再制造系统能力约束下拆卸批量计划优化方法

针对再制造系统中能力约束下的拆卸批量计划问题,应用两阶段启发式遗传算法进行了优化求解.首先对再制造产品结构进行了描述,建立了再制造系统中能力约束下的拆卸批量计划优化模型;其次在不考虑能力约束情况下应用遗传算法求解出初始的拆卸批量计划,其中,染色体编码采用拆卸决策变量来表示,同时对适应度函数进行了线性变换,设计了具有自适应的交叉概率和变异概率;然后应用转移算法对初始得到的批量计划进行了修正,使其符合拆卸能力的约束.大量随机算例的仿真实验说明所提出的算法不论在寻找最优解方面还是在求解速度和稳定性方面,都要大大优于精确算法,能够较好地解决实际生产中面临的拆卸批量计划问题.     

考虑再制造的多级受限批量问题

文章针对单一最终产品的多级生产系统,建立了混合制造与再制造的一般批量模型;考虑了制造和再制造的多资源限制,并假设经过再制造出来的产品性能与新制造出来的产品相同,共同满足外部需求;构造了一个惩罚因子随着迭代过程变化而变化的自适应罚函数,把有能力约束的批量问题转换成无能力约束的批量问题后,采用遗传算法对模型进行求解;最后通过具体的算例来验证模型的可行性与算法的有效性,为相关企业进行生产决策提供参考.     

一种新型的再制造条件下EOQ模型

研究了一种新型的再制造条件下带有废弃处理的(1,R)和(M,1)EOQ模型.在这对模型中,采用新产品的制造和回收产品的再制造2种方式来满足顾客需求,回收产品部分用于再制造,其余作废弃处理;总平均成本包括与回收产品、制造和再制造产品有关的库存持有成本,与制造和再制造有关的固定成本和可变成本以及废弃处理成本.该模型主要用来求解制造和再制造的最优经济订货批量的表达式.该模型适用于生产率有限和无限的情况,也适用于回收产品全部用于再制造和部分用于再制造的情形.给出的算例验证了所建模型的计算方法,并进一步分析了新引入的决策变量———再制造系数对总平均成本变化率的影响.     

基于产品差异的闭环供应链绩效分析

针对新品与再制造品有差异的情况,利用博弈论对制造商、零售商构成的两级闭环供应链系统进行建模,着重分析在分散决策方式下,消费者对再制造品的认可度以及回收再制造成本对产品销量和供应链绩效的影响.研究表明,当消费者对再制造品的认可度很高时,回收再制造是制造商和零售商获利的一种重要战略选择;当消费者对再制造品的认可度很低时,制造商的理性选择是不考虑进行产品回收再制造;当消费者对再制造品的认可度中等时,是否进行产品再制造则要视回收再制造成本而定,当回收再制造成本较低时考虑进行产品的回收再制造,当回收再制造成本较高时则不考虑回收再制造,只生产新品.     

碳税下考虑供应中断的制造/再制造企业最优策略

在不同碳税下研究含供应中断风险的制造/再制造企业最优回收和生产策略.需求由制造品和再制造品满足,制造品的原材料由主要供应商和次要供应商提供(两种供应商要价不同,便宜方的原材料更有可能出现供应中断的情况),再制造品来自于对回收产品的再制造.采用粒子群算法和遗传算法对比分析算例,验证模型的可信性和有效性,并通过灵敏度分析解释供应中断问题.结果表明:平均总成本随着供应中断概率的增加逐渐增加;另外,企业可合理安排再制造和制造批次,管理回收品质量,并结合碳税值来实现系统最优;同时,政府可合理设置碳税,最终与企业实现共赢.     

再制造系统中零部件供应优化模型

针对制造商经常面临零部件供应决策问题,分析了传统制造与再制造过程中零部件的来源及构成,并以一种常见的再制造系统为原型,讨论再制造系统中零部件供应优化问题.分析不同零部件供应条件下的成本结构,建立了一个混合整数规划模型,通过最大化传统制造与再制造中零部件总成本之间的差额(即再制造总成本节约),获得再制造系统中零部件供应问题的优化解,并以算例论证了模型的有效性.实际算例表明,通过再制造系统获取零部件,往往比纯粹外购新件更加节约成本.     

