机器混合故障下柔性作业车间鲁棒调度方法

柔性作业车间机器在生产过程中时常发生退化故障和突发故障，针对这种混合故障，考虑用预防性维护来防止退化故障，通过插入缓冲时间的方式来吸收突发故障的影响。分别以工序最终完工时间期望值和各工序加工完成时间的延迟总和期望值为质和解的鲁棒性指标，建立柔性作业车间鲁棒性调度优化模型，并设计引入混合故障概率矩阵的改进遗传算法对模型求解，联合决策工序加工顺序、预防性维护位置和缓冲时间位置，同时优化调度方案的鲁棒性。最后通过数值实验与对比分析验证了此鲁棒调度方法能有效应对车间混合故障造成的扰动。     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

一类已知概率分布下的混合车间鲁棒调度问题研究

为解决一类产品生产需经上游作业车间的零部件加工和下游流水车间的零部件总装的调度问题,在研究生产调度文献的基础上,给出了混合车间调度问题;给出一类已知概率分布下的混合车间鲁棒调度方法,并建立鲁棒调度模型;采用遗传算法求解鲁棒调度模型。最后进行了实证研究,证明所建模型以及遗传算法在求解混合车间调度问题上是有效的。     

鲁棒优化与多智能体协调的电梯群控调度

针对电梯群控调度过程中交通流不确定和优化求解复杂性的问题,提出一种混合鲁棒优化方法和多智能体协调的电梯群控调度方法。分析了电梯群控调度中的交通流不确定问题,建立了解决该不确定问题的电梯调度决策鲁棒优化模型。为了弥补模型求解复杂度过高的不足,进一步提出鲁棒优化和多智能体调度结合的混合调度决策方法。仿真结果表明,该方法能有效改善群控调度的性能,提高群控调度对交通模式的适应性。     

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。     

带机器故障的柔性作业车间动态调度

机器故障是企业在实际生产加工中经常遇到的,文章主要探讨了机器发生故障时的柔性作业车间动态调度问题。依据机器故障发生时,加工机器所处状态,构建了故障机器上剩余工件约束模型,提出了插入重调度和完全重调度的重调度策略,并采用改进遗传算法对其进行求解,最后运用该调度策略对企业生产实际中案例进行计算,发现其完工时间比企业实际加工时间缩短了44.8%,验证所提策略的可行性和有效性。     

双资源约束的鲁棒Job Shop调度问题研究

针对机器-工人双资源约束下加工时间具有随机性的Job shop调度问题(Job shop scheduling problems,JSSP),考虑工人熟练程度差异和工人数量不足的约束,采用鲁棒调度的方法建立机器-工人双资源约束的鲁棒Job shop调度模型(Dual-resource constrained robust JSSP,DR-RJSSP).鉴于DR-RJSSP同时考虑工人合理指派和双目标优化,提出机器-工人两阶段指派方法,在主动降低加工时间随机扰动的同时最小化工人约束对调度性能的影响.其次,提出多目标混合分布估计算法求解DR-RJSSP,以得到兼顾调度性能和鲁棒性的Pareto解集.最后,采用8组仿真算例将所提出的兼顾工人熟练程度和负载均衡的指派策略与基于熟练程度的指派策略和随机指派策略进行对比,验证了所提指派策略的Pareto优化性能.此外,通过对制造企业调度案例的仿真分析,验证了基于两阶段指派策略的MO-HEDA求解DR-RJSSP的有效性.     

基于改进遗传算法的多目标柔性作业调度研究

针对车间生产过程中加工机器的生产时间分配不均导致的机器负载过大、机器闲置等问题,建立了一个包含均衡化机器使用率的多目标柔性作业车间调度模型,设计了一种改进遗传算法,使用了POX交叉算子和多点交叉法,采用了基于邻域的变异算子.最后通过实验结果验证了该算法适用于求解该类多目标柔性作业车间调度问题,改进的算法也优于其他对比算...     

加工时间不确定的柔性作业车间鲁棒调度方法

针对中小批量环境下加工时间不确定的柔性作业车间调度问题,采用冗余处理方法构建了以最大完工时间为目标的鲁棒调度模型。为降低算法的搜索规模和提高算法的求解速度,提出了顺序搜索机制,并设计两阶段遗传算法,分阶段获取冗余状态和最优结果。采用某柔性生产线的数据进行正交试验,优化了算法关键参数,并构建了柔性生产线仿真模型,对调度结果的鲁棒性和优化目标性能进行了分析。结果表明,该算法在目标性能和鲁棒性上都显著优于标准遗传算法,能有效处理加工时间不确定的柔性作业车间调度问题。     

