基于模糊软时间窗的车间物料流路径优化方法

为解决实际生产过程中工位物料需求时间不确定的问题,提出基于模糊软时间窗的复杂机械装配车间配送路径优化方法。该方法以"以工位为中心"的物料配送模式为基础,考虑复杂机械装配实际生产中生产节拍波动所引起的物料需求时间变化,利用物料到达时间的模糊隶属度函数表征工位对物料到达时间的满意度。在此基础上,以工位对物料到达时间的平均满意度为约束条件,以最小化配送成本为目标,建立了带模糊软时间窗的物料配送路径优化模型,并采用动态规划和模拟退火遗传算法相结合的方法对模型进行了求解。通过实例验证了该模型的可行性和有效性。     

基于时间窗约束的车间物料配送路径优化方法

针对混流生产车间物料配送需求的准确性和及时性,综合考虑实时生产状态和不确定因素,以实时生产数据为依据,动态计算各工位配送时间窗,并用正态模糊数的隶属度表示工位满意度。在此基础上,建立以配送成本最低为目标,以时间窗、运载能力和持续能力为约束的物料配送路径优化模型。采用基于禁忌搜索的改进遗传算法求解模型,该算法将禁忌搜索的记忆功能融入遗传算法中,防止遗传算法陷入局部最优。最后,通过实例验证该方法的有效性和可行性。     

基于正态模糊时间窗约束的飞机装配物料配送路径规划

针对飞机装配过程中装配工位物料需求时间模糊化现象,提出基于正态模糊时间窗约束的工位物料需求时间参数表征方法,用正态模糊数的隶属度表示工位的满意度。建立了基于正态模糊时间窗约束的飞机装配物料配送路径规划数学模型,并采用遗传算法进行了求解。遗传算法的选择算子利用轮盘赌和最优保留策略,交叉算子采取小生境选择机制的双选择交叉策略,变异算子确保每代个体得到进化。MATLAB仿真结果表明,该规划方法拥有较好的经济效益。     

基于混流生产模式的装配车间物料配送路径规划方法

合理规划物料配送路径能够提升车间生产效率,降低车间物流成本和生产成本。针对混流装配车间配送不及时、费用高等问题,提出基于混流生产模式的物料配送路径规划方法。以工位为物料配送对象,对混流装配车间物料配送环境进行分析,找出混流装配线的物料消耗规律,明确物料配送数量,简化物料配送过程。在此基础上,结合生产实际的时间窗约束,以最小化物料配送总费用为目标建立了物料配送模型,采用改进蚁群算法对该模型进行求解,最后以某视频控制卡混流装配车间为实例,验证了该方法的可行性和有效性。     

制造企业装配线物料准时配送路径优化问题研究

为实现将装配线所需物料适时适量地送达正确工位的准时生产目标,以配送成本最小为目标函数,满足牵引车车载量、工位时间窗等约束,分析并提出带缓存区准时配送方式下的牵引车配送路径模型,并设计混合量子进化算法求解.实例计算及与遗传算法、混合粒子群算法的比较结果表明:应用混合量子进化算法可以快速求解带缓存区准时配送方式下的牵引车配送路径模型,为制造企业带缓存区准时配送方式下装配线的牵引车配送路径问题提供了可参考模型和算法.     

[供应链调度]基于信息熵的物料配送时间节点预测方法

针对不确定性干扰因素影响复杂产品装配车间物料配送时间准确性的问题,提出了一种基于信息熵评价的物料配送时间节点预测方法。分析了复杂产品装配车间不确定性干扰因素的种类,采用综合时间需求因子量化不确定性干扰因素,定义装配工位状态,并建立工位状态转移概率矩阵。基于工位状态变化的马尔可夫链特性,建立复杂产品装配车间物料配送时间节点预测模型。提出平均预测误差的动态误差补偿方法修正预测值,并选取最大配送可行性时限和配送准确度为评价指标,构建基于信息熵的物料配送系统评价体系,对物料配送时间节点预测方法的有效性进行评价。最后,以某公司磨床主轴装配工位的物料配送历史数据为例,对提出的预测方法进行验证。结果表明,所提出的预测方法有助于增大物料配送系统的最大配送可行性时限、提升物料配送时间节点的准确性。     

考虑空间装载约束的智能车间物料调度优化研究

针对离散制造装配车间物料配送过程中存在的不准确、不及时等问题,研究了空间装载约束下车辆数目优化偏好型的车间物料调度优化问题。首先,构建了以车辆派遣数目、配送成本为双重优化目标的路径-装载数学模型;然后,引入了随机交换算子、随机插入算子与2-opt算子相结合的邻域搜索策略和模拟退火(SA)算法接受劣质解准则,对鲸鱼优化算法(WOA)进行了改进;提出了两阶段混合算法,将改进的鲸鱼优化算法与装箱检验算法进行了有机融合;最后,采用MATLAB对某零件加工车间的生产数据进行了实验分析,对改进后的鲸鱼优化算法的性能进行了验证。研究结果表明：采用改进的鲸鱼优化算法求解的结果优于其他混合算法,且算法收敛速度快,不易陷入局部最优;采用改进后的两阶段混合算法求得的最优总配送成本为2 526元,使总配送成本降低6%,工位服务满意度提高5%;该研究成果可为智能车间提供物料调度优化方案。     

