智能技术在生产调度及优化排产中的运用

在智能技术蓬勃发展的过程中,基于智能控制理论的遗传算法既具有非线性特点,也可并行处理,有利于生产调度的科学开展,也可对生产线排产调度进行优化。基于此,文章将从生产工艺及排产流程的阐述入手,通过优化调度问题模型的分析,进一步提出遗传算法这种智能技术在生产调度及优化排产中的具体运用。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

基于西门子平台的卷包排产子系统的研究

首先分析了烟草MES(制造执行系统)的背景、发展趋势及基本功能,接着介绍了当前流行的MES支撑平台--SIMATIC IT(西门子平台)的软件架构和各部分的功能,并提出一种适合于烟草企业卷包排产的规则算法,最后着重论述了基于SIMATIC IT和该排产算法的某烟厂卷包排产子系统,包括子系统的软件结构、基础数据和卷包排产的步骤.为了证明SIMATIC IT的适用性以及排产算法的有效性,列出了卷包排产数据和生产现场反馈数据的对比.     

基于改进萤火虫群算法的混合生产排产方法研究

为了完成特定生产类型的排产问题,提出一种改进的萤火虫群算法。该算法中,在每一次迭代后都添加差分操作,优化萤火虫的位置,增加种群多样性,从而改善萤火虫群算法易于早熟的特性。综合考虑混合型生产的约束条件,构建基于改进的萤火虫群算法的排产模型,给出算法设计方案。最后针对某制药厂的实际生产模型,进行仿真实验验证,并与其他算法进行比较。结果证明,所提出的改进萤火虫算法在混合型生产的排产中具有很好的可行性及有效性。     

考虑库存费用的多约束排产优化研究

本文针对面向订单的企业生产计划这个多目标决策问题,研究了怎样在排产优化中使库存既能发挥调节供需平衡的作用又能尽量减少维护费用的问题。本文对考虑库存费用的多约束排产优化问题进行了描述并且提出了求解该问题的一种分层遗传算法（HGA）。本文详细介绍了此混合算法的原理,并通过通过一实际订单的优化计算及与普通遗传算法得到的结果进行比较,证明了本文提出的HGA对上述条件下排产优化问题的有效性。     

航发叶片气膜孔电加工生产线的调度策略

针对航发叶片电加工生产线受到多种随机因素影响、不能准确预知工件加工时长、需要频繁修整更换电极等特点，开展了带搬运时间柔性流水线多序列有限缓冲区排产优化问题的研究。采用了一种改进的遗传算法，加快了收敛速度；规划了航发叶片电加工生产线重排产方案，用以应对多种随机因素的影响，如机器故障、插单、撤单、加工延时等；提出了一种模型简化方法，将随机问题转化成了确定性问题。经过仿真测试，改进的遗传算法可以有效解决带搬运时间和多序列有限缓冲区的排产优化问题，且效率提高了36.9%,模型简化和重排产方法则可以有效应对生产中的异常情况，以及修整更换电极等电加工特殊工艺需求。     

改进的遗传算法在机加车间排产优化的研究

机加车间排产优化是降低生产成本,提高加工效率,增强企业市场竞争力的重要措施,遗传算法作为一种高效的优化算法在求解排产问题中得到广泛应用。以加工时间最短为目标,对机加车间工件加工问题建立数学模型。针对标准遗传算法(SGA)求解存在的早熟收敛、求解精度低等问题,提出一种改进的遗传算法。为获得更好的基因结构,以个体适应度值为参照自动调节交叉概率和变异概率。为避免无效解,根据加工任务高度值划分基因段来改善交叉操作。为增强算法的全局搜索能力,引入混沌理论优化变异算子。仿真结果表明改进的遗传算法较SGA有更好的收敛性和全局搜索能力,对机加车间排产优化效果明显。     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。     

基于遗传算法的印刷企业生产调度模型的构建

目的:针对网络数字印刷订单多、周期短等特点,利用遗传算法求解印品的生产计划排产问题。方法设定若干印品订单、加工工艺、机器设备以及各工序加工时间,采用多层编码遗传算法进行编程计算,通过MATLAB模拟验证遗传算法用于求解调度问题所得到的效果,获得排产顺序甘特图。结果:通过算法搜索过程可知,全部印品加工总时间在第8次迭代时趋于最小值,并且设计算法收敛较快,运算效率较高。调度人员在正常生产条件下,可以通过甘特图直观地进行生产计划排产,能够使车间在保证交货期的前提下快速而又有条不紊的进行生产,缩短了印刷加工周期,提高了机器利用率和生产效率。结论:遗传算法静态生产调度模型可以有效用于印刷作业的一般排产调度,在遇突发状态时可参与人工配合调整,或者需要提供动态调度解决方案。     

改进遗传算法求解同类并行机优化调度问题

研究在给定n个可拆分加工的作业和m台同类不同速加工机器的条件下,考虑同时优化拖期成本和生产能耗的生产调度问题。采用理想点法构建目标函数,建立了考虑拖期成本与能耗的同类并行机排产调度模型。在传统遗传算法基础上,引入多种群、自适应和局部搜索策略以提高搜索效率,并提出个体差异度以改进交叉效果。分别用不同规模的问题进行算例实验,对比改进遗传算法和传统遗传算法性能,求解排产方案。实验结果表明改进算法计算效果优于标准遗传算法,能够求解不同规模该类问题,且具有良好的稳健性。