[发明专利]一种基于混合萤火虫算法的全流程排产与优化方法

说明书

本发明公开了一种基于混合萤火虫算法的全流程排产与优化方法，包括以下步骤：S1：收集生产数据，所述的生产数据包括销售订单、产品数据、工艺流程、每个分厂的库存数据、每个分厂的设备能力和每个分厂的停机数据；S2：通过生产数据制定生产计划；S3：设置约束模型，所述的约束模型用于对生产计划进行调整；S4：利用混合萤火虫算法对约束模型进行求解，得到在约束模型下关于生产计划的最优解；S5：根据生产计划的最优解更新生产计划，并执行更新后的生产计划。本发明提高了生产计划编制的效率；基于萤火虫算法的仿生智能算法用于优化模型实现简易，具有较强的全局搜索能力，收敛速度快，解的精度高，提高了铝合金生产线上设备整体利用率。

技术领域

本发明涉及生产线的排产与优化方法领域，更具体地，涉及一种基于混合萤火虫算法的全流程排产与优化方法。

背景技术

随着市场环境的动态变化，铝合金产品生产需求的随机性和不确定性是必然的，其大多数订单呈现多品种、小批量等特点，使得铝加工企业在一个计划周期内对多达几十种产品进行提料与排产，这对铝加工企业生产部门的计划制定提出了很高的要求。目前，多数铝加工生产企业管理与排产的智能化程度不高，生产计划完全由人工编制，排产质量依赖于排产人员的经验，缺乏准确性与科学性；排产人员在编制计划时既要考虑新接订单的提料又要顾及消化车间余料，还要考虑提高设备利用率、降低生产能耗，特别是针对具有熔铸-热轧-冷轧的全流程铝加工企业，多个车间之间的提料与编制计划通过例会、口头传达等形式，费时费力，成本高。人工提料与编制计划的效率与质量严重制约企业管理水平的提高。

优化生产计划是生产管理中的关键部分。传统的运筹学方法虽然从理论上能求得最优解，但计算需耗费大量时间，且要求条件较多，在实际问题上难以应用。基于规则的启发式算法具有简单高效、实时性强和灵活多变等优点，但它在大规模问题上解的质量不高，并且结果对生产条件和特殊要求较为依赖，难以得到全局优化结果。基于生物智能的启发式进化算法不依赖于目标函数的梯度信息，适合于处理传统搜索方法解决不了的复杂问题和非线性问题，具有较快的收敛速度和较高的求解精度。混合萤火虫算法是一种优化效果较好的仿生智能算法，能够根据问题的维度和变量范围动态变化，调节距离缩放比例以使吸引因子一直保持在合理的范围内；对随机因子，采取了线性下降的方式，在算法的初期，较大的随机因子保证其全局探索能力，算法的后期，较小的随机扰动保证算法的局部开发能力和收敛性,具备较好的寻优性能，在解决大规模优化问题上有很好的应用前景。如何应用混合萤火虫算法求解实际的生产计划问题具有重要的应用价值。

发明内容

本发明克服了传统的运筹学方法的技术缺陷，提供了一种新的基于混合萤火虫算法的全流程排产与优化方法。本发明使各个生产分厂间的排产能够自动化，提高了生产计划编制的效率；基于萤火虫算法的仿生智能算法用于优化模型实现简易，具有较强的全局搜索能力，收敛速度快，解的精度高，提高了铝合金生产线上设备整体利用率。

为解决上述技术问题，本发明的技术方案如下：

一种基于混合萤火虫算法的全流程排产与优化方法，包括以下步骤：

S1：收集生产数据，所述的生产数据包括销售订单、产品数据、工艺流程、每个分厂的库存数据、每个分厂的设备能力和每个分厂的停机数据；

S2：通过生产数据制定生产计划；

S3：设置约束模型，所述的约束模型用于对生产计划进行调整；

S4：利用混合萤火虫算法对约束模型进行求解，得到在约束模型下关于生产计划的最优解；

S5：根据生产计划的最优解更新生产计划，并执行更新后的生产计划。

在一种优选的方案中，所述的S2包括如下流程：

S2.1：删除的所有销售订单下所有计划状态的生产订单，并释放对应的库存分配；

S2.2：对当前分厂进行初始化设置；