度和计划策略的方法会逐渐退出企业的发展模式，取而代之的是对更多智能算法的深入研究，以求使其能更加快速、准确地应用到实际复杂的生产排产问题中。

目前已有的排产算法大致可以分为精确算法和启发式算法。精确算法主要是指数学规划方法，包含分枝定界法和动态规划法等方法，其主要优点是能在理论上得到精确的最优解，但其计算量将随着问题规模的增大而急剧增大，因此一般适用于规模较小的排产问题，难以在实际的企业生产中得到广泛的应用。启发式算法则能在可接受的时间内，求得问题的次优解，且这些次优解的质量能较好的满足实际排产问题的要求。差分进化算法(DE)这种基于种群智能的优化算法，通过模拟生态自然机制，采用了种群个体间的差分信息生成适应性更好的新种群，以此寻求全局最优解，其具有控制参数少、原理相对简单、易于理解和实现的特点，以及可靠性高、鲁棒性强、优化性能良好等优点，在生产排产问题的优化上，DE算法具有较大的应用潜力。

虽然近年来越来越多的启发式算法被应用于生产排产的调度问题中，但由于排产调度问题的控制变量较多、规模巨大、变化较灵活，导致理论研究和实践问题存在较大差异，无法简单地把理论模型应用到实践问题中。同样，DE算法主要解决的是连续优化问题，而实际生产中的排产则是离散问题，无法直接求解。

因此，通过对DE算法的理论和生产排产模型的研究分析，发现对于排产调度问题，目前的DE算法在编码、解码方面存在缺陷，需要改进。

发明内容

为了克服现有的生产排产控制方式的效率较差、有效性较低的不足，为了将DE算法应用于实际的排产调度问题中，需要对DE算法进行相应的改造以适应离散的生产排产问题，本发明提供一种生产排产调度优化方法，针对生产排产问题，根据排产模型与DE算法的特点，设计一套相适应的编解码方案，使得DE算法能够快速有效地求解出最佳排产方案，并绘制甘特图以方便生产人员的作业。

本发明解决其技术问题所采用的技术方案是：

一种生产排产调度优化方法，所述优化方法包括以下步骤：

1)模型建立：生产排产问题的求解是在满足工艺约束的条件下，确定每台机器上工序的加工顺序以及加工起终时间，以最大完成时间最小为目标建立目标函数：

约束条件：

i、j表示工件号，k、r表示机器号，F_ir和W_ir分别表示第i个工件在r台机器上的完成时间和加工时间；M＞0足够大；a_ikr约束机器的加工顺序，表明若机器k在机器r之前对工件i进行加工，则a_ikr取1，反之取0；b_ijr约束工序的加工顺序，表明若工件i在工件j之前在机器r上进行加工，则b_ijr取1，反之取0；

2)编码：

2.1)采用基于工序的编码方法，将排产编码为所有工序的一个排序序列；