[发明专利]一种基于遗传算法的生产排程方法

说明书

本发明提供了一种基于遗传算法的生产排程方法，包括以下步骤：S1：通过数据分析后得到生产过程数据，将生产过程数据自动转化为标准算例格式；S2：将新的机器作为外协因素，获取其对应加工时间t，将外协的机器编号以及固定加工时间t加入数据，转化为标准算例格式后设置于编码模块中；S3：加入机器不可用时间，将停工时间设置于解码模块中；S4：将优化问题的解的参数形式转换成基因码串的表示形式形成染色体；S5：进行遗传算法，将编码后的种群输入遗传算法的求解模块中，得出最优解，将最优解带入遗传算法的解码模块中，得到调度甘特图以及排程计划表。

技术领域

本发明涉及生产管控领域，尤其涉及一种基于遗传算法的生产排程方法。

背景技术

近几年，随着高速互联网、大数据、云计算、人工智能等技术等迅猛发展，新的工业革命正在兴起，例如德国的工业4.0。德国工业4.0倡导依靠信息物理系统(Cyber PhysicalSystems)塑造智能工厂，进而实现智能制造，把部署的众多传感器利用通信技术与控制设备、软件系统连接在一起，进行智能化的过程控制和优化，最终实现生产的纵向集成、供应商和市场的横向协同，以不断提升企业的制造柔性。就中国范围来看，第四次工业革命的改变过程目前是处于初期、渐变演进阶段，在成熟的高速互联、大数据相关技术的支撑下，不同行业、不同企业都正在尝试从不同角度切入，进行适合自身需要的第四次变革。

在工业大数据的背景下，业内学者主张利用生产现场密布的传感器对温度、压力、投料、给风、供热、密度、透光度、用水、耗电等加工工程进行监控，进而对整个生产流程进行分析，向下监控工艺偏差，向上报告流程瓶颈。基于传感器细节数据，逐层汇总、还原整个生产流程各个环节的状态、工况和结果，通过虚拟生产的方式仿真生产流程，通过集成分析帮助企业优化生产流程。这些做法都是在多源数据融合的基础之上，通过把传统工业自动化技术、ERP系统与物联网、大数据技术、可视化技术等商业技术融合创新，使生产环境进一步优化创新转化为一种现实行动，使企业可以更好追求柔性生产与快速响应之间的最佳平衡，提高订单满足率和客户满意度。但随着越来越多的个性化订单成为常态，在大规模定制的场景下，往往由于冗长供应链上的一环缺失，由局部计划执行延迟放大成为整体制造执行延迟，原材料、在制品、产品在供应链上滞留，成本居高不下、按时交期屡屡无法达成，企业成本负担重、客户满意度低。

除此之外，车间生产调度是对车间生产过程进行作业计划，是生产制造业实现智能化、自动化、信息化的核心。车间调度问题复杂度高，与其他组合优化问题具有很强的相似性，大量车间调度问题属于NP-hard问题，考虑车间调度问题的复杂性，如果仅依赖调度人员的经验，采用手工方式进行生产调度，那么调度效率低、效果差，严重影响了企业的生产管理水平、自动化水平的提高，从而影响了企业的劳动生产率、机器利用率的提高，浪费了企业的人力、物力，影响企业竞争力的提高。有效的车间调度方法和优化技术的研究与应用，可提高企业的资源利用率和生产效益，因此，高效的车间调度算法是求解车间调度问题的核心和关键。

目前，基于调度规则的启发式算法、智能优化调度算法等在单机、并行机、流水车间、作业车间等典型的生产调度问题中得到广泛的应用。其中，遗传算法是一种非常有效的优化技术，已成功地应用于控制流、机器路径规划、经济学、机器学习等许多组合优化问题。它模拟了自然界遗传学的继承(基因遗传)、进化(基因突变)、优胜劣汰(优的基因大量被遗传复制、劣的基因较少被遗传复制)。即在自然界，优(适应环境能力强)的群种逐代繁衍，并逐步进化变异形成更优的群种，而劣的群种逐代退化，较少被繁衍，从而实现大自然的优胜劣汰。

但是遗传算法在应用中也存在一些问题，需要对遗传算法进行改进，减少遗传算法搜索的随机性、盲目性，增强其在局部较小空间的搜索能力，提高搜索到最优解的概率。

发明内容

针对现有技术中遗传算法存在的问题，本发明提供了一种基于遗传算法的生产排程方法，解决现有排程系统在面对更多复杂排程需求时，是否能在有效时间内求出最优解，并且能够根据实际生产中的不同需求以及不同约束，提供不同的排程算法以及策略。