一種流水車間重調度方法
【專利摘要】本發明提供一種流水車間重調度方法，屬于車間調度【技術領域】，包括實時獲取當前流水車間的突發事件、重調度工件、機器可用時刻和正加工工序完工時刻；針對不同突發事件對已開工工序和未開工工序進行分組；確定流水車間重調度目標及約束條件；采用遷徙鳥群優化方法生成流水車間重調度方案；將流水車間重調度方案下發到流水車間各工序進行重調度。本發明將遷徙鳥群算法用于流水車間重調度問題，考慮多種突發事件，保證在突發事件之間快速反應；采用插入或交換的鄰域搜索機制，有效確保重調度方案在兩個突發事件間及時處理；不斷傳遞搜索信息到后續遷徙鳥，不斷調換領頭鳥，可以確保調度方案的多樣性和穩定性。
【專利說明】一種流水車間重調度方法
【技術領域】
[0001]本發明屬于車間調度【技術領域】，具體涉及一種流水車間重調度方法。
【背景技術】
[0002]流水車間調度問題是一種車間調度問題，廣泛存在于各種生產過程中，如煉鋼連鑄、紡織加工等。目前，國內外學者針對流水車間調度的靜態調度問題已經開展了大量研究，取得了廣泛的研究成果并得以在生產實際中應用。然而，現實生產環境往往是不確定的，存在多種突發事件，如工件隨機到達、工件隨機撤銷、工件加工時間變化、設備隨機故障等。因而，流水車間重調度問題相對靜態調度問題更符合實際生產過程，已成為生產調度研究中的熱點之一，對于實際車間作業計劃與調度具有重要的應用價值。如何綜合考慮各種突發事件，科學地制訂流水車間調度方案，對于縮短產品加工周期和提高企業生產率起著至關重要的作用。
[0003]流水車間重調度技術的研究最初主要應用啟發式規則、整數規劃等方法。這些方法的特點是規則明了，容易實現，但由于實際生產過程中的不確定以及隨機因素太多，上述方法無法綜合考慮各種突發事件，與實際應用有較大差距。近年來，隨著計算智能方法的發展，許多智能優化方法被應用于求解流水車間調度問題中，如禁忌搜索、模擬退火、粒子群優化、遺傳算法、神經網絡、元啟發式算法、專家系統和多Agent技術等方法，上述算法往往或由于收斂能力不足，或由于無法求解大規模問題，或由于無法跳出局部最優等原因，而不能應用于求解綜合考慮多種突發事件的流水車間重調度問題。
[0004]遷徙鳥群算法(MigratingBirds Optimization, MB0)是 Duman 等于 2012 年提出的一種新的群智能算法，起初為了有效地解決二次指派等組合優化問題。其基本思想如下:
[0005](I)根據候鳥遷徙過程中采用“V”型隊列的飛行原理，MBO采用“V”型拓撲結構組織搜索過程中的一群個體(即問題的解)。
[0006](2)從初始種群出發，每個個體不但搜索自身的鄰域，而且可以從它前面的個體那兒得到有用信息。這樣，有用信息從“V”型頂點上的個體開始依次向后傳遞。
[0007](3)正如遷徙鳥群飛行一段時間后就要更換領頭鳥一樣，經過若干次搜索迭代，MBO更換排在“V”型頂點上的個體。信息從新的“V”型頂點開始向后傳遞。這樣就保證了群體的多樣性，防止MBO停滯不前，不斷地向全局優解方向逼近。通過有用信息的單向傳遞機制，使群體中好解的信息傳遞給其它解，就加快了 MBO的收斂速度。
[0008](4)MB0采用離散決策變量編碼，利用針對離散編碼的鄰域搜索機制和信息傳遞機制產生新解，這樣MBO就具有離散本質，更適合于組合優化問題的求解。Duman等的研究表明，針對二次指派問題，MBO算法得到了當前較好研究結果。
[0009]綜合考慮多種突發事件，包括工件隨機到達、工件隨機撤銷、工件加工時間變化、設備隨機故障等，結合煉鋼連鑄生產實際情況，設計基于遷徙鳥群優化算法的流水車間重調度方法能為準時化生產提供有價值的重調度方案，可充分發揮設備利用率，降低設備空 閑時間，防止工件溫度變化，提高生產能力，為實際車間生產計劃與調度提供決策依據。
【發明內容】
[0010]針對現有技術存在的問題，本發明提供一種流水車間重調度方法。
[0011]本發明的技術方案是:
[0012]一種流水車間重調度方法，包括以下步驟:
[0013]步驟1:實時獲取當前流水車間的突發事件、重調度工件、機器可用時刻和正加工工序完工時刻；
[0014]所述突發事件包括工件隨機到達、工件隨機撤銷、工件加工時間變化和設備隨機
