重调度框架下关键概念的实际应用研究

鉴于重调度及其方法的研究直接影响生产调度系统性能的重要性,论述了重调度的基本框架,详细介绍了该框架下的关键概念.并在此基础上对重调度的关键概念:重调度的环境、重调度的策略、重调度的方式以及重调度方法的实际应用进行了分析研究.从而提高了对重调度的认识,并指导如何应用重调度提高生产调度系统性能.

半导体制造重调度研究

以半导体制造重调度为研究对象,构建了半导体制造重调度体系结构,在此体系结构下,分析了引发半导体制造重调度的因素,提出了相应的重调度策略(何时引发重调度以及引发何种重调度),进一步探讨了重调度方法中的全局修正式重调度方法,给出了基于群体智能的半导体制造重调度模型,建立了用于重调度性能评价的短期性能指标体系。

机器故障扰动下柔性作业车间重调度研究

在柔性作业车间生产过程中发生干扰事件,原有调度方案将不再适用。针对柔性作业车间机器故障的干扰问题,综合考虑最大完工时间、设备负载时间、客户满意度、生产路径偏移等因素,构建多目标干扰调度模型。为快速生成调度方案,设计一种改进遗传算法进行求解,并引用一种邻域结构以提高遗传算法局部搜索能力。最后通过对模型和算法的进一步验证,结果表明,相较于完全重调度的方案,该方法在生成的重调度方案中实现了更低的广义总成本,证明了该方法的有效性和实用性。

基于改进灰狼算法的柔性作业车间重调度问题研究

【目的】在工厂实际加工中,由于各机器的健康状态参差不一,可引起机器故障继而影响加工施工时间。针对带有机器扰动的柔性作业车间的问题,为减小机器故障对生产计划的影响,提出了机器扰动、寻找断点的重调度模型,以最小加工时间、最短总延迟时间为优化目标构建了数学模型。【方法】提出改进灰狼优化算法(GWO-GA)作为全局优化搜索算法求解,为提高其灰狼算法的收敛速度,引入了工件编码迭代并加入自适应算子,使用遗传算法的POX交叉对机器编码进行迭代。【结果】针对钢琴制造企业实木车间数据进行验证,结果表明相对于遗传算法(genetic algorithm,GA)、NSGA、PSO-GA,改进灰狼算法求解本调度问题效率高,精度好,具有较好的实用价值。

有限资源下的复杂航空电子产品并行调试任务重调度研究

为了提高调试效率,文章针对复杂航空电子产品调试中的并行调试问题,建立最小化最大完工时间为目标的复杂电子产品调试调度静态优化模型,并利用改进离散粒子群优化(improved discrete particle swarm optimization,IDPSO)算法进行求解;针对电子产品调试环境中存在的动态扰动,提出一种基于适应度差值阈值机制的周期和事件混合驱动重调度方案。通过实验验证了模型和算法及重调度方案的有效性,从理论上为解决复杂航空电子产品并行调试调度的研究提供研究思路以及方法支持。

基于多目标优化的测控数传资源动态重调度方法

近年来,地面站资源测控数传任务的一体化调度方法受到了越来越多的关注。针对任务随遇处理条件下的测控数传资源调度问题,建立了面向多个优化目标的测控数传资源动态重调度数学模型,提出基于启发式规则和多目标非支配解排序遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)的地面站测控数传资源一体化动态重调度算法,可生成侧重不同优化目标的多个规划方案供规划人员备选。实验结果表明该方法能有效解决测控数传资源多目标动态重调度问题。

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。

设备故障条件下柔性作业车间重调度方法

设备故障是生产实践中最为常见的一类不确定事件,它易对正常的生产计划造成影响。为了有效应对生产中的设备随机故障干扰,对设备随机故障条件下的柔性作业车间调度问题进行了研究,提出了一种基于组合策略的重调度方法。在重调度方法中,对重调度成本进行了系统分析并建立了重调度成本函数,设计了两种重调度策略,并结合免疫算法对遗传算法进行了改进,用于模型的求解计算。通过算例分析,验证了方法的可行性和有效性。实验结果表明,所提出方法能够更好地处理多种情况下的设备故障扰动。

一种常见干扰条件下的开放式车间重调度研究

在开放式车间中,针对由机器持续不可用干扰(MUAD)及其引发的工时缩减现象,致力于研究如何有效、及时地实施重调度活动.其中,重调度性能由总完工期来度量,而重调度稳定性则体现在序位偏差与结束时间偏差上.基于右移、受影响工序、全局三种典型的重调度策略分别提出并实现了三种特定的重调度方法(即sRSR,sAOR与sTR_GOS)以响应所关注的干扰条件.在仿真实验中通过模拟大量的重调度情景,考察了原调度生成机制的选取问题并对比了三种方法在相同情景下的各自指标绩效.实验结果显示:当MUAD干扰持续较短时间且以"中断—可续"模式恢复被中断工序时,推荐选用sAOR实施重调度;当MUAD干扰发生在晚期、工时低幅缩减、算例较小且中断模式为"中断—不可续"时,适宜采取sTR_GOS实施重调度.

