有权-审定授权 中国
著录项
摘要
本发明提出了一种面向定点输出的分布式制造调度方法,采用数据场模型对任务结构及设备分布状态进行度量,其中任务结构度量反应了后续工序对备选工序的影响,设备分布状态度量反应了设备在设备网络中的局部影响力;采用逆向调度方法,从终止设备与终止工序出发,为工序逆向分配设备,从而保障任务的定点输出约束;所建立备选工序与备选设备的量化度量,可以为任务调度提供依据,简化了调度过程,并考虑了任务与设备结构两方面优化。
法律状态
法律状态公告日 | 20230912 |
法律状态 | 专利申请权、专利权的转移 |
法律状态信息 | 专利权的转移 IPC(主分类):G06Q 10/06 专利号:ZL2018115629245 登记生效日:20230828 变更事项:专利权人 变更前权利人:宁波大学 变更后权利人:深圳龙图腾科技成果转化有限公司 变更事项:地址 变更前权利人:315211 浙江省宁波市江北区风华路818号 变更后权利人:518000 广东省深圳市罗湖区笋岗街道笋岗东路3002号万通大厦22层2202室 |
法律状态公告日 | 20191018 |
法律状态 | 授权 |
法律状态信息 | 授权 |
法律状态公告日 | 20190503 |
法律状态 | 实质审查的生效 |
法律状态信息 | 实质审查的生效 IPC(主分类):G06Q 10/06 申请日:20181220 |
法律状态公告日 | 20190409 |
法律状态 | 公开 |
法律状态信息 | 公开 |
事务数据公告日 | 20230912 |
事务数据类型 | 专利申请权、专利权的转移 |
转让详情 | 专利权的转移 IPC(主分类):G06Q 10/06 专利号:ZL2018115629245 登记生效日:20230828 变更事项:专利权人 变更前权利人:宁波大学 变更后权利人:深圳龙图腾科技成果转化有限公司 变更事项:地址 变更前权利人:315211 浙江省宁波市江北区风华路818号 变更后权利人:518000 广东省深圳市罗湖区笋岗街道笋岗东路3002号万通大厦22层2202室 |
权利要求
权利要求数量(4)
独立权利要求数量(1)
1.一种面向定点输出的分布式制造调度方法,其特征在于,采用数据场模型对任务结构及设备分布状态进行度量,其中任务结构度量反应了后续工序对备选工序的影响,设备分布状态度量反应了设备在设备网络中的局部影响力;采用逆向调度方法,从终止设备与终止工序出发,为工序逆向分配设备,从而保障任务的定点输出约束;所述逆向调度方法即从终止设备与终止工序开始调度,并依据工序的紧前约束关系依次进行逆向调度,将开始工序作为最后一次调度的工序。
2.根据权利要求1所述的方法,其特征在于,所述逆向调度方法具体为:
步骤1:将终止工序分配到终止设备上,并将终止工序的紧前工序作为备选工序,由备选工序构成的集合即为备选工序集合;
步骤2:若某一任务已分配至设备,则该任务的紧前工序需要以该任务的加工设备或直接相邻的设备作为备选设备;
步骤3:将任务结构度量与设备分布状态度量的比值作为备选工序与其备选设备的优先度,选择优先度最小的一对备选工序与其备选设备作为调度结果;
步骤4:重复上述过程,直到所有的工序分配完毕。
3.根据权利要求2所述的方法,其特征在于,所述的任务结构度量的具体实施步骤如下:利用如下公式(1)计算工序vi的任务结构度量:
式中foreword(vi)表示工序vi的备选工序集合,dis(vi,vj)表示工序vi与工序vj在任务结构图中的最小距离,α为控制参数,Aj,.表示加工矩阵A的第j行向量,即工序vj在各设备上加工所需要的时间,其中i和j均表示工序编号,且i和j均为正整数。
4.根据权利要求2所述的方法,其特征在于,所述设备分布状态度量的具体实施步骤如下:利用如下公式(2)计算设备mi的设备分布状态度量:
式中uk,i为设备mk与mi之间的运输时间,σ为距离控制参数,Rk和Ri分别为备选工序在设备mk与设备mi上加工的等待时间,其中k和i均表示设备编号,且k和i均为正整数,|M|为设备的数量。
1.一种面向定点输出的分布式制造调度方法,其特征在于,采用数据场模型对任务结构及设备分布状态进行度量,其中任务结构度量反应了后续工序对备选工序的影响,设备分布状态度量反应了设备在设备网络中的局部影响力;采用逆向调度方法,从终止设备与终止工序出发,为工序逆向分配设备,从而保障任务的定点输出约束;所述逆向调度方法即从终止设备与终止工序开始调度,并依据工序的紧前约束关系依次进行逆向调度,将开始工序作为最后一次调度的工序。
