一、基于遗传算法的车间调度方法及其应用(论文文献综述)
姜惠文[1](2021)在《基于数字孪生的车间调度管理系统构建》文中进行了进一步梳理近年来制造技术正在向智能化的方向不断发展,而车间生产过程中的调度问题是智能制造的重要研究对象,针对于日益增长的智能化生产需求和车间生产效率要求,更加高效稳定且寻优性能更好的生产调度算法应当被提出。在目前的车间生产管理过程中,物理空间和信息空间缺乏互通,这无法满足智能化生产需求。数字孪生作为一种新的思想,它的出现为实现生产车间有效调度管理提供了新思路。基于上述观点,本文的主要研究内容如下:(1)本文针对蜜蜂进化型遗传算法进行改进,通过设置汉明距离来优化初始化种群,在选择操作中采用分阶段选择策略,在算法中加入种群舍弃算子,并将简化后的模拟退火操作融入到蜜蜂进化型遗传算法,最终提出一种名为融合模拟退火的改进蜜蜂进化型遗传算法。该算法很大程度上提高了传统蜜蜂进化型算法的全局搜索能力,增加了搜索的精度,同时避免了模拟退火算法的低效性,并通过经典的FT06问题和FT10问题进行仿真分析,验证了改进算法在作业车间调度问题中具有更好寻优性能及稳定性。(2)针对当前智能制造背景下车间调度过程的新要求和传统车间管理系统的不足,本文提出了一种基于WEB开发的数字孪生车间调度管理系统架构,并以此架构为基础,融合数字孪生思想和本文提出的新算法设计了车间调度管理系统并对于系统的核心功能模块进行开发测试。系统开发以JavaWeb技术为基础,它的主要功能包括对于车间人员信息的管理维护、调度信息参数的存储及调度方案生成、设备及传感器数据的管理、基于数字孪生的工厂可视化管理以及融入数字孪生思想的在线调度仿真。最终对于系统核心功能模块的测试证明了该管理系统的有效性。
马铭阳[2](2021)在《改进人工蜂群算法及其在柔性作业车间调度的应用研究》文中指出柔性作业车间是接纳上层物料、订单任务和生产状态反馈的聚集点,研究柔性作业车间的调度优化对实现智能制造具有重要意义。人工蜂群算法结构简单,鲁棒性强,适用于求解车间调度类NP难的优化问题。基于上述背景,本文对改进人工蜂群算法及其在柔性作业车间调度中的应用展开研究,主要内容如下:首先,建立以最大完成时间为目标的柔性作业车间单目标调度优化模型,提出一种变步长人工蜂群算法。采用基于概率选择交叉个体的方法,平衡算法开发与探索能力;引入搜索阈值提出变步长搜索策略,使大步长与小步长有机结合,提高算法的全局搜索能力;增加侦查蜂数量保持种群的多样性。通过Kacem数据集上的标准算例验证改进策略的有效性,与已有算法对比结果表明,所提算法具有更强的寻优能力和收敛性。其次,以最大完成时间、瓶颈机器负荷和机器总负荷为优化目标,将单目标柔性作业车间调度扩展为多目标问题。受保留解策略对算法搜索方向产生影响的启发,设计两种不同的种群更新策略,提出两阶段混合人工蜂群算法。第一阶段采用独立更新策略,保持解的分散性;第二阶段采用贪婪策略保留新种群,加快算法收敛。提出一种全局搜索能力强的改进逆序变异方法,采用多重变异策略提高种群的多样性。利用Brandimarte数据集的10个算例验证所提算法的有效性,与已有算法相比,所提算法具有更好的种群多样性和收敛性,适用于不同规模的柔性作业车间问题。最后,在传统的生产调度目标基础上,将碳排放这一生态指标纳入调度系统;同时考虑实际生产车间的复杂环境以及生产过程中随时可能出现动态事件,将稳定性也纳入优化目标,构建动态调度模型,提出一种改进的多目标人工蜂群算法。针对碳排放目标加入一种启发式变异方法,结合多重变异策略提高种群多样性。通过仿真实验验证本文算法的快速响应能力,降低动态事件对车间生产的影响,保证车间生产稳定高效运行。
王功明[3](2021)在《基于改进协同进化算法的车间调度问题研究及应用》文中指出生产调度以实现资源、时间和成本的最大利用为目的,通过对生产资源的合理安排与配置,使得有限的资源能够得到更加有效的利用,在生产系统中扮演着重要的角色。生产调度应用领域十分广泛,涵盖工业、商业等方方面面。车间调度是生产调度领域中的重要一环,解决车间调度问题是提高企业生产效率,增强企业核心竞争力的关键。协同进化算法(Co-evolutionary Algorithm,CEA)以自然界中生物之间的协同关系为原型,是一种新兴的进化算法。CEA通过多种群之间的互相协作、取长补短,改善了单一种群进化存在的部分问题,提高了求解复杂优化问题的效果。本文基于CEA算法对协同进化思想进行了一些研究,通过协同进化思想对遗传算法(Genetic Algorithm,GA)及鲸鱼优化算法(Whale Optimization Algorithm,WOA)这两种单种群算法进行了改进,最后将改进算法应用于函数求解及流水车间调度,主要内容如下:第一,介绍了车间调度问题的发展背景,并且从算法改进及应用领域两方面综述了国内外学者对于CEA算法的研究现状。第二,提出了一种自适应协同进化遗传算法(Adaptive Co-evolutionary Genetic Algorithm,ACGA),通过协同进化框架改善收敛速度以及通过自适应机制改善局部最优问题。通过测试函数证明ACGA算法提高了GA算法的收敛速度,增强了GA算法获得全局最优解的能力。第三,提出了一种混沌协同鲸鱼优化算法(Chaos Cooperative Whale Optimization Algorithm,CC-WOA),通过混沌初始化提高初始解质量,通过采用GA算法的精英种群指导采用WOA算法的普通种群提高收敛速度以及通过多种变异方式改善局部最优问题。通过测试函数说明,CC-WOA算法具有更快的速度以及更高的精度。第四,使用ACGA、CC-WOA算法求解流水车间调度问题(Flow Shop Scheduling,FSP),以最大完工时间最小化为目标、TA类车间调度问题为数据集。结果表明,两种改进算法找到的方案都优于各自对应的基本算法找到的方案。本文研究成果有助于推动进化算法和生产调度理论的发展,具有重要的理论和实际意义。
