[发明专利]一种电子产品调测生产线混流排产方法

说明书

一种电子产品调测生产线混流排产方法，提出混流排产约束条件，将生产线的目标函数与新型人工蜂群算法的适应度函数相关联，初始化蜜蜂种群，对所有蜂群遍历搜索区域及初始状态，基于蜂群寻找食物源的方式对食物源位置进行更新，重复执行雇佣蜂阶段、观察蜂阶段、探测蜂阶段，寻找最优解，直至满足迭代终止条件，比较食物源的适应度函数值，适应度函数最大值所对应的食物源位置信息即为最优排产结果。本发明在满足局部寻优与全局寻优在较平衡的状态下寻找最优解，实现快速混流排产，控制参数少，收敛速度快，稳定性高，优化性能好，可以有效解决多品种、变批量电子产品混流排产过程中的设备利用率低、调测生产周期长、在制品及成品库存数量大等问题。

技术领域

本发明涉及多品种、变批量电子产品调测车间生产管理混流生产调度领域，具体涉及一种基于新型人工蜂群算法的电子产品调测生产线混流排产方法。

背景技术

现有多品种、变批量电子产品生产管理模式中生产计划的制定仍多依靠调度员的经验，按照单线生产模式排产思路进行排产，容易导致生产设备忙闲不均，影响资源利用率，无法满足多品种、小批量、复杂多变环境下的生产要求。人工排产方式，计划缺乏实时性、调度指令不及时、指导性不强，严重影响车间效率，不能充分发挥整体效能。

提升电子产品调试能力需要釆取柔性而平稳的组织方式安排生产，即进行生产排程优化。因此，本发明针对多型电子产品混线调测生产模式，研究基于智能算法的排产技术，以提高设备利用率、缩短调试生产周期、降低在制品及成品库存数量为优化目标，综合提升调测车间在多品种、小批量生产模式下排程能力，平稳而高效地应对动态多变的生产需求。

在生产调度领域，常用的求解方法一般可分为最优化方法、启发式算法和智能算法三类。常用的最优化方法有内点法、单纯形法、分支定界法、数学规划方法等。虽然最优化方法能保证解的质量，但大规模问题的求解效率较低，存在一定的局限性。而启发式方法基于对具体问题特征的分析，设计相对简单的规则以迅速获得可行解。相较于最优化方法，启发式方法极大地提高了问题的求解效率，更加面对实际应用，故在生产调度领域获得了广泛的应用。然而启发式方法易陷入局部最优，且解的质量较差。智能算法是近年来新兴的一类研究方法。智能算法在提高求解效率的同时还能保证较高的解质量，因此获得了广泛的关注。常用的智能算法有遗传算法(Genetic Algorithm，GA)、人工蜂群算法(ArtificialBee Colony，ABC)等。

专利201710811741.1“基于改进人工蜂群算法的生产调度方法及系统”提出了一种基于改进的人工蜂群算法的平行机批调度方法及系统,该方法能针对恶化工件情形下考虑维修的平行机批调度问题,发明考虑了实际生产中的机器维修、组批加工方式以及额外的加工和维修处理时间,有利于在复杂的现实生产环境中为企业生产和维修提供可靠的决策支持。但未考虑多种类型产品混线生产的问题，且设计参数较多，不适用电子产品调测生产线混流排产。

专利201611005412.X“一种生产排产调度优化方法”提出了采用差分进化算法来解决生产过程离散调度问题，降低了遗传操作的复杂性，但迭代后期，个体间差异化信息逐渐缩小，收敛速度减慢，全局寻优能力下降。

专利201710676005.X“基于骆驼群算法的作业车间调度排产方法及系统”提出了基于骆驼群算法的作业车间调度排产方法及系统，设计方法通过采用搜索禁忌列表的方式来提高收敛速度，但全局搜索能力较差，该方法适用于简单生产模式的混流排产，对于复杂的电子产品调测生产线混流排产并不适用。

论文“改进人工蜂群算法求解柔性作业车间调度问题”提出了应用改进人工蜂群算法解决柔性作业车间调度问题，采用基于混沌序列思想、SPT启发式规则和随机方式三种方式实现种群初始化，引入相似度概念对种群进行先进和后进划分，采用锦标赛选择策略进行个体选择，该方法对于解决生产调度问题能够取得较好的效果，但算法设计过于复杂，降低了收敛速度，算法效率不高，开发和应用难度较大，并不适用电子产品调测生产线混流排产。