基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。

改进迭代贪婪算法求解可重入流水车间调度问题

可重入混合流水车间是在混合流水车间的基础上增加了可重入特性,具有更高的调度复杂性。为了求解可重入混合流水车间调度问题,首先建立了调度优化模型,优化目标为最小化最大完工时间,然后提出一种带精英调整的学习型迭代贪婪算法(LIG-EA)。LIG-EA算法采用基于工件的编码方式,对重组后的染色体进行解码。种群分为精英个体和普通个体两部分,对精英个体进行精英破坏重建和基于关键工件的染色体调整,对普通个体进行学习机制的构建和普通个体的破坏重建。为提高初始种群质量,采用NEH启发式算法进行种群初始化,并针对可重入混合流水车间的重入特性,在重建操作中增加了插入有效性判断,提高了算法的运行速度。通过大量实验表明LIG-EA算法能够有效求解可重入混合流水车间调度问题。

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.

多元利益主体目标下的可重入层流手术绿色调度

针对考虑患者、医院、社会多方利益下的可重入层流手术绿色调度问题,提出了混合优化算法INSGAII-LS以同时最小化三个目标:平均患者术前等待感知时长、层流手术中心使用时长和层流手术中心碳排放。首先,算法创新设计了合作搜索策略、种群初始化策略、变尺度交叉与变异策略,LS深度搜索迭代策略,以增强解空间的搜索能力;然后,根据问题特点设计了数据驱动解码策略,并通过三种解码策略对比实验,验证了本文提出的解码策略的有效性;最后,通过不同规模数值实验和仿真案例测试了本文算法相比于其他有效算法(IMSSA,IMOGWO,NSGA-II)的优越性和稳定性。案例仿真发现,决定手术中心使用时长的关键因素是对患者的排序;而手术中心使用时长的缩短并不直接导致碳排放量的减少,还需关注手术室的累积碳排放量。因此,层流手术室的调度在层流手术规划中至关重要。研究结果可为层流手术绿色调度多目标优化提供方法借鉴和决策参考。

基于数字孪生仿真的半导体可重入混合流水车间联合调度优化研究

在新一代信息技术与高端制造产业加速融合渗透的背景下,文中针对半导体车间订单动态到达、车间生产信息透明度低的问题,提出了一种基于数字孪生仿真的半导体可重入混合流水车间联合调度方法。首先,设计了一种基于AnyLogic的数字孪生仿真架构,并在此基础上构建了高保真数字孪生仿真模型,对多源异构数据虚实交互、多维多尺度孪生模型运行机理进行了深入探讨;其次,综合考虑最大完工时间、碳排放量和AGV利用率建立联合调度模型,提出了一种结合数字孪生的ENSGA-Ⅱ算法进行求解,并将其嵌入AnyLogic孪生模型实现实时调度;最后,基于差异化场景和半导体车间任务实例,验证了所提方法的有效性。

带运输考虑的多阶段动态可重入混合流水车间调度

可重入混合流水车间调度允许一个工件多次进入某些加工阶段,它广泛出现在许多工业制造过程中,如半导体制造、印刷电路板制造等.本文研究了带运输时间的多阶段动态可重入混合流水车间问题,目标是最小化总加权完成时间.针对该问题,建立了整数规划模型,进而基于工件解耦方式提出了两种改进的拉格朗日松弛(LR)算法.在这些算法中,设计了动态规划的改进策略以加速工件级子问题的求解,提出了异步次梯度法以得到有效的乘子更新方向.测试结果说明了所提出的两种改进算法在解的质量和运行时间方面均优于常规LR算法,两种算法都能在可接受的计算时间内得到较好的近优解.

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.