2.根据权利要求1所述的方法,其特征在于,所述逆向调度方法具体为:
步骤1:将终止工序分配到终止设备上,并将终止工序的紧前工序作为备选工序,由备选工序构成的集合即为备选工序集合;
步骤2:若某一任务已分配至设备,则该任务的紧前工序需要以该任务的加工设备或直接相邻的设备作为备选设备;
步骤3:将任务结构度量与设备分布状态度量的比值作为备选工序与其备选设备的优先度,选择优先度最小的一对备选工序与其备选设备作为调度结果;
步骤4:重复上述过程,直到所有的工序分配完毕。
3.根据权利要求2所述的方法,其特征在于,所述的任务结构度量的具体实施步骤如下:利用如下公式(1)计算工序vi的任务结构度量:
式中foreword(vi)表示工序vi的备选工序集合,dis(vi,vj)表示工序vi与工序vj在任务结构图中的最小距离,α为控制参数,Aj,.表示加工矩阵A的第j行向量,即工序vj在各设备上加工所需要的时间,其中i和j均表示工序编号,且i和j均为正整数。
4.根据权利要求2所述的方法,其特征在于,所述设备分布状态度量的具体实施步骤如下:利用如下公式(2)计算设备mi的设备分布状态度量:
式中uk,i为设备mk与mi之间的运输时间,σ为距离控制参数,Rk和Ri分别为备选工序在设备mk与设备mi上加工的等待时间,其中k和i均表示设备编号,且k和i均为正整数,|M|为设备的数量。
说明书
本发明属于柔性加工特定的分布式制造技术领域,适用于具有Dag(DirectedAcyclic Graph)任务结构且产品输出位置固定的制造业调度优化问题,特别是涉及一种面向定点输出的分布式制造调度方法。
对于一般产品加工任务以DAG(Directed Acyclic Graph)为主要结结构。为满足柔性调度模式,任务中的同一个工序可在不同的设备上加工,且同一设备可加工不同的工序,不同设备对不同工序的加工时间不同。另外,为满足分布式调度模式的要求,设备呈分散状态且由设备间的物流关系形成了设备加工网络。产品的对定点输出是在满足柔性调度及分布式调度的前提下对产生调度的另一现实需求。
已有的面向定点输出的分布式制造调度方法,包括基于动态rank的调度算法,逆序分治求解算法、启发式算法以及动态回退算法等。这些方法的本质是以任务路径的长短以及运输代价的高低作为调度决策,没有将设备柔性加工能力与考虑设备的运输进行综合考虑。对于定点输出问题,任务在选择加工设备时,不仅需要考虑其自身的最早完工时间,还需要考虑所选设备对后续加工的贡献度。此外,由于存在定点输出约束,使得备选设备与输出节点的距离成为任务调度决策的重要因素。因此,在解决具有定点输出的分布式制造调度问题时,应该考虑任务结构及设备网络的分布状态对工序调度的影响,以整体利益最大化作为局部调度决策的导向,从而实现分布式生产的整体调度优化。
本发明目的是为了解决现有的技术问题,提供了一种面向定点输出的分布式制造调度方法。
本发明是通过以下技术方案实现的,本发明提出一种面向定点输出的分布式制造调度方法,采用数据场模型对任务结构及设备分布状态进行度量,其中任务结构度量反应了后续工序对备选工序的影响,设备分布状态度量反应了设备在设备网络中的局部影响力;采用逆向调度方法,从终止设备与终止工序出发,为工序逆向分配设备,从而保障任务的定点输出约束;所述逆向调度方法即从终止设备与终止工序开始调度,并依据工序的紧前约束关系依次进行逆向调度,将开始工序作为最后一次调度的工序。
进一步地,所述逆向调度方法具体为:
步骤1:将终止工序分配到终止设备上,并将终止工序的紧前工序作为备选工序,由备选工序构成的集合即为备选工序集合;
步骤2:若某一任务已分配至设备,则该任务的紧前工序需要以该任务的加工设备或直接相邻的设备作为备选设备;
步骤3:将任务结构度量与设备分布状态度量的比值作为备选工序与其备选设备的优先度,选择优先度最小的一对备选工序与其备选设备作为调度结果;
步骤4:重复上述过程,直到所有的工序分配完毕。
进一步地,所述的任务结构度量的具体实施步骤如下:利用如下公式(1)计算工序vi的任务结构度量:
