变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题。首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周期性滚动遗传算法。前者能快速协同各关联任务,但其决策分散,缺乏全局优化力度;后者进行全局周期决策,但扰动将导致性能的下降。最后构建了一般化的仿真模型,并设计了大量的比较实验,分析了不同综合扰动强度对两种调度策略的影响,为实际生产调度策略选择提供了有效的依据。     

扰动累积下基于机器学习的重调度方式选择

针对扰动累积下重调度方案甄选问题,提出了一种基于数据学习的重调度方式选择方法。利用累积误差时间来量化隐性扰动,用数据反映实时生产加工状况;构建扰动累积下重调度模型,基于遗传仿真获取评价重调度决策的因素、决策标签。分析仿真样本特征,并基于数据特征降维映射,构建基于支持向量机的分类决策模型以学习生产状况与重调度方式的内在联系,从而帮助生产管理者快速制定决策,提高响应速度。实验验证了所建立重调度方式选择框架的合理性和有效性。     

个性化定制车间生产-物流协同调度框架与算法研究

为解决个性化定制车间生产-物流协同动态调度问题,提出一个完全反应式调度信息-物理系统框架。在该框架基础上,提出一种“单步”调度算法并重点设计了一个综合考虑客户满意度、设备利用率与能耗的任务优先级计算规则。由于“单步”调度算法每次只考虑当前一步的生产或物流任务的调度,生产-物流协同能力较弱,所以为了弥补该缺陷,又在其基础上提出一种综合考虑生产与物流两步任务调度的“双步”调度算法。针对车间内可能发生的设备故障等扰动,设计抗扰动机制以增强两算法的抗扰动能力。仿真试验结果表明,“单步”调度算法虽然优于传统调度规则但却不如“双步”调度算法;后者能在一定扰动情况下,更好地配置生产与物流资源,且在“工件平均提前/拖期成本”指标上表现尤为出色,更能适应个性化定制场景。     

扰动环境下的生产网络连锁效应

为了进一步揭示扰动环境下生产系统的连锁传播机理,将复杂网络传播动力学理论应用于生产系统。以复杂网络视角对扰动环境下生产系统的多态性进行描述,深入分析扰动环境下生产网络的多种状态及状态间的演变特性。综合考虑节点自身的动力学行为、节点间耦合特性及扰动传播过程,提出基于改进耦合映像格子的网络连锁传播动力学模型,进而展开算法设计。以某机电企业为例,设置4组仿真实验深入探讨初始扰动的剧烈程度,以及扰动传播源节点特性差异对生产网络连锁失效规模和进程的影响。研究结果可为有效预防雪崩式效应对生产网络造成的破坏提供参考和借鉴。     

物联网环境下混流生产车间两级动态调度研究

针对不确定的动态事件干扰混流生产车间预先调度实施的问题,对调度信息传递、车间扰动恢复、多目标优化等问题进行了研究。建立了以RFID技术为支撑的物联网环境下实时工况驱动的调度-重调两级动态调度机制,在物料消耗速率均衡化、最短化最小生产循环周期的两个预调度模型基础上,构造了混合布谷鸟搜索求解算法;基于扰动事件的特性,采取事件和周期混合驱动的调度策略,通过滚动窗口技术和混合布谷鸟搜索算法对重调度进行了求解,利用仿真平台对调度模型及混合布谷鸟搜索算法进行了测试。研究结果表明:该物联网环境的构建符合车间实时动态调度需求,能够实现工况信息的及时传递;调度机制能够有效应对各类扰动,满足了混流车间实际调度需要;算法求解速度快,获得的解质量良好。     

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。     

机器故障下柔性作业车间的生产重调度方式决策模型

在机器故障后采用何种方式进行生产重调度，直接影响到柔性作业车间的生产效率和稳定性。为此，提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型，以便在给定故障情形下经济、高效、快速地估计出最优重调度方式。首先，针对柔性作业车间，仿真生成不同机器故障情形下、各种重调度方式下的重调度方案，比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标，将综合指标最小的重调度方式判定为给定情形下的最优方式，产生出带标签的大规模样本。在此基础上，构建基于遗传—神经网络的重调度方式决策模型，挖掘机器故障与重调度方式的内在联系，估计不同故障情形下的最优重调度方式。其中，遗传算法先用于确定BP神经网络结构，再用于优化权值和阈值。实验证明所提出决策模型能显著提升机器故障下柔性作业车间的决策效率与反应能力。     

复杂作业模式下车间动态调度问题的研究

对复杂作业模式下车间生产过程中的动态扰动进行了分类,并以此为基础,建立了基于扰动类型的动态调度策略,提出了自动调度与人工调度相结合的双重调度机制,并给出了相应的动态调度过程模型。该方法既保证了扰动响应的灵活性,又综合了典型调度算法单目标的精准性和人工经验的实用性,为有效解决复杂作业模式下的车间调度问题打下了良好的理论基础。     

