面向订单的服装企业生产计划调度

现代服装企业主要以订单的形式生产,其生产计划调度主要靠手工安排。根据服装加工企业的运作一般特点,建立了生产计划调度的数学模型,并采用遗传算法来求解,从而实现企业的生产计划安排。仿真结果表明模型和算法是可行的,满足企业的计划目标。     

基于供应链的服装企业集成计划管理系统设计

本文对目前服装企业计划管理面临的问题进行了分析,提出了服装企业计划管理的新思路--基于供应链的集成计划管理,强调了面向订单的计划管理模式,并探讨了如何设计和实现集成计划管理系统.     

基于进化算法的铝加工行业生产计划高级排程系统设计

现有排程系统存在加工时间长、加工效率低等问题,为此设计基于进化算法的铝加工行业生产计划高级排程系统。首先,根据铝加工行业生产线分钟级别的生产排程及系统运行需要,设计高级排程系统框架结构;其次,利用进化算法,完成铝加工行业生产车间调度;最后,在动态环境下,实现生产计划高级排程。实验结果表明,新的排程系统在实际应用中可以在更短的时间内完成加工任务。     

基于.NET技术的服装生产企业订单管理系统的设计与实现

本文从实际应用出发,采用了,NET的Web技术,提出了一个适合服装生产企业自身实情的信息化系统模型即订单管理系统,实现了企业对订单流程模式的全过程管理。     

基于混合遗传算法的订单生产调度在机车车辆行业中的应用

机车车辆行业作为典型的面向订单的机械制造企业,优化的生产调度方法能提高订单的准时交货,缩短产品的生产周期,提高企业的市场竞争力。订单生产调度问题是典型的NP-hard问题。遗传算法(Genetic Algorithms)为求具有多个约束的复杂问题提供了有效的方法。但是遗传算法的局部搜索能力比较差,在解决订单生产调度问题中存在着明显的不足。本文引入了局部搜索能力很强的禁忌搜索算法,用遗传算法和禁忌搜索算法相结合的混合遗传算法来解决机车车辆行业中面向订单生产调度问题。     

基于模拟退火算法的多节点订单排序模型*

将Slotnick等人的单节点的订单选择模型扩展到多节点,给出了较复杂的多处理节点的订单排序优化模型。采用了模拟退火算法来求解所建模型的优化解,给出了详细的算法步骤和几种相邻解的搜索策略。对模拟数据进行了仿真求解计算,验证了算法的求解效果和计算效率,算例结果也表明：多节点的订单选择模型比单节点模型更加符合实际情况,能更准确地计算订单收益与延迟处罚,克服了单节点模型中的失真问题。     

基于改进型遗传算法的热轧生产计划调度系统

针对热轧型钢生产计划编制的约束条件复杂、易延误交货期、不易寻求最优解等问题,采用面向可拆分订单的批策略思想建立了新的生产计划模型,并针对新模型改进了遗传算法,提出了拆分染色体遗传算法.结合某钢铁企业实例,在建立基于批决策与批调度热轧数学模型、列举实际生产约束条件之后,阐明了此种新算法的应用过程,并且通过不同的订单数据进行模拟计算和结果比较,证明了该模型及算法得出的生产计划可节省生产时间、降低设备调度、减少交货延误,以此来指导热轧型钢的生产,可切实提高企业利润率.     

SAP生产订单功能系统实现方案探讨

SAP生产计划与控制模块以生产订单为核心实现其生产控制功能。为适应不同生产型企业的业务特色和管理需要,可以通过SAP后台配置的方式对生产订单相关参数进行设置。本文介绍了常用的生产订单相关配置项,并对如何结合夹际业务对这些配置对象进行赋值加以探讨和研究,以求更加灵活和有效的使用SAP系统生产订单功能。     

订单型生产企业中集成化物料管理系统的开发

分析了以物料管理为核心的ERP理论和ERP系统在订单型生产企业中进行物料管理所存在的问题,提出了基于ERP系统开发集成化物料管理系统的技术方案,并详细论述了系统集成的逻辑模型。     

按订单生产的高级计划与排程系统研究

分析离散型按订单生产的中小企业生产过程,建立生产计划系统模型,采用模拟退火算法设计了基于订单的生产计划和排程系统.     

基于蚁群——遗传混合算法的高级计划与排产系统应用研究

生产管理系统是制造业中最为复杂的系统之一,高级计划与排产(Advanced Planning and Scheduling以下简称APS)是其重点与难点。由于生产的复杂性与不确定性,当前企业的生产计划编制方法虽多但效果不尽人意,特别是中小企业的现行生产计划与排产系统尤是如此。本文以江门某塑胶丝花行业为背景,以生产计划编制为研究对象,以计划编制的优化为主要内容,结合蚁群算法、遗传算法及其混合应用等算法理论与多种数学及智能信息技术方法,对建立一个能有效提高企业生产计划编制水平的APS系统应用进行了研究。     

APS系统中基于改进的遗传算法的分布式排产研究

探讨了在分布式生产模式下,解决生产排程问题的新技术——APS（Advanced Planning and Scheduling）系统。系统利用PowerBuilder作为开发工具。实践证明,在APS的计划模型下,改进的遗传算法在解决分布式生产排程问题上具有良好的算法性能,并在某大型制药厂的实施中取得成功。     

基于广义遗传粒子群优化算法的供应链优化求解

供应链优化研究是供应链管理中的一个重要问题,也是一个难题,首先提出了一个新型供应链优化模型,针对该优化问题的求解,构造了融入特殊自然演化规则的广义遗传算法(GA),并且与粒子群优化结合,得到了广义遗传粒子群优化算法,克服了粒子群优化算法局部收敛的缺陷,提高了其全局收敛的能力。实验表明,对供应链优化问题的求解,广义遗传粒子群优化算法优于传统的遗传算法、粒子群优化算法和分枝界定法。     

SCM数据挖掘的混合遗传算法模型

讨论了SCM背景下的生产批量与数量折扣定价联合决策问题的数据挖掘模型及其基于混合遗传算法的实现思想,并介绍了一个利用此模型而设计的SCM数据挖掘系统。结合某公司的实例,进行了详细的分析和说明,用Power Builder和Sybase实现。     

自适应变异的遗传算法求解Flow Shop问题

针对遗传算法在求解流水车间调度问题中易出现早熟收敛的局限性．提出了自适应变异的遗传算法。该算法在运行的过程中，首先定义了一种新的衡量种群多样性的熵．然后根据熵值来确定变异概率。这种变异增强了遗传算法跳出局部最优解的能力。仿真实例的结果表明了该算法的有效性，最后利用该算法设计并实现了一个简单的服装加工智能调度器。     

GA和SVM在供应链绩效评价中的应用

研究了基于遗传算法和支持向量机的供应链绩效评价问题。将供应链绩效评价问题用遗传算法进行特征选择并同时对支持向量机参数进行了优化。研究表明该方法能提取出影响供应链绩效的重要属性,减小供应链评价模型的复杂度。应用实例表明基于遗传算法和支持向量机的评价结果从整体上要优于标准支持向量机的评价结果。     

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。     

遗传算法中排列问题的编码研究

针对排列问题的编码方法一直是遗传算法应用中的重要研究领域。采用各种传统编码方法的编码表示空间通常远远大于实际的问题空间,这不但提高了各算子设计的复杂性,同时很大程度上降低了收敛速度。文章提出了一种针对排列问题基于次序的一维二进制编码方案和两种改良方案,使排列与编码形成了一一映射,最大限度地缩小了编码表示空间与问题空间的差距。采用TSP问题的实验结果表明,文章提出的编码方式具有很好的性能。