单阶段多产品批处理过程的短期调度2. 模型的简化

本文第一部分建立了具有并行处理设备多产品 单阶段批处理过程短期调度的基本数学模型．根据该模型和多产品单阶段批处理过程的特点 ，本文这一部分引入一些启发性规则，并将这些启发性规则融入到模型中．合理地使用这些 启发性规则不但能减小模型的整数变量、连续变量和约束的数量，使得模型表达更紧、求解 速度加快，而且能得到最优解．大量计算表明该模型求解速度快，尤其对包含多个同种订单 的调度问题更为显著．     

单队段多产品批处理过程的短期调度 2．模型的简化

本文第一部分建立了具有并行处理设备多产品单阶段批处理过程短期调度的基本数学模型，根据该模型和多产品单阶段批处理过程的特点，本文这一部分引入一些启发性规则，并将这些启发性规则融入到模型中，合理地使用这些启发性规则不但能减小模型的整数变量，连续变量和约束的数量，使得模型表达更紧，求解速度加快，而且能得到最优解，大量计算表明该模型求解速度快，尤其对包含多个同种订单的调度问题更为显著。     

冷轧合同批量调度的模糊Job Shop模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。     

多目的批处理过程的短期调度

基于状态任务网络(STN)描述批处理过程,提出了多目的批处理过程的混合整数规划(MILP)调度数学模型.建模采用连续时间描述,并将任务和设备分配集中表达为一类0-1变量.为进一步提高模型的求解效率,根据过程和所建数学模型的特点,提出了一些有效的方法,以减小模型的规模.实际计算表明,该数学模型及减小模型规模的方法是有效的.     

多目的批处理过程的短期调度

基于状态任务网络（STN）描述批处理过程，提出了多目的批处理过程的混合整数规则（MILP）调度数学模型，建模采用连续时间描述，并将任务和设备分配集中表达为一类0－1变量。为进一步提高模型的求解效率，根据过程和所建数学模型的特点，提出了一有效的方法，以减小模型的规模，实际计算表明，该数学模型及减小模型规模的方法是有效的。     

带分批优化的多级批处理过程自组织调度方法

针对一类带批次划分的多级批处理过程优化调度问题,提出一种自下而上的自组织调度方法．首先,通过构造与批处理生产过程中的订单、批次和设备相对应的自组织个体,建立自组织调度模型框架;然后,分析多级批处理调度问题的最优性质,提出分批优化规则和自组织选择策略,并在此基础上给出自组织优化调度算法;最后,通过调度实例求解结果表明,所提方法能在短时间内获得问题的最优解或近优解,进而验证了该方法的有效性和优越性．     

冷轧合同批量调度的模糊Ｊｏｂ ｓｈｏｐ模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。

     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题，其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求，轧制单元的最大长度，产品库存及交货期等。基于多旅行商模型，建立了热轧生产批量调度问题的优化模型，并提出一种混合遗传算法（遗传算法、局部搜索）求解该问题。通过应用串行边重组和并行边重组的遗传交叉算子，算法在优化过程中可以很好地处理调度约束。针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题。     

面向单臂组合设备中紧急订单的调度

随着晶圆制造模式向多品种、小批量的转变，在实际生产过程中频繁出现紧急订单插入的情况，不合理的调度策略将降低组合设备生产效率。为了提高组合设备的生产柔性，研究了在考虑晶圆逗留时间约束条件下，单臂组合设备面对紧急插单时的调度问题。首先，对紧急插单的加工过程进行分析，提出针对单臂组合设备的机械手调度规则，实现了加工过程的可调度性。其次，对于因加工参数不同产生的两种加工状态，分别推导出可调度性判断条件，然后给出用于求解机械手等待时间的数学解析式。最后，提出组合设备面对紧急插单时的最优调度算法，并通过实例验证和对比分析的方法验证了该调度方法的有效性。     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题,其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求,轧制单元的最大长度,产品库存及交货期等.基于多旅行商模型,建立了热轧生产批量调度问题的优化模型,并提出一种混合遗传算法(遗传算法、局部搜索)求解该问题.通过应用串行边重组和并行边重组的遗传交叉算子,算法在优化过程中可以很好地处理调度约束.针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题.     