订单加急扰动下柔性生产车间动态完全重调度

为了提高订单加急扰动时柔性生产车间重调度的效率,提出了基于邻域拥挤度淘汰NSGA-II算法和优先加工通道的重调度方案。针对订单加急扰动下重调度问题,建立了减少车间能耗和完工时间的双重优化模型。构造了多目标优化问题的邻域,提出了基于邻域拥挤度淘汰NSGA-II算法的柔性车间静态调度方法。当订单加急扰动发生时,设计了基于优先加工通道的完全重调度方案。使用Kacem02标准算例对静态调度性能测试,文章算法的优化目标极值小于标准NSGA-II算法和混合NSGA-II算法,说明该算法的优化能力更强。订单加急扰动后,优先加工通道和滚动遗传算法均将加急订单完成时间由18 min提前到14 min,但是前者保持了整体完工时间不变,而后者整体加工时间由18 min增加到20 min,结果表明优先加工通道在柔性车间重调度中具有更好性能。     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

基于数字孪生的车间扰动判别与重调度研究

针对车间生产过程中扰动事件频发、扰动影响程度难以判别以及现有重调度方案应用不理想等问题,提出一种基于数字孪生的车间重调度方法,建立了扰动分层判别机制,分别采用数字孪生虚拟模型与支持向量机(Support Vector Machine, SVM)分类决策模型识别显性与隐性扰动,为重调度触发提供决策;通过算法与数字孪生虚拟模型协同优化,得到兼具效率和稳定性的重调度方案。以某大型机械制造工厂为例,仿真实验结果表明,建立的扰动分层判别机制能对车间扰动类型进行有效判别,通过数字孪生虚拟模型仿真输出性能指标能够判定显性扰动,SVM分类决策模型对于隐性扰动的识别具有较高的准确率;基于数字孪生的车间重调度方案可得到效率较高、工序变动成本较低的重调度方案,提高了车间的生产性能。     

MES环境下作业车间多级动态调度方法研究

作业车间存在着许多不确定信息干扰生产,为有效解决制造执行系统环境下作业车间的动态调度问题,设计了一种基于实时数据采集的多级作业车间动态调度方法。在静态调度基础上,根据车间生产中实际情况,考虑了紧急插单、加工延时、机器停工等影响排产的扰动因素,建立作业车间动态调度模型,设计了缓冲吸收、调度修复及完全重调度相融合的调度方法。以交货期为目标,通过算例演算,实现了对动态扰动因素的满意处理,验证了方法的有效性。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

基于设备整体效能和多Agent的预测-反应式调度

生产过程中存在许多不确定性事件,其影响直接表现为生产效能方面的损失.为了减小这种影响,基于设备整体效能的角度,分析了不确定性事件对生产过程的干扰和对调度过程的影响,提出了一种基于设备整体效能的具有鲁棒性的预测调度实现方法,设计了一种基于多Agent协作机制的预测-反应式调度系统模型.仿真试验表明,该方法有助于提高调度系统抵御干扰生产的能力,增强反应式调度的应用效果.     

一种多品种变批量柔性作业车间调度方法

文中针对多品种变批量柔性生产车间交付周期长、设备利用不均衡、生产效率低的问题,提出了一种基于遗传算法的多品种变批量生产调度方法。该方法以最长完工时间和设备总负载为目标构建多品种变批量生产调度优化模型,并基于遗传算法求解该模型。同时考虑在实际生产过程中存在的动态扰动事件,设计并实现了一种基于扰动事件驱动的重调度方法。通过对某发动机的气门传动机构进行测试,验证了文中所提方法的可行性和有效性。     

基于动态数据驱动的钢铁生产仿真系统研究

钢铁生产过程工艺复杂、不确定成分多。当扰动事件发生时,传统静态仿真系统无法做到实时动态地数据注入,从而影响调度方案的制定。为了解决不确定事件扰动下的钢铁生产调度问题,基于动态数据驱动应用系统思想,提出了动态数据驱动的钢铁生产调度仿真方法,采取多Agent技术建立了钢铁生产仿真系统模型,并详细论述了系统的框架结构、功能和运行机制,对钢铁生产调度问题的深度研究具有一定的指导意义。     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

基于BP神经网络的不确定性动态Job-shop调度研究

针对作业车间调度的不确定和动态问题,围绕设备故障、订单追加、紧急订单插入3种典型的不确定性情况提出1种基于BP神经网络的重调度方法。当生产过程中发生不确定性事件对原先调度方案产生巨大扰动时,通过已构建且训练好的BP神经网络快速进行响应并生成1个重调度方案,保证整个生产过程高效、有序、稳定地运行。通过仿真实例验证了可行性。     

订单优先权的置换流水线订单排序问题

不同订单对企业来说重要度不同,而传统的置换流水车间调度研究主要解决订单平等下的总完工时间最小问题。应用模糊层次分析法找到订单优先权排序,将每种订单排序与订单优先权排序进行一致程度对比,在此基础上构建了一个考虑订单优先权的置换流水车间生产调度模型,该模型能够求解综合考虑订单重要度和总完工时间的最优订单生产排序。最后运用遗传算法对该模型进行求解,并对结果进行分析,得出优先权系数w对生产调度的指导意义。     

面向半导体生产的改进的混合重调度策略研究

针对面向半导体生产的重调度策略,在分析比较了已有的周期性重调度策略、事件驱动型重调度策略和混合型重调度策略的基础上,提出了一种新的改进的混合重调度策略.该策略从两方面对现有的混合策略进行改进:一是综合考虑多种重调度因素对引发重调度的影响;二是加入最小重调度时间间隔约束,从而既能有效跟踪半导体生产系统多种扰动,又能控制计算量,以保证系统实时性.最后,以实例说明了所得出的改进的混合重调度策略的应用.