双资源约束作业车间动态调度研究

针对双资源约束作业车间动态调度优化问题的求解特点,基于局部时窗调度思想构造包含动态扰动分析、动态扰动评估以及动态调度方法在内的三层动态调度系统,并结合最小化调度方案修订的动态调度实际需求,设计基于染色体还原机制与局部工序的分阶段调度优化的混合动态调度算法,最后通过仿真实验验证了基于局部时窗调度思想的动态调度方法有效降低随机扰动影响的良好应用效果。     

双资源约束作业车间调度算法研究

针对存在差异性工人的双资源约束作业车间调度问题,提出一种混合蚁群算法进行求解.该算法借鉴禁忌搜索思想,基于工艺约束为每只蚂蚁建立候选解空间,通过压缩蚂蚁搜索空间提高解搜索效率;引入各种启发式资源选配策略,在蚂蚁寻径过程中渐进地为各工序配置最优的设备、工人双资源组合;以模拟退火算法作为局部搜索机制,对每次迭代的最优解进行退火优化,增强算法全局收敛能力.证明了该混合算法的搜索过程是一个有限非齐次不可约马尔科夫链后,基于马尔科夫链知识对其全局收敛性进行理论分析.最后采用仿真试验及统计分析方法确定最优的参数组合和资源选配策略,通过该混合蚁群算法与其他算法对随机算例运算结果的对比分析,表明所提算法搜索性能较强且鲁棒性较优.     

考虑双资源约束的柔性作业车间调度研究

针对考虑工人和机器约束的双资源约束柔性作业车间调度问题,建立了最小化最大完工时间、总成本和工人疲劳值的多目标调度模型,并提出了一种改进NSGA-Ⅱ(INSGA-Ⅱ)算法求解。具体改进包括设计了3层编码方案以及插入式解码策略;为提高种群质量,设计了启发式种群初始化策略;为避免算法陷入局部最优,在染色体交叉、变异阶段,设计了自适应调整机制实现种群的动态搜索进化。最后通过多组算例验证了INSGA-Ⅱ算法的有效性和可行性,并通过一组实例验证了所提算法求解实际问题的有效性。     

基于时窗的双资源约束车间调度研究

针对复杂制造环境下双资源约束作业车间调度问题,提出基于时窗调度策略的继承式遗传算法。该算法基于时窗交集充分利用数控设备加工时工人的时窗空隙;以信息素为载体传承父辈染色体种群的进化经验,并采用基于流量的改进伪随机比例转移规则和自适应云调整参数,生成分支种群;仿照动物的种群组织模式提出多种群King交叉进化模式,并针对双资源约束特点引入资源进化算子;基于被支配域的概念提出扇形分割的轮盘赌选择算子,以较小的计算复杂度选择非劣解集和较优个体。在采用马尔科夫链知识对整个算法的全局收敛性进行理论分析后,通过对随机算例仿真运算结果的统计分析,表明该算法虽然解分布均匀程度不甚理想,但算法搜索性能和收敛性较优。     

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。     

基于效率函数的双资源约束作业车间调度算法

目前对制造业领域作业车间调度问题研究中,仅考虑单一设备资源的传统作业车间调度问题已不能反应出实际作业车间的作业环境。根据实际作业车间多资源环境,建立了分别最小化生产完工期和超期时数为目标函数的设备和模具双资源约束作业车间调度模型,并采用基于效率函数的逆序调度算法对问题进行求解。最后,通过实例对算法进行验证并给出对比结果。     

基于压缩时窗的双资源约束作业车间调度策略

针对双资源约束作业车间调度问题的多重约束特点,提出分支种群遗传算法进行求解,在利用时窗比较策略进行预调度的基础上,通过分析预调度方案成本指标优化不佳、时窗空隙较多等问题,提出基于压缩时窗的再调度策略,针对双调度目标分别论证压缩时窗调度条件,通过工序的调度次序调整有效优化双调度目标。通过策略对比与算法性能比较实验证明,压缩时窗调度策略能有效增强算法的局部搜索能力,获得更加逼近Pareto前沿的调度结果。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

双资源约束下预防性维护与作业车间集成调度模型

在生产过程中需要对机器进行预防性维护和故障维修,但维修工人数量少、培养周期长、人力成本高,致使维护计划时必须考虑人力资源约束。针对该问题,建立了考虑维修工人资源和机器资源双约束的维护和生产活动集成调度模型;根据威布尔公式计算出最佳预维护周期,设定预维护时间窗口,在时间窗口内进行预维护,根据机器累计加工时长进行判断,脱离窗口可能需要的故障维修;最短生产周期为优化目标,采用改进遗传算法求解模型,采用三层编码方式,引入精英保留策略,通过算例仿真实验寻找作业车间维修工人最佳配比数量。与未考虑双资源约束的研究进行对比,验证模型与算法的可行性与有效性。     

双资源多目标车间调度算法研究

针对双资源约束的车间调度问题,考虑机器和操作工人两种生产资源对各种目标的约束影响,提出一种基于遗传算法和禁忌搜索算法的混合调度算法,使用多目标决策理论,使生产周期、工件总延误时间、设备闲置时间、人员闲置时间的综合指标值为最小,得到多目标的最优解或次优解.最后对算法进行试验,试验结果证明该算法可行,具有很好的搜索性能和效率.     