基于机器役龄约束的车间作业与预防维修的集成调度

生产过程中作业计划与设备维修计划经常存在着利益冲突,容易造成生产资源闲置和时间成本增加,然而设备的可靠运转是生产作业计划有效执行的重要保障,需要通过定期维修和检测来保证设备的可靠性。据此本文引入基于机器维修役龄的预防性维修策略,将车间作业调度问题和机器预防维修问题进行集成考虑,分析机器累计运行时间对机器预防维修时间及运行状况的影响;以故障概率函数作为实施预防维修策略的控制因子,建立了生产计划与机器维修集成调度模型;并设计了遗传算法进行模型求解,给出了基因编码、交叉变异及精英保留方法;算例结果表明,该方法能够有效减少生产任务安排与设备维修的时间冲突,缩短生产周期,减少时间浪费。     

订单不确定下双资源约束多装配线鲁棒调度

考虑生产过程中的订单不确定等因素,建立了以最大化交付满意度、最大化装配线平衡率及最小化完工时间跨度为目标的鲁棒调度模型,基于差分进化算法和粒子群算法提出了对模型进行求解的混合优化算法,并通过算例验证了混合优化算法求解该鲁棒调度模型的可行性和有效性。最后综合分析PTCN公司二厂多装配线生产车间的实际生产情况,将所建立的鲁棒调度模型和提出的混合优化算法应用于实际的多装配线生产过程,获得了较优的调度结果。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

改进的遗传算法在车间作业调度中的应用研究

作业调度问题(JSP)是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用.针对车间作业优化调度问题,通过对原有遗传算法进行了改进,建立了具体的基于遗传算法的改进模型,使其在优化过程中自动给出比较合适的交叉概率和变异概率,并保持群体的多样性,方法和解决步骤,显著提高了搜索效率.较好地解决了车间资源优化调度问题.     

机器多转速的柔性作业车间绿色调度问题

为了减少制造过程中的能耗,从生产运作的角度探讨了如何在制造业生产调度中实现绿色制造。以柔性作业车间调度问题为背景,考虑了机器多转速,在不影响生产进度的前提下通过调节机器转速来实现绿色制造。首先建立了考虑机器多转速的柔性作业车间调度优化模型,构建了能耗计算模型;然后依据带精英策略的非支配排序遗传算法的框架,提出了综合考虑完工时间和能源消耗的低碳调度算法,设计了多种变异方式,提出了精英保留与末位淘汰的选择方式;最后的数值实验结果表明,所提算法能够很好地求解此类问题。     

基于极限调度完工时间最小化的机器选择及FJSP求解

为提高柔性作业车间调度问题求解的遗传算法的初始群体质量,通过分析机器选择与调度完工时间的关系,提出一种基于极限调度完工时间(Climit)最小化的机器选择初始化方法。采用机器选择链和工序顺序链双链结构编码,初始化机器选择链时,宏观上采用全局选择和局部选择分别侧重于实现对最大机器负荷和最大工件加工时间指标的优化;微观上采用随机次序取代工件工艺顺序选择工序,在考虑可选机器负荷的基础上进一步比较加工时间选择机器,兼顾最大机器负荷和最大工件加工时间指标的优化。对基准算例机器选择结果进行分析和基于遗传算法求解,验证了所提方法的有效性。     

基于混合粒子群算法的汽车零件精冲车间调度研究

针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用了基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解精冲零件车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率。通过对典型的调度测试问题进行模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能。     

基于鲁棒优化的风-储联合配置研究

针对电网规划中的风电功率波动和储能配置问题,从电网建设、运行、维护角度,分析了风力发电效益与风储系统成本的组成元素,构造了考虑规划年内全局经济性的优化目标;利用鲁棒优化方法,量化了储能配置的最小容量,构造了风储协调配置的双层规划模型。模型为含随机变量的混合整数规划问题,通过遗传算法和鲁棒线性规划理论求解优化问题,在Garver6节点系统测试所提模型和求解方法的有效性。研究结果表明:所提基于鲁棒优化的风储协调配置规划方法能够科学指导风电和储能设备的选址定容,所得方案经济性更强,能有效应对风电功率的波动。     

考虑工件移动和成本的多目标柔性作业车间调度问题优化研究

针对考虑工件移动时间约束的柔性作业车间调度问题,构建了以加工总成本和最大加工时间最小为目标的数学模型并用改进遗传算法求解。针对柔性作业车间调度问题(FJSP)特性,算法中采用基于工序的集成编码操作,实现工序排序和机器匹配的内在关联并由此产生可行的调度方案;根据编码结构设计了有效的交叉和变异操作,从而避免了非法调度解的出现;为克服遗传算法的早熟收敛和减少调度开销,用贪婪解码算法生成主动调度、设计了自适应变异规则并采用混合子代产生模式提高染色体适应值。最后通过测试问题的求解及数值分析,证明了算法和模型的有效性及鲁棒性。