人因视角下SLP/遗传算法集成模型车间布局优化

为了解决车间优化布局的同时降低工人体力劳动强度,引入快速全身评估法,对作业人员的动作因素进行定量分析.综合性别,相对代谢率,物流因素建立人因视角下的车间布局优化模型并采用SLP/遗传算法集成算法对模型进行求解.结合现场数据资料,利用SLP方法分析各作业单元得物流与非物流关系形成的初步优化方案,并用其替代由遗传算法随机生...     

基于SLP与遗传算法的仓储布局优化

针对现有仓储布局优化方法计算复杂、存在个人主观意愿、易产生局部最优解等问题,采用SLP和遗传算法相结合的方式对仓储布局进行优化。首先,利用社会网络分析法和SLP结合的方式产生初始方案,对遗传算法的初始种群进行改善。其次,将仓储区域按实际需要划分为若干个作业单位,以总物流量与总布置面积最小为优化目标,建立仓储布局优化的数学模型,使用Simtalk编程语言和eM-Plant内置的遗传算法工具箱进行求解,提高仓储布局的效率和效益。最后,以某变速器工厂仓储布局优化为例,采用文中提出的方法进行建模和优化,结果显示,优化后的布置方案减少了24%的物流量,能够有效降低仓储成本。     

数控机床与机器人一体化车间多目标优化布局

为降低一体化生产车间的物流运输费用和减少设备占用面积,提出了组合变异多种群遗传算法的设备布局优化方法。对数控机床与机器人的一体化车间设备布局问题进行了抽象,以物流费用最少和占用面积最小为目标,建立了车间设备布局问题的优化模型。根据交叉和变异参数对算法的影响,通过设置不同算法参数实现不同搜索策略倾向;为了深化局部搜索能力,给出了随机数调节的组合变异策略,从而提出了组合变异多种群遗传算法的模型求解方法。经验证,组合变异多种群遗传算法的搜索能力强于标准遗传算法;加入机器人后,工件物流费用减少了15.85%,对设备的包络长度减少了6.64%,说明了机器人加入生产车间的经济性与合理性。     

基于遗传和声算法的复兴号部件生产车间布局研究

轨道交通装备Z企业是复兴号动车组核心部件供应商，为在发展中保持核心竞争力，企业对工艺、设备、生产规模等各进行优化升级，但却出现原始布局与车间环境升级不匹配的现象，导致生产成本高、工期延时、质量降低等严重问题，布局优化问题亟待解决。针对复兴号核心部件生产车间混合布局的特征，采用基于SLP的遗传和声算法开展布局优化。用SLP方法将作业单位相互关系转化为遗传算法染色体编码，然后以最小化物料搬运成本、最大化车间利用面积为目标函数完成解的寻优。该方法实现了SLP布局方案的快速迭代和精准计算，布局优化后系统的物流、工艺过程、效率、成本等有明显改善，满足企业发展需要，有效提升企业的核心竞争力。     

单向环型布局在锯片生产车间设备布局改造中的应用

研究了运用单向环型布局对传统锯片生产车间设备布局进行改造的方法.以运输工具在生产系统中总的运输行程最小为目标,建立了单向环型设备布局的数学模型,利用基于父子竞争的多点交叉算子的改进型遗传算法,实现了车间设备的布局优化.通过实例计算,验证了单向环型布局在锯片生产车间设备布局改造中的可行性以及改进遗传算法在解决设备布局问题时的有效性.     

基于混合算法的车间设备布局优化

为减少车间设备之间物料的流动成本,借助运筹学软件WinQSB科学的确定车间设备的初始布局方案,以这些方案作为算法的初始种群中的部分染色体,分别应用两种混合算法,对算子进行改进,实现对案例的求解。将结果与原有的结果进行比较,比较显示两种混合算法在收敛速度、目标函数值等方面均优于原有的结果,形成了合理的设备布局。针对更大规模的布局问题,分别用两种混合算法和遗传算法求解,结果显示两种混合算法得出目标函数值相较于遗传算法有了显著的优化,说明混合算法的广泛适用性。     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

基于遗传光学算法的镜片加工车间布局优化

为了提高镜片加工车间生产效率,降低成本,对设备布局优化问题进行研究.以最小化镜片车间设备间物流搬运费用和设备包络面积为优化目标,构建了多行设备布局优化模型,并开发了一种遗传光学算法来求解模型.在算法设计中,通过连续编码、部分优先权解码的策略,将光学算法取代遗传算法中变异算子,改进了遗传算法容易陷入局部最优的缺点.结果表...     

