面向离散制造系统中机器-工人-夹具协作的柔性作业车间智能调度
《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》:Towards intelligent scheduling in flexible job shop with machine–worker–fixture collaboration in discrete manufacturing systems
【字体:
大
中
小
】
时间:2026年08月28日
来源:ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING 12.3
编辑推荐:
- 一种新型调度模型将柔性车间中的机器、工人和夹具整合在一起。
- 一种双元组编码与解码策略捕捉了多资源之间的交互作用。
- 一种基于资源局部搜索的协同进化算法提升了解的质量。
- 与原始排产方案相比,所提出的方法将延迟时间和最大完工时间分别显著降低了25.86%和35.48
- 一种新型调度模型将柔性车间中的机器、工人和夹具整合在一起。
- 一种双元组编码与解码策略捕捉了多资源之间的交互作用。
- 一种基于资源局部搜索的协同进化算法提升了解的质量。
- 与原始排产方案相比,所提出的方法将延迟时间和最大完工时间分别显著降低了25.86%和35.48%。
引言
随着航空航天、船舶制造等离散制造企业生产任务的增加,生产成本与定制化需求双双上升[1]、[2]、[3]。在离散制造企业中,生产调度对于提升生产效率、优化资源配置至关重要[4]、[5]。这类企业的制造特点包括产品种类多、批量小、工序繁多、生产流程复杂以及加工时间长[6]、[7]、[8]。具体而言,每个复杂零部件都涉及多种工序,每种工序都需要特定类型的机器(如铣削、钻孔、镗削和车削)或专门的劳动力(如钳工、划线工和装配工)。此外,夹具是这些复杂零部件的又一关键资源约束。因此,在实际车间中普遍存在三类资源约束,而生产过程中这些资源之间的频繁转换进一步加剧了调度复杂度,并最终导致车间效率低下。
为提升企业效率,复杂零部件生产的资源管理至关重要[9]、[10]。车间中存在四种具体的资源受限情形。首先,零部件可使用不同设备加工,例如铣床、车床和计算机数控(CNC)加工中心[11]。利用夹具对于在这类设备上加工零部件以提升质量至关重要。然而,由于定制化要求和较高的库存成本,许多夹具在车间中常常不可用。因此,这些夹具必须作为车间内的生产任务加以制造。当多个生产任务同时需要同一夹具时,一次只能执行一个生产任务。因此,合理的调度对于夹具和机器的合理分配是不可或缺的。其次,某些工序只能由工人完成,如划线和老化处理,这些由工人在工作台旁进行。第三,某些工序可由工人和夹具共同操作,如钳工操作。因此,劳动力调度也是一个重要考量。第四,大多数零部件受到三类资源约束:机器、工人和夹具。由于现场机加工夹具既被归类为生产任务又是资源约束,这些夹具只能在完成后才能使用[12]。此外,一些工人可依据其技能和加工时间同时操作多台机器[13]。因此,这些三类资源与生产任务的集成调度对于提升企业整体效率至关重要。
在上述资源约束背景下,本文研究融合机器—工人—夹具组合优化的柔性车间调度问题(FJSP-MWF)。FJSP-MWF类似于双资源约束柔性车间调度(DRC-FJSP),并增加了夹具约束[14]。一方面,带夹具约束的DRC-FJSP无法处理源自实际应用的具体场景,如现场机加工夹具[12]和多重任务工人[13]。然而,我们此前的研究已分别考察了多重任务工人与现场机加工夹具的单独影响。因此,本文探讨机器、工人和夹具参与的企业组合优化综合影响。
为使用元启发式方法求解FJSP-MWF,本文提出一种双元组编码方法,通过作业—夹具(JF)和机器—工人(MW)向量有效捕捉解空间的复杂性。此外,引入一种受限多资源解码方法以生成可行的调度方案。随后,构建一个协同进化框架以增强搜索过程的探索能力。最后,设计一种具有四种邻域结构的基于资源的局部搜索方法,以实现探索与开发之间的平衡。本研究的贡献概括如下。
