基于数据挖掘的作业车间调度算法研究
这是一篇关于CART算法,XGBoost算法,调度规则,作业调度,离散制造车间的论文, 主要内容为作业车间调度是提高制造企业生产效率和效益的关键环节,但它是一个NP-hard问题,其复杂性随问题规模增大呈指数增长,而启发式等常用调度算法难以随问题规模而扩展,其收敛速度和精度也会受到影响。近年来,随着企业信息系统的持续深入应用,作业车间积累了大量数据,而数据挖掘技术为作业车间调度问题研究提供了一个新思路。为此,本文针对调度问题的特点,研究了一种基于数据挖掘和规则的调度方法,对数据挖掘技术在作业调度领域的应用进行了探索,提出了基于CART和XGBoost的规则调度算法。本文对启发式算法、基于规则的调度算法以及基于数据挖掘的调度算法的研究现状进行了综述和分析。考虑到基于规则的调度是在现实作业环境中应用最广泛、最有效的方法,将数据挖掘技术与基于规则的调度方法相结合,给出了一种基于数据挖掘的调度算法框架。在该调度框架下,设计了一种改进CART决策树规则调度算法。并选取了一个单机调度的算例来详细说明该算法的整个流程,在Python编程语言下进行了仿真研究。结果表明,此算法可以挖掘出许多隐藏的调度规则。为了降低决策树的过拟合现象,提升树的性能和算法的效率,以提升模型总体性能,针对规模更大、属性更加复杂的算例,设计了一种改进XGBoost规则调度算法。选取最小化最大完工时间为目标函数,在根节点分裂的基础上,根据优化的损失函数,计算基尼系数归一化的结果,计算出真实样本和预测样本之间的损失值。然后使用网格搜索使超参数更优,选取了作业调度车间经典算例,在Microsoft Visual Studio Code环境下,进行仿真研究,验证了该算法的有效性。在上述算法研究基础上,本文结合某离散制造企业的实际需求,采用Java语言以Spring Boot为后端框架,基于My SQL数据库开发了一个作业调度原型系统。该系统主要包括作业计划、作业调度、生产监控、设备维护等几大调度功能模块,并构造了生产调度知识库,初步实现了作业车间的生产数据挖掘和作业调度相融合。
大数据环境下数据仓库作业调度系统的设计与实现
这是一篇关于大数据,数据仓库,作业调度,工作流的论文, 主要内容为随着大数据时代的不断发展,企业数据呈现出规模巨大,类型增多,关系复杂的特点。受此影响,企业数据仓库在建设过程中也出现了作业处理不及时,新型数据无法处理,以及作业逻辑不能匹配多样的业务场景等问题,难以满足企业发展的需求。本文针对大数据环境下数据仓库作业调度系统面临的问题,进行了针对性的研究与分析,提出了一种设计方案,并给出了关键功能的具体实现。该方案整体采用了分布式的架构,并在多个环节进行了高并发性设计,提高了系统面对海量数据处理时的负载能力。同时方案对数据作业等领域基础对象进行了良好的抽象,隐藏其由于数据类型不同造成的差异,提高了系统对多类型数据作业的管理以及扩展新类型数据作业的能力。最后方案针对业务特点对作业约束进行了抽象与设计,并引入了工作流管理的思想,使作业能够在满足约束的情况下快速高效的运行。文章详细分析了系统的功能与非功能需求,将系统分为数据作业开发、工作流引擎、租户权限管理、执行集群管理、执行节点等模块,并以此为基础给出了总体架构与部分关键模块的详细实现。系统使用Spring Boot框架进行快速搭建,不同的模块独立开发与部署,模块之间采用RESTful风格的接口进行通信。用户通过浏览器与系统的开发侧模块相连接,获取信息或传达指令。经测试与实际运行反馈,该系统能够较好的满足大数据环境下数据作业的开发与调度工作,提高开发人员的工作效率。
面向密集库的自动化仓储工作流技术研究
