[发明专利]一种基于扰动预测的优化排产方法和系统

权利要求书

1.一种基于扰动预测的优化排产方法，其特征在于，包括以下步骤：

S1：构建分拼线缓存不爆炸和主线生产不断线的概率模型；

S2：基于归一算法，对产线排产进行优化；

S3：根据相邻两个生产序列之间不同的等待时间重复S2，得到等待时间和分拼线上的实际生产数量的组合，从而进行全局优化；

所述步骤S1中的构建分拼线缓存不爆炸和主线生产不断线的概率模型包括以下步骤：

S11：收集历史数据，模拟已知单位时间T内生产零件的数量n的概率分布p(n)、分拼抽检概率p(a_j)、分拼放回概率p(b_j)、主线抽检概率p(a₀)以及主线放回概率p(b₀)；并模拟出来任一t时刻，主线序列j类型车的生产数量D_j(T₀，t)，T₀表示上一个生产序列的分拼线生产完成的时间；

S12：模拟出步骤S11中的抽检和放回的情况下，t时刻分拼线上的实际生产数量Q_j，从而模拟出t时刻分拼线上生产的零件缓存区域的数量B_j(t)；

S13：结合步骤S12，模拟计算出主线生产不断线概率p₁和缓存区不爆炸概率p₂，来进行产线排产的优化；

所述步骤S13中主线生产不断线的概率为p₁＝p_r{max[D_j(T₀,t)-B_j(t)]≤δ}，即主线生产不断线的数学模型；

缓存区不爆炸的概率为p₂＝p_r{max∑_j[B_j(t)-D_j(T₀,t)]≤Z}，即缓存区不爆炸的数学模型；其中，“δ”和“Z”为根据不同的主线生产序列，人为设定的不同的值，且Z为最高缓存零件数量；

所述步骤S2为：定义p＝p₁×α₁+p₂×α₂+α₃×Q_j，设置不同的δ值，搜索出最大的p以及对应的Q_j；此处α1、α2、α3是归一化所设置的参数；

所述步骤S3为：需要获取每个分拼线上的工位信息，得到分拼线上生产下一个序列的首工位信息，该首工位上完料的时刻即表示上一个生产序列结束的时刻，根据该信息人为设定一个等待时间T_wait后，再向生产线发命令，生产线根据命令进行下个序列的生产；根据不同的等待时间重复计算p＝p₁×α₁+p₂×α₂+α₃×Q_j，得到等待时间T_wait和生产数量Q_j的组合，从而进行全局优化。

2.根据权利要求1所述的方法，其特征在于：步骤S11中收集的数据包括生产节拍的历史数据和工厂内单位时间的历史抽检和放回的数量，根据所述生产节拍的历史数据模拟生产节拍分布。

3.根据权利要求2所述的方法，其特征在于：所述生产节拍分布符合正态分布N(μ，σ²)，其中均值为μ，波动率为σ；已知的单位时间T内，生产零件的数量n的概率是p(n|μ,σ)，根据概率的公式推导可得其中参数k为积分的中间变量。

4.根据权利要求2所述的方法，其特征在于：步骤S11中的所述抽检的数量在单位时间内满足泊松分布所述放回的数量同样满足泊松分布分拼抽检概率是分拼放回概率是其中j表示不同种类车型，a_j和b_j分别为分拼线上抽检数量和放回数量，λ_j和θ_j为参数；主线抽检概率是主线放回概率是其中a₀和b₀分别为主线上的抽检数量和放回数量，λ₀和θ₀为参数；此处的参数的计算通过极大似然法求解。