基于订单更改的间歇多产品厂调度在线调整研究

针对间歇化工厂产品市场变化快的特点,提出了基于订单更改的多产品厂调度在线调整模型：该模型根据生产进度对产品进行分类,并结合原调度采取相应的调整策略,得到满意的调整方案。模型基于原调度,不需增加太多变量,故在建模和实际应用中易于实现。文中将该模型用于无限中间储罐的间歇多产品厂调度在线调整实例,并通过调度调整方案对订单更改时刻的灵敏度分析找出了目标函数的影响因素。     

A Bayesian Approach to Batch Process Scheduling

The problem of decision timing in the context of batch scheduling is addressed in this paper. The representation of time in any scheduling model affects the number of integer variables and the convexity of the model. The usual procedure in batch process scheduling is to divide the scheduling horizon into equal size intervals to achieve the required accuracy. This construction generates a formulation with a potentially large number of binary variables. In this paper, the time events arising in the schedule are modeled directly, and thus the use of binary variables over periods during which no changes in system state occur is avoided. The problem is formulated as a mixed integer nonlinear program (MINLP). The Bayesian heuristic (BH) approach is used to implement a global optimization algorithm which effectively solves the resulting model. Computational comparisons using two text examples are made against a UDM (uniform discretization model) formulation. The results suggest that the BH approach combined with the nonuniform time discretization formulation shows promise for the solution of batch scheduling problems.     

基于DEPSO 的模糊时间ZW多产品厂间歇调度

研究以最小化完工时间为目标的模糊加工时间零等待多产品厂间歇调度问题, 提出一种基于差分进化粒子群优化(DEPSO) 的间歇调度算法. 以基本粒子群算法为整体进化框架, 采用基于反向学习的方法初始化种群, 引入群体极值保持代数作为阈值, 利用基于排序的差分进化算法优化粒子个体极值位置, 改变粒子的搜索范围, 防止粒子陷入局部极值. 仿真实验验证了所提算法在解决模糊加工时间零等待多产品厂间歇调度问题上的有效性和优越性.

     

基于改进型批决策与调度建模的生产计划调度系统的研究

热轧型钢生产工艺复杂,其生产中极易出现由于计划调度安排不当而产生的交货期延误、库存超负荷等问题。针对以上问题研究设计了MES生产计划调度系统,改进了批决策调度策略用于数学建模,利用自适应遗传算法求解生产调度计划。以此为基础,为某热轧企业设计实现了生产计划调度系统,并通过真实的热轧型钢订单、原料、设备等数据,对模型改进前后的计划编制方法进行模拟与比较,验证了利用该改进型批决策与调度模型编制的热轧型钢生产调度计划可节省生产时间、降低设备调度时间,以此来指导热轧型钢的生产可切实减少交货延误和减少库存占用率,并提高企业利润率。     

A strategy for predictive control of a mixed continuous batch process

This paper deals with the on-line control of mixed processes composed of continuous and batch units in which some continuous variables must be kept as close as possible at prescribed values and the batch units must be scheduled in order to avoid bottlenecks in production. In particular, a pilot plant is considered with product recycle involving simultaneous continuous and scheduling decisions. The problem is of hybrid nature and can be formulated as a hybrid predictive control model in terms of integer and continuous variables. However, as the system must be controlled in real-time, an alternative formulation is proposed based on a hierarchical view of the problem and the use of flow patterns and time of occurrence of events in the batch units. The paper describes the process, the control problem formulation, and provides results of some test in the pilot plant.     

间歇生产调度优化模型的分周期逼近算法

间歇生产调度过程中存在许多不确定因素,其中最重要的是需求不确定.考虑需求不确定的多周期间歇生产调度优化模型采用离散或连续时间表达方式,将调度时间域分割成大量与调度决策相关的时间段,导致模型中存在大量整数变量,给模型求解造成很大困难.本研究对已有求解方法进行了分析,提出分周期逼近算法.将多周期间歇生产调度决策问题分解为第一周期调度决策问题和其余周期调度决策问题,简化结构,加快求解速度.通过方案树聚集将表达需求不确定信息的方案树转化成若干方案文件,针对每个方案文件应用确定性方法获得调度决策,但只保留第一周期调度决策,可以减小最小利益方案对期望利益的影响,提高第一周期调度决策水平;获得若干第一周期候选调度决策后,以时间收缩三阶段方法确定其余周期较优调度决策,同时应用时间收缩策略和补偿策略,提高其余周期调度决策水平;最后用期望利益评估第一周期候选调度决策并确定全部周期调度决策.实例研究证明了本文提出的算法能够提高间歇生产调度决策水平,同时加快求解速度,能够有效求解多周期间歇生产调度优化模型.     

Multi-objective scheduling and a resource allocation problem in hospitals

This study addresses the issue of scheduling medical treatments for resident patients in a hospital. Schedules are made daily according to the restrictions on medical equipment and physicians who are being assigned at the same time. The problem is formulated as a multi-objective binary integer programming (BIP) model. Three types of metaheuristics are proposed and implemented to deal with the discrete search space, numerous variables, constraints and multiple objectives: a variable neighborhood search (VNS)-based method, scatter search (SS)-based methods and a non-dominated sorting genetic algorithm (NSGA-II). This paper also provides the results of computational experiments and compares their ability to find efficient solutions to the multi-objective scheduling problem.