这是一篇关于自动化密集库仓储,仓储管控系统,工作流技术,作业调度,WEB可视化的论文, 主要内容为在电商飞速发展和货物贸易迅速繁荣的大背景下,密集库仓储由于存储密度大、占地面积小等特点得到了广泛应用。自动化密集库仓储具有密度大、仓储设备多、仓储设备异构、仓储作业流程长、仓储作业流程复杂、可视化程度低等特点。如何解决仓储作业高效有序、设备资源协同高效的使用、高并发多作业环境下作业之间能互不干扰等难题,更便捷、更高效地实时监测作业与控制作业,对自动化密集库管控系统的网络化和可视化提出了更高的需求。针对自动化密集库仓储作业中的一系列问题,基于工作流技术能在工作流程中,将工作根据规则与业务逻辑在计算机中以恰当模型进行表达与计算,可多目标参与文档、信息、任务传递的技术条件,本文提出将仓储作业与工作流技术相结合的技术方案来解决仓储作业监控难题。开展仓储工作流技术分析,研究仓储工作流运行机制,设计仓储工作流控制算法,实现仓储作业流程可视化监控,对推进数字化与网络化仓储技术研究及应用具有重要意义。主要研究内容如下:(1)面向自动化密集库的仓储工作流分析与设计针对自动化密集库仓储设备多且设备异构明显、仓储作业流程长且复杂、仓储作业需要满足高并发等作业需求问题,开展仓储管控系统需求分析。根据实际密集库作业环境和作业流程分析,提出面向密集仓储管控的工作流问题及其难点。明晰工作流技术原理,结合仓储设备作业特点,并基于仓储工作流组件模型设计了出入库工作流。为解决仓储作业过程中数据存储与访问问题,建立仓储数据库实体关系模型,基于对象关系映射建立仓储工作流对象模型。(2)设计了支持仓储设备协同作业的工作流算法针对仓储作业流程长且复杂,流程执行需要多设备协同的情况,为更好的管控仓储工作流程,设计仓储作业的串行、并行作业调度算法,管理仓储作业中的活动队列,使仓储作业协调有序进行。并设计出入库作业启动算法,用于作业任务的快速捕获和触发。提出通过建立仓储资源分配表结构、资源竞用的锁机制、动态的资源分配算法,使得仓储资源在作业执行中有序使用。(3)进行了基于服务的仓储作业流程可视化技术实现为提升仓储作业的可操作性,提高仓储作业的可视化和远程监控的能力,使用HTML/CSS/JS/SVG等WEB前端技术建立仓储设备监控的可视化操作网页、仓储作业日志、仓储作业场景监控界面、仓储作业进度表等。使用Signal R技术,向仓储监控WEB终端实时推送作业状态数据,保证数据信息的实时性。基于面向服务的方法,设计工作流驱动的仓储作业微服务,为出入库作业提供需求订阅与状态实时推送,解决仓储作业过程的日志跟踪、进度显示、场景监控问题。综上,以企业提供的自动化密集库仓库环境为试验平台,开发管控系统的各项服务。企业现场应用测试表明,课题研发的仓储工作流技术达到预期目标,为支持协同、高效的自动化仓储管控提供了可借鉴的技术基础。
银行数据文件交换系统的设计与实现
这是一篇关于集群,作业调度,数据文件交换,GPFS的论文, 主要内容为随着全球IT技术的飞速发展,银行迈开了信息化的步伐。银行在提高业务系统性能的同时,也加强了数据仓库和分析管理决策支持系统的建设。业务系统在每天业务交易数据处理完毕后,将业务数据导出为多个数据文件传输给数据仓库和多个分析管理决策支持系统。由于这些数据的数据量逐年增大,不同系统间数据文件交换日益频繁,因此,如何高效地将数据文件从业务系统传输给数据仓库和分析管理决策支持系统,成了银行信息化建设中必将面临的问题。传统的由业务系统直接向非业务系统传输数据文件的方式出现了数据文件传输冗余、传输并发数不可控、数据处理依赖多样化不可控等问题,阻碍了银行信息化建设高速发展的步伐。本文针对银行的数据文件交换的特点,对银行数据文件交换系统进行了需求分析,完成了银行数据文件交换系统的设计与实现。该系统实现了数据文件的接收存储、数据文件传输、系统服务器间传输并发数控制管理和控制数据文件按数据处理依赖关系顺序传输,为银行数据文件交换提供了完整的解决方案。本文的研究工作主要有以下几个方面:(1)银行数据文件交换系统的需求分析及设计。