考虑不确定靠港作业时间的船舶调度问题

随着海运需求的日益增加,国内外港口频繁出现拥堵问题,这给海运行业造成巨大的经济损失.现实中港口在面对繁忙的进出船舶时需要提前对船舶进行调度规划.船舶调度问题不仅需要考虑港口的客观条件和引航员等因素,还需要考虑船舶调度计划的随机性,避免在港内作业环节的不确定情况.基于考虑不确定靠港作业时间的船舶调度问题,本文构建两阶段随机规划模型,采用一种结合平均抽样近似方法和自适应大规模邻域搜索的算法对模型进行求解,并设计一个根据航道顺序和引航员排班顺序自动生成最优时间表的内部程序,辅助解决在此过程中模型的综合航道容量、引航员交通工具变动和船舶出港时间变动等状态下的求解难题.通过数值试验证明本文构建的算法在速度和精度上皆优于CPLEX求解器,在解决较大规模算例时有一定的现实意义.同时,本文对平均抽样近似方法的样本参数和不确定靠港时间系数进行数据实验,证明了所提出模型和算法的合理性与实际应用价值.     

重复性项目前摄性调度优化方法研究

为应对重复性项目在建设过程中遇到的不确定性干扰,需对重复性项目进行前摄性调度优化研究,以增加项目进度计划容纳不确定性因素干扰的能力.本文首先分析基于线性计划法下,重复性项目中线状、条状、块状活动之间的时差关系,通过时差大小确定缓冲区间的选择范围.然后以工期、成本、鲁棒性为目标,构建多目标前摄性优化调度模型.并针对其NP-hard属性,设计改进粒子群优化算法:通过引入模拟退火算法,避免粒子群容易陷入局部最优的问题,算法测试表明改进算法具有较快的运算速度和较好的寻优能力.最后,通过一个重复性工程的案例,验证本文提出的前摄性调度优化模型的可行性和有效性;并通过仿真模拟发现,本文提出方法消耗更少缓冲就可以保证项目按时完工.通过研究分析得到以下结论:在编制进度计划时,可以通过在一定范围内增加资源量的方式,获得更优的进度计划.     

随机动态环境下项目前摄性与反应性调度权衡优化

针对随机动态项目环境,采用前摄性调度方法可以提高基准进度鲁棒性降低执行阶段调整成本,但会导致较高的鲁棒性成本;相反,采用反应性调度方法可以降低鲁棒性成本但却会增加调整成本。考虑上述两种调度方法在应对不确定因素中的权衡关系,从成本经济角度出发构建了权衡模型,通过两种调度方法在使用中产生的成本表示其分别承担的工作量并进一步反映两种调度方法之间的权衡关系。实测结果表明,根据承包商对成本的敏感程度,前摄性调度与反应性调度在应对不确定性中的承担工作量会随着权衡比SR的变化而发生改变,逐渐从前摄性方法为主过渡到以反应性方法为主。     

带准备时间的作业车间分批调度算法

研究了带有准备时间的作业车间分批排序问题,通过模拟计算将3种算法进行了对比分析.结果表明,遗传退火两阶段算法不受等分批限制,产生的各子批大小可以不同,这使得解空间更大,因而得到满意解的可能性大大增加.     

基于规则和仿真的多机并行作业车间生产调度研究

资源分派和能力分派是作业车间生产调度中的重要问题,路径选择规则和分派规则是解决上述问题的有效途径。采用基于规则的仿真研究多机并行作业车间资源分派和能力分派问题,分析工件加工时间、到达率以及机器加工速率对调度结果的影响,以平均完工时间、平均延迟交货率以及平均资源利用率为评价指标,通过对4种路径选择规则和6种分派规则的仿真试验,确定不同性能指标下最佳的调度规则。仿真研究表明:调度规则的选用取决于车间资源配置和调度目标,应避免仅凭借经验或偏好选择规则的调度方法。     

基于灰色机会约束规划的不确定条件下车间作业调度

针对不确定条件下job shop调度问题的约束条件中含有灰色变量,提出用灰色机会约束规划方法解决不确定条件下job shop调度问题,建立了灰色机会约束规划调度模型.同时,使用灰色模拟的方法和手段解决了灰色机会约束规划问题.给出了如何使用灰色模拟技术处理复杂的灰色机会约束以及基于遗传算法的求最优解的过程,并提出用灰色模拟技术结合遗传算法求解生产调度问题中的灰色不确定规划问题.计算仿真结果表明,这种基于灰色机会约束规划的方法处理不确定条件下车间作业调度问题的模型是可行而有效的.     

考虑运输时间的绿色作业车间调度问题研究

针对制造车间能量消耗大、利用率低的现状,以作业车间为研究对象,建立了一种AGV (automated guided vehicle)运输与加工资源集成调度的模型。首先,通过考虑机器间利用AGV运输工件所需的时间与对应的能耗构建了车间总能耗和完工时间的多目标优化模型,并设置权重系数来调节优化目标的偏好。其次,提出了一种融入模拟退火搜索策略的分布估计算法对模型进行求解。该算法主要是利用分布估计算法全局搜索能力快和模拟退火算法突跳性强的特点构建的一种新的混合算法。同时设计新的退火函数来进一步提高算法深度搜索能力。最后,通过实例验证所提算法的可行性和模型节能的有效性。     

工期不确定的模具车间柔性Flow-shop调度问题

由于模具制造属于非重复性单件订货生产,模具加工的任务工期具有较强的不确定性,导致生产调度混乱.为制定合理可行的生产调度方案,建立了任务工期离散概率模型,以最大完工时间的期望值最小为目标,建立不确定工期柔性Flow-shop调度模型;在遗传算法交叉、变异等操作中融入模拟退火操作,将遗传算法的全局搜索能力与模拟退火算法的良好局部搜索能力相结合,设计了不确定工期的柔性Flow-shop调度问题混合遗传模拟退火算法.利用混合遗传模拟退火算法对调度模型进行求解,通过仿真实验表明,该研究对于解决工期不确定的模具车间柔性Flow-shop调度问题是行之有效的.     

