一种装配式建筑PC构件排产优化方法

一种装配式建筑pc构件排产优化方法
技术领域
1.本发明涉及一种装配式建筑pc构件排产优化方法，属于pc构件生产排产优化技术领域。


背景技术：

2.传统的建筑行业主要以手工生产方式为主，通过现场浇筑来建造房屋，效率低、人力物力消耗大、工程安全性差，这些缺陷极大的限制建筑行业在我国的健康持续发展。装配式建筑的出现为传统的建筑方式提出了一种新的发展方向，其中pc构件作为装配式建筑主体结构的基础，高效率、高标准的pc构件生产将有效推动建筑工业的发展与创新。考虑到pc构件生产线的养护窑仓位是有限度的，同时养护工位的作业时间又是整个pc构件生产流程中用时最长的，实现pc构件在模台上的排产优化是解决养护工序“瓶颈”现象发生的重要方式。
3.排产问题属于典型的np-hard问题，通过二维排样基本思想解决pc构件的排产组合分配，pc构件一般为矩形，在加工生产中pc构件类型不同，进行排产时需对所有pc构件进行编号以确定模台上所有放置的构件。可设定模台的长度为l，宽度为w，车间现有的数量为n个且其类型尺寸相同，将要生产的pc构件数目为m且其类型不同，对于每块pc构件都对应于一个模台，通过调整pc构件在模台上的置放位置，包括其对应pc构件的生产顺序，以此得到pc构件在模台上的最优排产组合。


