考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。

QC活动在缩短振动试验准备时间上的应用研究

本文以针对现有伺服产品交付振动试验准备时间过长,不能满足生产快速交付这一实际难题,确定QC课题为缩短伺服产品振动试验准备时间。基于QC活动方法,通过现状调查、分析验证,确定要因,制定对策,先后完成加速度传感器螺接安装、快速安装换向夹具设计,经试验验证与效果检查,振动试验结果满足国军标要求,产品振动试验准备时间大幅缩短,达到目标设定要求。

生产准备时间缩短一半

在生产准备工作实现自动化之后,才能实现节约生产成本的目标。而利用弗劳恩霍夫IPA生产技术和自动化研究所开发的“设计链(Designchain)”系统可实现生产准备的自动化。当前,虽然经济形势不容乐观,但Ceratizit公司的订单合同依然比较充足。究其原因,是由于此前受全球疫情影响,Ceratizit公司忘记了如何快速高效地处理客户合同订单,还是因为供应链受到干扰而出现订单积压?

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

机器带有周期维护和准备时间且工件可中断的混合平行机调度问题

从义齿加工厂隐形义齿和氧化锆全瓷牙这两种义齿的生产流程中,提炼出一类混合平行机生产调度问题。在这个问题中,一部分机器带有准备时间,剩余的机器将会设置对应的周期维护,在机器维护过程中不再进行工件加工,目标是最小化最大完工时间。在前人研究的基础上,对于机器只考虑准备时间或只考虑周期维护的特殊情况这2个问题提出了机器具有准备时间和周期维护的混合平行机调度问题,以注水模型为基础,结合每种机器的不同情况,通过分类讨论提出了两个多项式时间内可解的最优算法。

缩短达芬奇机器人接台手术术前准备时间的PDCA实践

目的运用PDCA循环管理方法缩短达芬奇机器人接台手术术前准备时间,检验其应用效果。方法通过对2022年3-5月达芬奇机器人接台手术术前准备时间进行现状调查,6-8月应用PDCA循环质量管理方法,比较PDCA干预前后术前准备时间。结果应用PDCA循环管理后达芬奇机器人接台手术术前准备时间由(76.32±7.15)min缩短至(60.31±5.97)min,差异有统计学意义(P<0.05)。结论运用PDCA循环管理方法提高了手术室医护人员对达芬奇机器人的认识,加强了对达芬奇机器人手术配合的培训,改善了术前用物准备不全、操作不熟练等问题,有效缩短了达芬奇机器人接台手术术前准备时间。

转换准备时间对英语双语者语言转换的影响

以往有关英语双语者语言控制的研究更加关注对两种语言之间相互转换时的成本。其中与语言控制相关的两种成本分别为转换成本和混合成本。以往研究认为,转换成本本质上是暂时性的,并且受到特定实验操纵(比如转换准备时间)的影响;而混合成本则更加稳定并且较少受到特定实验操纵的影响。该研究通过考查准备时间对转换成本和混合成本的影响证明了两种类型的转换成本都会受到特定实验操纵的影响。

缩短外委工程开工准备时间模式的探索与应用

外委工程开工前必须提交单位资质、人员资格、身体状况证明以及保证施工安全的机械、工器具、安全防护设施、用具等资源材料,并要开展"三级"安全教育培训、办理开工许可手续等相关工作.由于管理部门工作点多面广、人员少,造成外委工程开工准备时间过长、开工人员安全培训效果不佳、开工资料审核不严等问题.对此,基于现状分析,采用"互联网"模式缩短外委工程开工准备时间,为工程管理、人员培训等工作提高了效率,保障了企业的安全生产.

PDCA循环在缩短复合手术室手术准备时间管理中的应用效果

探讨PDCA循环在缩短复合手术室手术准备时间管理中的应用效果。方法 我院复合手术室于2022年3月至2023年3月收治74例心外手术患者,随机将其分为两组,分别施行常规管理与PDCA循环管理,比较两组患者的管理效果。结果 观察组A时间段为(4.17±1.82)min,B时间段为(23.18±4.28)min,C时间段为(22.63±4.48)min,手术准备总时间为(49.82±6.38)min,其短于对照组的(5.69±3.12)min、(33.48±10.76)min、(35.74±11.56)min和(74.91±13.83)min(P<0.05);观察组的医师满意度评分为(37.79±4.59)分,患者满意度评分为(24.87±3.36)分,其显著高于对照组的(30.38±5.42)分和(20.24±3.73)分(P<0.05)。结论 PDCA循环可有效缩短复合手术室手术准备时间,提高医护人员和患者对护理管理的满意度。

军用飞机再次出动准备时间计算方法

再次出动准备时间TAT(Turnaround Time)是衡量军用飞机作战能力的主要参数,针对如何分析计算军用飞机再次出动准备时间这一问题,从军用飞机任务类型、设计特性和使用保障资源三个方面详细分析飞机再次出动准备时间的影响因素,给出了单架飞机再次出动准备时间计算方法.在计算TAT时,综合了飞机的任务类型比,构建了任务类型矩阵和再次出动准备时间矩阵.用矩阵描述再次出动准备时间工作项目之间的逻辑关系,对矩阵节点进行等级划分和拓扑排序.通过计算结果确定关键工作项目,找出影响再次出动准备时间的关键因素,为装备设计改进和使用保障资源规划提供辅助决策.

