机器学习在智能车间高度系统中的应用

基于规则和信真的车间高芳系统与专家系统的结合，使智能能调度得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个有机器学习能力的车间调度系统证明：机器间解决知识分管的一个有效途径，用在众多的机器学习算法中，Ｑｕｉｎｌｉａｎ的ＩＤ３算法成为适用于智能调度系统的机器学习算法。     

仿真技术在车间调度中的应用

如何制定合理有效的日调度单、是车间运行阶段所面临的主要任务，也是充分发挥车间生产能力，实现资源优化利用的关键，介绍了仿真技术在生产调度中的应用，根据生产车间的设备情况、班组状况、任务目标等选择模型元素，建立了生产车间层仿真模型，通过一个实例说明应用仿真系统来辅助生产车间生成所需要的日调度单。     

智能制造系统基于数据驱动的车间实时调度

智能制造系统采用大量先进的信息技术,为车间实时调度提供技术基础.各类信息技术在生产制造过程中的广泛应用使得制造系统积累了大量与生产调度相关的数据,因此,通过利用历史生产调度数据和智能装备收集到的实时生产数据,建立基于数据驱动的生产实时调度方法成为新型制造环境下实现高效调度的新思路.针对智能制造环境下的混合流水车间实时调度问题,提出基于BP神经网络的数据驱动的实时调度方法,从历史近优的调度方案中提取用于调度知识挖掘的样本数据,通过BP神经网络训练学习获取生产系统状态与调度规则的映射关系网络,并将其应用于生产在线实时调度.数值实验表明,所提出的方法优于固定单一调度规则,在不同的调度性能指标下其效果均稳定且良好.     

遗传算法在企业车间生产调度中的应用

车间生产调度是企业生产中的一个重要课题,如何使生产过程中的调度最优化,是一个长期研究的问题,本文提出的用遗传算法解决企业生产调度问题,并通过实验证明了该方法的有效性.     

车间调度中的数据挖掘技术研究

基于Multi-Agent System（MAS）的人机合作技术适合于解决复杂调度问题。为了使人与机能够更好地合作来完成高效、准确的车间调度,引入C4.5算法,建立并实现了基于机器学习和MAS的人机合作车间调度系统仿真模型。在Java环境下,以Weka、JADE为开发平台,以Eclipse为开发工具,Access为后台数据库,完成了系统的开发。通过实例仿真和结果分析,运用机器学习算法动态调度的结果稍优于最佳的静态调度结果,证明了系统的正确性和优越性。     

计算机辅助车间实时调度系统

本系统是汉江机床厂管理信息系统中的一个子系统，其开发工具采用ＦｏｘｐｒｏｆｏｒＷｉｎｄｏｗｓ关系数据库，它运用启发式方法编排车间零件加工计划，对编制短期加工计划具有较强的实时性，系统的运用对于提高车间一级的管理水平具有现实意义。     

基于强化学习的智能车间调度策略研究综述

智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC（Actor-Critic）网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。     

动态车间作业调度问题中调度规则算法研究综述

调度规则是解决实际生产中的动态车间作业调度问题的有效方法,但它一般只在特定调度环境下性能较好,当环境发生变化时,就需要进行实时选择和评价。对调度规则的实时选择和评价方法进行综述,以研究实际生产中动态车间的实时调度问题。对调度规则的发展、分类以及特点进行了概述,并对调度规则的选择和评价方法进行了总结。详细介绍了调度规则的选择方法,包括使用较多的稳态仿真方法和表现较好的人工智能方法,并给出了仿真方法、专家系统、机器学习方法以及人工神经网络方法,用于调度规则的选择时所取得的研究成果和结论。此外,还介绍了调度规则的评价指标及评价方法。最后针对调度规则存在的不足,指出了未来的研究方向。     

自适应遗传算法在流水车间优化调度中的应用

针对流水车间的优化调度问题,本文设计一种自适应遗传算法,可以根据个体的特征值自动调整其交叉概率和变异概率,并用两个经典算例对其有效性进行验证。仿真实验表明,该算法具有较好的全局搜索能力和较快的收敛速度,具有一定的工程应用价值。     

混合遗传算法在分布式车间作业调度中的应用

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域。该文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果。与其他方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法。     

数字车间生产调度原型系统及调度仿真

文章介绍所开发的一个基于Agent的数字车间的生产调度原型系统,包括它的组成、结构、平台选择和软件运行环境等方面的内容;并结合一个实际的生产任务,对车间调度系统对生产任务的招投标过程进行了仿真。     

基于上下文赌博机的自适应实时车间调度

传统的多Agent车间调度方法使用单一调度规则, 忽略了生产环境变化对调度规则适用性的影响, 导致调度结果欠佳. 本文针对该问题提出一种自适应实时车间调度方法, 通过上下文赌博机对工件调度过程进行类比建模. 经过若干回合学习的上下文赌博机模型能够依据生产环境制定调度决策, 获得优异的调度结果. 最后, 通过仿真实验验证了提出方法的有效性.     