一种新的制造单元设计方法

研究了制造车间中机床和被加工零件的分组问题,可减少零件加工过程中由于在制造单元组间的运输而增加成本函数．使用遗传算法,以染色体编码表示机床分组,以常用的交叉、变异算子对编码进行操作,以变更各单元内的机床组成．通过不同编码对一组零件加工时成本函数的比较,选择遗传后代,组成最佳的制造单元．以遗传算法对两个典型的机群分组算例进行了计算,并与已有结果进行了对照．     

基于混合不确定性和证据理论的再制造生产计划

提出了基于混合不确定性和证据理论的生产计划研究方法.首先在分析再制造工艺流程的基础上,考虑再制造过程中的随机参数和模糊参数,建立以利润最大化为目标的多周期混合不确定规划模型;然后对不同截集水平下的模糊参数,采用随机仿真规划寻优,得到各个截集水平的最优解截集区间;最后采用证据理论并结合仿真结果,获得优化目标值及其置信区间分布. 基于所提出的模型和算法完成再制造生产计划案例研究. 结果表明,该方法可以得到满意的再制造生产计划和利润最大化条件下的可再制造率区间.     

应用改进遗传算法求解炼钢连铸生产调度问题

炼钢连铸制造流程是一个复杂的多阶段、多产品生产过程,其生产调度问题可建模为车间调度问题. 提出一个改进遗传算法求解炼钢连铸生产调度问题. 改进包括三个方面:基于排序的适应度分配、基于排序的工件过滤交叉算子和基于指数关系的变异率曲线. 经24个benchmark的比较测试表明,改进遗传算法比传统遗传算法的寻优能力更强. 通过16个生产计划和6个处理工序的炼钢连铸生产调度实例计算结果表明,改进遗传算法是有效的.     

多重不确定需求下制造企业多品种生产计划模型

针对客户需求的多重不确定性对柔性企业生产计划制定的影响,研究在企业生产线有限以及生产状态不确定的情况下,柔性制造企业的多品种生产计划安排问题.首先,基于产品品种不确定性带来的交货期和成本变化,分析了多重不确定需求的生产线选择和转换成本问题,从而建立了针对不同时间段的生产计划动态规划模型,以解决多重不确定性问题,并追求企业生产成本最小化.采用Matlab进行算例模拟分析,针对不同的生产计划安排策略,计算求得各生产计划安排策略下的最小生产成本.结果表明该模型能够解决多重不确定需求的生产计划问题,具有实用性和有效性.     

组装线生产计划和库存策略的优化

针对组装线生产计划和零部件库存策略问题,以最小化总成本为目标,建立具有能力限制的有限期两层动态批量数学模型,并根据该问题性质设计启发式求解算法,逐期优化两层系统的批量和总成本。根据FlorianKlein性质,通过构造网络,将组装生产计划问题转化为寻找最短路径问题,并采用动态规划算法求得任意2个可行的连续再生点对间的最优生产计划。然后,将组装阶段最优生产计划作为零部件的需求,用W-W算法求解各零部件的最优订货策略。大量的算例验证了该算法的有效性。     

面向低熵的再制造系统单元构建的研究

随着环境和资源问题的日益突出,再制造作为低熵化发展模式受到越来越多的重视。我们在详细分析工艺路线选择对再制造加工质量及生态环境影响的基础上,以质量、生态环境及物料搬运为目标建立再制造系统制造单元构建模型,并提出遗传算法求解模型,再通过算例的详细分析来说明环境、质量及物料搬运目标对构建方案的影响。     

基于回收价格的再制造系统策略研究

文章考虑了基于回收价格的再制造逆向物流系统,将传统的库存模型和回收定价问题相结合,利用回收价格控制回收率,实现回收品的再制造;建立了2个数学模型,模型1假设制造商在一个周期内只启动1次新产品的生产和回收品的再制造,模型2是模型1的推广,假设制造商在一个周期内将多次启动新产品的生产和回收品的再制造;为了实现成本的最小化,...     

