2022雪浪云-汽车全厂排产优化赛冠军方案分享!

2024-03-08 02:10

本文主要是介绍2022雪浪云-汽车全厂排产优化赛冠军方案分享!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 Datawhale干货 

竞赛:冠军方案分享,作者:LX

01

赛题背景

一辆汽车的制造需要完成焊装、涂装、总装三大工艺,经过焊装车间、涂装车间、总装车间。各车间存在上下游关联关系,每个车间有自己的优化排序目标,需要综合考虑多种复杂的排序规则及工艺约束,制定合理的混流装配排序计划,通过对车身序列进行排序优化,从而保证生产物料消耗的均衡性以及各个生产工位的负荷均匀化等。

比赛地址:https://www.xuelangyun.com/#/cdc

后台回复雪浪云,获取冠军方案代码!

4ef830bf3895e372d4672da2dc472a2d.png

赛题需要优化车辆进入生产的顺序,使得车出总装顺序能够满足生产目标(如既定出厂顺序计划、完工时间等),即如何找到使出厂(出总装)车辆顺序符合生产目标的入厂(进焊装)车辆顺序,使得汽车在每个车间的优化目标尽可能小。

本次比赛共有100个数据集,数据量从103至2776条数据,数据如下所示。选手需要设计算法优化该问题,对每个数据集依次进行优化,得出优化后的序列;最终得分为每个数据集的优化序列上传到报名网站计算得出的HV值之和。

7b81819e790d89a27f9fbc0bbf272fe5.png

02

赛题建模

出题方给出了焊接车间、油漆车间、总装车间及总时间四个优化目标的描述,需要选手转化为数学问题进行建模,建模的准确与否决定了线下与线上得分的一致性。以下为每个目标的建模过程:

A

焊接车间

e45f3f13ff2f2f3283baa01f70297d31.png

建模描述:

  • 当车进入焊装车间时,需要根据车型切换设备进行生产,目标 f1 为焊接设备切换次数;

  • 焊装一辆车需要80s,若30min中内发生设备切换需要等到第30min才可切换;若连续使用30min后发生切换,只需要考虑焊装时间即可。

目标f1 的建模非常容易,直接计算切换次数即可,焊接时间建模需要考虑设备切换时间,根据赛题描述,每个切换位置的切换时间与前面连续的车辆数相关,依次计算每个切换位置的切换时间后,与焊接车辆时间相加即可计算焊装车间平均每辆车所需的焊接时间。

73446c89da60288655f7a20d4c8302db.png

B

油漆车间

8d10ece97f7eb9a95ceadf5797ac75a5.png

建模描述:

  • 当车进入涂装车间时,固定5辆车或颜色切换清洗喷头,目标f2为偏向颜色以5的倍数生产;

  • 切换生产涂装一辆车分为涂装车身和车顶,分别耗时40s,清洗喷头耗时80s。喷漆顺序为:先喷车顶再喷车身。若一辆车车顶与车身颜色不同,则认为需要颜色切换,即需要额外清洗喷头,若一辆车车身颜色与下一辆车顶颜色不同,也认为需要颜色切换。相邻两辆车在喷漆过程中若发生了颜色切换就认为颜色不连续。

根据赛题描述,f2 只需考虑车顶颜色与车身颜色连续车辆,油漆车间时间计算需要考虑喷头切换。如下3个case,统计连续喷涂车辆组后即可计算出f2,需要注意的是case2和case3的优劣比较,线上提交后分析得出case3优于case2。

 96b89467e1feb4aec353fed5d5913870.png

C

总装车间

d89bad8aa8107029c814ff41a2d4dc72.png

建模描述:

  • 当车进入总装车间时,f3 目标为四驱车尽量连放但连放次数<4;

  • 总装车间总装一辆车的耗时80s,该车间耗时是一个固定值。

f3 建模对不满足要求的四驱车进行计数即可。

a75eb27fb35658028549314fc6efcef4.png

D

总耗时

064c3e78c1a45cc87d3ae0dc4c1ccec7.png

总耗时f4 为焊接车间、油漆车间、总装车间耗时累加。

03

数据分析

  • 目标f1 f2 存在矛盾,二者不能同时达到最优,如case1车型切换3次但油漆颜色连续性最优,case2车型最优但油漆连续性不好;

  • 焊接设备切换次数少时,焊接耗时也更少;同时油漆喷头切换次数少时,油漆车间的连续性通常也更好;因此 f1, f2f4 有很强的正相关性,即 f1, f2取得较优值时,f4 也较优;

  • f3 理论上和其他目标均不矛盾,在满足其他目标的基础上合理插入四驱车即可;

  • 从case4可以看出车顶为99(石黑色)的车可根据车身颜色插入油漆连续车组前,以减少喷头切换次数;

  • 车顶为7(闪耀黑)&车身为1(探索绿)的车出现时,f2 f4 存在矛盾;如case4油漆颜色连续性好,喷头切换6次,case5油漆颜色连续性差,喷头切换5次。

55b790499ca652fac45ef302273bfeab.png

04

优化算法

算法的思路如下:

  1. 初始采样策略:产生尽可能优秀且多样的初始样本

  2. 进化算法优化:更合理的子代交叉和变异策略

  3. Pareto解集优化:对进化算法优化得到的解集进行优化

A

初始采样策略

8baf4b9bcdf3733f5fa1cb98125584d6.png

每个目标的最优策略如下:

