基于BBO算法的轮胎模具设计任务调度系统设计与开发

摘 要：为了提高国际市场竞争力，轮胎模具企业除了关注先进制造技术，还会通过科学的合理的轮胎模具设计任务调度方法来满足客户的需求和提高自身核心竞争力。如何科学合理的调度设计任务，提高交货的准时性、降低成本和高效利用资源是研究的重点和难点。设计任务调度既是任务调度问题，又是员工调度问题，涉及人力资源这个重要的因素。调度过程不仅要考虑设计人员的知识技术水平、设计经验和综合素质，还要考虑企业的长足发展，关注员工的自主性和均衡企业与员工间的满意度，使企业与员工利益达到“双赢”的状态。通过深化调度的相关研究，完善设计任务调度体系，将对实际的轮胎模具设计任务调度问题提供科学合理的优化方案。

关键词：轮胎模具;设计任务;生产计划;任务调度;BBO算法

中图分类号：TG76;TP311文献标识码：A

模具是工业生产的基础工艺装备，其生产水平是衡量一个国家的制造水平的标志。目前，我国模具企业存在制造周期普遍较长，订单拖期等问题，这极大的影响一个企业的和行业的声誉，也缺乏国际竞争力。[1]而模具设计是模具生产制造的重要组成部分，合理的安排设计任务，将有效的解决产品拖期问题。目前，设计任务调度制定方法落后，基本上完全依赖于项目管理者的实际经验和技巧，缺乏精确化与量化，调度相对片面主观，缺乏科学性和合理性，导致拖期现象频繁发生。如何科学合理的调度设计任务，提高交货的准时性、降低成本和高效利用资源引起学者的关注，也是研究的重点和难点。另外，像轮胎模具设计这种涉及多交叉专业领域的工作，企业更应该通过合理的设计任务调度，合理的人力資源分配，培养多技能设计人员。本文将对轮胎模具设计任务调度问题特点进行分析，并设计BBO算法（生物遗传智能算法）的调度方法，运用WEB技术设计开发轮胎模具设计任务调度系统。

一、轮胎模具设计任务调度问题特点

轮胎模具企业是面向订单的单件小批量生产企业，一个订单模具设计任务可以看作是一个项目。模具设计任务是多个项目并行的，分多个阶段完成，依赖设计人员的技术、知识与经验。科学合理的设计任务调度需要深入研究其自身特点，通过分析，轮胎模具设计任务调度问题主要具有以下特点：

（一）轮胎模具设计任务特点分析

（1）轮胎模具设计是面向客户订单定制的，确定的设计方案和工艺方案必须满足客户的需求。由于订单具有异质性，订单的轮胎类型、数量、结构、尺寸、规格和标准等会不一样，因此每个订单的轮胎模具设计设计方案以及工艺方案是不一样的。

（2）轮胎模具设计任务涉及多个学科、专业领域的知识，并且依赖设计人员的经验。实际设计过程中，设计人员会借助CAD＼＼CAM工具、有限元分析工具等进行设计，设计人员的学习能力，对模具专业领域理论知识的掌握程度和积累、AutoCAD、UG等绘图软件的熟练程度和编程的实操能力、模具设计、工艺设计工作经验的积累等对模具设计的效率和质量都有影响。相同客户的订单通常存在通用图纸，设计人员可以调用图纸或者在相似图纸上进行修改。因此，设计工作人员对同种产品的熟悉程度直接影响执行任务的时间和质量。而执行设计任务可以积累工作经验，给员工锻炼的机会，分配任务给新手则是培养多技能员工的途径。

（3）轮胎模具产品多种多样，但是每一副轮胎模具都是独一无二的。模具的生产是单件小批量生产，模具设计任务具有较低的重复性。

（4）同一个设计项目可以根据一定规则按阶段分解为多个子任务，各子任务受紧前和紧后任务约束，任务间存在偏序关系，本文使用有向非循环图（Directed Acylic Graph，DAG）来表示任务间存在的偏序关系，任务完成的顺序必须满足任务间的偏序关系。[2]图1为某模具设计项目的设计任务DAG图，表示某设计项目分解的14个子任务间的偏序关系，各子任务受紧前和紧后任务约束。

图1 某模具设计项目的设计任务DAG图

（5）轮胎模具设计是面向订单的多项目并行的订单任务，整个设计过程需要设计人员之间的协同工作，包括整个过程的数据、信息、多领域知识的相互交互、相互反馈和相互协调。任务的中断以及变更会增加信息交互的通信成本。

分解的各个子任务具有以下特点：

①任务紧急程度不同。各子任务在项目中的次序位置直接关系其对后续任务的影响，有的任务延迟会导致后续任务被迫延迟，导致怎个项目的设计周期延长，产生不必要的成本。因此，本文定义的任务紧急程度系数与任务的后继任务的个数相关，任务的紧急程度与后续任务的个数成正相关关系。不同订单的影响力不一样，影响等级越高的订单任务紧急程度也应该越高。

②任务具有不同影响力等级。不同任务所属的订单重要程度不一样，其影响力也不一样。订单的模具数量、客户的重要程度、预计的收益以及订单延期所造成的损失是任务具有影响力的重要指标。因此，设计的任务的影响力等级与所属订单项目影响力等级成正相关关系。

