一种预制构件生产企业主计划编制方法

本发明涉及预制构件领域，尤其是一种预制构件生产企业主计划编制方法。

背景技术：

1、近年来，建筑领域涌现出许多与各行业相关的新技术和新概念产品，其中大多数依靠建筑智能设备建造平台和建筑智慧工地管理系统，推动了装配式建筑的发展。装配式建筑已成为未来行业发展的重要方向。这种发展势头加速了传统制造技术向高智能化转变，尤其是装配式建筑和预制混凝土构件的生产。现在，批量生产建筑构件和采用模具制造产品的新方式已成为主要趋势。

2、装配式预制构件虽然在往工业化生产方向发展，但因其自身的多种生产表现，在构件生产方面相比于普通的制造业有很强的针对于本行业的特殊性。多项目供应：一般一个预制厂会接收到来自不同项目的多个订单需求，且需要根据每个订单的施工进度和项目距离统筹生产计划，同时由于装配式项目是以标准层为单位进行施工，所以生产调度时要注意不同楼层构件的交付期。首先pc预制构件是面向订单的生产模式，不同于其他的制造企业，预制构件的生产是面向合同订单的，企业会先接收订单，然后再根据客户订单的需求进行个性化的计划生产。也就是说，建筑构件生产企业它的客户订单具有建筑行业鲜明特征，客户订单的管理是按照工程管理。在混凝土预制构件生产之前，需要根据客户具体的要求进行进一步的细化设计，企业接受到客户订单后，首先会依据建筑行业生产工艺的特征与混凝土预制构件生产工艺流程的特色，按照某个工程的建筑施工图拆图，通过拆图将客户订单进行进一步的细化，设计出各种类构件的结构拆分图与构件加工图，并对拆图的结果进行管理。包括规定出预制构件从生产到安装全过程的使用规范与操作要求：首先应规范标识符号体系；其次应核验确定待生产加工构件的类型、数量、尺寸、重量等指标，还需专业的技术人员设计出各构件的模板图、配筋图、节点图与预埋件、预留孔洞位置图，实现精细化的生产加工；还应明确预制构件各项生产工序的具体技术要求。

3、由于预制构件本身的特点，构件产品大型化、构件产品可定制化、物料种类多元化,几乎每个客户企业的需求都不尽相同。综上所述，预制构件生产有着自身明显的异质性，与其相应的项目紧密联系，无法像普通产品那样独立生产，所以其生产过程也比普通制造业复杂得多。由此可知，为了提高预制构件的生产效率，对其生产调度的过程进行优化就显得尤为重要。

4、预制构件企业主计划编制不同于其他行业编制主计划，在编制主计划时，构成主计划的要素更加复杂。要编制装配式预制构件生产的主计划，既要考虑建筑预制构件的生产工艺特征和建筑施工作业的特点，还要考虑库存，建筑工期，构件型号等多方面因素的影响。编制主计划要确定当日每一个具体的最终产品的生产数量，以及总的计划投产周期。通俗来说就是收到客户订单后，何时开始，何时结束，都有一个详细的排产的计划。

5、所以针对以上问题，企业要对构件的生产型号、周期以及批量进行详尽的规划，生产数量是结合了库存量，产线提供的生产能力而得出的。计划投产时间以及计划完成时间精确到天。因此，本文发明一种针对预制构件生产企业主计划编制方法。

技术实现思路

1、本发明的目的是提供一种预制构件生产企业主计划编制方法，用来解决现有技术的问题，针对预制构件生产企业客户订单、生产线产能与库存之间的关系，以实现订单需求产能、库存上限与生产线提供产能的匹配的思想编制预制构件生产企业主计划，选用合适的拆单规则即每个客户订单每日按整层方式进行投产。

