一种考虑机器多维特征属性的作业车间瓶颈识别方法

摘要

本发明提出了一种考虑机器多维特征属性的作业车间瓶颈识别方法。首先采用优化算法进行作业调度优化求解，其次改变传统依据机器单方面因素识别瓶颈的做法，综合考虑瓶颈的多方面特征属性，提出多属性瓶颈识别方法，综合全面评价机器性能进行瓶颈识别。本发明将瓶颈利用和瓶颈识别问题放在统一框架下进行集成求解，解决了传统瓶颈识别与优化方案相割离而导致瓶颈识别不准、优化方案不优等不足；得到调度优化方案后，综合考虑机器的不同特征属性，采用TOPSIS多属性瓶颈识别方法进行瓶颈识别，克服了传统瓶颈识别指标片面、识别结果偏颇的缺陷。

主权项

一种考虑机器多维特征属性的作业车间瓶颈识别方法，其特征在于：包括以下步骤：步骤1：采用优化算法确定作业车间的最优调度方案Ω：Ω＝{{B₁₁,…,B_v1,…,B_e1;C₁₁,…,C_v1,…,C_e1;Z₁₁,…,Z_v1,…,Z_e1},…,{B_1i,…,B_vi,…,B_ei;C_li,…,C_vi,…,C_ei;Z_li,…,Z_vi,…,Z_ei},…,{B_1m,…,B_vm,…,B_em;C_lm,…,C_vm,…,C_em;Z_lm,…,Z_vm,…,Z_em}}其中，B_vi表示第v∈E＝{1,2,…,e}个工件在第i∈M＝{1,2,...,m}台机器上的开始加工时间，C_vi表示第v个工件在第i台机器上的加工完成时间，Z_vi表示第v个工件在第i台机器上的工装准备时间；步骤2：建立机器集为A＝{A₁,A₂,...,A_m}，评价属性集为X＝{X₁,X₂,...,X_n}；根据步骤1得到的最优调度方案Ω，计算每个机器各评价属性值，得到用于瓶颈识别的决策矩阵D＝(x_ij)_m×n，x_ij是第i个的机器的第j个评价属性值；步骤3：采用向量标准化方法将步骤2的决策矩阵D＝(x_ij)_m×n转换成标准决策矩阵R＝(r_ij)_m×n：$r_{\mathrm{ij}}=x_{\mathrm{ij}}/\sqrt{\underset{i=1}{\overset{m}{\Sigma }}{x}_{\mathrm{ij}}^2}$步骤4：采用熵权法确定评价属性权重，评价属性权重向量W＝(ω₁,ω₂,...,ω_j,...,ω_n)：步骤4.1：将各评价属性值标准化，其中第j个属性下第i台机器的无量纲化属性值p_ij为：$p_{\mathrm{ij}}=x_{\mathrm{ij}}/\underset{i=1}{\overset{m}{\Sigma }}{x}_{\mathrm{ij}}$步骤4.2：计算第j个评价属性的熵值E_j：$E_j=-\delta \underset{i=1}{\overset{m}{\Sigma }}{p}_{\mathrm{ij}}\ln p_{\mathrm{ij}}$其中δ＝1/lnm，保证了0≤E_j≤1；步骤4.3：计算第j个属性的信息偏差度d_j：d_j＝1‑E_j步骤4.4：对信息偏差度进行归一化计算权重：当决策者没有评价属性间的偏好时：${\omega }_j=d_j/\underset{j=1}{\overset{n}{\Sigma }}{d}_j$当决策者有评价属性间的偏好时：${\omega }_j={\lambda }_j{d}_j/\underset{j=1}{\overset{n}{\Sigma }}{\lambda }_j{d}_j$其中λ_j为决策者的主观权重；步骤5：将步骤4得到的评价属性权重纳入标准决策矩阵R＝(r_ij)_m×n中，得到加权标准化决策矩阵V＝(v_ij)_m×n＝(ω_jr_ij)_m×n；步骤6：确定评价属性的正、负理想解A⁺和A^‑：$A^{+}=\{\left(\underset{i}{\max }{v}_{\mathrm{ij}}\right|j\in J),\left(\underset{i}{\min }{v}_{\mathrm{ij}}\right|j\in J^{\prime })|i=M\}=\{v_1^{+},v_2^{+},...,v_j^{+},...,v_n^{+}\}$$A^{-}=\{\left(\underset{i}{\min }{v}_{\mathrm{ij}}\right|j\in J),\left(\underset{i}{\max }{v}_{\mathrm{ij}}\right|j\in J^{\prime })|i\in M\}=\{v_1^{-},v_2^{-},...,v_j^{-},...,v_n^{-}\}$其中J为效益型评价属性集合，J′为成本型评价属性集合；步骤7：通过n维Euclid距离计算各机器与正理想解以及负理想解之间的距离：每台机器到正理想解的距离为：$S_{i^{+}}=\sqrt{\underset{j=1}{\overset{n}{\Sigma }}{(v_{\mathrm{ij}}-v_j^{+})}^2}$每台机器到负理想解的距离为：$S_{i^{-}}=\sqrt{\underset{j=1}{\overset{n}{\Sigma }}{(v_{\mathrm{ij}}-v_j^{-})}^2}$步骤8：计算每台机器与正理想解A⁺的贴近度C_i：$C_i=S_{i^{-}}/(S_{i^{+}}+S_{i^{-}}),0<C_i<1$得到贴近度C_i最大的机器为作业车间的瓶颈。