一种存在准备时间的多品种生产分批调度方法与流程

本发明属于离散型加工车间智能调度领域，具体涉及一种存在准备时间的多品种生产分批调度方法。

背景技术：

随着生产技术的不断发展和响应市场需求的要求不断提高，制造业已经逐步采用智能化的生产方式替代过去传统低效率的人工管理方式。基于智能化的车间管理，能够极大提高车间生产效率、自动化水平、控制能力和生产线的稳定可靠性。但大量传统制造业的加工车间管控系统智能化水平仍较低，无法对车间运行情况进行有效监控。车间内的调度计划大多依靠现场管理人员的经验进行生产调度，人为地导致生产安排不合理，各产线加工负载不平衡，生产调度计划变更频繁。

通过恰当的工件批量划分策略，将所需加工工件分成若干个批次，批次即为实现调度的基本单位，再通过恰当的方式将所分割的各个加工批次进行对应生产线的选择与排序，即被称为一种分批调度策略。关于类似调度问题的研究始于20世纪50年代，在1954年Johnson对两台机床F1Qw-Shop型调度问题进行了研究后，提出了解决n/2/F/Cmax和部分特殊n/3/F/Cmax问题的优化算法，代表了调度理论研究的开始。

近年来，研究人员更加注重实际生产的需要。在分批调度方面，2010年白俊杰和龚毅光等曾提出一种新的基于“游标”的动态批量分割方法，并且采用了融合批量分割和加工工序的编码方式，使得算法不仅能够根据机器负荷对工件分批，而且子批的加工顺序得到优化。但该批量分割方法游标的位置是随机的，导致批量大小不可控制。在2010年，华中科技大学的李峥峰对汽车冲压生产过程中的多种时间因素进行分析和研究，建立了作业车间生产过程的时间模型，以最大完工时间为优化目标，对多种时间因素经典作业车间的调度问题进行优化建模和理论分析，并给出其遗传求解算法。2013年，华东理工大学的张伟研究了汽车零部件作业车间调度的问题，以最小化完工时间为优化目标，采用遗传算法和禁忌搜索算法相结合的混合算法进行研究验证。

在现有的车间调度技术中，特别是在实际应用型的调度技术中，对待加工工件都没有采用批量划分技术，或者对各批次的划分是随机进行的。对于大批量的生产车间而言，合理批量划分能够保证生产线负载平衡，极大地提高车间生产效率，但过大的批量划分易造成个别机床生产负荷过重、车间生产周期增大，过小的批量划分则会造成机床调整时间增加、生产管理难度增加。

技术实现要素：

针对现有技术存在的缺陷，本发明的目的在于提供一种存在准备时间的多品种生产分批调度方法，该方法通过对车间计划生产量采用批量划分策略进行分批，运用单批次最长完工时间工件优先分配最先空闲产线的原则进行调度，从而实现了车间各产线的负载均衡化，缩短了工件加工周期，提高了车间生产效率，减小了企业制造成本。

为达到上述目的，本发明采用的技术方案包含以下内容：

一种存在准备时间的多品种生产分批调度方法，其特点是：通过批量划分策略不断优化批量划分方案，并通过单批次最长完工时间工件优先分配最先空闲产线的原则进行调度，为各批次选择其对应的生产线，以及各批次的加工顺序。通过该调度算法，将实现车间总完工时间最小化的目标。具体步骤如下：

步骤1，建立如下数学模型：

目标函数：

f＝minT (1)

T＝maxTl (2)

分批策略的约束条件如下：

其中，为向上取整，为向下取整，mod为取余数。

其中，式(1)为目标函数，T表示总完工时间，f表示最小化总完工时间。式(2)表示总完工时间为所有产线加工时间的最大值。式(3)表示第l条产线加工过程所需完成时间的计算方法。其中Xiz为第i类工件的第z批次所含工件数目；Li为单个第i类工件在产线上所需加工时间；nl为第l条产线上所含的工件类型数；kil为第i类工件在第l条产线上的批次数量；Li为当当前机器上的待加工工件与前一加工工件的加工条件不同(如换刀)时，所需的加工准备时间。式(4)为批次所含工件数量和批量大小间的约束关系，Di为第i类工件的总数量。式(5)为对同一类工件采用等量分批的方法，当工件不可完全等分时，将剩余不足一批的工件均匀分摊至前Di mod ki个批次中进行加工，其中ki为第i类工件的批次数。

