一种动态环境下分布式多地总装项目计划方法

本发明涉及分布式多地总装项目计划，尤其涉及一种动态环境下分布式多地总装项目计划方法。

背景技术：

1、非标自动化集成商作为分布式总装项目主体，把持着高资质装配小组等全局资源，总装项目分散在各个客户所在的项目地，各项目地的项目经理掌握该项目各类资源的调用权。集成商根据客户下达的集成化产线订单进行项目模板匹配，随后根据项目模板中总装产线的装配物料清单(bill of material，bom)，将零部件区分为非标自制件与外购件，其中非标自制类零件需要进行生产与技术准备，而外购件需要在考虑采购周期的前提下制定采购计划。与此同时，项目经理需要结合物料配送进度与项目执行进度，并根据项目活动需求调用装配小组执行装配作业。一般整线定制需求下的集成化生产线总装作业流程，其具有以下特征：

2、(1)物料供应地与总装现场具有地理位置差异。集成化产线的装配bom包含了非标件与外购件，集成商根据装配工艺流程与物料订购提前期来制定外购件的采购计划，物料因供应运输过程中的扰动因素通常难以如期到达。如若装配工序的前置工序或者装配资源未能按时就位，已抵达项目地址的物料需要按照产品结构、装配和测试条件分别放置在不同的暂存区域，直至装配工序开工前置条件都就绪以后，再从暂存区将装配物料转运到总装工序的项目现场。

3、(2)装配执行效率与装配小组人员配置有关。高资质装配小组对不同类型的产线总装项目拥有不同的装配技能熟练度，但需要在不同项目地之间差旅。驻场装配小组通常是项目经理招募的临时工人，虽然不需要差旅时间，但技能相对单一，且熟练度不高。综上，决策者需要综合考虑总装项目的地理位置差异、装配小组的执行效率，从而合理地调用各类装配资源。

4、(3)不同地址的项目订单可以并行执行，且总装项目启动的时间具有一定的不确定性。整线定制需求的项目订单存在淡旺季特征，旺季情况下集成化产线项目启动时间相对集中，为满足用户对智能工厂建设、升级与改造的准时交付需求，企业采用多项目并行设计、采购、制造与装配的运营方式，以提高资源利用率、缩短项目周期。决策者也要考虑近期临近启动的总装项目与未完成项目的进度，结合物料预计送达时间信息动态化制定装配资源的调遣计划。

5、然而，上述的生产线总装操作麻烦，成本高，动态调整效果差，生产质量鲁棒性指标低，适用范围小。

技术实现思路

1、针对以上相关技术的不足，本发明提出一种动态环境下分布式多地总装项目计划方法，用以解决现有生产线总装操作麻烦，成本高，动态调整效果差，生产质量鲁棒性指标低的问题。

2、为了解决上述技术问题，本发明实施例提供了一种动态环境下分布式多地总装项目计划方法，包括以下步骤：

3、步骤s1、预设项目装配调度交互目标订单集合；

4、步骤s2、根据所述目标订单集合设定前摄反应式调度机制；

5、步骤s3、根据所述前摄反应式调度机制构建数学模型；

6、步骤s4、根据所述数学模型构建调度机制框架；

7、步骤s5、根据所述调度机制框架进行算例仿真、多目标性能评估及性能对比，获得对比结果。

8、优选的，所述步骤s2具体包括以下子步骤：

9、利用前摄调度技术通过插入缓冲时间以生成基准调度计划；

10、其中，所述缓冲时间通过增加紧邻工序之间的时间松弛量，用以缓解不同项目因物料延期供应而产生的全局资源使用冲突；所述基准调度计划通过对基准调度方案设计反应式策略，依据物料实际到达时间与项目进度，动态化调整计划执行过程中总装工序间的时间松弛量。