故障；
[0015]所述重調度工件包括待加工工件和新插入工件；
[0016]所述機器可用時刻為重調度時刻的空閑機器可獲得時刻，或者忙碌機器/故障機器正加工工件的完工時刻；
[0017]所述正加工工序完工時刻為非故障機器的原計劃完工時刻或故障機器的重調度時刻；
[0018]步驟2:針對不同突發事件，對已開工工序和未開工工序進行分組:若突發事件為工件隨機到達，則保持已經在第一個機床上開工的工序的原調度順序，對未開工工序和新加入的工件執行步驟3 ;若突發事件為工件隨機撤銷，則保持已經在第一個機床上開工的工序的原調度順序，在刪除該撤銷工件后對未開工工序執行步驟3 ;若突發事件為工件加工時間變化，則計算受突發事件影響的正加工工序的完工時刻，執行步驟3 ;若突發事件為設備隨機故障，則計算受突發事件影響的機床的可用時刻，執行步驟3 ；
[0019]步驟3:確定流水車間重調度目標及約束條件:以最小化最大完工時間和最小化開工時間變化的工件數量為目標建立流水車間重調度目標函數，該函數的約束條件包括:
[0020]工件的完工時間約束:重調度下工件在機床上加工的完工時間不小于重調度下工件在機床上加工的開工時間、重調度下工件在機床上加工的時間及機床故障時間之和；
[0021]工件的開工時間約束:重調度條件下工件的開工時間不小于其釋放時間；
[0022]機床的加工次序約束:重調度條件下，在同一個機床上加工的緊鄰兩個工件不能出現重疊加工現象；
[0023]工件的加工次序約束:重調度條件下，同一個工件在緊鄰兩個流水線上加工的次序關系，即工件在下一個流水線的開工時間不小于其在上一個流水線的完工時間；
[0024]步驟4:針對流水車間重調度目標及約束條件，采用遷徙鳥群優化方法生成流水車間重調度方案；
[0025]步驟4.1:按照原調度計劃產生一個遷徙鳥，并加入遷徙鳥群，循環隨機若干個初始遷徙鳥加入遷徙鳥群；
[0026]步驟4.2:對每個遷徙鳥計算目標函數值，選擇遷徙鳥群中目標函數值最優的遷徙鳥作為領頭遷徙鳥，其余遷徙鳥隨機按照V形排列；
[0027]步驟4.3:設置遷徙鳥群最大迭代次數和每只領頭遷徙鳥帶領遷徙鳥群的最大迭代次數；
[0028]步驟4.4:采用插入或交換的鄰域搜索機制對領頭遷徙鳥進行局部搜索，得到若干隨機鄰域解，將這些解按照目標函數值進行升序排列，選取目標函數值最優的鄰域解更新當如領頭遷徙鳥；
[0029]步驟4.5:對領頭遷徙鳥選擇若干個未使用的隨機鄰域解，傳遞給V形隊列左右兩邊第一個遷徙鳥；
[0030]步驟4.6:對于遷徙鳥群中非領頭遷徙鳥隨機產生若干鄰域解，并將這些領域解與該遷徙鳥的上層遷徙鳥所傳遞的領域解按照目標函數值升序排列，選取目標函數值最優的鄰域解更新當前遷徙鳥；
[0031]步驟4.7:對遷徙鳥群中非領頭遷徙鳥選擇若干個未使用的隨機鄰域解，傳遞給V形隊列的下一層遷徙鳥；
[0032]步驟4.8:當達到每只領頭遷徙鳥帶領遷徙鳥群的最大迭代次數時，更換領頭遷徙鳥:調整領頭遷徙鳥到V形隊列最后位置，將V形隊列中第一個遷徙鳥設置為領頭遷徙鳥；
[0033]步驟4.9:判斷是否滿足遷徙鳥群最大迭代次數，若不滿足，則進行下一次迭代；否則，在當前的遷徙鳥群中選取目標函數值最優的遷徙鳥，作為流水車間重調度方案；
[0034]步驟5:將流水車間重調度方案下發到流水車間各工序進行重調度。
[0035]有益效果:
[0036](I)本發明將遷徙鳥群算法用于流水車間重調度問題，綜合考慮多種突發事件，保證在突發事件之間完成快速反應；在重調度過程中，采用插入或交換的鄰域搜索機制，可以有效確保重調度方案在兩個突發事件之間及時處理;MB0通過不斷傳遞搜索信息到后續遷徙鳥，可以有效提高性能；通過不斷調換領頭鳥，可以確保調度方案的多樣性和穩定性。
[0037](2)本發明提供了雙目標優化機制，最小化最大完工時間可以盡可能提高調度方案的生產效率，降低生產成本，提高設備利用率。最小化工件變化數目，可以有效提高調度方案相比原計劃的魯棒性，降低變化帶來的不確定性。上述目標對實際車間作業計劃與調度具有較高的指導性。
【專利附圖】
【附圖說明】
[0038]圖1為本發明【具體實施方式】的流水車間重調度方法流程圖；
