[发明专利]知识驱动的车间智能排产方法

权利要求书

1.知识驱动的车间智能排产方法，其特征在于，具体按照以下步骤实施：

步骤1、以多目标多约束柔性作业车间调度问题为研究对象，构建数学模型；

步骤2、利用人工排产调整经验和生产车间历史数据，分别构建离线车间知识图谱的模式层和数据层，完成数据管理模型的构建；

步骤3、基于离线知识图谱数据层获取待加工工件的生产数据，利用改进的NSGA-II算法和层次分析法，获得待加工工件的Pareto最优解集和最优调度方案；

步骤4、根据实际生产构建在线车间知识图谱，将算法求解出的最优调度方案与实际生产中的资源进行对比，确定调度方案的可行性，若可行，则输出调度方案；反之，则根据离线知识图谱模式层中的人工排产调整经验和实际生产进行调整后输出。

2.如权利要求1所述知识驱动的车间智能排产方法，其特征在于，所述步骤1的模型具体如下：生产车间有n个待加工工件，可选设备m台，其每个待加工工件包含一道或多道工序O_i,j(i＝1,2,…,n；j＝1,2,…,m)，其中每道工序可选设备是一台或多台，且一道工序在每台设备上加工时间有可能不相同。

3.如权利要求1所述知识驱动的车间智能排产方法，其特征在于，所述步骤1中多目标包括最大完工时间、总延期、设备总负载和总能耗四个方面，多约束主要包括工序约束、设备约束和时间约束三个方面。

4.如权利要求3所述知识驱动的车间智能排产方法，其特征在于，所述多目标的模型具体为：

最大完工时间：f₁＝maxC_i (1)

其中，C_i是工件i的最后一道工序完工时间，i＝1,2,…,n；

总延期：

其中，D_i是工件i的交货期；

设备总负载：

其中，n_i是工件i的工序数量，P_i,j,h是工序O_i,j在设备M_h上的加工时间，X_i,j,h是决策变量，工序O_i,j在设备M_h上加工时，X_i,j,h＝1；反之，X_i,j,h＝0；

车间总能耗：

其中，E_idle是设备空转能耗，E_busy是设备加工能耗，是设备h的空转功率，是设备h的空转时间，是设备h的加工功率，是设备h的加工时间，W_inhe是车间固定功率。