面向云制造的多供应商协同生产任务分配优化

针对云制造环境下制造资源生产能力约束导致的任务分配不合理问题,研究建立了一种任务分配优化模型并提出了求解算法。依据子任务订单量对多个供应商进行生产组合,继而提出质量相似度等概念及其相应的计算方法,建立评价指标体系,并在此基础上构建了面向云制造的多供应商协同生产任务分配优化模型;通过对模型特征的分析与把握,提出一种改进的多目标粒子群进化算法,求解模型得到最优组合以及组合量。最后,通过实例证明了该模型与算法的可行性和有效性。     

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。     

非量产模式下基于约束加优先权值调度技术与算法

根据面向网络协同制造的需要及非量产的特点,对该生产模式进行一种新的调度目标并行分解,提出了"先于完成"时间约束Cfnlt和"先于开始"时间约束Csnlt、目标链接约束Cchina以及目标链Cchina等概念定义.在此基础上分析了协作多目标时的物料资源竞争和设备资源竞争,提出了基于约束的加优先权值调度算法,该算法能有效解决非量产模式下的排程调度问题.     

面向云制造服务的制造资源多目标动态优化调度

针对云制造环境下制造资源调度的特点和存在的问题,建立了云制造环境下制造服务资源多目标调度模型。根据云制造环境下极易发生扰动的特点,提出了一种动态调度技术,以在发生突发事件时及时作出反应。提出了一种基于遗传蚁群算法的制造资源调度算法,该算法利用遗传算法搜索能力强、收敛速度快的优势弥补蚁群算法易陷入局部最优、收敛速度慢的不足,使整个调度过程能快速、准确地收敛于最优解。最后用实例证明了该算法的有效性。     

非量产模式下基于约束加优先权值调度技术与算法

根据面向网络协同制造的需要及非量产的特点,对该生产模式进行一种新的调度目标并行分解,提出了“先于完成”时间约束C_(fnlt)和“先于开始”时间约束C_(snlt)、目标链接约束C_(chain)以及目标链G_(chain)等概念定义。在此基础上分析了协作多目标时的物料资源竞争和设备资源竞争,提出了基于约束的加优先权值调度算法,该算法能有效解决非量产模式下的排程调度问题。     

面向用户多品种定制的分布式供应链调度

针对云制造面向分布式供应链环境中的多品种定制问题,提出一种多目标生产运输优化调度模型和基于改进混合蛙跳算法的求解方法。该模型考虑供应链中的制造/供应两阶段,以及不同企业间的运输时间和成本,得到成本最小、时间最短、生产空闲率最小、订单延迟最小的调度方案。同时,该算法重新定义原有算法的核心操作算子以适应离散调度问题求解,并结合模拟退火和极值优化算法的特性,进一步改进离散域的混合蛙跳算法的局部搜索性能。通过项目调度标准测试集验证了该改进算法的性能,并以6个品种定制需求为案例,验证了所提模型与算法的有效性。     

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。     

基于动态资源能力服务的分布式协同调度技术

基于云制造技术中面向服务的思想,针对现有异地分布多车间协同生产计划的关联协调问题,提出并建立一种以云制造思想为指导的基于动态制造资源能力服务化的分布式协同生产调度技术。通过分析多车间协作生产下的制造资源动态服务共享和关联协调的问题,建立基于服务性制造资源的协同生产调度技术总体框架;提出服务性资源的地域和能力相结合的筛选规则,形成面向多车间协同生产的空闲占用和插入调整相结合的作业排产技术;提出资源指定占用下的作业排产处理技术,解决了协同生产环境下特定车间基于制造资源能力局部能力占用的调度排产;针对生产过程中频繁发生的突发事件,提出以降低生产扰动影响范围的时间容忍度技术及基于移动处理方式的动态调度方案调整技术,解决了制造资源服务动态变化下的快速响应处理问题。通过应用实例对以上关键技术进行了验证。     

考虑交通拥塞时变特性的预制构件生产调度与装车组合集成优化EI北大核心

生产调度、装车组合与交通拥塞是影响预制构件制造企业生产运营效率及成本的重要主客观因素,如何在考虑交通拥塞时变特性的情况下有效集成生产调度与工件装车组合方案是预制构件制造企业迫切需要解决的问题。针对该集成优化问题,首先以最小化总提前拖期惩罚和车辆运输费用之和为目标,建立了预制构件生产调度与工件装车组合集成优化数学模型。随后为降低问题求解困难,通过深入分析问题解结构特点,提出了一种基于自适应多邻域协同搜索的果蝇优化算法(AMNCS-FOA)。其主要特点是:设计了一种带有插零操作的集成决策编码方式用于表示生产调度和工件装车组合方案;在算法的嗅觉搜索阶段,基于组内交换、组间交换、组内插入和组间插入四种邻域构造,提出了一种自适应概率邻域选择策略;在视觉搜索阶段,为提高算法全局搜索能力,以一定概率接受劣解作为种群中心进一步执行迭代搜索。计算结果显示,AMNCS-FOA算法在求解该集成优化问题时具有更快的收敛速度以及更好的求解质量。与预制构件制造企业常用的规则启发式方法相比,提出算法在求解质量上具有不低于13%的平均改进率,有望显著增加预制构件企业净利润并提高客户满意度。     

云际协作环境下能耗与成本感知的工作流调度方法

为解决云计算中的效费比、平台锁定和跨域资源管理等问题,目前已提出云际计算模式以便多个云服务实体之间的开放协作并创造云价值.在云际协作环境中,如何高效实现兼顾成本与能耗的云工作流调度是涉及多方云资源管理的一个重要问题.针对该问题,构建了云际协作环境下能耗与成本感知的工作流调度模型,并提出一种相应的云工作流调度方法(ECO).该方法主要包含任务组选择、虚拟机复用和资源动态管理等策略,可在云际协作环境下调度多个云工作流应用,并在满足截止时间约束的前提下,优化工作流执行成本与能耗.通过仿真实验说明了该算法的有效性.     