2、考虑车间生产能力和库存限制，并引入群体进化算法对主计划编制过程进行优化，以生成合理的主生产计划。

3、本发明的技术方案为：一种预制构件生产企业主计划编制方法，其具体步骤如下：

4、步骤1：构造编制预制构件生产主计划的数据集；

5、步骤2：计算每个客户订单的日平均投量；

6、步骤3：每个客户订单每日按整层方式进行投产，确定每个客户订单的多种单日投量方案；

7、步骤4：构建面向预制构件生产企业连续多日的车间投产主计划(主生产计划)的架构；

8、步骤5：引入群体进化算法对预制构件主计划编制过程进行优化初始化算法参数；

9、步骤6：随机生成新个体；

10、步骤7：利用限定条件对新个体进行合理性检测；在生成新个体过程中，需要通过步骤7的两个限定条件对新个体进行检测，直到达到设定种群规模。对新个体进行检测，将新个体每个基因片段转化为单日生产计划，然后用限定条件进行检测，不满足限定条件检测的个体被淘汰。

11、步骤8：判断是否是随机生成的个体，若是，进入步骤9，若不是，跳转到步骤11；

12、步骤9：判断当前种群数是否达到预设种群规模，若已达到预设种群规模，进入步骤10；若没有，跳转至步骤6，继续随机生成新个体；

13、步骤10：种群中个体通过选择、交叉、变异等操作不断更新，进化操作中产生新个体需通过步骤7的检测；

14、步骤11：利用适应度函数迭代寻优，对个体优劣评判与筛选；以固定生产周期内车间总构件生产立数最大为适应度函数，对个体优劣进行评判，优秀个体保留，不优秀的个体淘汰。

15、步骤12：输出优化后的连续多日的预制构件企业主生产计划。群体进化算法经过迭代寻优，达到终止条件停止进化。判断是否已经达到预设的迭代次数，如果不满足，则返回步骤10；如果达到终止条件，则算法终止，依据群体中最优的个体，输出优化排产结果，给出优化后的连续多日的预制构件企业主生产计划。

16、其中步骤1构造支撑预制构件生产企业主计划编制需求的数据集，建筑工程与其包含的多个楼宇，楼宇与单元，单元与楼层，楼层与建筑预制构件都存在一对多的数据关系，将建筑工程、楼宇、单元、楼层、建筑预制构件等信息进行整合构成多层树型结构的数据集合。

17、确定客户订单信息，其中包括待加工的相关构件信息，以及相关项目信息。经拆图得到的构件订单也正是主计划编制的任务来源。建筑构件的客户订单当中每次根据某一个工程某一个楼盘的第几号楼的第几层来分解客户订单,也就是依据具体预制构件它的体积(立数)投产，此时的客户订单包括具体的建筑工程项目名称，项目占地面积，以及所对应的需要生产的预制构件的相关型号，尺寸，数量，所需构件体积。基于它的每一层楼它的施工进度和施工要求，以具体预制构件类型所对应的标准层为最小任务单元，为安排生产任务做准备。

18、预制构件排产上线时，在支模工序中，需将预制构件对应的模具摆放在模台上，且生产过程中模具与模台均为标准矩形，模具尺寸与构件尺寸近似相等。

19、客户订单数据

20、为构造支撑预制构件生产主计划编制的数据集，其中将工程号、具体构件型号对应整数编号，用p表示企业计划部门接受到的客户订单所对应的工程总量集合,p∈{1,2,...,p}，p表示所有工程项目即订单总数，ub表示对应单元楼栋集合合,ub∈{1,2,...,b}，b表示单元楼栋的总数。st表示楼层集合,st∈{1,2,...,s}，s表示楼层的总数。ni表示每种类型构件对应的生产数量,i∈{1,2,...,n}，n表示代加工的预制构件类型总数(对应编号)，也就是说，用n表示所有订单对应的预制构件类型总数并与构件类型一一对应，依次用n所取整数表示对应的构件类型具体型号。每个工程每栋楼每一层的构件类型进行整数的编号即为a-ub-st-n。某工程某单元某一楼层的构件体积为某工程某单元某一楼层的构件类型数量为

