多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

柔性作业车间能耗优化研究

为了实现机械加工车间的节能优化运行,建立了考虑运输时间的节能柔性作业车间调度模型。使用基于动素的机床能耗模型预测生产过程中的机床能耗,并利用遗传算法实现了模型的求解。柔性作业车间环境下,该模型能够从能耗出发,为各加工任务选择合适的加工机床,同时生成优化的生产调度方案。最后,案例研究验证了建立的模型的节能效果和有效性。     

低能耗柔性作业车间调度研究

针对柔性作业车间低能耗调度问题,对机床运行模式下能源消耗特点和完工时间进行了研究。建立了以能源消耗和完工时间为目标函数的多目标优化模型;结合该模型特点,采用目标加权法,得到了能源消耗和完工时间两个变量加权求和的最小值;针对遗传算法单一染色体在解决较复杂问题时,无法准确表达问题解的缺点,设计了多层编码策略,对柔性作业车间制造过程中工件加工顺序和机床选择进行了优化,实现了面向能耗优化的多目标柔性作业车间调度;在Matlab环境中对生产实例进行了仿真。实验结果表明:在加入低能耗要求的车间调度中,基于改进遗传算法的调度策略是可行和有效的,决策者可根据偏好在一系列可行解中进行选择,以提高解的合理性、科学性。     

面向机床精密主轴加工过程的混合流水生产线分批调度研究

面向机床精密主轴加工过程,对混合流水生产调度问题进行研究.通过深入分析机床精密主轴加工工艺流程,以主轴粗精磨削工艺、分批规则、设备利用率等作为约束条件,以加工时间最小化为目标,建立混合流水生产模式下、机床精密主轴加工智能分批调度模型,并设计了基于差分进化-遗传混合算法的二阶段优化算法对模型进行求解;以某精密主轴生产线的实际订单为例进行仿真实验,与传统加工方案及其他典型分批调度算法对比分析,验证了该智能分批调度模型的有效性、算法的准确性及解决实际问题的优越性,能够有效缩短生产节拍,提高加工效率和设备利用率.     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法*

将逆优化理论与方法引入车间调度领域,探讨近年来车间调度领域出现的一种新方法“逆调度”。研究多目标流水车间逆调度问题,建立考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出一种基于混合的多目标遗传算法(Hybrid multi-objective genetic algorithm, HMGA)的求解方法,将多种策略进行混合以提高算法性能,主要包括快速非支配排序遗传算法(Non-dominated sorting genetic algorithm II, NSGAII)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及改进的局部搜索策略等。通过实例测试与方差分析(Analysis of variance, ANOVA),验证了该算法的有效性。     

JIT柔性混合流水车间生产调度问题研究

针对混合柔性流水车间多种工艺路线的生产调度问题,分析了生产工艺计划与车问调度系统的集成原理,建立目标模型,通过将简单遗传算法加以改进,在建立集成模型的基础上,对算法进行研究,把进化后的遗传算法（SGA）和改进的模拟退火算法（SA）有机结合,使算法优化机制融合和优化结构互补,形成较为高效的混合优化算法,并对问题进行求解。最后给出了一个具体算例,验证算法的有效性和先进性。     

面向绿色制造模式调度的Petri网模型及优化算法

针对绿色制造模式的作业车间调度中,不但要缩短生产周期和降低生产成本,而且要减少资源消耗和对环境的负面影响这一问题,建立包含加工时间、生产成本、资源消耗和环境影响等信息的Petri网模型。通过为机器分配工序来消解因机器库所共享引起的冲突,得到表示调度方案的标识图。提出生成可行调度标识图的三种方 法,并采用多目标遗传算法和多目标模拟退火算法相结合的混合算法对其优化。仿真结果表明算法的可行性和有效性。     

混合多处理机任务作业车间调度问题的仿真研究

针对现代钢结构制造企业车间生产中工件的一道加工工序需要不止一台处理机(工人、设备等)同时加工处理的情景,建立了混合多处理机任务作业车间调度模型。同时,结合企业生产过程中快速改变生产环境的生产方式,利用PlantSimulation仿真软件实现仿真模型。此外,针对遗传算法局部搜寻能力较弱设计混合优先调度规则的混合遗传算法对仿真模型进行优化。最后,通过算例对仿真模型和优化算法进行验证,并针对某钢结构车间的实际生产问题进行调度安排。     

考虑设备预维护的柔性作业车间调度节能优化方法

随着能源成本的飙升和环境日益恶化,实现节能生产的策略越来越受到制造企业的关注.在车间实际生产调度过程中,机床设备的故障与维护会影响车间调度方案的顺利执行,进而导致出现车间加工资源冲突、能耗增大和完工时间延长等问题.为减少实际柔性作业车间加工过程中出现由于机床故障而导致加工中断的情况,提出一种考虑设备预维护的柔性作业车间调度节能优化方法.分析考虑设备预维护的柔性作业车间能耗特性,建立考虑设备预维护的柔性作业车间调度节能优化模型,设计机床预维护策略,并在此基础上提出一种启发式框架下的调度算法对节能优化模型进行求解,通过不同方案的对比分析,验证所提方法的有效性.     