关于生产线及其上加工工件的其他约束条件如下：

1)同一台机器在同一时刻最多只能加工一个工件；

2)同一工件在同一时刻最多只能被一台机器加工；

3)每个工件在每个工位的一台机器上一旦开始加工不能中断；

4)每个工件仅会在一条流水产线上被加工。

通过将车间工件计划产量按工件种类对其进行初始批次划分，获得初始的分批方案。而后运用批量划分策略，将各类工件重新划分为多个批次，并对其进行反复优化。对于划分好的分批方案，通过单批次最长完工时间工件优先分配最先空闲产线的原则进行调度，完成各批次加工产线的选择，获得较优的车间调度方案。通过对分批方案与调度方案的反复优化，最终获得最优分批方案下最优的调度结果。

后续步骤如下所示：

步骤2：初始化。输入车间需要加工的产品信息，包括产品种类、数量、加工时间、可加工产线等信息，并将算法当前最优解定义为+∞。

步骤3：确定所有工件初始分批方案。将所有工件分批数均定义为1，即对所有工件均不分批。

步骤4：根据未调度工件中完工时间最长的工件优先选择最早空闲产线的调度原则对所有工件进行依次调度，并形成较优调度方案。

步骤5：根据步骤4形成的最优调度方案，计算每条产线上的加工时间Tl、每条产线与耗时最短产线的时间差值DVl，以及总完工时间T。判断当前调度结果是否优于最优解，如果是，则更新最优解。

步骤6：判断当前批次调度结果是否满足车间调度要求。如果满足，则跳转至步骤8；如果不满足，则跳转至步骤7。

步骤7：对工件进行重新分批，跳转至步骤4。

步骤8：输出车间最优调度结果和甘特图，结束。

优选的，步骤4中对于每个分批方案下各个加工批次的产线选择，通过依照单批次最长完工时间工件优先分配最先空闲产线的原则进行调度。其具体的实现方案包含以下几个步骤：

步骤4.1：根据步骤2中的产品信息，计算出在不考虑各种约束条件的情况下，各产线仅有一次准备时间Lr时，将各个工件平均分配至所有产线生产所需要的总完工时间，并将其记为计划完工时间t0。

步骤4.2：对仍未进行调度的工件按照需花费的加工时间进行排序，选择加工时间最长的工件，确定加工该工件的产线以及其在该产线上加工的批次数。如果无法找到合适的产线，则判定为该计划完工时间过小，跳转至步骤4。

步骤4.3：如果对所有工件均已完成调度，则当前调度方案为该分批状态下的最优调度方案，输出当前调度方案。如果仍有工件未完成调度，则跳转至步骤4.2。

步骤4.4：更新计划完工时间为t0＝t0+Δt，其中Δt为设定的计划完工时间增量。初始化所有调度状态，并跳转至步骤4.2。

其中，步骤4.2为了实现合理的产线调度选择，选择工件的加工产线包含以下两个条件：

1)所有产线中最先空闲产线优先。

2)当有多条产线同时空闲时，可加工工件种类少的产线优先。

在此基础上，步骤4.2中工件在产线上的批次数量为：确定能使得在该生产线总生产时间不超过计划完工时间t0的前提下，所能达到的最大可加工批次数量，作为该工件在该产线上所需加工的批次数。

为了实现合理的工件批量划分策略，加快对最优分批方案的寻找速度，步骤7中的对进行工件重新分批，包括以下两个步骤：

步骤7.1：从所有工件中选择生产单个批次所需时间最长的工件i。

步骤7.2：将该工件的批次数ki更新为ki＝ki+1。

相比现有技术方案，本发明的有益结果为：

本发明方法针对准备时间的多品种生产分批调度算法的特点，通过提出了一个新的工件调度策略，并结合一定的分批方案，实现了车间内各产线的负载平衡化问题，形成了较优的生产车间调度问题，大幅度缩短了整个生产车间的总完工时间，提升了企业的生产效率，节约了制造成本。

附图说明

图1为本发明方法的总体流程图。

图2为本发明实施案例制动盘精密加工车间调度甘特图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

参考图1，对制动盘加工智能车间实施分批调度，具体实施步骤如下：

步骤1：建立如下制动盘加工智能车间分批调度模型：

目标函数：

f＝minT (1)

T＝maxTl (2)

