面向单件小批量生产的MES中作业车间调度研究
这是一篇关于单件小批量生产,制造执行系统,作业车间调度,启发式算法,甘特图的论文, 主要内容为制造执行系统是处于计划层和现场操作控制层之间的执行层,主要负责企业的生产管理和调度执行。然而国内对MES的认识和研究还处于起步阶段,随着企业信息化进程的不断深入,迫切地需要在理论上和应用上对其进行深入地研究。随着市场竞争的日益剧烈,大多数制造企业的生产方式逐渐向着多品种单件小批量方向发展,因此,面向单件小批量生产方式的MES作业车间调度问题己成为一个具有代表性的生产调度问题。 本文以国家863课题为背景,深入合肥商务车厂和江铃汽车制造厂及其模具厂做了大量的调查研究与分析,并对制造执行系统理论以及调度方法的理论作了大量研究。针对单件小批量生产方式的MES作业车间调度问题,开展了对基于规则的启发式算法的研究,并重点研究解决MES作业车间调度问题的理论与方法,及其在单件小批量生产类型企业的应用。 一直以来,学者对于JSP问题的研究多集中在理论上,而此类研究由于对约束的考虑过于严格,所以在具体企业不能得到有效的应用。文章结合单件小批量生产模式下作业车间调度的特点以及在传统的作业车间调度研究基础上,放宽资源约束条件,提出一种基于组合规则的启发式算法,有效地解决了多道工序竞争一台设备时的工件排序问题和一道工序可在多台设备上加工时的设备选择问题。 最后,利用具体建模工具对系统进行分析和建模,开发了一个计划调度的软件,并将其应用在模具制造等单件小批量生产类型企业,解决了甘特图手工调节过程中工序干涉等技术难点,有效地解决车间作业配置的动态性与车间生产不确定性这一难题。通过本课题的研究,使计划调度的理论研究服务于实际生产,具有一定的理论和应用价值。
基于遗传算法车间调度研究
这是一篇关于作业车间调度,柔性调度,遗传算法,遗传操作设计的论文, 主要内容为作业车间调度问题(JSP)是一类典型的组合优化问题,因其重要的理论与实际应用价值,一直是研究的热点问题。在当前激烈的全球化竞争环境中,制造过程控制与优化的水平,特别是如何对生产的预期目标进行有效的规划和执行,直接关系到一个制造企业的成败。在这种情况下,作为生产作业规划与执行的核心环节,车间作业调度具有更重要的意义。然而,制造系统的动态性和不确定性以及生产资源的有限性,为调度提出了很多难题。由于调度问题本身的复杂性,以确定最佳解决方案的纯数学优化方法的应用往往无法有效地在实践中,而简单的启发式算法为解决实际调度问题的首选方法。 遗传算法在寻找全局最优解方面具有良好的鲁棒性,已被广泛应用于很多调度问题的求解中。但是,不同的问题,通常需要对其染色体进行特别设计,而不同的遗传操作将影响算法的性能。为此,本文研究了求解车间调度问题的遗传算法,并针对经典的车间调度问题和柔性调度问题进行了遗传算法及其重要参数的研究与设计。 论文首先分析了遗传算法的基本理论,着重分析了算法设计的一些关键细节,包括遗传算法结构、适配值函数功能、个体选择技术,以及交叉和变异操作概率设置等。 之后,本文将遗传算法应用到传统作业车间调度问题,给出了染色体编码等算法设计具体方案。根据所建立的染色体结构,进一步设计了可有效防止早熟和饱和的交叉、变异机制及相关操作,给出了遗传算法具体设计的一般规律。仿真研究验证了所设计车间调度遗传算法的可行性和有效性。 本文还针对柔性调度问题的特殊要求,设计了加入免疫算子的改进遗传算法,采用向量组编码技术等操作来实现柔性作业的优化调度,并以10×4,15×5,15×4等Benchmark算例的仿真验证了算法优化性能。
面向单件小批量生产的MES中作业车间调度研究
这是一篇关于单件小批量生产,制造执行系统,作业车间调度,启发式算法,甘特图的论文, 主要内容为制造执行系统是处于计划层和现场操作控制层之间的执行层,主要负责企业的生产管理和调度执行。然而国内对MES的认识和研究还处于起步阶段,随着企业信息化进程的不断深入,迫切地需要在理论上和应用上对其进行深入地研究。随着市场竞争的日益剧烈,大多数制造企业的生产方式逐渐向着多品种单件小批量方向发展,因此,面向单件小批量生产方式的MES作业车间调度问题己成为一个具有代表性的生产调度问题。 本文以国家863课题为背景,深入合肥商务车厂和江铃汽车制造厂及其模具厂做了大量的调查研究与分析,并对制造执行系统理论以及调度方法的理论作了大量研究。针对单件小批量生产方式的MES作业车间调度问题,开展了对基于规则的启发式算法的研究,并重点研究解决MES作业车间调度问题的理论与方法,及其在单件小批量生产类型企业的应用。 一直以来,学者对于JSP问题的研究多集中在理论上,而此类研究由于对约束的考虑过于严格,所以在具体企业不能得到有效的应用。文章结合单件小批量生产模式下作业车间调度的特点以及在传统的作业车间调度研究基础上,放宽资源约束条件,提出一种基于组合规则的启发式算法,有效地解决了多道工序竞争一台设备时的工件排序问题和一道工序可在多台设备上加工时的设备选择问题。 最后,利用具体建模工具对系统进行分析和建模,开发了一个计划调度的软件,并将其应用在模具制造等单件小批量生产类型企业,解决了甘特图手工调节过程中工序干涉等技术难点,有效地解决车间作业配置的动态性与车间生产不确定性这一难题。通过本课题的研究,使计划调度的理论研究服务于实际生产,具有一定的理论和应用价值。
