吕永桂 金远帆 高平波 钟波

摘要：本文设计并开发了一款面向服装工厂的基于遗传算法的高级计划排程系统，针对传统制造业如今面临的订单为多品种，个性化，小批量的现状，可以辅助管理人员根据订单，产线生产效率等因素快速而精准的制定生产计划，较大的提高了服装企业对生产资源的利用率，减小了订单延期的情况，使得企业拥有更强的竞争力。

关键词：高级计划排程;遗传算法;自动编排

随着电子商务在全球范围内持续繁荣，客户的需求变得日趋个性化，如何针对客户的个性化需求迅速制定精准的生产计划已经成为了服装加工制造企业不能不面对的问题。据相关统计，我国服装产业中，中小企业数量占据服装企业总数比例高达90%以上。对于多品种、小批量生产模式的企业，如何合理的安排生产计划一直是一个难题。因为订单的品种，所以排程时的计算量较大，而批量小又会导致频繁换线。在既保持多品种，小批量的模式下，又能及时地满足客户快速变化的需求成为了检验中小服装企业竞争力的标志。传统的ERP（企业资源计划）在为企业整合生产资源的同时，面对离散制造的生产状况具有明显的缺陷。

目前，生产过程中的自动排产技术在众多离散生产领域得到了广泛的应用，但在服装生产过程中鲜有运用，本文给出了一种基于遗传算法的优化生产的排产解决方案。

1 服装车间生产作业调度

作业车间调度问题（JSSP）可以描述如下：给定n个作业，每个作业包含必须在m台机器上处理的几个工序。每个工序使用m台机器中的一台以固定的时间进行加工。每台机器一次最多只能处理一个工序，并且一旦工序在给定机器上启动处理，它就必须在该机器上不中断的完成的处理。同一个作业的工序必须以给定顺序进行处理，调度开始时，所有工序都是空闲且可用的。最终所要求解的是最短的制造期，即计划中最后一次操作的完成时间，同时安排的顺序要考虑到工序先后顺序的约束。

用J={0，1，....n，n+1）表示要调度的操作集，而M={1，....m）表示机器集，操作集没有持续时间，代表初始和最终的操作，操作通过两个约束互相关联，首先，第一个约束令每个操作在需在所有前置操作Pj完成之后进行调度，其次，当且仅当操作所需要的机器处于空闲状态时，才可以调度该操作。用dj表示操作j在机器上所需要的持续处理时间。

用Fj表示操作完成的时间，（Fi，Fm，...，Fn+1）表示时间表，假设A（t）是在时间t时要处理的一组操作，如杲操作j需要机器m进行加工，则令fj，m -1，否则令fj，m=0。

最终该问题可以用数学公式表示：

2 面向服装产业自动排产的改进遗传算法

2.1问题建模

根据遗传算法的步骤和服装产业的特点对车间作业调度问题进行数学建模。保存所需排程的订单号和产线号，关联订单在对应产线所需的生产时间，通过一维数组保存每个产线的最后生产时间，用另一个一维数组记录每个订单的开始作业时间和结束时间。

2.2 编码和解码

2.2.1编码

采用符号编码的方式，将订单序号随机生成OS系列，按订单的序号作为MS的序号，顺序在可选产线中随机选择产线，最终生成MS序列。

2.2.2解码

从左到右遍历OS序列，由OS序列确定订单号，然后对应MS处的值确定该订单的生产产线，再由订单号和产线号，获得该订单在该产线所需的生产时间。

2.3 初始化种群

在指定的订单数量和产线数量下，由随机生成对应的OS和MS序列，组成一条染色体，对于不同的订单数量，生成不同数目的种群。

2.4适应度计算

2.4.1排程要求为总生产时间最短

依据解码方案，将染色体解码成可执行的排程序列，统计各个产线的总生产时间，最大的值就是最大总生产时间。适应度为最大总生产时间的倒数。

2.4.2排程要求为总宽裕时间最大

定义宽裕时间为订单的预定交期和实际生产完成时间之差，则总宽裕度为：

2.5 选择

采用精英保留法，并提出了一种分层交叉的方法，同时对父类进行近亲删除。

2.5.1精英保留法

对于当前种群适应度前15%的个体，直接保留进入下一代种群。

2.5.2 分层交叉法

采用分层策略提高收敛速度同时保留多样性：

（1）精英之间的交叉增加收敛速度。

（2）精英（或中层）和底层的交叉增加搜索范围和收敛精度，

如果两个父类染色体的适应度相同，且r>0.95*n，这两个将被认定为近亲，随机删除一条染色体进行重新选择。

2.6交叉和变异

对于OS采用的顺序交叉算子，以保证基因变化后的序列不存在重复订单。由于MS设计的特殊性，单个基因的变化不会影响到其余基因的正常性和合法性。所以采用两点交叉法，大大地降低了单个工序在多机器中选择一个进行处理的难度。

