柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

柔性车间调度与设备维护的联合优化研究

在现实生产中,生产调度和设备维护具有相互影响的关系,应将两者统筹优化。在理论研究中,柔性车间调度和设备维修决策的联合优化问题尚鲜有研究。为解决这一问题,以车间调度理论和预防性维护理论为基础,建立了柔性车间调度和设备维护的联合优化模型。同时依据问题的特性,设计了求解上述模型的双层编码遗传算法方案。最后通过实例进行仿真,得出了满足总完工时间最小条件下的最优生产和维修方案。通过与独立决策结果对比,证明了联合优化模型和算法的有效性。     

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中，大多忽略了工件运输时间这一因素，并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题，提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先，以完工时间、生产成本、能耗和人体工程学风险为优化目标，构建了柔性车间调度数学模型，并结合多目标模型的特点，设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解；然后，采用熵值法评价了帕累托解集，基于三层编码并考虑了运输时间的插入式解码方式，设计了混合初始化方法，离散改进了蜉蝣更新方式；最后，为了验证IDMA求解DRCFJSPT的性能，采用MATLAB,对某机床零件加工企业生产数据进行了实验，并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明：改进算法的解集质量和收敛性能均显著优于参考算法，通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元，能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。     

订单加急扰动下柔性生产车间动态完全重调度

为了提高订单加急扰动时柔性生产车间重调度的效率,提出了基于邻域拥挤度淘汰NSGA-II算法和优先加工通道的重调度方案。针对订单加急扰动下重调度问题,建立了减少车间能耗和完工时间的双重优化模型。构造了多目标优化问题的邻域,提出了基于邻域拥挤度淘汰NSGA-II算法的柔性车间静态调度方法。当订单加急扰动发生时,设计了基于优先加工通道的完全重调度方案。使用Kacem02标准算例对静态调度性能测试,文章算法的优化目标极值小于标准NSGA-II算法和混合NSGA-II算法,说明该算法的优化能力更强。订单加急扰动后,优先加工通道和滚动遗传算法均将加急订单完成时间由18 min提前到14 min,但是前者保持了整体完工时间不变,而后者整体加工时间由18 min增加到20 min,结果表明优先加工通道在柔性车间重调度中具有更好性能。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

低能耗柔性作业车间调度研究

针对柔性作业车间低能耗调度问题,对机床运行模式下能源消耗特点和完工时间进行了研究。建立了以能源消耗和完工时间为目标函数的多目标优化模型;结合该模型特点,采用目标加权法,得到了能源消耗和完工时间两个变量加权求和的最小值;针对遗传算法单一染色体在解决较复杂问题时,无法准确表达问题解的缺点,设计了多层编码策略,对柔性作业车间制造过程中工件加工顺序和机床选择进行了优化,实现了面向能耗优化的多目标柔性作业车间调度;在Matlab环境中对生产实例进行了仿真。实验结果表明:在加入低能耗要求的车间调度中,基于改进遗传算法的调度策略是可行和有效的,决策者可根据偏好在一系列可行解中进行选择,以提高解的合理性、科学性。     

基于遗传算法的车间生产调度系统研究

随着制造业的快速发展,如何有效的实现车间生产调度系统的整体优化,是很多企业需要解决的紧迫问题。针对以上问题,提出了基于遗传算法的车间生产调度系统,建立了最小化完工时间目标模型,研究了基于遗传算法的车间生产调度系统实现过程。最后,以C#为开发语言,以Visual Studio2008为开发平台,开发成功了车间生产调度系统模块并用实例和仿真验证了该方法的可行性。     

基于分层蚁群遗传算法的多目标柔性作业车间调度方法

针对离散制造柔性作业车间实际工况,提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法,其基本特征是：基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息;基于完工时间和机床负荷等多目标;采用分层蚁群-遗传混合算法进行决策,通过逐步筛选,获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试,与MOGV混合算法相比,25%的案例计算结果优于MOGV算法,最大完工时间减少5%~7%,62.5%的案例计算结果等同MOGV算法。因此,该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果,且可自动获得多目标综合的最优解,智能调度效果显著。     

面向节能的导弹结构件混线生产作业车间多目标调度研究

针对导弹结构件混线生产过程中具有的型号多、工艺复杂、生产能耗大、交货期紧的特性,以能量消耗和完工时间为目标,建立了基于设备-能耗曲线的柔性作业车间混线生产系统的数学调度模型。提出了一种双元混合的改进遗传算法对该调度模型进行求解,具体包括:引入粒子群算法的信息共享机制,对遗传算法的交叉算子进行改进,提高算法的寻优能力;用Hill函数构建传统模拟退火的温度更新函数,替代遗传算法的变异部分,以弥补遗传算法容易陷入早熟收敛的不足。采用多指标加权灰靶决策模型从得到的一组Pareto解集中选择最满意调度方案。分别用完全柔性和部分柔性的作业实例对算法进行验证,证明了改进算法的有效性。最后,将算法用于上海航天精密机械研究所结构件生产车间的生产实例,取得了较好生产的指导效果。     

