论文部分内容阅读
摘 要:本文研究了某公司的生产车间调度问题,根据企业的实际情况,从理论和实践上解决生产调度问题。通过对该企业实际生产流程及产品加工工序进行分析,该企业车间生产调度属于混合流水车间调度问题。本文首先对生产调度、遗传算法的基本概念作了介绍,对该公司车间调度及产品加工工序现状进行分析,然后应用遗传算法,并以实际数据进行了仿真。对仿真结果进行分析。
关键词:现代企业 生产调度 遗传算法 仿真
一、引言
现代制造企业的市场竞争日趋激烈,主要体现在:产品生命周期越来越短,客户的需求也越来越多样化和个性化,客户对产品和服务的质量期望越来越高,企业生产中多品种小批量生产的比例越来越大,市场的动态因素多变。建立一个能适合企业本身实际生产活动的生产管理系统,具备先进合理的生产计划管理和生产调度,对于企业适应市场和自身发展以及保持竞争优势非常重要。
二、生产调度问题及遗传算法概述
所谓生产调度,可以简单定义为对企业的生产管理过程作出合理计划和协调控制。企业车间调度可作这样描述:一个工件在n台机器上进行加工,一个工件需要经过m道工序,每一个工序的加工可以分配在若干台机器上进行。每台加工机器在某个时刻仅能对某个工件上某道工序进行加工,并且要求上道工序完成之后才可以开始加工下一个工序。
遗传算法(Genetic Algorithms,简称GA)是一种模拟自然界生命的产生和生物进化过程的随机搜索优化算法,在种群内采用的进化机制是选择、遗传、变异,从而提高个体适应度。它适用于解决复杂问题、非线性问题和生产调度问题,是目前应用最广泛的一种解决生产调度问题的计算方法。
三、车间生产调度系统仿真
笔者通过走访某钮扣制造企业,经过仔细分析和实际仿真,发现运用基于遗传算法生产调度系统可以大大提高生产效率。下面介绍的是作者以企业实际数据(公司接到了几笔订单,作者根据有关概念分成了14个加工工件)进行的生产调度仿真。
1.工序及工件加工时间分析
工件加工要经过的工序分别是冲压、拉伸、电镀、喷漆、滴胶、镭射、拉丝、组装、包装,共有9个工序。该公司在对产品进行加工时,是按照产品的批次来进行有关调整的,所以有必要对公司车间的生产活动做好调度管理。车间生产调度的流程通过采用遗传算法来实现,从而达到生产总流程时间为最小,提高生产效率。
在企业实际生产活动过程中,由于客户对产品需求具有差异性,存在有些产品在加工时有些工序可能不需要经过。因此,如果在处理这类产品时,把跳过的工序上的加工时间设定为0。在生产调度仿真中设定以半天时间为1个单位时间,考虑到工序时间在具体操作的时候,当准备时间不足半天时间也按半天计算,加工时间不足半天同样按照半天时间来计算。
该企业生产车间的9个工序中有3个工序的机器多于1台,冲压工序有3台机器,电镀工序有2台机器,组装工序有2台机器,每台机器的加工能力不同。根据分析,该车间调度问题属于混合流水车间调度,记录下每个工件在每台机器上的加工时间(以半天为1个时间单位进行仿真)。
2.车间调度仿真
(1)设定条件。在做仿真前,先假定以下情况在本车间调度成立:
原料及其他资源充足,不需调度;
每个工件只能在前一道工序完成后,才能进入下一道工序;
一台机器仅能同时加工一个工件,并且只有在加工完成一个工件之后,才能开始加工另一个工件;
工件的工序不能中断;
生产过程中不考虑物料损耗。
(2)设置算法参数。本次仿真设置算法中的使用参数如下:
种群规模值为50;最大迭代次数为100;交叉概率Pc=0.8;变异概率Pm=0.01;工序数为9;工件数为14;机器数为13;最大平等机数为3。
根据仿真程序迭代100次运行的结果,在MATLAB中计算出对应的甘特图及群体中最好个体的目标函数与所有个体的目标函数平均值的变化曲线。从甘特图可以看出,每台并行机器上的加工任务是比较均匀的,所得到的调度结果也是比较合理的。从变化曲线可以得出,经过100次迭代以后,目标函数最小值、目标函数平均值都随种群进化而逐渐减小,最后目标函数最小值在极值位置收敛,目标函数平均值趋于最优值。
通过对仿真程序运行10次,记录每次的目录函数最小值分别为:
