[发明专利]一种带机器人运输的柔性车间调度优化方法及系统

说明书

本公开提出了一种带机器人运输的柔性车间调度优化方法及系统，考虑了运输时间和切换时间，提出对应的约束建立的问题模型，采用帝国竞争算法对问题求解，并且求解过程中采用模拟退火(S A)算法跳出局部最优解，提高算法的收敛性，获得更优的最优解，作为每项操作的设备选择和每台设备上的操作顺序的最优解决方案，最小化完工时间，提高生产效率。

技术领域

本公开涉及智能生产调度相关技术领域，具体的说，是涉及一种带机器人运输的柔性车间调度优化方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

近年来，调度问题得到了广泛的关注。经典的调度问题包括流水作业调度问题(FSP)、作业车间调度问题(JSP)和柔性作业车间调度问题(FJSP)。柔性作业车间问题是该领域中最困难的问题之一，通过一组机床调度一组工件，以便最小化创建性能准则。每个工件由一系列连续的操作组成，每个操作只需要一台机床，该机床连续可用，并且一次可以不间断地处理一个操作。

随着全球经济的发展，满足实际生产需要的柔性作业车间调度问题得到了越来越多的研究。柔性作业车间调度问题(FJSP)是经典JSP问题的扩展。FJSP是组合优化和生产管理领域的重要研究课题。在FJSP中，允许在任何可用的机床上处理操作。FJSP由两个子问题组成：第一是将一系列可用机床分配给指定的操作。第二是计算分配给指定机床的操作顺序的完成时间。为了解决制造系统中的FJSP问题，研究者们提出了一系列启发式算法，例如粒子群优化算法(POS)、人工免疫算法(AIA)、混合禁忌搜索算法(HTSA)、人工蜂群算法以及遗传算法(CGA)。发明人发现，一方面，关于FJSP的大多数研究都假设一个工件在一个机床上完成后在到另一机床上上直接处理，显然，这与现实不符。另一方面，现有的方法在解决FJSP问题时存在以下难点：人工免疫算法(AIA)在解决调度问题时的缺点是收敛速度慢；混合禁忌搜索算法(HTSA)在解决调度问题时的缺点是容易陷入局部最优；粒子群优化算法(POS)在解决调度问题时的缺点是适用性低，在某些问题上性能并不是特别好；遗传算子的选择比较困难，导致遗传算法不容易实现。因此，人工蜂群算法以及遗传算法(CGA)在解决调度问题时的缺点是比较费时。可见现有的上述方法，都不能很好的解决FJSP问题。

发明内容

本公开为了解决上述问题，提出了一种带机器人运输的柔性车间调度优化方法及系统，考虑了运输时间和切换时间，提出对应的约束建立的问题模型，采用帝国竞争算法对问题求解，并且求解过程中采用模拟退火(S A)算法跳出局部最优解，提高算法的收敛性，获得更优的最优解，作为每项操作的设备选择和每台设备上的操作顺序的最优解决方案，最小化完工时间，提高生产效率。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种带机器人运输的柔性车间调度优化方法，包括如下步骤：

获取生产配置信息，所述生产配置信息包括待生产的工件、机床的数量和每个机床可执行的生产操作；

确定带传输和切换时间的分布式流水车间的约束条件，以最小化最大完工时间为控制目标，根据约束条件建立问题模型；

根据生产配置信息，采用帝国竞争算法求解问题模型，并采用模拟退火算法，获得每项操作的设备选择和每台设备上的操作顺序的最优解决方案。

一种带机器人运输的柔性车间调度优化系统，包括：

获取模块：被配置为用于获取生产配置信息，所述生产配置信息包括待生产的工件、机床的数量和每个机床可执行的生产操作；

问题模型建立模块：被配置为用于确定带传输和切换时间的分布式流水车间的约束条件，以最小化最大完工时间为控制目标，根据约束条件建立问题模型；