一种面向卷烟混合生产线的优化调度模型研究

目的 基于多品种、小批量的生产制造模式,在规定的8 h工作之内,快速有效地生产出多品种、多批量的卷烟,并对所需物料进行准确调度,达到经济效益最大化的目的。方法 针对某烟草生产企业订单需要生产6种型号的品牌香烟,通过分析卷烟生产线的工艺流程,提出一种解决卷烟厂车间资源优化调度的CSS模型,该模型可以根据产品之间的销售需求情况来匹配生产线资源配置,按需求比采用粒子群优化算法计算出单次投料后混合生产香烟所需的最小时间与最大收益。结果 将所得方案进行综合对比后,计算得出在规定工期内,生产香烟获取利益的最优分配方案,在迭代在10次以内时已完成了优化过程,最大获利为3.65万元。结论 该优化模型通过改变相关工艺参数能够实现对不同混合生产线的资源调度优化,并对其他制造行业提供借鉴价值。     

考虑绿色制造和外协方式的多周期订单安排模型研究

针对多品种小批量企业的多周期订单安排问题,提出一种以绿色制造和外协方式为研究视角的优化方法模型。综合考虑企业的设备操作成本、人工成本、库存成本、外协成本等竞争性指标以及设备能耗、噪声等绿色性指标,构建考虑绿色制造和外协方式的多周期订单安排模型,并基于遗传算法设计了模型的求解方法;最后以一个机加工企业的四周期订单需求为例,应用该方法给出了各阶段订单的安排结果以及企业制造资源的分配方案,既验证了模型和算法的有效性,又在绿色制造和外协方式的研究视角上为多周期订单的安排方式提供理论方法支持。     

基于仿真的生产计划鲁棒性问题研究

针对多品种小批量的单元化生产环境,基于Plant Simulation平台构建JobShop的鲁棒性调度仿真模型,模型采用预调度和再调度结合框架,通过单元层和设备层的层次化管理算法,实现了计划质量鲁棒性和解的鲁棒性的系统目标.实验表明,算法的应用可得到鲁棒性好的计划,松弛时间的优化分配方法可为确定性调度提供实验支持.     

基于遗传禁忌算法考虑转运约束的并行机批量调度问题研究

在多品种混流生产车间里，广泛存在着各种批量的任务在多台并行机上调度优化问题。这种并行机批量调度需要考虑批量大小设置、加工顺序优化、设备充分利用等多种要素，是一类典型NP-hard问题，且当任务加工完后还需要考虑转运过程时，问题将变得更加复杂。为了减少并行机生产过程中任务拖期和在制品积压，寻求更好的生产调度方案，针对典型并行机生产和转运场景，以最小化加权完工时间及拖期工件的惩罚费用、作业切换成本、库存成本之和为优化目标，设计了基于启发式规则的仿真程序与遗传禁忌算法相结合的优化算法，研究单工序不相关并行机调度环境下车间批量调度的最优调度方案，再通过案例验证了本文优化算法的有效性。结果表明，优化算法得出的并行机批量调度方案使得作业切换次数和拖期订单大大减少，减少在制品库存的同时提高了转运资源的利用率。     

基于改进遗传算法的铸造造型任务批调度模型

以单件小批量生产模式为主导的铸造生产具有订单种类多样、产品制造周期长、车间自动化程度低等现象,针对铸造企业客户订单多材质、铸件产品多类别以及造型熔炼多约束的特点,建立了一个以造型任务总完工时间最小的铸造造型任务批调度模型,并提出了一种改进的遗传算法对模型进行求解。算法设计了一种基于单件与砂箱类型的双层编码方案,在初始化阶段通过结合批首次匹配(BFF)规则进行分批,以提高初始种群的质量,在迭代阶段设计了一种基于批次交换的局部搜索方法,以避免算法陷入局部次优解。最后通过对某铸造企业的实际生产数据进行案例分析,验证了所提模型的有效性和算法的优越性。     

面向订单的生产计划与调度的综合优化

研究了一个多订单环境下的生产计划与调度集成优化问题,以实现准时生产为目标,综合考虑产品装配结构约束的订单任务计划与订单产品零部件的加工调度,采用直接面向客户订单的工序调度模式建立了计划和调度的综合优化整数规划模型.设计了带精英策略的蚁群算法作为该数学模型的求解方法,并通过对比试验为该算法选取最佳的搜索参数.实例仿真结果表明,所建模型的正确性以及蚁群算法求解该问题的可行性和有效性.     

