面向应急动员批产的流水式制造单元构建技术

针对国防应急动员批产生产线的规划问题,提出了流水式制造单元构建技术,建立了以产品生产节拍为核心的流水式制造单元构建目标模型.该模型通过对产品组合、生产批量和交货期的分析,确定了生产节拍和制造系统初始规模.利用成组聚类分析方法,构建了基于零件工艺路线相似性分析的初始制造单元.提出了基于启发式规则的工艺路线确定方法和设备资源优化分配机制.综合考虑零件是否为关重件,以及零件是否全部按期完成加工(齐套生产)和生产节拍等因素,实现了制造单元的优化调整,形成了设备共享能力定量分配方案的单元化制造系统.开发了软件系统,并通过实例验证了所提算法的有效性,为战时国防动员生产提供了可行的解决途径.     

可重构制造系统中基于相似性理论的虚拟制造单元生成方法

为实现可重构制造系统的逻辑重构，应用相似性理论对多种工件的多工艺路线进行相似性分析，提出了基于工艺相似性理论的设备集合模式的概念。建立了基于设备集合模式、图论和集合论的虚拟制造单元生成的框架模型，以及生成的有关定义、规则及算法。生成的有关定义包括伪设备、例外设备、设备集合模式识别和工艺路线更新等；生成规则包括候选首末设备生成和侯选制造单元处理两类规则；生成算法包括初始输入数据处理、候选制造单元生成、工艺路线更新和例外设备处理4个子算法。用Visual C 实现了所给出的算法，并通过示例测试验证了算法的正确性。     

基于专家系统的制造单元构建研究

提出基于专家系统构建制造单元的方案.在零件存在多工艺路线、工序存在多可选设备的基础上,综合考虑加工成本,加工时间、加工顺序、设备能力、物流最小等实际生产约束条件,以最短加工时间、最佳设备及单元平衡、最少跨单元加工、最小成本等作为重构优化目标,采用四轮分配设备、单元负荷平衡计算、跨单元物流成本计算的处理技术,实现了制造单元的快速构建,导出了零件集合及设备集合,并通过实例验证了算法的有效性.     

面向订单制造的可重构制造系统中虚拟制造单元构建技术

为适应单件、小批、个性化和市场需求动态多变的特点.研究了多种不同交货期生产订单并存时的可重构制造系统中虚拟制造单元构建问题.构造了以连续加工产品间相似系数之和最大、工作加班时间最少、单元的封闭性最好(工件跨单元搬运次数最少)、制造系统重构成本最小及设备生产负荷均衡为目标的非线性多目标0-1整数规划模型.采用两阶段的求解策略进行求解.在第一阶段采用启发式方法对非瓶颈设备和工艺进行预处理,以缩小问题解的搜索空间;第二阶段采用一种基于网格计算的分布式平行协同多目标粒子群算法,随机搜索Pareto优化解集.最后,利用globus 4.0 工具箱搭建计算网格和Java语言实现了算法.从生产实际出发给出了算例,证明结果可行,从而验证了算法的有效性.     

基于目标级联法的动态零件族跨单元生产的单元调度研究

研究单元生产环境中零部件生产工艺不相同情况下动态零件族跨单元生产的单元调度问题。以最小化单元制造系统的总流程时间为目标,对各生产单元的重组零件族进行生产调度,采用分级调度算法对该问题进行研究。算法将调度过程分为三层,即时间决策层、分配决策层和路径决策层,以时间决策层为最终优化目标,通过将时间分解至分配决策层再至路径决策层,下层时间达到最优后反馈至上层,层层优化来实现对单元制造系统的有效管理。最后通过算例验证该算法在单元生产环境下,能够根据加工时间和加工数量动态、合理分配零件到各生产单元,形成动态零件族,并优化工件在各单元的加工路径,具有一定的合理性和有效性。     

基于自适应粒子群算法的制造单元集成构建方法

为避免制造单元构建过程中各个环节分开孤立研究导致的问题解空间损失和工件选择单一工艺路径而引起的制造单元忙闲不均现象,利用并行工程的思想对三个环节进行了集成优化方法的研究,建立了多目标集成优化模型,并设计了基于结构化编码的自适应粒子群算法.通过仿真实验,验证了模型和算法的可行性和有效性.     

