[发明专利]一种复杂工况下再制造车间多层级任务配置的扰动响应方法

权利要求书

1.一种复杂工况下再制造车间多层级任务配置的扰动响应方法，其特征在于，包括如下步骤：

1)样本采集得到历史扰动事件、历史扰动事件发生前再制造车间任务配置方案以及历史扰动事件发生后再制造车间的任务配置方案；

2)通过历史扰动事件发生前再制造车间任务配置方案以及历史扰动事件发生后再制造车间的任务配置方案确定历史扰动事件对再制造车间任务配置的扰动程度值；

3)通过历史扰动事件发生前再制造车间任务配置方案确定历史事件下影响再制造车间任务配置的若干参数值；

4)利用隶属函数对各参数进行模糊化处理得到模糊化的各参数；

5)将模糊化的各参数作为RBF网络的输入量，取对应的扰动程度值作为RBF网络的输出量，对RBF网络进行训练直到RBF网络满足精度要求，得到训练好的RBF网络；

6)扰动事件发生时，获取历史事件发生前再制造车间的任务配置方案，然后按照步骤3)-4)进行处理得到扰动事件下模糊化的各参数，将模糊化的各参数输入步骤5)中训练好的RBF网络，可得到所述扰动事件下的扰动程度值，根据所述扰动值的大小采取相应的任务配置响应措施，所述任务配置响应措施包括：车间层批量重规划、工艺单元层任务分配重规划和设备层作业排序重规划。

2.根据权利要求1所述的一种复杂工况下再制造车间多层级任务配置的扰动响应方法，其特征在于，所述历史事件下再制造车间任务配置的扰动程度值采用专家打分法获取。

3.根据权利要求1所述的一种复杂工况下再制造车间多层级任务配置的扰动响应方法，其特征在于，步骤6)中的所述扰动程度值所在的区间为[0-0.33)时，采取设备层作业重规划的任务配置响应措施，所述扰动程度值所在的区间为[0.33-0.66)时，采取工艺单元层任务分配重规划的任务配置响应措施，所述扰动程度值所在的区间为[0.66-1]时，采取车间层批量重规划的任务配置响应措施。

4.根据权利要求1所述的一种复杂工况下再制造车间多层级任务配置的扰动响应方法，其特征在于，各所述参数包括：扰动事件的相对性能偏差指数Q、扰动事件影响范围W、扰动事件紧急程度E；

相对性能偏差Q具有模糊性，模糊子集为T(Q)＝{Q₁,Q₂,Q₃}，其中Q₁、Q₂、Q₃分别表示不确定因素的累计强度为较低、适中与较高，是用来评估当模糊型扰动事件发生时，若不更新任务方案，再制造生产系统性能下降的程度，扰动事件的出现会导致生产效率的下降，并且随着扰动事件持续时间的累积，效率下降的程度也在不断变化，考虑到优化目标偏差对任务规划决策的影响，提出了基于相对成本偏差指标Q的概念，公式如(1)所示：

其中C_z代表原方案的综合成本，C′_x代表扰动发生后未受到影响的工序的综合成本，P(C_z,C′_x)表示扰动事件发生时，不更新任务配置方案，原方案综合成本的相对偏差，综合成本的计算为工序数量乘每个工序的生产成本和能耗成本，每个工序的生产成本和能耗成本是已知量；

扰动事件影响范围W，扰动因素影响范围具有模糊性，模糊子集T(W)＝{W₁,W₂,W₃,W₄,W₅}中W₁、W₂、W₃、W₄和W₅分别表示扰动事件发生强度的级别，即轻微、弱、适中、强以及严重，该参数与受到扰动事件影响的工序数量有关，故用平均相对工序数量对该参数进行评定，如公式(2)所示：

上式中，N_i(i＝1,2,…,t)表示第i台设备，m_Ni表示设备N_i受扰动事件影响时待加工的工序数量，m_均代表每台设备分配的平均工序，如公式(3)所示，用设备受扰动事件影响的平均相对工序数量m_r来描述影响范围，将m_r在区间[0,1]内进行划分，W₁、W₂、W₃、W₄和W₅均为高斯型隶属函数；

扰动事件紧急程度E，扰动因素的紧急程度同样具有模糊性，E₁、E₂、E₃、E₄和E₅分别表示扰动因素紧急程度的级别，即轻微、弱、适中、强以及严重，该参数与受扰动因素影响的工序的优先级a有关，本章中定义的不确定因素紧急程度E的各模糊子集的隶属度计算如公式(4)所示，式中，a_i为设备加工的工件i的工序在现有方案中的优先级，将E在[0,1]区间范围内通过高斯型隶属函数进行划分获得隶属度，k_i工件i收到影响的工序个数，K_i为工件i的工序个数；

将上述3个参数的模糊子集分别在区间[0,1]内进行划分，如下公式(5)所示，其服从x～N(μ,σ²)的高斯型分布；

其中，c,δ的取值如下表所示：

模糊子集	1/E1]]>	1/W2/E2]]>	2/W3/E3]]>	3/W4/E4]]>	5/E5]]>
(c,δ)	(0,1)	(1,1)	(2，1)	(3,1)	(4,1)

。

5.根据权利要求1-4任一所述的一种复杂工况下再制造车间多层级任务配置的扰动响应方法，其特征在于，所述步骤6)中扰动事件发生时，先人为确定扰动事件的类型为确定型扰动事件或模糊型扰动事件，当扰动事件的类型为确定型扰动事件时，对已有调度方案进行全局修正或者制定新调度方案，当扰动事件的类型为模糊型扰动事件时，按照步骤3)-4)进行处理得到扰动事件下模糊化的各参数，将模糊化的各参数输入步骤5)中训练好的RBF网络，可得到所述扰动事件下的扰动程度值。