③设计技能人员的技能必须满足设计任务的技能要求。不具备设计任务要求的技能的设计人员不能安排任务，否则系统设置该设计任务不能被该设计人员完成。

④调度的任务完成工时无法精确评估，本研究将项目分解的任务相当小，减少用时差别，也降低任务中断的可能性。

（二）轮胎模具设计人员分析

（1）设计人员是具有多技能的异质性人员。设计人员所学专业和知识不一样，每位设计人员可以完成至少一个任务，但是对同类型任务完成所使用的时间和效果是不一样的。

（2）设计人员的能力具有异质性。设计人员因为知识、技能、工作经验的积累、职业培训和工作的积极性、学习工作的动机、价值观等不一样，表现在完成任务的能力水平上是不一致的。同样，能力往往与工作情境、工作岗位相关联，并且具有动态性，会因为学习而得以改善，因为长时间不接触而知识贬值而衰退。[3]

（3）设计人员是知识型人才，具备多种技能，在工作中会坚持学习，也会总结自己及他人的经验，不断的提高自己。设计人员对任务的选择也会有选择偏好以及学习的偏好，因此，对调度结果也会有满意度。

（三）轮胎模具设计任务调度统一模型

一个模具设计任务按照一定规则分解为多个子任务，合理的安排给各个设计人员，并且设计人员的每个设计任务进行排序，在任务人员分配问题上，除了要满足任务的技能要求，还要考虑设计人员的时间因素和偏好因素使得总目标最优。

本文借鉴Salhieh提出的“任务-能力向量”（Task-Skill Vector，TSV）和“成员-能力向量”（Member-Skill Vector，MSV）方法对任务-设计人员做匹配选择。在该方法中，用TSV向量表示任务所需的能力，用MSV向量表示成员具有的能力，k值为0或1：

二、BBO调度算法设计

BBO算法（生物地理学优化算法）是基于生物地理学理论的一种新颖的智能优化算法，在 2008 年 IEEE Transactions on Evolutionary Computation由Dan Simon提出。[4]它是在遗传算法和粒子群算法的基础上发展来的，应用于最优化问题。BBO算法具有较好的群体信息利用能力，不管是单目标还是多目标离散优化问题都具有较好的性能。设计的BBO调度算法基本流程图如图2所示。

三、系统模块设计

通过对模具设计任务调度系统进行需求分析，该系统主要包括四大功能模块：系统管理模块、数据管理模块、任务智能调度计划安排模块和监控模块。

（1）系统管理模块：系统管理包含用户注册、登录以及用户密码管理、角色管理和权限配置和管理。

（2）数据管理模块：包括对设计任务以及设计人员基础信息的录入、添加、修改和删除。其中设计任务包含订单信息、按规则分解的任务信息。

（3）任务智能调度计划安排模块：通过BBO智能算法获得任务调度计划以及调度目标值，并投放任务。项目管理人员还可以根據实际需要修改调度计划，最后审核确定设计人员负责的设计任务、任务的执行顺序和任务的开始时间、结束时间，项目的开始时间和结束时间等。

（4）监控系统：设计人员反馈安排任务的完成情况，管理人员可以监控各个任务和各项目的完成情况。

四、系统开发

设计任务调度主要步骤如下：

（1）确定设计人员和设计任务的数量。根据当前设计部门人员的任务分配情况、工作负荷以及待调度任务的工作量选取。

（2）配置主要调度参数，调度的各个权重系数以及BBO智能算法的各个参数。

（3）执行智能调度，查看调度计划以及调度目标值，若满意可以投放任务，否则重新配置调度参数后再执行调度。当然管理人员还可以手动在智能调度结果基础上适当修改，满足实际的需要。

本调度系统信息架构是基于Browser/Server（B/S）模式的，采用Browser/Web server/Database Server三层结构。图3表示B/S模式数据库示意图，图4表示B/S模式数据库运行方式。B/S模式使用web浏览器访问数据，无需安装专用的客户端，操作简单方便，又减少了系统升级的成本和工作量。

五、结语

本文对轮胎模具设计任务调度特点进行深入分析，并且设计了BBO算法来进行智能调度，改变目前由管理者凭着经验来安排任务的方式，提高调度的科学性和合理性。通过web系统的设计与开发，提供一种简便操作的可视化调度系统，提供合理科学的调度方案，减少项目拖期现象，关注员工的自主性和均衡企业与员工间的满意度，使企业与员工利益达到“双赢”的状态，提高企业的竞争力。

参考文献：

[1]刘建军.基于负荷控制的模具制造系统生产控制方法研究[D].广东工业大学，2011.

[2]李映，胡常伟，陈新度.基于BBO的模具设计任务调度方法研究[J].机械设计与制造，2016（2）：134-137.

[3]刘浩杰.基于优化配置方法的能力模型及其信息系统研究[D].华北电力大学，2013.

[4]Simon D.Biogeography-Based Optimization[J].IEEE Transcations on Evolutionary Computation，2008，（06）.