考虑班组负荷均衡的智能制造车间工序级作业任务排程模型研究

多品种小批量、多品种变批量生产模式下生产调度问题是车间运行效率提升的关键所在,目前已有多种智能计算方法尝试建模和求解。引入混合集合规划方法,以实际作业车间中的班组负荷均衡为侧重点,在总结分析了实际生产中的数理逻辑以及各类实际约束的基础上,运用自然约束语言对工序级作业车间排程问题进行建模,以最小化最晚完工时间为主优化目标,各班组半天内计划加工负荷率均衡为次要优化目标对模型进行求解,得到分配到班组的生产排程计划,保证了最大化利用班组生产能力的同时兼顾班组负荷均衡。最后借助某制造企业进行实例验证,通过得到可行的周节点生产计划,将待排产工序安排到车间内各班组中,验证了本方法的可行性和有效性。     

基于遗传算法的定制化高端地下装备关键生产瓶颈工序排程优化

针对定制化高端地下装备行业关键生产瓶颈工序的计划排程,以物料完工时间的最小偏移量为目标,保证物料齐套的同时减少库存呆滞,提出了一种基于遗传算法对不同交货期窗口并行机调度的生产排程优化模型。根据个性化定制装配的待加工零件和大型机加设备的特征,在实际生产计划排程中采用扩展排列编码的方式来编排零件加工顺序和分配加工设备,经过染色体子代不断交叉、变异、择优选择,最终获取偏移总量最小的排列组合。通过制造车间的具体产品加工工序数据验证其方法有效可行,对大型数控机加工序的计划排程起到较为明显的优化作用。     

制造资源实时状态驱动的离散制造车间低碳调度研究

针对离散制造车间低碳调度问题,考虑车间制造资源实时状态,构建实时数据驱动的车间状态监测框架,以机床能耗、刀具磨损和切削液损耗作为碳排放来源,结合最大完工时间,建立一个制造资源实时状态驱动的离散制造车间低碳调度模型,并提出一种融合Tent映射的多目标Jaya优化算法。首先使用Tent混沌序列初始化种群,然后引入基于邻域搜索和模拟退火算法的局部搜索方法,并使用严格的外部档案集保存搜索到的解。最后通过灌装设备生产车间的实例数据对算法和模型进行验证,结果表明所提出的算法和模型能够有效求解离散制造车间低碳调度问题,减少车间异常状态对生产计划的影响,降低车间碳排放量。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

APS技术在注塑机企业钣金车间的应用

针对某注塑机制造企业钣金件车间的生产计划和排程,分析原有直接采用企业管理解决方案(SAP)中物料需求计划(MRP)运算结果作为车间作业计划这一方式的不足之处,提出运用高级计划与排程(APS)技术,根据注塑机企业钣金件生产的特点,编程建立资源模型,集成SAP系统的输入数据,实现每台设备小时级别的精细工序排程,通过扫描派工单上的条码收集完工反馈信息,用于滚动重排车间作业计划,最后将APS排程结果用可交互的设备-工序甘特图形式,交付给钣金车间基层管理人员,用于人工干预。     

基于动态事件的柔性作业车间重调度节能优化

为了解决机械加工过程中出现紧急任务插单或机床故障等动态事件干扰调度方案执行,导致原调度方案能耗增高、完工时间延长等问题,研究了一种考虑紧急插单和机床故障动态事件的柔性作业车间重调度节能优化方法。首先分析了动态事件下柔性作业车间的工件加工过程能耗特性,然后以总能耗最低、完工时间和鲁棒性最小为优化目标建立了面向节能的动态重调度优化模型,并提出基于多目标引力搜索算法的重调度节能优化求解方法,最后通过案例对比分析,验证了所提方法的有效性。     

基于Q学习的智能车间自适应调度方法

为降低智能车间中动态不确定因素对生产性能的影响，提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架，采用Q学习算法，通过智能体—环境交互试错机制，自主训练调度模型，并根据生产车间环境变化动态更新调度模型，以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证，结果证明该方法能够有效应对智能车间生产环境变化，在生产全过程中能对调度决策进行实时调整，优化车间综合性能指标，同时显著降低时间与人力成本。     

大批量汽车零部件柔性生产排程

在实际的大批量汽车零部件柔性生产排程中,存在模具、共模、一模两件、停机维护等以往文献中缺乏考虑的因素.研究了这些因素并对其进行精确描述与数学建模,以设计符合实际的生产完工时间算法.然后,在以"机台分配"和"加工次序"为基础的传统排程解中加入了"等待意愿"向量,进而改进了现有的柔性作业车间调度算法.最后,基于真实算例设计...     

生产计划和车间排程问题的整数规划解法

为高级计划排程(Advanced Planning and Scheduling,APS)提出了一个混合整数规划(Mixed Integer Programming,MIP)模型,成功地对产品计划与车间排程问题进行了系统整合.模型综合考虑了多订单环境下生产能力约束问题,生产排序问题,提前时间,需求时间等因素,成功解决了生产计划和车间排程问题.     

