基于制造企业订单分离与合并的研究

定制生产是现代制造企业生产的模式,针对企业订单大小、品种多样化、批组化和相似性,对仃单产品进行合理的分化和组合,论述了订单分离与合并的基本理论知识,基于订单产品特点相似性、工艺相似性、销售库存相似性建立了制造企业订单分离与合并的决策模型,对订单分离点进行具体的分析和评价,从而优化订单分离点,决策优化出分离模型.通过对订单相似性进行定性分析和定量计算,合理、有效的决策出"分离点"和"合并点",实现订单的有效分离与合并,快速而有效地反应客户需要、降低企业运作成本、缩短订单提前期.     

有决策时间窗匹配问题的决策优化支持模型

为了得到有决策时间窗限制的服务匹配决策问题的个体决策者的最优决策,定义了基于资源分布的时间窗匹配的个体决策问题,考虑了时间窗对决策者决策心理的影响,将问题的综合决策收益定义为期望收益与收益风险两个部分;基于时间窗内业务分布会发生变化的本质构建了考虑时间影响的期望收益模型;基于决策者在时间窗内对时间风险的3种态度,引入紧迫系数将其划分为对应的3个阶段,通过计算各阶段决策收益参照点与决策期望收益之间的差异来得到时间窗的收益风险;在此基础上根据期望—风险决策准则综合期望收益与收益风险得到在各个时间点的决策综合收益值,以此支持优化决策.以车货匹配决策问题为例进行决策分析与比较,证明了该决策模型能够有效应用于此类问题和实现更优决策.     

工序关联下考虑主体心理感知的复杂产品设计变更决策优化

基于设计结构矩阵的工序耦合分析难以有效地解决复杂产品设计变更中工序关联解耦、设计再调整、设计资源再配置等多主体决策优化问题,且将主体作为完全理性行为人的决策优化理论与具体实践亦偏差较大.对此,提出了工序关联下考虑主体心理感知的复杂产品设计变更决策优化方法.运用前景理论构建以设计主体对工序重复执行和设计变更延期心理感知扰...     

基于竞争和能力限制的订单竞价与交货期设置

针对竞争环境下的订单接受决策问题,提出一种订单赢取决策方法.该方法考虑了订单竞价和交货期两个影响因素,建立了订单竞价和交货期的决策过程模型.基于订单竞价构成以及成本估算的准确性,通过平衡优化订单竞价和获取概率,以利润最大化为目标,建立了订单竞价决策算法;为避免订单的延迟损失,使交货期决策更为准确,提出一种基于已有负荷和可能负荷的订单交货期设置方法及算法.通过算例给出了详细的求解过程,说明了该算法的有效性.     

基于二次选择策略的订单接受与排程决策系统研究

针对按订单生产(Make-To-Order,MTO)模式的制造系统中,企业管理者需要从若干备选订单中选择性接受部分订单并制定生产计划的问题,引入订单等级这一要素,并结合混合整数规划模型,构建基于二次选择算法的决策支持模型。运用改进的TOPSIS方法对订单进行分级处理,并综合考虑企业生产能力有限、交货期和生产顺序等约束条件,完成对订单的分步筛选及排程,旨在最大化按订单生产型企业的区间收益。利用CPLEX技术对算例进行求解,得出最终的订单选择结果及排程计划,验证了模型的有效性。     

大规模定制环境下供应链实施延迟生产的成本优化模型

为成功实施延迟生产以实现供应链成本的优化,大规模定制环境下供应链各节点企业需要紧密协作.针对一条包括制造商和供应商两个节点企业的供应链.建立了大规模定制环境下供应链实施延迟生产的成本优化模型.以最小化供应链生产成本为目标,研究了供应商对客户订单分离点决策的影响,以及大规模定制环境下供应链实施延迟生产时客户订单分离点的最佳位置,指出决策客户订单分离点时应考虑供应商成本.最后,对该生产成本优化模型进行了仿真.     