王康红[4](2021)在《基于Plant Simulation的不确定作业车间调度仿真与优化问题研究》文中指出不确定作业车间调度问题(Job Shop Scheduling Problem,JSP)是制造系统领域亟需解决的关键性问题。车间调度实时运行过程中常伴随有不确定加工时间和随机机器故障等扰动因素,这些扰动因素会影响整个车间调度系统的正常运行。因此需要考虑如何处理车间调度过程中的不确定扰动因素,以及如何能够对不确定扰动因素及时响应并做出动态调整成为整个制造系统领域必须考虑的问题。本文基于仿真技术对不确定JSP展开研究,分别对不确定加工时间JSP的建模、求解方法以及双重扰动因素下JSP高效求解方法进行了深入研究。针对不确定加工时间JSP,对工件工序的不确定加工时间进行分析,采用区间数描述不确定加工时间,设计了基于Plant Simulation的区间操作数方法,基于Plant Simulation仿真平台建立了不确定加工时间JSP仿真模型,采用了基于Plant Simulation仿真结合遗传算法(GA)的优化方法对模型进行求解。使用基准算例对所建模型和求解方法的有效性进行测试,实验结果验证了提出模型和求解方法的有效性,在48组算例中有28组算例的计算结果表现得更加突出。基于以上的研究理论成果,针对不确定加工时间JSP的求解方法,提出了最短加工时间(SPT)调度规则和启发式Johonson算法优化GA初始种群的两种优化策略,设计了GA+SPT和GA+Johonson两种改进GA的优化方法,并采用了基于Plant Simulation仿真结合改进GA的优化方法求解不确定加工时间JSP。分别使用测试算例对基本GA、GA+SPT和GA+Johonson三种优化方法的性能进行测试,算例的计算结果显示基于GA+Johonson优化方法具有较优的求解性能,其中48组算例有30组算例结果的改进率较高,更能凸显GA+Johonson优化方法的优越性。针对双重扰动因素下JSP,基于Plant Simulation仿真平台建立双重扰动因素下JSP仿真模型,在该模型中,使用区间数描述不确定加工时间,引入随机概率分布函数(指数分布函数)表征随机机器故障,采用基于Plant Simulation仿真结合改进GA的优化方法对双重扰动因素下JSP进行求解。设计了确定加工时间+机器故障和不确定加工时间+机器故障两种不同扰动因素下24组算例,并分别采用这些算例对基本GA、GA+SPT和GA+Johonson三种优化方法在不同故障修复时间(tr)水平下的性能进行测试(设置tr=5min,10min,20min),算例结果验证GA+Johonson优化方法的求解性能较优且求解效率较高,其中24组算例有18组算例的结果表现更优。结合上述的理论成果,根据某包装机械、某平面一次性口罩机械和某自动化双面贴标机械分别所在的实际生产车间的生产情况,分析了车间中实际存在的不确定扰动因素。将前面所提的研究理论成果应用于这三个实例,实例结果验证本文所提出的模型和优化方法是十分有效的。最后,对全文研究成果进行了总结,并对未来开展的研究工作进行了展望。
李海[5](2021)在《考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究》文中研究说明对于采用多品种小批量柔性生产方式的离散制造企业,有效的车间调度方案能够提升企业生产效率和节约生产成本。同时,柔性作业车间调度问题也是典型的非确定性多项式类(Non-deterministic polynomial,NP)难组合优化问题,该问题的难点在于条件多变、计算复杂、求解难度大,使用数学方法难以在多项式时间内精确求解,并且柔性作业车间的制造资源类型多、设备性能动态性退化,对车间调度方案的可靠性、鲁棒性提出了更高的要求,因而该问题已成为工业界和学术界共同研究的热点。刀具作为柔性作业车间重要的制造资源,也是机床完成工件加工的必要设备,刀具剩余寿命是衡量其切削性能和实施换刀策略的重要指标。尽管针对刀具剩余寿命预测和柔性作业车间调度开展了很多研究工作,并取得了丰富的研究成果,但现有研究只针对上述两方面单独展开,鲜有研究同时考虑两个方面,使得刀具在加工过程中出现过度磨损,导致工件表面质量受损、机床停机、机床故障、延期交货等问题,严重影响车间生产效率和生产成本。因此,将刀具寿命作为柔性作业车间调度的必要约束具有重要的现实意义。然而,刀具磨损监测数据信噪比低、时变性强,当加工环境发生改变和新刀刚投入使用时,无法收集刀具从开始运行到失效的完全遍历数据,加之将刀具剩余寿命融入到柔性作业车间调度中,会使得调度问题的约束变多、复杂度变高、决策因素变杂和求解难度变大,对优化算法的求解质量和搜索效率都提出了更高的要求,这大大增加了刀具剩余寿命预测和柔性作业车间调度问题的研究难度。因此,针对考虑刀具寿命约束的柔性作业车间调度问题,亟需突破非完全遍历监测数据下的刀具剩余寿命预测方法以及高精、高效的调度求解算法,在较短时间内获得生产效益最优的车间调度方案。本文针对上述问题,从刀具剩余寿命预测和柔性作业车间调度问题的模型构建、求解与决策算法设计上开展研究,主要研究内容如下:(1)针对刀具不同磨损阶段的数据特征分布、磨损趋势变化等方面的差异较大,导致单一的全局模型难以准确地描述刀具磨损过程的问题,提出了基于磨损状态分类的多阶段刀具剩余寿命预测新方法。首先,将多维传感器信号转换为对称点图像,通过分析不同图像参数对对称点图像特征的影响规律,建立了对称点图像参数的自适应选择模型。根据选择的最优图像参数,构建了不同磨损状态的图像聚类模板,提出了基于对称点模式的刀具磨损状态分类新方法。然后,通过分析不同磨损阶段的数据分布特性,建立了基于组合核函数高斯过程回归的刀具磨损预测模型及其参数优化方法,并根据刀具磨损状态分类结果分配不同的预测模型。最后,通过与其它方法进行对比,验证了所提出的多阶段预测方法的有效性。(2)针对刀具加工环境发生改变或新刀具刚投入使用时,仅存在刀具从开始运行或某个时刻开始到当前时刻的监测数据(非完全遍历数据),导致刀具剩余寿命预测模型难以建立的问题,提出了一种非完全遍历数据下的刀具剩余寿命预测方法。首先,通过分析刀具磨损机理,揭示了刀具磨损因子与特征失效阈值的关系,提出了时间特征窗的自适应构建方法,并针对异常数据设计了异常区域处理方法,解决了异常数据下刀具磨损趋势的表征问题。然后,建立了深度双向长短时间记忆网络模型,并利用已压缩的时间特征窗训练预测模型,结合刀具磨损因子,提出了考虑刀具磨损的多步滚动预测方法,可预测刀具磨损趋势。最后,通过与其它方法进行对比,验证了所提出的方法在非完全遍历数据下预测刀具剩余寿命的有效性。(3)针对现有柔性作业车间调度研究忽略了刀具寿命约束,造成刀具在加工过程中过度磨损,导致工件表面质量降低、机床停机、交货不及时等问题,以生产成本为目标,建立了考虑刀具寿命约束的柔性作业车间调度模型。首先,建立了考虑机床和刀具的解集多样性评估模型,并提出了解集修复和自重启方法,提升了求解质量。然后,根据优化目标的优先性,提出了基于延期时间和加工成本优化的两阶段启发式算法,可指导性地减小解空间,提升了遗传算法的求解效率。最后,通过与其它方法进行对比,验证了刀具寿命约束下的车间调度模型和两阶段启发式算法的有效性。(4)针对现有多目标柔性作业车间调度研究忽略了刀具寿命限制,以及多目标决策阶段仅考虑低维信息,导致调度方案可行性差的问题,以完工时间、延期时间和加工成本为优化目标,建立了考虑刀具寿命约束的多目标车间调度模型。首先,通过寻找考虑机床和刀具的关键路径,提出了考虑刀具寿命的邻域搜索方法,提升了解集多样性,并采用模因算法求解多目标调度问题,得到一组非支配解。然后,提出了考虑优化目标内在关联、决策者偏好性、主观知识和实际数据等高维信息的组合权重计算方法,构建了非支配解集的评估决策模型,得到最优生产调度方案。最后,通过与其它方法进行对比,验证了所提出的模因算法和多目标决策方法的有效性。