21、d表示构件的投产天数，d表示构件投产的总天数。t表示构件生产周期。用li、wi、hi分别表示每种构件的长、宽、高。每种型号的构件以及对应模具的体积为vi，i∈{1,2,...,n}，vi＝li×wi×hi。

22、企业车间数据

23、企业构件生产车间产线的生产能力，与设备集合，包括产线年产量、月产能、日提供产能的数据，并确定模台相关尺寸，数量。

24、产线每日提供的最大产能用cmax表示，l、w分别表示模台的长与宽，smt表示模台台面面积，m表示模台的数量，mtj表示模台的编号，即第j个模台，j∈{1,2,...,m}，表示第j个模台重复使用的次数。

25、所述步骤2，交货期跟一个客户订单总生产任务的拆分和每天平均投量有着直接的关系。明确各工程订单交货时间，确保每个订单在约定交付的生产周期末能够准时交货。每个工程的交货期为根据客户订单的交货期和订单计划开始生产时间dplan，得到生产时间跨度再根据每个客户订单的总构件生产立数，确定每个客户订单的日平均投产立数(每个客户订单的日平均投量)。以便于安排生产计划。

26、所述步骤3根据每个客户订单的日平均投量，同时根据建筑施工特征和建筑施工的作业方式，对平均投量有个具体的调整。由于建筑施工作业的特征，每天的投产是按整层进行投产，不会出现一直投产一种墙体单一构件的极端情况，而是投产的构件型号与数量是凑满一层或多层的，这也是投产的一个订单分解规则，通过将客户订单的日平均投量与该客户订单的一个楼宇标准层的构件总体积进行对比分析，将投产的工程量取整，确定投产的最小的任务单元。通过对比调整，确定每个客户订单每日按整层方式进行投产，为每个客户订单构建其多种单日投量方案。某天某工程某单元楼投产层号为某天某工程某单元楼投产总层数为

27、所述步骤4构建面向预制构件生产企业连续多日的车间投产主计划(主生产计划)的架构。该生产主计划由多个单日生产计划整合而成；每个单日生产计划又由多个客户订单的单日投量方案组合得到，形成一种单日投量方案、单日生产计划、生产主计划之间的关联关系。以具体预制构件类型所对应的标准层为最小任务单元，也就是按照每日投产的任务量要符合实际建筑施工过程和方式，实际建筑施工过程和方式，提出以标准层为最小排产单位的概念，选用合适的拆单规则计划投产。在考虑产能约束，库存约束的基础上，确定每日的订单单日生产计划。

28、所述步骤5引入群体进化算法对预制构件主计划编制过程进行优化。每个客户订单在单日可以选择多种投产方案，多个客户订单在单日会产生多种组合，当投产计划包含多个投产日的生产任务的时候，产生更复杂度的组合情况，为了获得(能编制出)更好的多日连续的主计划(主生产计划)，引入群体进化算法对预制构件主计划编制过程进行优化，种群中的一个个体对应一个连续多日的投产主计划(主生产计划)，一个基因片段代表一个投产日的生产计划，基因片段中的一位基因对应某一个客户订单可选择的单日投量方案。初始化算法参数后，就可以启动寻优过程。

29、初始化算法参数，包括种群规模n，群体进化算法迭代次数k等。

30、多个不同的预制构件客户订单，因构件类型多种多样，以及要考虑提供产能与需求产能的匹配，和库存约束问题，在分配任务时导致出现多种组合爆炸，通过对产线能力的评估，算出单日的预平均投量，依照建筑施工作业的特征，本文选用标准层为最小的排产单位，即按照某个工程某栋楼的某一层构件进行投产，通过与预平均投量做对比调整，得出多个客户订单对应的每个工程单日大概要投产的几种投量模式，这就是也是单日临时计划投产任务量。0，1，2，3……而多个客户订单所分解成的每日的生产订单的任务分配就好比一条基因链。

