一种考虑吊挂连通性约束的服装生产工序分配方法与流程

本发明属于服装加工，特别是涉及一种考虑吊挂连通性约束的服装生产工序分配方法。

背景技术：

1、在现代化服装生产领域中，随着生产规模的扩大和消费者对产品质量与交货期要求的日益提高，生产过程的优化与智能化管理成为提升竞争力的关键。传统的手工分配工序和调度方式不仅效率低下，且难以应对复杂多变的生产需求，易导致资源浪费和生产成本上升。因此，开发一种基于智能算法的生产工序优化分配系统显得尤为重要。

2、在服装生产过程中，生产车间的工位布局、待加工工件的工序流程以及吊挂系统的运输效率直接影响着生产效率和成本。工位布局决定了工件在不同工序间的转移路径和距离，而吊挂系统作为连接各工位的重要运输工具，其连通性和效率对生产流程的顺畅性至关重要。然而，传统方法往往忽略了这些因素之间的相互作用，导致工序分配不合理，增加了吊挂系统的走行距离和工位的空闲等待时间，从而降低了整体生产效率和生产成本。

技术实现思路

1、为了解决背景技术中存在的问题，提高服装生产的效率，降低服装生产的成本，本发明提供一种考虑吊挂连通性约束的服装生产工序分配方法，包括：

2、s1：获取生产车间的工位信息、待加工工件的工序信息和吊挂系统在工位之间的连通性信息；

3、s2：将吊挂系统在工位之间的连通性信息作为约束条件建立生产车间的工位距离矩阵；

4、s3：根据工位距离矩阵、生产车间的工位信息和待加工工件的工序信息利用贪婪规则生成nsga-ii算法的种群；

5、s4：将吊挂系统走行总距离最小和所有激活工位之间的总加工工时均差最小作为优化目标构建多目标优化模型；

6、s5：基于步骤s3生成的种群利用nsga-ii算法对多目标优化进行求解，获得最优的服装生产工序分配方案。

7、优选地，所述建立生产车间的工位距离矩阵包括：不同工位之间通过吊挂系统运输在制品，根据吊挂系统在不同工位之间的移动距离构建工位距离矩阵，其中，对于不能互相连通的两个工位之间的距离表示为-1。

8、优选地，所述步骤s3包括：

9、s31：初始化种群规模数量为n；

10、s32：针对待加工工件中没有前置工序的每个首道工序，从其可被分配的工位集合中随机选择一个工位作为其分配工位；

11、s33：以工序间的前后道关系为约束条件，遍历所有工序，根据工位距离矩阵利用贪婪规则为后道工序选择距离前道工序的分配工位最近的工位作为后道工序的分配工位；直至所有工序被分配至分配工位，生成nsga-ii算法种群中的个体；

12、s34：重复执行步骤s32-s34，直至个体的数量达到n为止，得到nsga-ii算法的种群。

13、优选地，所述多目标优化模型包括：

14、

15、其中，o1和o2表示两个优化目标，g表示待加工工件的工序集合，l和u表示两道不同的工序，且工序u是工序l的后道工序；k1和k2表示不同的两个工位；yluk1k表示一个二进制变量，当工序l被安排在k1的同时工序u被安排在k2时yluk1k2等于1，反之yluk1k等于0；dk1k2表示在工位距离矩阵中工位k1与工位k2之间的距离；kava表示所有激活工位的总数；cak表示工位k的总加工工时，表示所有激活工位的平均加工工时。