考虑生产过程时间的柔性作业车间调度优化

通过研究生产过程时间,重新细分和定义等待时间,建立包括运输时间、调整时间、故障时间、等待时间、加工时间在内的柔性作业车间生产过程的时间模型,研究了柔性作业车间调度优化问题并设计了混合遗传算法的求解算法。最后,采用经典柔性作业车间调度用例,验证和对比了柔性作业车间调度的结果。结果表明,基于生产过程时间模型研究柔性作业车间调度问题,其优化性能有较好的改进,具有更好的实际应用价值。     

考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。     

基于仿真的生产计划鲁棒性问题研究

针对多品种小批量的单元化生产环境,基于Plant Simulation平台构建JobShop的鲁棒性调度仿真模型,模型采用预调度和再调度结合框架,通过单元层和设备层的层次化管理算法,实现了计划质量鲁棒性和解的鲁棒性的系统目标.实验表明,算法的应用可得到鲁棒性好的计划,松弛时间的优化分配方法可为确定性调度提供实验支持.     

针对项目式生产调度的模拟退火算法

分析了某航空航天企业生产现状,考虑到工时不确定性,建立了数学模型。提出了模拟退火启发式算法,以此制定主动调度计划,并且结合企业生产的实际情况,进行了验证。应用实践表明,相较于单纯求解工期最短的调度计划,该算法的解能很大程度上提高计划的鲁棒性,不需要过多延长工期,对于工时可变范围大的生产项目尤其适用。     

Robustness and stability measures for scheduling: single-machine environment

This paper addresses the issue of finding robust and stable schedules with respect to random disruptions. Specifically, two surrogate measures for robustness and stability are developed. The proposed surrogate measures, which consider both busy and repair time distributions, are embedded in a tabu-search-based scheduling algorithm, which generates schedules in a single-machine environment subject to machine breakdowns. The performance of the proposed scheduling algorithm and the surrogate measures are tested under a wide range of experimental conditions. The results indicate that one of the proposed surrogate measures performs better than existing methods for the total tardiness and total flowtime criteria in a periodic scheduling environment. A comprehensive bibliography is also presented.     

Energy-aware manufacturing operations

This editorial introduces the special issue on energy-aware manufacturing operations in the International Journal of Production Research. The 12 papers in this special issue were selected because of their high quality and also because they deal with topics related to energy-aware manufacturing operations. Three broad challenges are collectively addressed by the papers in this special issue: energy-efficiency vs. manufacturing-system effectiveness in optimisation; the volatility in energy availability, supply and cost; modelling energy consumption in varying scales and across different sub-systems. Previous global discussions about the state of the art in energy-aware manufacturing operations are provided, as well as exploratory guidelines for future research in this area.     

概率及非概率不确定性条件下结构鲁棒设计方法

提出了在概率不确定性和非概率不确定性同时存在时的约束函数鲁棒性和目标函数鲁棒性的实现策略及结构鲁棒设计方法。将传统优化设计问题的约束条件改造成为能同时反映两类不确定性量波动变化影响的约束条件,以实现约束函数的鲁棒性;在传统优化设计问题目标函数中增加若干个关于目标函数灵敏度的新目标函数,构成一个多目标函数设计问题,以实现目标函数的鲁棒性。所提方法应用于一个10杆桁架结构设计,采用宽容排序法求解。计算结果表明,在相同的结构总质量限制条件下,目标函数鲁棒性程度随着变量不确定性程度的增加而降低;在相同的变量不确定性程度条件下,增加结构总质量能提高目标函数鲁棒性的程度。     

考虑重症监护资源的手术集成调度

手术集成调度是指在调度过程中对手术患者所需的手术室、手术人员和病床等各类资源加以协调.缺少配备监护设备以及医护人员的ICU病房床位等重症监护资源将给医疗系统带来严峻的挑战,如手术延迟、术后健康恶化等.使用传统手术调度模型所得方案忽略了重症监护资源的运行压力,基于此,本文建立一个旨在同时优化手术室效率和重症监护室运行压力的双目标函数规划模型.为有效求解这一模型,本文提出一种改进的遗传算法,通过向变异算子引入多样化的策略增强探索的灵活性,同时提出了修复算子以提高复杂约束下解的可行性.采用仿真驱动方法生成初始种群的一部分个体,有效克服大规模问题求解中常见的难以生成可行初始解的困难.基于真实医院数据的实验表明,在小规模算例下,算法获得接近最优解,在 50名患者的规模下,相比于仅考虑手术室的手术调度策略,算法能够降低10.00%～28.56%的重症监护室最大运行压力.