航空复合材料可重入瓶颈设备生产排程方法研究

在分析航空企业先进复合材料生产工艺特点的基础上,对航空先进复合材料生产过程中热压成型瓶颈工序具有的可重入特征及其约束进行了描述。针对该瓶颈工序排程困难这一问题,在建立反映其可重入特点及设备能力的数学模型基础上,提出了一种基于规则的启发式算法,用于进行优化排程。通过实例分析证明,该算法在保证快速性的同时具有一定的灵活性,适用于实时性要求较高的生产现场的动态排程,已经在某航空企业复合材料车间得到初步应用。     

基于启发式规则的航空复合材料车间生产排程研究

以国内某航空制造企业复合材料生产车间现场为对象,针对航空复合材料的特殊性,对这类车间生产排程进行研究和探索;基于航空复合材料的生产工艺特点,提出针对航空复合材料车间生产过程中的瓶颈工序即热压成型工序的排程方法和步骤,并且针对该瓶颈工序的可重入特征建立了基于启发式规则算法的优化排程模式。     

基于启发式规则的航空复合材料车间生产排程研究

以国内某航空制造企业复合材料生产车间现场为对象,针对航空复合材料的特殊性,对这类车间生产排程进行研究和探索;基于航空复合材料的生产工艺特点,提出针对航空复合材料车间生产过程中的瓶颈工序即热压成型工序的排程方法和步骤,并且针对该瓶颈工序的可重入特征建立了基于启发式规则算法的优化排程模式。     

基于Petri网的航空复合材料可重入制造过程调度模型构建

航空复合材料"手工铺层与热压罐固化"湿法成型生产方法属于一种典型的可重入制造过程。通过分析该生产方法的可重入、多约束等工艺特点,提出了基于扩展赋时着色Petri网的调度模型构建方法,并根据该方法给出了单热压设备上可重入制造阶段的ETCPN调度模型。通过某复材厂实际生产数据分析表明,该ETCPN调度模型能够满足航空复合材料生产过程的建模需要,有利于A*与遗传算法相结合的总体调度策略的实施,模型具有较高可行性。     

基于分层瓶颈分析的多重入制造系统调度方法

针对一类具有重入特征的复杂制造系统,借鉴鼓—缓冲器—绳子理论,寻求以关键性瓶颈设备控制为核心的调度方法。在瓶颈设备分析中针对复杂制造系统多重入的特点,提出分层瓶颈的概念和系统瓶颈及层瓶颈的计算方法。基于分层瓶颈分析思想探索多重入制造系统的分层瓶颈调度算法和实施步骤。最后,在采用计算机实现分层瓶颈调度算法的基础上,以典型半导体生产线HP-24模型为对象,运用所提出的方法进行了案例仿真分析与算法应用效果的比较验证。     

大规模作业车间的瓶颈分解调度算法

针对大规模作业车间生产调度问题,提出一种基于瓶颈工序分解的调度算法.该算法采用正交试验进行瓶颈设备的识别,在设备层分解的基础上进一步进行工序级的分解,将大规模调度问题分解为瓶颈工序集调度、上游非瓶颈工序集调度和下游非瓶颈工序集调度三个子问题,通过子问题的求解和协调获得原问题的解.该算法遵循约束理论中"瓶颈机主导非瓶颈机"的原则,抓住调度问题的关键因素,采用分而治之的调度策略,不仅较大程度地降低了原问题的计算规模和复杂度,还兼顾了求解的质量.仿真结果表明了该算法的优越性和可推广性.     

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。     

基于瓶颈约束的APS算法研究与应用

阐述了APS(advanced planning system)高级计划排程系统的概念、功能及其在生产调度中的巨大潜力;讨论了APS的3种建模方法--基于模拟仿真、基于数学方法和基于约束理论的APS建模;提出了基于瓶颈约束的APS算法,该算法以瓶颈资源为控制点,通过瓶颈资源订单排序、前推排序和后推排序3个步骤来实现对生产计划的排程;用实例说明了该算法的可行性与实用性.     

基于多目标多约束条件下排产算法设计与应用

针对机加企业实际生产中面临的双工位、相邻设备和委外工序等多约束条件下的多目标生产排程问题,分析排程所需满足的各生产要素,建立最优化生产排程数学模型,提出动态交叉变异算子改进遗传算法,在以三段式编码为基础的传统排程算法中引入分子和裂变分子,利用染色体偏移,提高排程紧凑性的同时加快算法收敛速度,得出加权系数优化后的排产结果,最后通过算例求解并运用于实际生产中,大大提高生产排程效率。     

AMS生产计划、排程集成方法研究

在分析先进制造车间(Advanced Manufacturing Shopfloor，AMS)计划、排程问题产生背景的基础上，构造了AMS生产计划、排程问题的集成功能模型。结合此模型，建立了AMS的作业分批与计划排程的数学模型，给出了求解此类问题的算法，仿真实例说明了该方法的有效性。     