分时电价下基于NSGA-Ⅱ的柔性作业车间绿色调度

通过规划绿色生产调度实现了时间、经济和能耗三者的协同优化。以柔性作业车间为背景,结合分时电价政策,构建了设备不同工作状态下的设备能耗成本计算模型;同时兼顾碳排放与订单交付等绿色生产车间管理要求,建立了包括最小化碳排放、能耗成本和最大完工时间在内的柔性作业车间绿色调度多目标优化模型;为避免算法过早陷入“早熟”并保持种群多样性,采用基于动态控制参数和改进精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解;最后,通过具体算例验证了所建立模型的可行性与改进算法的优越性。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

GA-COA求解柔性作业车间多资源调度问题

针对传统柔性作业车间调度在仓储、运输方面考虑的不足，将工件的存储位置以及工件在仓库、机床之间的运输考虑到传统柔性作业车间调度问题（FJSP）中。提出一种考虑仓储、运输及加工的柔性作业车间多资源调度问题（MRFJSP），以最小完工时间为目标函数进行数学建模。考虑到遗传算法（GA）在求解车间调度问题中收敛速度慢、易陷入局部最优的问题，将郊狼优化算法（COA）的组内郊狼成长、生与死进行改进并与GA结合，提出一种带随机动态分组的遗传-郊狼混合算法。最后，通过算例验证了模型的正确性，并将混合算法与原算法进行对比，验证其优越性。     

基于Plant Simulation的柔性作业车间仿真研究

针对8×8和10×10的柔性作业车间调度问题,通过设置机器故障率和物料在不同机器之间的物流转运时间,从而研究以最大完工时间最小为优化目标的理想调度方案在考虑生产不确定因素下的表现情况。通过增加生产不确定因素,使研究对象更加接近实际生产系统,并使用Plant Simulation系统仿真软件对两个柔性作业车间进行建模,从而研究机器故障和物流转运时间对调度方案的影响。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

考虑设备预维护的柔性作业车间调度节能优化方法

随着能源成本的飙升和环境日益恶化,实现节能生产的策略越来越受到制造企业的关注.在车间实际生产调度过程中,机床设备的故障与维护会影响车间调度方案的顺利执行,进而导致出现车间加工资源冲突、能耗增大和完工时间延长等问题.为减少实际柔性作业车间加工过程中出现由于机床故障而导致加工中断的情况,提出一种考虑设备预维护的柔性作业车间调度节能优化方法.分析考虑设备预维护的柔性作业车间能耗特性,建立考虑设备预维护的柔性作业车间调度节能优化模型,设计机床预维护策略,并在此基础上提出一种启发式框架下的调度算法对节能优化模型进行求解,通过不同方案的对比分析,验证所提方法的有效性.     

机器混合故障下柔性作业车间鲁棒调度方法

柔性作业车间机器在生产过程中时常发生退化故障和突发故障，针对这种混合故障，考虑用预防性维护来防止退化故障，通过插入缓冲时间的方式来吸收突发故障的影响。分别以工序最终完工时间期望值和各工序加工完成时间的延迟总和期望值为质和解的鲁棒性指标，建立柔性作业车间鲁棒性调度优化模型，并设计引入混合故障概率矩阵的改进遗传算法对模型求解，联合决策工序加工顺序、预防性维护位置和缓冲时间位置，同时优化调度方案的鲁棒性。最后通过数值实验与对比分析验证了此鲁棒调度方法能有效应对车间混合故障造成的扰动。     

基于规则的柔性作业车间机床与AGV联合调度优化

利用离散事件系统建模与仿真技术和规则调度方法,对柔性作业车间机床与AGV(automatic guided vehicle)联合调度问题进行研究。基于离散事件建模仿真方法建立了柔性作业车间仿真模型,以平均流动时间、完工时间、AGV平均利用率与完工数量为评价指标,首先将不同路由规则与调度规则组合结合AGV数量进行仿真测试,确定了最佳规则组合与AGV最佳数量。在确定最佳规则基础上,研究车间任务到达模式与AGV数量对系统性能的影响,不同工况下的仿真结果表明,在最优规则组合、任务到达模式与AGV数量下,柔性作业车间联合调度问题能得到有效解决且系统性能将达到最优。