一种随机扰动下组立构件日程计划动态调整方法及系统与流程

本发明涉及组立构件领域，特别是涉及一种随机扰动下组立构件日程计划动态调整方法及系统。

背景技术：

船舶生产模式的研究一直是国内外造船界的研究热点。传统的造船业是劳动力密集型产业，但随着制造技术的发展，造船业逐渐走向技术密集型产业，使用成组技术和模块化技术，在建造中进行相似性分析，以组立构件为代表中间产品的导向分道造船成为主流模式，生产部门的专业化分工越来越强，生产效率得到大幅度提高。

中组立是船体分段装配的一个生产阶段，其就是在固定的场地将船舶部件和部件加零件组成一个较大组合件的生产过程。在国内船厂的生产中，组立构件大都实现了流水线生产，效率较高，重量和体积都很大，建造过程中移动和搬运都很困难，普遍采用固定工位建造方式。在实际生产过程中，组立构件是进行区域定置，建立分道生产线，在生产场地内固定位置的胎架上完成建造的，并且组立构件一旦固定便尽量不再移动直至建造完成，在此过程中，组立构件建造涉及的物料、工具、设备及人员都围绕组立构件中间产品建造任务进行安排，这就是组立构件固定工位建造模式。实际的组立构件生产过程中多种随机扰动，如自然因素、设备和原材料采购等，以及在生产过程中，可能突发的临时插入紧急任务，需要根据变化及时调整生产计划。

技术实现要素：

本发明的目的是提供一种随机扰动下组立构件日程计划动态调整方法及系统，能够根据变化及时调整生产计划。

为实现上述目的，本发明提供了如下方案：

一种随机扰动下组立构件日程计划动态调整方法，包括：

获取组立构件中小日程计划中的随机动态扰动因素；

对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素；

建立组立构件中小日程计划的随机动态扰动算法模型；

获取组立构件状态信息；

根据所述随机动态扰动算法模型、所述具体的随机动态扰动因素和所述组立构件状态信息，进行随机动态扰动因素下组立构件中小日程计划计算，得到重调度方案。

可选的，所述获取组立构件中小日程计划中的随机动态扰动因素，具体包括：

获取组立构件中小日程计划中的七种随机动态扰动因素，所述随机动态扰动因素包括：组立构件的工时发生变化、组立构件的空间位置对调、组立构件的开始时间提前、组立构件的开始时间推迟、组立构件发生场地或坐标变更、涉及同一天内组立构件的位置变更和组立构件既涉及场地或坐标变更又涉及开始时间提前或拖期。

可选的，所述对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素，具体包括：

根据组立构件编号，确定对应分段的计划数据；

根据所述计划数据，确定具体的随机动态扰动因素。

可选的，所述建立组立构件中小日程计划的随机动态扰动算法模型，具体包括：

建立组立构件中小日程计划的随机动态扰动算法模型，所述随机动态扰动算法模型的目标函数为：

f＝min(f1+f2),

所述随机动态扰动算法模型的约束条件为：

约束条件(1)：

sjh+xijh×pijh≤cjh，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；

约束条件(2)：

cjh≤sj(h+1)，其中j＝1,2….n；h＝1,2…hj-1；

约束条件(3)：

其中j＝1,2….n；

约束条件(4)：

sjh+pijh≤skl+l(1-yijhkl)，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(5)：

cjh≤sj(h+1)+l(1-yiklj(h+1))，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(6)：

其中h＝1,2…hj；j＝1,2…n；

约束条件(7)：

sjh≥0,cjh≥0，其中h＝1,2…hj；j＝1,2…n；

其中，n为组立构件工件总数，m为建造设备总数，h为第j个组立构件的工序总数，ojh为第j个组立构件的h工序，mijh为第j组立构件的h工序在机器i上加工，pijh为第j组立构件的h工序在设备i上所需的加工时间，sijh为第j组立构件的h工序加工的开始时间，cijh为第j组立构件的h工序加工的完成时间，l为足够大的常数，cmax为系统的最大完工时间；dj为第j组立构件的交货期，