基于改进粒子群算法的制造单元构建方法研究

针对制造单元构建问题的特征,构建了以最小化单元内部及单元之间物流费用为优化目标,综合考虑设备单元分组和单元内设备具体排序的制造单元模型。同时,针对模型求解的复杂性,设计了改进粒子群算法,通过两种编码方式实现单元分割点和位置的有序统一,并对交叉算子进行非线性设计,使交叉概率随种群中个体适应度值的变化而自适应修正,防止了算法的局部最优。最后通过实际案例,验证了模型和算法的有效性。     

面向模具制造的柔性制造单元调度策略

针对模具制造过程中柔性制造单元作业任务难以合理分配的问题,以最小化工件组的完工时间为优化目标,建立了调度问题数学模型,并提出了一种遗传禁忌优化算法.最后,通过实例分析说明了所提方法的可靠性和高效性.     

敏捷制造单元重构算法

敏捷制造单元动态重构的实质是制造资源的优化选择及制造单元的构建。首先运用规划理论解决了针对待加工任务的可利用制造资源优化选择问题。其次，运用模糊数学理论，提出了基于粒度适中原则的模糊聚类方法，完成制造资源及待加工工件的聚合，实现了敏捷制造单元的构建。实例表明，设计的两阶段重构算法可有效地完成敏捷制造单元的重构过程，实现资源面向任务的动态优化。     

模糊制造系统中的不同尺寸工件单机批调度优化

将工件尺寸不同的单机批调度问题扩展到模糊制造系统中,建立了基于模糊批加工时间和模糊批间隔时间的制造跨度模型,提出了一种集成粒子群优化和差异演化的混合算法,将制造跨度最小化.为提高算法的收敛速度,设计了基于工件优先值向量的统一编码方式,并采用线性的缩放因子以确保足够的差异化信息;为解决差异演化算法早熟收敛的问题,将粒子群优化的全局搜索技术嵌入了差异演化算法;最后,在解码时利用批调度的启发式算法,将混合算法的个体加以优化分批.仿真实验结果验证了该混合算法的求解性能优于目前文献中的其他算法.     

基于物理制造单元的网络化制造资源建模及信息集成

针对分散的网络化制造资源,研究了基于物理制造单元的网络化制造资源建模,以及基于可扩展标记语言的制造资源信息模型和信息集成方法。建立了包括物理制造单元层、工作中心层和物理设备层的制造资源组织模型,定义了包括基本信息、制造能力、物理构成、状态信息、工装信息的物理制造单元信息模型。提出了制造资源信息的可扩展标记语言建模方法,研究了制造资源信息的XMLSchema描述规范,实现对异制造资源的描述;提出了基于可扩展标记语言的异地制造资源信息集成框架,应用于面向物理制造单元资源信息动态集成的网络化可重构制造资源优化配置平台开发。     

Design of cellular manufacturing systems using objective functional clustering algorithms

Cellular manufacturing (CM) has emerged as an alternative to conventional batch-type manufacturing owing to the former's capability of reducing set-up times, in-process inventories and throughput times. It provides the basis for implementation of just-in-time (JIT) and flexible manufacturing systems (FMS). The machine-part group formation is an important issue in the design of CMSs. This paper presents objective functional clustering algorithms for cell formation problems in the design of cellular manufacturing systems. A deterministic objective functional algorithm (hard clustering) and a fuzzy objective functional algorithm (fuzzy clustering) are used to form the part families and machine cells simultaneously. A collection of data sets from open literature is used to test these algorithms. A software package has been developed to verify the implementation.     

基于物理制造单元的网络化制造资源建模研究

面向未来数字化制造模式 ,提出对企业制造资源分三层进行管理 ,即物理制造单元层、工作中心层和物理设备层 ;针对生产制造过程中各个应用环节对制造资源的需求 ,利用面向对象方法对物理制造单元从基本信息、制造能力信息、物理构成、状态信息和工装信息等五方面进行了建模研究 ;对于物理制造单元的制造能力信息分别面向逻辑制造单元和物理制造单元可加工零件类别进行建模 ;最后将该模型应用在网络化协同工艺系统和可重构制造资源优化配置平台中 ,给出了具体的应用方案。     

An Adaptive Genetic Algorithm for Manufacturing Cell Formation

An adaptive genetic approach is proposed as an effective means of providing the optimal solution to the manufacturing cell formation problem in the design of cellular manufacturing systems. The proposed approach generates the optimal formation of machine cells and part families by sequencing the rows and columns of a machine-part incidence matrix, so as to maximise the bond energy of the incidence matrix. In order to enhance the performance of the genetic search process, an adaptive scheme is adopted, so that the genetic parameters can be adjusted during the genetic search process. The effectiveness of the proposed approach is demonstrated by applying it to two numerical examples and 11 benchmark problems obtained from the literature. The computational results show that the proposed approach provides a powerful but simple means of solving the manufacturing cell formation problem and thus facilitates the design of cellular manufacturing systems.     

