离散型制造企业生产管理系统车间调度管理模块设计

本文研究了以彼得罗夫——哈姆算法为优化算法的车间调度管理的新型方案,使生产调度问题顺利解决,简化了生产计划的冗余管理,实现了车间对各项任务的作业顺序合理安排。在完成计划任务的前提下,缩短生产周期,均衡设备负荷,提高操作人员的工作效率。本文研究的关键在于在正确理论的指导下,针对某公司机加工车间生产调度管理的实际情况,摸索如何应用先进实用的生产调度方法去解决企业长期存在的一些问题。     

面向MES的装配作业调度系统研究

该文针对飞机装配作业生产管理复杂的特点以及生产计划与调度难以实现等问题,在研究装配作业调度系统的基础上,提出面向制造执行系统生产模式的飞机装配作业调度系统的结构、功能、模型与调度算法.实现的装配作业调度系统以飞机装配过程为核心,以GIM/GRAI方法为计划决策的依据,利用赋时Petri网建立装配生产线模型,按周期计划安排生产等方法实现生产调度优化,从而实现了生产现场快速组织装配资源按时完成生产计划.该系统已在实际生产中得到应用,并取得良好的效果.     

基于关联调度模型的模糊环境下车间动态调度

为了实现在模糊加工环境下实时的动态调度,采用调度节点和调度链的建模思想构建车间作业的调度关联模型.通过调度节点和调度路径描述调度任务中的约束关系.考虑实际生产调度过程中存在的大量不确定因素,将调度关联模型引入模糊加工环境中,结合模糊加工状态下作业计划关联方法构建调度可行解,并通过蚁群算法求解调度任务的优化方案.仿真结果表明,该方法能够在加工时间和交货期不确定的情况下,通过动态调度模型的关联过程获得较为优化的调度方案.     

基于混合遗传算法的分布式车间作业调度问题

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域.本文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果.与其它方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法.     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

智能作业车间动态调度系统研究与实现

为解决单件小批车间生产受到不确定性事件的影响,而使得实际生产过程偏离作业车间计划,导致产品无法按期交付这一问题,研究并实现了智能作业车间动态调度系统。系统包含基于Zigbee与传感器等物联网技术实现的智能感知子系统、基于大数据分析技术实现的智能双驱动机制子系统和基于云计算技术实现的调度算法云服务子平台,保证了作业计划动态调度的高质量完成。最后,将哈尔滨电机厂历史生产数据作为测试用例,验证智能作业车间动态调度系统的有效性。     

基于成组技术的生产调度研究

利用成组技术的优化排序方法研究作业车间（Job Shop）的生产调度问题。针对M公司JobShop目前采用的调度方案总流程时间长、机器利用率低的现状,提出了改进的优化算法调度方案,降低了该公司零部件的加工周期,大大改善了机器利用率。     

基于遗传算法的Job-Shop调度问题研究

研究单目标作业车间调度问题(JSP),提出了一种基于遗传算法以缩短生产周期为目标的Job-Shop调度问题。通过建立数学模型,设置编码、解码方案,以及确定选择、交叉、变异等遗传算子,充分利用遗传算法的特点解决加工车间静态、动态问题,并通过Gantt图给出调度方案。结合应用实例进行分析,分析结果表明该方法是有效的、可行的。     

考虑设备时变效应的晶圆加工序列决策调度方法

为改善半导体生产过程中设备状态不确定引起的时变效应可能造成生产计划难以推进、生产效率下降等问题,使用考虑设备时变效应的晶圆加工序列决策调度方法制定调度方案。采集过往加工工时数据,挖掘设备状态变化的特征参数与晶圆的加工工时时变效应的关联关系,从而建立考虑时变效应的平行机调度模型,实现最大完工时间的最小化。设计集成调度优化知识的混合搜索算法(HSAOSK),利用单机调度最优规则与多机调度优化知识库减少搜索空间,提高算法的计算效率。实际算例的分析结果表明：HSAOSK算法求解小规模算例的最优解与精确算法(BRA)相同,求解大规模算法时与其他优化算法相比,最大完工时间可减少6.17%,且计算时间非常短,HASOSK算法的优越性能满足构建半导体调度决策方案的需求。调度决策方法不仅能为具有时变效应的半导体生产系统提供有效的加工序列决策,还能针对设备状态提供不同的维护决策以保证生产效率。     

基于改进蚁群算法的智能调度系统设计与开发

蚁群算法是一种模拟蚂蚁群体智能行为的仿生优化算法,具有良好的正反馈、鲁棒性、群体性和并行性等特点.在研究柔性作业车间调度的基础上,针对企业实际生产情况,将改进蚁群算法应用于求解实际生产调度问题.笔者介绍了智能调度系统的需求分析、系统设计和主要功能模块的实现.系统实现时采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,同时对蚁群算法做出适当改进,添加机器选择策略,在搜索解路径的过程中,首先确定下一步可供选择加工的工件在哪台机器上加工,然后确定加工哪个工件.开发的智能调度系统能完成企业的动态柔性调度,能较好的解决机器变化和订单变化引起的重调度问题,提高企业生产效率.