基于遗传算法的凸轮轴生产线设备布局优化及仿真研究

为提高凸轮轴的生产效率,基于遗传算法对传统凸轮轴生产线设备布局进行优化。以凸轮轴生产线物流费用最低为目标函数,生产车间总长度、总宽度、设备间保留最小间距等为约束条件,建立凸轮轴生产线数学模型,通过MATLAB软件求得最优解。根据所求得的布局解,利用Flexsim仿真软件对凸轮轴车间机床布局进行仿真。结果表明:凸轮轴的日产量明显增加,设备布局优化后的物流费用降低,达到了预期目标。     

基于遗传算法的车问设备布局优化设计

文章针对某厂曲轴生产车间设备布局问题采用遗传算法进行优化设计。首次提出了搬运矩概念，很好的解决了生产多种工件的车间设备布局优化问题。优化设计结果符合生产实际要求。     

基于遗传算法的车间设备布局优化设计

文章针对某厂曲轴生产车间设备布局问题采用遗传算法进行优化设计.首次提出了搬运矩概念,很好的解决了生产多种工件的车间设备布局优化问题.优化设计结果符合生产实际要求.     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

基于AGA的曲轴自动化生产车间多目标优化布局研究

为提高车间的生产效率、降低成本,对设备布局进行优化是十分必要的。基于物流费用最小和面积利用率最大的原则,并增加辅助设施(上下料机器人)对布局的约束,建立了曲轴自动化生产车间设备布局的多目标优化模型;采用自适应遗传算法(adaptive genetic algorithm,AGA)求解该问题时,交叉、变异概率基于Logistic曲线自适应调整,有利于优胜劣汰和全局最优解的获得。与改造前的布局相比较,加入机器人后的优化布局使物流费用降低、占地面积减小,对企业降本增效具有一定现实意义。     

基于SLP和人工蜂群算法的车间输送系统优化

为解决纺织车间纱锭自动输送系统的布局问题,分析车间物流及非物流影响因素,建立了生产成本最低化、生产效率最大化、工作区占地面积最小化的多目标优化函数.应用SLP和人工蜂群算法对输送系统进行布局优化.根据车间需求划分作业区域,进行数学建模及边界条件约束,以实际电子玻璃纤维基布生产车间为研究对象进行仿真验证.实验表明,优化后...     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进,采用独立的交叉和变异操作对工序与设备进行排序及分配的调整,从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终,通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善,有效提高了生产管理效率。     

面向流水车间的绿色生产多目标调度优化研究

现代企业生产将会面临生产效率、经济及环境等多方面的需求,并且车间需要随时根据企业生产需求的改变调整生产调度策略。文章面向流水车间,建立了车间的生产运作时间,生产成本以及车间能耗的多目标数学模型,运用归一加权方法对量纲进行统一,并根据企业需求,通过层次分析法决策各指标权重,利用遗传算法对此问题进行寻优迭代,实时获取符合当下生产情况的调度优化方案,建立了一套面向高效、经济、节能的流水车间多目标调度优化方法。在此基础上,根据车间生产特点,提出了四种典型车间生产调度模式,并运用敏感性分析对车间生产模式进行判断。最后,以流水车间齿轮类零件加工为例,分析不同生产模式下车间调度方案,验证了模型的有效性与准确性。     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

数字孪生驱动的车间多模式配送调度优化

针对混流大型生产装配车间配送调控能力差、配送过程监控困难、运输资源消耗大等问题,提出一种基于遗传算法的数字孪生车间的物料配送方法。建立物理配送与孪生配送实时交互的数字孪生车间物料配送多目标模型,根据物料清单使用遗传算法生成初始物料配送方案,在搭建的孪生车间中对初始配送方案进行仿真优化,并采用数字孪生模型监测设备配送情况并解决配送过程中出现的突发情况。最后以某柴油机装配车间物料配送为例,证明了遗传算法结合数字孪生的装配车间物料配送方案能合理安排物料运输,降低了起重机运输时间,提高了AGV工作安全性,优化车间配送系统性能。     

求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

考虑低碳的柔性作业车间调度问题研究

针对面向绿色制造的车间调度问题,将低碳因素作为影响因子考虑到模型中,构建低碳生产下的多目标柔性作业车间调度模型,并提出改进的免疫遗传算法求解模型。算法改进初始种群的形成机制,以提高收敛速度和改善求解质量,采用合理的选择策略机制、交叉和变异方式,结合记忆库设计熵值移除法筛选Pareto解集,以提高算法的搜索能力和避免算法陷入早熟。运用MATLAB编程运算实例,实验结果表明,该方法能够有效地解决了绿色制造中低碳的多目标调度优化问题。