基于遗传算法的工件智能调度排产方法、设备及介质与流程

本发明涉及单晶硅生产调度领域，尤其涉及基于遗传算法的工件智能调度排产方法、设备及介质。

背景技术：

单晶硅的制造因其复杂的生产工艺、多变的客户需求，不断改革的生产技术和设备等特点被认为是最复杂的制造系统之一。

单晶硅生产排产的问题对大多数成长型企业来说是一个相当普遍的问题。生产排产的问题实质上是通过对有限资源的合理配置，寻求最优目标的解决方案。其中，有限资源包含了物料、机器、人力、时间、能源。目标则包含工期、能耗、效率等。在寻优过程中发现，资源和目标之间往往存在着诸多矛盾，因此在解决这类问题时，碰到的方案无法给出唯一最优解的情况下，应该从所有方案中选出相对较优的方案来制定科学的排产计划。目前的单晶硅的排产方法并没有考虑人为操作对整个生产时间的影响，从而导致排产计划并不是最优。

技术实现要素：

为了克服现有技术的不足，本发明的目的之一在于提供基于遗传算法的工件智能调度排产方法，其能解决目前的单晶硅的排产方法并没有考虑人为操作对整个生产时间的影响，从而导致排产计划并未最优的问题。

本发明的目的之二在于提供电子设备，其能解决目前的单晶硅的排产方法并没有考虑人为操作对整个生产时间的影响，从而导致排产计划并未最优的问题。

本发明的目的之三在于提供计算机可读存储介质，其能解决目前的单晶硅的排产方法并没有考虑人为操作对整个生产时间的影响，从而导致排产计划并未最优的问题。

本发明的目的之一采用以下技术方案实现：

基于遗传算法的工件智能调度排产方法，包括以下步骤：

生成初始种群，根据订单数据随机生成初始种群，所述订单数据包括订单号、待加工工序、加工机器、工序耗时、工期、逾期惩罚权重、能耗值、操作人员名单，每个所述待加工工序与若干所述加工机器对应，每个所述加工机器对应若干操作人员名单对应，每个加工机器与唯一的所述能耗值对应，所述工序耗时为每个所述操作人员名单对应的操作人员完成待加工工序的实际完成时间；

随机组合，将所述初始种群中的所述订单号、所述待加工工序、所述加工机器、所述操作人员名单随机组合得到第一初始种群；

设定生产时序，根据预设时序规则设置所述第一初始种群中的所述待加工工序的开始时间，得到第二初始种群；

运算处理，对所述第二初始种群依次进行第一次快速排序处理、交叉操作处理、变异操作处理以及第二次快速排序处理，得到新初始种群，对新初始种群中的订单数据进行解码，得到排产计划；

计算适应度，根据所述排产计划和预设适应度函数计算出所述排产计划对应的适应度；

适应度判断，判断所述适应度是否满足预设最优条件，若是，则将所述排产计划作为最优排产计划输出，若否，返回执行步骤随机组合。

进一步地，在所述计算适应度之前包括设定适应度函数，根据所述工序耗时、所述能耗值、所述工期以及预设权重参数设置适应度函数。

进一步地，所述预设权重参数包括预设总耗时权重、预设总能耗权重、预设总延期时长权重，所述设定适应度函数具体为：根据所述工序耗时计算出总耗时，根据所述能耗值计算出总能耗值，根据所述工期计算出总工期，根据所述总工期和所述总耗时计算出总延期时长，根据所述总耗时、所述总能耗值、所述总延期时长、预设总耗时权重、预设总能耗权重、预设总延期时长权重设定适应度函数。

