面向订单制造的可重构制造系统中虚拟制造单元构建技术

为适应单件、小批、个性化和市场需求动态多变的特点.研究了多种不同交货期生产订单并存时的可重构制造系统中虚拟制造单元构建问题.构造了以连续加工产品间相似系数之和最大、工作加班时间最少、单元的封闭性最好(工件跨单元搬运次数最少)、制造系统重构成本最小及设备生产负荷均衡为目标的非线性多目标0-1整数规划模型.采用两阶段的求解策略进行求解.在第一阶段采用启发式方法对非瓶颈设备和工艺进行预处理,以缩小问题解的搜索空间;第二阶段采用一种基于网格计算的分布式平行协同多目标粒子群算法,随机搜索Pareto优化解集.最后,利用globus 4.0 工具箱搭建计算网格和Java语言实现了算法.从生产实际出发给出了算例,证明结果可行,从而验证了算法的有效性.     

基于遗传算法的制造单元继承性生成方法

为实现多品种变批量生产模式下的制造单元优化重构,将车间重布局成本纳入优化目标,建立了以物流成本和重布局成本为优化目标的制造单元需求模型;为了降低重布局成本,提出一种具有继承性的制造单元生成方法,利用改进遗传算法中的染色体编码方式、初始种群生成方法、遗传算子操作等方法,最大程度上保存了原有制造单元中的资源组织结构,实现具有继承性的制造单元优化重构过程;最后通过一个实例验证了所提方法的有效性。     

基于专家系统的制造单元构建研究

提出基于专家系统构建制造单元的方案.在零件存在多工艺路线、工序存在多可选设备的基础上,综合考虑加工成本,加工时间、加工顺序、设备能力、物流最小等实际生产约束条件,以最短加工时间、最佳设备及单元平衡、最少跨单元加工、最小成本等作为重构优化目标,采用四轮分配设备、单元负荷平衡计算、跨单元物流成本计算的处理技术,实现了制造单元的快速构建,导出了零件集合及设备集合,并通过实例验证了算法的有效性.     

面向大规模定制的动态单元装配系统设计与重构建模

针对大规模定制批量化与定制化的生产组织要求,提出采用单元装配系统在大规模定制生产中进行装配作业的思想,分析了单元装配系统在大规模定制生产中的适用性,综合考虑动态环境下系统设备重置、多能工重新指派、多周期生产计划、交货策略、招聘解雇成本等多种因素,建立了以重构成本最小为目标函数的动态单元装配系统重构的规划模型,并验证了模型的有效性。     

基于两阶段求解的可重构虚拟制造单元构建方法

针对多品种、变批量需求的可重构制造问题,综合考虑工艺路线与生产批量约束,以设备负荷均衡、跨单元加工次数最少为目标,提出了两阶段求解的虚拟制造单元构建方法。第一阶段,采用图聚类法对工艺路线的相似性和零件的生产批量进行预处理,生成基于订单的多工艺路线最大支撑树,确定基本可行制造单元集;第二阶段,以设备负荷均衡、跨单元加工次数最少的综合目标函数设计为基础,采用基于类电磁机制寻优原理的求解算法,确定最优制造单元解。某泵阀制造企业生产数据的实例应用验证了算法的可行性与有效性。     

数字孪生驱动的工业园区"产—运—存"联动决策架构、模型与方法

小批量及定制化生产模式下,由资源、流程不确定性引发的复杂动态生产环境对大型多单元生产系统的运行控制精度提出了更高的要求。如何面向随机产生的动态性,对生产单元的执行状态进行精准建模与实时反映,并通过多单元在线联动决策实现对系统的适应性、迭代式、精细化管控来支持各环节高效协同运作是大型多单元生产物流系统过程控制的关键挑战。以工业园区"产—运—存"三类典型单元的实时联动运作为研究对象,在数字孪生的框架下,提出跨单元的数字孪生联动决策信息架构:通过"物理环境—虚拟模型"的动态精准映射与实时反馈控制,并采用目标级联法对虚拟层中多个具有独立决策且联动运作的"产—运—存"决策单元以全局优化、分布控制的模式进行系统性协调,实现大型系统的在线联动决策。最后以某大型化工生产企业的多单元联动生产过程为例,基于其实际生产数据对所建立的联动决策模型及目标级联法定量联动方法进行仿真和对比分析,结果表明所提方法能够有效实现多单元同步运作,减少生产总成本和订单在库时间。     