77.70、75.20、77.40、75.70、79.10、75.30、77.70、79.80、76.40、76.40,这10次运行结果的平均值为77.07,根据数据结果验证了算法的有效性。
(作者单位:浙江工业大学)
关键词:现代企业 生产调度 遗传算法 仿真
一、引言
现代制造企业的市场竞争日趋激烈,主要体现在:产品生命周期越来越短,客户的需求也越来越多样化和个性化,客户对产品和服务的质量期望越来越高,企业生产中多品种小批量生产的比例越来越大,市场的动态因素多变。建立一个能适合企业本身实际生产活动的生产管理系统,具备先进合理的生产计划管理和生产调度,对于企业适应市场和自身发展以及保持竞争优势非常重要。
二、生产调度问题及遗传算法概述
所谓生产调度,可以简单定义为对企业的生产管理过程作出合理计划和协调控制。企业车间调度可作这样描述:一个工件在n台机器上进行加工,一个工件需要经过m道工序,每一个工序的加工可以分配在若干台机器上进行。每台加工机器在某个时刻仅能对某个工件上某道工序进行加工,并且要求上道工序完成之后才可以开始加工下一个工序。
遗传算法(Genetic Algorithms,简称GA)是一种模拟自然界生命的产生和生物进化过程的随机搜索优化算法,在种群内采用的进化机制是选择、遗传、变异,从而提高个体适应度。它适用于解决复杂问题、非线性问题和生产调度问题,是目前应用最广泛的一种解决生产调度问题的计算方法。
三、车间生产调度系统仿真
笔者通过走访某钮扣制造企业,经过仔细分析和实际仿真,发现运用基于遗传算法生产调度系统可以大大提高生产效率。下面介绍的是作者以企业实际数据(公司接到了几笔订单,作者根据有关概念分成了14个加工工件)进行的生产调度仿真。
1.工序及工件加工时间分析
工件加工要经过的工序分别是冲压、拉伸、电镀、喷漆、滴胶、镭射、拉丝、组装、包装,共有9个工序。该公司在对产品进行加工时,是按照产品的批次来进行有关调整的,所以有必要对公司车间的生产活动做好调度管理。车间生产调度的流程通过采用遗传算法来实现,从而达到生产总流程时间为最小,提高生产效率。
在企业实际生产活动过程中,由于客户对产品需求具有差异性,存在有些产品在加工时有些工序可能不需要经过。因此,如果在处理这类产品时,把跳过的工序上的加工时间设定为0。在生产调度仿真中设定以半天时间为1个单位时间,考虑到工序时间在具体操作的时候,当准备时间不足半天时间也按半天计算,加工时间不足半天同样按照半天时间来计算。
该企业生产车间的9个工序中有3个工序的机器多于1台,冲压工序有3台机器,电镀工序有2台机器,组装工序有2台机器,每台机器的加工能力不同。根据分析,该车间调度问题属于混合流水车间调度,记录下每个工件在每台机器上的加工时间(以半天为1个时间单位进行仿真)。
2.车间调度仿真
(1)设定条件。在做仿真前,先假定以下情况在本车间调度成立:
原料及其他资源充足,不需调度;
每个工件只能在前一道工序完成后,才能进入下一道工序;
一台机器仅能同时加工一个工件,并且只有在加工完成一个工件之后,才能开始加工另一个工件;
工件的工序不能中断;
生产过程中不考虑物料损耗。
(2)设置算法参数。本次仿真设置算法中的使用参数如下:
种群规模值为50;最大迭代次数为100;交叉概率Pc=0.8;变异概率Pm=0.01;工序数为9;工件数为14;机器数为13;最大平等机数为3。
根据仿真程序迭代100次运行的结果,在MATLAB中计算出对应的甘特图及群体中最好个体的目标函数与所有个体的目标函数平均值的变化曲线。从甘特图可以看出,每台并行机器上的加工任务是比较均匀的,所得到的调度结果也是比较合理的。从变化曲线可以得出,经过100次迭代以后,目标函数最小值、目标函数平均值都随种群进化而逐渐减小,最后目标函数最小值在极值位置收敛,目标函数平均值趋于最优值。
通过对仿真程序运行10次,记录每次的目录函数最小值分别为:
77.70、75.20、77.40、75.70、79.10、75.30、77.70、79.80、76.40、76.40,这10次运行结果的平均值为77.07,根据数据结果验证了算法的有效性。
(作者单位:浙江工业大学)