进一步地，所述预设时序规则为：

当待加工工序为第一道工序时且待加工工序对应的所述加工机器未运行时，将所述待加工工序开始时间设置为立即加工；

当待加工工序为第一道工序时且待加工工序对应的所述加工机器已经运行时，将所述待加工工序的开始时间设置为所述加工机器的结束时间；

当待加工工序为非第一道工序时且待加工工序对应的所述加工机器未运行时，将开始时间设置为所述待加工工序对应的产品的上一道工序的结束时间；

当待加工工序为非第一道工序时且待加工工序对应的所述加工机器已经运行时，若所述加工机器的结束时间小于待加工工序对应产品的上一道工序的结束时间，则将所述待加工工序的开始时间设置为待加工工序对应产品的上一道工序的结束时间，若所述加工机器的结束时间不小于待加工工序对应产品的上一道工序的结束时间，则将所述待加工工序的开始时间设置为所述加工机器的结束时间。

进一步地，所述第一次快速排序处理为采用轮盘赌选择法对所述第二初始种群进行排序处理。

进一步地，所述交叉操作处理为采用单点交叉方式对所述第二初始种群进行交叉处理。

进一步地，所述变异操作处理为采用二进制变异算子对所述第二初始种群进行变异处理。

进一步地，所述第二次快速排序处理为采用混排方式对所述第二初始种群进行排序处理。

本发明的目的之二采用以下技术方案实现：

一种电子设备，包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请的基于遗传算法的工件智能调度排产方法。

本发明的目的之三采用以下技术方案实现：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行本申请的基于遗传算法的工件智能调度排产方法。

相比现有技术，本发明的有益效果在于：本申请的基于遗传算法的工件智能调度排产方法，包括生成初始种群，根据订单数据随机生成初始种群，订单数据包括订单号、待加工工序、加工机器、工序耗时、工期、逾期惩罚权重、能耗值、操作人员名单，每个待加工工序与若干加工机器对应，每个加工机器对应若干操作人员名单对应，每个加工机器与唯一的能耗值对应，工序耗时为每个操作人员名单对应的操作人员完成待加工工序的实际完成时间；随机组合，将初始种群中的订单号、待加工工序、加工机器、操作人员名单随机组合得到第一初始种群；设定生产时序，根据预设时序规则设置第一初始种群中的待加工工序的开始时间，得到第二初始种群；运算处理，对第二初始种群依次进行第一次快速排序处理、交叉操作处理、变异操作处理以及第二次快速排序处理，得到新初始种群，对新初始种群中的订单数据进行解码，得到排产计划；计算适应度，根据排产计划和预设适应度函数计算出排产计划对应的适应度；适应度判断，判断适应度是否满足预设最优条件，若是，则将排产计划作为最优排产计划输出，若否，返回执行步骤随机组合。通过将操作人员在每到工序上的实际完成时间纳入分析，充分考虑了人为操作对于生产耗时的影响，使得到的最优排产计划更加精准。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的基于遗传算法的工件智能调度排产方法的流程示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

如图1所示，本申请的基于遗传算法的工件智能调度排产方法，包括以下步骤：

生成初始种群，根据订单数据随机生成初始种群，所述订单数据包括订单号、待加工工序、加工机器、工序耗时、工期、逾期惩罚权重、能耗值、操作人员名单，每个所述待加工工序与若干所述加工机器对应，每个所述加工机器对应若干操作人员名单对应，每个加工机器与唯一的所述能耗值对应，所述工序耗时为每个所述操作人员名单对应的操作人员完成待加工工序的实际完成时间。

设定适应度函数，根据所述工序耗时、所述能耗值、所述工期以及预设权重参数设置适应度函数。在本实施例中所述预设权重参数包括预设总耗时权重、预设总能耗权重、预设总延期时长权重，所述设定适应度函数具体为：根据所述工序耗时计算出总耗时，根据所述能耗值计算出总能耗值，根据所述工期计算出总工期，根据所述总工期和所述总耗时计算出总延期时长，根据所述总耗时、所述总能耗值、所述总延期时长、预设总耗时权重、预设总能耗权重、预设总延期时长权重设定适应度函数。适应度函数时遗传算法中可以影响到收敛速度以及能否找到最优解的必备函数，因此本实施例中设定适应度函数尤为重要。