式中foreword(vi)表示工序vi的备选工序集合,dis(vi,vj)表示工序vi与工序vj在任务结构图中的最小距离,α为控制参数,Aj,·表示加工矩阵A的第j行向量,即工序vj在各设备上加工所需要的时间,其中i和j均表示工序编号,且i和j均为正整数。
进一步地,所述设备分布状态度量的具体实施步骤如下:利用如下公式(2)计算设备mi的设备分布状态度量:
式中uk,i为设备mk与mi之间的运输时间,σ为距离控制参数,Rk和Ri分别为备选工序在设备mk与设备mi上加工的等待时间,其中k和i均表示设备编号,且k和i均为正整数,|M|为设备的数量。
本发明有益效果:
1.本发明利用了逆序调度方法,并在调度过程中考虑了后续加工设备与终止设备的距离以及后续设备的加工能力。在调度决策过程中,以任务结构度量与设备分布状态度量的比值作为备选工序与其备选设备的优先度,选择优先度最小的一对备选工序与其备选设备作为调度结果,从而保证了后续工序的调度优化。
2.本发明利用了数据场的建模方法构造了任务结构度量模型,该模型考虑了后续工序对后续工序对备选工序的影响。任务结构度量体现了后续工序对设备资源的依赖性,并在调度决策过程中对备选工序的调度进行限定,从而建立了以后续约束前续的迭代式全局优化。
3.本发明利用了数据场的建模方法构造了设备分布状态度量模型,该模型考虑了设备的运输距离、设备的忙碌状态以及终止设备距离对备选设备的影响。设备分布状态度量不仅体现了备选设备在网络中的重要性,还体现了忙碌设备对备选设备的影响,因此,以该模型作为调度决策因素,兼顾了运输代价及设备负载代价的调度优化。
4.本发明采用了工序与设备的量化度量方法,并在调度决策时以量化取值作为评判的标准,由于采用了量化式方法,可以对各类任务及加工设备网络提供调度评估方案。
图1是本发明的产品任务结构模型及设备分布状态图;
图2是本发明的产品工序在各设备上的执行时间示意图;
图3是本发明的设备间运输时间矩阵示意图;
图4是本发明对图1所示任务及设备的调度过程示意图;
图5是本发明对工序v5,v6,v7的调度过程图;
图6是本发明对工序v1,v2,v4的调度过程图;
图7是本发明对工序v3的调度过程图;
图8是本发明的正序调度结果甘特图。
以上对本发明所提供的一种面向定点输出的分布式制造调度方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
价值度评估
技术价值
经济价值
法律价值
0 0 059.0分
0 50 75 100专利价值度是通过科学的评估模
型对专利价值进行量化的结果,
基于专利大数据针对专利总体特
征指标利用计算机自动化技术对
待评估专利进行高效、智能化的
分析,从技术、经济和法律价值
三个层面构建专利价值评估体
系,可以有效提升专利价值评估
的质量和效率。
总评:59.0分
该专利价值中等 (仅供参考)
技术价值 31.0
该指标主要从专利申请的著录信息、法律事件等内容中挖掘其技术价值,专利类型、独立权利要求数量、无效请求次数等内容均可反映出专利的技术性价值。 技术创新是专利申请的核心,若您需要进行技术借鉴或寻找可合作的项目,推荐您重点关注该指标。
部分指标包括:
授权周期(发明)
9 个月独立权利要求数量
1 个从属权利要求数量
0 个说明书页数
4 页实施例个数
1 个发明人数量
4 个被引用次数
0 次引用文献数量
0 个优先权个数
0 个技术分类数量
2 个无效请求次数
0 个分案子案个数
0 个同族专利数
0 个专利获奖情况
无保密专利的解密
否经济价值 9.0
该指标主要指示了专利技术在商品化、产业化及市场化过程中可能带来的预期利益。 专利技术只有转化成生产力才能体现其经济价值,专利技术的许可、转让、质押次数等指标均是其经济价值的表征。 因此,若您希望找到行业内的运用广泛的热点专利技术及侵权诉讼中的涉案专利,推荐您重点关注该指标。
部分指标包括:
申请人数量
1申请人类型
院校许可备案
0 次权利质押
0 次权利转移
1 个海关备案
否法律价值 19.0
该指标主要从专利权的稳定性角度评议其价值。专利权是一种垄断权,但其在法律保护的期间和范围内才有效。 专利权的存续时间、当前的法律状态可反映出其法律价值。故而,若您准备找寻权属稳定且专利权人非常重视的专利技术,推荐您关注该指标。
部分指标包括:
存活期/维持时间
7法律状态
有权-审定授权