一种复合型并行加工的生产物流调度分析方法与流程

本发明提供了一种复合型并行加工的生产物流调度分析方法，属于车间生产物流统筹调度的技术领域。

背景技术：

车间调度问题一般分为单机车间生产调度、流水车间生产调度、并行机车间生产调度、作业车间生产调度。随着技术的发展和市场的需求，车间也在逐步的改造以提高车间生产效率，逐渐产生了流水车间加工与并行加工相协调的复合型并行加工生产线。单一生产方式的物流调度仅局限于对局部因素的考虑，不能很好地模拟现实生产车间的物流调度问题，导致对于生产物流效率的提高改善较少。因此，针对日益复杂的生产线，本文对各车间生产方式进行兼容处理，研究出满足各类生产方式的物流调度方法，发明设计了一种复合型并行加工的生产物流调度分析方法。

技术实现要素：

本发明目的是提供一种复合型并行加工的生产物流调度分析方法，该设计方法包括：工件的工序前后约束的方法、工件在各工序加工时间的确定方法、机器的工序非堵塞性约束方法、各工件在每一工序加工机床的分配方法、优化复合型并行加工的生产物流调度方法。

该分析方法包括：

s1、基于实际生产车间布局及生产类型建立数学模型，展现出工件在各设备的加工工艺顺序；

s2、基于各工件在各工序加工时间的参数化建模，构造生产加工过程中的时间矩阵模型；

s3、采用参数化模型化的设计方法，采用改进的遗传算法，优化复合型并行加工的生产物流调度，利用优化的结果设计出能够合理排产、最小化所有工件加工完成时间的调度模型。

将工件在生产车间的加工工艺流程、加工时间，通过改进的遗传算法统筹考虑，深入理解复合型并行加工的生产物流调度的分析方法，从而更好地优化所有工件的加工时间，进而提高生产效率及成本节约。

附图说明

图1是工件加工工艺流程图

图2是复合型并行加工的生产设备布局模型

图3是优化算法人机交互界面

图4是算法搜索过程曲线图

图5是总完成时间最优的车间调度甘特图

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

步骤一：基于实际生产车间布局及生产类型建立数学模型，较为清晰的展现出工件在各设备的加工工艺顺序；

以工件能被优质的加工为出发点，基于实际生产车间布局，车间的生产类型，结合设备的的功性能，工件生产过程中的约束条件，提取工件在实际加工过程中的工艺顺序，从而建立数学模型。

令cik表示工件i在机器k上的完工时间，tik表示工件i在机器k上的加工时间，这里的时间包括加工准备时间，且cik>0，tik>0。csik:工件i在机器k上的开始时间；ceik:工件i在机器k上的结束时间；

(1)工件的工序前后约束条件。

对于工件i，如果先到达机器h，在机器h上的加工先于机器k上，则有如下约束条件：

cik－tik≥cih(1)

(2)机器的工序非堵塞性约束条件。

机器的工序非堵塞性(资源)约束，即机床在同一时刻只能加工一种工件，工件到达机床的时间有先后顺序，加工次序也有先后。

对于两个工件i和j都需要在机床k上加工，如果i先于工件j来到，则有如下约束条件。

cjk－cik≥tik(2)

(3)其他约束——任何一道工序的完工时间不能小于其开始和加工时间之和:

ceik≥csik+tik

工件加工工艺流程图如图1所示，复合型并行加工的生产设备布局模型如图2所示。

步骤二：基于各工件在各工序加工时间的参数化建模，构造生产加工过程中的时间矩阵模型；

车间作业调度的时间矩阵模型需要考虑工件的加工时间、搬运时间、等待时间,求解目标为最小化所有工件的完成时间，为求解方便将工件的加工时间、搬运时间、等待时间进行预处理，即每个工件的处理时间表示为tmn。

tm*n＝[t11t12t13……t1n-1t1n

t21t22t23……t2n-1t2n

t31t32t33……t3n-1t3n

┊

tm1tm2tm3……tmn-1tmn]

将实际生产模型的工艺顺序应用到加工时间参数化建模当中去，在设计过程中利用矩阵特征分析加工时间模型，以行向量为工件数，用m表示；以列向量为工序数，用n表示，构造工件在第一个工件在第一道工序的处理时间，第一个工件在第二道工序的处理时间，……以此类推，从而建立工件时间矩阵模型。

步骤三：采用参数化模型化的设计方法，采用改进的遗传算法，优化复合型并行加工的生产物流调度；利用优化的结果设计出能够合理排产、最小化所有工件加工完成时间的调度模型；

车间生产调度数学模型描述如下，有m个工件需要在k个设备上进行加工，每个工件包含n个工序；o＝{oi,i＝1,2,...m}为一个工件集，p＝{pj,j＝1,2,...n}为一个工序集，q＝{qk,k＝1,2,...g}为一个机床集，每个工件oi都有单独的加工工艺。研究的目的就是确定一个调度，将工件的每一个工序分配到对应机床的某个时间段，使得最终工件集所有零件任务加工完毕的时间最短，优化目标函数如下公式所示。

min(max{tijk})，(i＝1,2,...m，j＝1,2,...n，k＝1,2,...g,)tijk表示第i个零件的第j道工序在机床k上的完工时间。

采用改进的遗传算法：在每次迭代过程中，来不断更新搜寻最优解，第一就是个体极值为xi；另一个是整个种群找到的最优解x。

具体的优化过程：利用malab数学软件，借助gui将生产线数学模型的输入的参数表示出来，展现出方便、简洁的人机交互界面，如图3所示。通过matlab仿真软件，将算法编程镶嵌在gui界面里，算法编程用来表示出工件的生产过程，进行工件加工过程的动态仿真分析，获得生产物流调度的动态特性，而后改变物流调度的遗传算法参数，循环以上的步骤，进行求解优化计算。求解结果用横坐标表示x的值，纵坐标表示z的值。算法搜索优化过程曲线图如图4所示。

由优化分析的结果图可知：当x为45代时，所有工件的处理时间z到达最优解为5.4*10⁴s。

利用优化的结果设计出生产物流调度模型的甘特图，可以形象直观的展示调度优化结果，如图5所示。