一种基于混合遗传算法的mes生产计划排产方法
【技术领域】
[0001] 本发明属于车间生产计划管理技术领域，尤其设及一种基于混合遗传算法的MES 生产计划排产方法。
【背景技术】
[0002] 制造执行系统（Manufacturing Execution Systems,简写为：MES)关注车间制造 计划的执行和管理的特点，决定了详细生产计划的制定和排产是MES最为重要的核屯、功能 之一。通过运一过程，MES接收上层生产计划系统的较粗的整体生产计划目标，依据MES中的 工艺信息、车间资源和现有工作执行的具体情况和各项约束，生成具体到最小加工单元上 的各项详细的生产作业计划，而产生的生产计划的质量将直接关系到车间现场各项工作的 效率。
[0003] 要生成符合车间实际生产情况的合理的生产计划，排产系统及其优化方法就必须 与MES紧密地集成，同时在排产过程中要考虑车间实际工况对车间任务的约束和影响，并且 要有效地利用MES采集到的任务执行情况数据。另一方面，在离散制造的情景下，生产计划 的优化需考虑多种优化指标，如订单按时完成率、订单延期时间、完工时间、平均等待时间 等，而且不同类型的企业对于优化目标的选择和侧重各有不同。
【发明内容】
[0004] 本发明实施例的目的在于提供一种基于混合遗传算法的MES生产计划排产方法， W解决现有技术中MES排产方式低效的问题。
[0005] 本发明实施例是运样实现的，一种基于混合遗传算法的MES生产计划排产方法，其 特征在于，在所述MES生产计划排产中存在一个或者多个订单，每个订单需由一个或者多个 车间任务构成，而每个车间任务由一个或者多个资源执行，排产过程为每一个车间任务确 定执行资源并设定计划开始和计划完成时间，所述方法包括：
[0006] 根据订单优先度的生成方式和/或随机的生成方式，为预设数目的初始排产方案 产生符合任务间约束关系和遗传算法编码规则的车间任务序列；
[0007] 根据任务最佳开始、结束时间分配，根据资源负荷平衡原则分配和随机分配中的 一种或者多种分配组合方式，为预设数目的初始排产方案中的每个车间任务设定执行资 源；
[000引将所述预设数目的初始排产方案经由编码过程转换为一系列染色体，作为混合遗 传算法的初始种群;将所述初始种群带入混合遗传算法，并依据预先设定的优化目标计算 出优化后的排产结果。
[0009] 优选的，所述根据订单优先度的生成方式，产生符合任务间约束关系和遗传算法 编码规则的车间任务序列，具体包括：
[0010] 步骤2.1:将订单按优先度从高到低排列，优先度相同的订单则W随机顺序排列其 前后位置；
[0011] 步骤2.2:从完成排序后的订单序列中依次选取订单，若是正向排程的订单则将其 下属车间任务按照接续关系从首道任务至末道任务依次放入车间任务序列中；若是逆向排 程的订单则将其下属车间任务按照接续关系从末道任务至首道任务依次放入车间任务序 列中.
[0012] 步骤2.3:重复步骤2.2直至所有订单的下属车间任务已被放入车间任务序列中。
[0013] 优选的，所述根据随机的生成方式，产生符合任务间约束关系和遗传算法编码规 则的车间任务序列；
[0014] 步骤3.1:将订单所包含的各车间任务按任意顺序放入车间任务序列中；
[0015] 步骤3.2:生成一个可选车间任务集合Oa，将正向排程的订单中选取没有前任务的 车间任务，同时在未开始的逆向排程的订单中选取没有后续任务的车间任务，接着将运些 车间任务放入Oc中；
[0016] 步骤3.3:从Oa中随机选择一个车间任务Oc放在车间任务序列的下一位，然后将Oc 移出Oa;
[0017] 步骤3.4:若Oc属于正向排程的订单，找出Oc所有的后续任务;对每个后续任务判 断其所有前任务是否已经存在于车间任务序列中，是则将其加入Oa中；若Oc属于逆向排程 的订单，则找出Oc所有前任务，对每个前任务判断其所有后续任务是否已经存在于车间任 务序列中，是则将其加入Oa中；
[0018] 步骤3.5:判断可选车间任务集合Oa是否还有车间任务，如果有则跳转至步骤3.3， 否则结束生成过程。
[0019] 优选的，所述正向排程和所述逆向排程具体为：