31、优化的结果是确定各项目生产方案，模型的解空间结构与遗传算法中的染色体排布的思想吻合，省去了对决策变量编码的考虑，并且生产方案的变换可以通过染色体的交叉和变异实现，适合模型结构，因此采用遗传算法(ga)进行求解。

32、根据该模型的特点，采用自然数编码方式。按照将项目生产计划的投产方案，即以工程标准层为单位的构件投产的几种投量模式的组合关系，统一用自然数进行编号，如有m种方案，n个建筑项目，一个生产周期t内包含d天，则按照工艺的约束将各种方案编号为：0,1,2，...，m。其中方案0代表当日不进行投产，并且不同项目的相同方案编码对应的实际构件生产组合关系不同。

33、染色体的长度为所有客户订单的投产生产日期d与客户订单的数量p的乘积，即d×pi。投产的投产的层数编号1-s表示基因值。每一位基因所表达的信息为当前基因对应的某个工程的具体投产方案。1～p位基因所表达的信息为第一天生产计划中所各个生产订单选择的投产方案。p+1～2p位基因所表达的信息为第二天生产计划中所各个生产订单选择的投产方案。以此类推，所有订单最后一天完工即为染色体的最后p位。

34、例如一个染色体部分如图2所示。设定为5有种方案分别是0-4，4个建筑工程，生产天数为2天。

35、前4位基因分别代表，在第一天的生产计划中，a工程选择3层楼的构件进行投产；b工程选择1层楼的构件进行投产；c工程选择2层楼的构件进行投产；d工程选择4层楼的构件进行投产。

36、后4位基因分别代表，在第二天的生产计划中，a工程选择2层楼的构件进行投产；b工程选择2层楼的构件进行投产；c工程选择1层楼的构件进行投产；d工程选择3层楼的构件进行投产。

37、所述步骤7对新个体进行检测，将新个体每个基因片段转化为单日生产计划，然后用限定条件进行检测，不满足限定条件检测的个体被淘汰。

38、7.1限定条件1：

39、车间产能限定：通过日最大生产立数和车间模台总面积两个指标来衡量预制构件生产车间的生产能力，并依据这两个指标构建单日车间总投产任务量qt,d的限定条件，将单日最大生产立数和车间模台总面积作为单日车间总投产任务量qt,d的上限，在调整投产计划过程中(多种单日投量方案选择的时候)，对单日生产计划进行合理性检测。

40、产线单日所能提供的最大提供产能cmax，也就是单天产线能最多生产多少立方米的构件，即单日最大生产立数。

41、

42、单日车间总投产任务量qt,d，即每日的需求产能,也就是每日单个模台的所生产的预制构件立数之和qt,d。

43、

44、单日车间总投产任务量qt,d的上限受单日最大生产立数影响。订单在每天或每个周期的最大生产量不能超过产线所提供的最大产能。在留有余量的且提供产能已知的情况下，每日的需求产能≤产线的提供产能。即单日车间总投产任务量qt,d要小于当日车间产线所能提供的最大产能cmax：

45、qt,d≤cmax

46、同时也要满足每个模台所能提供的生产立数要大于该模台对应待加工的构件类型立数之和：

47、

48、同时考虑车间模台总面积对单日车间总投产任务量qt,d的上限的影响，模台台面面积smt应大于等于该模台上摆放的所有模具面积之和

49、

50、同时使用的所有模台台面面积总和应大于等于单日车间总投产任务量qt,d对应摆放模具的面积总和。

51、

52、7.2限定条件2：

53、根据物流计划确定构件仓库的日出库量和主计划中前一天日投量所确定构件仓库的日入库量与未生产之前的仓库构件剩余量之和得到新投产日的日库存余量把该库存余量作为单日车间总投产任务量qt,d的限定条件，在调整投产计划过程中(多种单日投量方案选择的时候)，对单日生产计划进行合理性检测。