面向多品种变批量生产的制造单元生成方法

针对多品种变批量生产特征下的制造单元构建问题,提出了基于可重构性和利用率的制造单元生成方法.建立了制造单元的需求模型,通过对多工艺路线的相似性分析,构建了多工艺路线的相似函数,提出了以频数为基础的制造单元可重构性和利用率的概念、计算公式.建立了制造单元的生成规则,提出了以可重构性和利用率最大为目标的制造单元生成框架结构和算法.通过具体实例验证了该算法的有效性.     

飞机结构件生产线设备布局仿真与优化

针对飞机结构件生产线设备布局物流成本高、设备布局不合理等问题,提出采用遗传算法对飞机结构件生产线设备布局进行优化,寻求最优布局方案。研究重点为遗传算法在多设计变量及工业生产过程中的应用。分析历史订单数据,得出各设备之间的物流关系,并以此建立以历史订单数据和物流成本最低为目标函数的优化模型。在优化过程中,考虑实际基因型交叉情况,提出采用以两设备之间的历史订单数最大为约束条件来进行交叉操作。采用MATLAB软件和Plant Simulation软件对该模型进行仿真,两者仿真结果表明：优化后的设备布局在实际生产过程中有效降低了物流成本,且各设备间的物流量较为均衡,符合生产经济性原则,验证了遗传算法求解飞机结构件生产线设备布局的可行性与有效性。     

基于虚拟制造单元的制造资源组织模型

为了使航天制造企业能够根据市场订单需求快速调整组织制造资源,简化生产调度过程,提高生产调度质量,提出了基于虚拟制造单元的制造资源组织模型,探讨了该模型的理论思想,给出了虚拟制造单元的两步构建方法,并提出了利用合作型多目标优化协同进化算法解决资源选择问题,构建了以多条加工路线相似系数之和最大(倒数最小)、运输成本最小和设备生产负荷均衡的多目标优化问题.将这一多目标优化问题分解为多个子问题,分别用多个子种群进行进化,并采用一种新型的子种群间合作方式,最终产生一个Pareto最优解集.该方法提高了候选解的多样性,为生产调度提供了多样性选择.     

基于聚类算法的虚拟单元布局研究

以制造单元为研究对象,建立了以聚类算法为基础的虚拟单元布局数学模型。模型在考虑设备放置位置惟一性的基础上,以相邻设备间关联度总和最大为目标函数。通过Jaccard相似系数求得设备间关联度后,采用遗传算法进行模型的求解,并对染色体编码和遗传算子进行了改进。最后,通过算例分析证明所提出的方法能够很好地解决可重构系统中的虚拟单元布局问题。     

改进遗传算法求解面向订单多目标排产问题

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。     

基于品项相关性的阵列式自动拣选机货位优化

为提高阵列式自动拣选机的拣选效率,提出基于品项相关性的货位优化方法。针对阵列式自动化拣选机通道列串行拣选、并行合流的工作特点,分析了设备通道列作业时序,建立了阵列式自动拣选机订单拣选总时间数学模型,将其归结为以最大总虚拟视窗时差为目标的货位分配问题。为求解该问题,设计了启发式聚类算法,将相关性强的品项分配至间隔距离远的通道列存储,以增大总虚拟视窗时差,提高设备拣选效率。通过某医药物流配送中心阵列式自动拣选机的实例分析表明,采用启发式算法可使订单拣选总时间减少约5%。     