时间扰动下的炼钢-连铸智能重调度方法

在炼钢-连铸生产过程中,有很多不可预测的扰动事件发生,导致静态调度计划失效。炼钢-连铸生产重调度的任务就是实时地根据生产现场出现的扰动事件重新安排生产计划,以确保生产顺利进行。在以往的炼钢-连铸生产中,动态调度以人工调整为主,难以达到符合钢铁生产商最优的生产调度计划。因此,研究时间扰动下的炼钢-连铸智能重调度方法对钢铁生产工业仍然具有理论和实际意义。

面向航天器观测规划的改进混合重调度策略研究

为解决不确定性条件下航天器观测规划的重调度问题,对重调度请求的响应策略进行了研究分析。首先分析了现有重调度策略的特点,进而针对其存在的弊端,在引入BP神经网络的基础上,设计了基于最小间隔的改进型混合重调度策略。算例的计算表明,应用改进后的混合重调度策略,不仅能适应环境的动态变化,获得满意的调度结果,而且能有效地降低重调度的次数,验证了该方法的有效性。

响应随机扰动的受影响工序重调度方法研究

研究用于job shop调度问题的不同生产扰动下的重调度控制方法——受影响工序重调度方法,首先给出受影响工序重调度的基本原理,然后介绍受影响工序重调度方法的算法过程,并给出对重调度方法进行测量的性能指标函数,最后对一案例进行了测试分析,结果表明所提出的重调度控制方法能响应随机扰动,重新产生优化的新调度方案指导生产。

炼钢-连铸生产优化重调度方法

炼钢-连铸生产过程中存在扰动,致使很多时候生产不能按原调度计划进行,需要进行重调度.重调度时存在正在生产的炉次计划,因此重调度问题比静态调度问题更具有复杂性.将具有相同精炼重数的炼钢-连铸生产重调度问题归结为一个复杂的混合Flow Shop调度问题,考实际生产约束,以最小化最大完成时间为目标建立了重调度模型,采用了启发式规则和遗传算法相结合的优化方法求解.利用实际生产数据对重调度方法进行了验证和分析,结果显示了重调度方法的有效性.

基于模糊推理的半导体生产重调度策略研究

半导体生产重调度策略重点解决重调度的判定和重调度方法的选择,鉴于这两类问题中都涉及到大量随机和不确定因素,提出一种基于模糊Petri网模型的模糊推理方法。首先定义了由七类元素构成的面向重调度策略判定的模糊Petri网模型,继而详细讨论了基于该模糊Petri网模型的模糊推理过程。最后,以实际半导体生产线为背景,针对因设备故障引发的重调度问题,运用文中所提出的方法进行推理,说明了该方法的可行性。

作业车间排序重调度问题及其改进修复约束满足算法

作业车间往往因出现新作业而需要进行重调度。为尽量减少由重调度带来的计划变更,除了优化原有的性能指标外,还应减小重调度结果与原排序之间的差异。由此,提出一种双目标优化模型。为方便求解,将模型进行了分解,构建了可以分步求解的分级模型。对分级模型提出改进的修复约束满足算法(修复法),通过采用新的变量表示形式,设计了变量排序的启发式算法,并采用变量互换启发式算法,以保证全局搜索性能。以90个作业车间标准算例为基础,设计了重调度算例,并与现有代表性的第二代非支配排序遗传算法优化结果进行了对比,结果表明在相同运行时间下,所提算法更具优越性。

基于局部性修复的HFS机器故障重调度

针对机器故障下的HFS重调度问题,提出了重调度前后调度方案在时间安排和机器指派上的一致性度量方法,从约束变化的角度建立其动态约束满足模型。模型能够反映工件对重调度前后调度方案的一致性具有不同要求的实际情况。针对问题的模型及其特点,提出了基于局部性修复的重调度算法。仿真实验表明,本文提出的模型和算法是有效的。

基于双层遗传编码的柔性作业车间自适应重调度研究

针对不确定环境下的柔性作业车间调度,设计了能适应订单异动、操作延时和机器故障等3种常见扰动类型的重调度方法。通过设置可用机器集和操作时间等基本参数,制定各扰动单独或组合发生后基本参数的更新策略,建立了面向3种不确定扰动类型的自适应重调度框架;结合工序码和机器码形成了一种双层染色体编码,该编码能有效表征上述系统参数,实现自适应重调度;利用遗传算法,通过选择算子寻优及交叉变异算子的种群拓展实现全局优化。400个具有不同规模的实例证明了该重调度方法所得方案可信,计算时间可控,能有效应用于生产实际。

就绪时间受限的负荷单机环境下返工工件重调度方法

研究了返工工件的单机重调度问题.在初始调度中初始工件带有不同的就绪时间,优化目标为最小化初始工件等待时间和;重调度时在满足每个初始工件最大等待时间约束情况下安排返工工件的生产,优化目标为最小化所有工件等待时间和.文中首先建立了RRSM(Rescheduling for reworks on single machine)问题模型,并证明其为NP难问题.然后,提出并证明了三个RRSM问题性质,进而根据诸性质设计了求解RRSM问题的动态插入启发式(Dynamic insert heuristic,DIH)算法.证明了应用DIH算法能在多项式时间内求得两种特殊RRSM问题的最优解.最后,分析了DIH算法解的特点,给出了最优解的判定方法,并通过算例说明了DIH算法的有效性.

基于改进模糊Petri网的制造车间重调度策略优化研究

针对不确定环境下制造车间的重调度策略问题,结合人工智能互补融合的思想,提出了一种基于模糊Petri网与云理论的重调度策略优化方法。在分析制造车间生产过程中常见不确定性因素的基础上,对引发重调度的扰动类型进行了定义,提出了一种包含普通变迁与决策变迁的模糊Petri网模型;考虑到渐变型生产扰动的模糊性与随机性,将决策变迁的阈值泛化为区间值,结合X条件云定义了模型触发条件及运行规则。最后,以某型号变速箱装配车间为例进行仿真实验,仿真结果表明该方法具有实用性和有效性。

机器故障下加工车间优化重调度方式预测

为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。