54、某一天各预制构件型号可投产的上限即某一天的某一类型构件新投产日的日库存余量当日运走构件量即根据当天物流计划确定构件仓库的日出库量原有某类型构件库存量即由主计划中前一天日投量所确定构件仓库的日入库量与未生产之前的仓库构件剩余量之和库存量和运走构件量皆代表体积。用表示某一天各预制构件型号库存数量，用表示当日运走各预制构件型号库存数量，用表示前一天各预制构件型号库存数量，表示对应各型号构件库存上限，rd表示某一天的新投产日的日库存总余量，表示当日运走总库存量，前一天总库存量，rmax表示仓库的整体库存上限。

55、某一类型构件新投产日的日库存余量等于该类型构件在仓库的库存上限减去主计划中前一天日投量所确定构件仓库的日入库量加上今天该类型构件根据物流计划确定构件仓库的日出库量

56、

57、且当日某一类型构件的投产量小于等于某一类型构件新投产日的日库存余量

58、

59、同时满足单日车间总投产任务量qt,d小于等于新投产日的日库存总余量rd。

60、

61、qt,d≤rd

62、所述步骤10种群中个体通过选择、交叉、变异等操作不断更新，进化操作中产生新个体需通过步骤7的检测，以固定生产周期内车间总构件生产立数最大为适应度函数，对个体优劣进行评判，优秀个体保留，不优秀的个体淘汰。

63、所述步骤11利用适应度函数迭代寻优，对个体优劣评判与筛选。以固定生产周期内选取最佳投产方案使得在提供产能已知的前提下尽可能地生产更多订单为优化目标，也就是一周期内的产量最大，也就是一周期内生产的预制构件订单的产品立数最多，一周期内生产的构件总立数等于一周期内各工程所选方案对应生产构件型号的总立数之和，即每日的需求产能qt,d之和，以此作为主计划编制的优化目标，优化投产计划，进而达到在交货期之前更快完成的目的。

64、一周期内生产的构件总立数等于一周期内各工程所选方案对应生产构件型号的总立数之和，即每日的需求产能qt,d之和。

65、

66、在遗传算法中，通过计算每一条染色体的适应度函数，对染色体进行优胜劣汰。适应度函数即为模型的目标函数。每条染色体代表模型的一个可行解，根据可行解计算一周期内的产量，即生产构件总体积即立数最大。以其作为评估个体的适应度函数，适应度值越大则表示结果越优。计算如下：

67、

68、基于遗传算法的进化论思想，每一次迭代通过适应度函数评估每一条染色体的优劣程度，然后挑选优异的染色体进行交配生成子代染色体。经过代更新，子代逐步收敛，此时种群中适应度值最大的个体即为模型的最优解。

69、本发明的有益技术效果：一种预制构件生产企业主计划编制方法能够根据项目施工进度、产能情况和库存信息生成可实施的主生产计划指导构件生产。以整层进行投产保证客户订单中的构件种类、数量、质量如期实现，能够合理配置生产每种产品，以不超过最大产能为前提规划各时期的产量，均衡生产车间的生产设备负荷。同时考虑库存对投产的影响，解决库存管理中存在积压存放以及计划安排不适宜导致构件无法存放的问题。考虑订单、产能、库存三者之间的关系，以能力匹配的思想编制主计划，计划投产，提高生产效率，提升预制构件生产制备企业的智能化水平，为构件完整的装配式一体化平台提供有力支撑。

70、本发明在编制预制构件生产主计划的过程中引入群体进化算法对编制过程进行优化，在满足车间产能与库存余量的限定条件下，把以周期内生产构件立数最多为适应度函数，在合理的投产方案中筛选出最优的投产方案，实现对主计划编制的优化，得到最佳的连续多日的预制构件企业生产主计划，进而实现缩短完工时间的目的。本发明解决了现阶段预制构件生产企业生产计划制定时多依赖于经验产生，且多采用人工制定的方式手动分派制定投产计划，控制手段单一，以及构件库存对生产进度的影响导致生产规划不合理等问题，考虑生产线中存在的约束，通过信息化管理手段提高生产效率。