[發(fā)明專利]一種流程工業(yè)企業(yè)生產(chǎn)過程的生產(chǎn)調(diào)度智能優(yōu)化方法

無效

• 申請?zhí)枺?/td>: 200910099782.8
• 申請日: 2009-06-12
• 公開（公告）號: CN101620416A
• 公開（公告）日: 2010-01-06
• 發(fā)明（設(shè)計(jì)）人: 徐新黎;王萬良;項(xiàng)招貴;王海燕;周明;俞靚亮;趙澄
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G05B19/04
• 分類號: G05B19/04;G05B13/00
• 代理公司: 杭州天正專利事務(wù)所有限公司
• 代理人: 王 兵;王利強(qiáng)

1、一種流程工業(yè)企業(yè)生產(chǎn)過程的生產(chǎn)調(diào)度智能優(yōu)化方法，其特征在于：所述生產(chǎn)調(diào)度智能優(yōu)化方法包括以下步驟：

1)、調(diào)度模型建立：

將調(diào)度范圍劃分成許多等長度的時間段，在一個時間段內(nèi)，連續(xù)生產(chǎn)工序的流速保持不變，且該工序處理的物料量等于該工序的流速乘以時間段長度，而間歇生產(chǎn)工序處理的物料量的等于該工序的生產(chǎn)批量，時間段長度τ不能大于間歇工序生產(chǎn)設(shè)備的加工時間的最大公約數(shù)；具體有：

(1.1)變量定義：

τ：時間段的長度；

T：調(diào)度時間范圍；

L：時間段數(shù)，L＝T/τ；

O：工序總數(shù)；

MI_i，MO_i：工序i的輸入物料集合和輸出的產(chǎn)品集合；

RI_i，j：工序i的輸入物料j的輸入比例，且Σj∈MIiRIi,j=1;]]>

ρ_i，j：工序i輸出物料j與總投入的比例，即投入產(chǎn)出比，且Σj∈MOiρi,j=1;]]>

ω_i，j：物料i含物質(zhì)j的比例；

Q_i^min，Q_i^max：工序i的最小和最大處理量，對于連續(xù)設(shè)備則指最小和最大流速，對于間歇設(shè)備則指最小和最大加工的批量；

Q_i，j^min，Q_i，j^max：工序i處理物料j的最小和最大處理量，對于連續(xù)設(shè)備則指最小和最大流速，對于間歇設(shè)備則指最小和最大加工的批量；

CI_i，j：向工序i提供原料j的貯槽集合，且j∈MI_i；

CO_i，j：存儲由工序i生成的產(chǎn)品j的貯槽集合，且j∈MO_i；

OCI_i，j：向貯槽i輸入產(chǎn)品j的工序的集合；

OCO_i，j：由貯槽i提供物料j進(jìn)行加工的工序的集合；

BO_i，j：向工序i提供物料j的工序集合；

AO_i，j；由工序i提供物料j的工序集合；

V_i^min，V_i^max：貯槽i的最小和最大儲量；

V_i⁰：初始時刻貯槽i的容量；

Q_i，t；工序i在t時刻的處理量，對于連續(xù)設(shè)備為流速，對于間歇設(shè)備則為加工的批量；

B_i：工序i是否為連續(xù)的生產(chǎn)過程，若是，則B_i＝1，否則，B_i＝0；

V_i，t：貯槽i在t時刻的儲量；

P：生產(chǎn)的產(chǎn)品集合；

M_i：輸出產(chǎn)品i的工序集合，i∈P；

C_i：消耗產(chǎn)品i的工序集合，i∈P；

MV_i：存儲產(chǎn)品i的貯槽集合，i∈P；

PR_i：產(chǎn)品i的銷售價格，i∈P；

約定用處理量表示在時間段t內(nèi)間歇工序加工的批量，或經(jīng)過連續(xù)設(shè)備的流量，即流速乘以時間段長度；

(1.2)約束條件：

(a)物料平衡

對于連續(xù)的工序有：

Σj∈MIiQi,t×τ×Ri,j×ωj,m=Σk∈MOiQi,t×τ×ρi,k×ωk,m,∀i,m,t---(1a)]]>

對于間歇的工序有：

Σj∈MIiQi,t×Ri,j×ωj,m=Σk∈MOiQi,t×ρi,k×ωk,m,∀i,m,t---(1b)]]>

上式表明，對于任何物質(zhì)m在任何時段t在工序i上的投入和產(chǎn)出要保證質(zhì)量相等；

(b)設(shè)備的生產(chǎn)能力約束：

Qimin≤Qi,t≤Qimax,∀i,t---(2a)]]>

Qi,mmin≤Qi,t×RIi,m≤Qi,mmin,∀i,t,m∈MIi---(2b)]]>

式(2a)表示任一時刻工序的處理量必須介于工序的最大和最小處理值之間，式(2b)表示在任意給定的時刻工序加工的物料m必須介于工序加工該物料的最大和最小處理值之間；

