平行机系统生产调度与维护计划联合优化

针对平行机系统中生产调度和维护计划的联合决策问题,假设随机故障服从威布尔分布,将作业在设备上加工位置以及设备上预防性维护位置作为决策变量,以最小化最大完工时间和最小化单位维护成本作为优化目标建立了多目标优化模型.建立了基于混合编码的遗传算法,针对不同编码类型采用合适的遗传算子,并引入了自适应交叉和变异概率使算法在收敛速度和求解精度上得到较好平衡.通过与枚举算法对比,证明遗传算法具有较好的时间效率和求解精度.通过与独立决策模型对比,证明联合优化模型能更好地解决联合优化问题,提高企业整体效益.     

集成预防性维护计划的单机调度蚁群优化研究

尽管生产调度与预防性维护计划密切相关,且其共有目标都是提高机床的利用率,但是存在着调度优化上的冲突.为了综合考虑单机情形下的生产调度与预防性维护计划,提出了一种改进的蚁群优化算法,用于解决以总计作业加权完成时间和总计维护成本最小为双目标的生产调度与预防性维护计划的集成模型.同时进行了大量的仿真实验,比较结果表明提出的蚁...     

插单扰动下流水线生产与维护的重调度优化北大核心CSSCI

研究了拉式生产模式下考虑重调度需求的生产调度与预防性维护的联合优化问题。针对新工件突然到达对生产计划造成扰动的情况,对流水车间的重调度问题进行建模,优化目标兼顾生产、维护以及调度稳定性三个方面,其中调度稳定性指标特别考虑了设备维护计划的偏离成本。算法方面,根据模型的特点对遗传算法进行改进,对初始种群制定调度偏离约束的启发式规则,并引入最大公共序列交叉算子,设计了一种有效适用于该问题的改进算法IPC-LCSC GA。算例验证结果表明,在对具有维护计划的生产系统进行重调度时,与右移重调度以及不考虑维护稳定性的重调度相比,本文模型表现更优。     

项目员工力[I班调度多目标优化模型与算法

为最小化加班对项目工期、人力资源成本和总加班时间的影响,建立了项目员工加班调度多目标优化模型。首先,采用初始化模块生成各活动的可行加班方案;然后,使用调度模块计算确定每一种调度方案的项目工期、人力资源成本和总加班时间;最后,采用并列选择遗传算法得到多目标Pareto解集。研究结果表明,使用该模型能够有效的确定出工期短、人力资源成本低和总加班时间少的员工加班调度方案集合,从而为项目管理者提供有力的加班调度决策支持。     

烟丝加工双机流水线生产调度与维护联合优化

首先将烟丝加工制程抽象为带缓冲的双机Flow shop,以最小化最大完工时间为目标,建立了双机Flow shop生产调度与设备维护联合优化数学模型.然后,基于烟丝加工制程的特点,给出并证明了其联合优化调度问题的若干最优解特性.在此基础上,提出了一个简洁、有效的算法用于求解该问题.最后,通过实际烟丝加工案例验证了该算法的有效性.     

基于MTO的多目标优化排产模型

针对多订单情况下多产品生产计划安排研究存在不足,提出了一种新的基于订单的计划排期多目标优化模型,目标包括利润最大化与均衡生产,通过各计划期之间产量安排对各资源消耗的偏差最小化来实现均衡生产.模型存在非线性多目标,实现时采用了遗传算法,通过Sheffield GATBX利用MATLAB编程实现.     

基于人机集成的生产过程管理系统研究与开发

针对汽车制造企业生产过程复杂的特点,提出了一种基于人机集成的现场生产过程监控、车间调度和计划的集成管理系统的结构框架和原理,并且开发了一套适合某微型汽车生产企业的生产过程管理系统,阐述了该系统的结构功能和关键技术。针对汽车装配线平衡问题,提出了一种多目标优化方案。该系统在某特大型汽车制造企业得到成功应用,对于提高该企业的生产效率以及降低生产成本起到了重要的作用,并在类似汽车流水线生产企业应用上具有广泛的前景。     

基于SPEA2算法的泊位调度多目标优化

为获得使集装箱码头综合利益最大的泊位调度方案,建立了以船舶平均在港时间、码头生产成本和安全质量为目标的多目标优化模型;采用改进的强度Pareto进化算法(SPEA2)进行求解,基本操作中,可行解用三层染色体结构表示,改进的两点交叉算子和基于领域搜索的变异算子可避免出现不可行解,同时给出了靠泊顺序推迟最小的Pareto最优解选择策略。某集装箱码头的试验算例表明,文中提出的优化方法不仅能获得较优的满意解,同时收敛速度较快,可作为集装箱码头泊位调度的有效手段。     

一类多资源调度问题的优化算法

若调度系统中的作业或任务需要一个或多个资源共同完成， 则这一类调度问题被称为多资源（或多处理机）调度问题。本文针对Jobshop中的这一调度问题，提出了基于遗传的优化调度算法，并用实例证实了该算法的有效性。     

