基于双重资源的柔性生产系统调度算法

在柔性资源的生产环境下,如何进行人员与工作中心之间的优化配置对产品准时交货起着重要的作用。本文以提前/延期(E/T)惩罚最小为目标,进行了基于双重资源的柔性生产系统调度问题的研究。首先,对基于双重资源的柔性生产系统的E/T调度问题进行了描述,提出了求解调度问题的具体策略。在此基础上,建立了基于启发式的E/T调度算法。通过仿真实验,对算法性能进行了分析评价和比较,结果表明该算法用来求解基于双重资源的柔性生产系统的调度问题是有效和实用的。     

无人搬运车激光导向技术

本文概述当今世界上无人搬运车的比电磁感应导向更先进的激光导向技术,并对激光导向的三种方式——激光光束导向,激光自动导向和激光塔标导向的原理及布置作了说明。本文又对无搬运车的激光导向和电磁导向进行了比较。     

改进遗传算法求解柔性job-shop调度问题

本文提出了一种改进遗传算法用于求解柔性作业调度问题(FJSP).针对工序在不同的机器上加工的差异性,我们提出了用能力系数来表征机器的加工能力,不仅可以简化处理而且也较为符合实际情况.该改进算法通过轮换的方法,将加工任务分配到不同的并行机器上去执行,有利于机器的负载平衡.同时,在方法的实现过程中,利用面向对象的思想,将问题进行抽象,用不同的类封装车间,机器和工序信息,这不仅符合现代编程风格,简化编程,也有利于系统的扩展和重构.仿真结果表明,不仅整个加工过程的执行时间得到了优化,而且各类机器完成的操作数相同,使用的时间也较为平均,达到了设计目标.同时该方法的计算速度也较快,适用于较大规模作业车间调度问题的求解.     

柔性生产中基于人员任务匹配度的人员调度

文章针对单件小批量生产的柔性生产方式,考虑操作人员技能的多样性和对于不同任务技能水平的差异性等特点,根据操作人员对各任务的累计工作时间计算任务人员之间的匹配度,在此基础上建立柔性生产中资源受限下人员调度数学模型;通过启发式算法得到模型的初始解,并运用改进的遗传算法对模型进行求解,得到最优的人员调度方案以实现任务总完成时间最小的优化目标;最后结合具体实例验证了该求解模型的准确性与可行性。     

多品种小批量生产环境下的柔性调度研究

随着越来越多的企业采用多品种小批量的生产方式，如何进行生产作业计划调度是一个迫切需要解决的问题。从柔性的角度出发，详细分析了与生产调度密切相关的因素，指出调度决策的求解应朝着综合的智能化的方向发展，并给出一种可行的调度问题解决方案。     

基于遗传算法的柔性调度系统模型及其应用

以一个车间作业调度问题为例，探讨了一种借助遗传算法优化调度系统的模型。模型中考虑了基于工序的调度编码和遗传操作改进，以及在适应度函数中如何加入柔性处理等问题。实例模型计算结果表明了该模型的优越性。     

基于遗传算法的有柔性路径的动态调度问题研究

建立了有柔性路径的FMS动态调度问题的模型．采用离线重调度的方法,提出一种结合离线重调度两种生成调度方式的方法来阐述FMS的有柔性路径动态调度问题．最后给出了该问题的遗传算法解决方法和计算示例．     

以JIT为目标的柔性调度作业完工期求解算法

由于高度的计算复杂性,柔性调度是NP-hard问题,采用数学规划方法很难求得最优解.智能优化算法(如遗传算法)求解此类问题的近优解的有效性和实用性已被证实.在用GA算法求解此类调度问题时,如何确定一个染色体里所包含的每一个作业的完工期是一个非常关键的问题.该文深入分析了影响作业开工、完工时间的制约因素及其之间的关系,在此基础上,提出一个以JIT为目标的柔性调度作业完工期求解算法;在Matlab平台上进行了仿真.实验结果表明,本算法在求解各作业完工期时是有效和实用的.     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

生产系统柔性的边界分析

生产系统是一个感知系统，在进行系统分析时可以以边界分析为中心。柔性生产系统的边界具有丰富的构成，生产系统的要素可以区分快变量和慢变量，生产系统的柔性大小与这些变量的反应速度、与感知反应临界带的宽度、与感知反应流的构成都有密切的关系。本文利用边界分析法对生产系统的柔性进行研究，试图找到增加生产系统柔性的方法和途径。     

混流柔性加工单元自动导引小车的调度优化

多品种混流柔性加工单元中的自动导引运输车(AGV)数量和运行路径直接影响单元的运行效率.在考虑产品加工工时、批量需求、设备物理位置等约束下,以最小化搬运任务时间为优化目标,基于改进Memetic算法,通过编码和搜索机制的调整,对不同AGV数量以及不同设备加工任务分配方案条件下的调度策略进行协同优化求解,有效避免了迭代过程中易出现非法解的状况,从而获得了AGV最优调度路径.最后通过实例验证了该方法的可行性和有效性.     

基于生产费用的柔性作业车间调度优化

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源柔性作业车间调度的生产费用计算方法.将模拟退火算法嵌入遗传算法中,设计了一种新的混合遗传算法.该算法首先利用遗传算法快速搜索一组较好的解,然后利用模拟退火算法进行群体寻优.采用基于工序的编码和一种新的解码方法,并运用多种交叉方法使得算法能够在解空间中尽可能地搜索最优解.为了避免最优解在进化过程中损失,采用择优操作将每代中的最优解保留下来,并不断更新.仿真结果表明:该方法是可行的,并具有一定的优越性.     

