基于改进D3QN算法的随机工时下柔性综合调度问题研究

针对离散制造车间的工时不确定性问题,在考虑设备和工序约束的基础上,以最小化最大完工时间为优化目标构建综合调度数学模型,并提出一种改进双竞争深度Q网络算法(ID3QN)求解随机工时下的柔性综合调度问题。从工序、机器及整体层面分别设计了三组状态特征;将与工时、加工顺序相关的工序规则以及与优化目标相关的机器规则组成的8组复合调度规则作为动作集,并根据平均机器利用率差值进行即时奖励;引入自注意力机制与混合采样策略,以进一步提升算法稳定性和泛化性。仿真结果表明:所提算法在求解随机工时柔性综合调度问题时,平均偏差比现有深度强化学习算法平均提高了54.63%,验证了算法的有效性。

带忽略工序的多目标批量流混合流水车间调度

针对带忽略工序的批量流混合流水车间调度问题,在考虑批次切换调整时间的情况下,以最小化完工时间和机床负荷平衡为优化目标,建立柔性批量分割和调度集成优化模型,提出一种双层改进PSO-GA混合算法。算法提出批量和机器的双层搜索求解框架,外层进行柔性分批,内层搜索排序及调度方案。针对批量分割、工件批排序、机器分配3个问题,设计基于批量、工序和机器的三段式编码,内层将狼群算法的分级和游走策略引入粒子群算法,设计了一种基于PBX(Position-based Crossover)交叉操作的围攻策略以提高算法的局部搜索及寻优能力。通过仿真实验并与几种启发式算法进行对比及实例验证,说明了调度模型和算法的可行性和优越性。

考虑能耗和运输的有限缓冲区混合流水车间调度

为解决生产调度不及时、加工过程中能耗过大等问题,构建了有限缓冲区混合流水车间调度优化模型。模型以最小化最大完工时间和车间总能耗为目标,将运输时间、广义能耗和缓冲区容量等资源限制作为约束,并应用开关机节能策略减少待机能耗,验证了优化模型的可行性;设计一种狮群算法,采用随机产生与贪婪选择相结合的种群初始化方法,提高初始解质量和求解效率,验证了狮群算法的优越性。实验结果表明:该算法能有效解决考虑能耗和运输时间的有限缓冲区混合流水车间调度问题,优化模型能依照实际需要进行柔性调节,达到制造型企业合理排产、节能减排的目的。

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

基于MR的智能产线学具开发与应用——以SMT电路表面贴装产线为例

针对中心现有电路表面贴装技术(Surface MountedTechnology,SMT)教学环节认知负载高的问题,设计基于混合现实(Mixed Reality,MR)技术的智能产线教辅系统。目前,产线以自动化生产为主,学生无法直接观察其生产工艺及过程,后台数据不易呈现。通过MR技术将设备内部的运作状态及数据以三维影像投射在实体表面,为学生构建一种新的交互载体。通过将SMT产线的核心工艺数据从“黑盒子”中拿出来,帮助学生理解电路产品的制作原理、工艺过程等核心知识。通过“基于MR的SMT产线智能辅助教学系统”的开发与应用实例,介绍了基于本智能制造教学系统的需求分析、功能设计及开发与实施路线。

汽车整车多级生产线协同排序优化方法

为满足汽车整车生产线不同工艺车间对车身序列的不同需求,提高汽车生产线多工艺车间的协同生产能力并降低生产成本,提出一种面向汽车整车多级生产线的协同排序优化方法。分析了汽车生产过程中不同工艺车间对车身序列的不同需求,在考虑焊接车间车型更换次数、涂装车间颜色更换次数、总装车间总超载和空闲时间、总装车间物料消耗均衡等传统优化目标的基础上,搭建了缓冲区重排序成本的目标函数,并以此构建了汽车整车多级生产线协同排序多目标优化模型,然后采用基于启发式出入站规则的第三代非支配排序遗传算法对模型进行优化求解。最后通过某公司的实际生产案例,验证了所提模型和方法的有效性。

Dueling Double DQN在基于MPN混流制造车间实时调度中的应用

针对传统算法难以适应当今大规模,多资源约束的混流制造实时调度场景的问题,提出一个可缩短最终完工时间的双层决斗DQN(D3QN)算法实时调度框架。在该框架内,制造车间经压缩建模成制造Petri网(MPN)模型,通过新的奖励机制反复推演MPN仿真生产过程,评估排产收益并产生大量样本数据,将数据中多维生产特征信息矩阵作为车间状态输入多通道卷积神经网络,采用D3QN算法训练网络模型,一旦网络模型收敛至最优价值函数,即可调用该网络模型结合在线匹配执行机制,快速匹配车间生产状态,执行最优工件排产变迁的决策动作。实验数据表明:在最佳超参数设置下,使用D3QN算法训练的网络模型,其求解性能和响应速度满足混流制造车间实时调度需求。