陈庆尉[6](2021)在《线缆企业柔性车间调度关键技术研究》文中进行了进一步梳理近三十年来,信息技术的高速发展与市场环境的巨大变化,给制造企业带来一定冲击,同时也促进企业的信息化和智能化建设。电线电缆行业是最大的配套行业之一,我国电线电缆生产车间虽在数字化与信息化方面取得一定的进展,但生产管理的数字化、智能化水平仍有待提高。面对电线电缆产品类型繁多、工艺流程不同、生产周期长等特点,对生产调度有更高的要求。另外,车间生产环境是动态变化的,生产过程中存在着随机工件到达、交货期变更以及机器故障等不确定的扰动事件,使得生产调度更加复杂。因此,本文以线缆企业生产车间作为研究对象,对线缆柔性车间调度展开相关技术研究,本文的主要工作内容如下:(1)基于对线缆生产车间的工艺流程及其生产特征的调研分析,确定生产过程中的约束条件和优化目标,建立线缆生产车间静态调度模型。(2)针对线缆生车间调度问题,提出了一种基于遗传算法的改进算法。该算法采用矩阵编码方式,根据矩阵的结构形式,设计基于矩阵行/列的PBX和LOX混合交叉算子和基于矩阵元素的随机位置变异算子,同时设计了有效提高种群个体质量的种群进化策略。对于多目标优化调度问题,在本文改进的遗传算法的基础框架上,引入NSGA-Ⅲ算法中的Pareto非支配排序和基于参考点的选择策略等,设计了本文的多目标调度优化算法,并增加了用于存储Pareto最优解集的外部数据库。(3)对由扰动事件引起的线缆生产车间动态调度问题进行分析,在静态模型基础上,拓展并建立动态调度模型;引入定量评价扰动事件对生产系统影响的偏移系数,提出用于表征隐性扰动的方式,设计了一种基于事件驱动的实时动态调度方式,实现对随机扰动在线辨识;同时引入受重调度影响的加工设备偏差度函数,以保证重调度的稳定性。(4)设计与实现线缆车间生产调度系统。通过分析当代背景下线缆企业车间的信息需求,完成系统的整体设计,并实现相应的功能。
党世红[7](2021)在《流程工业调度模型与算法及其在造纸工业中的应用研究》文中认为流程工业是国民经济的重要基础产业,近年来,随着经济全球化迅猛发展,我国流程工业受到了巨大的挑战。流程工业企业经营环境日益复杂,市场竞争日趋激烈,企业需要寻求最佳的生产运营管理方案,以提高生产经营效率,增强竞争优势。生产调度是企业实现高效率、高柔性和高可靠性的关键技术之一,也是企业生产管理的核心,对生产调度的合理优化有助于提高企业的服务水平,能为企业带来显着的经济效益和社会效益。在“中国制造2025”,产业优化升级的大环境下,围绕生产调度方法和优化技术进行研究,对现代企业在实现智能生产提质增效方面来说,具有十分重要的理论价值和现实意义。本文以流程工业中的造纸企业生产过程优化调度为研究对象,开展了流程工业调度模型与算法的理论和应用技术研究,主要研究工作如下:(1)基于分解多目标演化算法的造纸企业生产调度研究在对主要生产卫生纸的某造纸企业的生产特点分析调研的基础上,以最小化最大完工时间、最小化总拖期数量和最小化生产切换次数为目标,在忽略材料的准备时间,忽略设备突发故障等情况,考虑加工顺序约束、设备可用性约束、材料约束等约束条件的情况下,研究和建立了具有造纸企业特色的生产调度数学模型,并提出一种基于自组织映射的分解多目标演化算法对所构建生产调度模型进行求解,所构建的自组织映射充分利用了问题的先验知识,使得算法能在更低的空间上搜索到待优化问题的近似Pareto最优解集,同时也有利于保持种群在决策空间中的多样性。实验结果表明,提出的算法无论是收敛性还是均匀性都实现了更好的优化性能。(2)基于负相关搜索算法的造纸企业立体仓库优化调度研究针对造纸企业成品存储中的自动化立体仓库货位分配问题,在阐述货架分区原则和货位分配策略的基础上,考虑货架稳定性和出入库效率两个因素,构建了以货架重心最低、出入库时间最短为优化目标的立体仓库货位分配双目标优化调度数学模型,提出了一种负相关搜索算法对所构建的调度模型进行求解。实验结果表明,提出的负相关搜索算法(Negatively Correlated Search,NCS)相比遗传算法(Genetic Algorithm,GA),粒子群优化算法(Particle Swarm Optimization,PSO),差分进化算法(Differential Evolution Algorithm,DE),进化规划(evolutionary programming,EP)和万有引力搜索算法(gravitational search algorithm,GSA)五种算法,无论是收敛精度还是收敛速度都实现了更好的优化性能。(3)基于量子进化算法的造纸企业项目调度研究针对造纸企业在智能制造环境下的多模式项目调度问题,结合多模式资源项目管理的问题以及实例,构建了多模式资源受限项目调度问题(Multi-mode Resource Constrained Project Scheduling Problem,MRCPSP)的数学模型,并提出了一种基于量子进化的启发式算法对模型进行优化求解。设计了量子比特的编码,解码,并对该问题的不可行解进行修复,对个体适应度进行评价,使用量子旋转门对种群进行进化,通过使用PSPLIB标准问题库(Project Scheduling Problem Library,PSPLIB)的数据对所提出的算法进行验证,使用随机函数生成随机案例,借助该算法求得最优解,证明了该算法的有效性,并对影响算法求解性能的参数进行逐一分析,为算法的进一步改进提供理论依据,丰富了资源受限项目调度问题(Resource Constrained Project Scheduling Problem,RCPSP)的理论研究体系,为造纸企业项目管理提供了新的问题解决思路。(4)基于云平台的造纸企业智能MES系统的设计与实现基于上述研究成果,结合造纸企业的实际需求,给出了智能造纸企业的企业资源计划(Enterprise Resource Planning,ERP)、制造执行系统(Manufacturing Execution System,MES)和过程控制系统(Process Control System,PCS)的体系结构图,设计了基于云平台的造纸企业智能MES系统,给出了系统主要功能模块框图,对基于云平台的造纸企业智能MES系统进行了软、硬件配置,设计了相关的软件功能界面,对造纸企业智能MES系统的自主研发有一定的借鉴意义。