FMS—AGV传输系统自学习调度方法

针对ＦＭＳ－ＡＧＶ传输系统调度的不确定性因素,对ＡＧＶ在线运行状态参数实时记录并学习,运用动态规划算法和模糊数学的方法,提出了模糊动态规划（ＦＤＰ）算法．给出了适于计算的迭代算式,结合人工智能（ＡＩ）编制了ＡＧＶ传输系统调度软件包．本算法利用在线记录的ＡＧＶ运行数据进行模糊处理和学习,有效地调节用于描述ＦＤＰ算法的模糊模型参数．这种自学习ＦＤＰ算法在ＡＧＶ的路径规划中有较好的适应性．对于一个新的ＦＭＳ－ＡＧＶ系统,经几次规划自学习之后,该算法就能很好地用于系统的实时调度中．     

基于多Agent与遗传算法的柔性车间调度系统研究

为解决柔性车间调度自动化及优化问题,建立了基于多Agent及遗传算法的柔性车间调度系统。系统是一个由管理Agent,调度Agent及多个加工单元Agent组成,系统中通过遗传算法实现静态优化调度,而通过Agent之间的协作现实动态调度。加工任务到来时,先经管理Agent评估,接受后打包相应信息传递给调度Agent;调度Agent调用其面向对象遗传算法对任务进行优化分解并传递给各加工单元Agent;加工单元Agent根据调度Agent下达的任务进行加工,同时通过相互协调动态调整加工任务,以消除加工过程中出现的不确定性。示例运行表明所建立的系统可行,并兼有实用性,先进性和有效性。     

遗传算法在柔性动态调度中的应用

采用一种实用的柔性制造系统（FMS）在线动态调度方案 ,以对车间生产环境的变化作出及时反应,建立了零件的可变工艺路径、包含AGV的FMS调度问题的模型,采用遗传算法（GA）以任意始点的任务集为背景同时调度机器和自动引导小车（AGV）。研究由若干台加工中心（WS）和AGV组成的FMS的调度问题,论述了综合事件机制及时间机制优点的动态调度机制,通过被修订的工序集与所有剩余工序形成交集,来识别需要被修订的工序集。这种重调度方式减少了人为的干预,允许按环境改变而对方案作出修订,因此可以在实时条件下工作。     

带有交货期时间窗的生产与维护联合调度优化

为探讨拉式生产环境下设备故障对准时交货的影响,建立了单设备预防性维护和生产调度联合优化模型.提出一种提前/拖期惩罚成本隶属度函数,同时选用简单维修和更换2种不同的维护方式,以具有交货期时间窗的提前/拖期惩罚成本与维护成本之和为优化目标,决策工件加工顺序和维护周期.提出一种新的算法LSA(LongestShortest Processing Time Based Algorithm),与遗传算法(GA)结合,采用GA-LSA对模型优化求解,与枚举算法和改进GA比较,证明其有效性.通过不同问题规模下联合优化分别与独立优化和单一维护方式联合优化方法进行对比,结果表明,相对其他2种方法,所提出的方法更加有效.     

A Beam Search-based Algorithm for Flexible Manufacturing System Scheduling

ＩｎｔｒｏｄｕｃｔｉｏｎＳｃｈｅｄｕｌｉｎｇａｓａｎｏｐｅｒａｔｉｏｎｓｐｌａｎｎｉｎｇｐｒｏｂｌｅｍｉｓｃｏｎｃｅｒｎｅｄｗｉｔｈｔｈｅａｌｌｏｃａｔｉｏｎｏｆｒｅｓｏｕｒｃｅｓｏｖｅｒｔｉｍｅｔｏｐｅｒｆｏｒｍｖａｒｉｏｕｓｔａｓｋｓ.Ｉｎａｆｌｅｘｉｂｌｅｍａｎｕｆａｃｔｕｒｉｎｇｓｙｓｔｅｍ (ＦＭＳ)ｅｎｖｉｒｏｎｍｅｎｔ,ｓｃｈｅｄｕｌ ｉｎｇｇａｉｎｓｓｐｅｃｉａｌｉｍｐｏｒｔａｎｃｅｄｕｅｔｏｔｈｅｈｉｇｈｌｅｖｅｌａｕｔｏｍａｔｉｏｎａｎｄｃｏｎｓｉｄｅｒａｔｉｏｎｓｏｆａｄｄｉｔｉ…     

含运输时间的柔性作业车间调度问题研究

在工厂实际生产中,零件加工的运输时间占整个加工时间的比例是很大的,这个时间在生产调度时不可忽略。为了更合理的研究柔性作业车间调度问题,将运输时间考虑进调度模型之中,并在经典遗传算法的基础上进行改进,设计了一种新的启发式规则算法,嵌入在遗传算法中,用于该问题的求解。通过计算结果的比较,证明此调度模型更符合实际生产情况。改进后的算法能够得出解的效率更高。     

AGV调度优化的应用场景、关键因素和研究方法综述

针对自动引导小车(automated guided vehicle,AGV)调度问题,梳理了制造、仓储、港口以及快递分拨中心中的AGV使用和调度研究现状,发现以快递分拨中心为代表的服务业是新兴且研究较为薄弱的领域;分析了AGV调度优化需考虑的因素,发现数量配置与充电管理两个关键因素联合考虑的不足,建议未来在大规模动态调度研究中将二者统筹考虑;从精确方法、近似方法和基于人工智能的新方法3个方面总结AGV调度研究方法,建议未来可在启发式算法的基础上融入基于人工智能的新技术和新方法以获得创新。