柔性制造车间设备产能配置与布局集成优化

为解决因设备产能配置过程中常忽略后期对其布局影响的问题,针对设备配置与设备布局展开协同优化。基于柔性制造车间零件工艺路径可选、不同加工零件采用不同的搬运设备和搬运批量的特点,考虑规划期内待加工零件的产能需求约束,以最小化设备购置成本和物料搬运成本为目标,建立柔性制造车间设备产能配置与布局集成优化模型。采用免疫遗传算法对该模型优化求解。为了保证算法的搜索效率和种群多样性,引入抗体浓度计算来强化个体间的交流,同时通过免疫记忆机制避免最优个体丢失和被破坏,确保算法的全局搜索能力。通过算例,将集成优化模型结果与设备产能配置、设备布局分开优化的结果进行对比,验证了集成优化模型和算法的有效性。     

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。     

车间多排设备布局问题的优化研究

在车间多排设备布局问题上往往存在限制条件多、设计方案不合理的情况。针对车间多排设备布局问题的特性,提出一种车间布局优化模型,并且利用遗传算法变异策略优势改进粒子群算法,使得设计方案更加合理。首先,将车间设备进行坐标化,建立了基于总物流成本最小的目标函数。经过综合分析,量化了各工序之间的物流关系。然后根据消防通道、设备占地与间距等非物流因素采用分级惩罚思想建立各种约束。此外,利用随机生存的初始种群,采用加入遗传算法的自适应变异策略的粒子群算法搜索最优车间布局。最后,通过一个案例研究了该模型的工作原理。与系统布置设计(Systematic Layout Planning, SLP)方法和遗传算法(Genetic Algorithm, GA)相比,该方法在解决多排设备布局问题效果更好。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。     

基于SLP和粒子群算法的车间布局优化研究

当前社会经济下行风险增加,企业面临提升核心竞争力的压力与挑战,合理的车间布局,能减少企业在制品库存,提高空间利用率,降低生产成本。在传统SLP方法的基础上,对车间物流相互关系和非物流相互关系进行系统分析,并构建了物料搬运成本最小和非物流关系密切程度最大的多目标规划模型,结合粒子群算法,得出优化布局方案。通过实际应用案例,验证了优化方案的有效性。结果表明通过SLP和粒子群算法结合能有效解决车间布局优化问题,为企业解决布局问题提供参考。     

基于自动导引车单向导引路径网络的智能车间设备布局规划

传统的设备布局设计规划方法通常采用两个设备之间的直线距离或者曼哈顿距离作为优化变量,而没有考虑工件搬运设备在实际行驶过程中的路线。在以自动导引车为主的智能车间中,则必须考虑实际物流路径和物流效率。基于自动导引车单向导引路径,采用搬运频率、单位距离成本、最短有向距离等参数建立智能车间设备布局模型,进而利用混沌遗传算法来实现对物流路径的优化和生产设备布局模型的解算。最后,通过对某缸盖智能生产车间的设备布局规划问题的具体研究,借助MATLAB将本文提出的优化算法与遗传—模拟退火算法和简单遗传算法进行对比试验,并将3种优化算法的最终结果在Plant Simulation平台上进行仿真运行,试验结果表明了所提出的基于自动导引车单向导引路径网络的智能车间设备布局规划方法的有效性。     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

混合蜂群算法求解柔性作业车间调度问题

为解决柔性作业车间调度问题,提出一种基于蜂群模型的混合群智能优化算法.在算法初始化阶段提出了蜂群优化算法结合随机方法的种群初始化方法,提高了初始种群质量;为提高算法搜索精度,在观察蜂阶段采用模拟退火算法更新观察蜂群,并以退温系数调节邻域规模,随算法进程细化搜索范围;针对柔性作业车间调度问题特点,建立了可控规模的邻域更新方法.采用柔性作业车间标准算例,通过仿真编程和与其他算法的比较,验证了算法的有效性和优越性.     

考虑布局熵的多态性车间布局稳健优化模型与算法

为满足大规模定制和产业集群下多品种、小批量的市场需求和订单动态波动的客户需求以及车间低成本、高稳健性的布局要求,设计了以单位面积布置成本、单位产品物流成本和布局熵为优化指标的多目标布局优化模型。提出了基于Pareto优化的聚类并行多目标遗传算法,引入模糊C-均值聚类算法以提高Pareto解集分布的多样性与均匀性,设计了多元胞差分进化重插入操作与基于“精英策略”的移民操作,增强了算法全局与局部搜索能力,有效避免了早熟现象。通过典型算例对比,验证了模型和算法的有效性;同时在企业布局实例应用中,获得了既能满足低成本又能将布局熵值控制在理想范围内的车间布局方案,表明模型具有良好的实用性。     

基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化

针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,提出了作业车间布局改善问题。以物料搬运费用最小、单元移动费用最小、作业单元包络矩形面积最小及非物流关系最大为目标,明确布局约束条件,构建车间布局多目标优化模型。在差分元胞多目标遗传算法的基础上,设计并引入动态变异策略以改善算法的全局搜索能力,提出用于解决布局模型的动态差分元胞多目标遗传算法,通过实例计算与结果分析验证了模型及算法的有效性。     

基于多目标候鸟算法的车间布局研究

针对因车间布局不合理导致的设备之间物流混乱、效率低下等问题,通过优化数学模型及采用基于多目标的改进候鸟算法可有效地解决此问题.在经典候鸟算法的基础上,优化了编码解码过程,引入修复优化算子处理不可行解,同时改进了种群更新方式,增强了算法全局搜索以及局部搜索的能力,并将所有非支配解进行排序,以得到最优方案.试验结果表明,基...     

