PCB插装机组装调度优化及其实证研究

研究了印刷电路板的组装调度优化问题.该问题基于插装机的机械特征、生产特性,通过将元器件的插装顺序问题定式化为旅行商问题,建立以生产总时间最小化为目标的数学规划模型,并采用蚁群算法进行优化求解.基于实际生产数据,通过MATLAB进行一系列的仿真实验,结果表明基于所提出的模型及优化算法得到的调度方案能够有效地提高插装机的组装效率.     

表面组装技术生产线贴片机负荷均衡优化

典型的表面组装技术生产线是由高速机和多功能机串联而成,印制电路板卜的元器件在贴片机之间的负荷均衡优化问题是表面组装技术生产调度的关键问题.以使贴片时间与更换吸嘴时间之和最大的工作台生产时间最小化为目标,构建了负荷均衡模型,开发了相应的遗传算法,并进行了数值实验与算法评价.与生产时间理论下界和现场机器自带软件调度方案的对比,验证了模型及其算法的有效性.     

多品种小批量环境下的印刷电路板组装切换次数优化

以典型的高速贴片机为研究对象,探讨了多品种小批量生产环境下印刷电路板的组装调度优化问题.以切换次数与切换时间最小化为目标建立了混合整数规划模型,提出了一种基于相对相似系数的成组策略,并开发了基于主动禁忌搜索的改进成组切换算法,通过权衡组与组之间以及各组内的切换次数实现总切换时间最小化.基于国外同类研究的仿真实验,验证了所提策略及算法的有效性.     

面向机床精密主轴加工过程的混合流水生产线分批调度研究

面向机床精密主轴加工过程,对混合流水生产调度问题进行研究.通过深入分析机床精密主轴加工工艺流程,以主轴粗精磨削工艺、分批规则、设备利用率等作为约束条件,以加工时间最小化为目标,建立混合流水生产模式下、机床精密主轴加工智能分批调度模型,并设计了基于差分进化-遗传混合算法的二阶段优化算法对模型进行求解;以某精密主轴生产线的实际订单为例进行仿真实验,与传统加工方案及其他典型分批调度算法对比分析,验证了该智能分批调度模型的有效性、算法的准确性及解决实际问题的优越性,能够有效缩短生产节拍,提高加工效率和设备利用率.     

基于元胞机与强化学习的多扰动车间调度算法

针对大型装备制造企业扰动多、影响大的问题,以元胞机模型为框架构建了多扰动车间生产调度模型,设计了基于设备平均利用率与工件平均流程时间双目标最优的目标函数,并通过算例验证了模型的科学性.同时,考虑到多扰动车间调度的复杂性,为寻找全局最优解,采用强化学习算法优化了元胞机的自组织演化规则,提出了针对设备故障、紧急插单与新订单干扰三种典型扰动的调度策略,最终建立了基于元胞机与强化学习算法的多扰动车间柔性调度模型.以某大型零件制造企业为例,说明了模型的具体优化过程,并通过仿真求解验证了算法与模型的有效性与可靠性.     

面向订单的混流装配线多目标调度研究

针对面向订单的混流装配线车间组装过程中出现堆叠的问题,对该类生产线特点进行了分析,提出了一种理论调度优化模型及其算法.建立了以车间交货时间的准时度和组件完工的同时度为目标函数的车间多目标调度优化模型;对粒子群算法进行了改进,设计了基于吸引子与自然选择的社会粒子群算法来求解多目标优化模型;研究了粒子群的信息描述方法,提出...     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

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。     

订单不确定下双资源约束多装配线鲁棒调度

考虑生产过程中的订单不确定等因素,建立了以最大化交付满意度、最大化装配线平衡率及最小化完工时间跨度为目标的鲁棒调度模型,基于差分进化算法和粒子群算法提出了对模型进行求解的混合优化算法,并通过算例验证了混合优化算法求解该鲁棒调度模型的可行性和有效性。最后综合分析PTCN公司二厂多装配线生产车间的实际生产情况,将所建立的鲁棒调度模型和提出的混合优化算法应用于实际的多装配线生产过程,获得了较优的调度结果。     

加工车间生产物流时间瓶颈的调度研究

针对一类具有生产物流时间瓶颈的加工车间调度问题,给出了基于加工单元和运输单元的时间瓶颈环节确定方法,采用以最大批量响应时间最小为优化目标,建立了基于生产物流时间瓶颈的加工车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用分段整数编码的方法,并在模拟退火算法中引入变温参数来提高算法效率.通过仿真,分别采用PSO和PSO-SA对所建立的调度模型进行了求解.研究结果表明,PSO-SA算法求解效率高且该算法的稳定性好,同时验证了该模型和算法的有效性、广泛性.     

