基于遗传算法的生产管理系统研究

计划和调度非常重要。科学合理的生产计划调度可以降低企业生产成本、减小产品制造的周期，大幅提高生产效率。本文基于这个问题，采用遗传算法对车间的多个工件在多个机床上加工情况进行优化，通过设计适合的适应度函数和约束条件，不断迭代优化使得工件加工指标达到最优，以最短的时间加工最多的工件，从根本上解决车间的生产效率，显著提高了企业的经济效益。

【关键词】生产管理 遗传算法 调度

1 引言

航空制造企业规模一般比较大，通常有很多个厂区、上百个车间。由于航空制造生产系统运行和管理非常复杂，所以生产制造的计划和调度非常重要。科学合理的生产计划调度可以降低企业生产成本、减小产品制造的周期，大幅提高生产效率，提高企业的经济效益。

车间管理内容主要是编制生产作业计划、作业排序、生产调度、生产进度监控、生产统计、质量检查和抽检等。目前的管理方式存在效率低下、计划编制粗糙、信息传递太慢和相关作业文档查找和回溯非常困难等缺点，很难适应当今越来越激烈的市场竞争。本文基于这个问题，针对航空制造企业的车间调度问题，采用遗传算法对车间的多个工件在多个机床上加工情况进行优化，通过优化使得工件加工指标达到最优，以最短的时间加工最多的工件，从根本上解决车间的生产效率。充分利用遗传算法调优车间调度和生产计划，使车间调度和生产计划的编制更加科学，按照生产计划的具体安排情况，进一步原材料的需求分析及计划，使得人员、设备、工具分配更加合理，进一步提升车间管理水平。

2 遗传算法介绍

遗传算法是根据自然界优胜劣汰的选择方式，把适应性最强的物种群体遗传下来。它具有全局寻找最优的能力，可以自动在搜索空间上进行学习和优化，不需要再进行人为干预搜索过程。遗传算法具有不受函数约束条件的限制优点，它不是从单个个体开始搜索，具有并行搜索的特性，可以大大减少陷入局部极小的可能性。遗传算法采用的随机操作，具有全局的搜索能力，非常适用于搜索复杂问题和非线性问题的优化。

遗传算法步骤包括编码、初始群体生产、适应度函数设计及评估、选择、交叉和变异操作。该算法是一个群体操作算法，由若干的初始群体作为初始输入，用随机方法来生成初始群体，初始群体的规模越大，则遗传算法的就能更好的找到最优解，但是初始群体的规模太大则会使计算量成倍的增加。选择通常采用比例选择，选取概率正比于个体的适配值，变异通过所及改变个体中的基因来产生新的个体，可以增强种群的多样性，避免过早收敛。遗传算法是一种随机优化的算法，它是通过对个体的评价和染色体的作用，有效利用已有的种群信息来全局搜索改善优化质量的算法。

3 系统设计实现

车间调度问题就生产方式分类可分为开环车间和闭环车间。开环车间调度不考虑库存数量问题，只分析订单产品在所有设备上的加工排序问题。闭环车间调度在零件加工顺序基础上，还必须满足特定的生产工艺条件下使生产性能达到最优。机床的使用效率主要受加工辅助时间、机床质量、机床的故障率和车间作业计划是否科学等因素有关。本文针对车间的多个工件在多个机床上加工情况进行优化，优化目的在最短的时间内加工最多的工件。

车间调度优化具体分为以下步骤：首先对种群P（m）初始化，这里m代表迭代次数，然后局部搜索，改进初始种群，获得最终的初始P（m），如果满足具体的优化条件，则结束遗传算法优化，如果达不到条件则继续，进行种群P（m）的具体生产，通过搜索改进再次生成的临时种群，获得最终优化后临时的P（m），借助替换策略获得下一代种群P（m+1），然后再判断是否满足收敛条件，如果满足则优化结束。遗传算法的种群规模、杂交概率和变异概率本文通过尝试计算的方式来确定。最后通过遗传算法的收敛准则按照目标函数值从小到大查找最优方案，只要满足目标函数值为当前最小和方案为可行即满足所有约束条件，则局部寻优结束，得到最优解，计算结束。

在设计适应度函数时，应缩小超级个体的适应度，防止出现过早收敛。在搜索过程的中后期，虽然个体的多样性得到保证，但是种群的平均适应度可能会接近群体的最优适应度，可能会出现停滞现象。遗传算法设计思路就是在寻找更优解，在选择、交叉和变异等操作中体现。通过对多个工件在多台机床的大规模车间调度优化求解，使用遗传算法可以寻求到最优解，使得车间作业调度达到最优，显著的提高了生产作业效率，提高了经济效益和企业竞争力。

4 结语

航空制造业中，由于工厂车间众多，导致相应的车间调度问题非常复杂。如何更加科学的调度，编制更加科学的车间调度计划和生产作业计划，则是航空制造企业管理者最为重要的问题。本文通过在调度优化中普遍使用的遗传算法，针对多个工件在多台机床进行加工的调度优化问题进行寻找最优调度方案，通过遗传算法的不断寻优，最终得到的最优解进行实际车间调度计划管理，通过实际检验，能够显著提高车间调度水平，使得调度更加科学，显著提高了企业的生产效率，使得企业的车间调度水平更加科学。

参考文献：

[1]张元亮.基于遗传算法的混合分形编码[J].自动化学报，1999（01）.

[2]徐雯雯.基于遗传算法的车间动态粗调度研究[D].山东大学，2010.

[3]田青.自适应小生境混合遗传算法在车间调度问题中的研究[D].湘潭大学，2011.