本文对银行数据文件交换系统进行了需求分析,提出了集群替换传统C/S架构中Server的混合式C/S架构。根据银行数据文件传输的特殊性需求,完成了本系统的集群文件存储设计,集群架构设计,集群作业调度模块设计。(2)银行数据文件交换系统的实现。本文以集群架构设计和作业调度设计为设计理论基础,使用GPFS实现集群的共享磁盘来实现系统的集群搭建。通过将数据文件传输封装成作业,以作业调度的方式实现数据文件传输的统一有序管理。作业调度模块包括作业配置模块、作业调度模块、作业执行模块、作业监控模块。(3)银行数据文件交换系统的测试与验证。本文某银行的数据交换系统为例,通过对系统的各模块进行测试,验证了本文设计的数据交换系统实现了去除数据传输冗余,实现了按照数据处理依赖关系顺序传输数据文件,并控制了数据下游系统传输并发数。该系统的测试结果证明了本文设计的数据文件传输系统具有安全性、高效性等特点。
基于遗传算法及嵌套分割算法的作业调度系统设计与实现
这是一篇关于作业调度,遗传算法,嵌套分割算法,嵌套分割算法改进的论文, 主要内容为随着离散制造业的快速发展,根据客户个性化需求合理准确地制定生产计划是现在很多企业都要面临的一个难题。生产车间中将提高机器利用率和人员利用率作为提高生产效率的关键,问题的根本在于生产工件的排程调度问题,机器的利用效率与工件的加工顺序有很大的关系。本文将遗传算法、嵌套分割算法、改进的嵌套分割算法应用到生产调度中。针对生产调度中排程的特点,将每个排程方案作为一条染色体,每个基因代表一种工件,基因的位置代表工件的加工顺序,目标函数为生产工件的总时间,目标函数的倒数设为染色体的适应度,并设计了遗传算法的编码、选择、交叉、变异算子。本文基于嵌套分割算法设计了分区、采样、选区、回溯算子,根据工件编号进行全排列组合并分区,以工件加工时间作为衡量标准,并对分区选取最可能域和裙域。并且针对回溯策略,根据当前最优解的深度确定回溯到的母域的深度,这样可以包含更多的更优解。本文并对生产调度系统进行了功能需求、数据需求等分析,生产调度系统采用springMVC的系统架构,并将算法基于SOA架构包装成web服务。对数据库进行了设计,并利用木材加工厂的数据进行了测试,结果显示在需要排程的工件小于7种时,遗传算法相对其他算法有更优的计算速度,排程结果要优于其他算法。在需要排程的工件大于7种时,遗传算法性能下降,计算耗时较多,嵌套分割算法及其改进算法性能较优,排程结果较好,其中改进的嵌套分割算法有更优的排程结果,但是计算耗时相对较长,生产调度排程人员可以根据需要排程的工件种数选择合适的排程算法。
基于APS的生产排程系统的设计与实现
这是一篇关于高级计划排程,遗传算法,动态,柔性,作业调度的论文, 主要内容为随着电子商务在全球范围内持续繁荣,客户的需求变得日趋个性化,如何针对客户的个性化需求迅速制定精确的生产计划已成为传统的加工制造企业不得不面对的难题。针对这种离散制造的新趋势,高级计划排程(Advanced Planning and Scheduling,APS)应运而生。APS系统将长期的计划和短期的排程整合在一起,当生产车间发生动态情况时,它可以为管理人员提供决策支持,是实现面向“中国制造+互联网”的数字化车间的重要保障。车间作业调度问题是APS系统要解决的主要问题,本文主要研究了如何用遗传算法来解决经典的作业调度问题(Job Shop Scheduling Problem,JSSP)和柔性作业调度问题(Flexible Job Shop Scheduling Problem,FJSSP),提出了一种面向柔性作业车间调度问题的改进遗传算法,通过benchmarks实验测试并验证了算法的性能。在此基础上,考虑到在实际的作业车间调度中可能存在停机、插单和撤单等异常情况,在将车间动态状况考虑在内的前提下,本文设计并实现了基于APS的生产排程系统,并开展了相关测试。用户通过浏览器输入加工任务信息和发起排程请求,服务器端存储加工任务信息和执行对机器性能要求较高的排程任务,排程结果通过浏览器以甘特图和详细调度信息两种形式展示给用户。该APS系统采用B/S架构,主要使用了Spring MVC、Hibernate、Java和JavaScript等开源的框架或技术,在运营成本、可移植性和可维护性方面具有很大优势。最后,对本文基于APS的生产排程系统的设计和实现进行了系统地分析和总结,对今后的研究方向进行了展望。
