孫延

(陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽 712000)

基于蟻群算法的紡織企業(yè)生產(chǎn)調(diào)度技術(shù)研究

孫延

(陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽 712000)

針對如何實(shí)現(xiàn)紡織企業(yè)車間資源合理配置,有效解決生產(chǎn)調(diào)度管理問題的目的,采用了基于蟻群算法對復(fù)雜工況下的紡織企業(yè)織造工序的排產(chǎn)過程進(jìn)行研究,通過將其轉(zhuǎn)化為蟻群的尋址方式后,建立了織造工序排產(chǎn)和調(diào)度的蟻群算法模型,得出利用本文所提出的生產(chǎn)調(diào)度排產(chǎn)算法,對紡織企業(yè)生產(chǎn)任務(wù)進(jìn)行排產(chǎn)調(diào)度時(shí),得到的測試結(jié)果為完成生產(chǎn)任務(wù)共用了29天,每臺(tái)機(jī)臺(tái)累計(jì)進(jìn)入改車工序共12次,使其即使面對多個(gè)訂單同時(shí)出現(xiàn)時(shí),仍能夠較好的完成排產(chǎn)調(diào)度任務(wù),有效提高紡織企業(yè)市場競爭力的結(jié)論。

蟻群算法；紡織；生產(chǎn)調(diào)度；模型

由于紡織企業(yè)的生產(chǎn)環(huán)境是不斷變化的,因此,在車間制造運(yùn)行過程中,會(huì)遇到各種不同類型的隨機(jī)干擾和沖突。這些因素如機(jī)臺(tái)本身的設(shè)計(jì)產(chǎn)能、人為失誤以及一些不可預(yù)見的情況。此外還包括:訂單交貨日期的更改、緊急訂單的到來、車間計(jì)劃的改動(dòng)、機(jī)臺(tái)突發(fā)故障等意外情況［1］。實(shí)際車間過程是非常復(fù)雜的,當(dāng)各種不確定性事件發(fā)生時(shí),上述各因素中的每一項(xiàng)可能都會(huì)涉及對生產(chǎn)計(jì)劃和機(jī)臺(tái)生產(chǎn)任務(wù)的重新安排,使原來調(diào)度方案的效率大大降低,紡織車間的生產(chǎn)調(diào)度問題也更加復(fù)雜［1］。

因此,當(dāng)預(yù)調(diào)度不能正常執(zhí)行,需要安排重調(diào)度時(shí),尋找一種適應(yīng)生產(chǎn)變化的動(dòng)態(tài)車間的作業(yè)調(diào)度系統(tǒng)是極其必要的。生產(chǎn)線動(dòng)態(tài)調(diào)度有2個(gè)目標(biāo):第一,調(diào)度要及時(shí)處理生產(chǎn)線大量的實(shí)時(shí)數(shù)據(jù)［2］。第二,要在不能耽誤高效生產(chǎn)作業(yè)的前提情況下,在一定的時(shí)限內(nèi)做出調(diào)度方案［2］。因此,本文構(gòu)建了基于蟻群算法的生產(chǎn)調(diào)度模型,目的是為了使車間的生產(chǎn)調(diào)度更合理,使生產(chǎn)更好地適應(yīng)不斷變化的需求。