一种随机扰动下组立构件日程计划动态调整系统，包括：

第一获取模块，用于获取组立构件中小日程计划中的随机动态扰动因素；

判断模块，用于对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素；

模型建立模块，用于建立组立构件中小日程计划的随机动态扰动算法模型；

第二获取模块，用于获取组立构件状态信息；

重调度方案确定模块，用于根据所述随机动态扰动算法模型、所述具体的随机动态扰动因素和所述组立构件状态信息，进行随机动态扰动因素下组立构件中小日程计划计算，得到重调度方案。

可选的，所述第一获取模块，具体包括：

随机动态扰动因素获取单元，用于获取组立构件中小日程计划中的七种随机动态扰动因素，所述随机动态扰动因素包括：组立构件的工时发生变化、组立构件的空间位置对调、组立构件的开始时间提前、组立构件的开始时间推迟、组立构件发生场地或坐标变更、涉及同一天内组立构件的位置变更和组立构件既涉及场地或坐标变更又涉及开始时间提前或拖期。

可选的，所述判断模块，具体包括：

计划数据确定单元，用于根据组立构件编号，确定对应分段的计划数据；

随机动态扰动因素确定单元，用于根据所述计划数据，确定具体的随机动态扰动因素。

可选的，所述模型建立模块，具体包括：

随机动态扰动算法模型建立单元，用于建立组立构件中小日程计划的随机动态扰动算法模型，所述随机动态扰动算法模型的目标函数为：

f＝min(f1+f2),

所述随机动态扰动算法模型的约束条件为：

约束条件(1)：

sjh+xijh×pijh≤cjh，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；

约束条件(2)：

cjh≤sj(h+1)，其中j＝1,2….n；h＝1,2…hj-1；

约束条件(3)：

其中j＝1,2….n；

约束条件(4)：

sjh+pijh≤skl+l(1-yijhkl)，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(5)：

cjh≤sj(h+1)+l(1-yiklj(h+1))，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(6)：

其中h＝1,2…hj；j＝1,2…n；

约束条件(7)：

sjh≥0,cjh≥0，其中h＝1,2…hj；j＝1,2…n；

其中，n为组立构件工件总数，m为建造设备总数，h为第j个组立构件的工序总数，ojh为第j个组立构件的h工序，mijh为第j组立构件的h工序在机器i上加工，pijh为第j组立构件的h工序在设备i上所需的加工时间，sijh为第j组立构件的h工序加工的开始时间，cijh为第j组立构件的h工序加工的完成时间，l为足够大的常数，cmax为系统的最大完工时间；dj为第j组立构件的交货期，

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种随机扰动下组立构件日程计划动态调整方法及系统，通过获取组立构件中小日程计划中的随机动态扰动因素；对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素；建立组立构件中小日程计划的随机动态扰动算法模型；根据所述随机动态扰动算法模型和所述具体的随机动态扰动因素，进行随机动态扰动因素下组立构件中小日程计划计算，得到重调度方案。该方法综合考虑了相关随机动态扰动事件，能够根据变化及时调整生产计划，具有适用范围广、容易编程实现等特点，显著降低了计算量和分析难度。本发明适用范围广，实施过程简单，在船厂生产建造阶段使用方便，效率高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明随机扰动下组立构件日程计划动态调整方法流程图；

图2为本发明随机扰动下组立构件日程计划动态调整系统结构图。

具体实施方式

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、完整地描述，显然，所描述的实施例仅仅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。

本发明的目的是提供一种随机扰动下组立构件日程计划动态调整方法及系统，能够根据变化及时调整生产计划。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明随机扰动下组立构件日程计划动态调整方法流程图。如图1所示一种随机扰动下组立构件日程计划动态调整方法包括：

步骤101：获取组立构件中小日程计划中的随机动态扰动因素，具体包括：

获取组立构件中小日程计划中的七种随机动态扰动因素，所述随机动态扰动因素包括：组立构件的工时发生变化、组立构件的空间位置对调、组立构件的开始时间提前、组立构件的开始时间推迟、组立构件发生场地或坐标变更、涉及同一天内组立构件的位置变更和组立构件既涉及场地或坐标变更又涉及开始时间提前或拖期。

