首页 > 专利 > 杭州电子科技大学 > 一种生产计划与调度集成优化方法专利详情

一种生产计划与调度集成优化方法   0    0

有效专利 查看PDF
专利申请流程有哪些步骤?
专利申请流程图
申请
申请号:指国家知识产权局受理一件专利申请时给予该专利申请的一个标示号码。唯一性原则。
申请日:提出专利申请之日。
2018-04-11
申请公布
申请公布指发明专利申请经初步审查合格后,自申请日(或优先权日)起18个月期满时的公布或根据申请人的请求提前进行的公布。
申请公布号:专利申请过程中,在尚未取得专利授权之前,国家专利局《专利公报》公开专利时的编号。
申请公布日:申请公开的日期,即在专利公报上予以公开的日期。
2018-12-07
授权
授权指对发明专利申请经实质审查没有发现驳回理由,授予发明专利权;或对实用新型或外观设计专利申请经初步审查没有发现驳回理由,授予实用新型专利权或外观设计专利权。
2022-03-01
预估到期
发明专利权的期限为二十年,实用新型专利权期限为十年,外观设计专利权期限为十五年,均自申请日起计算。专利届满后法律终止保护。
2038-04-11
基本信息
有效性 有效专利 专利类型 发明专利
申请号 CN201810319893.4 申请日 2018-04-11
公开/公告号 CN108805325B 公开/公告日 2022-03-01
授权日 2022-03-01 预估到期日 2038-04-11
申请年 2018年 公开/公告年 2022年
缴费截止日
分类号 G06Q10/04G06Q10/06 主分类号 G06Q10/04
是否联合申请 独立申请 文献类型号 B
独权数量 2 从权数量 2
权利要求数量 4 非专利引证数量 1
引用专利数量 2 被引证专利数量 0
非专利引证 1、2016.01.06CN 106650999 A,2017.05.10安玉伟.一类两阶段生产系统生产计划与调度的集成优化《.计算机集成制造系统》.2012,第18卷(第4期),第796-807页.;
引用专利 US2017147762A、EP2962196A 被引证专利
专利权维持 4 专利申请国编码 CN
专利事件 事务标签 实质审查、授权
申请人信息
申请人 第一申请人
专利权人 杭州电子科技大学 当前专利权人 杭州电子科技大学
发明人 郑松、高佳欣、葛铭、郑小青、魏江 第一发明人 郑松
地址 浙江省杭州市下沙高教园区2号大街 邮编 310018
申请人数量 1 发明人数量 5
申请人所在省 浙江省 申请人所在市 浙江省杭州市
代理人信息
代理机构
专利代理机构是经省专利管理局审核,国家知识产权局批准设立,可以接受委托人的委托,在委托权限范围内以委托人的名义办理专利申请或其他专利事务的服务机构。
杭州君度专利代理事务所 代理人
专利代理师是代理他人进行专利申请和办理其他专利事务,取得一定资格的人。
朱月芬
摘要
本发明涉及涉及一种生产计划与调度的集成优化方法。目前生产计划与调度问题求解方式主要为传统优化方法,优化的结果很难是最优解,且很可能在工艺上无法实现,从而导致预期的生产目标无法实现,资源分配无法下达等问题的产生。本发明步骤是:获取生产计划层与调度层的具体数据;根据具体数据分别建立计划层费用模型与调度层费用模型;利用改进的协同优化方法对计划与调度费用模型进行优化,最终获取最低成本的生产方案。本发明是针对生产计划与调度优化中的一些难题,提出一种具有较强全局优化能力的优化方法,该优化方法具有开放性、鲁棒性、并行性、全局收敛性以及对问题的数学形式无特殊要求等特点。
  • 摘要附图
    一种生产计划与调度集成优化方法
  • 说明书附图:图1
    一种生产计划与调度集成优化方法
  • 说明书附图:图2
    一种生产计划与调度集成优化方法
法律状态
序号 法律状态公告日 法律状态 法律状态信息
1 2022-03-01 授权
2 2018-12-07 实质审查的生效 IPC(主分类): G06Q 10/04 专利申请号: 201810319893.4 申请日: 2018.04.11
权利要求
权利要求书是申请文件最核心的部分,是申请人向国家申请保护他的发明创造及划定保护范围的文件。
1.一种生产计划与调度集成优化方法,其特征在于该方法的步骤包括:
步骤1:需要获取生产设备的具体数据,具体生产工艺数据、管理层费用单价以及产品种类;这些数据通过生产过程中统计获取;
步骤2:通过管理层的参数建立生产计划费用模型,组成部分为管理层费用;通过生产工艺数据及原料参数建立生产调度费用模型,组成部分为固定生产费用以及可变生产费用;
①系统级模型
根据调度周期时长T,将计划周期均分成N个调度周期;生产计划模型总费用由生产费用ProductionCost,库存费用InventoryCost,运输费用TransprotCost以及短缺费用BackorderCost组成;
式中,t表示时间周期,s表示物料状态,Sp表示物料集合,α、β、γ、δ分别表示生产费用单价,库存费用单价,运输费用单价以及短缺费用单价,Pro、Inv、Tra、Bac分别表示生产量,库存量,运输量以及短缺量;
约束条件:

1.生产平衡

2.需求平衡

3.生产能力约束
每个生产调度周期中,生产计划的期望产量不可以超过生产能力最大值

4.补充约束
在协同迭代求解的过程中,每个调度周期作为子学科,使子学科间不一致性最小作为系统级的计划周期的约束;τs为学科级模型优化所得值与系统级模型传递的值的偏差值,μ为补充约束中的松弛因子;
②学科级模型
生产调度作为集成模型的下层问题,其目标是根据生产计划的优化结果,并结合自身调度周期内资源、设备约束条件,进行生产资源以及设备在时序上的安排,并尽可能使两者结果相接近;每个生产调度周期的模型采用状态任务网络进行建立;生产调度模型总费用SchedulingCost由设备固定启动费用EquipmentCost以及物料处理费用TaskCost两部分组成;
式中,i表示任务,j表示设备,n表示事件点;xi,j,n表示在事件点n开始时任务i是否在设备j上执行;Bi,j,n表示任务i在设备j上的处理量;τs为学科级优化所得值与系统级传递的值的偏差值,λ为罚函数因子,其取值影响系统级优化结果对学科级优化时的影响程度;
约束条件:

1.不等式约束
1.1分配约束
1.2加工能力约束
1.3储量约束
1.4序列约束
δij为设备i处理任务j的所需时间

2.等式约束
2.1物料平衡约束
步骤3利用改进协同优化算法对生产计划与调度问题进行集成求解;具体步骤如下:
①根据市场需求量对生产计划问题进行求解,求解获取对应的每种产品每个生产调度k
周期的产量Pt ,t表示生产周期,k表示产品种类,将这些值作为目标点传递给N个生产调度问题;
②生产调度根据生产计划模型传递的目标点并结合自身约束进行最优生产成本求解;
k′
得到每个调度周期的每种产品的具体产量Pt 、费用记为SchedulingCostt以及总体调度费用 若 则算法停止,输出当前最优方案;否则转第③
步,并记总费用为
其中N个生产调度周期,M种产品,ε表示阈值;
③生产计划根据N个生产调度周期传递的产量,获取差值和 将差值和作
为补充约束,进行新一轮的求解优化;并将新的优化结果产量传递给每个生产调度周期;记录下新的生产计划的费用PlanningCost′;
④生产调度根据新传递的目标点进行优化,将返回值传递给生产计划,并记录下每个调度周期的费用记为SchedulingCostt′以及总体调度费用 并记新的总
体费用为
⑤将两次的总体费用进行比较,
θ表示阈值。
说明书