基于分拣机器人零售电商订单动态聚类及仿真

目的提高电商物流配送中心订单的分拣效率和动态响应能力。方法通过分析零售电商订单的多品种、小批量和高时效等特征,考虑分拣机器人动作与载重约束,提出了滚动时窗调度策略和高维稀疏动态聚类算法,并以某大型电商企业配送中心建立仿真实验模型,进行数据对比分析。结果以某大型电商某日高峰时段500个订单进行仿真实验,与固定组批分拣策略进行对比,优化后的分拣策略在机器人平均搬运距离上减少了66.9%,分拣时间降低了23.9%。结论高维稀疏动态聚类策略有效提高了分拣效率,降低了分拣成本,算法方式更加开放灵活,对于电商企业物流业务降本增效具有重要意义。     

生产和运输协同调度问题的模型和算法

建立了单机器生产和多车辆运输协同调度问题的数学模型,以最小化完工时间为优化目标。设计了改进的遗传算法,采取了染色体实数编码方式来表示订单的生产顺序,在解码过程中嵌入了局部优化算法来提高车辆路径的质量。经算例测试,相比现有文献中的一种遗传算法,改进的遗传算法使所有算例的解的平均质量提高了7.88%。     

有模具约束的并行机批量流调度问题研究

大多数调度问题均假设产品以单个或整批的方式进行生产,而实际生产过程中,会把产品分批后再进行生产。但当考虑模具约束时,对如何解决产品分批以及制定合理调度方案的问题,本文以最小化最大完工时间为优化目标,建立了考虑模具约束的并行机批量流调度模型,并提出了一种基于遗传算法和差分算法结合的混合差分遗传算法（DEGA）,实现分批与调度两个问题并行优化。最后通过对算例测试,DEGA算法得到更优的解,证明了该算法的优越性和稳定性。结合实际案例,验证了模型和算法的可行性。     

多品种小批量餐饮设备准时化生产模式研究

就精益生产模式的核心思想应用于多品种小批量餐饮设备制造企业,实现准时化生产.通过对现有生产现状的详细分析,从订单接收、生产计划、生产管理、库存管理等存在的问题等,探讨准时化生产方式实现的模式,增强企业在行业里的竞争能力.     

采购与多层生产计划问题的协同优化

针对生产与采购这两项企业的重要活动,建立了一种采购计划和多层生产计划的集成优化模型,将采购计划、批量计划以及作业排序这三层计划问题进行综合决策。为求解该问题,设计了一种遗传算法和网络优化方法相结合的协同优化策略,遗传算法中每一个个体同时包含了批量计划和作业排序,并调用网络优化模型得出订购策略。数值仿真实验显示了提出的方法求解该类集成优化问题的良好性能。通过与独立优化方法进行比较,显示了协同优化策略的优越性。     

基于改进遗传算法的导向辊生产调度方法研究

目的 研究导向辊生产车间中的调度优化问题,有利于缩短工件的完工时间,提高产线生产效率。方法 以某导向辊生产车间为研究对象,以最小化最大完工时间为目标建立数学模型。针对该导向辊生产车间的实际工况,提出一种改进的遗传算法进行求解。通过对10种不同尺寸的导向辊进行生产调度,分别采用改进的遗传算法和传统遗传算法进行试验分析。结果 改进的遗传算法相比传统遗传算法寻优能力更高,工件的完工时间从139 min缩短为113 min,缩短了18.7%左右,生成了完工时间为113 min的生产调度甘特图。结论 与传统遗传算法相比,改进的遗传算法在导向辊生产调度优化中具有更高的全局优化能力和寻优精度。     

网络型甩挂运输车辆调度优化研究

目的 为了更灵活地满足不同企业间的配送需求,以提高运输效率。方法 在智能交通背景下,基于RFID、Compass/GPS、通信技术等,以运输成本最小为目标建立模型,利用改进的遗传算法对网络型甩挂运输车辆调度进行优化。结果 以山东省某网络型运输企业联盟为例进行优化调度,通过与普通货车运输比较,优化后的甩挂运输车辆调度方案空载率降低了4.6%,耗油量降低了10.6%,运输总成本降低了25.4%。结论 基于改进遗传算法的网络型甩挂运输车辆调度方案有效提高了运输效率,降低了运输成本,对于促进企业降本增效及环境保护都具有重要意义。     

