电机产品加工的动态调度算法

考虑多个具有不同开始时间的电机产品加工动态调度问题，将产品加工树的工序，分为具有唯一紧前或紧后工序的相关工序和独立工序两类，提出相关工序调度的拟关键路径法和独立工序调度的最佳适应调度法。结合拟关键路径法和最佳适应调度法，提出考虑关键设备的工序紧凑的多产品动态调度算法。实例数据表明，动态调度算法在总加工时间方面比一般启发式算法更短，适合于有不同开始时间的多产品动态调度环境。     

流程企业智能排产与优化调度技术

以石化企业为背景，深入分析了流程企业的生产特点及当前计划排产与优化调度研究的现状，重点阐述了智能排产与优化调度系统的结构模型，提出并解决了基于综合物流和解耦策略的优化排产技术以及基于主动式数据挖掘的渐进调合等关键技术问题，采用Multi-Agent技术实现了原型系统的开发，为流程企业生产的优化提供了新的方法与技术。     

超薄铝箔加工的动态集成排产方法

超薄铝箔的制造具有流程性生产、离散加工和装配生产的特征,根据其工艺路线特点,建立了基于极大极小代数法的数学模型,推导出状态变化的迭代公式,归纳了多目标的评价指数,用启发式方法将全部订单按照一定的规则进行优化排序,并产生炉次计划,使得订单能够及时交货,且降低了能耗。该排产方法集成了生产排序和装炉计划,能够在生产中随时动态地调整或增减计划的投入,在线控制生产。     

高级排产APS在叶片加工的应用

现代工厂基本实施MES系统,但其核心功能——APS高级排产在生产计划应用中都不理想,未发挥指导计划的作用.APS的应用除了固定的基本模型,更应该结合工厂产品特点优化排产模型,再通过应用积累提高排产的可用性,提高工厂生产效率.     

基于蚁群算法的单台批加工设备调度

从半导体生产线上批加工设备的实际情况着手,考虑了工件动态时间到达和菜单间整定时间等问题,利用蚁群算法,实现了半导体生产线上单台批加工设备的优化调度。基于实际生产线模型仿真验证的结果表明,能够在合理的时间内取得满意解。     

基于启发式算法的齿轮加工调度问题研究

通过研究企业调度管理的现状,采用启发式算法对车间生产调度问题进行了研究,并针对某齿轮加工车间的实际情况,开发了一套符合其生产需求的调度系统。     

基于改进粒子群算法的智能排产研究

车间的排产对于提高车间的生产效率至关重要,尤其对于柔性机加车间,智能排产可以极大提高加工的自动化与智能化水平。排产问题已经被证实是一个NP-hard问题,以最小化最大完工时间为目标,构建了柔性机加车间排产问题的数学模型,并提出了一种改进的粒子群算法对模型进行求解,在标准粒子群算法的基础上增加了变异和局部搜索的步骤,既减少了算法陷入局部最优的概率,又提高了算法的求解精度。并利用某航空发动机的柔性机加生产线验证了模型和算法的有效性。     

基于启发式倒排算法的配合加工调度问题研究

实际生产中的配合加工调度问题是生产调度理论研究的一个难点,它既要考虑常规调度标准约束,还要考虑工件与工件之间的配合工序约束.以最短加工时间为目标函数,建立配合加工调度模型,并采用启发式倒排算法对其进行求解.该算法能有效保证工件交货期,最后以一个实例验证算法的有效性.     

考虑配合加工的作业车间启发式倒排调度算法

目前对制造业领域作业车间调度问题研究中,配合加工增加了调度的约束,使调度的难度进一步加大。根据实际配合加工作业车间环境,建立了以最短加工时间为目标的调度模型,采用启发式倒排算法对其求解,该算法能保证工件的交货期,最后通过实例对算法进行验证并给出对比结果。     

流程模型约束下的排产问题求解算法

为了在有限资源约束下进行企业流程的执行管理,以提高产品利润,提出一种将企业生产部门的排产问题转化为线性规划数学模型的求解问题,同时提出一种降维算法对生成的数学模型进行降维,以使求解系统能够在更快时间内获得等价的生产方案。实验从时间维度对降维前后进行定量对比,降维后的方法在保证等价解的条件下大幅度降低了系统的运算时间。所提算法可以应用于企业生产管理来指导生产流程,以在相同约束条件下提高和增强生产性能。     

含批量加工设备的木门流水车间排产方案

针对包含批量加工工序的两阶段实木复合流水车间排产问题,建立了该问题的混合整数规划模型。根据拉式生产方式和木门加工工艺特点,将原问题拆分为独立的两阶段子问题;针对第2阶段子问题基于Dantzig-Wolfe分解转化为集合划分模型,采用分支定价算法获得其最优整数解;根据第2阶段整数解求解第1阶段子问题,得到该车间这两阶段的排产方案。通过算例分析验证了所提算法可求解大规模木制家具批量生产问题,并能在牺牲少量最优值的情况下,高效快速地得到排产方案。     