一种病毒进化遗传算法在作业车间调度中应用研究
这是一篇关于病毒进化遗传算法,启发式算法,静态繁殖,作业车间调度的论文, 主要内容为遗传算法是一种模拟生物进化过程的随机搜索算法，其自组织、自适应、自学习和种群进化能力使其适合于大规模复杂优化问题。它将问题的求解表示成“染色体”的适者生存过程，通过种群的一代代不断进化，包括复制、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或者满意解。随着计算机技术的发展，遗传算法越来越受到人们的重视，并在机器学习、模式识别、神经网络、优化控制、组合优化等领域得到了成功的应用。 生产调度问题几乎在现实环境中，特别是在工业工程领域无所不在。许多制造工业提出的调度问题从本质上讲非常复杂，难以用传统优化方法求解。由于该问题表现出约束组合优化问题的所有特征，因此，调度问题成为遗传算法领域里的一个热门话题，并且成为测试新算法思想的范例。 本文主要针对车间调度中典型的作业车间调度问题(Job Shop Scheduling Problem)，提出了一种适合该问题的病毒进化遗传算法。 该改进算法首先从病毒个体的生成上进行了改进，其中部分病毒个体从优秀的主个体复制生成，提高了整个病毒群体的适值和感染能力，并引入了静态繁殖理论，有效的避免了问题最优解的丢失。其次，将基于优先规则的启发式方法与病毒进化遗传算法相结合，一方面通过该启发式算法来改进初始主群体的性能，另一方面让其配合病毒感染操作，调整局部搜索能力，加快进化速度，改善GA收敛慢的缺点。 最后应用算法性能测试函数和标准测试集中的测试用例对改进后的算法进行了测试，结果表明算法在整体性能上有明显的提高。并且将改进后的算法用于求解实际调度问题，得到的结果是有效和可行的。
多策略结合的多目标粒子群算法在作业车间调度中的应用
这是一篇关于作业车间调度,粒子群算法,QUEST,多策略结合,多目标优化的论文, 主要内容为在当今信息化时代的背景下,制造业正朝向智能化、协同化、全球化、集群化等方面发展,其中制约着制造业发展的问题之一,是如何高效的实现产品的生产加工与企业效益的最大化,因此对于企业的管理者而言需要一种便捷、高效、合理的方法来指导企业的加工排产。本文针对现有的加工制造中具有代表性一类的作业车间调度问题进行深入研究,提出了一种基于多种策略的MS-MOPSO算法与QUEST物流仿真软件相结合的方法,并将其用于解决某实际工厂中零件的生产加工优化问题。对于所要研究的多目标作业车间调度问题,在综合考量了实际生产中对整个加工过程的主要影响因素,建立了以最大完工时间、总拖期时间、总机器空闲时间为优化目标函数的多目标作业车间调度模型,结合现有研究趋势,提出了一种粒子群算法与灰狼算法为主体的协同进化的种群搜索模式,并采用一种基于平均Frechet距离的曲线相似度匹配与Pareto支配相结合的领导个体的选择机制来引导群体的进化,最后利用具有三种邻域结构的变邻域搜索方法来增强算法的局部搜索能力,为了定性分析本文MS-MOPSO算法的优化能力,采用常用的多目标测试用例DTLZ(1-7)对MS-MOPSO算法与其余3种算法进行比较分析,结果证明其优化的有效性,而对于算法在部分用例中出现的过早收敛特点,提出相应的扰动机制以避免算法陷入局部最优。为了将算法更好运用于实际离散型JSP问题的优化中,利用ROV准则将本文算法的编码方式进行相应改变,并根据JSP问题的编码特点采用改进的邻域结构的局部搜索方式,最后利用多个JSP的基准测试实例,表明算法在JSP问题优化应用中的有效性。在解决实际工厂加工排产问题中为了能充分的拟合实际的生产情况,并能经济高效的获得相应的加工方案,本文首先采用MS-MOPSO算法对某工厂具体的加工问题进行优化,以高效获取有效的Pareto解决方案集合,后利用QUEST仿真物流软件对加工流程建立相应的三维环境,并将算法所得到的方案在软件中各自独立运行仿真,以加工中常用的机器利用率指标为评价的准则选取最终的加工方案,利用智能算法求解的快速特点与物流仿真软件拟合度高的特点相结合,以实现对具体实际加工调度的全面优化,能够有效的提高生产效率与经济性。
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：代码货栈 ，原文地址：https://m.bishedaima.com/lunwen/48305.html