技术领域

[0001] 本发明属于信息与控制技术领域,涉及到自动化技术,特别是涉及一种生产计划与调度的集成优化方法。

背景技术

[0002] 生产计划与调度一直以来都是化工生产行业尤为重视的决策问题。生产计划与调度是借助现代先进的方法和技术,兼顾生产的工艺要求、生产资源情况等生产约束条件,优化配置各种制造资源,制定满足企业生产要求的生产方案,力求在规定的时间按规定的量生产出所要求的产品。生产计划主要针对于市场的需求量和化工产业自身的生产能力等因素,做出一个较长周期(一般为月、季度年等)的生产、运输、存储等安排。而生产调度主要针对化工产业自身的生产、存储能力等,在尽可能满足生产计划结果的情况下,做出一个较短周期(一般为日、周等)的生产设备以及库存等资源的安排。
[0003] 在生产计划与调度问题中,由于两者的时间尺度不同,如果仅仅只考虑一者而进行单纯的生产计划优化,或者单纯的生产调度优化,那么优化的结果很难是最优解,且很可能在工艺上无法实现,从而导致预期的生产目标无法实现,资源分配无法下达等问题的产生。因此对生产计划与调度的问题进行集成优化,对提高企业效率,降低生产成本具有重要意义。生产计划与调度问题是一个典型的极值求解问题。迄今为止,生产与调度问题求解方式多采用传统数学优化方法,如分支定界法、梯度下降法、外逼近算法等。由于这些方法求解效率较低,且缺乏较强的适应性与鲁棒性。因而要求具有复杂数学形式的优化问题,相当困难。

发明内容

[0004] 本发明针对现有技术的不足,提出了一种生产计划与调度的集成优化方法。
[0005] 一种生产计划与调度的集成优化方法,该方法的具体步骤如下:
[0006] 步骤1:需要获取生产设备的具体数据(包括设备容量、固定生产费用、生产单价),具体生产工艺数据(包括原材料种类、生产流程、处理时间、物料配比)、管理层费用单价(包括生产费用、运输费用、库存费用、短缺费用)以及产品种类;这些数据可以通过生产过程中统计获取;
[0007] 步骤2通过管理层的参数建立生产计划费用模型,主要组成部分为管理层费用。通过生产工艺及原料参数建立生产调度费用模型,主要组成部分为固定生产费用以及可变生产费用。
[0008] ①系统级模型(生产计划费用模型)
[0009] 生产计划作为集成模型的上层问题,主要目标是根据市场需求情况,和自身生产能力等约束条件,对整个计划周期内的生产做出规划,从而达到周期内费用最小的目的。根据调度周期时长L,可将计划周期均分成N个调度周期。生产计划模型总费用由生产费用ProductionCost,库存费用 InventoryCost,运输费用TransprotCost以及短缺费用BackorderCost组成。
[0010]
[0011]
[0012] 式中,t表示时间周期,s表示物料状态,Sp表示物料集合,α、β、γ、δ分别表示生产费用单价,库存费用单价,运输费用单价以及短缺费用单价, Pro、Inv、Tra、Bac分别表示生产量,库存量,运输量以及短缺量。
[0013] 约束条件:
[0014] 1.生产平衡
[0015]
[0016] 2.需求平衡
[0017]
[0018] 3.生产能力约束
[0019] 每个生产调度周期中,生产计划的期望产量不可以超过生产能力最大值[0020]
[0021] 4.补充约束
[0022] 在协同迭代求解的过程中,每个调度周期作为子学科,使子学科间不一致性最小作为系统级的计划周期的约束。τ用来表示计划的期望产量与调度的求解产量的差值。μ为补充约束中的松弛因子。
[0023]
[0024] ②学科级模型(生产调度费用模型)
[0025] 生产调度作为集成模型的下层问题,主要目标是根据生产计划的优化结果,并结合自身调度周期内资源、设备等约束条件,进行生产资源以及设备在时序上的安排,并尽可能是两者结果相接近。每个生产调度周期的模型采用状态任务网络(state task network,STN)进行建立。生产调度模型总费用由设备固定启动费用EquipmentCost以及物料处理费用TaskCost两部分组成。
[0026]
[0027] 式中,i表示任务,j表示设备,n表示事件点。xi,j,n表示在事件点n开始时任务i是否在设备j上执行。Bi,j,n表示任务i在设备j上的处理量。τs表示计划的期望产量与调度的求解产量的差值,λ为罚函数因子,其取值影响系统级优化结果对学科级优化时的影响程度。
[0028] 约束条件:
[0029] 1.不等式约束
[0030] 1.1分配约束
[0031]
[0032] 1.2加工能力约束
[0033]
[0034] 1.3储量约束
[0035]
[0036] 1.4 1.4序列约束
[0037]
[0038]
[0039] δij为设备i处理任务j的所需时间
[0040] 2.等式约束
[0041] 2.1物料平衡约束
[0042]
[0043] 步骤3利用改进协同优化算法对生产计划与调度问题进行集成求解。具体步骤如下:
[0044] ①根据市场需求量对生产计划问题进行求解,求解获取对应的每种产品每个生产k调度周期的产量Pt(t表示生产周期,k表示产品种类),将这些值作为目标点传递给N个生产调度问题;
[0045] ②生产调度根据生产计划模型传递的目标点并结合自身约束进行最优生产成本k′求解。得到每个调度周期的每种产品的具体产量Pt 、费用记为 SchedulingCostt以及总体调度费用 若 算法停止,输出当前最优方案;否则转第
③步,并记总费用为
[0046]
[0047] 其中N个生产调度周期,M种产品,ε表示阈值;
[0048] ③生产计划根据N个生产调度周期传递的产量,获取差值和 将差值和作为补充约束,进行新一轮的求解优化。并将新的优化结果产量传递给每个生产调度周期。记录下新的生产计划的费用 PlanningCost′;
[0049] ④生产调度根据新传递的目标点进行优化,将返回值传递给生产计划,并记录下每个调度周期的费用记为SchedulingCostt′以及总体调度费用 并记新的总体费用为
[0050]
[0051] ⑤将两次的总体费用进行比较,
[0052]
[0053] θ表示阈值。
[0054] 有益效果:本发明的技术方案是将生产计划与调度问题分解成一个系统级及多个学科级的问题,然后分别采用分支定界法,并采用罚函数及松弛因子的方法,使得系统级及学科级间相互影响,加快求解速度,最终获取最低的生产成本的集成优化方法;本发明具有开放性、鲁棒性、并行性、全局收敛性以及对问题的数学形式无特殊要求等特点。