Application of an efficient modified particle swarm optimization algorithm for process planning

In the modern manufacturing system, many flexible manufacturing system and NC machines are introduced to improve the production efficiency. Therefore, most parts have a large number of flexible process plans. However, a part can use only one process plan in the manufacturing process. So, the process planning problem has become a crucial problem in the manufacturing environment. It is a combinatorial optimization problem to conduct operations selection and operations sequencing simultaneously with various constraints deriving from the practical workshop environment as well as the parts to be processed. It is a NP-hard problem. In order to solve this problem effectively, this paper proposes a novel modified particle swarm optimization (PSO) algorithm to optimize the process planning problem. To improve the performance of the approach, efficient encoding, updating, and random search methods have been developed. To verify the feasibility and effectiveness of the proposed approach, seven cases have been conducted. The proposed algorithm has also been compared with the genetic algorithm and simulated annealing algorithm. The results show that the proposed modified PSO algorithm can generate satisfactory solutions and outperform other algorithms.     

可重构制造系统工艺路线与系统布局设计研究

为使可重构制造系统的重构过程更加快速有效,提出了一种工艺路线和系统布局设计的方法.首先,基于图论构建了可重构制造系统工艺路线的有向网络模型,并采用Dijkstra算法和双向扫视算法,进行最优工艺路线和备选工艺路线的选择;然后,以工艺路线为基础,依据排队论中的相关理论,对制造系统的布局进行优化设计,以获得可重构制造系统布局方案.实例表明,该设计能够适应可重构制造系统快速多变的特征,提高对制造系统已有资源的利用率.     

基于DMPSO算法的大型船舶动力部件生产车间布局优化

大型船舶动力部件必须具有良好的内部组织和极高的尺寸精度要求,合理的车间布局能有效改善工艺,降低设备间的物料搬运成本。以降低车间物料搬运成本为目标,采用二维向量表征设备的空间位置,建立相应的布局数学模型,并用一种新模式粒子群优化算法对模型进行求解。该算法根据粒子的分布情况和算法所处的迭代阶段来动态改变惯性因子大小,并对每个粒子的飞行情况进行调整,从而提高了粒子搜索到全局最优解的可能性。通过对比三组加速因子方案选取最优结果来提高算法的寻优质量。最后给出了船用曲轴车间布局算例,结合车间实际情况得到了优化后的布局,并对优化后的车间布局进行三维可视化建模。结果表明,该算法有较强的寻优能力,能有效减少物料搬运费用,在实际车间布局中切实可行。     

利用GASA混合算法对离散生产系统车间设施布置优化研究

这里通过分析模拟退火算法和遗传算法的特性,将两种算法去粕取精,引出GASA混合算法。建立以生产车间布置为研究对象的数学模型,应用GASA混合算法对模型进行优化,并采用VB语言编写车间布置优化程序。通过实例分析表明,利用GASA混合算法对离散生产系统车间进行优化布置,可以最大程度降低企业搬运成本。     

柔性自动化车间的最优随机生产计划

研究了由多个柔性制造系统组成的柔性自动化车间的最优随机生产计划问题,首先根据实际需要建立车间生产计划的随机非线性规划模型,为求解方便,将其近似转化成确定非线性规划模型,并通过引进约束进一步转化成线性规划模型。由于这种模型规模较大,很难在微机上用单纯形法在可接受的时间内获得其最优解。为此,分别用卡马卡算法和基于卡马卡算法的关联预测法,求解柔性自动化车间最优生产计划问题,并编制了相应软件。最后通过算例研究,比较了卡马卡算法、基于卡马卡算法的关联预测法和Matlab中的线性规划法,结果表明,所提方法非常适合将不确定性环境中的随机产品需求计划,最优分解成由柔性自动化车间中各柔性制造系统执行的短期随机计划。     

面向不确定性的车间布局调度集成建模与优化

针对制造系统的不确定性和车间布局调度协同优化难题,研究了不确定环境下车间布局调度集成优化问题,旨在耦合车间布局调度中的不确定因素,实现制造系统的高效有序运作。选取工件需求、工序加工时间和设备故障作为影响布局调度集成优化的不确定因素,构建以制造过程中总费用、总完工时间最小和鲁棒指标最大为优化目标的面向不确定性的车间布局调度集成优化模型。设计了一种具有改进选择算子的NSGA-Ⅲ(NSGA-Ⅲ with improved selection operator, NSGA-Ⅲ-ISO),改进选择算子增强了算法的全局搜索能力和稳定性,同时引入PBI距离并改进其极小值取值方法。通过基准函数测试结果表明,新算法具有更好的前端分布性和收敛性。将集成模型和改进的求解算法应用于车间布局调度工程实例,其结果进一步验证了模型和算法的有效性和可行性。     

An image acquisition system for real-time seam tracking

Process planning is a function that establishes the technological requirements necessary to convert a part from its raw material to the finished form. Generally, the result of process planning is delivered to the workshop to guide the manufacturing process in the form of process plan. However, a part always has multi alternative process plans for the processing means and techniques are not unique, therefore, optimization and selection of process plans is an important task of flexible process planning. In this paper, the flexibility of process planning and the AND/OR network adopted to represent the flexibility of process plans were described, and a mathematical model for the optimization of flexible process planning based on the AND/OR network was established. On this basis, a new heuristic method, called cross-entropy (CE) approach, was proposed to optimize flexible process planning. In order to facilitate the implementation of the CE-based approach, the new sample representation and probability distribution parameter were introduced; meanwhile, the new sample generation mechanism was presented and the updating expression of probability distribution parameter was deduced. Case studies, used for comparing this approach with genetic algorithm (GA) and genetic programming (GP)-based approach, were discussed to indicate the performance and adaptability of the proposed CE-based approach in terms of the solution quality and computational efficiency of the algorithm. The results show that the CE-based approach is effective for the optimization research of flexible process planning.