(c)容量約束：

Vi,0=Vi0,∀i---(3a)]]>

Vimin≤Vi,t≤Vimax,∀i,t---(3b)]]>

Vimin≤Vi,t+Σk∈OCIi,j[Qk,t×τ×ρk,j×Bk+Qk,t×ρk,j×(1-Bk)]]]>

-Σm∈OCOi,j[Qm,t×τ×ρk,j×Bm-Qm,t×ρk,j×(1-Bm)]≤Vimax,∀i,t---(3c)]]>

式(3a)是貯槽的初始儲量；式(3b)表示在任一時間段內(nèi)，貯槽i的儲量應(yīng)保持在其最小儲量與最大儲量之間；式(3c)表示在任意時間段內(nèi)，上游工序產(chǎn)出的產(chǎn)品j進(jìn)入貯槽i的量與提供下游工序加工的產(chǎn)品j的量的差值加上時刻t時儲量必須介于貯槽的最大儲量和最小儲量之間；

(d)供求約束：

Qimin×RIi,j×τ≤Σk∈CIi,j{Vk,t-Vkmin+Σc∈OCIk,j[Qc,t×τ×ρc,j×Bc+Qc,t×ρc,j×(1-Bc)]]]>

-Σd∈OCOk,j[Qdmin×τ×ρc,j×Bd+Qdmin×ρd,j×(1-Bd)]},∀i,j,t---(4a)]]>

Qimax×RIi,j×τ≥Σk∈CIi,j{Vk,t-Vkmax+Σc∈OCIk,j[Qc,t×τ×ρc,j×Bc+Qc,t×ρc,j×(1-Bc)]]]>

-Σd∈OCOk,j[Qdmax×τ×ρc,j×Bd+Qdmax×ρd,j×(1-Bd)]},∀i,j,t---(4b)]]>

式(4a)中不等式右邊的第三項(xiàng)表示在時間段t內(nèi)向貯槽k輸入產(chǎn)品j的容量，第四項(xiàng)保證了由貯槽k提供物料j進(jìn)行加工的工序需要滿足的最小加工量的約束；整個式子表示在任何時段t必須保證輸入到工序i加工的物料j的量必須大于其最小處理量；同理，式(4b)表示在任何時段t必須保證輸入到工序i加工的物料j的量必須小于其最大處理量；

(1.3)生產(chǎn)調(diào)度的目標(biāo)函數(shù)取為：

maxJ=Σt=1LΣi∈P[Σm∈MiDm,t,i-Σp∈ciDp,t,i+Σj∈MVi[Vj,L+1-Vj,0]]×PRi-Σi∈P(Pi×PRi)---(5)]]>

式中，P_i表示在調(diào)度周期內(nèi)產(chǎn)品i的計(jì)劃產(chǎn)量；調(diào)度的目標(biāo)是在滿足企業(yè)計(jì)劃產(chǎn)量的同時使得企業(yè)的產(chǎn)值最大；式中第一項(xiàng)為實(shí)際生產(chǎn)的總產(chǎn)值，第二項(xiàng)為計(jì)劃產(chǎn)值；

得到的數(shù)學(xué)規(guī)劃模型為：

確定：決策變量Q_i，t；

滿足：式(1)～式(4)；

使得：Max?J；

2)、采用差分進(jìn)化算法來求解調(diào)度模型，得到生產(chǎn)線上各臺連續(xù)生產(chǎn)設(shè)備在各個時間段內(nèi)的流速以及各臺間歇生產(chǎn)設(shè)備在各個時間段內(nèi)的處理量。

2、如權(quán)利要求1所述一種流程工業(yè)企業(yè)生產(chǎn)過程的生產(chǎn)調(diào)度智能優(yōu)化方法，其特征在于：在步驟2)中，所述基于差分進(jìn)化算法的優(yōu)化方法包括以下內(nèi)容：

