知识化制造环境下航空发动机装配线调度及自重构

航空发动机装配工序数量多、工序间装配约束复杂. 当产品需求变化时, 人工调整存在响应速度慢、装配效率低等问题. 以最小化产品完工成本、工序提前期惩罚成本及班组重构成本加权和为目标, 建立了航空发动机装配线调度和装配班组自重构优化模型. 提出一种新的基于工序局部最优排序的分解算法, 将调度问题分解为单个装配组上工序顺序优化问题. 设计了一种工序后向插入搜索策略. 最后提出装配线调度及自重构集成优化算法. 通过数值试验,验证了模型与算法的有效性.     

面向航空发动机的知识化制造系统拖期调度与自重构

针对某航空发动机装配线装配效率低、工人分配不合理等问题,建立面向航空发动机的知识化制造系统拖期调度和班组自重构优化模型.提出一种启发式算法,实现生产调度与班组配置的协同优化.在算法调度层中,针对航空发动机装配过程存在复杂约束这一特点,证明与产品拖期优化目标相关的工序排序性质,设计相应工序调整算法,给出工序在并行装配组上的初始分配方案和优化方案.在重构层,根据系统负载平衡的原则优化各装配班中装配组的数量.仿真实验结果表明了模型和所提出算法的有效性.     

顺序依赖的调整时间和拖期的无缝钢管热轧批量调度算法

无缝钢管热轧生产存在一类特殊的顺序依赖机器调整时间,调整时间依赖于相邻轧制批量间的规格切换,与批量间规格呈线性函数关系.针对具有此类调整时间的热轧批量调度问题,进一步考虑交货期要求,探讨了调整时间与交货期之间的性质特征,并以最小化总机器调整时间和最小化总拖期为目标,基于进化算法框架设计了快速重排序邻域搜索多目标算法(fast reordering neighborhood search multi-objective algorithm,FRNSM).在算法初始阶段,提出规格优化规则和交货时间优化规则,对初始解进行局部优化;邻域搜索阶段设计了基于同交货时间规格优化的快速重排序邻域搜索策略,以优化机器调整时间和拖期;针对问题多目标特征,基于Pareto思想设计解的接受准则.基于实际生产数据的实验结果表明,FRNSM算法对此类问题具有很好的求解效果.     

不确定环境下的航空发动机装配线适应性调度方法

航空发动机装配是航空发动机制造过程的关键环节,其工序多,流程复杂,生产过程中扰动频发,如装配时间波动、不合格返工等.针对不确定环境下的航空发动机装配线的调度问题,提出一种基于门控循环神经网络(GRU)的适应性调度方法.该调度方法包含扰动识别和调度规则调整两个部分:扰动识别模块以滑动时间窗口为周期,利用GRU神经网络进行渐近型扰动的识别;调度规则调整模块以扰动识别的结果为触发,通过构建基于GRU神经网络的调度规则决策模型,输出适配当前生产状态的新的调度规则,用以指导生成更新的调度方案.最后,以某航空发动机装配线为研究案例,对所提出适应性调度方法进行验证分析.对比实验结果表明,所提出方法能够有效提升装配线的设备利用率、日均生产率等性能.     

基于改进烟花算法的随机装配线混流调度

针对随机装配线混流调度问题,分析作业时间随机波动对调度优化目标的影响,提出描述随机作业时间下工位闲置时间和超载时间有效数学期望的概念,并基于此构建以工位负荷均衡指数为优化目标的随机作业时间条件下的装配线混流调度优化模型.在标准烟花算法中引入精英策略、变邻域搜索等技术,设计一种改进烟花算法对模型进行求解,并结合测试算例和生产实例对随机装配线混流调度模型及求解算法进行验证,求解结果表明了模型和算法的有效性.     

多中心联合配送模式下集货需求随机的VRPSDP问题

针对多中心联合配送模式下集货需求随机的同时配集货车辆路径问题(MDVRPSDDSPJD), 构建了两阶段MDVRPSDDSPJD模型. 预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆, 生成预优化方案; 重优化阶段采用失败点重优化策略对服务失败点重新规划路径. 根据问题特征, 设计了自适应变邻域文化基因算法(Adaptive memetic algorithm and variable neighborhood search, AMAVNS), 针对文化基因算法易早熟、局部搜索能力弱等缺陷, 将变邻域搜索算法的深度搜索能力运用到文化基因算法的局部搜索策略中, 增强算法的局部搜索能力; 提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度. 通过多组算例验证了提出模型及算法的有效性. 研究成果不仅深化和拓展了VRP (Vehicle routing problem)相关理论研究, 也为物流企业制定车辆调度计划提供一种科学合理的方法.     