高珂婷[8](2021)在《基于数字孪生的车间流水线调度优化研究》文中提出随着云计算、物联网、大数据、人工智能、虚拟现实等新一代信息技术与传统制造业的深度融合发展,世界各国分别提出国家层面的制造业转型战略。如何提高车间生产智能化的程度实现及时交货、提高客户满意度,成为了提升各中小制造企业竞争力的关键问题。混合流水车间结,合了传统的Flow shop调度问题和多机并行分配问题,已被证实是一个典型的NP-hard难题,在汽车生产、冶金、化工等领域应用广泛。然而,随着产品需求趋于个性化,制造工艺更加多样,制造企业对混合流水车间调度问题的解决方法在自主性、智能性、预测性等方面提出了更高的要求。实现制造的物理空间和信息空间的互联互通和智能化操作是实现智能制造关键,也是智能化调度的关键,是提高调度自主性、智能性、预测性的有效途径。然而现有的调度模式难以实现信息空间与物理空间实时交互,信息空间与物理空间的数据缺乏融合。为了解决混合流水车间动态调度问题中存在的问题,本文结合数字孪生,以某卡车生产车间为背景,对混合流水车间调度优化问题展开了研究,研究主要包括以下部分:(1)提出了基于数字孪生驱动的车间调度新模式。针对现有调度模式缺乏物理信息空间融合以及难以及时处理车间扰动的问题,结合数字孪生,提出了一种数字孪生驱动下的车间架构体系,并阐述了该框架下关键技术,如数字孪生建模、调度数据智能化实时采集。(2)建立了基于卡车混合流水车间离线模型。针对卡车生产车间的生产特点,搭建了符合卡车生产特点混合流水车间的离线调度模型,以最小化最大完工周期、最小化最大在制品数量、最小化最大拖期或者提前惩罚成本为目标,采用改进的遗传算法进行多目标求解,获得离线调度模型的卡车生产序列。(3)建立了基于卡车混合流水车间在线模型。结合离线模型获得的卡车混合流水车间生产数据,搭建卡车混合流水生产车间在线调度模型,采用支持向量机(SVM)为数据挖掘工具,采用二进制粒子群优化算法(BPSO)对生产属性(特征子集)进行寻优,获得基于SVM的动态调度策略分类模型。(4)卡车混合流水车间可视化仿真及信息管理系统的设计与实现。通过在2D和3D环境下实现卡车生产车间的快速建模,将卡车生产车间的生产任务进行生产优化排程,并将相应的生产排程结果导入到实际生产系统,获取相关指标数据,并搭建了卡车混合流水车间的调度信息管理系统,方便企业操作。
谢子昂[9](2021)在《基于遗传算法的服装吊挂产线动态调度研究》文中研究说明21世纪以来,服装行业的竞争日趋激烈,以计划驱动的标准化、规模化的生产模式已不能满足消费者多样化需求,服装企业正不断向小批量订单式生产转型以适应需求变化、缩短产品生命周期、提升库存周转率,这对服装制造业生产管理水平提出更高要求。目前企业在进行服装大规模个性化定制时,面临交期不确定、订单响应速度不及时、车间柔性化程度不高等问题,在生产过程中瓶颈排除不及时,生产进度难以控制导致无法准时完成订单任务,亟需一套智能化生产调度机制,实现对车间制造资源的实时利用,对小批量订单快速反应。本文以男衬衫吊挂产线为研究对象,针对目前动态调度时调度机制固定、对实时的个性化订单调度研究较少等不足等问题,做出以下探究:首先,通过对服装吊挂车间进行实地调研,对吊挂式生产的影响因素和瓶颈产生原因进行深入分析,综合考虑了吊挂生产过程的工艺路径因素、工序等级因素、设备因素、人员因素,以及个性化定制过程中订单款式、订单工艺差异等问题,确定了完工时间最小和等待时间最少的优化目标,并构建了服装吊挂产线的多目标动态调度模型。其次,对产线动态调度方法进行汇总分析,改进了固定周期驱动的滚动调度策略,建立了服装吊挂流水线的自适应滚动窗口机制,解决服装大规模定制中的个性化订单实时到达、订单投产准时性差、瓶颈工位不确定等问题。设计了工序和设备双层编码结构的非支配遗传算法对各调度周期内吊挂产线的生产效率、设备利用率进行优化。最后,以企业订单数据为基础,采用数理统计的方法,模拟了21600s内个性化订单动态到达过程,对本文提出的自适应动态调度模型进行仿真实验,分别对比了固定周期为3600s和7200s的重调度驱动机制,实验表明自适应动态调度机制能够充分利用产线设备信息对不同款式的实时订单动态排程,生产效率得到提升,其中自适应滚动调度相对固定周期调度(T=3600s)的完工时间减少4.9%,设备等待时间减少18.2%;相对固定周期调度(T=7200s)的完工时间减少18.63%,设备等待时间减少30.97%
张晓辉[10](2020)在《分布式阻塞流水车间调度方法研究》文中进行了进一步梳理在全球经济一体化的背景下,随着通用型工厂的优化以及同构生产线的整合,分布式制造已逐渐发展成为一种常见的制造模式。分布式制造可以使集团对下属多个企业或工厂的资源进行合理配置、优化组合及共享,统筹多个工厂建立协作关系,在低成本和低风险环境下采用分工和协作方式快速实现产品的高效生产。车间调度作为生产活动的重要环节,在分布式制造系统中占据着举足轻重的地位。不同于传统的单车间调度,分布式车间调度不仅需要考虑加工任务特性和生产约束的关联性,还需要考虑全局调度和各分布式工厂局部调度的耦合性,其求解过程更为复杂。因此,根据分布式制造特性构建调度优化模型,设计有效的优化方法,对推动分布式制造的调度理论研究具有重要意义。分布式车间调度问题有时优化单一生产目标,有时则需兼顾优化现代企业和国民宏观经济发展目标(如节能减排等环保政策);有时决策空间仅受单一约束限制,有时则需要同时满足多个约束;有时调度环境是静态的,有时则受不确定因素的干扰。随着问题规模的扩大,在多项式时间内较难获得最优解。因此,开展分布式车间的调度研究具有较高的挑战性。本文以分布式阻塞流水制造为研究背景,设计了相应的分布式生产调度体系架构,围绕分布式阻塞流水车间静态调度、绿色调度和动态调度三个方面展开了深入研究,分别构建了静态调度、绿色调度和动态调度问题的数学模型,并基于不同问题特性提出了三类元启发式算法。最后,搭建了分布式阻塞流水车间调度原型系统,对理论研究进行了系统实现和应用验证。本文主要研究工作如下:(1)分析了一般流水阻塞车间调度问题特性,引入分布式制造概念,对分布式生产调度业务流程进行了分析。在此基础上,进一步研究了分布式阻塞流水车间调度业务的关键决策点,设计了面向分布式流水制造的生产调度体系架构,提出了云-边缘结合的生产调度管控模式。(2)研究了静态环境下分布式阻塞流水车间调度问题,在分析了分布式流水制造模式特点的基础上,以完工时间为优化目标,构建了调度问题的整数规划模型,提出了离散果蝇优化算法(Discrete fruit fly optimization algorithm,DFOA)。首先,针对阻塞流水约束特性,提出了三类种群初始化方法;在嗅觉搜索阶段,设计了四类有向邻域搜索算子,以扩大算法的搜索空间;随后,提出了包含两类插入式局部搜索的变邻域下降搜索框架;在视觉搜索阶段,改进了种群更新策略,确保算法的快速收敛。最后,在基准测例上验证了DFOA的有效性和优越性。(3)同时从生产效率和节能角度出发,研究了分布式阻塞流水车间绿色多目标调度问题,分析了加工周期和能耗的冲突关系,提出了基于Pareto理论的多目标分布估计算法(Multi-objective estimation of distribution algorithm,MOEDA)。首先,建立了基于贝叶斯网络的离散概率模型,通过概率模型更新加工排序;随后,设计了两类加工速度调整算子,改进了一类工件插入策略,实现了算法调整工件排序时工序加工速度的自适应调整,加速种群向Pareto前沿逼近。最后,通过对比实验验证了MOEDA对Pareto前沿的覆盖和逼近性能。(4)考虑了事件驱动的分布式制造模式,以机器故障为背景,研究了分布式阻塞流水车间动态调度问题。设计了故障模拟与修复机制,提出了面向分布式阻塞流水车间的动态调度策略,以完工时间和系统稳定性为优化目标,构建了分布式阻塞流水车间干扰管理模型,针对重调度工件设计了基于差分进化思想的离散Memetic算法(Discrete Memetic algorithm based on differential evolution,DMA)。首先,设计了基于工件权重位置的种群初始化策略;随后,引入差分进化思想对重调度的目标空间进行邻域搜索;之后,提出了基于工件块的随机参考局部搜索策略,避免算法陷入局部最优。最后,通过对比实验验证了重调度算法的有效性和优越性。(5)结合分布式阻塞流水车间生产调度体系架构,开发了云-边缘结合的调度原型系统,实现了调度算法在云端的部署和集团调度业务的运行。随后,在某技术密集型企业搭建了边缘侧调度控制平台,以多品种、小规模和定制化产品为应用对象,对动态调度策略和DMA重调度算法的有效性进行了实例验证。该论文有图77张,表24个,参考文献186个。