1. 提出一种新型柔性车间调度问题,将机器、工人和夹具作为相互依赖的资源进行整合,反映离散制造中现实的多资源协同场景。
2. 开发一种双元组编码方案,联合表示作业—夹具与机器—工人分配,并配合受限多资源解码策略,以确保在多资源约束下的排产可行性。
3. 提出一种具有基于资源局部搜索的双种群协同进化算法,融合基于对立的遗传算子和四种邻域结构,以增强全局探索与局部开发。
4. 案例研究表明,与原始排产相比,所提算法将总加权延迟时间(TWT)和最大完工时间分别降低了25.86%和35.48%。
本文组织结构如下。第2节回顾生产调度与资源配置的相关文献。第3节概述所研究的现实问题特征。第4节详细描述所提出的算法。第5节展示实验结果并对结果进行深入分析。第6节介绍一个现实案例研究。第7节讨论相关启示并提出未来研究建议。
FJSP变体的求解方法
FJSP是车间调度问题的进阶版本,融合了机器柔性,导致解空间扩展[15]。作为离散制造企业中的基本问题,FJSP及其变体近年来受到越来越多关注[16]、[17]。针对各种场景,已开发出多种求解方法以高效处理FJSP变体。例如,Li等人提出了一种基于深度强化学习的方法用于……
问题定义
FJSP-MWF源自现实制造企业,可定义如下:存在n+f2个生产任务ProT={J1,J2,…,Jn,FIIn+1,FIIn+2,…,FIIn+f2}[44]。每个生产任务有Ni道工序,i∈{1,2,…,n+f2}。此外,车间中存在三类主要资源约束,包括m台机器M={M1,M2,…,Mm}、w名工人W={W1,W2,…,Ww}以及f1+f2个夹具F={FI1,FI2,…,FIf1,FIIf1+1,FIIf1+2,…,FIIf1+f2}。在这些夹具中,I类夹具存放于仓库……
所提出的算法
本节给出所提算法的流程图,如图1所示。通过所提出的编码与解码方法建立解空间与目标空间之间的关系,详见4.1节。此外,引入协同进化框架,通过双种群策略和互补遗传算子扩大搜索区域,如4.2节所述。最后,设计一种高效的局部搜索……
实验设置
本节介绍基准测试套件LLG-MWF,包含30个实例(小规模:LLG-MWF1至LLG-MWF10,中等规模:LLG-MWF11至LLG-MWF20,大规模:LLG-MWF21至LLG-MWF30)。LLG-MWF涵盖三类资源约束:机器、工人和夹具。这些实例的范围从4个生产任务、2台机器、2名工人和2个夹具,到100个生产任务、50台机器、38名工人和50个夹具。每道工序的加工时间……
案例背景
本节给出一个现实案例以验证所提算法的实用性[12]。该案例源自日常订单,包含三个项目(七个作业和两个II类夹具)。车间包含6台机器、5名工人、1个I类夹具和2个II类夹具。值得注意的是,一些工序(如划线和老化处理)仅需工人,不需要机器或夹具。相比之下,钳工操作需要工人和夹具,但不需要……
结论与未来方向
本研究探讨了具有机器—工人—夹具协同的柔性车间调度问题,其中各工序的资源需求具有异质性并取决于工艺特征。所提出的FJSP-MWF考虑了四种工序类型:仅需工人的工序、机器—工人工序、工人—夹具工序以及机器—工人—夹具工序。
为求解该问题,开发了一种双元组编码方法以表示作业—夹具与机器—工人向量……
作者贡献声明(CRediT)
李佳航:论文初稿撰写、可视化、方法论、数据整理。李欣雨:论文初稿撰写、监督、项目管理、形式化分析。刘启豪:软件、资源、概念化。张春江:软件、资源、方法论。高亮:监督、方法论、资助获取、概念化。
利益冲突声明
作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
致谢
本工作部分由中国国家自然科学基金资助(批准号U25A20317)以及中央高校基本科研业务费专项资金资助(批准号2024BRA004)支持。
李佳航 | 李欣雨 | 刘启豪 | 张春江 | 高亮
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号