客车生产中可重入倒排产应用研究

目的某客车制造企业的涂装车间是典型混合流水车间,要求在确保满足交货期的前提下,对其生产运行进行高效的管理,提高生产效率.方法采用倒排产方法进行计划排产.通过分析涂装车间中多遍彩条工序的工作过程和工位设置情况,确定具有可重入式制造系统特点的工序和工位.在基本倒排产算法基础上,增加系统联动和循环排产功能.结合企业实际给出可重入倒排产工作过程,对可重入倒排产的执行步骤和设计要点进行了详细阐述.结果该增强倒排产算法适用于涂装车间彩条的可重入工序,是对基本倒排产算法的有效改进.结论解决了涂装车间的多遍彩条工序排产问题.通过在实际工程中的应用,验证了该排产方法的可行性.

双目标可重入混合流水车间调度问题的离散灰狼优化算法

可重入混合流水车间调度问题普遍存在于许多高科技制造产业中,如半导体晶圆制造和TFT-LCD面板生产过程等,但目前关于可重入调度问题的相关研究还比较少。本文设计了一种改进多目标灰狼优化算法(IMOGWO)解决最小化最大完工时间和总拖期时间最小的可重入混合流水车间调度问题,针对该问题特点对基本灰狼优化算法进行了一系列改进操作。通过对小规模测试问题基准算例的数值实验,验证了所设计的IMOGWO算法求解该调度问题的有效性。实验结果表明IMOGWO算法在非劣解的收敛性和支配性方面显著优于已有的NSGA-II和MOGWO算法,在解的分布性指标方面IMOGWO稍微优于其他两种算法。

面向产品族优化时间窗下可重入批处理机调度

在半导体晶圆制造系统中,具有不确定交货时间窗和不相容产品族的可重入批处理机优化调度是NP-难问题。针对该问题,提出面向产品族的三层滚动混合整数线性规划模型的优化调度算法,其优化目标是提前和误工的时间总和最小。该算法是基于时间序列模型和事件模型的混合分解策略,在可重入批处理机空闲、可用的事件触发下,将整个调度时间轴分解为滚动的时间域;每个时间域对应一个子问题;每个子问题分解为三层:排序、派工和更新;半导体晶圆制造系统实时调度仿真平台用于派工、更新和时域滚动,混合整数线性规划模型用于排序。通过6种典型情形实例验证,结果表明面向产品族的三层滚动混合整数线性规划模型能够在较短计算时间内获得较好优化解。

可重入混合流水车间负荷平衡排产优化问题研究

为了解决可重入混合流水车间(RHFS)负荷平衡调度问题,建立了RHFS负荷平衡优化问题数学规划模型,将工位加工时间负荷平衡代价和总工位等待时间加权求和后作为负荷平衡综合评价指标;设计了基于工件加工流程的编码方法并结合时间窗约束与最大剩余时间规则进行解码,采用动态自适应差分进化(I)SADE)算法进行全局优化。DSADE算法根据个体间汉明距离判断个体相似度,动态更新具有高相似性的个体,以增加种群多样性,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值,持续进化的能力。基于客车制造中涂装车间多遍彩条工序段的实例数据将DSADE算法与已有遗传算法(GA)、差分进化(DE)算法、自适应差分进化(SADE)算法进行仿真比较,比较结果表明,DSADE算法的负荷平衡评价指标平均降低幅度超过20%。

基于B-T规则与遗传算法的可重入生产系统调度

可重入生产系统调度问题属于NP难题,将遗传算法方法与调度规则结合起来用于解决可重入生产系统的调度问题。针对可重入生产系统的重入特点,建立了一类可以实现缓冲区与传统规则双重选择的缓冲区-时间(B-T)规则;然后在设备分组与分时段的基础上,提出了基于B-T规则组合的可重入生产系统调度策略,并采用遗传算法与过程仿真相结合的办法对B-T规则组合进行优化,仿真比较验证了该调度策略的有效性。

可重入生产系统的平均报酬型强化学习调度

在可重入生产系统中 ,一个重要的问题就是对调度策略进行优化 ,以提高系统平均输出率 .本文采用了一种平均报酬型强化学习算法来解决该问题 ,直接从所关心的系统品质出发 ,自动获得具有自适应性的动态调度策略 .仿真结果表明 ,其性能优于两种熟知的优先权调度策略 .