带机器准备时间的同类机在线与半在线排序问题

研究带机器准备时间的m台同类机 (uniformmachines)在线和半在线排序问题 ,目标函数为极小化最大机器 (工件 )完工时间 .对于在线情形 ,证明了LS算法的最坏情况为 ρ =( 1+ 5 ) 2 ,m =2 ,1+ 2m - 2 2 ,m≥ 3 ,并且当m =2时 ,LS算法是最好的近似算法 ;当m =2 ,3 ,… ,6时界是紧的 ,特别地 ,当s1 =s2 =… =sm - 1 ,sm ≥ 1时 ,证明了LS算法的最坏情况界为 ρ =( 1+ 5 ) 2 ,m =2 ,3 - 4 (m + 1) ,m≥ 3 ,而且界是紧的 ;对于已知加工时间递减的半在线排序问题 ,证明了LS算法的最坏情况界为 2 - 2 (m + 1) .

具有截断学习效应和工件带准备时间的单机排序问题

研究工件加工时间具有截断学习效应且带有准备时间的单机排序问题。截断学习效应指的是工件的加工时间是它所排位置和一个控制参数的函数,其中,"截断"是一个控制参数。由于在现实生活中,与工件的排列位置有关的"学习"不可能无止境的进行下去,所以给定了一个参数来进行控制,使得工件的学习效应随着排列位置的靠后而逐渐趋于稳定。目标函数为最小化总完工时间,这个问题是NP-难的,进而结合几个优势性质和下界给出了分支定界算法来求此问题的最优解。

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响.研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间.这个问题是NP-难问题.用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界.计算结果表明分支定界法和启发式算法求解此问题非常有效.

带机器准备时间的两台机器半在线排序

研究了两台机器的两个半在线排序问题。当机器为有准备时间的同类机时,总加工时间已知;当机器为有准备时间同型机时,最大加工时间已知。对这两个问题,给出了各自的半在线算法,证明了他们的竞争比分别至少为b+12b+1和2/3,其中bi为机器速度,b1=1,1<b2=b。

人员疏散准备时间及其对火灾风险评估结果的影响

火灾时人员的有效避难评估是火灾风险评估中的重要组成部分。作为人员疏散时间中重要组成部分的疏散准备时间服从概率分布,而通常计算中往往将其简单取为常数。将人员疏散准备时间简单取为常数时,有可能产生模拟计算结果比实际偏差大、疏散情形与真实情况不符的情况。以一座办公建筑为例进行了计算,将人员疏散准备时间简单取为常数时与人员疏散时间服从正态分布的情况进行了比较,并分析了对火灾风险评估结果的影响。

工件带准备时间的平行机调度问题的一个近似算法

提出了一个启发式算法,在该算法中,工件中断的次数至多为2N次,计算的复杂度为O(Nnlogn),并以一个实例加以说明.证明了对某些特殊的实例,该算法能够得到最优调度.指出了对于一般情况该算法的最坏情况误差界为(2(n-1))/n.

考虑准备时间和加工速度的纺织纤维实验加工调度

针对纺织中短纤维加工实验特点,综合考虑了短纤维生产设备的准备时间与安装次序等有关特性,结合下达时间、实验完成期限等约束条件,建立了以最小化最大完成时间为目标函数的混合整数规划模型;根据问题特点改进正余弦算法。通过实验,所改进的算法相对于经典的正余弦优化算法、粒子群算法的求解效果有较好的提升,验证了模型与所设计算法的有效性。同时对实验室解决短纤维加工实验能耗节约具有实际参考价值,也可以为短纤维生产企业提供借鉴。

处理机具有准备时间的Qm,a_j｜p_j=1｜C_(max)排序问题

讨论了处理机具有准备时间的Ｑｍ ，ａｊ｜ｐｊ＝ １｜Ｃｍ ａｘ排序问题。通过这一问题的一个下界，给出了一个最优算法，算法的复杂性为Ｏ（ｍ ２）。

两台带准备时间的同类机的半在线排序

研究了带机器准备时间的两台同类机的半在线排序问题,这里目标函数为极小化最大机器完工时间.对于所有工件总的加工时间已知的半在线情形,我们给出了一个竞争比为max{52+1,1+bb}的半在线算法,其中b为机器速度.并且算法对于对于机器加工速度b<2时的同型机情形是最好的.

PDCA循环在缩短复合手术室手术准备时间管理中的应用效果

目的:探讨PDCA循环在缩短复合手术室手术准备时间管理中的应用效果。方法:回顾性分析2018年7月-2019年6月在滨州医学院附属医院复合手术室开展心外手术的60例患者的临床资料,将其设为对照组。2019年7-9月本院进行PDCA整改,找出在复合手术室遇到临床实际工作中的问题,并对在复合手术室工作流程进行持续改进,形成规范化工作流程,进行PDCA循环管理后,2019年10月-2020年6月在复合手术室开展心外手术的46例患者的临床资料,将其设为观察组。比较两组复合手术室手术准备时间。结果:对照组心脏外科在复合手术间的手术准备总时间为(74.80±13.94)min,长于观察组的(49.93±6.27)min,差异有统计学意义(P<0.05)。结论:应用PDCA循环管理模式有助于缩短复合手术室手术准备时间,提高手术室工作效率。