分批策略的约束条件如下：

其中，为向上取整，为向下取整，mod为取余数。

其中，式(1)为目标函数，T表示总完工时间，f表示最小化总完工时间。式(2)表示总完工时间为所有产线加工时间的最大值。式(3)表示第l条产线加工过程所需完成时间的计算方法。其中Xiz为第i类制动盘的第z批次所含制动盘数量；Li为单个第i类制动盘在产线上所需加工时间；nl为第l条产线上所含的制动盘类型数；kil为第i类制动盘在第l条产线上的批次数量；Li为当当前机器上的待加工制动盘与前一制动盘为不同类型时，所需的加工准备时间。式(4)为批次所含制动盘数量和批量大小间的约束关系，Di为第i类制动盘的总数量。式(5)为对制动盘采用等量分批的方法，当其不可完全等分时，将剩余不足一批的制动盘均匀分摊至前Di mod ki个批次中进行加工，其中ki为第i类制动盘的批次数。

步骤2：初始化。输入车间待加工的制动盘信息，包括种类、数量、加工时间、可加工产线等，并将算法当前最优解定义为+∞。

步骤3：对所有类型的制动盘先不分批，即批次数均设定为1。

步骤4：对待加工制动盘按照所需完工时间最长的优先选择最早空闲产线的调度原则进行依次调度，具体的步骤如下：

步骤4.1：根据步骤2中的制动盘信息，计算出在不考虑各种约束条件的情况下，各产线仅有一次准备时间Lr，将各类型制动盘平均分配至所有产线生产时，车间完成加工计划所需要的总完工时间，并将其记为计划完工时间t0。

步骤4.2：选择所有未调度的制动盘中，完成加工所需花费时间最长的制动盘类型，对该类型制动盘，寻找合适的产线进行调度，其在该产线上的批次数为在该生产线总生产时间不超过计划完工时间t0的前提下，所能达到的最大可加工批次数量。如果无法可调度的产线，则判定为该计划完工时间过小，跳转至步骤4.4。其中产线选择策略为：

选择策略1：该产线能加工该类型制动盘；

选择策略2：可加工产线中最先空闲产线优先；

选择策略3：当有多条产线同时空闲时，可加工制动盘种类少的产线优先。

步骤4.3：如果对所有类型制动盘均已完成调度，则当前调度方案为该分批状态下的最优调度方案，输出当前调度方案。如果仍有制动盘未完成调度，则跳转至步骤4.2。

步骤4.4：对计划完工时间增加增量Δt，更新为t0＝t0+Δt。初始化所有调度状态，并跳转至步骤4.2。

步骤5：根据步骤4形成的较优调度方案，判断当前调度结果是否优于最优解。如果是，则更新最优解。

步骤6：判断当前批次调度结果是否满足车间调度要求。如果满足，则跳转至步骤8；如果不满足，则跳转至步骤7。

步骤7：对所有类型制动盘进行重新分批，跳转至步骤4。具体分批步骤如下所示：

步骤7.1：从所有类型制动盘中选择生产单个批次所需时间最长的制动盘i。

步骤7.2：将该类型制动盘的批次数增加1，重新计算其批次数量。

步骤8：输出制动盘精密加工智能车间分批调度的最优结果和甘特图，算法结束。

具体实施例子如下：

某汽车制动盘加工智能车间有6条产线，每条生产线的加工能力相同，但是对加工工件的类型有限制。其中的第1条和第2条生产线加工的制动盘类型相同，第3条和第4条加工的制动盘类型相同但与第1条和第2条不同，第5和第6条能够加工所有类型的制动盘。每条生产线有钻孔、精车、动平衡、全检和钢印四道工序，每个工序对应一台加工设备。

制动盘的类型、加工的数量、加工节拍和制动盘可选的加工产线如表1所示。

表1制动盘加工信息

运用本发明调度方法进行实例验证，可以得到优化后的制动盘加工分批调度方案以及甘特图，即如图2表示。图中一行代表了一条生产线，每一个矩形框则代表了一个加工批次，同一类型的制动盘其加工批次拥有相同的颜色。矩形框的长度则代表了该批次的加工时间长度。矩形框上数字的最后两位为该批次的批次号，之前的数字为该批次制动盘的种类序号。如319则表示第三种类型制动盘的第19批次。

可以看出，经过算法运算后的各产线负荷分配较匀，所需加工时间约20.46h，而传统的加工甘特图所需加工时间约23.10h，整个生产周期缩短约10％。