所述随机动态扰动因素为在组立构件建造过程中的对制定好的建造日程产生影响的扰动因素。船舶组立构件在实际建造过程中无法避免的会产生很多扰动的情况，进而影响整个生产计划。组立构件生产建造中的随机动态扰动因素的类别很多，涉及组立构件建造过程的作业、人员、工具、物料、场地等多种方面。例如，组立构件交付日期提前：具体指在已制定好的月计划中，将组立构件的开始时间提前或工时缩短；组立构件的生产建造位置改变：具体指在已制定好的月计划中，将组立构件指定到计划以外的位置(换到别的场地或同场地中换位置，更改旋转角度)。

步骤102：对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素，具体包括：

根据组立构件编号，确定对应分段的计划数据。

根据所述计划数据，确定具体的随机动态扰动因素。

一般可分为简单情况和复杂情况，简单情况包括组立构件的建造工时发生变化、组立构件建造位置对调等；复杂情况包括既涉及生产建造场地或坐标变更又涉及生产交付日期提前或拖期。

步骤103：建立组立构件中小日程计划的随机动态扰动算法模型，具体包括：

建立组立构件中小日程计划的随机动态扰动算法模型，所述随机动态扰动算法模型的目标函数为：

f＝min(f1+f2),

所述随机动态扰动算法模型的约束条件为：

约束条件(1)：

sjh+xijh×pijh≤cjh，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；

约束条件(2)：

cjh≤sj(h+1)，其中j＝1,2….n；h＝1,2…hj-1；

约束条件(3)：

cjhi≤cmax，其中j＝1,2….n；

约束条件(4)：

sjh+pijh≤skl+l(1-yijhkl)，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(5)：

cjh≤sj(h+1)+l(1-yiklj(h+1))，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(6)：

其中h＝1,2…hj；j＝1,2…n；

约束条件(7)：

sjh≥0,cjh≥0，其中h＝1,2…hj；j＝1,2…n；

其中，n为组立构件工件总数，m为建造设备总数，h为第j个组立构件的工序总数，ojh为第j个组立构件的h工序，mijh为第j组立构件的h工序在机器i上加工，pijh为第j组立构件的h工序在设备i上所需的加工时间，sijh为第j组立构件的h工序加工的开始时间，cijh为第j组立构件的h工序加工的完成时间，l为足够大的常数，cmax为系统的最大完工时间；dj为第j组立构件的交货期，

约束条件(1)以及(2)对每一个组立构件的所有建造工序做出了顺序约束；约束条件(3)说明所有组立构件的完工时间都小于总流程时间；约束条件(4)以及(5)限制了某一建造设备不能同时加工两个及以上的组立构件；约束条件(6)说明组立构件工序的加工不能同时被多台建造设备加工；约束条件(7)表示各个参数变量必须是正数。

步骤104：获取组立构件状态信息。

步骤105：根据所述随机动态扰动算法模型、所述具体的随机动态扰动因素和所述组立构件状态信息，进行随机动态扰动因素下组立构件中小日程计划计算，得到重调度方案：

(1)某些组立构件的工时发生变化。求解策略为前面的计划不变，该分段结束时间点(对于拖期的，是计划结束时间点)以后的计划全部重新制定。

(2)某些组立构件的空间位置对调。求解策略为将先结束的分段的结束时间点重排。

(3)某些组立构件的开始时间提前。具体策略为：查看提前到的时间点是否是当前计划中的时间结点，若是，则从该时间结点开始重排；否则，指定该组立构件的位置，该位置上从当前时间到组立构件的开始时间填充上长度相似，时间符合的分段，其余从当前时间开始重排。

(4)某些组立构件的开始时间推迟。例如，从20号推迟到25号，具体策略为在20号插入另一个可以在25号或之前结束的，然后从25号开始重排。

(5)某些组立构件发生场地或坐标变更，则直接在变更时间结点处对所涉及场地重排。

(6)只涉及同一天内组立构件的位置变更。则所涉及场地从变更当天开始重排。

(7)组立构件既涉及场地或坐标变更又涉及提前或拖期。第一种情况是延迟+换场地，则场地一从第一天开始重排，场地二从当前时间开始，用未安排分段将扰动构件的位置填满，直到第n天，然后从当前时间开始重排；第二种情况是提前+换场地，则场地一从第n天开始重排，场地二从第二天开始重排。