基于改进遗传算法的混合流水车间批量调度问题求解

针对多品种小批量混流生产模式中生产计划调度复杂的特点,提出解决批量问题的等量分批策略,实现工件在不同工序上同时加工,缩减机器等待时间;以最大完工时间为优化目标,建立混合流水车间批量调度问题数学模型;设计求解模型的改进遗传算法,使用NEH启发式算法和随机生成结合的方式生成优质初始解,采用二元锦标赛进行选择操作,采用二元交叉法进行交叉操作,采用插入变异生成新个体,并使用贪婪插入的领域搜索算法进行局部搜索,解码时采用“子批优先+先空闲先加工”策略。发动机连杆生产案例应用结果表明,混合流水车间批量调度问题模型与改进的遗传算法正确有效。

基于Benders分解和分枝定界的随机交期批量流流水车间调度

针对交期随机的批量流车间调度问题,以最小化工件延期期望之和为目标,推导出工件交期符合3类经典随机分布条件下问题目标的闭式计算表达式.建立考虑换模时间与随机交期的问题数学模型,针对模型高度非线性特征对其线性化.设计一种基于逻辑的Benders分解(LBBD)与分枝定界相结合的优化算法,提出两种有效加速策略提升算法求解效率.数值实验结果验证了算法的有效性,通过随机交期与确定交期结果的比较,验证了考虑随机的必要性.

基于Visual Studio下MES系统开发与应用

针对自动化罐装产线存在工序间实时信息无法互享互通,生产数据滞后,订单、制造、仓储模块间不协同的问题,基于Visual Studio软件,在C/S架构模式下,设计开发了自动化罐装产线的MES系统。可实现订单排产功能对生产订单全周期管理、数据监控经S7协议实时采集产线数据、SQL Server数据库对信息储存和分析、仓储管控实现自动化、精益化产品库存管理。MES系统产线运行表明,订单准时交付率100%,采集产线数据完整精确,仓储管控智能精益。为产业“智改数转”提供了典型的工程应用范例和借鉴。

深度强化学习算法求解动态流水车间实时调度问题

本文针对动态流水车间调度问题(DFSP),以最小化最大完工时间为优化目标,提出一种自适应深度强化学习算法(ADRLA)进行求解.首先,将DFSP的新工件动态到达过程模拟为泊松过程,进而采用马尔科夫决策过程(MDP)对DFSP的求解过程进行描述,将DFSP转化为可由强化学习求解的序贯决策问题.然后,根据DFSP的排序模型特点,设计具有较好状态特征区分度和泛化性的状态特征向量,并依此提出5种特定动作(即调度规则)来选择当前需加工的工件,同时构造基于问题特性的奖励函数以获取动作执行效果的评价值(即奖励值),从而确定ADRLA的3类基本要素.进而,以深度双Q网络(DDQN)作为ADRLA中的智能体,用于进行调度决策.该智能体采用由少量小规模DFSP确定的数据集(即3类基本要素在不同问题上的数据)训练后,可较准确刻画不同规模DFSP的状态特征向量与Q值向量(由各动作的Q值组成)间的非线性关系,从而能对各种规模DFSP进行自适应实时调度.最后,通过在不同测试问题上的仿真实验和与算法比较,验证了所提ADRLA求解DFSP的有效性和实时性.

改进Jaya算法求解混合流水车间调度问题

混合流水车间调度问题(HFSP)是广泛存在于流程制造系统中的NP-hard问题。针对最小化完工时间的HFSP,结合Jaya算法和禁忌搜索的优势,提出了一种改进Jaya算法。在该算法迭代更新阶段,根据设计的编码方式提出一种基于路径重连的方法来进行离散更新,以保证种群的多样性,提高全局搜索能力。为提高局部搜索能力,提出融合两种邻域结构的禁忌搜索算法来进一步提高解的质量,并根据问题特性对邻域结构进行适配调整。采用所提算法求解三种基准测试集,在大规模经典测试集中求出新的最优解,在解的质量方面优于当前文献中其他算法,验证了所提算法的有效性和优越性。

求解燃气轮机制造车间调度的混合和声搜索算法

燃气轮机生产属于典型的离散型制造,其多品种小批量的生产特点给车间作业调度带来挑战,导致企业生产效率低下,不能满足产品交货期。因和声搜索算法结构简单易操作,常用于解决此类作业车间调度问题。然而传统和声搜索算法收敛速度较慢,易陷入局部最优。本文构建以最小化最大完工时间为目标的燃气轮机制造车间调度数学模型,提出一种离散型改进多种群混合和声搜索算法进行求解。结合和声搜索算法与变邻域搜索算法的优点,采用基于工序的编码方式进行编码,在种群更新部分引入模拟退火的Metropolis接受准则,提高种群多样性;提出自适应的记忆库保留概率和音调调节率来调节参数,以提高算法的全局寻优能力;加入变邻域搜索以提高算法的收敛速度。通过性能测试及实例验证表明,相较于已有算法,所提算法具有更好的性能。