二、基于遗传算法的车间调度方法及其应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于遗传算法的车间调度方法及其应用(论文提纲范文)
(1)基于数字孪生的车间调度管理系统构建(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状及发展趋势 |
1.2.1 车间生产调度问题的研究现状 |
1.2.2 数字孪生及车间管理系统的发展现状 |
1.3 本文主要研究内容与章节安排 |
1.3.1 本文主要研究内容 |
1.3.2 本文章节安排 |
第二章 车间调度问题描述及相关算法 |
2.1 车间调度问题描述 |
2.1.1 车间调度问题分类 |
2.1.2 车间调度问题特点 |
2.2 蜜蜂进化型遗传算法 |
2.2.1 算法背景及生物学基础 |
2.2.2 蜜蜂进化型遗传算法模型及流程 |
2.2.3 蜜蜂进化型遗传算法应用及改进现状 |
2.3 模拟退火算法 |
2.3.1 模拟退火算法概述 |
2.3.2 Metropolis准则 |
2.3.3 模拟退火算法结构及流程 |
第三章 融合模拟退火的改进蜜蜂进化型遗传算法在车间调度中的应用 |
3.1 引言 |
3.2 JSP问题模型构建 |
3.2.1 调度约束条件 |
3.2.2 调度数学模型 |
3.3 融合模拟退火改进蜜蜂型遗传算法 |
3.3.1 算法提出背景 |
3.3.2 算法改进设计 |
3.3.3 SABIBEGA算法流程 |
3.4 改进算法求解JSP问题 |
3.4.1 染色体编码与解码 |
3.4.2 目标函数选择及参数设置 |
3.5 仿真验证 |
3.6 本章小结 |
第四章 基于数字孪生的车间调度管理系统设计与核心功能实现 |
4.1 引言 |
4.2 基于数字孪生思想的车间调度管理系统的整体设计 |
4.2.1 架构模型 |
4.2.2 架构在车间管理过程中的实施 |
4.2.3 系统框架选择 |
4.2.4 系统核心功能模块 |
4.2.5 系统数据保障层设计 |
4.3 系统核心功能实现 |
4.3.1 车间信息管控模块 |
4.3.2 基于数字孪生的可视化监控模块 |
4.3.3 在线调度模块 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(2)改进人工蜂群算法及其在柔性作业车间调度的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景与意义 |
1.2 柔性作业车间调度研究现状 |
1.3 人工蜂群算法研究现状 |
1.4 人工蜂群算法解决柔性作业车间调度问题的研究现状 |
1.5 本文工作内容 |
1.6 本文结构安排 |
第二章 相关理论基础 |
2.1 柔性作业车间调度问题 |
2.1.1 柔性作业车间调度描述 |
2.1.2 柔性作业车间的分类 |
2.1.3 柔性作业车间调度的研究方法 |
2.2 人工蜂群算法 |
2.2.1 人工蜂群算法基本思想 |
2.2.2 人工蜂群算法具体实现 |
2.3 本章小结 |
第三章 变步长人工蜂群算法求解单目标柔性作业车间调度问题 |
3.1 问题模型 |
3.2 变步长人工蜂群算法 |
3.2.1 算法总体流程 |
3.2.2 两段式实数编码 |
3.2.3 解码操作 |
3.2.4 种群初始化 |
3.2.5 雇佣蜂操作 |
3.2.6 观察蜂操作 |
3.2.7 侦察蜂操作 |
3.2.8 算法复杂度分析 |
3.3 实验分析 |
3.4 本章小结 |
第四章 两阶段混合人工蜂群算法求解多目标柔性作业车间调度问题 |
4.1 多目标优化概念 |
4.2 问题模型 |
4.3 两阶段混合人工蜂群算法 |
4.3.1 算法总体流程 |
4.3.2 种群初始化 |
4.3.3 交叉与变异操作 |
4.3.4 混合算法第一阶段 |
4.3.5 混合算法第二阶段 |
4.3.6 算法复杂度分析 |
4.4 实验分析 |
4.4.1 参数分析 |
4.4.2 算法比较与分析 |
4.5 本章小结 |
第五章 改进多目标人工蜂群算法求解柔性作业车间动态调度问题 |
5.1 问题模型 |
5.2 改进多目标人工蜂群算法 |
5.2.1 算法总体流程 |
5.2.2 动态调度流程 |
5.2.3 算法复杂度分析 |
5.3 动态事件处理 |
5.4 实验分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
附录 |
(3)基于改进协同进化算法的车间调度问题研究及应用(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容及章节安排 |
1.3.1 研究内容 |
1.3.2 章节安排 |
2 自适应协同进化遗传算法 |
2.1 协同进化思想 |
2.1.1 协同进化思想概述 |
2.1.2 协同进化思想原理 |
2.2 遗传算法 |
2.2.1 遗传算法概述 |
2.2.2 遗传算法原理 |
2.2.3 遗传算法流程 |
2.2.4 遗传算法优缺点 |
2.3 自适应协同进化遗传算法 |
2.3.1 算法背景 |
2.3.2 算法思路 |
2.3.3 算法步骤 |
2.3.4 函数优化测试 |
2.4 本章小结 |
3 混沌协同鲸鱼优化算法 |
3.1 鲸鱼优化算法 |
3.1.1 鲸鱼优化算法概述 |
3.1.2 鲸鱼优化算法原理 |
3.1.3 鲸鱼优化算法流程 |
3.1.4 鲸鱼优化算法优缺点 |
3.2 混沌协同鲸鱼优化算法 |
3.2.1 算法背景 |
3.2.2 算法思路 |
3.2.3 算法步骤 |
3.2.4 函数优化测试 |
3.3 本章小结 |
4 改进算法在流水车间调度问题中的应用 |
4.1 流水车间调度问题 |
4.1.1 流水车间调度问题概述 |
4.1.2 流水车间调度问题模型 |
4.2 ACGA算法求解流水车间调度问题 |
4.2.1 ACGA算法求解流水车间调度问题步骤 |
4.2.2 ACGA算法求解流水车间调度问题复杂度分析 |