基于神经元动态规划的可重入生产系统调度的仿真框架

提出一个基于神经元动态规划解决可重入生产系统调度问题的仿真框架.根据可重入生产系统的特点建立状态集,并将调度问题表示成相应的马尔可夫决策过程.选择合理的性能指标,采用神经元动态规划产生每一步的调度,并在仿真中优化策略.仿真算例验证了该方法的有效性,三种调度策略的结果比较表明了神经元动态规划方法的优越性.本仿真框架还可拓展至其他类型的生产调度问题.

可重入混合流水车间调度的改进遗传算法

研究了可重入多阶段混合流水车间调度问题,其中至少有一个加工阶段有多台同构并行机。考虑工件在相邻两阶段间的运输时间和工件动态到达等实际生产特征,以最小化最大完工时间为目标建立数学模型。在传统遗传算法的基础上,结合NEH启发式算法产生工件初始加工顺序,令遗传参数随进化代数和个体适应函数值2个方面进行自适应调节,以避免算法陷入早熟,提出改进遗传算法用以求解该NP-hard问题。分别利用所提出的改进遗传算法与传统遗传算法、NEH启发式算法对不同规模的问题进行仿真测试,结果表明,改进遗传算法在较短的计算时间内能够获得较好的近优解。

可重入生产系统的QBD型模型

考虑可重入生产系统除第一个外均为有限缓冲区的情形 ,建立了两种两站四缓冲区的拟生灭过程 ( QBD)型模型 .系统在随机调度策略下状态集是不可约的 ,而在最后一个缓冲区先加工 ( LBFS)的策略下状态集是可约的 .将可约的状态集化成不可约的吸收集和可约状态集的和 .求出了系统状态的稳态分布 。

不确定可重入定点装配车间集成生产计划与调度

为满足工厂—车间一体化管理需求,研究了不确定可重入定点装配车间生产计划与调度集成优化问题。在分析车间装配特点的基础上,利用期望值描述不确定可重入情况,建立了双层生产计划与调度集成优化随机期望值模型,上层为能力约束的生产计划模型,下层为不确定可重入定点装配车间调度模型。提出了一种具有双层结构的交替迭代式改进遗传算法,上层用精英遗传算法求解生产计划,代入下层后采用基于随机模拟技术的遗传模拟退火算法求解生产调度,然后将调度结果返回上层重新求解新计划,如此不断交替迭代以实现计划与调度的同时优化。通过算例仿真验证了模型及算法的有效性。为制定不确定可重入定点装配车间生产计划与调度提供了一种合理可行的方法。

基于Petri网与遗传算法的可重入生产系统调度

可重入生产系统调度问题属于NP难题,该文建立了系统的扩展Petri网模型,并且将遗传算法方法与调度规则结合起来用于解决可重入生产系统的调度问题。针对可重入生产系统生产过程的动态复杂性,首先建立了一类综合调度规则,然后提出了基于设备分组与分时段的综合规则组合的可重入生产系统调度策略,并采用遗传算法与基于Petri网模型的过程仿真相结合的方法对综合规则组合进行优化,仿真比较验证了该调度策略的有效性。

可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.

可重入制造系统中可视化仿真调度的研究与应用

可重入制造系统调度问题随着半导体工业的迅速发展日益得到重视,仿真调度是解决这类问题的重要方法,可视化仿真因其仿真过程的可监控性与良好的交互性在仿真调度中得到了采用。本文将可视化仿真应用于可重入制造系统的调度,通过引入虚拟设备对这类制造系统进行了基于生产路线的可视化仿真,有效地解决了直观表达该类系统加工路径重入性的问题,提高了调度效率。