炼钢-连铸-热轧批量计划的约束满足算法

为解决轧制计划编制问题,研究了炼钢-连铸-热轧一体化生产批量计划,提出了基于约束满足的启发式算法.根据炼钢-连铸阶段批量计划约束条件,从轧制计划中提炼出炉次计划和浇次计划,同时提出启发式算法求解.在两个启发式算法的基础上,运用基于参数控制的策略,编制出前后工序协调一致的一体化批量计划.数据实验结果表明了该方法及算法的有效性.     

考虑运输成本的单级多资源约束生产批量问题研究

构建了考虑运输成本的单级多资源约束生产批量计划模型,并提出了用于求解该问题的二进制粒子群算法,阐明了该算法的具体实现过程。通过对仿真实例进行计算和结果比较,表明了在生产批量计划决策时考虑运输成本可以大大降低运输费用,从而降低企业运行的总费用。     

复杂制造系统中加工批量的决策

为了避免主观设定加工批量的不合理及由此导致生产周期长、库存过多等问题,在排队论的原理上建立了基于复杂制造系统的加工批量决策问题的数学模型。根据排队论的概念,在寻求生产提前期最短、换型成本最低的工件加工批量问题上,提出了一种基于数学模型的决策方法,为复杂制造型企业在安排生产计划过程中提供了理论基础,并指导实际操作。     

一种基于动态批量的非平稳需求库存管理方法

非平稳需求的库存管理问题是运作管理的一个难题,对此提出了一个订购提前期可以任意固定的非平稳需求库存管理模型.在一定长度的计划期上,每个时间段上的动态订购点和订购批量可以通过求解该模型确定.考虑到需求的非平稳特征,采用滚动计划的方法,并设定计划将其冻结为1,以更好地跟踪需求的变化;然后通过计划的滚动,实现需求分布的更新和计划期上各时间段订购点与订购批量的更新.实证分析结果证明了所提出模型与方法的可行性与优越性.     

基于改进粒子群算法的生产批量计划问题研究

为求解基于成组单元有能力约束的生产批量计划问题,提出了一种基于二进制粒子群算法和免疫记忆机制相结合的方法,并阐明了该方法的具体实现过程。在该方法中,采用罚函数法处理约束条件,每个粒子都代表一组可用于描述具体批量计划方案的规则组合。通过对其他文献中一个仿真实例的计算和结果比较,表明该算法在寻优能力、求解速度和稳定性等方面都明显优于文献中的遗传算法。     

一种小批量作业计划的调度算法

作业计划的制定是一项非常重要的工作,通过对作业计划问题的详尽描述,提出了一种用于小批量生产的调度算法.这种算法以任务级和设备级两个层次逐层推进,来实现作业计划的制定,并且考虑了批量问题.     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

求解炼钢—连铸批量问题的自适应遗传算法

炼钢-连铸生产的批量优化问题是一个典型的组合优化问题。从物流成本优化的角度出发,研究钢铁企业炼钢-连铸生产计划的编制流程,建立作业计划的合同组批模型,并用自适应遗传算法求解。实际应用结果表明,混合钢铁流程炼钢-连铸的组批模型是有效的,算法提高了企业浇次计划编制的准确性和编制效率。求解过程在流程式批量企业具有推广应用价值。     

基于批量因子的工艺规划配置研究

为解决当前面向变批量生产中工艺规划存在的问题,以及批量变化给工艺带来的影响,提出了批量因子和批元的概念.经过企业调查,总结了变批量生产下的工艺规划随批量因子变化的特点,提出确定型和非确定型的批元类型,确定了毛坯、加工方法、资源选择、工序集中程度、工艺文档等批元与批量因子之间的匹配关系,并采用矩阵进行描述.最后,基于批元的配置理论,建立了当前批量因子下的工艺规划环境,开发了人机交互的VP-CAPP系统,为生成适合变批量生产的工艺计划提供了重要的理论基础和有效的解决方案.     

