双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。     

基于排队网模型的柔性流水车间缓冲区容量优化

针对订货型单类型工件柔性流水车间缓冲区容量优化设置问题,在考虑各级工序节点之间耦合关系的前提下,基于连续时间马尔可夫随机过程原理建立了多级柔性流水车间的排队网节点状态模型。在给出系统产出率为目标和平均生产周期条件约束的情形下,利用该模型计算系统的关键性能指标,提出一种针对柔性流水车间特点的缓冲区容量优化分支定界算法。通过该算法计算算例并与Em-plant工具仿真结果进行对比分析,最终确定了合理的柔性流水车间缓冲区容量。     

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。     

蚁群算法求解混合流水车间分批调度问题

为解决混合流水车间分批调度问题,提出一种三级递阶结构的蚁群算法.算法中,第一级蚁群算法设计了一种批量大小动态结合的柔性分批策略,完成产品的批次划分;第二级蚁群算法考虑工件在各设备的加工时间和设备可用能力,设计蚂蚁设备间的转移概率,完成工序约束下各批次的设备选择;第三级蚁群算法考虑同一设备上批次顺序相关的换批时间,设计蚂蚁批次间的转移概率,完成各设备的批次排序.通过实例仿真,分别对分批算法和混合流水车间调度算法性能进行比较分析和评价,结果表明了算法的有效性和优越性.最后从生产实际出发给出算例,验证了算法的有效性和对生产实践的指导作用.     

考虑约束松弛的柔性流水调度研究

针对柔性流水车间作业调度问题,考虑加工批量约束松弛和瓶颈工序顺序松弛2种情形,抽取出相应的新型柔性流水车间调度问题,建立了最小化最大完工时间的数学模型,提出了改进的单亲遗传算法,进行了优化求解,得到了不同约束松弛情况下的最优调度方案。通过算例仿真,验证了所提方法的有效性。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

考虑运输的柔性流水车间多处理器任务调度的混合遗传优化算法

多处理器任务调度在制造业有着较广泛的应用,为了解决实际柔性流水车间环境下的多处理器任务调度优化问题,研究了考虑运输时间和释放时间的多阶段柔性流水车间多处理器任务调度问题,该问题为NP-hard问题,以最小化最大完工时间为目标建立了柔性流水车间多处理器任务调度整数规划模型。为有效求解该问题,首先研究了工件加工机器流生成机制、单工件加工机器流矩阵编码方案和批量工件加工机器流编码方案。进而设计了基于机器空闲随机筛选的工件安排机制,产生该规划的初始解生成方法,以最小化最大完工时间原则进行新解筛选。然后构建基于工件顺序与加工机器流同步交叉的新解更新过程、基于工件顺序与加工机器流同步变异的新解调整过程,并利用迭代贪婪算法完成调整和重建操作,产生全新方案以改善求解质量,最终形成结合迭代贪婪算法的混合遗传融合优化策略。仿真实验利用解的下界得出偏差百分比,分别用遗传算法、迭代贪婪算法和混合遗传融合优化算法对不同规模的问题进行测试,结果表明,混合遗传融合优化算法能够获得较好的近优解。     

基于公共缓冲区的柔性流水车间缓冲区动态增容排产方法

实际制造企业通常通过设置公共缓冲区的方法,以此缓解柔性流水车间有限缓冲区容量限制带来的生产堵塞问题,由于公共缓冲区的存在会提高柔性流水车间排产的复杂度,因此提出一种基于模拟退火的类电磁算法(Electromagnetism-like Mechanism algorithm based on Simulated Annealing algorithm,SAEM)与局部调度规则相结合的方法,用以解决这类排产问题。首先建立同时具有有限缓冲区和公共缓冲区的柔性流水车间数学模型;其次由于工件的转运时间代价不能忽略不计,设计局部调度规则来控制工件在生产线上的移动过程,减少转运时间代价对生产过程的影响;最后将引入模拟退火算法思想的类电磁算法作为全局优化算法并与局部调度规则相结合,对同时具有有限缓冲区和公共缓冲区的柔性流水车间进行排产。采用3种不同规模的实例数据进行仿真实验,实验结果表明:在与局部调度规则结合的前提下,SAEM在对优化目标和各评价指标的改善方面均优于标准类电磁(Electromagnetism-like Mechanism,EM)算法和紧致遗传算法(Compact Genetic Algorithm,CGA)。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

基于启发式模糊评价算法的配合加工调度问题研究

配合加工是许多离散型制造企业中常用的加工方法,它增加了生产调度的约束条件,使得车间调度的难度进一步加大。为解决这一难题,使用启发式模糊综合评价算法对工件工序优先级次序和工序在不同加工设备的优劣进行多目标的评价,使得调度问题在配合加工约束下达到多目标的优化。通过实例计算,证明了算法的有效性和可行性,具有实际应用价值。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

用遗传算法解决多机两工序模具电极调度问题

模具电极在CNC和EDM工序加工的调度是一个两阶段且后阶段带成组特征的柔性Flow Shop问题,目标是既要尽可能满足交货期,又要实现模具的准时生产。为此,首先建立问题的数学模型,然后用遗传算法求解,并应用实例验证该算法的有效性。     

An immune algorithm approach to the scheduling of a flexible PCB flow shop

Scheduling is an important task in manufacturing. It involves assigning jobs to machines in a particular order so as to meet the manufacturing target. With the increase in manufacturing complexity, conventional scheduling techniques for generating a reasonable manufacturing schedule have become ineffective. An immune algorithm (IA), which is a new evolutionary algorithm, can be used to tackle complex scheduling problems and produce a reasonable manufacturing schedule within an acceptable time. This paper describes an IA approach to the scheduling of a flexible flow shop for PCB manufacturing. An overview of the flexible flow shop problem and the basic notions of an IA are first presented. Subsequently, the details of an IA approach are described and implemented. A case study of a flexible flow shop for the manufacture of PCBs for communication equipment was then conducted. The results obtained are compared with those computed by genetic algorithms (GAs), which are well-known evolutionary algorithms. From the case study, it was established that IAs outperformed GAs. The details of the case study as well as the comparative study are described.     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。     

基于多目标混合殖民竞争算法的设备维护与车间调度集成优化

在制定调度计划时考虑设备预防性维护可以提高设备利用率和资产效率。首先,依据实际制造车间生产环境,在每台机器的可靠度降低到阈值的时候安排预防性维护,建立柔性作业车间设备预防性维护与调度集成优化的数学模型,以最小化最大完工时间、总生产成本和平均总维修成本为目标。然后,提出一种多目标混合殖民竞争算法求解该模型,设计相应的编码、解码、殖民国家同化过程以及多目标混合殖民竞争算法的流程,并采用改进加权TOPSIS方法在获得的Pareto解集中选择满意解,以达到提高设备的可靠性、按期交货和节省成本的目的。最后通过具体实例验证提出策略的可行性和有效性。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于人工势场的车间作业调度应用与研究

为实现柔性制造环境下资源的最大利用率,提高生产效率,降低生产过程的复杂性,引进了人工势场算法来解决车间作业调度问题。建立了以最小化最大完工时间和最大化资源利用率为目标的数学模型。相比其他调度算法,该算法具有计算简单、动态响应性好等优点。通过具体实例,验证了算法和模型的有效性,为解决此类问题提供了一种新的思路。