基于遗传分散搜索算法的装配排序优化

航空发动机装配车间调度问题包括部件组装调度和试车台排序。其中试车台排序是一个关键问题,它直接影响生产效率和生产成本。为了提高生产效率、降低生产成本,文中针对航空发动机装配车间调度问题,依据实际情况,对其中关键的试车台排序问题进行深入研究。在分析试车台排序特征的基础上,建立了试车台最优排序的旅行商模型,基于遗传分散搜索算法对该模型进行求解,为装配排序优化问题提供了一种科学的方法。最后通过算例比较表明该算法的适用性和优越性。     

基于遗传分散搜索算法的装配排序优化

航空发动机装配车间调度问题包括部件组装调度和试车台排序。其中试车台排序是一个关键问题,它直接影响生产效率和生产成本。为了提高生产效率、降低生产成本,文中针对航空发动机装配车间调度问题,依据实际情况,对其中关键的试车台排序问题进行深入研究。在分析试车台排序特征的基础上,建立了试车台最优排序的旅行商模型,基于遗传分散搜索算法对该模型进行求解,为装配排序优化问题提供了一种科学的方法。最后通过算例比较表明该算法的适用性和优越性。     

混合交叉熵算法求解模糊分布式装配流水线低碳调度问题

本文针对实际生产过程中普遍存在的不确定性, 采用模糊数表示工件的加工时间与产品的装配时间, 以同时最小化模糊最大完工时间和模糊总能耗为优化目标, 建立模糊分布式装配流水线低碳调度问题(fuzzy distributed assembly permutation flow-shop low-carbon scheduling problem, FDAPFLSP)的模型, 进而提出一种混合交叉熵算法(hybrid cross-entropy algorithm, HCEA)进行求解. 首先, 通过分析现有三角模糊数排序准则特点, 并考虑生产调度问题的基本约束, 设计一种实用的三角模糊数排序修正准则. 其次, 为增强算法性能, 设计一种自适应变邻域局部搜索以实现对解空间不同区域的有效搜索. 最后, 仿真实验与算法对比验证HCEA可有效求解FDAPFLSP.     

连铸-轧制生产中带有批决策的排序问题的建模与优化方法

以长材产线为背景, 研究了炉次在连铸及轧制阶段的组批及批排序问题. 与以往将连铸、轧制分开研究不同, 本文同时考虑连铸和轧制阶段对组批及批排序的要求, 还考虑了下游工序精整机组负荷均衡生产的要求. 为该问题建立了新的混合整数规划(Mixed integer programming, MIP) 模型. 由于问题的NP-hard 属性和模型的大规模特征, 以及工业应用的实际要求, 本文提出了改进的分散搜索(Scatter search, SS) 算法用于求解该问题. 在改进的SS 算法中, 利用解的相关性质来限制搜索空间, 并将变邻域搜索策略引入, 从而结合解的多样性及邻域互补性特点, 充分发挥算法混合的优势. 实际数据的计算结果验证了改进SS 算法的有效性.     

Multi-objective partial parallel disassembly line balancing problem using hybrid group neighbourhood search algorithm

To reduce waste during disassembly production and improve disassembly efficiency, this study investigates a type of partial parallel disassembly line applicable for the simultaneous disassembly of different products. A multi-objective mathematical model for a partial parallel disassembly line balancing problem is built considering four optimisation goals, namely, the minimisation of the cycle time, number of workstations, idle index, and quantity of disassembly resources. In addition, a novel multi-objective hybrid group neighbourhood search algorithm is proposed. First, a certain set of neighbourhood individuals (from the current population of individuals) is generated via neighbourhood search mechanisms based on optimal embedding and exchange operations. Then, a Pareto filtering process is performed on a mixed population composed of the individuals of the current population and all neighbourhoods. Subsequently, the current population individuals are renewed based on the mixed population. To prevent the algorithm from falling into a local optimum and to enhance the algorithm’s global search performance, we conduct a local search strategy based on a simulated annealing operation on the newly generated population individuals. The effectiveness and superiority of the proposed algorithm are proven by solving two complete disassembly line balancing problems at different scales and a partial disassembly line balancing problem, and also by comparison with several algorithms investigated in existing literature. Finally, the proposed model and algorithm are applied to a partial parallel disassembly line designed for the simultaneous disassembly of two types of waste products in a household appliance disassembly enterprise. The results of the partial parallel disassembly line are compared with those of an initial single-product straight disassembly line, and the comparison results show that the solution results of the optimisation goals for the partial parallel disassembly line are more superior than those of the initial single-product straight disassembly line.     