面向密集库的自动化仓储工作流技术研究
这是一篇关于自动化密集库仓储,仓储管控系统,工作流技术,作业调度,WEB可视化的论文, 主要内容为在电商飞速发展和货物贸易迅速繁荣的大背景下,密集库仓储由于存储密度大、占地面积小等特点得到了广泛应用。自动化密集库仓储具有密度大、仓储设备多、仓储设备异构、仓储作业流程长、仓储作业流程复杂、可视化程度低等特点。如何解决仓储作业高效有序、设备资源协同高效的使用、高并发多作业环境下作业之间能互不干扰等难题,更便捷、更高效地实时监测作业与控制作业,对自动化密集库管控系统的网络化和可视化提出了更高的需求。针对自动化密集库仓储作业中的一系列问题,基于工作流技术能在工作流程中,将工作根据规则与业务逻辑在计算机中以恰当模型进行表达与计算,可多目标参与文档、信息、任务传递的技术条件,本文提出将仓储作业与工作流技术相结合的技术方案来解决仓储作业监控难题。开展仓储工作流技术分析,研究仓储工作流运行机制,设计仓储工作流控制算法,实现仓储作业流程可视化监控,对推进数字化与网络化仓储技术研究及应用具有重要意义。主要研究内容如下:(1)面向自动化密集库的仓储工作流分析与设计针对自动化密集库仓储设备多且设备异构明显、仓储作业流程长且复杂、仓储作业需要满足高并发等作业需求问题,开展仓储管控系统需求分析。根据实际密集库作业环境和作业流程分析,提出面向密集仓储管控的工作流问题及其难点。明晰工作流技术原理,结合仓储设备作业特点,并基于仓储工作流组件模型设计了出入库工作流。为解决仓储作业过程中数据存储与访问问题,建立仓储数据库实体关系模型,基于对象关系映射建立仓储工作流对象模型。(2)设计了支持仓储设备协同作业的工作流算法针对仓储作业流程长且复杂,流程执行需要多设备协同的情况,为更好的管控仓储工作流程,设计仓储作业的串行、并行作业调度算法,管理仓储作业中的活动队列,使仓储作业协调有序进行。并设计出入库作业启动算法,用于作业任务的快速捕获和触发。提出通过建立仓储资源分配表结构、资源竞用的锁机制、动态的资源分配算法,使得仓储资源在作业执行中有序使用。(3)进行了基于服务的仓储作业流程可视化技术实现为提升仓储作业的可操作性,提高仓储作业的可视化和远程监控的能力,使用HTML/CSS/JS/SVG等WEB前端技术建立仓储设备监控的可视化操作网页、仓储作业日志、仓储作业场景监控界面、仓储作业进度表等。使用Signal R技术,向仓储监控WEB终端实时推送作业状态数据,保证数据信息的实时性。基于面向服务的方法,设计工作流驱动的仓储作业微服务,为出入库作业提供需求订阅与状态实时推送,解决仓储作业过程的日志跟踪、进度显示、场景监控问题。综上,以企业提供的自动化密集库仓库环境为试验平台,开发管控系统的各项服务。企业现场应用测试表明,课题研发的仓储工作流技术达到预期目标,为支持协同、高效的自动化仓储管控提供了可借鉴的技术基础。
利用共生算法求解柔性作业调度问题