[0039]圖2為本發明【具體實施方式】的采用遷徙鳥群優化方法生成流水車間重調度方案流程圖；
[0040]圖3為本發明【具體實施方式】的原計劃調度結果甘特圖；
[0041]圖4為本發明【具體實施方式】的重調度結果甘特圖。
【具體實施方式】
[0042]下面結合附圖對本發明的【具體實施方式】做詳細說明。
[0043]本實施方式是將流水車間重調度方法應用到煉鋼連鑄生產流水車間中，該車間生產5個工件，有3臺機床，加工時間如表I所示，其中，工件為J1?J5,機床為M1?M3,突發事件是在第10分鐘時刻，機床M1上發生故障，需要修理10分鐘。
[0044]表I加工時間表
[0045]
【權利要求】
1.一種流水車間重調度方法，其特征在于:包括以下步驟: 步驟1:實時獲取當前流水車間的突發事件、重調度工件、機器可用時刻和正加工工序完工時刻； 所述突發事件包括工件隨機到達、工件隨機撤銷、工件加工時間變化和設備隨機故障； 所述重調度工件包括待加工工件和新插入工件； 所述機器可用時刻為重調度時刻的空閑機器可獲得時刻，或者忙碌機器/故障機器正加工工件的完工時刻； 所述正加工工序完工時刻為 非故障機器的原計劃完工時刻或故障機器的重調度時刻； 步驟2:針對不同突發事件，對已開工工序和未開工工序進行分組:若突發事件為工件隨機到達，則保持已經在第一個機床上開工的工序的原調度順序，對未開工工序和新加入的工件執行步驟3 ;若突發事件為工件隨機撤銷，則保持已經在第一個機床上開工的工序的原調度順序，在刪除該撤銷工件后對未開工工序執行步驟3 ;若突發事件為工件加工時間變化，則計算受突發事件影響的正加工工序的完工時刻，執行步驟3 ;若突發事件為設備隨機故障，則計算受突發事件影響的機床的可用時刻，執行步驟3 ； 步驟3:確定流水車間重調度目標及約束條件:以最小化最大完工時間和最小化開工時間變化的工件數量為目標建立流水車間重調度目標函數，該函數的約束條件包括: 工件的完工時間約束:重調度下工件在機床上加工的完工時間不小于重調度下工件在機床上加工的開工時間、重調度下工件在機床上加工的時間及機床故障時間之和； 工件的開工時間約束:重調度條件下工件的開工時間不小于其釋放時間； 機床的加工次序約束:重調度條件下，在同一個機床上加工的緊鄰兩個工件不能出現重疊加工現象； 工件的加工次序約束:重調度條件下，同一個工件在緊鄰兩個流水線上加工的次序關系，即工件在下一個流水線的開工時間不小于其在上一個流水線的完工時間； 步驟4:針對流水車間重調度目標及約束條件，采用遷徙鳥群優化方法生成流水車間重調度方案； 步驟4.1:按照原調度計劃產生一個遷徙鳥，并加入遷徙鳥群，循環隨機若干個初始遷徙鳥加入遷徙鳥群； 步驟4.2:對每個遷徙鳥計算目標函數值，選擇遷徙鳥群中目標函數值最優的遷徙鳥作為領頭遷徙鳥，其余遷徙鳥隨機按照V形排列； 步驟4.3:設置遷徙鳥群最大迭代次數和每只領頭遷徙鳥帶領遷徙鳥群的最大迭代次數； 步驟4.4:采用插入或交換的鄰域搜索機制對領頭遷徙鳥進行局部搜索，得到若干隨機鄰域解，將這些解按照目標函數值進行升序排列，選取目標函數值最優的鄰域解更新當如領頭遷徙鳥； 步驟4.5:對領頭遷徙鳥選擇若干個未使用的隨機鄰域解，傳遞給V形隊列左右兩邊第一個遷徙鳥； 步驟4.6:對于遷徙鳥群中非領頭遷徙鳥隨機產生若干鄰域解，并將這些領域解與該遷徙鳥的上層遷徙鳥所傳遞的領域解按照目標函數值升序排列，選取目標函數值最優的鄰域解更新當前遷徙鳥； 步驟4.7:對遷徙鳥群中非領頭遷徙鳥選擇若干個未使用的隨機鄰域解，傳遞給V形隊列的下一層遷徙鳥； 步驟4.8:當達到每只領頭遷徙鳥帶領遷徙鳥群的最大迭代次數時，更換領頭遷徙鳥:調整領頭遷徙鳥到V形隊列最后位置，將V形隊列中第一個遷徙鳥設置為領頭遷徙鳥；步驟4.9:判斷是否滿足遷徙鳥群最大迭代次數，若不滿足，則進行下一次迭代；否則，在當前的遷徙鳥群中選取目標函數值最優的遷徙鳥，作為流水車間重調度方案； 步驟5:將流水車間重調度方案下`發到流水車間各工序進行重調度。
【文檔編號】G05B19/418GK103676902SQ201310719111
【公開日】2014年3月26日 申請日期:2013年12月20日 優先權日:2013年12月20日
【發明者】潘全科, 李俊青, 毛坤 申請人:東北大學