  • f1 最优策略:按顺序先后排列A/B车型

  • f2 最优策略:相同颜色车辆组按5台分组进行排列,车顶为99(石黑色)的车可根据车身颜色插入油漆连续车组前

  • f3 最优策略:四驱车连续2台排列,中间随机插入二驱车

  • f4 最优策略:在保证f1 最优前提下,车顶为7(闪耀黑)&车身1(探索绿)车辆插入车顶车身均为1(探索绿)的油漆连续车辆组中

考虑到f和 f2 存在矛盾,f2 f4 存在矛盾,采用不同的策略组合得到偏好不同且优异的初始解。

816305b5f5551af39c1686c74afb20d2.png

B

优化策略 - 基于NSGA-II的子代交叉策略

6ea650791df4d0ca5ade7ebf510160ab.png

思路:尽可能减少无效的序列选择

方法:根据父代序列在目标f1 , f2 中的子序列组中随机选择一条子序列进行OX交叉

17559325df1df18c48a814a12e499d6c.png

C

优化策略 - 基于NSGA-II的子代变异策略

86e99a9b58e7afbea59d554d0f850ad6.png

思路:在不改变f1 , f2 ,  f4 三个目标的前提下,尽可能进行有效的变异,以改善目标 f3

方法:基于目标 f3 的索引选择方法

6ef2d79be0950c51717900824e0adb9e.png

D

优化策略 - Pareto解集优化

7ce24333740283f45c6b94161a6e41b9.png

思路:对多目标优化产生的Pareto解集序列进行优化,在满足 f1 , f2 ,  f4 不变的约束下,使 f3 最优

方法:利用变异策略对Pareto解集中的每个解进行优化

04

比赛总结

全面的目标建模是模型稳定上分的基础,采用合理的集成初始策略即可获得不错的成绩;而由于存在许多长序列的数据集,基于目标选择合理的进化算法交叉和变异策略也是非常有必要的;最终的pareto解集优化能带微弱提分。

2ad2fe4244edb797c8210fbd31c823d6.png

整理不易,三连

这篇关于2022雪浪云-汽车全厂排产优化赛冠军方案分享!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/785628

相关文章

Golang使用etcd构建分布式锁的示例分享

《Golang使用etcd构建分布式锁的示例分享》在本教程中,我们将学习如何使用Go和etcd构建分布式锁系统,分布式锁系统对于管理对分布式系统中共享资源的并发访问至关重要,它有助于维护一致性,防止竞... 目录引言环境准备新建Go项目实现加锁和解锁功能测试分布式锁重构实现失败重试总结引言我们将使用Go作

Python中列表的高级索引技巧分享

《Python中列表的高级索引技巧分享》列表是Python中最常用的数据结构之一,它允许你存储多个元素,并且可以通过索引来访问这些元素,本文将带你深入了解Python列表的高级索引技巧,希望对... 目录1.基本索引2.切片3.负数索引切片4.步长5.多维列表6.列表解析7.切片赋值8.删除元素9.反转列表

Java解析JSON的六种方案

《Java解析JSON的六种方案》这篇文章介绍了6种JSON解析方案,包括Jackson、Gson、FastJSON、JsonPath、、手动解析,分别阐述了它们的功能特点、代码示例、高级功能、优缺点... 目录前言1. 使用 Jackson:业界标配功能特点代码示例高级功能优缺点2. 使用 Gson:轻量

正则表达式高级应用与性能优化记录

《正则表达式高级应用与性能优化记录》本文介绍了正则表达式的高级应用和性能优化技巧,包括文本拆分、合并、XML/HTML解析、数据分析、以及性能优化方法,通过这些技巧,可以更高效地利用正则表达式进行复杂... 目录第6章:正则表达式的高级应用6.1 模式匹配与文本处理6.1.1 文本拆分6.1.2 文本合并6

Redis KEYS查询大批量数据替代方案

《RedisKEYS查询大批量数据替代方案》在使用Redis时,KEYS命令虽然简单直接,但其全表扫描的特性在处理大规模数据时会导致性能问题,甚至可能阻塞Redis服务,本文将介绍SCAN命令、有序... 目录前言KEYS命令问题背景替代方案1.使用 SCAN 命令2. 使用有序集合(Sorted Set)

MyBatis延迟加载的处理方案

《MyBatis延迟加载的处理方案》MyBatis支持延迟加载(LazyLoading),允许在需要数据时才从数据库加载,而不是在查询结果第一次返回时就立即加载所有数据,延迟加载的核心思想是,将关联对... 目录MyBATis如何处理延迟加载?延迟加载的原理1. 开启延迟加载2. 延迟加载的配置2.1 使用

Android WebView的加载超时处理方案

《AndroidWebView的加载超时处理方案》在Android开发中,WebView是一个常用的组件,用于在应用中嵌入网页,然而,当网络状况不佳或页面加载过慢时,用户可能会遇到加载超时的问题,本... 目录引言一、WebView加载超时的原因二、加载超时处理方案1. 使用Handler和Timer进行超

Python中处理NaN值的技巧分享

《Python中处理NaN值的技巧分享》在数据科学和数据分析领域,NaN(NotaNumber)是一个常见的概念,它表示一个缺失或未定义的数值,在Python中,尤其是在使用pandas库处理数据时,... 目录NaN 值的来源和影响使用 pandas 的 isna()和 isnull()函数直接比较 Na

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用