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

MyBatis Plus实现时间字段自动填充的完整方案

《MyBatisPlus实现时间字段自动填充的完整方案》在日常开发中,我们经常需要记录数据的创建时间和更新时间,传统的做法是在每次插入或更新操作时手动设置这些时间字段,这种方式不仅繁琐,还容易遗漏,... 目录前言解决目标技术栈实现步骤1. 实体类注解配置2. 创建元数据处理器3. 服务层代码优化填充机制详

防止Linux rm命令误操作的多场景防护方案与实践

《防止Linuxrm命令误操作的多场景防护方案与实践》在Linux系统中,rm命令是删除文件和目录的高效工具,但一旦误操作,如执行rm-rf/或rm-rf/*,极易导致系统数据灾难,本文针对不同场景... 目录引言理解 rm 命令及误操作风险rm 命令基础常见误操作案例防护方案使用 rm编程 别名及安全删除

Python实现批量CSV转Excel的高性能处理方案

《Python实现批量CSV转Excel的高性能处理方案》在日常办公中,我们经常需要将CSV格式的数据转换为Excel文件,本文将介绍一个基于Python的高性能解决方案,感兴趣的小伙伴可以跟随小编一... 目录一、场景需求二、技术方案三、核心代码四、批量处理方案五、性能优化六、使用示例完整代码七、小结一、

C#使用Spire.Doc for .NET实现HTML转Word的高效方案

《C#使用Spire.Docfor.NET实现HTML转Word的高效方案》在Web开发中,HTML内容的生成与处理是高频需求,然而,当用户需要将HTML页面或动态生成的HTML字符串转换为Wor... 目录引言一、html转Word的典型场景与挑战二、用 Spire.Doc 实现 HTML 转 Word1

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方

从原理到实战解析Java Stream 的并行流性能优化

《从原理到实战解析JavaStream的并行流性能优化》本文给大家介绍JavaStream的并行流性能优化:从原理到实战的全攻略,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的... 目录一、并行流的核心原理与适用场景二、性能优化的核心策略1. 合理设置并行度:打破默认阈值2. 避免装箱

Python实战之SEO优化自动化工具开发指南

《Python实战之SEO优化自动化工具开发指南》在数字化营销时代,搜索引擎优化(SEO)已成为网站获取流量的重要手段,本文将带您使用Python开发一套完整的SEO自动化工具,需要的可以了解下... 目录前言项目概述技术栈选择核心模块实现1. 关键词研究模块2. 网站技术seo检测模块3. 内容优化分析模

Java实现复杂查询优化的7个技巧小结

《Java实现复杂查询优化的7个技巧小结》在Java项目中,复杂查询是开发者面临的“硬骨头”,本文将通过7个实战技巧,结合代码示例和性能对比,手把手教你如何让复杂查询变得优雅,大家可以根据需求进行选择... 目录一、复杂查询的痛点:为何你的代码“又臭又长”1.1冗余变量与中间状态1.2重复查询与性能陷阱1.

Python内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

Python多线程应用中的卡死问题优化方案指南

《Python多线程应用中的卡死问题优化方案指南》在利用Python语言开发某查询软件时,遇到了点击搜索按钮后软件卡死的问题,本文将简单分析一下出现的原因以及对应的优化方案,希望对大家有所帮助... 目录问题描述优化方案1. 网络请求优化2. 多线程架构优化3. 全局异常处理4. 配置管理优化优化效果1.