基于改进遗传算法的铸造造型任务批调度模型
发布时间：2021-06-27 15:20
以单件小批量生产模式为主导的铸造生产具有订单种类多样、产品制造周期长、车间自动化程度低等现象,针对铸造企业客户订单多材质、铸件产品多类别以及造型熔炼多约束的特点,建立了一个以造型任务总完工时间最小的铸造造型任务批调度模型,并提出了一种改进的遗传算法对模型进行求解。算法设计了一种基于单件与砂箱类型的双层编码方案,在初始化阶段通过结合批首次匹配（BFF）规则进行分批,以提高初始种群的质量,在迭代阶段设计了一种基于批次交换的局部搜索方法,以避免算法陷入局部次优解。最后通过对某铸造企业的实际生产数据进行案例分析,验证了所提模型的有效性和算法的优越性。
【文章来源】：工业工程与管理. 2019,24(05)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
图２车间现场组箱造型与熔炼浇注造型任务生产流程分析
第２４卷唐红涛，等：基于改进遗传算法的铸造造型任务批调度模型合金且浇注以砂箱为单位，因此在组箱时须对铸件的材质进行分类，同一种材质才可排入同一砂箱中。（２）容量约束。由于熔炼炉有着最大容量限制，因此一个砂箱中所有铸件理论重量的总和不能超出熔炼炉的最大容量。（３）尺寸约束。每一类砂箱有固定的尺寸大小，排在同一箱中的铸件模具尺寸总和不能超过该砂箱的尺寸。图２车间现场组箱造型与熔炼浇注２．２造型任务生产流程分析如图３所示，铸造车间实际造型过程可以按流程分为三部分：（１）铸件任务到达。销售人员将生产订单发送给生产计划人员，计划人员制定造型任务并下达给车间。（２）组箱阶段。造型车间班组长收到周期内的总生产任务，再根据现场砂箱以及铸件模具的实际状况进行排箱计划，同时将任务细分到各个班组。（３）造型阶段。确定排箱计划后，班组人员根据计划开始对砂箱进行组箱造型，造型完成后砂箱流入下道工序继续加工。图３铸造车间造型任务批调度流程图由于在组箱阶段中各任务的排产都由班组长人为制定，经验不足的情况下缺乏科学性而且任务量较大时排产较为复杂，不能保证最优的调度策略。本文针对这一现象，建立了造型任务批调度模型，并提出了一种改进的遗传算法用于求解，以保证调度结果的优越性。３造型任务批调度模型的建立本文研究的造型任务批调度可以按流程分为三个阶段：①将铸件分配到批次；②为批次选择砂箱；③将砂箱分配到班组。为了便于研究，本文所提模型基于以下假设进行构建。（１
第２４卷唐红涛，等：基于改进遗传算法的铸造造型任务批调度模型图４示例染色体的解码４．２种群初始化本文针对多材质造型任务的特点，在种群初始化时先对任务按材质分类，再对每种材质下的铸件按重量排序，最后结合ＢＦＦ规则对铸件进行砂箱分配。具体步骤如下：Ｓｔｅｐ１将所有任务按材质编号进行分类，得到ｌ个铸件集，每个铸件集的材质都一致。Ｓｔｅｐ２将每个铸件集中的铸件都按其理论重量升序排列。Ｓｔｅｐ３依次对每个铸件集中的铸件按ＢＦＦ规则进行分批，若当前铸件为铸件集中第一个铸件，则随机选择一个可以容纳该铸件的砂箱，依次将铸件集中的任务排入选择的砂箱，当超出容量或铸件集变化时，随机选择新的砂箱，重复Ｓｔｅｐ３直到所有铸件都已分配砂箱。Ｓｔｅｐ４将分配好砂箱的铸件按编码方案生成染色体。