求解能耗成本平衡的分布式阻塞流水线调度群体迭代贪婪算法

在经典分布式流水车间调度问题基础上,本文构建了具有序列相关准备时间的分布式阻塞流水线调度问题(DBFSP SDST)的混合线性整数规划模型(MILP),以均衡各工厂能耗成本为优化目标,提出了基于群体优化的迭代贪婪算法(PEIG).该算法针对零缓冲区和多工厂生产模式,设计了问题特性的启发式方法;针对迭代贪婪算法(IGA)的优势和不足,提出了基于群体的局部搜索策略、多邻域搜索结构和增强的跨工厂破坏重构方法,以进一步平衡所提算法的全局探索和局部搜索能力.通过270个测试算例的数值仿真,以及与最新4种代表算法的统计比较,本文验证了所提PEIG算法的优越性,能为中大规模的DBFSP SDST提供更优的调度方案.

分布式异构混合流水车间生产与运输集成调度

为了优化多车间协同的生产与物流集成调度问题,提出一种多目标人工蜂群算法和优化策略。优化算法采用三层编码表示车间序列、工件序列及机器档位,结合车间分配规则、机器选择策略及自动导引运输车分配规则获得问题可行解。雇佣蜂阶段设计一种基于距离选择的聚类交叉操作,保证种群多样性和解的质量;观察蜂阶段采用了基于关键车间的邻域搜索方法,在庞大解空间中实现高效搜索。侦查蜂阶段基于机器档位和工件运输顺序构建了节能调度策略,丰富非支配解集合。对比经典多目标进化算法,数值实验结果显示所提算法的有效性与优越性。

基于混合鲸鱼算法的风电玻板生产智能排程

针对产品多级顺序齐套、异构并行机任务配置等复杂特征的风电玻板生产排程问题,考虑设备区域式分布、混胶工艺和换型准备等约束,建立以最大化设备利用率、最大化履约率、最大化同托卷工单顺序完工率等为指标的多目标优化模型,改进设计求解该排程模型的混合多目标鲸鱼优化算法。通过三段式编码方式将连续型鲸鱼算法离散化,引入精英策略以提升鲸鱼优化算法的收敛速度,并加入变邻域搜索算法,提高算法的全局搜索能力。通过仿真对比验证了算法的有效性,并基于制造执行系统进行实际应用,研究成果为风电玻板生产排程智能决策提供了有效的解决方法。

航天异构元器件检测实验室分布式调度建模与求解

精准快速的元器件检测调度是保证航天元器件检测任务按时交付的关键,是航天型号任务按时发射的保障。提出了航天异构元器件检测实验室在分布式环境下的检测任务调度问题,并针对该问题使用改进的三维析取图进行建模,提出了基于图注意力网络的策略网络对析取图模型求解。实例分析表明,提出的方法能在较短时间内实现对大规模算例的求解,满足实际应用场景下准确性与求解效率的要求,输出的调度方案可以在降低样品转移成本的同时有效缩短航天元器件检测任务周期。

考虑机器故障的分布式阻塞流水车间动态调度研究

以随机机床故障为扰动因素,研究了事件驱动的分布式流水车间动态调度问题.首先,模拟了故障触发与修复机制,提出了动态调度策略,以最大完工时间和系统稳定性为优化目标,构建了分布式流水车间干扰管理模型,给出了分布式流水车间制造模式下的动态调度策略;其次,针对重调度工件设计了改进果蝇优化算法:在初始化阶段,IFOA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,提高解得多样性,避免算法陷入局部最优;最后,在不同规模测例上,通过对比主流算法验证了IFOA算法的有效性和优越性.

基于Co-CEM的柔性车间调度优化算法

为解决船舶制造中的柔性作业车间调度问题,本文提出一种基于协同进化策略的交叉熵算法来提高船舶制造过程的效率。协同进化策略弥补了交叉熵算法局部搜索能力较弱的问题,提高解的质量;提出基于主动调度的遗传解码算法,保证得到的解属于活动调度;遗传操作将相关调度信息保存在基因中,有效提高算法的搜索效率。本文通过实验对比遗传解码与常用的插入式解码算法,验证了解码算法的有效性及其提升能力,与现有具有竞争力的算法进行对比,证明了基于协同进化策略的交叉熵算法的高效性与优越性,给出了优质的甘特图。