A tabu search approach to the cell formation problem

The cell formation problem determines the decomposition of the manufacturing cells of a production system in which machines are assigned to these cells to process one or more part families so that each cell is operated independently and the intercellular flows are minimised or the number of parts flow processed within cells is maximised. In this paper, a tabu search heuristic—TSCF—that consists of dynamic tabu tenure with a long-term memory mechanism is presented to solve the cell formation problem. Test problems adopted from the literature and generated randomly are used to evaluate the performance of the proposed algorithm. In addition, two methods for quickly generating the initial solutions are proposed, namely the group-and-assign (GAA) method, and the random approach. Computational results indicate that the GAA method, accompanied by the TSCF algorithm can produce optimal solutions in less than or equal to 0.005 s for all small- and medium-sized problems. The proposed algorithm should thus be useful to both practitioners and researchers.     

The Application and Evaluation of Banker''s Algorithm for Deadlock-Free Buffer Space Allocation in Flexible Manufacturing Systems

Deadlock-free operation is essential for operating highly automated manufacturing systems. The seminal deadlock avoidance procedure, Banker's algorithm, was developed for computer operating systems, an environment where very little information regarding the future resource requirements of executing processes is known. Manufacturing researchers have tended to dismiss Banker's algorithm as too conservative in the manufacturing environment where future resource requirements are well defined by part routes. In this work, we investigate this issue by developing variants of Banker's algorithm applicable to buffer space allocation in flexible manufacturing. We show that these algorithms are not overly conservative and that, indeed, Banker's approach can provide very good operational flexibility when properly applied to the manufacturing environment.     

敏捷制造下合作伙伴选择的有效算法

为实现虚拟企业实践中有效的合作伙伴选择，根据制造成本和产品上市时间这两个重要因素建立了问题优化模型。基于此模型，给出了一个两阶段求解算法。该算法首先通过一个多项式的精确算法求得最早完成时间的解，保证了解的可行性。然后以最早完成时间作为可行初始解，利用一个启发式算法对解进行改进。该算法最终使得在完成时间的约束下制造成本最小。最后给出了一个应用案例说明了该算法的有效性。     

Designing integrated cellular manufacturing systems with scheduling considering stochastic processing time

This paper addresses a new mathematical model for cellular manufacturing problem integrated with group scheduling in an uncertain space. This model optimizes cell formation and scheduling decisions, concurrently. It is assumed that processing time of parts on machines is stochastic and described by discrete scenarios enhances application of real assumptions in analytical process. This model aims to minimize total expected cost consisting maximum tardiness cost among all parts, cost of subcontracting for exceptional elements and the cost of resource underutilization. Scheduling problem in a cellular manufacturing environment is treated as group scheduling problem, which assumes that all parts in a part family are processed in the same cell and no inter-cellular transfer is needed. Finally, the nonlinear model will be transformed to a linear form in order to solve it for optimality. To solve such a stochastic model, an efficient hybrid method based on new combination of genetic algorithm (GA), simulated annealing (SA) algorithm, and an optimization rule will be proposed where SA and optimization rule are subordinate parts of GA under a self-learning rule criterion. Also, performance and robustness of the algorithm will be verified through some test problems against branch and bound and a heuristic procedure.     

基于模糊技术的制造单元构建方法研究

针对制造单元构建的问题特征，提出基于模糊C均值逻辑的制造单元构建算法。采用改进的减法聚类法产生初始聚类中心，防止陷入局部优化；提出制造单元构建专用的距离函数测定零件的相似性，避免欧几里德距离函数造成的对零件的错误聚类；采用最优迭代方案选择算法，避免因停止参数选择不当造成算法最终迭代方案不可行。通过对10组文献数据和90组随机产生数据的大规模测试和比较分析，表明了算法性能的优越性。     

面向复杂零件网络化制造的资源优化配置方法

为实现复杂零件网络化制造的资源优化配置，提出一种以零件工艺流程为核心的制造资源优化配置方法。该方法依据零件工艺流程，设计逻辑制造单元和逻辑加工路线，进行基于逻辑制造单元和逻辑加工路线的制造任务分解和描述。为了对逻辑加工路线配置最优的可执行加工路线，以运行成本、时间和加工质量为目标，建立多目标优化模型；在用遗传算法求解模型的过程中，每一代种群，基于影响度因子将运行成本、时间和加工质量的目标特征值矩阵转换为相对隶属度矩阵，进而以每个染色体的距优海明加权距离平方与距劣海明加权距离平方之和最小为准则，求取基于相对隶属度的适应度值。最后，以具体实例证明了该方法解决复杂零件网络化制造资源优化配置问题的可行性与有效性。