11、优选的，所述步骤s3具体包括以下子步骤：

12、步骤s31、构建ddrcmpsp数学模型；

13、步骤s32、根据所述ddrcmpsp数学模型设定决策变量；

14、步骤s33、根据所述ddrcmpsp数学模型建立目标函数；

15、步骤s34、根据所述ddrcmpsp数学模型设定约束条件。

16、优选的，所述步骤s4具体包括以下子步骤：

17、步骤s41、随机生成多个n个个体组成初始种群；

18、步骤s42、通过蒙特卡洛模拟计算所述种群个体适应度值；

19、步骤s43、通过非支配排序/拥挤距离计算；

20、步骤s44、判断是否满足终止条件，是，则执行步骤s410；否，则执行步骤s45；

21、步骤s45、基于锦标赛式策略和精英保留策略进行选择；

22、步骤s46、获取满足前置工序约束的交叉算子；

23、步骤s47、获取满足前置工序约束的工序执行层算子资源选择层变异算子；

24、步骤s48、将变异后的子代与父代种群合并/去重；

25、步骤s49、更新/去重后的新种群执行邻域搜索操作，并返回所述步骤s42；

26、步骤s410、进行前摄型优化解；

27、步骤s411、根据所述优化解进行分布式项目调度仿真，获得调整后的适应度值。

28、优选的，所述步骤s4还包括以下子步骤：

29、步骤s401、通过双层嵌套的改进型nsga-ii算法生成ddrcmpsp的基准计划；

30、步骤s402、根据所述基准计划生成编码与初始解；其中，所述初始解包括任务调度优先度规则和装配资源指派规则；

31、步骤s403、根据所述编码与初始解进行预设交叉算子；

32、步骤s404、对所述预设交叉算子进行变异算子设定；

33、步骤s405、通过预设邻域搜索算子对重复染色体进行重新构造；

34、步骤s406、根据构造结果设定反应式调度策略。

35、优选的，所述步骤s401具体包括以下子步骤：

36、步骤1：设定算法终止条件为最大迭代次数λmax，对nsga-ii算法中所涉及的种群规模n、交叉概率pc和变异概率pm等参数进行设置；

37、步骤2：基于总装工序信息，装配资源的技能熟练度进行种群初始化生成，种群中的染色体个体采用代数λ与编号n的方式表达，初始种群记为其中初始状态下λ＝0；

38、步骤3：采用monte carlo随机抽样原理，依据物料到达时间期望设计了大量随机抽样案例，用于评估种群中的鲁棒性指标zq与交付性能指标zs；

39、步骤4：对种群进行适应度评价；

40、步骤5：采用锦标赛选择机制筛选参与遗传操作的父代；

41、步骤6：对种群进行群体交叉操作；其中，将参加交叉操作的n个个体，根据交叉概率pc选择2*c条染色体，两两进行单点匹配交叉操作，将生成的子代替换被选中的2*c条父代染色体；

42、步骤7：对种群个体进行分层变异操作；其中，将种群的个体按照设置的变异率pm进行分层变异，根据触发的变异动作分别调整总装工序的加工顺序与装配资源分配方案，变异后的子代种群被记为

43、步骤8：采用精英选择策略对种群进行更新；将子代种群与父代种群进行合并并继续采用步骤4的适应度函数评价方式，按照非支配层级高低与拥挤度大小对种群个体进行选择，最终选出具有n个个体作为新种群，令λ＝λ+1；

44、步骤9：判断当前的寻优迭代代数λ是否达到了终止条件：λ>λmax，如果满足终止条件，则输出当前种群的pareto非支配层级最高的前沿作为最优解集；如若不然，转入下一步骤10；

45、步骤10：对新种群去重操作，对当前种群进行重复性校验，如果存在编码相同的个体，则对编码相同的任意个体执行邻域搜索操作生成新个体，将新个体替换种群中的重复编码个体，随后更新种群并转入所述步骤2；如果不存在编码相同的个体，则直接转入所述步骤2。

46、优选的，所述步骤s5具体包括以下子步骤：

47、步骤s51、根据数值仿真进行案例设定；

48、步骤s52、通过所述ddrcmpsp数学模型获得多目标性能评价指标；

49、步骤s53、通过所述nsga-ii算法进行算法设置与实验设计；

50、步骤s54、根据初始解生成策略并获得算法性能；

51、步骤s55、反应式策略选择获得调度结果；

52、步骤s56、将前摄和反应调度体系下进行算法性能对比，获得对比结果。

53、与相关技术相比，本发明通过预设项目装配调度交互目标订单集合；根据所述目标订单集合设定前摄反应式调度机制；根据所述前摄反应式调度机制构建数学模型；根据所述数学模型构建调度机制框架；根据所述调度机制框架进行算例仿真、多目标性能评估及性能对比，获得对比结果。这样建立了考虑物料到达、装配资源异地转移和项目启动的多目标分布式项目调度数学模型，其中优化目标包括总装工序完工时间偏差的稳定性指标和项目平均拖期的质量鲁棒性指标，以期在提升项目按时交付水平的前提下，保证总装工序的准时开工率，减少物料或者资源滞留项目地的额外成本。同时，提出了前摄反应式的鲁棒调度体系，通过对前摄计划插入缓冲时间缓解不同项目因物料供应不确定等因素产生的全局资源使用冲突，再采用monte-carlo抽样仿真技术的适应度评价函数来评估项目调度结果的质量。在反应式调度阶段，设计了多种反应式策略，在充分维系基准计划执行性的前提下，对各类动态因素进行反应式调整。另外，针对ddrcmpsp的问题特征设计了编码与解码方案，以nsga-ii算法为主体框架，设计了交叉、变异算子，混合初始种群生成策略及基于关键路径改进的邻域搜索算子。在通过全因子实验确定算法关键参数后，以igd和hv值为多目标评价指标，比较分析初始种群生成策略、反应式策略的有效性与适应性。最后在将所提算法与nsga-ii、moaco和moea/d三个传统多目标算法比较，结果表明insga-ii算法具有明显优势，且适应多种项目启动聚集程度的场景案例。