考虑回收能力不足与回收品质量不确定的再制造成本优化

文章针对再制造混合生产条件下的产品生产/再制造成本优化问题,考虑实际的回收能力不足和回收品质量的不确定性2种情况,建立了新的产品生产/再制造流程系统模型及相应的生产成本函数,推导出单位时间产品生产/再制造总成本关于时间和再制造比例的函数关系,并对其最优解情形进行理论分析和模拟验证,实现了逆向物流中的产品生产/再制造成本优化。将回收品质量的不确定性定义为回收品质量分布函数的不确定性,引入不确定性函数来衡量某个质量等级的概率,并对成本函数最优解特性进行理论分析和模拟实验,表明引入的质量不确定性函数可以更准确地描述回收品质量的不确定性所带来的成本函数变化。     

基于量子进化算法的批量生产问题

在现代制造业的供应链中,生产批量计划(Lot-sizing)问题是企业经济效益最大化的关键因素之一,其主要研究在给定批量产品的需求下,确定最佳的生产方案,使得制造成本、库存成本和调整成本的总和最小化或者利润最大化。近年来的群智算法如遗传算法和粒子群算法等为解决复杂的Lot-sizing问题提供了新途径,但是这些算法易陷入局部最优。为了获得全局,将量子算法融入经典进化遗传算法中,首先,运用量子理论中独特的概率幅和量子比特对计划产量的决策变量进行编码;然后在迭代过程中,通过动态调整量子旋转角度来控制基因的变异速度,保持最优个体的基因信息,以免陷入局部最优的陷阱。Lot-sizing问题的案例实证表明,与上述常见的群智粒子群算法相比,量子进化算法的求解精度更高、收敛速度更快,可以有效解决复杂多约束的Lot-sizing问题,提高企业的生产效率。     

烧结钕铁硼成型生产计划编制的混合优化算法

为提高烧结钕铁硼成型工序生产效率,建立了1个多目标混合整数规划模型。提出遗传算法和对偶单纯形算法相结合的混合求解算法,改进了遗传算法的交叉算子。采用3PM交叉算子和随机动态位串变异的方式,改进了遗传算法的变异算子。基于所建立的多目标优化模型和提出的求解算法编制了成型生产计划。仿真结果表明,较采用人工编制的生产计划,采用该文算法编制的成型生产计划,总产量增加了近500模,成型机利用率提高了15%,且每日进炉的炉重得到了增加。     

基于多种群遗传算法的装配线平衡问题研究

产品在制造过程中,装配作业成本大约占制造成本的30%,装配线平衡问题是影响装配作业效率的关键因素。在装配线平衡研究中,提出在固定作业工位下求解装配线平衡的问题,建立了以生产节拍和工位负荷均衡为目标的装配线平衡优化模型,采用多种群遗传算法对固定工位下装配线的生产节拍、工序分配、工位负荷均衡、装配线平衡率进行求解,并基于MATLAB环境实现了多种群遗传算法的编码和求解。最后通过实例求解,验证了模型和算法的可行性。结果分析表明:装配线平衡问题得到了较明显的改善。     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

考虑多车型软时间窗的成品油二次配送库存-路径问题

针对成品油二次配送库存-路径问题(inventory routing problem, IRP),考虑了随机需求、多车型多隔舱等因素,以车辆配送成本、违反时间窗等惩罚成本之和最小化为目标,建立了混合整数规划模型。设计了求解模型的两阶段启发式算法,第一阶段根据各加油站的期初库存量、销量的概率分布等确定补货量和时间窗;第二阶段利用遗传算法和C-W节约算法确定配送车辆和配送路径。通过模拟计算并与单阶段算法和Gurobi直接求解模型的结果进行对比,验证了两阶段算法的有效性。结果显示利用本文方法确定成品油二次配送计划,在避免加油站缺货的同时,有效降低了车辆的配送成本。     

制造与再制造混合系统中库存与牛鞭效应的分析与优化

运用控制理论对一个简单的制造与再制造混合系统建立了动态数学模型,并定量分析了再制造过程的生产提前期和回收率对整个混合制造系统的动态特性之影响．结果表明,较高的产品回收率可以减少库存变化和牛鞭效应,回收量能够在一定程度上用于吸收需求波动,而较长的再制造提前期对于减小库存变化和牛鞭效应的作用则不明显．在该特定的系统中,供应链中有回收时的库存变化与牛鞭效应比没有回收时的要小．