基于共同进化算法的多工艺路线决策研究

针对传统单种群进化算法(ConventionalEvolutionaryAlgorithm,CEA)求解CAPP中多工艺路线决策与生产调度集成的不足,提出利用共同进化算法(SymbioticEvolutionaryAlgorithm,SEA)来实现单件小批量生产和面向定单生产的柔性工艺设计和生产调度的集成。并对共同进化中工艺子种群和调度子种群的基因编码、染色体的交叉、变异和共同进化个体的选择做了探讨。最后以算例验证了基于动态资源条件下,共同进化算法能够实现系统的全局优化,表明此算法能够较好地解决CAPP和生产调度的集成。     

基于瓶颈分析的优先权调度算法研究

制造执行系统在制造系统中的广泛应用,为实现生产车间的动态实时调度提供了可能性,也对实时调度算法提出了更高的要求。调度算法必须在考虑求解速度的前提下来求得满意解。根据优化生产技术的解决车间调度问题的思想,基于转移瓶颈启发式算法,提出了一种基于瓶颈分析的优先权调度算法,用于解决制造执行系统中的动态实时调度问题。     

基于动态加权算法排课系统的分析与设计

主要分析并设计了基于动态加权算法的排课系统，使排课工作在自动化的基础上增加了人性化，能较好的满足教务人员的排课要求。     

基于MES的智能生产调度系统研究与实现

根据现代制造企业生产调度的要求,采用基于启发式算法和遗传算法相结合的智能生产调度算法,建立了基于MES的智能生产调度系统。详细提出了该系统的总体结构及其实现流程;介绍了基础数据库、作业调度、结果输出以及系统维护四大功能模块的具体内容;实现该系统的关键技术,其中包括该混合算法的具体实现过程、标准工时数据库的建立硝及系统实现的技术支持。该系统弥补了单一算法的不足,能够取得良好的调度效果,从而提高企业的生产效益。     

基于Agent多层次的柔性车间调度多目标决策研究

对于多目标job-shop柔性制造系统调度决策问题,在实际调度过程中不同优化目标之间存在层次关系,同时在实际生产环境中所调度追求目标并非固定常常处于变动之中。为此提出了基于Agent多层次目标任务调度规划模型,将复杂的求解问题按层次分解为具有相对独立性的各求解子问题单元并建立各单元间的联系机制,采用交互式策略对复杂调度问题进行求解。通过对不同调度算例的求解并得到满意调度方案,并验证此方法的合理性及可行性。     

遗传调度算法的研究

提出一种基于２算法进行生产调度优化的算法,该算法通过ＧＡ,启发式调度以及评价算法的有机结合,在调度效率较高的情况下,实现调度方案的全局优化。特别是这种方法为ＧＡ在调度系统中的应用提供了经验,也为解决工艺计划与生产调度的集成提供了一种有效的优化手段。     

基于自适应蚁群算法的动态作业车间调度问题的求解方法

针对目前大多数作业车间调度算法都是静态调度,而实际工业生产中调度任务都是动态变化的问题,提出了一种求解动态作业车间调度问题的自适应蚁群算法.算法采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,并且对每次调度采用自适应蚁群算法优化调度方案.最后,通过实例仿真验证了算法的有效性.仿真结果表明,该算法自适应性表现在算法针对"搜索结果是否陷入局部收敛"分别对各路径上的信息素进行了自适应调整,有助于算法快速跳出局部收敛,继续向全局最优解进行搜索.     

工艺路线可变的双资源双目标车间调度优化

将遗传算法与启发式调度规则相结合 ,研究了工艺路线可变的双资源双目标的作业车间调度优化问题。在探讨过程中 ,不仅考虑到了每个工件有几条可行的工艺路线 ,而且考虑到了工件的调度受到机床、工人等资源的制约 ,以及在加工过程中发生的储存费用、机床的加工费用和工人的劳动费用对工件调度的影响 ,设计了以生产周期和生产成本综合优化为目标的适应度函数。启发式调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性。最后给出了算例 ,并对计算结果进行了分析和讨论     

Hybrid evolutionary algorithm with marriage of genetic algorithm and extremal optimization for production scheduling

This paper presents a hybrid evolutionary algorithm with marriage of genetic algorithm (GA) and extremal optimization (EO) for solving a class of production scheduling problems in manufacturing. The scheduling problem, which is derived from hot rolling production in steel industry, is characterized by two major requirements: (i) selecting a subset of orders from manufacturing orders to be processed; (ii) determining the optimal production sequence under multiple constraints, such as sequence-dependant transition costs, non-execution penalties, earliness/tardiness (E/T) penalties, etc. A combinatorial optimization model is proposed to formulate it mathematically. For its NP-hard complexity, an effective hybrid evolutionary algorithm is developed to solve the scheduling problem through combining the population-based search capacity of GA and the fine-grained local search efficacy of EO. The experimental results with production scale data demonstrate that the proposed hybrid evolutionary algorithm can provide superior performances in scheduling quality and computation efficiency.