基于K最短路径的多车间综合调度方法与流程

本发明涉及一种基于k最短路径的多车间综合调度方法。

背景技术：

多车间柔性综合调度定义为：加工工艺图具有树形结构特征的复杂单产品，其工序节点可以在设备资源中的一台或多台设备上加工(加工时间和费用可以不相同)，且存在多个车间，每个车间中存在的设备资源不同。

目前基于柔性设备加工的多车间综合调度方法只考虑产品在不同设备上加工引起的问题，并没有考虑加工工序在多车间来回迁移以及在同一车间内部设备之间迁移导致总时间和总成本增加的问题。

技术实现要素：

本发明的目的是为了解决目前多车间综合调度方法只考虑产品在不同设备上加工引起的问题以及只考虑产品本身在加工过程中引起的问题，没有考虑迁移引起的问题，为此，提供一种基于k最短路径的多车间综合调度方法。

上述的目的通过以下的技术方案实现：

一种基于k最短路径的多车间综合调度方法，其特征是：基于k最短路径的思想，将迁移约束和设备资源约束进行了整合；利用属性融合策略，解决了时间和成本双目标偏坠问题，使得调度结果更均衡；

所述的基于k最短路径的多车间综合调度方法，所述的综合调度方法具体实施步骤如下：

步骤1：获取待加工产品的加工工艺树信息；

步骤2：选取加工工艺树根节点。按照后序序遍历思想，遍历加工工艺树树，输出遍历结果；

步骤3：按照遍历结果顺序以及各工序的设备资源约束，构建网络结构图；

步骤4：输入设备迁移约束，按照设备迁移信息给各路径赋值；

步骤5：调用考虑迁移问题的析取图模型，计算各节点的出度和入度值；步骤6：针对每个节点，计算比重值，属性值与比重值进行加乘，结果存入数据库1；

步骤7：计算各节点下的函数值，从大到小进行排列，存入数据库2；

步骤8：将加工工艺树的叶子节点工序存入备选集；

步骤9：调取数据库1，检索最大值，确定预调度工序；

步骤10：调用数据库2，检索该工序下函数值最大值，确定工序初加工设备；

步骤11：判断该工序在该加工设备上加工是否存在等待，若不存在等待，执行步骤12，否则执行步骤15；

步骤12：该工序在该设备上加工，计算时间和成本，删除备选集中该叶子节点；

步骤13：判断是否产生新的叶子节点，若存在，将新叶子节点存入备选集，否则转到14；步骤14：判断备选集中是否为空，若不为空，转到步骤9，否则转到步骤17；

步骤15：调取数据库2，检索该工序下函数值次最大值；

步骤16：判断该工序在不同设备的开始加工时间，选取开始加工时间最早的设备，转到步骤12；

步骤17：输出甘特图，结束。

所述的加工工艺树存在迁移约束和设备资源约束，加工工艺树中各节点信息分别表示为工序名称、设备名称、加工时间(小时)、所需费用(拾元)。各工序间紧前紧后的加工关系由箭头方向表示，箭头所指方向为该加工节点的紧后工序；例如：j11/a1/13/40代表工序为j11工序，加工设备号为车间a中的1号设备，加工时间为13小时，加工费用为400元。

所述的加工工序可以在不同的加工设备上进行加工，且加工过程中耗费的时间和成本不同。

所述的基于k最短路径的多车间综合调度方法，其特征是：针对单件复杂产品存在工序之间的关系约束、柔性加工存在设备资源约束以及多车间加工存在迁移约束问题，基于k最短路径的思想，设计了考虑迁移和设备资源问题的析取图模型。

有益效果：

1.本发明考虑了加工工序在多车间柔性加工设备上加工，加工工序在车间内部各设备上发生迁移以及在多个车间之间进行辗转后，迁移引起的问题，以往综合调度算法只针对产品在不同设备上加工引起的问题或是产品本身在在多个车间加工过程中引起的问题，并没有将迁移问题以数据的形式进行分析比较，通常以次数多少进行比较分析；本发明基于k最短路径的思想，将迁移约束和设备资源约束进行了整合；利用属性融合策略，解决了时间和成本双目标偏坠问题，使得调度结果更均衡；①针对迁移约束和设备资源约束两大问题，基于k最短路径的思想，设计了考虑迁移和设备资源问题的析取图模型；②针对调度过程中仅优先考虑某一单一目标进行调度，导致的调度结果偏坠问题，设计了属性融合策略，使得选取的路径属性值更加均衡；

2.本发明首次在多车间柔性综合调度中基于k最短路径的思想，引入考虑迁移和设备资源问题的析取图模型，该析取图模型能够针对柔性加工问题更加直观的表达工序之间的约束关系以及设备资源的约束关系，并且通过对其弧赋值，能够将迁移信息也同时表示出来。