由于每个任务都有固定的材质与理论重量，以上排序规则会造成所有染色体中单件排序层ＸＪ的基因一致，导致解的多样性严重丢失，为扩大初始种群在解空间分布的广度，种群中２０％的染色体由以上初始化规则产生，其余染色体以随机的方式生成。４．３算法迭代与进化Ｓｔｅｐ１轮盘赌选择。本文将目标函数值即最大完工时间作为适应度来评价个体，首先对种群的适应度进行基于排序的适应度变换［１７］，再根据变换后的适应度值来进行轮盘赌选择并生成新的种群。Ｓｔｅｐ２双层交叉。针对本文算法的双层编码，在交叉概率Ｐｃ下分别对单件排序层ＸＪ采用ＰＢＸ［１８］交叉，对砂箱选择层ＸＦ采用ＰＭＸ
【参考文献】：
期刊论文
[1]基于混沌遗传算法的集团分布式制造工序资源配置[J]. 李益兵,宋东林,王磊. 控制与决策. 2019(06)
[2]浅谈铸造企业产业结构优化与升级[J]. 李强,张凯,周颖. 中国战略新兴产业. 2018(16)
[3]数字化铸造工厂浅析[J]. 常涛,刘亚宾,彭凡,杨军,乃晓文,王皓,周正学. 中国铸造装备与技术. 2018(01)
[4]分层混合遗传算法求解柔性作业车间调度问题[J]. 田旻,刘人境. 工业工程与管理. 2017(05)
[5]带恶化工件的PFS调度的混合遗传算法[J]. 轩华,秦莹莹,王薛苑,张百林. 工业工程与管理. 2017(03)
[6]基于多品种应急物资配比打包的运输规划模型[J]. 黄辉,未珂,杨佳祺,吴翰. 工业工程与管理. 2017(02)
[7]易腐食品二级供应链生产调度与配送路线的协同优化[J]. 马雪丽,王淑云,刘晓冰,邵喜高. 工业工程与管理. 2017(02)
[8]不同容量平行机下差异工件尺寸的批调度算法[J]. 贾兆红,李晓浩,温婷婷,李龙澍. 控制与决策. 2015(12)
[9]含不一致任务重量的同型熔炼炉批调度优化[J]. 胡常伟,陈新度,陈庆新,毛宁,陈新. 工业工程. 2014(03)
[10]模糊环境下多目标差异作业单机批调度问题研究[J]. 卢冰原,黄传峰,贾兆红. 控制与决策. 2011(11)
本文编号：3253096
【文章来源】：工业工程与管理. 2019,24(05)北大核心CSSCI
【文章页数】：8 页
【部分图文】：
图２车间现场组箱造型与熔炼浇注造型任务生产流程分析
第２４卷唐红涛，等：基于改进遗传算法的铸造造型任务批调度模型合金且浇注以砂箱为单位，因此在组箱时须对铸件的材质进行分类，同一种材质才可排入同一砂箱中。（２）容量约束。由于熔炼炉有着最大容量限制，因此一个砂箱中所有铸件理论重量的总和不能超出熔炼炉的最大容量。（３）尺寸约束。每一类砂箱有固定的尺寸大小，排在同一箱中的铸件模具尺寸总和不能超过该砂箱的尺寸。图２车间现场组箱造型与熔炼浇注２．２造型任务生产流程分析如图３所示，铸造车间实际造型过程可以按流程分为三部分：（１）铸件任务到达。销售人员将生产订单发送给生产计划人员，计划人员制定造型任务并下达给车间。（２）组箱阶段。造型车间班组长收到周期内的总生产任务，再根据现场砂箱以及铸件模具的实际状况进行排箱计划，同时将任务细分到各个班组。（３）造型阶段。确定排箱计划后，班组人员根据计划开始对砂箱进行组箱造型，造型完成后砂箱流入下道工序继续加工。图３铸造车间造型任务批调度流程图由于在组箱阶段中各任务的排产都由班组长人为制定，经验不足的情况下缺乏科学性而且任务量较大时排产较为复杂，不能保证最优的调度策略。本文针对这一现象，建立了造型任务批调度模型，并提出了一种改进的遗传算法用于求解，以保证调度结果的优越性。３造型任务批调度模型的建立本文研究的造型任务批调度可以按流程分为三个阶段：①将铸件分配到批次；②为批次选择砂箱；③将砂箱分配到班组。为了便于研究，本文所提模型基于以下假设进行构建。（１