技术实现要素：

4.基于背景技术存在的技术问题，本发明提出了一种装配式建筑pc构件排产优化方法，以模台面积利用率与最高排样高度最优为优化目标，提高了pc构件整体生产效率。
5.本发明提出的一种装配式建筑pc构件排产优化方法，包括：
6.以改善pc构件生产线养护工位的瓶颈问题为前提，基于二维排样基本规则求解每块模台上各pc构件的排样位置，得到整条生产线的模台集合；
7.以模台最低的最高排样高度为目标，基于动态匹配最低水平线算法对所述每块模台的pc构件集进行排样设计，得到每条pc构件生产线置模时间最短的最优pc构件排样次序，实现pc构件排样优化设计；
8.以模台面积利用率最优为目标，基于遗传模拟退火算法求解所述每条生产线的pc构件排序过程中模台面积利用率最高，得到每块模台上空洞率最低的排序规则，实现pc构件排产优化设计。
9.进一步地，在所述以改善pc构件生产线养护工位的瓶颈问题为前提，基于二维排样基本规则求解每块模台上各pc构件的排样位置，得到整条生产线的模台集合之前，以模台最高排样高度最优为目标，从所有pc构件中选择与目前最低水平线匹配度最高的，实现从全局优化目标进行排样优化设计，具体排样过程如下：
10.步骤(1)初始化水平线集合，初始时刻的最低水平线为模台底端；
11.步骤(2)选择待放置的pc构件保持原有状态，在集合中搜索高度最低且高于pc构件宽度的水平线，若没有其余限制条件，则选取最靠左垂直位置将其置放，更新最高水平线集合，若不存在则转入步骤(3)；
12.步骤(3)将pc构件旋转90
°
，搜索高于pc构件宽度的水平线，如果存在则靠左排入，并计算置放后的pc构件在模台的位置，更新最高水平线集合，若仍不存在则转入步骤(4)；
13.步骤(4)完成剩余pc构件序列搜索，从旋转前后符合条件的pc构件中选择匹配度函数值最小的pc构件，放置到最低水平线中，更新最高水平线集合，若仍不存在且最低水平线不能放置pc构件，则转入步骤(5)；
14.步骤(5)将pc构件的上边线记为轮廓线，并将其合入水平线集合，与相邻的水平线比较，若高度相等则合并为一起，更新最高水平线集合后转入步骤(2)；
15.步骤(6)重复步骤(2)至步骤(5)操作，直至所有pc构件置放到现有模台，得到pc构件的排样优化图。
16.进一步地，在所述以改善pc构件生产线养护工位的瓶颈问题为前提，基于二维排样基本规则求解每块模台上各pc构件的排样位置，得到整条生产线的模台集合之前，以模台面积利用率最优为目标，选用遗传算法与模拟退火算法，在两种不同的搜索机制下为排产优化问题提供解决方案，具体排产过程如下：
17.步骤(1)设定初始温度和初始化种群；
18.步骤(2)确定个体选中概率，形成新种群p1(s+1)，计算每个种群个体的适应度值；
19.步骤(3)依据遗传算法进行交叉与变异操作，得到种群p2(s+1)；
20.步骤(4)根据模拟退火算法的metropolis接受准则获取劣质解，得到种群p3(s+1)；
21.步骤(5)判断最大迭代次数，如果符合转到步骤(7)，没有则转向步骤(6)；
22.步骤(6)更新温度，若满足接收概率输出最优解，否则转向步骤(2)；
23.步骤(7)输出最优pc构件排产结果。
24.进一步地，选用动态匹配最低水平线算法对pc构件进行排样设计，待排pc构件序列的优先等级依照匹配度函数e＝μ1+εμ2确定，数值e越小则优先等级越高，在置放流程中会首先被搜索排样。
25.进一步地，所述pc构件排产的最佳适应度函数表达式如下：
[0026][0027]
其中，为所有待排产的pc构件面积总和，w
max
表示pc构件排产完成后最高轮廓线所对应的模台高度。
[0028]
进一步地，所述步骤(2)选择算子采用轮盘赌+精英保留策略，所述步骤(3)交叉与变异算子选用自适应交叉概率与自适应变异概率。
[0029]
进一步地，所述步骤(4)模拟退火算法的metropolis接受准则，采用的接受概率定义表达式如下：
[0030][0031]
其中，为接受子代个体的概率，t为迭代阶段温度调节参数。
[0032]
本发明的有益效果在于：
[0033]
1.本发明针对二维排样基本思想对pc构件排样问题进行分析并建立数学模型，采用动态匹配最低水平线算法完成排样设计，通过匹配度函数来评估pc构件序列中最适选择，可有效降低pc构件在模台置放过程的排样高度。
[0034]
2.本发明基于遗传模拟退火算法实现了pc构件排产优化设计，该方法在处理约束条件时不用对染色体进行重新排序等处理，操作步骤简单，求解速度快，优化效率高，因此可以快速对pc构件进行置放，具有较好的动态特性，对于处理pc构件生产线养护瓶颈问题具有更大优势，有效提升了置模过程模台的面积利用率。
附图说明
[0035]
图1是一种装配式建筑pc构件排产优化方法的流程图
[0036]
图2是动态匹配最低水平线算法的pc构件排样设计图
[0037]
图3是遗传模拟退火算法的流程图