Location Selection and Scheduling Optimization of Material Storage in Manufacturing Workshop

Based on improved immune algorithm, the location of material storage in manufacturing workshop is studied. Intelligent optimization algorithms include particle swarm optimization algorithm, genetic selection algorithm, simulated annealing algorithm, tabu search algorithm and so on. According to the non-linear constraints, the objective function is established to solve the minimum energy consumption of material distribution. The improved immune algorithm can solve the complex problem of manufacturing workshop, and the material storage location and scheduling scheme can be obtained by combining simulation software. Scheduling optimization involves material warehousing, sorting, loading and unloading, handling and so on. Using the one-to-one accurate distribution principle and MATLAB software to simulate and analyze, the location of material warehousing in manufacturing workshop is determined, and the material distribution and scheduling are studied.     

Application of genetic algorithms with dominant genes in a distributed scheduling problem in flexible manufacturing systems

Multi-factory production networks have increased in recent years. With the factories located in different geographic areas, companies can benefit from various advantages, such as closeness to their customers, and can respond faster to market changes. Products (jobs) in the network can usually be produced in more than one factory. However, each factory has its operations efficiency, capacity, and utilization level. Allocation of jobs inappropriately in a factory will produce high cost, long lead time, overloading or idling resources, etc. This makes distributed scheduling more complicated than classical production scheduling problems because it has to determine how to allocate the jobs into suitable factories, and simultaneously determine the production scheduling in each factory as well. The problem is even more complicated when alternative production routing is allowed in the factories. This paper proposed a genetic algorithm with dominant genes to deal with distributed scheduling problems, especially in a flexible manufacturing system (FMS) environment. The idea of dominant genes is to identify and record the critical genes in the chromosome and to enhance the performance of genetic search. To testify and benchmark the optimization reliability, the proposed algorithm has been compared with other approaches on several distributed scheduling problems. These comparisons demonstrate the importance of distributed scheduling and indicate the optimization reliability of the proposed algorithm.     

混流装配线调度问题的离散粒子群优化解

混流装配线调度问题是JIT生产中的一个重要问题。借鉴二进制遗传算法中的交叉操作过程，对传统的连续型粒子群算法进行改进，使其适用于离散问题的优化处理。然后以丰田公司的汽车组装调度函数作为目标函数，利用改进的离散粒子群算法进行求解。对比分析表明：新算法所得结果优于常用的目标追随法、遗传算法、模拟退火等方法。     

混合模拟植物生长算法在包装件配送中的应用

目的针对改进模拟植物生长算法(IPGSA)容易陷入局部最优解及其算法运行时间较长,提出混合模拟植物生长算法(HPGSA)来求解带时间窗车辆调度问题(VSPTW)。方法在IPGSA基础上,提出求解包装件物流配送中VSPTW的混合模拟植物生长算法(HPGSA)。改进IPGSA初始调度方案的构造方式,设计求解VSPTW的C-W算法用于构造HPGSA的初始调度方案;改进IPGSA的邻域搜索算子,选择插入搜索算子和互换搜索算子对HPGSA进行邻域搜索;对18个不同规模的Solomon算例进行仿真测试。结果相对于其他智能算法,HPGSA具有更好的求解性能,能够保证VSPTW对求解算法的要求。结论 HPGSA的全局优化能力、稳定性和运行速度均优于IPGSA、遗传算法、蚁群算法和禁忌搜索算法。     

船用钢板切割车间生产调度优化研究

车间生产调度问题是企业生产管理系统中需要解决的重要问题之一．结合某船厂切割车间的实际情况,从生产布局、加工能力和生产工序方面分析了切割车间存在的主要问题,提出了基于优先调度法则和成组技术的车间生产调度优化方案,并通过计算对优化前后的切割效率进行了比较,进一步验证了通过生产调度优化实现生产效率提高这一结论．     

Development and challenges of planning and scheduling for petroleum and petrochemical production

Production planning and scheduling are becoming the core of production management, which support the decision of a petrochemical company. The optimization of production planning and scheduling is attempted by every refinery because it gains additional profit and stabilizes the daily production. The optimization problem considered in industry and academic research is of different levels of realism and complexity, thus increasing the gap. Operation research with mathematical programming is a conventional approach used to address the planning and scheduling problem. Additionally, modeling the processes, objectives, and constraints and developing the optimization algorithms are significant for industry and research. This paper introduces the perspective of production planning and scheduling from the development viewpoint.