基于深度邻域搜索PSO 算法的装配序列优化问题

针对产品结构特征建立几何约束矩阵, 以最大化满足几何约束条件装配次数和最小化装配方向改变次数为目标, 研究产品装配序列优化问题. 利用值变换的粒子位置和速度更新规则, 基于具有随机性启发式算法产生初始种群, 提出一种带有深度邻域搜索改进策略的粒子群算法解决装配序列问题. 通过装配实例验证了所提出算法的性能并对装配序列质量进行了评价, 所得结果表明了该算法在解决装配序列优化问题上的有效性与稳定性.

     

汽车混流装配线的混合布谷鸟算法排序研究

为解决汽车混流装配线作业者工作负荷不均衡的问题,构建了最小化违背装配频率上限次数的优化模型,提出了布谷鸟算法与遗传算法相结合的混合算法。该方法将遗传算法的选择与交叉思想引入布谷鸟算法的迭代过程,以克服布谷鸟算法寻优过程中收敛速度慢和容易陷入局部最优的问题。测试函数的对比求解和合作汽车企业的优化实例表明该改进算法具有更高的求解精度和更快的收敛速度,能有效地解决大规模的汽车混流装配线排序优化问题。     

A simulated annealing algorithm for multi-manned assembly line balancing problem

Assembly line balancing problems with multi-manned workstations usually occur in plants producing high volume products (e.g. automotive industry) in which the size of the product is reasonably large to utilize the multi-manned assembly line configuration. In these kinds of assembly lines, usually there are multi-manned workstations where a group of workers simultaneously performs different operations on the same individual product. However, owing to the high computational complexity, it is quite difficult to achieve an optimal solution to the balancing problem of multi-manned assembly lines with traditional optimization approaches. In this study, a simulated annealing heuristic is proposed for solving assembly line balancing problems with multi-manned workstations. The line efficiency, line length and the smoothness index are considered as the performance criteria. The proposed algorithm is illustrated with a numerical example problem, and its performance is tested on a set of test problems taken from literature. The performance of the proposed algorithm is compared to the existing approaches. Results show that the proposed algorithm performs well.     

改进遗传算法在装配操作优化中的应用

针对复杂车身连接关系和多装配顺序,改进后的装配模型不仅描述了零件间的装配优先关系,而且还包含了可以用于公差分析的装配连接特征信息.在此基础上,根据迂回遗传算法对零件间的装配操作进行优化,以提高优化效率及求解范围.最后,通过某车身侧围装配案例说明了该算法的有效性.     

带工序跳跃的绿色混合流水车间机器与AGV联合调度

针对带工序跳跃的绿色混合流水车间机器和自动引导车(AGV)联合调度问题,提出改进memetic algorithm(MA)以同时最小化最大完工时间和总能耗.首先,设计基于工序、机器和转速的三层编码策略,最大程度保证算法在整个解空间中搜索;然后,设计混合种群初始化方法以提高初始种群解的质量,同时设计交叉和变异算子以及两种基于问题的邻域搜索策略来平衡算法的全局搜索和局部搜索能力;最后,通过大量仿真实验验证MA算法求解该问题的有效性和优越性.     

An adaptive genetic algorithm for demand-driven and resource-constrained project scheduling in aircraft assembly

Scheduling of aircraft assembling activities is proven as a non-deterministic polynomial-time hard problem; which is also known as a typical resource-constrained project scheduling problem (RCPSP). Not saying the scheduling of the complex assemblies of an aircraft, even for a simple product requiring a limited number of assembling operations, it is difficult or even infeasible to obtain the best solution for its RCPSP. To obtain a high quality solution in a short time frame, resource constraints are treated as the objective function of an RCPSP, and an adaptive genetic algorithm (GA) is proposed to solve demand-driven scheduling problems of aircraft assembly. In contrast to other GA-based heuristic algorithms, the proposed algorithm is innovative in sense that: (1) it executes a procedure with two crossovers and three mutations; (2) its fitness function is demand-driven. In the formulation of RCPSP for aircraft assembly, the optimizing criteria are the utilizations of working time, space, and operators. To validate the effectiveness of the proposed algorithm, two encoding approaches have been tested with the real data of demand.