随机组合，将所述初始种群中的所述订单号、所述待加工工序、所述加工机器、所述操作人员名单随机组合得到第一初始种群。

设定生产时序，根据预设时序规则设置所述第一初始种群中的所述待加工工序的开始时间，得到第二初始种群。具体为：当待加工工序为第一道工序时且待加工工序对应的所述加工机器未运行时，将所述待加工工序开始时间设置为立即加工；

当待加工工序为第一道工序时且待加工工序对应的所述加工机器已经运行时，将所述待加工工序的开始时间设置为所述加工机器的结束时间；

当待加工工序为非第一道工序时且待加工工序对应的所述加工机器未运行时，将开始时间设置为所述待加工工序对应的产品的上一道工序的结束时间；

当待加工工序为非第一道工序时且待加工工序对应的所述加工机器已经运行时，若所述加工机器的结束时间小于待加工工序对应产品的上一道工序的结束时间，则将所述待加工工序的开始时间设置为待加工工序对应产品的上一道工序的结束时间，若所述加工机器的结束时间不小于待加工工序对应产品的上一道工序的结束时间，则将所述待加工工序的开始时间设置为所述加工机器的结束时间。

运算处理，对所述第二初始种群依次进行第一次快速排序处理、交叉操作处理、变异操作处理以及第二次快速排序处理，得到新初始种群，对新初始种群中的订单数据进行解码，得到排产计划。具体为：依次采用轮盘赌选择法对所述第二初始种群进行排序处理、采用单点交叉方式对所述第二初始种群进行交叉处理、采用二进制变异算子对所述第二初始种群进行变异处理、采用混排方式对所述第二初始种群进行排序处理。

计算适应度，根据所述排产计划和预设适应度函数计算出所述排产计划对应的适应度。在本实施例中，举例说明计算适应度的过程，令预设总耗时权重为0.3、预设总能耗权重为0.5、预设总延期时长权重为0.4，则适应度为y，则y＝总耗时*0.3+总能耗*0.5+总延期时长*0.4。

适应度判断，判断所述适应度是否满足预设最优条件，若是，则将所述排产计划作为最优排产计划输出，若否，返回循环执行步骤随机组合、设定生产时序、运算处理、计算适应度、适应度判断。在本实施例中，具体的预设最优条件为两种：第一种为：上述智能调度方法中在多次循环后适应度会趋于某一个值，不再变小，即预设最优条件为适应度的数值等于前一次得到适应度值。第二种为：设定一个理想的预设适应度值，该适应度值是在多次生产中得到的最小的适应度值，当本实施例中的适应度值小于或等于所述预设适应度值时，即为满足预设最优条件。

本发明还提供一种电子设备，包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请的基于遗传算法的工件智能调度排产方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行本申请的基于遗传算法的工件智能调度排产方法。

本发明的基于遗传算法的工件智能调度排产方法，包括生成初始种群，根据订单数据随机生成初始种群，订单数据包括订单号、待加工工序、加工机器、工序耗时、工期、逾期惩罚权重、能耗值、操作人员名单，每个待加工工序与若干加工机器对应，每个加工机器对应若干操作人员名单对应，每个加工机器与唯一的能耗值对应，工序耗时为每个操作人员名单对应的操作人员完成待加工工序的实际完成时间；随机组合，将初始种群中的订单号、待加工工序、加工机器、操作人员名单随机组合得到第一初始种群；设定生产时序，根据预设时序规则设置第一初始种群中的待加工工序的开始时间，得到第二初始种群；运算处理，对第二初始种群依次进行第一次快速排序处理、交叉操作处理、变异操作处理以及第二次快速排序处理，得到新初始种群，对新初始种群中的订单数据进行解码，得到排产计划；计算适应度，根据排产计划和预设适应度函数计算出排产计划对应的适应度；适应度判断，判断适应度是否满足预设最优条件，若是，则将排产计划作为最优排产计划输出，若否，返回执行步骤随机组合。通过将操作人员在每到工序上的实际完成时间纳入分析，充分考虑了人为操作对于生产耗时的影响，使得到的最优排产计划更加精准。

以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。