[发明专利]一种多约束条件下的车间装配工艺智能优化方法

权利要求书

1.一种多约束条件下的车间装配工艺智能优化方法，其特征在于，根据车间实际生产限制条件对车间的装配工艺信息进行数字化储存，并进行数据化建模，然后将所述数据化工艺信息输入计算机中的工艺优化算法中进行优化求解，获得最优的工序排序组合方案，使所有工序流程占用的生产资源最小化；并将优化后的工序排序组合方案进行结构化输出，与工厂的生产工艺数据库对接。

2.根据权利要求1所述的车间装配工艺智能优化方法，其特征在于，所述车间实际生产限制条件包括：不同工位的先后顺序限制，即某些工序具备特定的先后顺序；需满足工位节拍限制，即同一工位上的所有工序的作业时长，应不大于该工位的节拍；工序紧密限制，即限制某些工序必须在相同工位上紧密完成。

3.根据权利要求1或2所述的车间装配工艺智能优化方法，其特征在于，其在满足所述车间实际生产限制条件前提下对各项工序的排列和组合进行优化，使所有装配工序所占用的工位数总和最小化。

4.根据权利要求3所述的车间装配工艺智能优化方法，其特征在于，所述装配工艺信息包括工序名称、节拍、姿态和工序间关联关系。

5.根据权利要求4所述的车间装配工艺智能优化方法，其特征在于，所述工艺优化算法为模拟遗传学机理构建优化模型，对生产工艺的工序序列进行数字编号，并根据优胜劣汰的思路挑选优质序列进行不断的迭代优化，并不断淘汰劣质的工序序列，最终得到满足优化目标的工序序列。

6.根据权利要求5所述的车间装配工艺智能优化方法，其特征在于，包括以下步骤：

S1、工艺信息数字化存储：车间工程人员总结车间装配工艺信息，将不同装配工艺进行信息化储存；

S2、工艺信息数据化建模：将工序信息及工序间关联关系转化为二维浮点型矩阵，完成数据化建模，便于后续输入优化算法；

S3、基于工艺信息初始化优化方案种群：将S2中的工序信息依据约束关系分配到不同的工位中，将若干种分配方案作为解决方案的个体形成解决方案的种群，以各分配方案所消耗的工位数计算适应度，工位数越低的解决方案适应度值越高；

S4、依据优胜劣汰的规则，挑选其中适应度较高的优质个体，以优质个体作为继续迭代优化的原料，对原料个体进行交叉变异工序变化操作并继续迭代获得下一代解决方案种群，由此，优质个体的工序序列被保留和迭代，而劣质个体在后续迭代过程中逐渐被淘汰；

S5、将S3中上一代优质个体与S4迭代得到的迭代结果进行组合，获取下一代解决方案种群，对下一代种群按照S3挑选优质个体，并按照S4进行交叉变异工序变化操作，获得再下一代种群，由此不断进行迭代，直至优质个体的工位数不再发生变化，即完成工序优化；

S6、将S5计算出的优质工序排序组合方案输出,输出的方案为结构化文本，与工厂的生产工艺数据库对接。