重型机械加工车间天车调度问题过程仿真与优化

天车作为重型机械加工车间主要的物料搬运设备,其调度方法直接影响生产的连续性和生产效率。重型机械加工车间天车调度是典型的多机多任务问题,以完成生产任务为目标建立基于免疫遗传算法的仿真模型和天车调度优化方法。该模型结合过程仿真与启发式算法有效解决天车调度过程中由于空间约束导致的多机多任务冲突,通过免疫算法的免疫机理对各近似最优解进行动态邻域搜索,维持了群体多样性,实现了多峰值收敛,使调度方案有效可行。最后通过实例仿真验证了该天车调度优化方法的可行性和有效性。     

带时间窗约束的船体分段空间调度问题

研究了将空间资源作为关键资源的生产调度问题--空间调度问题,分析了空间调度问题和三维装箱问题的异同,以具有时间窗约束的空间调度三维模型为基础,提出改进的基于极点的启发式定位规则,给出结合禁忌搜索和基于极点的定位规则的优化算法,并通过仿真验证了算法的有效性.     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

一类两阶段生产系统生产计划与调度的集成优化

针对传统生产计划与调度制定中存在的不足,研究了一类两阶段生产系统的生产计划与调度集成优化问题。建立了能够反映生产计划与调度相互关联特点的离散双层规划模型,提出一种基于混合优化方法的分支定界解法以及有效缩减搜索空间的方法,并构造了有效下界。针对分支定界法的松弛问题,给出采用模拟退火算法与预估校正法交替迭代求解的混合优化方法。通过实验仿真,验证了模型与算法的有效性。     

基于Pareto最优的多目标集成协作计划与调度

针对现有制造系统中协作计划、生产计划和调度方案不能同步制定的问题,考虑在供应链环境下有协作的计划与调度,构建了一种多目标集成协作计划与调度优化模型。提出一种基于Pareto最优的多目标优化算法,设计了包含协作染色体的基于作业的集成编码方案,通过惩罚操作实现协作计划与生产计划的同步协调。考虑供应链协调中常见的完工时问、总成本、总拖期时间、平均流经时间四个性能指标对模型进行整体优化。通过仿真实验验证了模型及其算法的有效性。     

解决多目标Flow-shop问题的生物免疫调度算法

生产调度是车间自动化的关键问题之一 ,生产调度的优劣对制造系统的运行影响极大。通常的确定性优化方法往往不适合生产调度这类NP完全问题的求解。文章基于生命科学中的免疫概念与理论 ,构造了基于生物免疫机理的生产调度模型 ,并研制了用于求解目标Flowshop问题的智能调度系统 ,克服了当前遗传算法用于求解此类问题时 ,易于出现早熟、搜索效率低及不能很好保持个体多样性等不足 ,大大改进了搜索效率 ,对复杂的多约束、大规模及多目标生产调度问题 ,算法效果显著 ,并且可以轻松地获得满足要求的多个优化解。文章讨论了模型的建立、算法的实现和应用实例 ,测试情况表明 ,以上模型与算法在生产调度实际中将具有广阔的应用前景     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

面向钢铁生产流程的调度模型库系统的研究与建模

针对钢铁生产流程调度系统中的模型管理问题,采用面向对象的建模方法,结合钢铁生产调度的实际需要和模型库管理系统的一般规律,提出一种可根据实际生产调度问题自动生成求解模型的钢铁生产流程调度系统模型库的设计方案。结合现有的各种钢铁生产流程调度模型,将钢铁生产调度模型进行规范化、模块化转换,建立一套可实现模型自匹配和模型自重构的模型生成的机制,并使用生成的新模型和结合相应的算法对目标调度问题进行求解,通过对优化结果的仿真实验,验证优化模型的实用性和有效性,并通过UML技术对模型库系统进行建模。     

考虑不确定加工时间的炼钢—连铸过程柔性调度方法

针对加工时间存在不确定性的炼钢—连铸调度问题,构造了一种基于有向图网络的柔性调度模型,并提出一种基于分布估计的优化算法。在柔性调度模型中,使用有向图网络描述调度解的柔性决策,然后设置时间缓冲以保护不确定条件下调度解的性能指标和可行性;在优化算法中,使用基于工序关联的概率模型描述决策变量之间的关联关系以产生高质量的新种群,并采用随机仿真方法对柔性调度解的期望性能进行评价。在仿真过程中,运用最优计算量分配技术对有限计算资源进行动态分配以提高种群的评价效率。通过基于实际生产数据的问题实例和数值实验验证了所提柔性调度方法的有效性。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。