(2.1)編碼設(shè)計(jì)與初始化：

將差分進(jìn)化的個體編碼成如下的向量：

x_i＝{Q_1，1，…，Q_1，L，Q_2，1，…，Q_2，L，…，Q_O，1，…，Q_O，L}????(6)

式中x_i表示種群個體i，在上述編碼方法下，每一個個體是一個L×O維的向量，其中每一維的值表示相應(yīng)工序在某一時間段內(nèi)的處理量；

初始化時，采用隨機(jī)方法產(chǎn)生初始個體，按照時間遞增的順序，同時產(chǎn)生所有工序在同一時間段的對應(yīng)的處理量，如下式所示：

Qi,t=Rand(Qimin,Qimax),∀i,t---(7)]]>

采用上述隨機(jī)初始化的方法產(chǎn)生的個體，很有可能出現(xiàn)不滿足約束的非法個體，為此，當(dāng)同一時間段內(nèi)所有工序的處理量都隨機(jī)生成時，需要判斷該時間段所有工序的處理量是否都滿足所有約束，否則對其進(jìn)行修正；

(2.2)非法個體的判斷與修正：

對于個體x_k，按照時間段t從小到大的次序，從第一道工序開始，對每一道工序i，判斷其在該時段的處理量Q_i，t是否都滿足約束；根據(jù)Q_i，t與工序i上下游工序處理量和中間貯槽儲量的大小關(guān)系，存在以下4種情形需要進(jìn)行修正，其修正方法分別如下：

令D_i，t，j＝Q_i，t×τ×ρ_i，j×B_i+Q_i，t×ρ_i，j×(1-B_i)表示工序i在時段t的產(chǎn)生產(chǎn)品j的量；

i)如果工序i在時段t內(nèi)產(chǎn)生產(chǎn)品j的量過多，即使其下游需要j作為物料投入的工序m按最大處理量進(jìn)行加工，其中間貯槽也會發(fā)生溢出；即：

成立，那么減少Q(mào)_i，t，直至其滿足約束；如下：

low=max[Σm∈OCOn,j[Qmmax×τ×ρm,j×Bm+Qmmax×ρm,j×(1-Bm)+Vnmin-Vn,i],Qimin},∀t,i,∃n∈COi,j---(8b)]]>

up=min{Σm∈OCOn,j[Qmmax×τ×ρm,j×Bm+Qmmax×ρm,j×(1-Bm)+Vnmax-Vn,t],Qimax},∀t,i,∃n∈COi,j---(8c)]]>

Q_i，t＝Random(low，up)????(8d)

首先，通過式(8b)和(8c)計(jì)算出Q_i，t的上下限，再由(8d)產(chǎn)生新的值；

ii)如果工序i在時段t內(nèi)產(chǎn)生產(chǎn)品j的量過多，使得其下游需要j作為物料投入的工序m按當(dāng)前的處理量Q_m，t加工時，中間貯槽會出現(xiàn)溢出；即：

成立，那么增加Q_m，t，直至其滿足約束；如下：

Qm,t=Random(Qm,t,Qmmax),∀m∈AOi,j---(9b)]]>

即通過式(9b)產(chǎn)生新的Q_m，t，該值要滿足(9c)表示的約束；

iii)當(dāng)為工序i提供物料j的上游工序m即使以最大處理量加工，也不能滿足工序i當(dāng)前所需物料j的量，即：

成立，那么其上游工序m以最大能力加工，同時降低工序i的處理量Q_i，t，如下：

Qm,t=Qmmax,∀j,t,m∈BOi,j---(10b)]]>

Max=Σm∈BOi,j[Dm,t,j]+Σp∈CIi,j(Vp,t-Vpmax)---(10c)]]>

up=min{Max-Σn∈AOm,j[Qnmin×τ×ρn,j×Bn+Qnmin×ρn,j×(1-Bn)],Qimax}---(10d)]]>

Qi,t=Random(Qimin,up)---(10e)]]>

式(10b)將工序m設(shè)為最大加工能力，式(10c)計(jì)算出該時段能提供的物料j的最大量，式(10d)限定了工序i在t時段內(nèi)的最大加工能力；式(10e)產(chǎn)生新的滿足約束的Q_i，t；