一种透析机自动排台优化算法的实现与应用

针对目前血液透析排台模式复杂化、排台程序固定化等问题,设计了一种透析机自动排台优化算法,以固定时间间隔为单位自动更新患者治疗排台信息,并在此基础上设计了排台管理功能,将排台算法和管理功能相结合,建立血液透析自动排台管理系统.该系统的建立降低了排台的复杂性,提高了透析中心的工作效率,同时也进一步提高了血液透析中心的信息化建设水平.     

基于机器学习的分布式星载RTs系统负载调度算法

分布式星载多RTs(Remote Terminal)系统的任务主要基于功能进行分配,而数据处理任务的突发性往往会使不同计算机之间负载不均衡。运用灵活的负载调度机制,可以有效调节不同计算机间的负载差异,从而在一定程度上提升计算机系统的整体性能。文中提出了一种基于机器学习的分布式星载RTs系统负载调度算法,包含样本采集、任务吞吐率预测模型构建、吞吐率预测和负载调度等4个步骤。在构建任务吞吐率预测模型环节,通过机器学习的线性回归正规方程获取模型权重,缩短了构建模型消耗的时间。在负载调度环节,若RTs的吞吐率之和大于系统总的负载数据量,则按吞吐率比例给各RTs分配数据,否则只给负载数据量小于自身吞吐率的RTs分配一定量的数据。在多台星载计算机电性能产品构建的地面模拟系统上的实验结果表明,该算法可以使系统所有节点的平均CPU利用率提高23.78%,节点间的CPU利用率方差降低至34.59%,同时目标任务的系统总吞吐量显著提升225.97%。也就是说,该方法在确保系统负载均衡性的同时,可有效提高系统的资源利用率,提升星载计算机系统的数据实时处理性能。     

一个基于网络的智能个性化学习系统的设计与应用

本文以数据挖掘和机器学习技术为基础,提出了一种基于网络的智能学习系统的基本结构,该系统以学习者为中心,根据学习者的学习兴趣,为其提供智能的个性化学习平台;通过对系统关键技术的讨论,介绍和分析了学习者个性化学习兴趣模型建立和个性化学习的基本过程.     

可视化仿真在车间生产系统规划中的应用

分析了可视化仿真在车间规划方面的研究现状,指出了可视化仿真的优势。介绍了ProModel可视化仿真技术,并对建模步骤给予说明。最后运用ProModel对车间规划问题进行仿真,分析了仿真结果并提出了改进方案。     

物联网在公交车智能监控调度系统中的应用研究

介绍了物联网技术的概念、基本特征、发展现状以及物联网中的关键技术,提出了一种公交车智能监控调度模型,并分析了该系统架构中各个模块的功能,以便在一定程度上促进公交系统的发展,同时也促进物联网的建设与发展。     

基于Unity的数字化车间改进资源动态调度算法

针对基于Unity引擎的车间仿真系统加载过程中内存占用大,导致系统在运行时存在卡顿、不流畅的现象,从模型资源加载角度设计一种资源动态调度算法.首先通过四叉树算法将场景递归的分割成多个叶子节点进行存储,然后结合资源动态调度算法以摄像机位置为中心对周边节点的资源进行预设实例化和预设销毁完成内存的管理.最后根据Unity的内存管理机制,设计并实现了对场景资源的动态调度和内存优化,实验结果表明资源动态管理算法有效控制某时刻内存中加载的数据量相对稳定降低了IO总量,避免了漫游移动时造成的内存颠簸,使系统的运行更加流畅.     

个性化的智能护理排班管理系统的设计与运用

目的:为了提高护理排班的效率,在满足病区个性化排班需求的同时保证护理部的统一管理。方法:该文设计了一种个性化的智能护理排班管理系统,采用分级管理的思路,提供从护士到护理部的多层级闭环管理。结果:新设计的系统为病区提供了个性化、人性化、智能化的排班功能,显著地改善了医院的护理排班工作效率和护士满意度。结论:该文的护理排班管理系统为医院进一步提高护理管理水平和护士满意度提供了新的方法。     

智能控制系统中机器学习的研究

本文总结了制造领域中机器学习方法的研究现状,针对智能控制系统所面临的外界环境动态变化和内部技术演化,提出一个多Ａｇｅｎｔ协同实现、多种学习机制集成的学习模型框架;最后,分析并展望了智能制造系统中机器学习研究的发展方向。