混合云环境下成本与隐私感知的工作流调度方法

随着大数据时代的到来,大量企业采用混合云部署应用系统。针对现有云工作流调度方法未考虑工作流多个任务间隐私保护需求的不足,构建了混合云环境下成本与隐私感知的工作流调度模型,并提出一种相应的云工作流调度算法(CPHC)。该算法可在混合云环境下调度多个云工作流应用,并在满足隐私暴露风险与截止时间约束的前提下,优化执行成本。最后,通过仿真实验说明了所提算法的有效性。     

基于并行协同进化遗传算法的多协作车间计划调度

为求解多协作车间的计划调度问题,提出了并行协同进化遗传算法。该算法采用基于工序的染色体编码方案。在遗传操作过程中,首先利用提出的基于工序约束的基因调整算法进行交叉操作和变异操作,保证了新个体满足工序约束。在解码操作过程中,采用考虑设备能力空间的解码算法,使得解码产生的调度为活动调度。此外,运用协同进化的思想,提出了协同适应值计算的算法,使协作环境的变化能灵敏地反映在个体的适应值上,从而有效地指导种群的进化。实例表明,该算法能够满足多协作车间并行协同调度的要求。     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

求解Job-shop调度问题的混合遗传算法

分析了单件生产车间调度问题,提出了适合Job-shop调度的算法-混合遗传算法.通过分析几种求解该问题的典型混合遗传算法,说明了混合遗传算法是求解该问题的可行且有效的方法,并且在具体的环境下有一定的优越性。     

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法（快速非支配排序遗传算法）来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
     

订单型企业多目标生产计划的制定及其调度

针对制定订单式小批量生产计划问题,提出了一种使用动态随机投入产出函数来制定多目标生产计划的方法。针对生产调度问题,提出了联合使用最长加工时间优先(LPT)与遗传算法(GA)的混合遗传算法(HGA)来求解混合流水线的调度,并给出了一种新的编码方法,选择了相应的交叉和变异方法。研究结果表明,该计划制造方法能较好地满足订单型企业的随机性要求,而且生产计划编制效率高。该编码方法在保证染色体合法性的同时也保证了算法本身的随机性。某轧辊厂的实际案例分析结果也验证了所提出的订单型企业多目标生产计划的制定及其调度方法的可行性。     

具有模具约束的单工序柔性继列型批调度问题研究

制造系统调度是调度问题研究的热点之一。相对于单件加工的调度问题研究来说,批量加工的调度问题研究较少。然而,批量加工较广泛存在于许多制造系统中,有其很强的工程背景。其中,注塑加工生产即是一种典型的批量加工生产方式。基于注塑加工生产的实际背景,提出了一种具有模具约束的柔性继列型批调度问题。针对此问题中所包含的三方面决策问题,研究了问题的求解框架;提出了启发式规则与遗传算法相结合的混合求解算法;设计了仿真调度案例并进行了仿真调度;通过对调度结果的详细分析,表明了调度结果的合理性和所提出算法的有效性。     

一类制造资源的协同建模、优化与求解技术

为实现云制造环境下制造资源的全面共享、发现和匹配,提供给用户理想优质的云制造服务,在虚拟资源池构建阶段引入资源建模与聚类技术,提出一种适宜云制造模式的虚拟资源的建模与优化组合方法。采用基于可扩展标记语言数据与Web本体描述语言语义的双层模型,对云池的虚拟资源协同进行建模;建立基于服务成本、服务效率、服务质量和信誉度的多目标优化数学模型,采用协同多目标粒子群算法求解该优化问题,获得最优的虚拟制造单元。以生产实践中开发的原型系统为例,验证了所提方法能够有效提高云池虚拟资源的共享、发现和匹配性能,也验证了其在工程应用中的正确性。     

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略，提出了一种支持多目标和多优先级车间调度策略的随机规划模型，并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现，首先利用随机仿真生成近似的样本数据，然后利用神经网络进行不确定目标和约束函数的逼近，并用遗传算法最终完成对多目标优化解的搜索。最后，通过一个汽车企业模具制造车间中调度问题的实例，验证了该模型和算法的有效性及实用性。     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中，通常一个订单中包含多个工件。为满足客户交货期和方便管理，来自同一订单的工件需要连续生产，就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题，是典型的NP-hard问题。为解决该问题，通过对工序约束、订单间、订单内约束等的深入分析，基于准时制生产模式，以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性，基于分解与协同进化框架，提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群，然后对两个种群分别采用离散差分进化策略和遗传进化策略，并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性，设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试，计算结果显示，与GA,DDE和IG相比，协同进化方法具有更好的求解质量和鲁棒性，而在协同进化方法中，CoHGA-DDE具...