iv)如果為工序i提供物料j的上游工序m當(dāng)前處理量，不能滿足工序i當(dāng)前所需物料j的量，即：

Σm∈BOi,jDm,t,j+Σn∈CIi,j(Vn,t-Vnmin)<Di,t,j,∀i,t---(11a)]]>

成立，那么保持Q_i，t不變，增加m的處理量；如下：

Qm,t=Random(Qm,t,Qmmax),∀m∈BOi,j---(11b)]]>

除以上4種情況外，均不需要對個體進(jìn)行修正；經(jīng)過修正后在時刻t的貯槽容量通過下式計(jì)算得到：

Vi,0=Vi0,∀i---(12a)]]>

Vi,t+1=Σm∈OCIi,jDm,t,j-Σp∈OCOi,jDp,t,j+Vi,t-1,0<t≤L,∀i,---(12b)]]>

式(12a)是各貯槽的初始儲量，式(12b)是時段t末時刻的儲量計(jì)算式子；第一項(xiàng)表示t時段內(nèi)產(chǎn)生物料j的量，第二項(xiàng)表示在t時段內(nèi)消耗物料j的量，第三項(xiàng)表示時段t-1末時刻的貯槽的儲量；

(2.3)適應(yīng)度函數(shù)設(shè)計(jì)：

從第一個時段開始，根據(jù)每個工序的處理量，以及各中間存儲在該時段的開始和結(jié)束時刻的儲量，計(jì)算各種產(chǎn)品在該時段的產(chǎn)量，直到最后一個時段L，進(jìn)而得到該調(diào)度時間范圍T內(nèi)的總產(chǎn)品產(chǎn)量；如下所示：

Pi,t=Σm∈MiDm,t,i-Σp∈CiDp,t,i+Σj∈MVi[Vj,L+1-Vj,0],∀i,t---(13a)]]>

PAi=Σt=1LPi,t,∀i---(13b)]]>

式(13a)計(jì)算得到產(chǎn)品i在t時段內(nèi)的產(chǎn)量，式中第一項(xiàng)表示在t時段產(chǎn)生的產(chǎn)品i的產(chǎn)量，第二項(xiàng)在時間段t消耗的產(chǎn)品i的量，第三項(xiàng)是所有存儲產(chǎn)品i的貯槽的容量變化；式(13b)計(jì)算得到產(chǎn)品i在整個調(diào)度時間范圍T內(nèi)生產(chǎn)的總產(chǎn)量PA_i；

適應(yīng)度函數(shù)取為調(diào)度目標(biāo)的相反數(shù)，即：

Fitness(xk)=-J=Σi∈P(Pi×PRi)-Σi∈PPAi×PRi]]>

=Σi∈P(Pi×PRi)-Σt=1LΣi∈P[Σm∈MiDm,t,i-Σp∈CiDp,t,i+Σj∈MVi[Vj,L+1-Vj,0]]×PRi---(14)]]>

(2.4)進(jìn)化操作設(shè)計(jì)：

2.4.1)變異操作：

變異個體v_i，(k，l)^t+1關(guān)鍵工序的向量值可通過如下式子產(chǎn)生：

vi,(k,l)t+1=xr1,(k,l)t+F(xr2,(k,l)t-xr3,(k,l)t),∀l∈{1,2,···,L},∀k∈{1,2,···,O}---(15)]]>

其中：x_i，(k，l)^t表示種群X^t中的個體x_i^t的Q_k，l對應(yīng)的向量位。

2.4.2)交叉操作：

交叉操作指通過交叉變異個體v_i^t+1與父代個體x_i^t的關(guān)鍵工序，生成試驗(yàn)個體u_i^t+1的關(guān)鍵工序?qū)?yīng)的向量值：

ui,(k,l)t+1=vi,(k,l)t+1,(rand≤CR)||l=rand(1,L)xi,(k,l),trand>CR,∀l∈{1,2,···,L},∀k∈{1,2,···,O}---(16)]]>

上式表明，當(dāng)條件(rand≤CR)||l＝rand(1，L)成立時，試驗(yàn)個體u_i^t+1中所有工序時段l的對應(yīng)值均等于變異個體對應(yīng)的值；在執(zhí)行交叉操作后，需要判斷個體是否為非法個體，若是則要對其進(jìn)行修正；

2.4.3)選擇操作與基本的DE的選擇操作相同，均是采用一種基于貪婪思想的選擇；即：

xit+1=uit+1,f(uit+1)<f(xit)xit,otherwise---(17)]]>

上式(17)中，f(uit+1)<f(xit)]]>表示u_i^t+1的適應(yīng)度值優(yōu)于x_i^t。