4.3 CC-WOA算法求解流水车间调度问题 |
4.3.1 CC-WOA算法求解流水车间调度问题步骤 |
4.3.2 CC-WOA算法求解流水车间调度问题复杂度分析 |
4.4 仿真实验 |
4.4.1 实验准备 |
4.4.2 实验结果及分析 |
4.5 本章小结 |
5 总结与展望 |
5.1 本文工作 |
5.2 未来工作 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(4)基于Plant Simulation的不确定作业车间调度仿真与优化问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的来源、目的及意义 |
1.1.1 课题的来源与目的 |
1.1.2 课题的背景及意义 |
1.2 基于仿真技术求解不确定JSP研究现状 |
1.3 不确定JSP研究现状 |
1.3.1 不确定加工时间JSP研究现状概况 |
1.3.2 考虑机器故障的JSP研究现状概况 |
1.4 现状总结与问题分析 |
1.5 主要结构与工作 |
第二章 基于Plant Simulation的不确定加工时间JSP仿真研究 |
2.1 引言 |
2.2 不确定加工时间JSP问题模型 |
2.2.1 区间数理论 |
2.2.2 基于Plant Simulation的区间数操作 |
2.2.3 问题模型 |
2.3 基于Plant Simulation的不确定加工时间JSP求解方法研究 |
2.3.1 基于Plant Simulation的不确定加工时间JSP求解方法总流程 |
2.3.2 基于Plant Simulation的不确定加工时间JSP求解方法 |
2.4 计算结果与分析 |
2.4.1 算法性能评价方法 |
2.4.2 模型验证与分析 |
2.5 本章小结 |
第三章 基于改进GA的不确定加工时间JSP仿真与优化研究 |
3.1 引言 |
3.2 不确定加工时间JSP问题模型 |
3.3 基于改进GA的不确定加工时间JSP优化方法研究 |
3.3.1 改进遗传算法研究策略 |
3.3.2 基于改进GA的不确定加工时间JSP设计 |
3.3.3 基于改进GA的不确定加工时间JSP优化方法框架 |
3.3.4 基于改进GA的不确定加工时间JSP优化方法 |
3.4 计算结果与分析 |
3.4.1 改进遗传算法的参数设置 |
3.4.2 算法性能评价指标 |
3.4.3 实验结果分析 |
3.5 本章小结 |
第四章 双重扰动因素下JSP仿真与优化研究 |
4.1 引言 |
4.2 双重扰动因素下JSP问题模型 |
4.2.1 双重扰动因素分析 |
4.2.2 双重扰动因素下JSP问题模型 |
4.3 基于Plant Simulation的双重扰动因素下JSP仿真模型 |
4.4 基于改进GA的双重扰动因素下JSP优化方法研究 |
4.4.1 双重扰动因素下JSP的优化方法总流程 |
4.4.2 双重扰动因素下JSP的优化方法 |
4.5 计算结果与分析 |
4.5.1 实验设计 |
4.5.2 算法性能评价指标 |
4.5.3 实验结果分析 |
4.6 本章小结 |
第五章 工程实例 |
5.1 引言 |
5.2 实例一 |
5.2.1 实例背景简介 |
5.2.2 实例工艺信息 |
5.2.3 实例求解 |
5.3 实例二 |
5.3.1 实例背景简介 |
5.3.2 实例工艺信息 |
5.3.3 实例求解 |
5.4 实例三 |
5.4.1 实例背景简介 |
5.4.2 实例工艺信息 |
5.4.3 实例求解 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
附录1 攻读硕士学位期间发表学术论文目录 |
附录2 两种不同扰动因素下12组算例的计算结果 |
致谢 |
(5)考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 刀具剩余寿命预测方法 |
1.3.2 柔性作业车间调度问题 |
1.3.3 刀具资源约束下的车间调度问题 |
1.3.4 国内外研究现状总结与分析 |
1.4 拟解决的关键问题 |
1.5 本文研究路线及结构安排 |
第二章 基于磨损状态分类的多阶段刀具剩余寿命预测方法 |
2.1 刀具磨损过程分析 |
2.2 基于对称点模式的刀具磨损状态分类方法 |
2.2.1 对称点模式 |
2.2.2 基于差异度评估的对称点图像参数自适应选择方法 |
2.2.3 对称点图像聚类模板构建方法 |
2.2.4 基于相关系数的图像匹配方法 |
2.3 基于组合核函数高斯过程回归的刀具磨损预测方法 |
2.3.1 高斯过程回归 |
2.3.2 组合核函数构建 |
2.3.3 组合核函数高斯过程回归预测及参数优化 |
2.4 铣刀磨损算例分析与结果讨论 |
2.4.1 PHM2010 铣刀磨损实验平台 |
2.4.2 铣刀磨损状态分类结果 |
2.4.3 铣刀剩余寿命预测结果 |
2.4.4 背景噪声下刀具剩余寿命预测性能对比 |
2.5 实验验证与结果分析 |
2.5.1 四齿铣刀磨损实验平台 |
2.5.2 四齿铣刀磨损状态分类结果 |
2.5.3 四齿铣刀剩余寿命预测结果 |
2.6 本章小节 |
第三章 非完全遍历数据下的刀具剩余寿命预测方法 |
3.1 刀具非完全遍历数据分析 |
3.2 时间特征窗自适应构建方法 |
3.2.1 刀具磨损因子 |
3.2.2 不含异常数据的时间特征窗构建 |
3.2.3 含异常数据的时间特征窗构建 |
3.3 考虑刀具磨损的多步滚动预测方法 |
3.3.1 深度双向长短时间记忆网络 |
3.3.2 多步滚动预测 |
3.4 铣刀磨损算例分析与结果讨论 |
3.4.1 NASA铣刀磨损实验平台 |
3.4.2 不同刀具剩余寿命预测方法对比 |
3.4.3 结果讨论 |
3.5 实验验证与结果分析 |
3.6 本章小节 |
第四章 刀具寿命约束下的单目标柔性作业车间调度问题 |
4.1 单目标柔性作业车间问题描述及建模 |
4.1.1 问题描述 |
4.1.2 单目标生产调度问题建模 |
4.2 考虑机床和刀具的解集多样性评估与自重启方法 |
4.2.1 考虑机床和刀具的解集多样性计算方法 |
4.2.2 考虑刀具寿命约束的解集修复方法 |
4.3 基于两阶段启发式算法的单目标车间调度问题求解方法 |
4.3.1 两阶段启发式算法框架 |
4.3.2 第一阶段-延期时间优化 |
4.3.3 第二阶段-加工成本优化 |
4.4 算例分析与结果讨论 |
4.4.1 不同自重启方法对比 |
4.4.2 不同生产调度求解方法对比 |
4.4.3 结果讨论 |
4.5 单目标柔性作业车间调度实验验证与结果分析 |
4.6 本章小节 |
第五章 刀具寿命约束下的多目标柔性作业车间调度求解与决策 |
5.1 多目标生产调度问题描述及建模 |
5.1.1 问题描述 |
5.1.2 多目标生产调度问题建模 |
5.2 基于模因算法的多目标生产调度问题求解方法 |
