一种Job-Shop装配调度算法的研究

针对产品装配任务的调度问题，提出了一种产品装配任务调度算法，经实例验证，取得了满意的效果．

基于离散变邻域蜉蝣优化的装配作业车间调度算法

由于受到疫情影响,企业迫切地需要通过升级改造自动化柔性生产线来实现降本增效。在这一背景下,装配作业车间调度问题(Assembly Job Shop Scheduling Problem,AJSSP)再一次成为学术界和企业界的研究热点。AJSSP比普通作业车间调度问题多了一道装配阶段,故其存在前后工序相互制约和多机并行现象,问题求解也更加复杂。针对该问题,提出了一种基于离散变邻域蜉蝣优化算法(Discrete Variable Neighborhood Mayfly Algorithm,D-VNMA)的调度方法,主要工作如下:1)采用符合Lamarkian特性的编码解码机制,实现个体有效信息的迭代继承;2)使用Circle映射融合常见启发式算法初始化蜉蝣种群,保证种群的多样性;3)加入新的邻域探索策略,采用多种不同的邻域结构和搜索策略的差异组合,增加搜索方案的多样性,提高寻找局部最优解的搜索效率;4)提出改进的雌雄蜉蝣交配策略,提高算法全局探索能力,加快算法整体收敛速度。在实验过程中,通过试验设计(Design of Experiment,DOE)方法获得D-VNMA的最佳参数设置,并在不同规格AJSSP算例数据上将D-VNMA和其他算法进行比较。实验结果表明,D-VNMA得到最优解的概率提升了30%,且收敛效率最高可提升62.15%。

基于右移修复编码方法的装配作业车间调度算法

针对智能优化算法求解装配作业车间调度问题时存在的基于工序的编码方法无法保证解的可行性问题,提出一种右移修复编码方法。该编码方法通过特定区域的右移操作,既能满足产品的装配关系约束,保证算法迭代时解的可行性,又能保证修复过程中底层工序的相对顺序不变,尽可能减少对原始解的破坏,提高初始解的多样性,实现对解空间的高效搜索;针对编码解设计了一种基于块的插入变异算子,以扩大解的搜索范围;最后,在经典遗传算法中使用了该编码方法和变异算子,并与已有算法进行对比,验证了所提方法的有效性。

改进鲸鱼算法求解分布式装配柔性作业车间生产与配送联合调度问题

针对一类先加工后装配的离散生产模式,研究分布式制造环境下的装配柔性作业车间生产与配送两阶段联合调度问题。结合实际的生产情况,考虑供应链下生产与配送过程所产生的库存成本,以最小化生产和配送的总成本为联合调度优化目标,提出一种改进鲸鱼算法。针对联合调度的多阶段调度过程,设计了一种基于工序、产品、工厂、机器和车辆的五层编码策略;根据各阶段的特点提出了相应的混合种群初始化策略,以提高解的质量;以加强种群中领头鲸鱼个体与普通鲸鱼个体的联系为导向,改进了鲸鱼觅食的搜索操作并提出四种邻域结构,以增强算法的全局探索和局部搜索能力。最后,通过仿真实验,对比相关研究领域的多种算法来验证所提算法在收敛速度和求解质量等方面的优势,并且将联合调度与分阶段调度进行实验对比,验证了联合调度的优越性。

多层级装配作业车间分批调度算法设计与分析

多层级装配作业车间调度是一类包含加工与装配的双阶段调度问题,装配产品具有不同的树状结构,且各层级的装配工序需要直属零部件完工方可执行.分批调度可以提高车间生产流动性,故而被运用在作业车间调度等领域.装配作业车间分批调度需要解决关联零部件及其下属子批的进度协同性问题,为此建立了多层级装配作业车间的分批优化调度模型,以最小化拖期成本与库存持有成本为优化目标.出于求解效率考虑,构建基于遗传算法与优先分派规则的混合求解算法以应对批量划分与排序两个子问题.最后,设计仿真实验验证分批调度算法的有效性,并分析评估在8种作业分派规则、3类分批策略下混合算法对于差异化产品结构的适应性.通过分析实验结果发现,等量分批策略可以在给定条件下有效提升混合算法的调度性能.

