[发明专利]一种基于订单管理和滚动优化排产的车间综合调度系统

说明书

本发明公开了一种基于订单管理和滚动优化排产的车间综合调度系统，其技术方案为：1、订单管理系统实时收集新订单并整理全部订单；2、基于层析分析法对订单管理系统中的订单进行优先级评价；3、根据订单优先级进行排序；4、确定优化窗口长度，排产优化系统周期性从窗口获取订单并基于遗传算法求得最优调度解；5、显示待优化订单的最优调度方案并绘制甘特图；6、更新订单管理系统，重复步骤2‑5。本发明采用订单管理系统与排产优化系统，将一个中大规模的排产问题简化为一个优化窗口内的小规模排产问题，实现了动态因素影响与静态调度规划的分离，降低了问题的复杂性，提高了算法求解的效率，实现了最优解的快速收敛。

技术领域

本发明属于智能生产调度技术领域，涉及一个将订单管理系统与排产优化系统分开的车间作业调度平台，采用层次分析法对订单系统进行优先级评价，采用遗传算法实现最终的作业调度。

背景技术

随着计算机技术、自动化技术的广泛应用，智能制造业迅速发展。生产作业调度问题作为制造业智能化转型升级的核心基础，直接影响着管理技术的先进性和制造技术的髙效性。生产作业调度优化问题的本质是一个资源分配问题，即把有限的资源在同时满足加工顺序、交货时间等约束条件下分配给若干个任务，以达到对某个目标的优化。

然而在实际生产过程中，我国很多传统制造型企业到目前为止仍然依赖生产经验进行人工式车间调度，这类方法调度速度慢、管理效率低、增加运行成本和时间、无法保证调度数据的精确性，很难求得良好的调度方案，因此对车间作业调度问题(Job-ShopScheduling Problem，JSP)开展深入研究具有重要的意义与价值。

车间作业调度问题具有离散型、复杂性、动态随机性、多目标性、多约束性，是一类典型的NP-hard问题，目前对于JSP问题的求解主要有精确算法与近似算法两类。其中，精确算法主要有分支定界法、混合整数规划法和拉格朗日松弛法等，这些算法虽然能保证得到全局最优解，但需花费较长的时间以及成本且只能解决小规模的车间调度问题，与车间实际调度应用还有较大的差距；近似算法主要有构造性方法、人工智能方法和元启发式算法，包括遗传算法、粒子群算法等，构造性方法对问题的处理比较粗糙，得出的解质量通常不够好，而启发式算法如遗传算法结构简单，通用性好，且具有良好的全局搜索能力，优化性能高，已成为求解车间调度问题的主流方法，但依旧存在如下问题：

1、当问题规模较小时，使用遗传算法能快速且好的给出最优调度方案；但对于中大规模的车间调度问题，由于解空间维度的变大，遗传算法耗费时间变长并且容易出现早熟收敛现象，最终导致求解效率出现下降和挂起的现象。

2、对作业进行排产的过程是一个静态的调度求解过程，但在实际生产中由于动态因素如订单数量变化、插单、取消等事件的存在，会导致实际结果与理论模型出现较大差异，如果仅考虑定量的静态问题，会使得算法局限在理论层面，进而降低了算法的实用价值。

3、当前在描述车间调度问题时订单的优先级都是给定的固定值，然而在实际生产中，受到交货日期的临近以及其他因素的影响，订单优先级应该发生动态变化，与实际情况不符。

在中国专利CN114926033A(基于改进NSGAII的柔性车间动态事件调度方法)中，对插单事件，区分已被调度的作业的当前状态，并对插单作业与尚未处理的作业重新调度。在中国专利CN107831745B(一种柔性作业车间插单动态调度优化方法)中，将批次工件的工序分为子批次，对各子批次进行调度。然而中国专利CN114926033A对于插单事件的处理是对剩余全部订单的重新调度，在处理中大规模的作业调度问题时算法耗时长，效率低，成本高。中国专利CN107831745B仅仅是将工件分批，并未考虑优先级的问题，若新订单进入订单系统，假设它的优先级在最初并不高，但随着生产的进行，交货期的临近，它的优先级(紧急程度)自然会被提高，若仅仅分批的话，实际并不能保证订单按期完成，同时该专利并没有在一个不断有新订单加入的情况下进行动态的分批优化。

发明内容