[0020] 在正向排程中，一个订单的计划开始时间首先被确定，然后属于此订单的车间任 务的计划开始、完成时间将在此时间点之后按照各任务的所需工时依次被计算和确定，并 在满足其他约束条件的前提下让订单的计划完成时间尽可能地早；
[0021] 在逆向排程中，一个订单的计划结束时间首先被确定，然后属于此订单的车间任 务的计划完成、开始时间将在此时间点之前按照各任务的所需工时依次被计算确定，并在 满足其他约束条件的前提下让订单的计划开始时间尽可能的晚。
[0022] 优选的，所述依据预先设定的优化目标计算出优化后的排产结果，其中，优化目标 具体包括：
[0023] 订单按时完成数、延期订单的延期时间、车间任务的总共/最大/平均等待时间、订 单的总共/平均/最小提前时间和总共/平均/最大延期时间、总体加工时间、资源的总共/平 均/最大空闲时间、资源利用率中的一项或者多项。
[0024] 优选的，将所述初始种群带入混合遗传算法，并依据预先设定的优化目标计算出 优化后的排产结果，其中，在混合遗传算法中具体包括：
[0025] 利用车间任务序列的交叉操作、变异操作，执行资源序列中的交叉操作、变异操作 和/或变领域捜索操作不断生成新一代个体，并迭代直到达到预设算法终止条件，将得到最 优的个体解码为排产方案作为排产结果输出。
[002引优选的，设参与交叉操作的两个父个体为P1 = {Oil，012，…，Oln}，P2 = {021，022，… 化n}，车间任务数目为n，所有L个订单的集合为1={九^2，-，，化}，则所述车间任务序列的交 叉操作具体包括：
[0027]步骤4 . 1 :随机生成两个数目小于L / 2的订单子集J P 1和J P 2，令 巧Π 喝=0,巧C}，识c|;有约束关系的订单需要在同一个订单子集中；将jpi和肝2中 订单的下属车间任务的集合记为OP1/OP2,并生成两个长度为η的空车间任务序列ci、C2;
[002引步骤4 . 2 :生成两组车间任务集合0 C11 = { 0 I 0 e 0 P 1，0 e P 1 }和 = {0|0 g OPpO e ρ^};将Oci冲的车间任务放入C冲，位置与在P冲的位置相同；将0ci2 中的车间任务按在P2中的先后顺序放入Cl中余下的空位，Cl即为生成的第一个子个体的车 间任务序列；
[0029] 步骤4 . 3 :生成两组车间任务集合0 C 21 = { 0 I 0 e 0 P 2，0 e P 2 }和 0啤:=仰〇 g巧,〇 e P!};将〇c2冲的车间任务放入C2中，位置与在P2中的位置相同；将Oc22 中的车间任务按在P1中的先后顺序放入C2中余下的空位，C2即为生成的第二个子个体的车 间任务序列。
[0030] 优选的，所述执行资源序列中的交叉操作具体包括：
[0031 ]步骤5.1:产生两个随机数；Γ1、Γ2,使关系0如1<Γ2 ^成立；生成两个集合olsubi、 〇lsub2,使丫守：
[0032] olsubi= {On lOiiEpi'ri < i < η}
[0033] olsub2= {〇2i |〇2iEp2,:ri y < η}
[0034] 步骤5.2:从左至右依次选中子车间任务序列Cl中的车间任务;设选中的车间任务 记为Ocli，如果OcliEolsubl，则C冲的Ocli选用P冲该车间任务的执行资源，否则选用P2中该 车间任务的执行资源；
[0035] 步骤5.3:从左至右依次选中子车间任务序列C2中的车间任务;设选中的车间任务 记为0c2i，如果Oc2iE〇lsub2,则C2中的0c2i选用P2中该车间任务的执行资源，否则选用P冲该 车间任务的执行资源。
[0036] 优选的，所述变异操作具体包括：
[0037] 步骤6.1:随机选出两个没有相互约束关系的订单J1、J2;
[0038] 步骤6.2:从待变异的个体的车间任务序列里选取属于J1、J2的车间任务;设J1的 在车间任务序列中出现的首工序在J2的首工序之前，则将J2的车间任务移到Ji的车间任务 之前。Jl、j2各自订单内的车间任务顺序和其他订单的车间任务的位置均保持不变。
[0039] 优选的，所述变领域捜索中的邻域结构具体包括:改变订单下属任务在任务序列 中的位置的方式形成的领域结构；W及改变任务的执行资源的方式形成的领域结构。
[0040] 本发明实施例提供的一种基于混合