基于遗传算法的试验室智能排程功能设计与实现

引言

从“中国创造”概念提出以来，新品研发越来越多，国家检验标准也逐渐完善，国内各试验室任务量呈井喷式增长。随着试验室检验任务的不断增多，原有的电子表格与纸质工作方式已经很难满足精细化的管理需求，尤其是试验计划排程过程中，调度人员很难依靠人脑安排研发项目、试验任务、试验任务关联的各种设备、工装夹具、物料、符合资质的人员，更不必说快速制定好年度策划、月度计划任务。即使制定好计划后也很难分析实际工作中各种情况引发的变更带来的影响，更无法实时将各种变更体现在月度计划以及年度策划中，这样就引发月度计划、年度策划准确性低，并且最终导致任务排程不可控，整个试验任务无法管理。

1. 试验室需求分析

为了有效解决试验排程问题，提高排程效率，准确管控试验任务，课题组提出了试验室智能排程功能。该功能将研发项目与试验任务关联，试验任务与试验使用的设备、工装夹具、物料、人员关联，设备与设备维护、检定、校准计划、使用计划关联，物料与库存、有效期关联，人员与资质、工作日等信息关联。通过系统将试验任务的各要素关联起来，然后在保证试验任务可以在研发项目的时间节点内完成的前提下，计算出设备使用率最高的年度策划排程以及月度计划排程。并且在计划执行过程中，支持按照各试验因素变化分析出影响内容并重新按照规则排程。

2. 系统设计

2.1 系统功能设计

试验室排程需要制定年度策划与月度计划，按照项目试验库判断研发项目各阶段需要做什么试验，按照研发项目计划判断研发项目各阶段中所有试验完成的时间节点，按照试验工艺流程判断该试验需要使用什么设备、工装夹具、物料、人员资质以及使用时间。系统中各功能设计如下：

1)检验项目库：管理检验类别与检验项目的基础信息。

2)试验工艺库：维护管理各检验项目需要进行的工序步骤，各工序步骤使用设备、工装夹具、物料、人员资质等资源和各资源用时等内容。

3)项目阶段试验库：维护各种类型的车型项目在各个阶段都需要做哪些检验项目。

4)人员管理：管理人员的培训、监督、资质授权、能力监控等信息。

5)设备管理：维护设备的信息，包括设备基础信息的增删改查，以及设备的点检、期间核查、检定校准、维修保养计划的制定，点检、期间核查、检定校准、维修保养计划过程的记录。

6)物料管理：管理物料的基本信息、采购时间、有效期、库存、出入库等信息。

7)工装夹具管理：管理工装夹具规格型号、库存、出入库信息。

8)项目管理：维护研发项目的使用的项目阶段模板、基本信息以及各个阶段的时间节点。系统需按照项目阶段模板、阶段时间节点来判断本项目需要在阶段时间节点前完成的试验内容，系统会结合试验工艺库，使用遗传算法自动生成年度试验策划矩阵。

9)试验任务：根据试验策划矩阵自动生成试验任务，用户可增加项目外试验任务，并且可以查看试验任务进度，管理试验执行情况。

10)月度计划：每月中旬系统按照试验任务中的开始时间、结束时间，结合试验工艺库情况，再考虑设备使用计划、物料库存有效期等信息，使用遗传算法自动生成下月的试验计划，月度计划审批通过后自动将试验任务发送给相关人员执行。当试验执行过程中出现问题时，将问题维护入月度计划中，系统可自动进行调整。

2.2 遗传算法设计

目前生产领域智能排程功能使用较多，但是试验领域还处于空白阶段。主流的排程算法有神经网络、遗传算法。这两种算法理论基础、优点及缺点如表1 所示：

表1 神经网络、遗传算法对比表遗传算法 神经网络理论基础 XY 染色体随机多轮交叉、变异、组合，优胜劣汰选出最优路径。通过不断地寻找和组合神经元寻找最优路径和最优算法。优点根据XY 染色体的配对关系能够准确的寻找工艺生产搭配方式，又根据优胜劣汰的生物竞争法则寻找最佳搭配方式，最终寻找出最优的生产路径。有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力。缺点依赖初始条件，而且条件的更改反应慢。对应时常更改需求的应用来说会比较麻烦。无法解释推理过程和推理依据，理论和学习算法还有待于进一步完善和提高。

上一篇：脑血管介入治疗患者应用介入护理的效果分析
下一篇：没有了