第２４卷唐红涛，等：基于改进遗传算法的铸造造型任务批调度模型图４示例染色体的解码４．２种群初始化本文针对多材质造型任务的特点，在种群初始化时先对任务按材质分类，再对每种材质下的铸件按重量排序，最后结合ＢＦＦ规则对铸件进行砂箱分配。具体步骤如下：Ｓｔｅｐ１将所有任务按材质编号进行分类，得到ｌ个铸件集，每个铸件集的材质都一致。Ｓｔｅｐ２将每个铸件集中的铸件都按其理论重量升序排列。Ｓｔｅｐ３依次对每个铸件集中的铸件按ＢＦＦ规则进行分批，若当前铸件为铸件集中第一个铸件，则随机选择一个可以容纳该铸件的砂箱，依次将铸件集中的任务排入选择的砂箱，当超出容量或铸件集变化时，随机选择新的砂箱，重复Ｓｔｅｐ３直到所有铸件都已分配砂箱。Ｓｔｅｐ４将分配好砂箱的铸件按编码方案生成染色体。由于每个任务都有固定的材质与理论重量，以上排序规则会造成所有染色体中单件排序层ＸＪ的基因一致，导致解的多样性严重丢失，为扩大初始种群在解空间分布的广度，种群中２０％的染色体由以上初始化规则产生，其余染色体以随机的方式生成。４．３算法迭代与进化Ｓｔｅｐ１轮盘赌选择。本文将目标函数值即最大完工时间作为适应度来评价个体，首先对种群的适应度进行基于排序的适应度变换［１７］，再根据变换后的适应度值来进行轮盘赌选择并生成新的种群。Ｓｔｅｐ２双层交叉。针对本文算法的双层编码，在交叉概率Ｐｃ下分别对单件排序层ＸＪ采用ＰＢＸ［１８］交叉，对砂箱选择层ＸＦ采用ＰＭＸ
【参考文献】：
期刊论文
[1]基于混沌遗传算法的集团分布式制造工序资源配置[J]. 李益兵,宋东林,王磊. 控制与决策. 2019(06)
[2]浅谈铸造企业产业结构优化与升级[J]. 李强,张凯,周颖. 中国战略新兴产业. 2018(16)
[3]数字化铸造工厂浅析[J]. 常涛,刘亚宾,彭凡,杨军,乃晓文,王皓,周正学. 中国铸造装备与技术. 2018(01)
[4]分层混合遗传算法求解柔性作业车间调度问题[J]. 田旻,刘人境. 工业工程与管理. 2017(05)
[5]带恶化工件的PFS调度的混合遗传算法[J]. 轩华,秦莹莹,王薛苑,张百林. 工业工程与管理. 2017(03)
[6]基于多品种应急物资配比打包的运输规划模型[J]. 黄辉,未珂,杨佳祺,吴翰. 工业工程与管理. 2017(02)
[7]易腐食品二级供应链生产调度与配送路线的协同优化[J]. 马雪丽,王淑云,刘晓冰,邵喜高. 工业工程与管理. 2017(02)
[8]不同容量平行机下差异工件尺寸的批调度算法[J]. 贾兆红,李晓浩,温婷婷,李龙澍. 控制与决策. 2015(12)
[9]含不一致任务重量的同型熔炼炉批调度优化[J]. 胡常伟,陈新度,陈庆新,毛宁,陈新. 工业工程. 2014(03)
[10]模糊环境下多目标差异作业单机批调度问题研究[J]. 卢冰原,黄传峰,贾兆红. 控制与决策. 2011(11)
本文编号：3253096
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3253096.html