1 現(xiàn)代紡織企業(yè)生產(chǎn)調(diào)度現(xiàn)狀

目前,紡織企業(yè)是典型的面向訂單生產(chǎn)的流程型制造企業(yè),一般采用面向訂單的生產(chǎn)模式,所以,針對訂單的預(yù)先排產(chǎn)是非常重要的。紡織企業(yè)的主要生產(chǎn)流程為:松絡(luò)→緊絡(luò)→整經(jīng)→織造→整裝工序。其中織造是整個(gè)生產(chǎn)流程中最為核心的工序,多數(shù)企業(yè)在對織造工序進(jìn)行生產(chǎn)排產(chǎn)調(diào)度的時(shí)候,不是按照科學(xué)的計(jì)算方法進(jìn)行合理地排產(chǎn),是由調(diào)度人員根據(jù)自己的經(jīng)驗(yàn)安排車間生產(chǎn),在面對多臺(tái)機(jī)器,多個(gè)訂單,多個(gè)交期,相對復(fù)雜的工況時(shí),會(huì)多次進(jìn)入改車工序,或機(jī)臺(tái)出現(xiàn)不必要的空臺(tái),使織造時(shí)間過長,生產(chǎn)效率低下。當(dāng)前生產(chǎn)調(diào)度應(yīng)用的排產(chǎn)方法如圖1所示。

為此,考慮到紡織企業(yè)當(dāng)前織造工序的排產(chǎn)和調(diào)度的實(shí)際情況,本文提出運(yùn)用螞蟻算法對車間生產(chǎn)的織造工序進(jìn)行排產(chǎn)和調(diào)度,目的是解決各織造機(jī)器可運(yùn)轉(zhuǎn)時(shí)間不同情況下,多訂單不同交期的織造排產(chǎn)問題,以提高排產(chǎn)和調(diào)度的效率和準(zhǔn)確性。

圖1 當(dāng)前排產(chǎn)方式及效果Fig.1 The current production scheduling methods and effect

2 基于蟻群算法的車間生產(chǎn)調(diào)度建模

2.1 生產(chǎn)調(diào)度建模思想

表1表明了紡織企業(yè)的實(shí)際織造排產(chǎn)過程與蟻群算法,即螞蟻在城市間尋址覓食有許多相似之處［3］。因此,采用蟻群算法對復(fù)雜工況下的紡織企業(yè)織造工序的排產(chǎn)過程進(jìn)行研究時(shí),通過將其轉(zhuǎn)化為蟻群的尋址方式后,再進(jìn)一步建立織造工序排產(chǎn)和調(diào)度的蟻群算法模型。

表1 織造工序的排產(chǎn)調(diào)度和蟻群算法的相似性Tab.1 The scheduling and the ant colony algorithm of similarity in weaving

2.2 蟻群算法模型

針對上述問題,本文對人工螞蟻的設(shè)計(jì)包括以下五部分:循環(huán)次數(shù)、第幾只螞蟻、時(shí)間（在本文中指開始排產(chǎn)的第幾天）、機(jī)器、標(biāo)識(shí)（1或2）。其中標(biāo)識(shí)為1時(shí),輸出產(chǎn)品編號(hào)；標(biāo)識(shí)為2時(shí),輸出加工數(shù)量。通過路徑選擇策略人工螞蟻每天為每臺(tái)可用機(jī)器確定要加工的產(chǎn)品、數(shù)量和狀態(tài)。若在可用于加工產(chǎn)品的最晚時(shí)間結(jié)束后,所有產(chǎn)品都加工完畢,并且沒有超過其相應(yīng)的加工時(shí)間段,則該螞蟻為可行解,在所有螞蟻循環(huán)結(jié)束后,以目標(biāo)值平均加工時(shí)間最短為最優(yōu)解進(jìn)行輸出［4］。

蟻群算法的路徑選擇要先設(shè)置車間啟發(fā)函數(shù)。因此,本文將啟發(fā)函數(shù)設(shè)置為生產(chǎn)的緊急度。因?yàn)?對于紡織企業(yè)的整個(gè)生產(chǎn)流程而言,安排在前面的訂單應(yīng)是緊急的訂單,所以當(dāng)機(jī)器在生產(chǎn)某種產(chǎn)品時(shí),應(yīng)盡量使其繼續(xù)加工這種產(chǎn)品,避免改車的麻煩。而對于繼續(xù)加工同一種產(chǎn)品或是加工另一種產(chǎn)品,所設(shè)置的啟發(fā)函數(shù)也是不盡相同的［5］。本文設(shè)置的啟發(fā)函數(shù)如下所示。