这是一篇关于柔性,流程安排,作业调度,共生算法,领域多体交叉的论文, 主要内容为车间作业调度问题是制造系统的一个研究热点,在理论研究方面也是最为困难的问题之一。此问题具有约束性,非线性,不确定性和大规模性,已被证明调度问题是NP-Hard问题,很难求得最优解。人们研究和发展了多种优化算法来处理此类问题:比如模拟退火、遗传算法、禁忌搜索、神经网络等。这些优化方法模拟或运用自然现象、过程和规律,其理论涉及数学,物理,人工智能等多个学科。 在车间作业调度的过程中,要根据生产目标和约束条件,为每个加工对象确定具体的加工路径以及各具体操作的执行机器和时间。传统的作业调度问题的描述是:n个工件(job)要在m台机器(machine)上加工,每个工件需要经过多道工序或者是包含多个操作(operation),每个操作只能够由某台特定机器上完成。问题的目标是求n个工件在每台机器上最优的加工顺序,使最大流程时间达到最小。当然还有其他一些变种,比如规定n个工件在m台机器上的加工顺序相同或不同。传统的作业调度一般假定对每个工件只有一个可行的加工方案,即作业处理计划中没有柔性,而在现在的制造系统中,出现了各种作业柔性。大多数作业具有大量的柔性加工方式和工序。即可以选择不同的工序序列来完成加工此工件,同时实现某个工序存在由多个机器的组成的集合。在本文中,将对这种出现在新的制造系统的作业调度问题运用共生遗传算法来进行计算。 柔性作业调度问题(Flexible Job Scheduling Probelm, FJSP)是传统作业调度问题的扩展,也是现实中柔性制造系统所面临的问题。本文将柔性作业调度问题分解成为流程安排(Process Planning)和作业调度(Job Scheduling)两个子问题,然后为两个子问题分别设计了不同的染色体表示,并且提出一种共生算法将两个子问题放在一起进行求解。为了提高搜索效率,本文设计了基于邻域的多体交叉算子(NMX)。实验表明本文提出的共生算法能够很好地解决柔性作业调度问题。
用基于共生遗传算法的学习框架求解柔性作业调度问题
这是一篇关于作业调度,遗传算法,共生机制,柔性,学习的论文, 主要内容为车间作业调度问题(JSP)是许多实际问题的简化模型。寻找求解JSP问题的有效途径是调度和优化领域的重要课题。但是车间作业调度问题是NP难解问题,寻找具有多项式复杂度的算法几乎是不可能的。遗传算法是一种全局随机搜索算法,已经广泛的用于求解JSP问题。它把JSP问题的可行解通过编码从问题的解空间转化到遗传算法能够处理的搜索空间。GA的遗传算子操作能够通过交叉或变异父个体生成新个体的方式来从解空间中搜寻最优解。 GA通过交换父个体中的基因片段或改变某些基因来进化进而完成搜索。如果在进化过程中,我们能够尽可能的保留父个体中具有较高适应度的优秀基因片段,并将其遗传到下一代中,那么GA可以在最有希望的解空间中搜索,进而可以提高搜索效率。 本文中,我们通过用遗传算法对一个JSP实例多次求解,得到大量最优染色体编码串。经过认真分析,总结出代表问题特性的一些概念属性,并给出一个新的概念分级方法。基于这些属性及分类方法,应用数据挖掘算法从这些最优染色体编码串中学习知识,得到多组调度规则,仿真表明,这些调度规则可以有效的调度作业。调度规则也代表了这些最优染色体共有的特征。如果进化过程中在这些特征刚刚出现的时候,我们能够识别出来并将其遗传到后代个体中,显然可以改善后代种群的质量,进而可以提高搜索效率。 在最后部分,借鉴上述思想求解具有操作柔性的车间调度问题。根据问题的特点,我们使用共生机制改进了遗传算法并将其集成到一个学习框架中。提出了相应的编码解码方法和一组自适应概率函数并改进了学习框架,使其在进化过程中可以学习染色体的优秀特征。我们把调度问题分为两个子问题,分别生成两个不同类的种群,相互影响,共同进化,将两个种群中的最优染色体结合起来解码则可以得到最优调度。进化过程中,学习模块可以不断从当前种群的适应度最高的一些染色体中学习其优秀特征,并指导后代个体的进化。最后我们给出了仿真实验,结果表明这种方法在解的质量上有一定程度的提高。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码驿站 ,原文地址:https://m.bishedaima.com/lunwen/45587.html