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境,综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性,构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型,提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后,将所提出的算法与其他算法进行了对比试验,结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。

基于可行域遗传算法的装配作业调度

为了对装配环境下的车间作业进行调度,提出了一种基于可行域搜索的遗传算法。为保证算法在进化过程中染色体始终保持合法性和可行性,在种群的初始化、交叉和变异等阶段,分别设计实现了首代修复算子、可行域交叉算子和可行域变异算子。可行域交叉算子和可行域变异算子的设计组合实现了算法的可行域搜索,减小了搜索空间,省去了复杂的解码修复操作,提高了求解效率,为解决复杂的装配车间调度问题提供了有价值的参考。通过与简单规则、禁忌搜索、普通遗传算法实验结果的比较,验证了所提算法的合理性和优越性。

知识化制造环境下航空发动机装配线调度及自重构

航空发动机装配工序数量多、工序间装配约束复杂.当产品需求变化时,人工调整存在响应速度慢、装配效率低等问题.以最小化产品完工成本、工序提前期惩罚成本及班组重构成本加权和为目标,建立了航空发动机装配线调度和装配班组自重构优化模型.提出一种新的基于工序局部最优排序的分解算法,将调度问题分解为单个装配组上工序顺序优化问题.设计了一种工序后向插入搜索策略.最后提出装配线调度及自重构集成优化算法.通过数值试验,验证了模型与算法的有效性.

含装配约束的作业调度问题及遗传解码算法

传统上加工与装配是分开研究的,而且很少涉及作业装配问题.为此,描述了一种包含加工与装配的作业调度问题.利用FT10基准调度问题的工序数据构造了调度问题及其产品结构.初步进行了以经典作业调度问题(JSSP)为对照的研究.采用基于字符串直接解码的遗传算法,解决了染色体对应不可行调度解的问题.仿真实验验证了遗传解码算法的可行性和有效性,而且进一步表明装配约束改变了JSSP;近优值2046也优于关键路径规则算法的结果.

基于设备可用时间约束的装配作业车间调度规则

为开发自动和手控设备混合的装配作业车间启发式调度算法,设计了装配作业和设备特性相结合的生产调度规则。分析了自动和手控设备的运作特性,以及设备和作业者的日可用时间约束对生产调度所产生的影响。首先以缩短工件平均流程时间和提高自动设备夜间运载率为目标,扩展了最短作业时间优先规则的内涵,设计了最短设备占有时间优先规则的系列;然后考虑了装配作业车间的装配特性,设计了将作业交货期最早优先规则与提出规则相结合的组合规则。经模具生产车间的仿真实验表明,所设计的组合调度规则对平均延期时间和其他相关评价指标具有较优的结果。

TFT-LCD模块组装调度问题的改进灰狼优化算法

随着半导体产业的快速发展产生了很多重要的生产计划问题,其中,TFT-LCD(薄膜晶体管液晶显示器)属于资金和技术密集型产业,面对激烈的市场竞争亟需提高生产力.提出一种改进灰狼优化算法求解以最小化最大完工时间为优化目标的TFT-LCD模块组装调度问题,针对该问题特点对基本灰狼优化算法进行了一系列改进,包括工序插入式方法解码,机器选择部分采用一种全局搜索、局部搜索和随机产生相结合的初始化方法,基于搜索的方法进行工序排序部分初始化,以及均匀交叉操作和进化种群动态操作.同时,对所设计的改进灰狼优化算法的计算复杂度和收敛性进行了分析.由于该问题与柔性作业车间调度问题(FJSP)比较相似,通过对FJSP问题的不同规模基准算例的仿真实验,验证了算法有效性.另外,通过对实际生产活动中的一个TFT-LCD模块组装调度问题的测试,进一步表明本文提出的算法解决真实TFT-LCD模块组装调度问题的实用性和有效性.

装配作业车间调度的免疫粒子群算法实现

装配作业车间调度问题(AJSSP)是一类重要的调度问题,由于其复杂性高和求解时间长,因此寻找高效的求解算法具有重要的意义。针对多层装配工序的作业车间调度问题给出3种求解方案:粒子群算法(PSO)、基于浓度抑制的免疫粒子群算法(IPSO)和采用“精英替代”策略的粒子群算法(EIPSO),并通过大量计算验证3种算法的优劣性。结果表明,IPSO优于PSO和EIPSO。IPSO由于免疫算法的加入,避免了PSO算法中高浓度粒子的过度复制和过早收敛,提高了全局搜索能力,能更好地求解装配作业车间调度问题。

变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题。首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周期性滚动遗传算法。前者能快速协同各关联任务,但其决策分散,缺乏全局优化力度;后者进行全局周期决策,但扰动将导致性能的下降。最后构建了一般化的仿真模型,并设计了大量的比较实验,分析了不同综合扰动强度对两种调度策略的影响,为实际生产调度策略选择提供了有效的依据。

