制造资源混合粒度优化组合方案求解技术

为实现对云请求端制造需求的快速响应并提供最理想的制造云,在定义制造云服务(manufacturing cloudservice,MCS)的基础上,提出了MCS混合粒度动态优化组合方法.通过对制造服务需求的解析,将MCS按照粒度从大到小的顺序进行匹配,实现了云池资源的初次过滤;然后构建基于总服务成本、服务质量和交易期的制造云多目标优化数学模型,并引入Epsilon-SPEA2优化算法对该优化问题进行求解,从而快速高效地获得Pareto最优解;采用基于改进优劣解距离(technique for order preference by similarity to an ideal solution,TOPSIS)的动态多属性决策方法对Pareto最优解所代表的互为非支配的MCS组合方案进行评价排序,筛选出最优的MCS组合方案.最后结合某区域模具公司群所能提供的制造服务以及相应历史数据,依据客户需求进行MCS的动态优化组合仿真,验证了文中方法的可行性和实用性.     

基于粗糙核聚类的模块化产品方案求解

利用核函数将产品的零部件样本映射至希尔伯特空间内,使零部件样本的差异性"放大",从而提高产品模块划分过程的鲁棒性.利用粗糙集对希尔伯特空间内的零部件样本进行初步分类,获得产品的模块数量和每个模块内零部件组成的上近似集合与下近似集合.构建模块间耦合度、加工装配复杂度和变型设计复杂度3个目标函数,利用改进的非支配排序遗传算法(NSGA)进行求解进而获得最优的模块划分方案.以大型空分设备的模块划分作为实例,对该方法进行检验.数值仿真结果表明了该方法的有效性和可行性.     

基于直觉模糊数与多目标优化算法的工艺路线优化

为解决工艺规划中的工艺路线决策问题,提出基于直觉模糊数与元胞自动机—第二代强度Pareto进化算法的工艺路线多目标优化方法。分析了零件的加工特征并将其分解为可用知识化表达的加工元,为有效处理加工元之间的模糊性顺序约束关系,利用直觉模糊数设计结构矩阵来建立加工元之间的约束关系。在此基础上,构建了以加工设备变换成本、装夹变换成本、刀具变换成本为优化目标的工艺路线多目标优化模型。为提高求解多目标工艺路线的求解效率,利用元胞自动机和第二代强度Pareto进化算法对工艺路线优化模型进行求解,得到由多个可行的工艺路线组成的Pareto前沿,进而通过模糊熵对其评价后筛选出最佳工艺路线。以某设备的传动箱箱体为例,验证了所提方法的可行性与有效性。     

供应商参与下的产品方案多目标优化与多属性决策规划方法

针对现有供应商参与下的产品方案规划方法在零部件优化和供应商评价等两方面所存在的局限性,提出零部件多目标优化和供应商模糊动态多属性决策评价相集成的二阶段规划方法。建立以产品零部件组合方案的质量、成本和交货期等为目标的数学优化模型,以Epsilon策略和主导性约束处理机制对强度Pareto多目标进化算法进行适应性改进后用于对该优化模型进行求解并获得有限数量的Pareto最优解。引入傅里叶级数对伯努利预测模型的误差进行修正来提高预测精度,将修正的伯努利预测模型和模糊动态多属性决策模型相结合用于对Pareto最优解中包含的各零部件供应商进行评价,进而确定出各零部件的最佳供应商和最终的产品规划方案。以供应商参与下的空分设备研发过程作为实例,进行数值仿真计算,结果表明所提出方法具有可行性与有效性。     

基于语义PROMETHEE的产品设计方案群体多准则求解

为了使产品设计方案评价和决策过程充分考虑决策者偏好特征,并避免模糊决策信息的失真,提出基于语义PROMETHEE的设计方案求解支持方法.定义了度量决策者偏好程度的权偏好函数和语义偏好函数,分别改进了传统PROMETHEE方法偏好函数在选型和数据处理上的局限性.对单一类型和区间类型的多粒度自然语义混合决策信息采用不同的语义变换模式,均转化为等效的二元语义类型作为语义偏好函数的保真信息输入.在此基础上,运用语义PROMETHEE方法的基本原理进行产品设计方案群体多准则求解.以停车设备的方案优选为例验证了本方法的可行性.     

基于Choquet积分与证据理论的 产品方案协同评价方法

利用α-截集的模糊评价法对产品方案的各个准则进行评价.考虑到不同评价准则之间具有关联性和非线性组合关系,提出基于Choquet模糊积分的产品方案总体评价合成模型.构建偏好度比较矩阵,采用模糊互补排序算法确定产品方案的优劣排序关系.针对不同领域的评价专家会给出不一致的排序结果,利用改进的证据理论来集结各专家的评价意见并得到相对稳定与协调的方案优劣排序结果.以大型空气分离设备的方案评价与选择作为实例,对该方法进行检验,证实了该方法的可行性与有效性.     

产品顾客需求权重的动态趋势预测与分析

为了在产品设计过程中更准确地理解顾客需求,给设计提供可靠的决策依据,设计人员不仅需要确定顾客需求当前的权重,更需要预测其未来的权重,以便掌握其动态趋势。针对当前顾客需求未来权重预测和动态趋势分析研究较少的情况,提出了基于变精度粗糙集和最小二乘支持向量机回归理论的集成方法,来预测顾客需求的未来权重。该方法首先利用变精度粗糙集的β分类精度方法计算了顾客需求权重;然后周期性地计算每项顾客需求权重以构建权重时间序列,引入最小二乘支持向量机回归理论对顾客需求权重时间序列进行处理,从而确定预测模型的具体表达式,进行权重预测,并通过历史的、当前的和预测的权重数据,构建顾客需求权重的动态趋势直方图,以便分析。以大倾角带式输送机为例,对该集成方法的可行性和有效性进行了说明。     

基于集对分析与演化细胞学习自动机的质量——成本控制方法

为了研究不确定信息对供应商参与下的产品质量—成本控制过程的影响,基于集对分析建立了质量—成本控制的多目标贴近度优化模型。对演化细胞学习自动机算法进行适应性改进后用于求解该优化模型,并得到相对确定条件下质量—成本控制方案集合的优劣排序——基序。考虑到不确定因素的影响,利用模糊集值统计法获得差异度系数后,按照联系度对基序重新排序,进而筛选出最佳的产品质量—成本控制方案,并为每种零部件选择合理的供应商。以大型空气分离设备的质量—成本控制问题为例进行仿真计算,结果表明了所提方法的可行性与有效性。     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

面向维修的复杂装备模块智能聚类与优化求解技术

为解决传统维修过程中由单独的维修部门被动应对既成事实的复杂装备检修问题,同时加强其他部门对于维修活动的协同能力,在复杂装备的设计阶段引入维修相关的驱动要素和维修阶段的策略选择,提出一种面向维修的复杂装备模块化设计方法。从维修成本、维修复杂度、维修效率等方面探讨复杂装备模块化设计准则,得到各维修特性的量化计算方法,通过综合考虑约束条件建立面向维修的模块化设计模型。采用青蛙跳跃算法和细菌优化相结合的混合多目标蛙跳算法对模型进行优化求解,从而得到一系列代表模块化设计方案的Pareto最优解,并利用基于信息熵理论的Pareto优选方法获取最终的模块化设计方案。以沈阳某机床厂设计生产的GMC型精密五轴加工中心为例,运用数值仿真手段验证了该方法的有效性和可行性。