该方法综合考虑了工序加工时间变化、紧急工件插入、工件运输时间延迟以及其他相关随机扰动事件，具有适用范围广、容易编程实现等特点,显著降低了计算量和分析难度。本发明适用范围广，实施过程简单，在船厂生产建造阶段使用方便，效率高。

图2为本发明随机扰动下组立构件日程计划动态调整系统结构图。如图2所示，一种随机扰动下组立构件日程计划动态调整系统包括：

第一获取模块201，用于获取组立构件中小日程计划中的随机动态扰动因素。

判断模块202，用于对组立构件中小日程计划的随机动态扰动因素进行判断，得到具体的随机动态扰动因素。

模型建立模块203，用于建立组立构件中小日程计划的随机动态扰动算法模型。

第二获取模块204，用于获取组立构件状态信息。

重调度方案确定模块205，用于根据所述随机动态扰动算法模型、所述具体的随机动态扰动因素和所述组立构件状态信息，进行随机动态扰动因素下组立构件中小日程计划计算，得到重调度方案。

所述第一获取模块201，具体包括：

随机动态扰动因素获取单元，用于获取组立构件中小日程计划中的七种随机动态扰动因素，所述随机动态扰动因素包括：组立构件的工时发生变化、组立构件的空间位置对调、组立构件的开始时间提前、组立构件的开始时间推迟、组立构件发生场地或坐标变更、涉及同一天内组立构件的位置变更和组立构件既涉及场地或坐标变更又涉及开始时间提前或拖期。

所述判断模块202，具体包括：

计划数据确定单元，用于根据组立构件编号，确定对应分段的计划数据；

随机动态扰动因素确定单元，用于根据所述计划数据，确定具体的随机动态扰动因素。

所述模型建立模块203，具体包括：

随机动态扰动算法模型建立单元，用于建立组立构件中小日程计划的随机动态扰动算法模型，所述随机动态扰动算法模型的目标函数为：

f＝min(f1+f2),

所述随机动态扰动算法模型的约束条件为：

约束条件(1)：

sjh+xijh×pijh≤cjh，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；

约束条件(2)：

cjh≤sj(h+1)，其中j＝1,2….n；h＝1,2…hj-1；

约束条件(3)：

其中j＝1,2….n；

约束条件(4)：

sjh+pijh≤skl+l(1-yijhkl)，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(5)：

cjh≤sj(h+1)+l(1-yiklj(h+1))，其中i＝1,2….m；j＝1,2….n；h＝1,2…hj；j＝1,2…n；k＝1,2…n；

约束条件(6)：

其中h＝1,2…hj；j＝1,2…n；

约束条件(7)：

sjh≥0,cjh≥0，其中h＝1,2…hj；j＝1,2…n；

其中，n为组立构件工件总数，m为建造设备总数，h为第j个组立构件的工序总数，ojh为第j个组立构件的h工序，mijh为第j组立构件的h工序在机器i上加工，pijh为第j组立构件的h工序在设备i上所需的加工时间，sijh为第j组立构件的h工序加工的开始时间，cijh为第j组立构件的h工序加工的完成时间，l为足够大的常数，cmax为系统的最大完工时间；dj为第j组立构件的交货期，

实施例：

本实施例提供一种生成车间作业重调度方案，具体执行步骤如下：

step1：根据生产车间的初始化生产参数，不考虑随机性因素，按照生产要求生成一个初始排产计划方案。

step2：按照作业计划执行方案执行组立构件的生产，判断是否结束。若是，生产结束；否则，转至step3。

step3：判断是否有随机生产扰动的发生，若有，转至step4；否则，继续执行现有作业计划方案。

step4：基于随机因素分类，确定当前加工受影响的组立构件和工序，并更新车间系统生产参数，包括时间约束、工艺约束和资源约束，求解数学模型，生成右移重调度的方案。

step5：判断是否满足生产要求，若满足，转至step2执行右移重调度方案；否则，转至step6。

step6：根据当前突发事件进行完全重调度，转至step2执行完全重调度方案。

具体分析时，可以结合某一特定的生产计划作为数据进行分析。首先从数据库中提取计划期内的组立构件状态数据，根据任务对应的船号和分段号，然后调用数据库中场地和劳务队的信息，然后结合实际生产过程可能遇到的7类随机扰动因素进行分类，进行组立构件建造过程随机扰动下的排产分析。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。