考虑新能源接入的电力多目标优化调度

随着社会经济与科学技术的飞速发展,生态环境污染日益加剧,人们对环境保护的重视程度不断提高,并且不可再生能源锐减,而新能源极具优势,既可再生又无污染,因此得到大力发展与应用。通过新能源促进发电技术更大发展,同时也带给电力调度全新挑战。在该文中,探究了新能源接入的电力多目标优化调度。     

带调整时间的多目标流水车间调度的优化算法

为高效地求解带调整时间的多目标流水车间调度问题,提出了一种多目标混合遗传算法,此算法依据基于Pareto优于关系的个体排序数和密度值计算适应度,保持解的多样性,并采用非劣解并行局部搜索策略,提高算法的搜索效率.此外,引入精英策略保证算法的收敛性,在进化过程中通过淘汰掉个别最差个体,进一步加快解的收敛速度.仿真结果表明,新算法能够有效地解决带调整时间的多目标流水车间调度问题.     

采购与多层生产计划问题的协同优化

针对生产与采购这两项企业的重要活动,建立了一种采购计划和多层生产计划的集成优化模型,将采购计划、批量计划以及作业排序这三层计划问题进行综合决策。为求解该问题,设计了一种遗传算法和网络优化方法相结合的协同优化策略,遗传算法中每一个个体同时包含了批量计划和作业排序,并调用网络优化模型得出订购策略。数值仿真实验显示了提出的方法求解该类集成优化问题的良好性能。通过与独立优化方法进行比较,显示了协同优化策略的优越性。     

基于多代理和遗传算法的协同生产调度研究

针对经典作业车间调度(Job-Shop Scheduling)问题的局限性,结合实际生产情况,提出了基于多代理机制的供应链环境下的企业间的协同生产调度(Cooperated production scheduling)系统的体系结构,结合多代理的灵活性和遗传算法的全局优化性,阐述了一种基于多代理和遗传算法的协同调度系统,并寻求适合于这种供应链环境的优化调度方案.     

基于遗传算法和状态信息的多设备混联系统维护调度优化

针对多设备混联系统维护优化的建模复杂性,系统分析了设备间的相互依赖性,建立了混联系统的维护调度模型。首先利用威布尔分布模拟设备的衰退过程;定义小修、大修和更换3种维护方式,以及3种维护方式对设备故障率的影响;考虑故障成本、维护成本、资源成本和停机成本,建立了系统一次维护活动的费用模型。其次,基于每次维护活动的费用模型,建立了系统维护多阶段的总费用率模型。最后,通过算例证明了提出的多设备混联系统维护调度优化模型的有效性     

基于精益物流的单件离散型生产作业排程优化

通过实证研究,分析了单件离散型生产作业排程特征和设备对排程的重要性,提出了从设备使用和顾客需求角度研究作业排程优化的必要性.引入设备综合技术性能指数作为质量保证的考量指标,以精益物流为指导思想,综合质量保证指数、生产浪费指数和准时交货指数三项指标,以生产能力、工艺时序、随机不确定性因素为约束条件,建立了组合优化模型.为了有效地求解模型,设计了集成算法,并结合实例分别应用“SM&PR”(仿真&优先规则)和“SM&PR&GA”(仿真&优先规则&遗传算法)进行了仿真试验,检验了模型和算法的有效性.结果显示“SM&PR&GA”是最有效的方法,与传统方法相比,具有动态随机性、全局收敛性和智能性等特征,提高了作业排程的效率和科学性.     

多产品串并联连续生产系统主生产计划方法

某些生产过程包含了若干连续生产的流水线,其中一些是并行的,而有一些于另外一些是串行的.因此,构成了一个串并联生产系统.在多产品生产的情况下,其主生产计划问题变得非常复杂.针对这种情况,提出了将MRP与JIT相结合的解决方案.根据该方案思想建立了主生产计划模型,并采用遗传算法求解.仿真结果表明,该方案效果良好.     

多品种小批量订单型企业生产调度优化

目的研究多品种小批量订单型企业的生产调度优化问题,方法针对S公司的生产现状,应用遗传算法思想设计调度优化方案,采用不等长矩阵的编码方式实现订单的批量生产及车间排产的方案。结果通过仿真分析和S公司生产调度的实际应用,验证了该算法的可行性及有效性。结论基于遗传算法的调度优化算法实现了多品种小批量流程型生产企业生产调度优化,达到了缩短生产周期、有效利用生产资源的目的。     

基于改进遗传算法的导向辊生产调度方法研究

目的 研究导向辊生产车间中的调度优化问题,有利于缩短工件的完工时间,提高产线生产效率。方法 以某导向辊生产车间为研究对象,以最小化最大完工时间为目标建立数学模型。针对该导向辊生产车间的实际工况,提出一种改进的遗传算法进行求解。通过对10种不同尺寸的导向辊进行生产调度,分别采用改进的遗传算法和传统遗传算法进行试验分析。结果 改进的遗传算法相比传统遗传算法寻优能力更高,工件的完工时间从139 min缩短为113 min,缩短了18.7%左右,生成了完工时间为113 min的生产调度甘特图。结论 与传统遗传算法相比,改进的遗传算法在导向辊生产调度优化中具有更高的全局优化能力和寻优精度。