对OS采用逆转变异算子，互换染色体中不同部位的基因，MS采用基本位变异算子，对随机部位的基因在可选机器序列上重新生成随机数。

2.7停止条件

当n代未生成适应度更高的个体或者达到给定的迭代次数时，停止算法。

3 系统软件设计

本系统采用B/S模式，系统流程如图1所示。APS系统被分为3个模块，分别为数据存储模块，业务逻辑模块以及图形用户界面模块。数据存储模块主要由关系数据庫Mysql将产线、员工、遗传参数模型、订单信息、订单产线产能以及最终排程记录以表的形式进行存储。业务逻辑模块除了将图形界面模块传入的数据存入数据库之外，还负责根据用户输入的加工任务信息以及遗传参数模型和排程要求求得最终的排程结果，该逻辑模块为系统核心，同时还负责对车间动态环境做出合适的调整，图形用户模块负责用户浏览器的页面显示，以清晰的操作页面方便用户使用，降低系统的使用难度。系统需要考虑实际生产情况中产线、员工的制约，同时还有订单的交期以及车间中的动态状况，最终将多个订单和多个产线的排程任务生成一条可行的车间生产计划，同时转化为甘特图在浏览器端进行显示。

本文设计的系统逻辑为：用户使用浏览器通过前端为数据库录入订单信息表，员工表，产线表，遗传参数模型表，然后通过之前录入的信息，计算订单在对应产线的产能以及所需生产时间来创建订单产线产能表。最后，进行生产排程时，前端以form表单的形式，将所需排程的订单，产线，以及遗传参数模型提交给服务器，服务器从数据库读取对应订单在产线的产能和生产时间，经过相应的数据处理后，使用遗传算法进行排程，然后将最佳的排程结果存入排程记录表，同时根据排程结果，生产甘特图，客户通过浏览器读取生成的甘特图，可视化的了解排程结果。同时该系统还支持管理人员根据车间动态环境：如插单，撤单等进行再排程。

4 自动排产软件实践

管理人员可以点击右上角开始新建排程，默认计划所排程的产线都是空闲可立即生产的。打开的新建排程页面如图2所示，管理人员勾选所需排程的订单，已完成的订单和正在生产的订单不在此处显示，同时勾选所计划将订单安排的产线，然后选择对应的遗传参数模型，以及排程要求，不同的排程要求对应不同的适应度计算规则（详见2.3的适应度计算），适应度函数可以依据工厂的实际情况，进行再调整。最后点击确定，将数据以form的形式传入服务器进行计算。

当车间已经开始生产时，所遇到的问题属于车间动态情况，如插单，撤单等情况，以插单例，管理人员可以点击右上角的另一个按钮新建插单，可以对未生产的订单进行重新模拟排程，此次模拟排程和新建排程相同，但程序会在所选产线上正在生产的订单的计划完成时间基础上进行后续排程，不影响产线上的正常工作。

当模拟排程的排程状态为完成后，除了点击排程结果表可以查看具体的排程信息外，还可以点击甘特图按钮来获取本次排程所生成的甘特图地址。将复制地址输入文件夹对应位置，即可打开本次排程所生成的总排程结果以及各个产线的各自排程结果，如图3所示。随后由图4所示的甘特图了解各个产线的排程结果。

当管理人员通过甘特图以及排程结果表了解此排程结果并对此次排程结果表示满意，可以点击编辑按钮，如图5所示，将此次草拟排程结果确定为实际生产排程，确定后该排程结果将从草拟APS排程页面消失，只出现在实际APS排程中。同时，后台也会自动将该排程结果中对应订单的订单信息表中计划排程产线，开始日期以及结束日期更新为该排程结果的值。

实际APS排程的记录是实际车间生产的重要依据。该页面相比于草拟APS排程，去掉了新建排程和新建插单按钮，以及编辑按钮，只做显示和删除功能，由于草拟APS排程会存在许多模拟订单，所以为了方便管理人员查看，同时也为了页面的整洁，将两者分为两个页面显示。每一条记录的格式等同草拟APS排程，可以查看该条记录的排程订单，排程产线，排程結果表以及甘特图。

5 结语

本文运用改进的遗传算法，设计并开发了一款服装智能工厂的自动排产系统，能实现在给定约束条件下的服装生产产线的订单自动编排.具有较好的效率。

参考文献

[1]马永杰，云文霞，遗传算法研究进展[J].计算机应用研究，2012，29 （04）： 12 01-12 06+1210.

[2] HOLLAND，J. Adaptation in na tural

and artif icialsystems： an introductory analysis with application tobiology [J]. Control&Artificial Intelligence， 1975.

[3]余琦玮，赵亮，潘双夏，基于遗传算法的柔性作业车间调度优化[J].组合机床与自动化加工技术，2004 （04）：34-36.

[4]陶泽，张海涛.基于遗传算法的Job-Shop调度问题研究[J].沈阳理工大学学报，2016，35 （02）：60-64.

[5]蒋丽雯，基于遗传算法的车间作业调度问题研究[D].上海交通大学，2007.

[6]lmran A. Chaudhry， Abdul Munem Khan， Abid Ali Khan. AGenetic Algorithm for Flexible Job Shop Scheduling [J].Lecture Notes in Engineering&Computer ence， 2013，2204 （1）：2 995-3013.

作者简介

吕永桂（1976一），男，江苏省兴化市人。博士，杭州电子科技大学机械学院副教授，硕导。研究方向为智能智造与物联网。

金远帆（1995-），男，浙江省绍兴市人。硕士学位，杭州电子科技大学机械学院硕士研究生。研究方向为智能智造。

高平波（1980-），男，土家族，湖北省宜昌市人。硕士学位，杭州迈的智能科技有限公司首席科学家。研究方向为工业互联网。

钟波（1987-），男，浙江省奉化市人。大学本科学历，杭州迈的智能科技有限公司总经理。研究方向为工业互联网。