基于收益管理的BTO制造企业定价和能力规划研究

基于收益管理的思想对无限计划期下按订单生产制造企业的定价和能力规划问题进行了研究。假设顾客需求对交货期和价格敏感,建立了整合定价和能力规划决策的利润最大化模型,分析结果表明收益管理策略是BTO制造企业平衡供需并提高利润的有效工具。     

基于深度强化学习的非置换流水车间调度问题

针对传统调度算法不能有效利用历史数据进行学习,实时性较差而难以应对复杂多变的实际生产调度环境等问题,首次提出一种基于时序差分法的深度强化学习算法.该方法综合神经网络和强化学习实时性、灵活性的优势,直接依据输入的加工状态进行行为策略选取,更贴近实际订单响应式生产制造系统的调度决策过程.通过将调度问题转化为多阶段决策问题,...     

分散决策供应链生产计划协同研究

为解决多级、多产品、分散供应链系统生产计划协同问题,提出了一种基于拉格朗日松弛算法的生产计划协同模型.在该模型中,建立每个企业独立的生产计划模型,使用拉格朗日松弛算法,松弛掉企业之间的物流平衡约束,将需要集中决策的供应链生产计划协同问题,分解为企业间分散的独立决策问题;运用次梯度算法对拉格朗日因子进行更新,通过反复迭代的优化过程实现生产计划协同.仿真实验表明,基于拉格朗日松弛算法的供应链协同对复杂供应链系统能够较好地逼近最优解,协同效果和收敛速度优于遗传算法.     

面向均衡生产的多级流水车间调度模型求解

为了满足汽车生产过程中多个车间对订单排序方式的不同需求,提出一种包括冲压、焊接、涂装、总装四大车间各自需求和生产节拍在内的多级流水车间调度模型。结合汽车企业均衡化生产理念,提出订单序列中颜色变更次数、车型变更次数、装配作业平顺程度和生产节拍4项优化指标,根据这4项指标计算各车间的调度成本,并以最小化总成本为优化目标。设计了一种改良变异算子,用于增强文化基因算法的局部搜索能力。经过仿真比较,该算法在收敛速度、收敛精度、最优解质量等方面比另外3种经典算法均有明显优势,验证了所提模型及算法的有效性。     

考虑库存费用的多约束排产优化研究

本文针对面向订单的企业生产计划这个多目标决策问题,研究了怎样在排产优化中使库存既能发挥调节供需平衡的作用又能尽量减少维护费用的问题。本文对考虑库存费用的多约束排产优化问题进行了描述并且提出了求解该问题的一种分层遗传算法（HGA）。本文详细介绍了此混合算法的原理,并通过通过一实际订单的优化计算及与普通遗传算法得到的结果进行比较,证明了本文提出的HGA对上述条件下排产优化问题的有效性。     

基于投产数量的实数编码遗传算法在双目标主生产计划模型中的应用

应用约束理论和JIT思想建立一种双目标的主生产计划模型,利用一种基于投产数量的实数编码遗传算法对模型进行优化,方便有效地解决多品种小批量订货型制造企业订单投产方案的问题。此双目标模型及其优化方法适合多种同类型生产企业使用。     

面向定制需求与随机产出的供应链投产量决策

针对在线定制需求,综合考虑产成品、半成品产出合格率的随机性以及各类成本和收益等,研究生产商与供应商构成的二级供应链投产量决策问题,基于博弈论分别构建分散和集中决策下各企业及供应链整体期望利润的最大化模型,基于优化理论讨论分析证明了最优解的存在性、唯一性并得到其表达式。提出批发价折扣、收益共享、产出风险成本共担综合契约协调机制,得到各契约因子及利润分配表达式。研究表明:各企业最优投产量的存在及唯一性需具备一定条件;生产商在集中决策下的最优投产量大于分散决策,供应商则恰好相反;与生产商有关的参数变化对供应商决策的影响较大,与供应商有关的参数变化对生产商决策的影响甚微。     