单件小批量生产作业计划的倒排产算法研究

提出一种用于单件小批量生产中编制作业计划的算法模型———倒排产算法 ,并建立一套包含此模型的作业计划及调度监控集成系统。在科龙等企业的生产部门进行实施 ,获得良好效果     

基于混沌粒子群算法的单台批加工设备调度

提出了一种基于混沌粒子群算法的双层调度方法。双层调度的外层基于加工时间最小的目标构建组批方法集,然后将其作为内层算法的搜索空间;双层调度的内层以加工时间最小为适应值函数,采用混沌粒子群算法求解批次排序的最优解,得到最优的组批方法及其排序。通过仿真验证了该算法在搜索时间和搜索精度的可行性。     

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。     

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。     

可调加工时间炼钢-连铸的灰狼优化调度算法

炼钢-连铸(SCC)是钢铁生产中的瓶颈,SCC生产过程中最后一个阶段的加工时间可调。可调加工时间SCC调度问题是NP难组合优化问题,高质量的SCC调度算法可以较大地提高生产效率。基于问题特征,研制了求解该问题的高效灰狼优化(GWO)算法。首先设计了新的解码方法对解进行解码。同时提出了种群初始化方法,以得到具有一定质量和多样性的初始种群。其次,研制了一种基于多操作的搜索算子,该算子包含3种不同操作,在一定程度上实现了GWO算法的集中性和多样性的平衡。此外,设计了重启操作,以提高GWO算法的多样性。对比实验说明了基于多操作的搜索算子的有效性。此外,与4种有效调度方法的对比说明了GWO算法的高性能和优越性。     

基于蚁群算法的多加工路线柔性车间调度问题

针对具有工艺路径柔性和机器柔性的多加工路线柔性车间调度问题(FJSP-MPP),基于OR子图,提出一种新的四元组数学描述方法来描述工艺路径柔性和机器柔性;以最小化最大完工时间为优化目标,构建了FJSP-MPP的数学模型。在不需要预先建立析取图模型的前提下,通过设计OR子图和工件的Allowed列表和Tabu列表的相关操作算法,构造了面向FJSP-MPP的蚂蚁路径;通过引入额外的节点信息素,改进信息素更新策略和状态转移规则,实现了蚁群算法求解FJSP-MPP。不同规模数据实验结果表明,该算法具有良好的优化性能。     

基于改进萤火虫群算法的混合生产排产方法研究

为了完成特定生产类型的排产问题,提出一种改进的萤火虫群算法。该算法中,在每一次迭代后都添加差分操作,优化萤火虫的位置,增加种群多样性,从而改善萤火虫群算法易于早熟的特性。综合考虑混合型生产的约束条件,构建基于改进的萤火虫群算法的排产模型,给出算法设计方案。最后针对某制药厂的实际生产模型,进行仿真实验验证,并与其他算法进行比较。结果证明,所提出的改进萤火虫算法在混合型生产的排产中具有很好的可行性及有效性。     

求解液压阀块加工车间调度的多作用力微粒群算法

为有效地解决液压阀块加工车间调度问题,考虑工序间和机器间的约束关系,以最大完成时间最小为目标,给出了液压阀块加工车间调度优化模型。为平衡算法的全局和局部搜索能力,提出了多作用力微粒群(MFPSO)算法,采用多作用力阶段性搜索策略,将搜索过程划分为前期、中期、后期3个阶段,并对应构造单一斥力、平衡引斥力、单一引力3种作用力规则,在不同搜索阶段采用不同的作用力规则,提高了算法的搜索机制和寻优性能。将MFPSO算法用于求解液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出了一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将MFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、蚁群算法进行了对比,结果表明,提出的MFPSO算法结果最优,从而验证了该算法的有效性。     

工序加工时间不确定的柔性作业车间重调度算法

针对工序加工时间不确定的柔性作业车间重调度问题,以最小化最大完工时间和最小化机器总负荷为目标,利用区间数表征加工时间不确定性,采用泛灰数实施作业调度,引入EDQS重调度触发机制和滚动窗口优化策略,设计了关键工序集的构造规则;采用改进的NSGA-Ⅱ算法优化关键工序集和SPT规则调度非关键工序集,从而实现完全工序集的调度。引入Hypervolume指标维护进化种群,在保证Pareto最优解集收敛性的同时维持了群体多样性,以泛灰数序关系确定最优调度方案。仿真实例不仅证明了基于工序加工时间不确定的柔性作业车间重调度算法的可行性和有效性,而且证明该方法能够及时响应不确定性因素扰动。