式中:i——當(dāng)前機(jī)臺(tái)加工產(chǎn)品；j——下一步機(jī)臺(tái)加工產(chǎn)品；rj——產(chǎn)品的剩余加工量；d——從所有產(chǎn)品中最早開始加工那天起的第幾天。

另外,在蟻群算法的路徑選擇中,其概率計(jì)算公式如（2）所示。

1）若機(jī)臺(tái)所生產(chǎn)的在織品剩余產(chǎn)量不足一天,則該機(jī)臺(tái)不由概率計(jì)算選擇,繼續(xù)加工該產(chǎn)品。

2）若機(jī)臺(tái)已完成了產(chǎn)品的加工,則按概率公式確認(rèn)后續(xù)應(yīng)加工的產(chǎn)品,同時(shí)開始改車作業(yè)。

3）若按概率公式得到出后續(xù)加工產(chǎn)品與在織品不是同一品種,在織產(chǎn)品并沒有生產(chǎn)結(jié)束,而在改車期內(nèi),又有參與生產(chǎn)的新機(jī)臺(tái),這時(shí)該機(jī)臺(tái)后續(xù)加工的產(chǎn)品不變,還是原來加工的在織產(chǎn)品,新機(jī)臺(tái)生產(chǎn)的產(chǎn)品是計(jì)算出來概率最大的產(chǎn)品。

4）若加工情況同上,而加工剩余量的生產(chǎn)時(shí)間小于改車時(shí)間,那么繼續(xù)生產(chǎn)機(jī)臺(tái)所加工的在織品［6］。

當(dāng)螞蟻完成一次循環(huán)后,要進(jìn)行信息素的實(shí)時(shí)更新處理。人工信息素在本文中表示產(chǎn)品之間的信息素,在考慮機(jī)臺(tái)的同時(shí),還考慮產(chǎn)品生產(chǎn)時(shí)間,所以它被表示為:τij（d，mi）,其中d表示第幾天,mi代表目前機(jī)臺(tái)所生產(chǎn)的產(chǎn)品,j表示機(jī)臺(tái)后續(xù)生產(chǎn)產(chǎn)品。完成一次循環(huán)后,把螞蟻所走過路線的長度按從小到大進(jìn)行排序,即L1≤L2≤L3≤…Lk,并按路線長度賦予不同的權(quán)重,路線較短可獲得的權(quán)重值較大。全局最優(yōu)解的權(quán)重ωi=k,第r個(gè)最優(yōu)解的權(quán)重ωi=r,最差解權(quán)重ωi=0；再計(jì)算路線是否可行,能否在規(guī)定時(shí)間內(nèi)完成任務(wù),若不可行,權(quán)重降到0,然后進(jìn)行所有路線上信息素量的更新,如公式（3）所示。

2.3 算法實(shí)現(xiàn)

1）蟻群算法參數(shù)α,β,η,ρ,迭代次數(shù)nc,螞蟻只數(shù)k,τij（1，mi）的初始化。

2）一組螞蟻按每日、每臺(tái)機(jī)臺(tái)開始進(jìn)行循環(huán)。

3）為螞蟻賦值,按照概率公式確認(rèn)機(jī)臺(tái)后續(xù)應(yīng)生產(chǎn)的產(chǎn)品。

4）確定產(chǎn)品剩余量,記錄每種產(chǎn)品生產(chǎn)的的實(shí)際開始時(shí)間、結(jié)束時(shí)間、更改產(chǎn)品狀態(tài)。

