遗传算法的双目标柔性作业车间调度研究

研究了FMS环境下先进制造车间路径柔性的优化调度问题.同时考虑现代生产准时制的要求,建立了柔性作业车间调度问题的双目标数学优化模型,并给出了求解模型的遗传算法的具体实现过程;针对模型的特殊性,提出了染色体两层编码结构,将AOV网络图应用到解码和适应度函数的计算中,通过一个调度实例进行验证,给出了相应的选择、交叉、变异操作设计方案.     

基于遗传算法的柔性作业车间调度优化

针对经典作业车间调度问题的局限性,结合实际生产情况,提出了具有路径柔性的作业车间调度模型,给出了求解模型的遗传算法的具体实现过程.针对模型的特殊性,提出了染色体两层编码结构,将AOV、AOE网络图分别应用到解码和适应度函数的计算中,并给出了相应的选择、交叉、变异操作设计.最后通过一个8×6调度问题的测试例子,表明了此算法的有效性.     

面向复杂装配任务的脑力负荷综合评估方法

复杂装配作业脑力负荷过高会降低装配绩效和质量,甚至引发安全事故。因此,对装配任务脑力负荷进行准确测量与评估,确定作业人员的脑力负荷水平,是生产系统优化的重要依据。本文针对复杂装配任务的脑力负荷评估问题,设计了基于Lego积木模拟的装配任务实验,使用主观测量法、绩效测量法和生理测量法采集了27项指标数据,分析了各项数据对脑力负荷变化的敏感性,发现绩效测量指标、主观测量指标、注视次数、总注视时间、扫视次数、总扫视时间和平均瞳孔直径这7项指标是复杂装配任务脑力负荷的有效测量指标。基于有效测量指标,采用BP (back propagation)神经网络和贝叶斯线性判别两种建模方法,构建了装配任务脑力负荷综合评估模型。研究结果表明,使用因子分析将7维指标转化为二维综合指标作为主成分输入,使用归一化共轭梯度法为训练算法的BP神经网络模型是装配作业脑力负荷的最佳综合评估模型,其判别准确率达到84.80%。本文提出的脑力负荷测量与评估方法可为装配作业脑力负荷评定和优化提供参考依据。     

产品评论文本中特征词提取及其关联模型构建与应用

网络上产品评论文本是用户对产品的评价与反馈,及时、有效挖掘其中有价值的信息是制造企业、销售商获取竞争优势迫切需要解决的问题。综合词形、词性、依存关系、控制词及其情感描述等,设计了特征词提取规则单元以及规则模板,基于条件随机场实现了产品特征词的有效提取,并对特征词进行分类;构建了特征词频次、情感评分的计算模型;结合产品特征词的内容与分类,构建了产品特征词关联模型。在此基础上,提出了基于贝叶斯网络的产品特征词关键影响因素推理方法,并以某手机产品为对象进行应用与验证。研究结果可以为制造企业、销售商的精细化管理提供实施依据。