不确定条件下的零等待F1ow shop生产调度问题

研究了处理时间不确定条件下，含零等待模块的模糊Flow shop生产调度问题；采用三角模糊数描述处理时间的不确定性，用零等待策略对加工过程进行约束，建立了基于模糊规划理论的零等待Flow shop调度模型，通过中间值最大隶属度的方法，将原有的模糊调度模型转化为清晰的调度模型；最后应用改进的模拟退火算法对模型进行仿真优化，制定了适用于实际排产过程中的GANTT图，仿真结果说明了调度模型的正确性和改进算法的有效性。     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题,并考虑处理时间的不确定性以及存储时间的有限性,在模糊规划理论基础上,建立了带有提前／拖期的存储时间有限型Flowshop的调度模型,通过中间值最大隶属度算法,将原有的模糊调度模型转化为清晰的调度模型,并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

混合Flowshop双目标调度问题的双向仿真方法

针对JIT生产方式的混合Flowshop系统双目标调度问题，提出一种基于前向和反向仿真组合的双向仿真调度方法。用启发式算法进行前向仿真获得工件离开系统的时刻，并将其作为反向仿真的开工时刻。按工件的反向路由（加工顺序）进行反向仿真，以获得工件正向进入系统的较好时刻，从而减少工件的等待和平均的flowtime。仿真结果表明，该方法 能够较好地解决混合Flowshop的双目标调度问题。     

一类带缓冲区的混合Flowshop生产过程的Makespan生产调度

就最早完工(Makespan)指标为一类带缓冲区的混合Flowshop生产过程建立调度模型.针对混合生产过程调度的缓冲区及生产能力约束,定义由连续生产过程为离散加工而生产半成品原料所需的延迟时间为预备时间.假设在预备时间不为零时,判定原调度结果是否仍保持最优,并给出将原调度结果作为次优调度时的误差范围.仿真算例表明了文中算法的可行性.     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题,建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法,通过仿真数据说明了所建模型及算法的有效性,并就结果进行了讨论。     

机场飞行区航空器与除冰车协同优化调度方法

针对现行“先到先服务”的机场除冰车调度方式效率不高的问题。以最小化除冰车行驶总距离和航空器等待总时间为目标函数，构建机位除冰车辆和航空器协同调度模型，并提出一种改进的遗传算法对模型进行求解。采用西安机场某天142条航班数据进行仿真实验，并与随机调度算法和贪心算法进行比较。结果表明，改进的遗传算法相较于随机调度算法和贪心算法分别节约15.23%和7.81%的行驶总距离，且航空器等待除冰时间大幅度减少。证明了所提算法在指导除冰车作业方面的优越性。     

不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

基于改进匈牙利算法和模糊逻辑控制的Interbay物料运输系统调度方法

为了满足晶圆制造Interbay物料运输调度的多目标和实时性要求,提出了一种基于改进匈牙利算法和模糊逻辑控制的智能调度方法.首先对晶圆工件的运输时间、等待时间、交货期以及加工特性这4个参数进行加权求和,建立晶圆工件的多目标运输成本模型;然后基于模糊逻辑控制的权重参数调节模型对各个权重参数进行动态调整,进而实时地计算晶圆工件的运输成本;最后以最小化运输成本为目标,采用改进匈牙利算法求取晶圆工件和运输小车的最优匹配方案.仿真实验结果表明,与传统的几种单一启发式规则比较,提出的调度方法能够有效减少晶圆工件的平均搬运时间和平均加工周期,具有较好的综合调度性能.     

积分控制粒子群算法在再制造生产调度问题中的应用研究

针对不确定条件下再制造模糊加工时间的车间调度问题,建立了模糊工时调度模型,并提出了一种积分控制微粒群算法。考虑到基本粒子群算法易于早熟的缺点,通过增加控制器对粒子轨迹进行控制,在算法中引入加速度项,增强了种群多样性,提高了算法全局寻优能力。通过仿真实例验证表明,该算法在解决不确定条件下再制造生产车间调度问题方面是行之有效的。     

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.     