基于相邻交换复合蚁群算法的多产品供应链调度优化

为制定网络化制造模式下供应链合作成员间的动态调度策略,构建了由制造商、协同制造商和分销商组成的三层供应链动态调度模型。针对多产品多订单调度情况,在加工工序和交货期等约束条件下,构建由加工成本、半成品库存成本、成品库存成本、运输成本和延期惩罚成本等描述的调度模型,以寻求最优化的供应链运作时间、综合成本和客户需求服务水平。为解决多产品多订单加工顺序全排列与求解穷搜索所带来的时间过长的问题,采用单种群复合蚁群算法,运用总控制台判断订单类别以分配至待加工订单库,提出相邻交换因子调整订单顺序以提高蚁群寻优效率,并根据相邻交换的奇偶次数决定订单前移策略,避免出现死循环;同时,在供应链调度过程中考虑相同分销商的不同产品订单是否进行组合运输,通过将订单合并行为作为一特殊工序加以实现。实例仿真表明,该算法具有良好的求解性能和搜索速度,且调度模型具有合理性和实用性,可以为实际生产调度的优化决策提供参考。     

基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化

针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,提出了作业车间布局改善问题。以物料搬运费用最小、单元移动费用最小、作业单元包络矩形面积最小及非物流关系最大为目标,明确布局约束条件,构建车间布局多目标优化模型。在差分元胞多目标遗传算法的基础上,设计并引入动态变异策略以改善算法的全局搜索能力,提出用于解决布局模型的动态差分元胞多目标遗传算法,通过实例计算与结果分析验证了模型及算法的有效性。     

不同交货期时间窗下的平行机生产问题研究

在工业4.0环境下,满足定制生产需求并能够准时交货的智能工厂成为发展趋势。研究在JIT原则下,考虑订单交货期、到达时间和设备产能资源等约束条件下的平行机生产排序问题,以订单任务提前生产的总时间最小化作为目标,基于历史订单构建虚拟订单进行产品组合,建立交货期约束系统求解模型,使用"最小提前生产时间的启发式算法"进行求解,解决不同交货期约束下平行机生产排序过程中的资源冲突、工期延误、设备浪费等问题,以保证准时交货。最后,使用仿真案例实验验证该方法的可行性,为进一步研究不同交货期时间窗下较大规模的复杂平行机排序问题提供可借鉴的方法。     

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.     

有限产能批量问题生产调度与设备维护集成优化研究

基于有限产能批量问题模型,以多产品多阶段的单机系统为研究对象,以最小化的生产总成本(加工成本、库存成本、开机成本、缺货成本、换型成本以及维护成本)及最大化订单完成率为优化目标,对设备预防性维护和生产调度联合优化问题进行研究。建立了生产调度与设备预防性维护的联合优化模型,该模型可用于确定最优的预防性维护方案、生产批量大小以及加工顺序。利用改进后的差分进化算法对模型进行求解,仿真实验结果表明在相同的设备负荷条件下,该模型在故障维护次数、维护成本和生产总成本方面都要明显优于定周期维护模型。     

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。     

基于改进SPEA2算法的铸造并行车间主生产计划

针对铸造企业现有人工主生产计划订单交期准确率不高、车间工时利用率低和任务分配公平性不足的问题,建立了以订单提前/拖期惩罚成本、车间完工时间和工作负载均衡为指标的多目标整数规划模型.提出了改进的强度Pareto进化算法,设计了离散形式的编码、交叉与变异操作,并引入模拟退火机制优化环境选择和种群更新方式,求解出并行车间订单排产的Pareto最优解集,然后采用模糊优选法从中选出折中的推荐排产方案.多个规模的仿真实验结果表明,改进后算法所求得的解的支配性明显优于原算法和加权法求得的解,同时最终确定的推荐排产方案与原算法相比,各目标函数值均有效降低,其中惩罚成本和负载均衡目标优化效果显著.