基于信息熵的物料配送时间节点预测方法

针对不确定性干扰因素影响复杂产品装配车间物料配送时间准确性的问题,提出了一种基于信息熵评价的物料配送时间节点预测方法。分析了复杂产品装配车间不确定性干扰因素的种类,采用综合时间需求因子量化不确定性干扰因素,定义装配工位状态,并建立工位状态转移概率矩阵。基于工位状态变化的马尔可夫链特性,建立复杂产品装配车间物料配送时间节点预测模型。提出平均预测误差的动态误差补偿方法修正预测值,并选取最大配送可行性时限和配送准确度为评价指标,构建基于信息熵的物料配送系统评价体系,对物料配送时间节点预测方法的有效性进行评价。最后,以某公司磨床主轴装配工位的物料配送历史数据为例,对提出的预测方法进行验证。结果表明,所提出的预测方法有助于增大物料配送系统的最大配送可行性时限、提升物料配送时间节点的准确性。     

基于Petri网的车间物料配送及路径规划方法

针对离散制造车间物料配送、废料回收效率低且成本高等问题,建立了能够描述车间资源流动状态的Petri模型。以车间物流总成本为优化目标,在分析车间资源流动的基础上结合物料配送的时间窗,提出了具有Petri网特性的软时间窗车辆路径规划方法。利用整数线性规划方法,在MATLAB软件中对实例进行求解,验证了Petri网应用于离散制造车间路径规划的可行性和有效性。该问题的研究能够降低车间物料配送和废料回收的运输成本,提高车辆使用率。     

众包模式下冷链物流配送模型的仿真和优化分析

众包配送模式正成为冷链物流提高质量的重要策略。为了保证冷链末端配送的时效性和充分利用社会闲散资源,以冷链众包物流配送总分担成本和客户满意度为优化目标,建立了基于众包模式下的冷链配送模型。通过配送方动态筛选,与优化冷链配送任务有机融合,同时考虑客户服务时间窗要求,采用模糊机会策略,并利用进化算法的过程自适应性,来调节交叉和变异概率,设计出一种改进的遗传算法来对系统模型进行优化求解。仿真发现,嵌入互联网众包模式下的冷链物流配送模型更具有灵活性和时效性,也显示出了所设计算法的有效性。     

轿车密封条生产线的快速响应设计

以轿车门窗密封条全自动加工设备的实际研发为例，详尽论述了快速响应设计思想在该设备研发中的具体实施过程。产品设计阶段，运用全寿命周期理论，同时考虑产品的可制造性，可装配性，调试性能及维护简易性等；同时，综合应用并行工程，模块化设计理论，快速原型和虚拟制造技术，以快速响应市场为主旨，以标准化、模块化、集成化为手段，以信息技术为支撑，寻求最优产品资源组合，最终达到了该生产线的快速设计。     

产品族架构设计与供应商选择的主从关联优化

针对产品族架构设计与供应商选择的关联优化问题，提出了基于主从对策的交互评价机制。根据主从决策机制建立主从关联双层规划优化模型，以产品族架构设计为主，供应商选择为从。模型上层以效用-成本比为目标，决策产品族架构设计方案。模型下层以成本为目标，决策供应商的选择。构建双层嵌套遗传算法求解模型，并添加具有产品族特色的编码处理策略。最后以客车底盘的案例对模型和遗传算法进行了验证。     

行驶时间延迟的物流配送干扰管理模型及算法

针对物流配送过程中某路段行驶时间延迟而导致物流配送计划无法实现的难题,运用干扰管理方法,从客户满意度、驾驶员满意度和配送成本三方面衡量物流配送系统的扰动程度。针对带有时间窗的物流配送车辆路径问题,建立了目标规划数学模型,设计了用于求解该类问题的一种遗传算法,该算法采用二维染色体结构,以及适合多目标决策模型的适应值计算方法。最后,通过算例验证了所提干扰管理模型及算法的有效性。     

基于精益生产的现场改善

为解决企业内部存在的资源浪费问题,将精益生产技术应用到A公司的某一制程中.运用工业工程及精益生产的相关技术方法,根据流水线平整的原则,提出了相关作业内容的重新分配、工具设备的改进、工位作业时间和CELL线的调整等方案.研究结果表明,新方案的实施使生产线节省月人工费用144000元,大大节省了人力、物力,生产现场的环境得...     

基于多阶段工作转移矩阵的串行耦合设计任务分配策略

针对串行耦合设计任务的团队分配因涉及任务的返工而导致分配策略相当复杂这一问题,引入多阶段工作转移矩阵,将任务间的耦合关系以返工量的形式量化,并根据团队分配衍生矩阵建立串行耦合设计任务分配的数学模型,简化了串行耦合设计任务的分配过程。利用遗传算法求解该模型,获得了不同设计需求下产品开发任务的最佳任务分配方案。以某电动汽车开发项目为例,验证了该模型的可行性和有效性。     

车身焊装夹具的三维设计研究

为了提高白车身焊装夹具的自动化、柔性化水平,减少新产品上市的周期及制造成本。根据某轿车车身侧围内板某具体工位的工艺文件,利用CATIA软件建立其焊装夹具的三维数字模型,选择具体焊钳型号,检查其干涉部分并进行相应的具体更改,最终完成了产品的设计。     

Hybrid meta-heuristic algorithm for job shop scheduling with due date time window and release time

This study intends to solve the job shop scheduling problem with both due data time window and release time. The objective is to minimize the sum of earliness time and tardiness time in order to reduce the storage cost and enhance the customer satisfaction. A novel hybrid meta-heuristic which combines ant colony optimization (ACO) and particle swarm optimization (PSO), called ant colony–particle swarm optimization (ACPSO), is proposed to solve this problem. Computational results indicate that ACPSO performs better than ACO and PSO.     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。