超启发式交叉熵算法求解分布式装配柔性作业车间调度问题

本文针对一类新型两阶段分布式装配柔性作业车间调度问题(DAFJSP),建立问题模型,以最小化最大完工时间为优化目标并提出一种超启发式交叉熵算法(HHCEA)进行求解.首先,设计基于工序序列、工厂分配和产品序列的三维向量编码规则和结合贪婪策略的解码规则,同时提出4种启发式方法以提高初始解的质量.然后,设计高低分层结构的HHCEA,高层为提高对搜索方向的引导性,采用交叉熵算法(CEA)学习和积累优质排列的信息,其中各排列由结合问题特点设计的11种启发式操作(即11种有效的邻域操作)构成;低层为增加在解空间中的搜索深度,将高层确定的每个排列中的启发式操作依次重复执行指定次数并在执行过程中加入基于模拟退火的扰动机制,以此作为一种新的启发式方法执行搜索.最后,通过仿真实验与算法对比验证HHCEA可有效求解DAFJSP.

多层级装配作业车间等量分批策略与调度算法

针对多层级装配作业车间中差异化零部件的加工装配进度协同极为困难的问题,通过零部件合理分批来提升车间的流动性,进行更灵活的进度协同并缩短生产周期,给出了此类车间最小化Makespan的分批调度模型;提出加工/装配阶段的分批策略,以及基于可行域搜索的改进型遗传算法,其初始种群生成及交叉变异考虑了批量变化带来的约束动态性,能够始终保证进化过程中染色体的合法性。通过实验验证了算法的基础性能,揭示了4种分批策略对不同产品结构的适应性,并验证了协同复杂性导向策略的效果。

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。

优化交货可靠性的装配作业车间分批调度

装配作业车间生产多规格小批量装配型产品,通常具有差异BOM结构,主要由客制零件组成,但同规格产品仍然包含一定比例的可互用零件,每类零件具有一定批量。此类车间分批调度需要最优化零件类的批次分割和子批加工序列。考虑客户对高交货可靠性的需求,构建了基于最优化交货可靠性为决策优化目标的分批调度数学模型,建立了基于遗传算法和优先级分派规则的混合求解算法。最后通过仿真实验分析和验证了所提方法的有效性。

机器故障的柔性加工与装配作业车间分批联合调度算法

针对传统的加工与装配分阶段独立调度中资源利用率不高的问题,将加工与装配联合同时进行调度。在考虑工件批量和批次的前提下提出一种改进遗传算法求解该问题,以最小化最大完工时间为优化目标建立数学模型,根据问题特性提出一种工件末工序前移的邻域结构,提升了算法的局部搜索能力进而改善整体求解质量。设计了一种基于装配设备负载均衡的混合贪婪解码方法,完成了装配设备选择。考虑到实际车间中机器故障的特点,提出了相应的响应策略和染色体更改规则,解决了动态调度问题。最后通过算例分析验证了所提算法和策略求解该问题的可行性和有效性。

基于改进量子遗传算法的重型装备生产调度研究

针对机械工厂(车间)中存在的重型装备加工与装配集成调度精益性不足的问题,在研究了多产品综合作业调度的基础上,提出了一种改进量子遗传算法,以提高重型装备生产的精益化程度。以加工成本、精准交付、跨车间转运次数为目标,构建了多产品综合作业调度优化模型;结合产品加工与装配特点,设计了基于装配约束的编码方式;为避免量子遗传算法陷入早熟,将其与局部搜索能力较强的模拟退火算法结合,设计了改进量子遗传算法(SQGA),提高了全局搜索精度;同时,设计了自适应旋转角,使种群收敛速度更加平稳;采用MATLAB对综合作业调度算例和生产实例进行了仿真。研究结果表明:改进量子遗传算法平均收敛代数减少18.6%,平均最优解占比增加26%,具有更好的收敛效果和求解精度;在生产实例中,采用该算法可使加工成本减少7.8%,跨车间转运次数减少30.4%,产品达到精准交付,提高了机械工厂(车间)重型装备生产调度的精益性指标。

基于GEP的装配作业车间调度复合派工法则研究

派工法则是求解作业车间调度问题的一种简单有效的方法。针对一种装配作业车间调度问题建立仿真模型,并通过基因表达式编程(Gene expression programming,GEP)算法自动产生并搜索最优的派工法则。仿真模型结果表明,在最小平均流程时间和最小平均绝对偏差两个目标函数下,GEP算法都能够找到比现有常用的派工法则更好的解,在计算时间和求解质量方面也都具有优势,并且有较强的鲁棒性。具体设计上,构造属性筛选机制以减少搜索空间,提升搜索性能,采用动态自适应算法提高GEP的搜索效果,通过仿真试验构建不同的生产环境证明了所提算法的有效性。