附图说明：

附图1是本发明的加工任务图示例；

附图2是简单的加工树；

附图3是考虑迁移时间的析取图；

附图4是含迁移时间的设备关系图；

附图5是算法详细设计流程图；

附图6是现有技术对附图1所示任务图示例的调度结果甘特图；

附图7是不考虑迁移问题情况下，优先考虑加工时间的调度甘特图；

附图8是不考虑迁移问题情况下，优先考虑加工成本的调度甘特图；

附图9是三种调度结果耗费的总时间和总成本对比柱状图。

具体实施方式：

实施例1：

一种基于k最短路径的多车间综合调度方法，其特征是：基于k最短路径的思想，将迁移约束和设备资源约束进行了整合；利用属性融合策略，解决了时间和成本双目标偏坠问题，使得调度结果更均衡；

实施例2：

所述的基于k最短路径的多车间综合调度方法，所述的综合调度方法具体实施步骤如下：

步骤1：获取待加工产品的加工工艺树信息；

步骤2：选取加工工艺树根节点。按照后序序遍历思想，遍历加工工艺树树，输出遍历结果；

步骤3：按照遍历结果顺序以及各工序的设备资源约束，构建网络结构图；

步骤4：输入设备迁移约束，按照设备迁移信息给各路径赋值；

步骤5：调用考虑迁移问题的析取图模型，计算各节点的出度和入度值；

步骤6：针对每个节点，计算比重值，属性值与比重值进行加乘，结果存入数据库1；

步骤7：计算各节点下的函数值，从大到小进行排列，存入数据库2；

步骤8：将加工工艺树的叶子节点工序存入备选集；

步骤9：调取数据库1，检索最大值，确定预调度工序；

步骤10：调用数据库2，检索该工序下函数值最大值，确定工序初加工设备；

步骤11：判断该工序在该加工设备上加工是否存在等待，若不存在等待，执行步骤12，否则执行步骤15；

步骤12：该工序在该设备上加工，计算时间和成本，删除备选集中该叶子节点；

步骤13：判断是否产生新的叶子节点，若存在，将新叶子节点存入备选集，否则转到14；

步骤14：判断备选集中是否为空，若不为空，转到步骤9，否则转到步骤17；

步骤15：调取数据库2，检索该工序下函数值次最大值；

步骤16：判断该工序在不同设备的开始加工时间，选取开始加工时间最早的设备，转到步骤12；

步骤17：输出甘特图，结束。

实施例3：

所述的加工工艺树存在迁移约束和设备资源约束，加工工艺树中各节点信息分别表示为工序名称、设备名称、加工时间(小时)、所需费用(拾元)。各工序间紧前紧后的加工关系由箭头方向表示，箭头所指方向为该加工节点的紧后工序；例如：j11/a1/13/40代表工序为j11工序，加工设备号为车间a中的1号设备，加工时间为13小时，加工费用为400元。

所述的加工工序可以在不同的加工设备上进行加工，且加工过程中耗费的时间和成本不同。

所述的基于k最短路径的多车间综合调度方法，其特征是：针对单件复杂产品存在工序之间的关系约束、柔性加工存在设备资源约束以及多车间加工存在迁移约束问题，设计了考虑迁移和设备资源问题的析取图模型。

实施例4：

上述的基于k最短路径的多车间综合调度方法，所述的加工工艺树，由四个属性组成，第一部分为工序号，第二部分为加工设备，第三部分为加工时间，第四部分为加工成本，如图1。

上述的基于k最短路径的多车间综合调度方法，所述的加工工艺树中各节点之间的连线表示其各工序之间的关系，对于每个工序节点来说，其叶子节点都必须完成之后才能加工，所以叶子节点为紧前工序，其为叶子节点的紧后工序，如图1。

上述的基于k最短路径的多车间综合调度方法，所述的加工工艺树的各工序节点加工设备不同，如图1。

实施例5：

上述的基于k最短路径的多车间综合调度方法，针对将柔性综合调度和带有迁移约束的多车间调度结合在一起进行分析处理问题，如图2所示为简单的产品加工树，首先将加工工艺树用析取图进行表示，并将迁移信息赋值到析取图弧上如图3所示，然后按照迁移矩阵信息，将每一条分支进行拓展如图4所示，计算各节点出度入度值，入度为紧前设备的出度与路径长度之和的最小值，出度为该节点对应工序加工的加工时间和入度之和。

实施例6：

上述的基于k最短路径的多车间综合调度方法，针对迁移引起的总时间和总成本增加的问题，将时间和成本这两个问题进行统一化，并求解相应的属性值，针对各属性值信息进行加成，将双目标问题转化为单目标问题，从而降低分析难度，并根据最后的函数值获取相应的调度结果如图5所示。

实施例7：

上述的基于k最短路径的多车间综合调度方法，实例对比：由于本发明研究的基于k最短路径的多车间综合调度算法，目前没有公开可对比的研究成果进行对比分析，只能通过对比不考虑迁移的两种情况来说明本发明的优越性，图7为不考虑迁移问题情况下，优先考虑加工时间的调度甘特图，图8为不考虑迁移问题情况下，优先考虑加工成本的调度甘特图，图9为将三个调度结果进行对比的柱状图。

因此，本发明是全新的方法，用于加工工艺图具有树形结构特征的复杂产品的基于k最短路径的多车间综合调度任务。