汽车冲压生产的排产优化研究

在汽车冲压生产排产优化国内外相关研究的基础上,将已有研究问题分为三类:汽车冲压生产批量计划问题、汽车冲压生产调度问题和汽车冲压生产排产集成优化问题。对这三类问题分别进行了研究,并结合实际问题,提出了汽车冲压生产排产优化的未来发展方向。     

最佳多目标经济批量规划与决策

一、概述经济批量规划问题一般是指企业的生产组织与计划中所遇到的各种规划问题,如生产计划、资源分配、存贮控制和运输规划等。一般的情况下,这些规划问题可以用单纯形法解决,即在某个特定的方面取得优化结果。由于经济批量规划可以使生产管理优化,所以它在过去确曾有过很多成功的例子。但是随着生产规模的不断扩大和工业现代化程度的提高,生产计划愈来愈变成一个复杂的、多因素的综合性问题,因此象过去那样仅仅从费用或产值方面进行单一的评价已经不够。特别是近十几年来,由于环境保     

半导体制造批量计划调度问题的量子粒子群算法研究

对半导体制造批量计划调度问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法一量子粒子群算法来实现对该问题的求解.该算法采用0-1编码方式,来实现对lot的分批和分配,并以最小完工时间为目标函数值进行寻优.最后通过具体算例,对该算法进行了仿真验证,结果表明,在求解半导体制造批量计划调度问题时,量子粒子群算法要优于二级蚂蚁算法、DSH算法,从而验证了该算法的可行性和有效性.     

CIMS环境下成组批量计划问题的模型与算法

ＣＩＭＳ中基于成组单元的生产批量计划问题是确定属于Ｍ个族的Ｎ种不同的项目在给定的计划范围Ｔ内的第一个时间段上的批量，使得在Ｔ内项目总的调整费用（族调整费用和项目调整费用之和）和库存保管费用以及生产费用之和最小（ＧＴＬＳ）。ＧＴＬＳ构造了两阶段启发式算法，通过仿真实验，测试６个问题表明，第二阶段比第一阶段明显改善。     

CIMS环境下成组批量计划问题的模型与算法

ＣＩＭＳ中基于成组单元的生产批量计划问题是确定属于Ｍ个族的Ｎ种不同的项目在给定的计划范围Ｔ内的每一个时间段上的批量，使得在Ｔ内项目总的调整费用（族调整费用和项目调整费用之和）和库存保管费用以及生产费用之和最小（ＧＴＬＳ）。ＧＴＬＳ构造了两阶段启发式算法（Ｈｅｕｒｉｓｔｉｃ），通过仿真实验，测试６个问题表明，第二阶段比第一阶段明显改善。     

根据日产量动态调整批量和提前期的物料需求计划研究

在需求不稳定的情况下,每个物料事先设定的批量和提前期可能会与需求不匹配,从而导致传统物料需求计划运算生成的计划不符合企业的实际情况。为此,提出了根据日产量动态调整批量和提前期的两种物料需求计划算法,同时将这两种算法与传统物料需求计划算法进行了比较,说明了本文所提出的算法在需求量产生波动时的优越性。     

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

作业车间多工艺路线批量作业计划优化

提出一种基于遗传算法的作业计划算法,用于解决作业车间的中小批量多工艺加工作业计划的优化问题。在作业计划算法中,提出了一种将工件的子批数量和加工工序包容在一起的染色体编码方法,使得子批数量的确定和子批加工顺序的安排能够被同时优化。以生产周期为目标优化作业计划,将遗传算法和分派规则相结合,通过交叉、变异等遗传操作,得到目标的最优或次优解。最后对算法进行了仿真研究,并给出了算法运行结果,仿真结果表明该算法是可行的。     

并行生产线的批量分割和调度优化

研究了一类并行生产线上生产调度和批量分割的同时优化问题。给出了产品在生产线上连续加工时产品批量的完工时间计算公式，并证明了该公式的正确性。考虑相邻批次在生产线上加工会产生重叠，给出了产品批量开工时间的一个下界。证明了批量连续发交时保证缓冲区总是可用的充分条件，并在此基础上提出了一个求解批量开工时间的迭代算法，该算法计算复杂度与批量大小无关。最后通过建立的批次发交模型和提出的批量分割启发算法，构造了一种基于遗传进化的启发式方法以求解该类问题。计算实验表明，该方法通过批量分割可以有效地平衡生产线上的负荷。     

基于拉格朗日松弛和遗传算法的供应链协同计划

研究了多级供应链伙伴间的生产计划协调优化问题。对集成性多阶段约束生产批量计划模型增加了关联约束和相关需求约束。基于模型的加可分性结构,利用拉格朗日松弛技术将其分解为成员独立的子问题。应用遗传算法更新拉格朗日乘子来协调成员决策,在不干涉成员决策权和私有信息的前提下,实现了多级供应链生产计划的协调优化。仿真实验证明了基于拉格朗日松弛技术与遗传算法的计划协同模式和协调方法的优越性和鲁棒性。     

基于MRP／均衡生产的诸控制模型

在讨论制造资源计划和准时制生产特点的基础上，提出适合于大批量和中小批量并存的制造系统的生产计划与控制模式，能力平衡计划，均衡生产计划的数学模型。