用GA算法解不确定条件下Job Shop的提前/拖期调度问题

研究了具有公共交货期窗口的 Job Shop的提前 /拖期调度问题 ,并考虑了处理时间的不确定性 ,采用三角模糊数表示不确定性信息 ,提出了基于遗传算法的优化方法并以仿真实验验证了算法的有效性     

考虑多种时间因素的作业车间调度优化

为了简化模型和研究的需要,在大部分作业车间调度研究中,加工时间是主要考虑对象,但是统计表明非加工过程时间在生产制造过程中的占比超过90%。车间生产过程的调整时间、运输时间和故障时间等辅助时间在调度中有着重要作用,时间因素的忽略导致很多调度结果不能在实践中得到良好的应用。针对这个问题,根据作业车间生产实际过程,从调度的应用出发,综合分析了运输时间、调整时间、等待时间、故障时间、加工时间等多种作业车间时间,研究了多种辅助时间条件下的作业车间调度问题,建立其调度模型并设计了改进遗传算法进行求解。最后验证和比较了作业车间经典调度用例,结果显示,考虑时间因素对作业车间调度优化性有较好的改进。     

基于模糊综合评判的实际生产调度决策研究

为解决实际生产调度中的模糊不确定性决策问题,提出了基于优先级规则和模糊综合评判结合的生产调度决策方法.通过分析实际生产调度中的任务分派过程,得出任务分派时需要考虑的任务影响因素以及设备影响因素.利用影响因素的隶属函数表示各影响因素的优先程度,解决了调度过程中的不确定及偏好信息的表示问题.通过模糊综合评判计算,对任务优先级和设备的优先级进行综合计算,解决了调度过程中多模糊因素综合权衡问题.最后通过算例对该方法计算过程进行说明,并以实际车间调度应用为例分析了该方法的实用性.     

蒙特卡罗仿真在设备预防性维修周期确定中的应用

应用蒙特卡罗仿真对故障规律满足威布尔分布的设备进行了预防性维修周期的优化，详细推导了小修方式下随机数的抽样方法，给出了仿真分析的一般步骤，并对该模型进行了仿真分析，并用数值解法的结果验证了仿真结果，表明仿真具有较高的精度，是一种研究设备维护策略的有效方法．     

基于萤火虫算法的学习遗忘效应BFSP问题研究

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.     

A Novel Particle Swarm Optimization for Flow Shop Scheduling with Fuzzy Processing Time

Since in most practical cases the processing time of scheduling is not deterministic, flow shop scheduling model with fuzzy processing time is established. It is assumed that the processing times of jobs on the machines are described by triangular fuzzy sets. In order to find a sequence that minimizes the mean makespan and the spread of the makespan, Lee and Li fuzzy ranking method is adopted and modified to solve the problem. Particle swarm optimization （PSO） is a population-based stochastic approximation algorithm that has been applied to a wide range of problems, but there is little reported in respect of application to scheduling problems because of its unsuitability for them. In the paper, PSO is redefined and modified by introducing genetic operations such as crossover and mutation to update the particles, which is called GPSO and successfully employed to solve the formulated problem. A series of benchmarks with fuzzy processing time are used to verify GPSO. Extensive experiments show the feasibility and effectiveness of the proposed method.     

Model of production planning and scheduling in shop floor based on collaboration and competition

The planning and scheduling in real shop floor is actually achieved by coordination between different persons. In this process, cooperation is mainstream, but competition also exists, for example, the competition between different groups, operators with the same skill, etc. In multi-agent based shop floor management and control system, this competition and cooperation relation must be embodied. The general process of shop floor production planning and scheduling is studied, and a colored Petri-net model for the competition and cooperation process of three main agents in such system to achieve shop floor production planning and scheduling is presented. The evaluating method of bids in bidding process that especially embodies the competition relationship is also presented. This colored Petri-net model gives a clear illustration of this complex coordination process to system designers, effectively promotes the cooperative development. Foundation item: Supported partly by the Hi-tech Program of China (China 863) (No. 863-511-943-009) and the National Natural Science Foundation of China(No. 59990470) Biography: Liu Shi-ping(1971-), male, Ph. D. candidate, research direaction: CIMS, intelligent manufacturing.