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。     

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。     

面向绿色制造的半组合式船用曲轴结构件生产车间多目标调度优化

针对半组合式船用曲轴结构件规格多、批量小、体积质量大、加工精度高、生产能耗大、交货期要求严等特点,以最大完工时间最小、机器加工能耗最小、桥式起重机运输能耗最小为优化目标,研究了该类型曲轴结构件生产车间的绿色调度优化方法.将结构件制造过程细化为准备、装夹、加工、卸夹4个工艺流程,建立了集成桥式起重运输设备与机器加工设备的双资源约束、多目标优化调度数学模型;基于快速非支配排序遗传算法,提出了融合运输信息与机器信息的五段式编码,通过在算法流程中融入两种启发式选择策略对每次迭代结果进行二次优化,从而改进整个制造流程;最后,将所提模型与算法应用于上海某船用曲轴公司结构件生产车间,并与不考虑运输状态的单资源机器约束数学模型优化结果进行了对比分析,验证了所提模型与算法的有效性.     

基于遗传算法的冲压车间节能调度优化研究

金属加工行业中,冲压成形能量消耗相对较大,因此,对冲压成形加工开展低碳节能的研究具有重要的实际意义。为解决冲压车间多目标节能调度问题,在深入分析低碳作业车间调度和某冲压车间生产现状的基础上,结合冲压生产过程中的能耗特性分布曲线,建立以最小化最大完工时间、加工总成本和加工总能耗为目标的冲压车间多目标节能调度优化模型,并设计了基于多层编码的遗传算法求解该模型。最后,结合某企业的冲压车间生产实际进行案例研究得出,冲压车间多目标节能调度优化模型在一定程度上可降低冲压车间加工总能耗,同时使得最大完工时间和成本较优,验证了模型和算法的可行性和有效性。     

车间生产过程的能量足迹建模与加工参数协同优化

为降低零件加工过程的生产能耗,提出一种面向节能的车间生产过程多装备加工参数协同优化方法。以包含机床与机器人的定制化生产车间为研究对象,建立了考虑刀具退化动态过程的生产车间系统能量足迹模型。考虑刀具寿命、机器人运输平稳性的成本指标函数,建立了多装备系统的加工参数协同多目标优化模型。以加工时间为约束条件,使用蜂群算法获取了最优参数。实验表明,以节能目标为主的优化方案可降低机床加工能耗17.97%,降低机器人运输能耗18.13%。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

柔性流水车间设备利用率排产优化问题研究

针对具有工序约束信息的柔性流水车间的设备利用率优化问题,提出利用PSODE混合算法来解决该问题,全局优化过程采用群体优化算法,在局部优化过程中通过上下道关联工序约束信息来控制工件的分配,将并行工位总设备利用率作为适应度函数,构建了具有关联工序约束的柔性流水车间生产调度模型,确定生产工件的加工路径、加工顺序、开工时间和完工时间。通过多组方案数值计算结果对比分析,验证了PSODE算法解决柔性流水车间设备利用率优化问题的有效性。     

基于SP-MCTS算法的混合流水车间机器人调度

针对混合流水车间存在并行设备、物料机器人和设备约束等导致调度过程复杂化的问题,提出融合标准差的选择策略、单分支扩展和启发式规则模拟的改进型SP-MCTS算法。该算法将混合流水车间机器人调度问题转化成搜索车间状态演变用时最短的分支路径问题,并利用马尔科夫决策过程建立混合流水车间机器人调度问题的动态模型。优化过程中,运用选择策略评估各分支收益,选择高潜力分支进行探索,并扩展多次遍历的分支节点,最后以启发式规则模拟探索,获取调度解集。另外,搜索中通过剪枝法缩小搜索宽度,单分支扩展法避免多次同路径探索,有效利用计算资源;最后,采用基准算例进行算法测试,验证了所提算法在多工序、多设备的混合流水车间调度问题求解方面的优越性。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。