5.2.1 模因算法框架 |
5.2.2 考虑刀具寿命约束的邻域搜索方法 |
5.3 基于高维信息的多目标生产调度决策方法 |
5.3.1 考虑目标内在关联和决策者偏好性的组合权重计算 |
5.3.2 基于VIKOR的生产调度方案评估方法 |
5.4 算例分析与结果讨论 |
5.4.1 多目标生产调度问题求解结果 |
5.4.2 多目标生产调度决策结果 |
5.4.3 权重偏好因子灵敏度分析 |
5.5 多目标柔性作业车间调度实验验证与结果分析 |
5.6 本章小节 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 创新点 |
6.3 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(6)线缆企业柔性车间调度关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题来源及研究意义 |
1.2 国内外研究现状 |
1.2.1 柔性车间调度研究现状 |
1.2.2 动态调度方式研究现状 |
1.2.3 现状总结与分析 |
1.3 本文研究内容与章节安排 |
第二章 线缆企业柔性车间调度问题 |
2.1 柔性流水车间调度问题 |
2.1.1 问题描述 |
2.1.2 性能评价指标 |
2.2 线缆企业车间调度问题分析 |
2.2.1 生产工艺流程 |
2.2.2 生产调度特点 |
2.3 柔性车间调度方法分析 |
2.3.1 调度优化算法简析 |
2.3.2 优化算法选择 |
2.4 多目标调度 |
2.4.1 基本理论 |
2.4.2 性能评价指标 |
2.5 本章小结 |
第三章 线缆企业柔性车间静态调度 |
3.1 柔性流水车间静态调度模型建立 |
3.1.1 变量定义 |
3.1.2 约束条件 |
3.1.3 目标函数 |
3.2 遗传算法简述 |
3.3 单目标调度算法设计与实例验证 |
3.3.1 算法设计 |
3.3.2 算法流程 |
3.3.3 实例验证与分析 |
3.4 多目标调度算法设计与实例验证 |
3.4.1 多目标调度优化方法 |
3.4.1.1 多目标优化算法 |
3.4.1.2 多目标决策方法 |
3.4.2 算法设计 |
3.4.3 算法框架 |
3.4.4 实例验证与分析 |
3.5 本章小结 |
第四章 线缆企业柔性车间动态调度 |
4.1 预反应式调度 |
4.1.1 车间动态调度问题分析 |
4.1.2 重调度触发机制 |
4.1.3 重调度策略 |
4.2 柔性车间动态调度模型 |
4.3 基于事件驱动的实时动态调度 |
4.4 实例仿真与分析 |
4.4.1 实例说明 |
4.4.2 实例仿真 |
4.5 本章小结 |
第五章 线缆企业车间生产调度系统设计 |
5.1 系统设计背景 |
5.2 系统设计 |
5.2.1 需求分析 |
5.2.2 系统总体设计 |
5.2.3 系统功能模块设计 |
5.3 系统实现 |
5.3.1 技术路线 |
5.3.2 系统功能实现 |
5.3.3 系统功能展示 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(7)流程工业调度模型与算法及其在造纸工业中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要研究内容和章节安排 |
1.3.1 主要的研究内容 |
1.3.2 章节安排 |
2 生产调度基本概念及造纸企业生产调度中存在的问题 |
2.1 生产调度的提出 |
2.2 调度问题描述、分类及特性 |
2.2.1 调度问题的描述 |
2.2.2 车间调度问题的分类 |
2.2.3 车间调度问题的特点 |
2.3 流程工业生产调度 |
2.3.1 流程工业生产调度及其特点 |
2.3.2 流程工业生产调度的分类 |
2.3.3 流程工业生产调度的方法 |
2.4 造纸企业生产调度问题 |
2.4.1 订单与排产计划安排 |
2.4.2 排产计划与生产计划冲突 |
2.4.3 生产管理缺陷 |
2.4.4 质量管理 |
2.4.5 仓储管理 |
2.4.6 问题成因分析 |
2.5 本章小结 |
3 基于分解多目标演化算法的造纸企业生产调度研究 |
3.1 引言 |
3.2 造纸企业生产过程简述 |
3.2.1 第一阶段加工生产过程 |
3.2.2 第二阶段加工生产过程 |
3.3 生产调度模型的建立 |
3.3.1 造纸企业的生产调度流程描述 |
3.3.2 生产调度性能指标 |
3.3.3 造纸企业生产调度数学模型 |
3.4 生产调度模型的求解算法 |
3.4.1 基于分解的多目标演化算法 |
3.4.2 算法设计的关键步骤 |
3.4.3 实验数据 |
3.5 数值实验与结果分析 |
3.5.1 参数设置 |
3.5.2 评价指标 |
3.5.3 实验结果与分析 |
3.6 本章小结 |
4 基于负相关搜索算法的造纸企业立体仓库优化调度研究 |
4.1 自动化立体仓库概述 |
4.1.1 自动化立体仓库的结构 |
4.1.2 自动化立体仓库的分类与特点 |
4.2 自动化立体仓库货位分配优化 |
4.2.1 问题描述 |
4.2.2 数学模型的建立 |
4.3 立体仓库调度模型的求解算法 |
4.3.1 负相关搜索算法 |
4.3.2 算法设计的关键步骤 |
4.4 数值实验与结果分析 |
4.4.1 参数设置 |
4.4.2 评价指标 |
4.4.3 实验结果与分析 |
4.5 本章小结 |
5 基于量子进化算法的造纸企业项目调度研究 |
5.1 项目调度概况 |
5.2 多模式资源项目调度描述以及数学建模 |
5.3 基于量子进化算法的多模式资源项目调度问题实现 |
5.3.1 量子进化算法概述 |
5.3.2 编码方案 |
5.3.3 解码方案 |
5.3.4 不可行方案的修复 |
5.3.5 个体的适应度评价 |
5.3.6 量子种群更新 |
5.3.7 算法流程图 |
5.4 算例分析与结果评价 |
5.4.1 典型案例验证及结果分析 |
5.4.2 随机案例验证及结果分析 |
5.5 本章小结 |
6 基于云平台的造纸企业智能MES系统的设计与实现 |
6.1 MES系统概述 |
6.2 系统总体解决方案 |
6.2.1 造纸企业ERP、MES和PCS的体系结构 |
6.2.2 造纸企业智能MES系统构架 |
6.3 系统主要功能模块介绍 |
6.3.1 系统管理模块 |
6.3.2 信息查询模块 |
6.3.3 设备管理模块 |
6.3.4 生产管理模块 |
6.3.5 仓储管理模块 |
6.3.6 品质管理模块 |
6.3.7 数据分析模块 |
6.4 本章小结 |
7 总结与展望 |
7.1 研究工作总结 |
7.2 研究工作创新点 |
7.3 未来工作展望 |
致谢 |
参考文献 |
攻读学位期间取得的成果 |
