[发明专利]一种面向小批量多品种的可重构生产线调度优化方法

说明书

本发明提供一种面向小批量多品种的可重构生产线调度优化方法，包括：根据柔性生产线领域的系统概念和逻辑，结合本体建模方法，给出车间生产线信息本体模型构建流程，构建柔性生产线的领域本体模型；基于SWRL语言建立本体的知识推理规则库并进行知识推理，结合车间生产线信息服务匹配方法，推导出生产线的生产状况；针对柔性作业车间调度决策和生产线当前生产状况的约束建立数学模型，使用基于遗传算法结合禁忌搜索算法的优化方法对该模型进行优化，优化的目标函数是工件的总加工时间，优化参数是工件的加工序列。本发明优化了单批次生产过程的资源配置，本体构建与推理机制实现制造资源的知识表达、增强了加工过程的智能化程度。

技术领域

本发明涉及生产线调度优化领域领域，具体涉及一种面向小批量多品种的可重构生产线调度优化方法。

背景技术

随着客户需求的多样性和个性化的趋势愈发显现，当前制造业中多品种、小批量、个性化的生产模式逐渐成为主流。相比传统的制造模式，多品种小批量的生产模式在感知市场变化和制造敏捷性上优势明显。多品种小批量生产模式具有如下一些特点：1)离散型制造模式。多品种小批量制造的产品通常由多个零件装配成型，属于典型的离散型制造模式。2)订单驱动生产，通用件与标准件协同制造。多品种小批量制造商由于离散型制造的特点，零部件和工艺环节管理复杂，故一般基于订单组织生产。此外，为了兼顾工艺通用性和产品专业性，多品种小批量生产通常按照一定标准同时库存通用件和标准件。3)加工时间严格。用户通常要求多品种小批量制造商在特定时间节点前，按照约定的数量完成所需产品的加工。然而大多数企业常因供货不到位影响生产。4)进度控制难度大。多品种小批量制造涉及的零部件繁多、工艺流程复杂多变，工件通常面临多加工单元间转移、运输距离长等情况，导致进度控制难度较大。5)外界条件动态性高。由于市场需求、订货规格、交货时间等因素的不确定性，使得工艺流程和相关指标经常更改，导致任务紧急、完工时间不确定等意外事件发生。本体知识表达和推理、车间调度算法是本发明实现多品种小批量智能制造产线的关键技术，常见的应用于调度理论的智能优化算法包括遗传算法(GA)、禁忌搜索(TS)、粒子群算法(PSO)、分散搜索(SS)、模拟退火(SA)、人工免疫系统(AIS)和蚁群算法(ACO)等。

发明内容

本发明的目的在于提供一种面向小批量多品种的生产线调度优化方法，针对生产线建立本体模型和本体知识推理规则，根据生产线调度的需求，推理出生产线隐性知识，并将之作为生产线的初始生产状况，同时将此初始生产状况作为柔性作业车间调度问题(FJSP)的约束条件之一，最后进行调度问题的优化，使得生产线的优化问题更具有广泛性和可行性。

为实现上述目的，本发明提供一种面向小批量多品种的可重构生产线调度优化方法，包括：

(1)根据柔性生产线领域的系统概念和逻辑，结合本体建模方法，给出车间生产线信息本体模型构建流程，构建柔性生产线的领域本体模型；

(2)基于SWRL语言建立本体的知识推理规则库并进行知识推理，结合车间生产线信息服务匹配方法，推导出生产线的生产状况；

(3)针对柔性作业车间调度决策和生产线当前生产状况的约束建立数学模型，使用基于遗传算法结合禁忌搜索算法的优化方法对该模型进行优化，优化的目标函数是工件的总加工时间，优化参数是工件的加工序列。

进一步地，步骤(1)所述的本体模型构建流程为：明确本体建模的目的和范围、判断是否复用、车间生产线信息分类术语及概念分析、车间生产线信息概念之间关系定义、定义车间生产线信息属性及取值类型、领域本体模型构建和本体评价，并最终生成车间生产线信息本体模型库。

进一步地，步骤(2)所述的进行知识推理的过程为：

根据步骤(1)获得的领域本体，建立领域规则；