[发明专利]基于学习效应的多目标双柔性作业车间调度方法及系统

说明书

本发明提供基于学习效应的多目标双柔性作业车间调度方法及系统，涉及双柔性作业车间调度技术领域。本发明以最大完工时间和线边库存时间的组合加权函数作为目标函数构建多目标双柔性作业车间调度模型时，考虑的目标函数的约束条件里包括加工时间约束和准备时间约束，并且为了更准确表示出这两种约束，进一步选择两种不同的学习效应模型对这两种约束分别进行处理；最后基于处理后的这两种约束优化多目标双柔性作业车间调度模型，并对优化后的模型进行求解以获得模型最优解，即可根据模型最优解绘制多目标双柔性作业车间调度的甘特图，以实现生产调度。本发明的技术方案更加贴近车间的真实生产情况，相比于现有技术其调度结果更加合理、准确。

技术领域

本发明涉及双柔性作业车间调度技术领域，具体涉及一种基于学习效应的多目标双柔性作业车间调度方法及系统。

背景技术

双柔性作业车间调度问题(Dual Flexible Job-Shop Scheduling Problem，DFJSP)是指在传统的柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem，FJSP)只考虑加工设备的柔性基础上，考虑了带资源约束的运输时间这一单辅助时间后，由于运输机器的性能差异，使得工件在不同的运输机器上运输时所消耗的运输时间不尽相同，工件需要选择合适的运输机器和确定在运输机器上的运输顺序称之为双柔性作业车间调度问题。该问题的研究是企业生产实现高效率、高质量、高柔性、低成本的关键，也是该领域亟需解决的问题。

在双柔性作业车间中，加工操作(待加工的多个工件需要在多台加工设备上安排加工的操作)和准备操作(不同加工工序在相同的加工设备上生产时调整加工设备的参数设置或者是更换模具的操作)是非常常见的。但是在以往研究中会默认将准备操作时间视作加工时间内，以忽略准备时间对于双柔性作业的影响；同时，在加工操作过程中，默认不同阶段的加工时间是完全相同的。

然而，在实际生产中，随着工人重复性工作、熟练程度越来越高，与机器的协同程度逐步提高，工件的加工时间是会逐渐降低的；另外，准备时间往往是实际加工前的辅助性时间，其与加工时间具备不一样的特点和性质，现有技术将两者完全等价实为不妥。现有技术在未考虑实际加工操作和实际准备操作的前提下就草率地对双柔性作业车间进行调度，其调度结果必然是不精准、不贴合真实情况的，这样的求解结果无法为企业的生产提供准确的参考。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于学习效应的多目标双柔性作业车间调度方法及系统，解决了现有技术因未考虑实际加工操作和实际准备操作而导致双柔性作业车间调度结果不准确的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，本发明首先提出了一种基于学习效应的多目标双柔性作业车间调度方法，所述方法包括：

构建多目标双柔性作业车间调度模型；所述多目标双柔性作业车间调度模型包括目标函数和约束条件；所述目标函数为最大完工时间和线边库存时间的组合加权函数；所述约束条件包括加工时间约束和准备时间约束；

基于工件位置相关和考虑工件相似度的学习效应模型求解所述加工时间约束获取求解后的加工时间约束；基于连续指数递增学习效应模型求解所述准备时间约束获取求解后的准备时间约束；基于求解后的加工时间约束和求解后的准备时间约束优化多目标双柔性作业车间调度模型；

求解优化后的所述多目标双柔性作业车间调度模型以获取模型的最优解，并基于所述最优解绘制多目标双柔性作业车间调度的甘特图。

优选的，所述组合加权函数包括：

minZ＝ω₁C^max+ω₂C^edge