(8)基于数字孪生的车间流水线调度优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 数字孪生技术研究现状 |
1.2.2 流水车间调度的研究现状 |
1.3 论文组织结构 |
第二章 基于生产车间数字孪生相关理论技术研究 |
2.1 传统车间调度存在的问题 |
2.2 基于数字孪生的车间结构 |
2.2.1 数字孪车间结构 |
2.2.2 数字孪生关键技术 |
2.3 某卡车生产车间背景分析 |
2.3.1 生产订单分析 |
2.3.2 卡车生产车间布局与工艺逻辑 |
2.3.3 卡车生产车间数据采集 |
2.4 本章小结 |
第三章 基于卡车生产车间流水线离线调度建模与分析 |
3.1 混合流水线离线调度建模 |
3.1.1 问题描述 |
3.1.2 变量设计及性能指标 |
3.2 算法设计 |
3.2.1 染色体编码 |
3.2.2 选择算子 |
3.2.3 交叉算子 |
3.2.4 变异算子 |
3.2.5 算例验证 |
3.4 实例验证 |
3.5 本章小结 |
第四章 基于数字孪生的混合流水车间在线调度建模与分析 |
4.1 在线调度数学模型 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.2 智能调度算法设计 |
4.2.1 基于BPSO-SVM的卡车生产线动态调度策略选择过程 |
4.2.2 基于SVM的调度策略分类模型 |
4.2.3 基于BPSO-SVM的同步优化 |
4.2.4 BPSO-SVM算法详细设计 |
4.3 实例验证 |
4.4 本章小结 |
第五章 卡车混合流水车间可视化仿真及调度信息管理系统 |
5.1 基于卡车的数字孪生车间调度系统分析 |
5.2 卡车生产车间可视化仿真与建模 |
5.2.1 2D与3D环境下参数化建模 |
5.2.2 数据采集与分析 |
5.3 生产调度信息管理系统功能模块设计 |
5.3.1 管理系统模块设计 |
5.3.2 生产调度信息化管理系统的实现 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
(9)基于遗传算法的服装吊挂产线动态调度研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究目的 |
1.3 国内外现状分析 |
1.4 研究内容与技术路线 |
1.5 本章小结 |
2.服装订单式生产的组织形式 |
2.1 订单投产过程分析 |
2.2 服装订单式生产模式分析 |
2.3 订单式生产的产线组织分析 |
2.4 本章小结 |
3.服装吊挂产线分析 |
3.1 吊挂产线的设备构成 |
3.2 吊挂产线控制系统 |
3.3 吊挂系统的调度实现 |
3.4 产线调度的影响因素分析 |
3.5 本章小结 |
4.订单调度模型构建 |
4.1 订单调度过程的问题描述 |
4.2 调度区间内的调度模型构建 |
4.3 调度区间内的调度方案表达 |
4.4 本章小结 |
5.服装吊挂产线的动态调度机制 |
5.1 滚动调度策略描述 |
5.2 动态调度机制 |
5.3 非支配遗传算法的调度方案 |
5.4 动态调度的过程实现 |
5.5 本章小结 |
6.自适应动态调度机制的应用分析 |
6.1 案例背景 |
6.2 仿真数据准备 |
6.3 动态调度的性能验证 |
6.4 本章小结 |
7.总结与展望 |
7.1 全文总结 |
7.2 不足与展望 |
参考文献 |
附录 动态调度实现代码(主程序) |
攻读学位期间的研究成果 |
致谢 |
(10)分布式阻塞流水车间调度方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景和意义 |
1.2 研究目标 |
1.3 相关领域国内外研究现状 |
1.4 研究现状总结及问题分析 |
1.5 研究内容 |
2 分布式阻塞流水车间调度体系架构研究 |
2.1 概述 |
2.2 分布式制造模式特点分析 |
2.3 分布式阻塞流水车间调度业务流程和关键决策点 |
2.4 分布式阻塞流水生产调度体系架构研究 |
2.5 分布式生产调度管控模式设计 |
2.6 本章小结 |
3 分布式阻塞流水车间静态调度研究 |
3.1 概述 |
3.2 分布式阻塞流水车间静态调度数学模型 |
3.3 标准果蝇优化算法介绍 |
3.4 离散果蝇优化算法流程描述 |
3.5 实验对比与分析 |
3.6 本章小结 |
4 分布式阻塞流水车间绿色调度研究 |
4.1 概述 |
4.2 分布式阻塞流水车间绿色调度数学模型 |
4.3 标准分布估计算法介绍 |
4.4 多目标分布估计算法流程描述 |
4.5 实验对比与分析 |
4.6 本章小结 |
5 分布式阻塞流水车间动态调度研究 |
5.1 概述 |
5.2 分布式阻塞流水车间动态调度流程关键问题研究 |
5.3 分布式阻塞流水车间动态调度数学模型 |
5.4 分布式阻塞流水车间动态调度策略 |
5.5 基于差分进化的Memetic算法流程 |
5.6 实验对比与分析 |
5.7 本章小结 |
6 分布式阻塞流水车间调度系统实现及应用 |
6.1 概述 |
6.2 分布式阻塞流水车间调度系统框架 |
6.3 系统开发模式和配置 |
6.4 系统应用模块设计 |
6.5 系统功能框架设计 |
6.6 系统功能实现和界面展示 |
6.7 系统应用实例 |
6.8 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 论文创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
四、基于遗传算法的车间调度方法及其应用(论文参考文献)
- [1]基于数字孪生的车间调度管理系统构建[D]. 姜惠文. 北京邮电大学, 2021(01)
- [2]改进人工蜂群算法及其在柔性作业车间调度的应用研究[D]. 马铭阳. 南京信息工程大学, 2021(01)
- [3]基于改进协同进化算法的车间调度问题研究及应用[D]. 王功明. 青岛科技大学, 2021(01)
- [4]基于Plant Simulation的不确定作业车间调度仿真与优化问题研究[D]. 王康红. 郑州轻工业大学, 2021
- [5]考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究[D]. 李海. 电子科技大学, 2021
- [6]线缆企业柔性车间调度关键技术研究[D]. 陈庆尉. 电子科技大学, 2021(01)
- [7]流程工业调度模型与算法及其在造纸工业中的应用研究[D]. 党世红. 陕西科技大学, 2021(01)
- [8]基于数字孪生的车间流水线调度优化研究[D]. 高珂婷. 天津工业大学, 2021(01)
- [9]基于遗传算法的服装吊挂产线动态调度研究[D]. 谢子昂. 东华大学, 2021(09)
- [10]分布式阻塞流水车间调度方法研究[D]. 张晓辉. 中国矿业大学, 2020(07)