Исследование оптимизации многослойного генетического алгоритма для планирования производственных процессов
Чжан Цзин, Чжао Янь, Моу Яньнань
Хэйхэский университет, Хэйхэ, Китай
Купцова О.В.
Сахалинский государственный университет», Южно-Сахалинск
Ключевые слова: оперативно-календарное планирование, генетический алгоритм, многоуровневое кодирование, двухслойная хромосома, комбинаторная оптимизация, гибкая производственная система.
Аннотация. В статье рассматривается проблема повышения эффективности оперативно-календарного планирования производственных процессов в условиях многономенклатурного машиностроительного производства, характеризующегося значительным количеством единиц технологического оборудования и разветвлёнными межоперационными связями. Обосновывается необходимость совместной оптимизации последовательности обработки изделий и распределения операций по оборудованию для достижения глобально оптимального расписания, обеспечивающего минимальную длительность производственного цикла. Исследуются явления неравномерной загрузки оборудования и возникновения избыточных межоперационных простоев, характерные для традиционных подходов к формированию производственных расписаний, основанных на эвристических правилах приоритетов. В качестве метода решения предложен генетический алгоритм с многоуровневым кодированием решений, позволяющий осуществлять одновременную эволюцию последовательности операций и распределения ресурсов. Разработана двухслойная структура хромосомы, включающая слой последовательности операций и слой назначения оборудования. Предложен составной критерий приспособленности, учитывающий три ключевых показателя: максимальное время завершения всех работ, равномерность загрузки оборудования по единицам технологического парка и суммарное время простоев. Вычислительные эксперименты проведены на тестовом примере, включающем пять изделий и одиннадцать единиц оборудования. Результаты моделирования показали, что предложенный алгоритм позволяет сократить максимальное время изготовления на 44,6%, снизить долю простоев оборудования с 31,7 до 9,4% и уменьшить стандартное отклонение загрузки оборудования на 82,0% по сравнению с классическим генетическим алгоритмом. Разработанный метод может быть рекомендован для внедрения в автоматизированные системы управления производством на предприятиях машиностроительной отрасли с целью повышения эффективности использования производственных ресурсов.
Research on optimization of multi-layer genetic algorithm for production process planning
Zhang Jing, Zhao Yan, Mou Yannan
Heihe University, Heihe, China
Kuptsovа O.V.
Sakhalin State University, Yuzhno-Sakhalinsk
Keywords: flexible job shop scheduling, genetic algorithm, multi-layer coding, two-layer chromosome, combinatorial optimization, flexible manufacturing system.
Abstract. The paper addresses the problem of improving the efficiency of operational scheduling in multi-product machine-building manufacturing characterized by a significant number of technological equipment units and extensive inter-operational relationships. The necessity of simultaneous optimization of the workpiece processing sequence and the allocation of operations to equipment is substantiated to achieve a globally optimal schedule ensuring minimal production cycle duration. The phenomena of uneven equipment loading and excessive inter-operational idle times inherent in traditional scheduling approaches based on heuristic priority rules are investigated. As a solution method, a genetic algorithm with multi-level solution coding is proposed, enabling simultaneous evolution of the operation sequence and resource allocation. A two-layer chromosome structure has been developed, comprising an operation sequence layer and an equipment assignment layer. A composite fitness criterion is proposed that takes into account three key indicators: the maximum completion time of all jobs, the uniformity of equipment loading across the technological equipment fleet, and the total idle time. Computational experiments were conducted on a test case involving five jobs and eleven units of equipment. The simulation results showed that the proposed algorithm reduces the maximum completion time by 44.6%, decreases the equipment idle time share from 31.7 to 9.4%, and reduces the standard deviation of equipment loading by 82.0% compared to the classical genetic algorithm. The developed method can be recommended for implementation in automated production management systems at machine-building enterprises to improve the efficiency of production resource utilization.