不确定性条件下的生产调度

综述了不确定性条件下生产调度的确定现状,分析了生产调度过程中所存在的各种不确定性,阐述了不确定性的分类,不确定性的数学描述,不确定性生产调度的数学模型,各种调度方法,处理不确定性生产调度的优化方法等,指出了解决不确定性生产调度的有关途径,并对存在不确定条件下生产调度的进一步的研究内容作了展望。     

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.     

基于规则组合的Job Shop多目标柔性调度方法

为提高Job Shop模式下多目标柔性调度的实时性,文章利用规则调度计算量小、实现速度快的特点,建立基于双层规则组合的Job Shop多目标柔性调度方法;运用离差最大化原理分析规则调度结果,生成合理的多目标权重,以选择符合现场实时工况的较优调度方案;通过仿真实例验证了该调度方法的有效性。     

一各新型的单件小批量生产车间调度方法

提出了解决具有开完工限制的约束Job-shop生产调度问题的一种新方法,该方法将粗细排算法有机结合起来,在粗排算法中,系统优先安排机床虚拟工序队列集合中剩余加工时间最大的工序,得到一个初始可行方案,该方案使工件在系统中的流通时间最短。细排算法以粗排算法所得方案的基础,以工件的提前／拖期时间最大的工艺块为调整目标,通过交换工艺块中相邻工序位置的调整策略,得到一个优化的生产作业计划。经分析实例验证,该算法易于实现,具有一定的优度,并且在工程中是可行的。     

基于遗传算法的柔性车间调度优化

针对传统作业车间调度问题有加工设备功能单一、加工工序对应设备固定的特点,提出了一种新型混合改进的遗传算法进行求解优化。首先,采用一种新的编码思想构建双层染色体编码结构,强化初始种群质量,提高种群的多样性;并给出了相应的选择操作设计,交叉操作采用单段交叉、两段交叉和三段交叉机制,改善算法全局搜索能力,变异操作引入了种群分割的思想,按照适应度将种群分割成两部分,并赋予不同的变异概率,实行两种变异机制,以提高算法的局部搜索能力;添加了新的检查操作以增强优化过程的可行性。最后采用MATLAB编程,通过一个6个工件,每工件6道工序的应用实例进行测试,验证了该方法切实可行,有效。     

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。     

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.     

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。     

多品种中小批量生产环境下的库存管理方法的探讨

文章针对当前国内多品种中小批量生产环境下库存管理的现状及存在的问题,探讨了物料需求计划（MRP）运用于库存管理在我国现阶段的可行性,在此基础上进一步对物料需求计划法和其它一些先进管理思想相结合等方面作了一些探讨。     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

基于MAS的生产计划与控制系统研究

生产计划与控制是制造企业的核心问题,Agent技术是进行分布式制造系统建模的一种主要方法之一。文章针对多品种、小批量的订货生产型中小企业生产计划与控制的特点,提出了基于多代理系统的生产计划与控制系统模型,分析了该系统模型的运行模式,并对系统中MAS的框架应用结构以及多Agent的实现方式进行研究和探讨,有效地解决了生产计划的不可行问题。     

新型模式的矿山生产调度系统设计

介绍了神华集团神东公司现有的生产调度管理模式在煤炭企业中的重要性及其不足之处,讨论比较了 B/S 模式与 C/S 模式各自的特点,分析了三层 B/S 代替两层 C/S 模式的必然性,并结合当今流行的数据库前端应用开发工具和数据库管理系统各自的特点,选取了最合适的开发和编程工具,规划出煤炭企业一种新的生产调度数据管理模式。     

车间生产组合调度算法的改进及其实现

企业生产调度系统是企业管理的重要职能,是制造系统运筹技术、管理技术与优化技术发展的核心.本文在分析了制造车间环境复杂性和特殊约束的特点和分类的基础上,通过总结分析各类企业生产调度算法,提出了一种改进后的免疫遗传算法,该算法通过接种疫苗提高抗体的适应度,采用免疫选择防止种群的退化.最后,实例验证了该算法的适用性和有效性.     

生产计划编制的有限能力计划法

对小批量类型生产制定合理可行的生产计划是一类极为复杂的问题。本文在分析该类企业生产主要特点的基础上，建立了编制生产计划的有限能力计划法。该方法在满足产品项目交货期的同时，根据各工作中心的工作能力，具体为各工作中心编制了相应生产计划。并通过实例验证其可行性和合理性。     

混合量子算法在生产调度中的应用

针对生产调度领域中的置换Flow Shop调度问题,在量子进化算法思想的基础上,进行了解码、最佳模式设计,并融入了优化方法,形成了混合量子算法(HQA).经过对多个算例的测试,证明HQA在生产调度领域能够提供良好的决策方案和依据.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

炼钢-连铸区段生产调度与计算机仿真

炼钢-连铸区段的生产调度包括炉次计划、浇次计划的生成和时间、设备的分配,以及针对各种扰动的动态调整. 根据钢种和规格的限制,提出了最优炉次计划模型,并采用禁忌搜索算法进行求解;根据炉次计划和连铸机连浇限制,生成浇次计划;根据炉机匹配和等待时间最小原则,生成静态调度甘特图,并对仿真过程中出现的出钢延迟提出了动态调度的策略和算法. 仿真结果表明,基于模型的动态调度策略能够有效地解决出钢延迟问题.     

一般生产调度问题的统一结构

分析了离散制造、间歇过程及连续工业的生产调度背景及需求，并依此说明各类企业的生产调度问题存在结构共性，可以归纳成一般生产调度（ＧｅＰＳ）问题来研究。这种ＧｅＰＳ问题可用混合动态系统来描述，它既包括描述基本生产过程的连续时间动态，又有描述实时事件发生及相应决策处理的离散事件动态，这两种动态是实时交互的。用水箱切换实例说明了ＧｅＰＳ问题的混合动态和模型特点。     

改进PSO权值算法在流水生产调度中的应用

为了在生产中快速有效且合理地安排生产流程,达到生产最优化,采用改进粒子群权值算法(DPSO)。研究了DPSO算法地参数设置问题,在传统PSO算法基础上加入具有动态自适应调整功能的权重因子,使算法更快地达到全局最优化,迭代次数也大大缩短,将DPSO算法用于流程工业的flow-shop调度中,大大提高了生产效率,仿真实验表明该算法具有良好的全局优化性能。该成果对生产调度具有一定的参考价值和指导意义。