SAP ERP在轨道交通装备制造企业的应用

某轨道交通装备制造企业属于典型的单件小批量生产方式,具有设计变更频繁、生产周期长、生产计划调整频繁的特点,按照生产模式划分,属于ETO(Engineering-to-Order)按订单设计生产模式。在SAP ERP系统实施过程中,通过启用项目管理,优化ERP系统计划模式和变更模式,使系统较好地满足轨道交通装备企业的业务实际。     

制造企业基于风险水平的订单收益管理

为实现制造企业高效的订单管理,提出了不确定需求下考虑风险水平的订单收益分配方法,建立了考虑风险水平的订单收益分配模型。进一步运用Shapley值法计算了模型的收益分配系数,并引入风险修正因子对此系数进行了修正。最后采用数值分析的方法,对收益分配模型进行了验证,并对此模型进行了灵敏度分析。结果表明,该收益分配模型能够满足个体理性决策条件,能够较好的解决考虑风险的订单收益分配问题。该方法还可推广到多级供应链订单管理中,为制造企业订单收益管理提供了一种参考依据。     

基于马氏决策过程的易逝品联合策略

为了有效解决零售商在销售易逝品时的订货、旧产品处理及定价的联合决策问题,提出运用马氏决策过程建立模型及使用Q学习算法求得最优策略。最优策略包括各个状态下选择的决策动作,它能使从现在起及后续无限期的贴现总值为最大。算法中的迭代公式通过不断与环境进行互动并得到反馈,时刻更新最优策略。基于有限的状态集和动作集,在状态转移概率及当期期望收益未知的情况下,算法经过长时间学习后能够得到稳定的最优策略。研究发现,各参数(变化)对联合策略中各策略的特征有不同的影响,该结论为启发式策略的相关研究提供了一定的理论支持和解决思路。     

改进遗传算法求解面向订单多目标排产问题

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。     

数控加工工艺参数的多目标优化与决策算法研究

为了提高汽油机活塞数控车削加工的质量和生产效率,提出了基于非支配排序差分进化算法的多目标优化方法与基于加权相对距离的决策方法。以加工件的表面粗糙度和材料去除速率为优化参数,建立了多目标优化模型。鉴于表面粗糙度的经验公式计算精度有限,且不具有生产设备和生产过程差异适应性,给出了学习因子自适应神经网络的拟合方法。使用非支配排序差分进化算法对多目标优化模型进行求解,得到了Pareto前沿解集。提出了基于加权相对距离的决策方法,得到了最优生产方案。经验证,与工厂现用生产方案比,优化后的工件表面粗糙度减小了一倍以上,材料去除速率提高了57.98%,以上数据充分证明了优化方案的有效性。     

带能力约束的多目标OEM协作生产订单分配决策与混合蚁群算法应用研究

在面向订单生产(build-to-order,BTO)的协作生产环境下,品牌制造商如何将所接受的不同客户订单(生产任务)分配给众多的协作生产企业OEM供应商,同时以最大的成本收益及最高的服务水平完成这些制造任务,是OEM协作生产环境下一个很实际的生产管理问题。首先根据此类问题的特点建立了一个带能力约束的、以总订单利润与准时交货为目标的多目标OEM订单分配模型;然后利用混合智能优化算法——模拟退火蚁群算法进行求解,并对该混合算法进行改进;最后应用算例验证了算法的有效性与合理性。     

面向多目标决策的车间生产调度仿真与优化

车间生产调度问题是先进制造和现代管理的核心问题。针对某企业机械加工车间现状,运用Flexsim仿真软件对该车间生产调度过程进行建模和仿真,发现未经调度优化的生产任务排序仿真结果中总完工时间、总提前时间、总拖期时间、生产成本等各项指标均很差。为了解决该问题,提出从生产效率、客户满意度、生产成本三个方面建立优化目标,调度优化后,各项指标较未优化前均有大幅度改善。因此,使用仿真软件进行面向多目标决策的车间生产调度优化,能为企业高层的管理与决策提供科学的量化依据,从而提升企业竞争力。