[0038]
图4是遗传模拟退火算法的pc构件排产设计图
具体实施方式
[0039]
本发明提供一种装配式建筑pc构件排产优化方法，通过建立以模台面积利用率与最高排样高度最优为优化目标的模型，并利用动态匹配最低水平线算法优化初步完成排样设计，采用遗传模拟退火算法优化初步完成排产设计，得到最优的pc构件排产方法。
[0040]
下面将结合本发明中的附图，对本发明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。
[0041]
如图1和图2所示，为本发明提供的一种装配式建筑pc构件排产优化方法的实施例。基于二维排样基本规则求解每块模台上各pc构件的排样位置，得到整条生产线的模台集合之前，以模台最高排样高度最优为目标，从所有pc构件中选择与目前最低水平线匹配度最高的，实现从全局优化目标进行排样优化设计，该方法包括以下步骤：
[0042]
步骤(1)初始化水平线集合，初始时刻的最低水平线为模台底端；
[0043]
步骤(2)选择待放置的pc构件保持原有状态，在集合中搜索高度最低且高于pc构件宽度的水平线，若没有其余限制条件，则选取最靠左垂直位置将其置放，更新最高水平线集合，若不存在则转入步骤(3)；
[0044]
步骤(3)将pc构件旋转，搜索高于pc构件宽度的水平线，如果存在则靠左排入，并
计算置放后的pc构件在模台的位置，更新最高水平线集合，若仍不存在则转入步骤(4)；
[0045]
步骤(4)完成剩余pc构件序列搜索，从旋转前后符合条件的pc构件中选择匹配度函数值最小的pc构件，放置到最低水平线中，更新最高水平线集合，若仍不存在且最低水平线不能放置pc构件，则转入步骤(5)；
[0046]
步骤(5)将pc构件的上边线记为轮廓线，并将其合入水平线集合，与相邻的水平线比较，若高度相等则合并为一起，更新最高水平线集合后转入步骤(2)；
[0047]
步骤(6)重复步骤(2)至步骤(5)操作，直至所有pc构件置放到现有模台，得到pc构件的排样优化图。
[0048]
选用动态匹配最低水平线算法对pc构件进行排样设计，待排pc构件序列的优先等级依照匹配度函数e＝μ1+εμ2确定，数值e越小则优先等级越高，在置放流程中会首先被搜索排样。
[0049]
基于动态匹配最低水平线算法的pc构件排样设计图，实施例得出，pc构件在模台排样高度有效降低。
[0050]
如图3和图4所示，为本发明提供的一种装配式建筑pc构件排产优化方法的实施例。基于二维排样基本规则求解每块模台上各pc构件的排样位置，得到整条生产线的模台集合之前，以模台面积利用率最优为目标，选用遗传算法与模拟退火算法，在两种不同的搜索机制下为排产优化问题提供解决方案，该方法包括以下步骤：
[0051]
步骤(1)设定初始温度和初始化种群；
[0052]
步骤(2)确定个体选中概率，形成新种群p1(s+1)，计算每个种群个体的适应度值；
[0053]
步骤(3)依据遗传算法进行交叉与变异操作，得到种群p2(s+1)；
[0054]
步骤(4)根据模拟退火算法的metropolis接受准则获取劣质解，得到种群p3(s+1)；
[0055]
步骤(5)判断最大迭代次数，如果符合转到步骤(7)，没有则转向步骤(6)；
[0056]
步骤(6)更新温度，若满足接收概率输出最优解，否则转向步骤(2)；
[0057]
步骤(7)输出最优pc构件排产结果。
[0058]
模拟退火算法使用过程中需要保证初始温度t0足够大，初始温度表达式如下：
[0059]
t0＝β
×
l
np
×
(1/f
min-1/f
max
)
[0060]
其中，l
np
为种群长度，f
min
为初始群体最小适应度函数值，f
max
为初始种群最大适应度函数值，β为调节系数。
[0061]
pc构件排产的最佳适应度函数表达式如下：
[0062][0063]
其中，为所有待排产的pc构件面积总和，w
max
表示pc构件排产完成后最高轮廓线所对应的模台高度。
[0064]
步骤(2)选择算子采用轮盘赌+精英保留策略，所述步骤(3)交叉与变异算子选用自适应交叉概率与自适应变异概率，自适应交叉概率表达式如下：
[0065][0066]
其中，f
′
max
为交叉个体中较大的适应度函数值，f
agv
为种群平均适应度函数值，f
max
为最大适应值，在交叉过程中生成随机数r，其中0＜r＜1，当r＜pc时执行环形交叉算子。
[0067]
步骤(4)模拟退火算法的metropolis接受准则，采用的接受概率定义表达式如下：
[0068][0069]
其中，为接受子代个体的概率，t为迭代阶段温度调节参数。
[0070]
基于遗传模拟退火算法的pc构件排产设计图，实施例得出，pc构件模台面积利用率有效提升。
[0071]
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。