附图说明

[0055] 图1为算例状态任务网络图;
[0056] 图2为本发明算法与单纯调度优化结果计划部分费用对比。具体实施方式:
[0057] 某多产品间歇式化工生产工厂,可以由三种原材料(A、B、C),通过加热,化学反应,分离等工艺,生产出两种产品(P1、P2)。其工艺流程的状态任务网络图如图1。反应1,反应2,反应3的反应过程都可以在反应釜1以及反应釜2中进行。算例考虑的生产计划周期为40个小时,并将生产计划周期均分成5个生产调度周期。
[0058] 生产调度工艺部分数据如表1,2所示,费用部分数据如表3所示,生产计划费用部分数据如表4所示。
[0059] 表1生产设备工艺数据
[0060]
[0061] 表2物料状态数据(‑‑‑表示无限制)
[0062]
[0063] 表3生产调度费用数据
[0064]
[0065] 表4生产计划费用数据
[0066]
[0067] 市场需求量如表5所示。
[0068] 表5不同调度周期市场需求量
[0069]
[0070] 表7采用本发明算法的优化结果
[0071]
[0072]
[0073] 为了方便对比,我们采用传统单纯生产调度优化的方式对该组市场需求量进行问题的求解,得到的优化成本结果为$18771.95。每个调度周期具体数据及费用数据如表8所示。
[0074] 表8采用纯调度优化结果
[0075]
[0076] 根据纯调度优化的结果与本发明所提出的算法的结果进行对比我们可以发现,采用本发明算法的整体费用成本减少了20.19%。单纯的调度优化费用成本中,生产调度的费用较低,但是短缺费用很高,主要由于单纯调度优化只会考虑当前调度周期的市场需求情况,没有统筹整个生产计划周期内每个生产调度周期的市场需求情况。而根据本发明所提出的算法进行优化求解时,统筹考虑每个生产调度周期的市场需求情况,而且还综合考虑生产计划的费用成本以及生产调度的费用成本,从而达到总体费用最优的结果,如图2所示,为本发明与传统方法的对比。
版权所有:盲专网 ©2023 zlpt.xyz  蜀ICP备2023003576号