16、优选地，所述步骤s5包括：

17、s51：对nsga-ii算法的种群进行非支配排序，得到种群中每个个体的等级；

18、s52：遍历多目标优化模型中的每个优化目标，计算种群中每个个体在优化目标下的拥挤度，将每个个体在所有优化目标下的拥挤度求和得到种群中每个个体的最终拥挤度；

19、s53：根据个体的等级和个体的最终拥挤度利用精英保留策略从种群中选择x个个体作为精英个体进行保留，利用锦标赛选择策略从种群中选择父代个体生成父代种群；

20、s54：对父代种群使用模拟二进制交叉和变异算法生成子代种群，将父代种群和子代种群进行合并组成临时种群；

21、s55：根据预设的概率模型从临时种群中筛选出y个个体，x+y＝n，n表示种群的规模数量；

22、s56：将步骤s55筛选出的个体和保留的精英个体合并组成下一次迭代的种群，并重复执行步骤s51-s56直至达到预设的迭代次数为止，输出最优解。

23、优选地，所述对nsga-ii算法的种群进行非支配排序包括：

24、s511：对种群中的每个个体p，初始化集合sp和计数器np；

25、s512：对于种群中的每个个体p，遍历种群中的其他个体q，如果个体p支配个体q，则将个体q添加到集合sp中；如果个体p被个体q支配，则将np加1；

26、s513：遍历种群中的个体，若存在个体p的计数器np为0时，则将个体p放入非支配前沿集合f1，并将个体p的等级rank设为0；

27、s514：对于每个非支配前沿集合fi，遍历非支配前沿集合fi中的每个个体p，对于个体p的集合sp中的每个个体q，将q的计数器nq减1，如果nq减少到0，则将个体q的等级rank设为i+1，并将个体q添加到下一个非支配前沿集合fi+1；

28、s515：当存在非支配前沿集合为空时，结束排序过程，得到种群中每个个体的等级rank。

29、优选地，所述利用精英保留策略从种群中选择x个个体作为精英个体包括：

30、s5211：计算种群大小为n，保留的精英个体数量x＝[α·n]取整，α属于区间(0，1]的实数；

31、s5212：从第一个非支配前沿集合f1开始，依次从非支配前沿集合中选择个体作为精英个体，直到达到预定的精英个体数量x；选择策略如下：

32、首先选择非支配前沿集合f1中的所有个体，如果集合f1的个体数量少于x，则继续从非支配前沿集合f2中选择，依此类推；如果选择的精英个体数量达到了x或者已经遍历了所有非支配前沿集合，则停止选择；如果在某个非支配前沿集合fi中需要选择部分个体作为精英个体，则根据集合fi中个体的最终拥挤度从高到低进行选择。

33、优选地，所述每个个体在优化目标下的拥挤度包括：

34、

35、其中，m∈{o1，o2}表示优化目标；im(i)表示个体i在优化目标m下的拥挤度；fm(i+1)表示个体i+1在优化目标m下的值；fm(i-1)表示个体i-1在优化目标m下的值；表示所有个体在优化目标m下的最大值；表示所有个体在优化目标m下的最小值。

36、优选地，所述利用锦标赛选择策略从种群中选择父代个体生成父代种群包括：

37、s5221：从当前种群中随机选择k个个体组成一个锦标赛群体；

38、s5222：在锦标赛群体中，通过比较个体的等级和最终拥挤度，选择一个最优的个体作为父代个体，选择策略如下：

39、对于个体p和q，若个体p的等级rank(p)小于个体q的等级rank(q)，则选择个体p；若个体p的等级rank(p)大于个体q的等级rank(q)，则选择个体q；若个体p的等级rank(p)等于个体q的等级rank(q)，则选择个体p和个体q中最终拥挤度大的个体，若个体p和个体q的最终拥挤度也相同，则从个体p和个体q中随机选择一个个体作为父代个体；

40、s5223：重复执行步骤s5221～s5223，直至父代个体的数量达到设定阈值为止生成父代种群。

41、优选地，所述对父代种群使用模拟二进制交叉和变异算法生成子代种群包括；

42、模拟二进制交叉选择包括：从父代种群中随机选择两个父代个体，随机选择两个父代个体中的部分基因进行交换，生成两个子代个体；

43、变异算法选择包括：父代种群中随机选择一个父代个体，从父代中随机选择的一个工序变换其分配到的工位生成子代个体；

44、基于吊挂系统的连通性和工位信息判断生成的子代个体是否合理，若不合理则舍弃不合理的子代个体；

45、基于上述模拟二进制交叉和/或变异算法生成预设数量的子代种群。

46、本发明至少具有以下有益效果

47、本发明通过优化工序分配，减少吊挂系统在工位之间的走行总距离，直接降低了物料运输的时间成本，加快了生产流程的速度。同时，平衡各工位之间的加工工时均差，避免了某些工位长时间空闲或过度忙碌的情况，从而提高了整体生产效率。减少吊挂系统的走行距离意味着降低了能耗和设备磨损，长期来看有助于降低维护成本和能源消耗。此外，通过优化工序分配，减少了因等待或拥堵造成的生产停滞，进一步降低了生产成本。该方案考虑了生产车间的实际环境和吊挂系统的连通性，使得工序分配更加灵活和适应性强。当生产需求或车间布局发生变化时，可以通过调整优化模型中的参数来重新生成最优的工序分配方案，确保生产过程的持续高效。该方案引入了智能算法进行工序分配优化，为服装生产企业的智能化管理提供了有力支持。通过数据驱动和算法优化，企业可以更加精准地掌握生产状况，实现生产过程的实时监控和动态调整。