多品种小批量产品冲压计划排程多目标优化

为提高混合冲压车间的生产效率、缩短交货期并减少生产成本,以最小化最大完工时间、换模次数、加工成本为优化目标,建立了混合冲压计划排程的多目标优化模型,采用基于非支配排序的遗传算法进行求解。设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解。以某汽车生产企业冲压车间一个生产周期的生产任务为例,验证了所提方法的可行性与有效性。     

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。     

基于混合集合规划的作业车间生产排程模型研究

在多品种小批量生产模式下,作业车间生产排程问题往往具有多约束、多目标、高复杂度等特征。利用混合集合规划理论的相关技术优势,对典型作业车间生产排程问题进行建模和求解。在总结和归纳作业车间主要约束的基础上,建立以最小化作业延迟时间总量为主优化目标、最小化资源空闲时间总量为次优化目标的多目标优化模型,并根据选取的优化目标建立相应的求解策略;通过自然约束语言及其支持平台POEM对模型进行描述和求解。求解过程兼顾瓶颈资源利用率和资源利用均衡性两个指标,使排程结果更具实用价值。最后利用某机加车间的实际生产数据对模型进行了求解验证,初步证明了上述方法的可行性和有效性。     

面向实时排程的车间生产调度系统研究与实现

通过对车间实际需求与现行生产模式的分析,提出实时排程模式下的车间生产调度系统的设计思想,详细介绍系统的功能模块,开发满足车间多种需要的车间生产调度软件系统,实现基于遗传算法的自动排程和基于Agent的自动导航与派工技术,同时系统还为车间生产中的异常扰动事件提供了响应处理机制,很大程度上提高了车间生产管理水平和生产效率.     

瓶颈工序影响下汽车电子生产车间排程研究

针对汽车电子生产车间作业排产面临的在制品(Work In Process,WIP)堆积、生产周期长和订单准时交付率低等问题,梳理汽车电子零/部件生产车间排程逻辑,依托于约束理论(Theory Of Constraint,TOC)和“鼓-缓冲-绳子”(Drum-Buffer-Rope,DBR)方法,识别瓶颈工序,以完工期限最早优先(Earliest Due Date,EDD)和提高产出率为原则,引入交付紧迫系数,建立了瓶颈工序影响下的订单优先排产计划模型。以某汽车电子零/部件企业的印刷线路板(PCBA)生产车间实际生产数据为例,结合订单优先排产计划模型对PCBA订单进行作业时间排程,验证了该模型的有效性,为汽车电子生产车间排程提供了一种新的可行方案。     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

数据驱动的智慧车间实时调度方法研究

智能制造系统采用了物联网等大量先进信息技术,使得车间积累了大量的实时生产数据。同时,复杂制造系统在运行过程中容易出现一系列干扰事件,这对车间实时响应能力提出了更高的要求。因此,在工业大数据支撑的制造环境下,针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybridflowshopschedulingproblemwithsequence-dependentsetup timesandblocking,HFSP-SDST-B),提出一种基于深度强化学习的实时调度方法,从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题,HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点,智能体根据当前的生产状态选择相应的调度规则,从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法,依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法,从而让智能体构建状态与规则之间的有效映射。最后试验结果表明,与现有的动态调度方法相比,该方法具有优越性和通用性,并且通过学习能够有效处理随机扰动...     

基于长短期记忆近端策略优化强化学习的等效并行机在线调度方法

针对等效并行机在线调度问题,以加权完工时间和为目标,提出了一种基于长短期记忆近端策略优化（LSTM-PPO）强化学习的在线调度方法。通过设计融合LSTM的智能体记录车间的历史状态变化和调度策略,进而根据状态信息进行在线调度。设计了车间状态矩阵对问题约束和优化目标进行描述,在调度决策中引入额外的设备等待指令来扩大解空间,并设计奖励函数将优化目标分解为分步奖励值实现调度决策评价。最后基于PPO算法进行模型更新和参数全局优化。实验结果表明所提方法优于现有的几种启发式规则,并将所提算法应用于实际车间的生产调度,有效减小了加权完工时间和。     

基于数字孪生的机械加工车间多级能效监测EI北大核心

针对机械加工车间能耗规律复杂、设备状态时变性强导致能效实时全面监测困难的问题,提出一种基于数字孪生的机械加工车间多级能效监测方法。通过分析机械加工车间的多源能耗特性,建立机械加工车间多级能效监测指标体系;提出机械加工车间多源异构数据的获取方法,并构建事件与实时数据驱动的机械加工车间实时映射模型;基于碰撞检测与布尔运算的物理模型动态判别机床运行状态,进而获得基于数字孪生的机械加工车间多级能效监测方法。以某机床企业机械加工车间为应用案例,验证了所提方法的有效性和实用性。     

设备故障驱动的作业车间生产任务重调度方法研究

现代作业车间中,因设备故障导致原生产计划无法执行的情况时有发生,影响了车间生产任务的正常执行。针对此问题,首先分析了设备故障情况下的动态约束条件,并进行了业务建模和数据建模,其次采用混合集合规划理论及其支持工具,结合滚动窗口重调度模式,建立了作业车间重调度模型,包括其主要约束、优化目标、求解算法等。最后,通过某机械加工车间的生产实例进行了应用验证,求解结果表明了本方法的可行性和有效性。     

有限资源约束下的刀具调度方法研究

数字化车间的刀具库存量有限,在生产中经常会发生多道工序同时采用同一种刀具的情况。为了解决刀具使用冲突的问题,提出了有限资源约束下的刀具调度模型,建立包括最大完工时间和拖期惩罚费用最小化的目标函数,设计了基于刀具时间冲突的调度算法对其进行求解,得到了最优的生产作业排程以及满足该排程的刀具需求计划,并通过具体生产排程实例验证了算法的有效性。