5）螞蟻終止循環(huán)后,計(jì)算各螞蟻的目標(biāo)函數(shù)值。

6）對螞蟻的目標(biāo)函數(shù)值進(jìn)行排序。

7）對每只螞蟻?zhàn)哌^的路徑的權(quán)重進(jìn)行計(jì)算。

8）對螞蟻路徑能否滿足相關(guān)約束條件進(jìn)行判斷。

9）對螞蟻?zhàn)哌^的路徑的權(quán)重進(jìn)行更新。

10）信息素的更新。

11）進(jìn)入下一組循環(huán)。

12）所有循環(huán)結(jié)束,輸出最優(yōu)解。

3 結(jié)束語

本文主要是對車間生產(chǎn)調(diào)度技術(shù)進(jìn)行了研究。首先在分別深入分析紡織車間生產(chǎn)調(diào)度要素以及紡織企業(yè)車間生產(chǎn)調(diào)度現(xiàn)狀的基礎(chǔ)上,研究提出了針對紡織企業(yè)基于蟻群算法的車間生產(chǎn)優(yōu)化調(diào)度模型。采用蟻群算法對紡織企業(yè)進(jìn)行生產(chǎn)調(diào)度設(shè)計(jì),實(shí)現(xiàn)生產(chǎn)優(yōu)化控制的目的,有效地解決了紡織企業(yè)車間的生產(chǎn)排產(chǎn)和調(diào)度問題?？傊?文中所設(shè)計(jì)的算法能夠得到較好的生產(chǎn)調(diào)度效果,并解決紡織企業(yè)實(shí)際生產(chǎn)中的調(diào)度難題。

［1］董玉倩.制造執(zhí)行系統(tǒng)關(guān)鍵技術(shù)研究及在紡織企業(yè)的應(yīng)用[D].天津:天津工業(yè)大學(xué),2007.

［2］于冬青.制造執(zhí)行系統(tǒng)MES在紡織行業(yè)中的應(yīng)用［J］.針織工業(yè),2006(9):61-64.YU Dong-qing.Manufacturing Execution System MES applications in the textile industry ［J］.Knitting Industry，2006（9）:61-64.

［3］王萬雷.制造執(zhí)行系統(tǒng)(MES)若干關(guān)鍵技術(shù)研究[D].大連:大連理工大學(xué),2005.

［4］黃文雷.基于蟻群算法的分層生產(chǎn)調(diào)度模型研究與設(shè)計(jì)［D］.重慶:重慶大學(xué),2008.

［5］魏先民.基于思維進(jìn)化的蟻群算法在典型生產(chǎn)調(diào)度中的應(yīng)用[J].計(jì)算機(jī)科學(xué),2013(7):236-238.WEI Xian-min.Ant colony algorithm based on the application of evolutionary thinking in typical production scheduling［J］.Computer Science，2013（7）:236-238.

［6］陶莉,趙改平.基于蟻群算法的車間生產(chǎn)調(diào)度模型的研究與應(yīng)用[J].企業(yè)研究,2012(4):142-145.TAO Li，ZHAO Gai-ping.Research and application of ant colony algorithm workshop production scheduling model［J］.Based Business Research，2012（4）:142-145.

Research on scheduling workshop production of modern textile enterprises

SUN Yan
（Shaanxi Polytechnic Institute,Xianyang 712000，China）

In this paper，based on how to realize the rational allocation of the resources of workshop in textile enterprises，effectively solve the problem of production scheduling management purposes，using studied the scheduling process of ant colony algorithm under the complicated conditions of textile enterprises based on the weaving process，transforming it into the addressing mode of ant colony after established the weaving process rows of ant colony algorithm model production and scheduling and draw the scheduling algorithm proposed in this paper by using the production scheduling of production task，textile enterprises to arrange production scheduling，test results are obtained for the completion of production tasks sharing 29 days，each machine accumulated into the car modification process a total of 12 times，making it even in the face of multiple orders at the same time，still can the complete scheduling scheduling tasks，effectively improve the market competitiveness of textile enterprises conclusion.

ant colony optimization；spinning；production scheduling；model

TN-9

：A

：1674-6236（2015）18-0116-03

2014-12-04稿件編號(hào)：201412039

孫 延（1982—）,女,陜西咸陽人,碩士,講師。研究方向:機(jī)械工程。