[发明专利]一种基于数据的单阶段多产品批处理的控制方法

说明书

技术领域

本发明涉及流程工业控制领域，具体涉及一种基于数据的单阶段多产品批处理的控制方法。

背景技术

为更好地满足客户需求，流程企业生产加工任务通常需要分批进行，因此，也就面临如何确定批次的大小及数量、发布日期及交货期等问题。

批处理过程是流程企业生产过程中的重要组成部分，具有产品批量小、多品种、高附加值、设备投资小、生产更新快等优点，因此，被广泛应用于石油化工、制药、食品等流程企业当中，对批处理过程实现有效调度，不仅能够增强生产过程的柔性，还能节约资源，降低成本，使企业获得更好的经济效益。

典型的批处理过程往往由一系列生产工序构成，每个工序可以在一个或多个生产设备上进行加工，各个生产设备的加工容量不同，可以加工不同品种、不同批量的产品。目前，流程企业中的批处理生产调度过程大多属于单阶段多产品批处理过程(single-stage multi-product scheduling problem，SMSP)。

已有的SMSP调度优化求解方法通常采用数学规划法或遗传算法等复杂优化方法，这些方法往往实现较为复杂，需要进行大量的参数整定工作，且其优化求解时间会随调度问题规模的增加呈爆炸式增长，当调度问题规模较大时，这些方法往往因求解时间过长而无法满足生产加工过程的实时性要求。

为解决已有的单阶段多产品批处理调度优化求解方法在实际应用过程中局限性较大的不足，需要对多产品批处理的调度方案进行优化。

发明内容

本发明提供了一种基于数据的单阶段多产品批处理的控制方法，针对单阶段多产品批处理生产加工场景，能够快速制定不同生产周期内的生产调度方案，且具有较好的调度优化效果。

一种基于数据的单阶段多产品批处理的控制方法，包括以下步骤：

(1)针对不同的目标批处理场景，从历史生产数据中取出相对应的历史生产调度数据，依据生产调度周期内生产调度任务的不同，分别建立SMSP调度案例。

每个订单的相关信息和相应的调度环境信息采用四个属性描述，分别为：实际加工时间、订单完工时间、订单加工时间比和订单完工比。

(2)给定一种启发式加工设备分配规则，然后利用遗传算法求解步骤(1)中SMSP调度案例的最优订单加工序列。

所述的启发式加工设备分配规则通过人为设定得到，利用选定的启发式加工设备分配规则，可以将所有的加工订单分配到不同的设备进行加工。

所述遗传算法的终止条件为：若在连续T次迭代后，当前所获得的最优解仍未得到改善，则算法终止，T取所有订单数的一半。

(3)利用SMSP调度案例以及相应的最优订单加工序列，构建训练数据集，训练得到订单加工序列预测模型。

构建训练数据集的SMSP调度案例的数量越多，则训练得到的订单加工序列预测模型越可靠。

所述订单加工序列预测模型采用单隐层前馈神经网络表达。采用极限学习机算法进行订单加工序列预测模型的训练。

所述训练数据集中每个训练样本的输入特征包括五种，分别为：实际加工时间之比、完工时间之比、订单加工时间比的比值、交货日期之比以及当前生产调度阶段已安排的订单数与总订单数的比值。

(4)利用订单加工序列预测模型对待处理的批处理订单进行处理，得到订单加工安排序列；

(5)利用步骤(2)的启发式加工设备分配规则以及步骤(4)的订单加工安排序列，将待处理的批处理订单分配到不同的设备，确定加工开始时间和结束时间，进行生产加工。

本发明基于数据的单阶段多产品批处理的控制方法，主要有以下有益效果：

(1)能够快速制定针对单阶段多产品批处理生产过程的生产调度方案，满足实际生产加工过程的实时性要求；

(2)在在线应用阶段，无需进行复杂的建模和参数整定工作，实施方便；

(3)具有较好的调度优化能力。

附图说明

图1为本发明基于数据的单阶段多产品批处理的控制方法的流程图；

图2为基于启发式加工设备分配规则的调度方案构造流程图；

图3为遗传算法框图；

图4为订单加工序列预测模型示意图；

图5为基于启发式加工设备分配规则构建的SMSP生产调度方案示意图(横坐标为时间)；

图6为基于遗传算法构建的最优生产调度方案示意图(横坐标为时间)。

具体实施方式

下面结合附图，对本发明基于数据的单阶段多产品批处理的控制方法做详细描述。