单元型制造车间的双资源调度研究

研究了单元型制造车间的双资源调度.针对新到达的工件,首先将其分配到对应的加工单元上,或构建一虚拟加工单元,并采用四轮分配法为每道工序分配设备,采用遗传算法进行加工排序后,再通过四轮分配法为已分配任务的设备分配工人.给出了调度系统的结构及一个双资源调度的实例.     

工艺路线可变的双资源双目标车间调度优化

将遗传算法与启发式调度规则相结合 ,研究了工艺路线可变的双资源双目标的作业车间调度优化问题。在探讨过程中 ,不仅考虑到了每个工件有几条可行的工艺路线 ,而且考虑到了工件的调度受到机床、工人等资源的制约 ,以及在加工过程中发生的储存费用、机床的加工费用和工人的劳动费用对工件调度的影响 ,设计了以生产周期和生产成本综合优化为目标的适应度函数。启发式调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性。最后给出了算例 ,并对计算结果进行了分析和讨论     

带有缓存约束的作业车间调度求解方法

针对已有的启发式算法在应用于带有缓存约束的作业车间调度时求解精度不高的问题,提出将解决方案从工件层级扩展到工序层级,并采用遗传算法对问题进行求解,以得到精度更高的解.同时,为避免传统遗传算法过早收敛和陷入局部最优,结合自适应交叉变异概率和良种交叉算子对算法进行改进.最后,通过实验计算结果,验证了算法能在同等缓存容量下获得精度更高的解.     

基于约束满足的Job-shop车间生产再调度系统

讨论基于约束满足的再调度过程和策略,并使用Ilog优化组件实现基于约束满足的Job-shop再调度原型系统,系统可以对常见突发事件引起的原有调度方案的变动进行处理,并通过实例验证该系统的有效性。     

多资源车间生产调度优化问题的研究

车间生产调度问题的实质是寻找一个最佳的车间生产加工任务分派和车间制造资源分配方案,是一个典型的优化问题。车间生产调度问题的优化模型又可分为单资源约束和多资源约束的2种作业车间调度问题。现主要探求多资源约束条件下的优化模型,并引入优化算法,根据相应的数据,求解其满意解。     

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中,大多忽略了工件运输时间这一因素,并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题,提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先,以完工时间、生产成本、能耗和人体工程学风险为优化目标,构建了柔性车间调度数学模型,并结合多目标模型的特点,设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解;然后,采用熵值法评价了帕累托解集,基于三层编码并考虑了运输时间的插入式解码方式,设计了混合初始化方法,离散改进了蜉蝣更新方式;最后,为了验证IDMA求解DRCFJSPT的性能,采用MATLAB,对某机床零件加工企业生产数据进行了实验,并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明：改进算法的解集质量和收敛性能均显著优于参考算法,通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元,能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。     

柔性车间生产资源与AGV物流资源联合优化调度

柔性车间生产资源与物流资源关联性越来越强,各资源独立调度无法实现系统的高效率运行。针对此问题,提出了基于二维度自适应遗传算法的车间生产资源与物流资源联合调度方法。明确了AGV系统组成、工作模式和分配策略,建立了柔性车间的栅格地图模型;以车间完工时间最小为目标,建立了生产资源与物流资源联合调度模型;从时间和空间2个维度设计自适应算子,提出了基于二维度自适应遗传算法的联合调度方法。经合作企业某车间生产验证,二维度自适应遗传算法联合调度方案的完工时间为68 min,小于遗传算法和自适应遗传算法调度方案;经参数敏感性分析可知,二维度自适应遗传算法鲁棒性好,对不同情况下的车间调度问题都具有较好的性能。     

基于优化模拟退火算法的航天薄壁结构件车间布局优化

针对某航天设备生产车间生产效率低,物流成本高等问题,首先通过相关算法的研究对比,提出算法混合的一般性原则,并得出:对于遗传算法和模拟退火算法,能够将两个算法的优缺点互补,即遗传算法易收敛特性,模拟退火算法能够较少受到初始解影响,接着基于该原理设计了混合算法。该算法能够继承两个算法的优点,同时避免了两个算法的缺点,即遗传算法容易局部收敛,模拟退火算法收敛时间较长、速度慢等缺陷,并在多行布局环境下对算法的收敛性、最优解进行验证。最后通过Plant Simulation仿真软件,以某航天零件加工车间为研究对象,进一步对算法的优越性进行仿真验证。仿真结果证明,优化后的车间布局能提升车间生产效率。     

批量生产作业车间的双资源多目标调度问题研究

对于批量生产调度问题,根据批次判定公式确定每种工件能划分的批数及每批的工件数,然后把每个子批当作一个新的工件进行调度。采用遗传算法和禁忌搜索算法相结合的混合优化调度算法,用于解决同时考虑设备和工人的双资源问题,以及综合考虑生产周期、工件总延误时间、设备闲置时间和工人闲置时间的多目标综合优化问题。其中采用多目标决策理论用于确定遗传算法中的目标函数,以及由非劣解集合获得较优解。调度算例表明本研究能获得很好的调度效果。