[发明专利]优化两生产指标的柔性作业车间调度多目标分布估计方法

说明书

本发明属于作业车间调度领域，公开了优化两生产指标的柔性作业车间调度多目标分布估计方法，获取取加工数据信息，加工数据信息包括柔性作业车间的工件和相应的工序，加工机器和相应的加工时间、释放时间，以及交货期；以最小化最大完工时间和总拖期时间为优化目标，建立柔性作业车间调度模型；采用基于拥挤距离和最早完工时间规则的多目标分布估计方法来优化所述柔性作业车间调度模型，获得最优化的调度方案解集。本发明采用拥挤距离和最早完工时间规则的多目标分布估计算法能够获得更好的工序排序和机器分配方案，减少了产品制造周期，降低了库存成本和防止了产品生产的逾期风险，提高了经济效益。

技术领域

本发明涉及分布估计算法和柔性作业车间调度的技术领域，具体涉及优化两生产指标的柔性作业车间调度多目标分布估计方法。

背景技术

制造业产品在进行生产和制造时，其调度的合理性是影响制造业生产效能非常关键的因素。随着全球制造业的竞争越来越激烈，产品需求的多样化和个性化,制造系统的调度问题日益受到广泛的重视。作业车间调度是车间制造执行系统(MES)的核心功能，在离散制造业中有着不可替代的作用。合理的调度可以在工期、库存、交货期、能耗和成本等核心指标上获得有效的提升。随着制造业广泛采用柔性制造的方法，多台机器可以处理同一个工艺，且机器特性各不相同，增加了调度问题处理的复杂性和难度。

目前，求解柔性车间调度问题的方法主要有三类。第一类是基于调度规则的调度方法。这类方法已经使用多年，需要大量丰富的实践经验才能够获得高效的调度规则，人们通过归纳和实践，总结出了113条调度规则，在一定程度上解决了实际生产的调度问题。第二类是基于纯整数规划、动态规划和分枝定界法等运筹学的方法求解的调度问题，这类方法在求解小规模的车间调度问题获得了不错的效果，但在求解中等规模和大规模的柔性车间调度问题时效果不太明显，且通用性不强。

第三类是采用群智能优化算法求解复杂的柔性车间调度问题。群智能优化算法在求解复杂问题时具有很好的效果，且通用性比较好。目前，将粒子群优化，遗传算法，禁忌搜索，人工蜂群算法等应用于复杂的柔性作业车间调度问题已经取得了不错的效果，但是，多数调度模型与实际生产状况相差甚远,很难有效的应用于生产实践。目前，学者们主要将焦点放在设计新的混合群智能优化算法，采用不同算法实现优势互补，以获得具有普遍适用性、高效性、稳定性的算法来求解柔性车间调度问题。

发明内容

针对群智能优化算法求解多目标柔性车间调度问题的不足，本发明提出了优化两生产指标的柔性作业车间调度多目标分布估计方法，优化具有最大完工时间和总拖期时间两生产指标的柔性作业车间问题，该算法在优化这两个指标上具有高效性和稳定性。

为实现上述目的，本发明采用的技术方案如下：

优化两生产指标的柔性作业车间调度多目标分布估计方法，包括以下步骤：

步骤1、获取加工数据信息，加工数据信息包括柔性作业车间的工件和相应的工序，加工机器和相应的加工时间、释放时间，以及交货期；

步骤2、以最小化最大完工时间C_M和总拖期时间Tard为优化目标，建立柔性作业车间调度模型；

步骤3、采用基于拥挤距离和最早完工时间规则的多目标分布估计方法来优化所述柔性作业车间调度模型，获得最优化的调度方案解集。

如上所述的步骤2中，最大完工时间C_M和总拖期时间Tard基于以下公式：

其中，C_M为最大机器完工时间，Tard为总拖期时间，C_k为第k台机器的完工时间，C_i为第i个工件的最大完工时间，d_i为第i个工件的交货期，m为机器总数，n为工件总数。