不确定需求和能力约束下的多目标多工厂生产计划

针对多个具有供需关系的制造工厂和多个地域分散的客户组成的供需网络,研究了不确定需求、生产能力和运输能力条件下的多周期多目标生产计划方法,决策变量为每个周期上工厂的生产计划及工厂间的运输计划,优化目标为最大化总利润与最大化任意客户的平均客户满意度。利用模糊数描述不确定参数,在建立问题的混合整数规划模型后,将此模糊数学模型转化为最大化满意度的加权和模型,并提出了禁忌搜索与后向启发式方法相融合的B-TS算法。计算实例证明,B-TS算法能够有效获得多目标多工厂生产计划。

分布式多工厂、多分销商的供应链生产计划模型

描述了分布式多工厂、多分销商的供应链生产计划 ,以实现最小化提前 /拖期惩罚费用、生产成本、产品运输费用的总额为目标建立了模型 ,通过模型转换 ,求解得到了其生产计划调度方案 .

基于禁忌搜索的平行机多工厂供应链调度

提出一类平行机多工厂供应链调度问题,从整体的角度优化订单分配、生产调度和运输调度。以交货期限内完成所有工件的生产和运输总成本最小化为目标,构建了问题的混合整数规划模型。设计了一种基于向量组编码结构的禁忌搜索算法以求解该问题。使用供应链调度策略和独立决策策略分别对算例进行求解,数据结果验证了供应链调度策略的优越性。禁忌搜索算法结果与CPLEX的求解结果对比表明,禁忌搜索算法有效可行。

基于粒子群算法的分布式多工厂批量计划问题研究

研究了分布式多工厂协同生产的约束批量计划问题,以产品的生产成本、库存成本、调整准备成本和运输成本之和最小为目标,构建了生产能力有限情况下的数学模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程。对典型算例进行了仿真,并与LINGO软件的求解结果进行了比较,结果表明粒子群算法方案的有效性和可行性。

基于两级遗传算法的多工厂供应链批量计划问题

研究了分布式多工厂协作生产的供应链的约束批量计划问题 .以最小化项目的生产成本、库存成本与运输成本之和为目标 ,建立了加工能力受限情况下的数学规划模型 .通过分解问题模型 ,提出了基于两级遗传算法优化的求解策略 .对典型算例进行了仿真 ,并与分枝定界法的求解结果进行了比较 .结果表明 ,此方案是有效的、可行的 .

软计算求解分布式多工厂单件制造业的提前/拖期生产计划问题

描述了分布式多工厂单件制造企业准时化生产计划问题 ,以实现最小化提前 /拖期惩罚费用、生产成本、产品运输费用之和为目标建立了 0 - 1规划数学模型 ;设计了基于模糊规则量化的方法求解模糊决策 ,并将模糊决策嵌入到遗传算法中的软计算方法求解模型 ,使得算法具有比分枝定界法更快速的寻找优解的能力以及更广泛的适应范围 .

分布式多工厂单件制造企业提前/拖期生产计划研究

描述了分布式多工厂单件制造企业交货期下的提前 /拖期生产计划 ,以实现最小化提前 /拖期惩罚费用、生产成本以及产品运输费用之和为目标 ,建立了 0 - 1规划数学模型 ,利用分枝定界算法得到了生产计划调度方案。计算结果证明了模型的有效性。

分布式多工厂制造/再制造生产计划的优先模型

再制造作为一种新兴制造模式,其生产计划的制订远比传统制造方式复杂。文章研究具有分销中心和回收中心的分布式多工厂闭环供应链的生产计划问题。该闭环供应链涉及废旧产品的回收、拆卸,制造和再制造过程组成混合系统。为实现整个系统运作的总成本最小化,构建制造/再制造生产计划的混合整数规划模型。最后构造算例,运用分支定界法,借助lingo软件进行求解,计算结果说明了模型的有效性和可行性。

多工厂环境下考虑个体利益的多目标协同生产计划模型及算法

针对由多个工厂组成的分布式系统,考虑不同工厂的个体利益诉求,构建了多目标协同生产计划模型.在该模型中,以最大化整体收益作为第一个优化目标;同时,基于亚当斯的公平理论,利用偏离系数法,以最小化个体收益平衡偏差作为第二个优化目标.结合模型结构特点,基于快速非支配排序遗传算法,设计了相应的求解过程.最后,通过一个算例验证表明,本文设计的计划模型和求解方法,不仅可以从网络集成角度协调各个工厂的生产、库存和运输活动,而且能够实现整体利益和个体利益非一致性的最小化.

混合帝国竞争算法求解带多行程批量配送的多工厂集成调度问题

针对供应链中一类广泛存在的带多行程批量配送的多工厂集成调度问题(Multi-Factory Integrated Scheduling Problem with Multi-Trip Batch Delivery,MFISP_MTBD),建立其数学模型并提出基于贝叶斯统计推断的混合帝国竞争算法(Hybrid Bayesian statistical inference-based Imperialist Competitive Algorithm,HBICA)进行求解.根据MFISP_MTBD问题特性,结合多行程标签机制设计新型编解码策略,并基于该策略构造新型启发式规则以提高初始解的质量.为有效保留优质解的模式信息,采用贝叶斯概率模型学习机制替换标准帝国竞争算法中的同化机制.为更加明确地引导搜索方向,算法每代均利用各帝国中的精英国家(即精英解或个体)重构贝叶斯概率模型,进而对其采样生成新种群.利用9种有效邻域操作动态构造各帝国中每个国家的局部搜索,并对由各帝国内部相邻国家间竞争所确定的强势国家(即获胜国)执行其局部搜索,进而对各帝国中的殖民国家(即该帝国内的最强国家)依次执行所有弱势国家的局部搜索.仿真实验和算法比较验证了所提算法可有效求解MFISP_MTBD.

分散式多工厂资源调度中的一种理性策略

为提高多工厂资源调度的效率,更好地解决特殊产业面临的生产资源和维护资源匮乏的问题,提出了理性的GD2报价策略。将其应用于连续双向拍卖机制,用分散式的方法实现了多工厂资源的高效调度。GD2策略是一种包含价格和数量的二维报价策略,Agent通过建立自信函数计算最大期望利润调整报价。实验结果表明,在多工厂资源调度中GD2策略可以实现较高的资源调度效率,整体平均效率达到92%。

面向订单的航空制造业多工厂生产与运输综合计划模型

在多个异质性离散型生产工厂的航空零部件集成制造环境下,以最小化生产与运输总成本为目标,研究了订单的分配以及零部件加工和成品装配、产品运输的综合计划制定问题,构建了整数规划模型。所建模型既不需要单独引入订单分配决策变量,也不需要在生产量和运输量的决策变量中添加订单维度,而是通过成品配送约束解决了订单分配决策问题,大幅度减少了决策变量数量,显著降低了模型的复杂度,提升了模型的实用性。以某航空制造企业为例验证了模型的有效性。

面向ATP的多工厂订单决策与生产计划集成优化模型

结合ATP的思想,以按订单生产的具有分布式多工厂的企业为背景,同时考虑各工厂地理位置、生产能力、库存限制、运输能力与客户满意度等因素,建立了面向ATP的多工厂订单决策与生产计划集成的优化模型,并通过模型性能实验,分析了企业计划周期、调度间隔期等参数对企业利润的影响.

基于改进粒子群算法求解分布式多工厂生产调度问题

为解决分布式多工厂生产调度问题,将其转化为分布式柔性车间调度问题,设计了基于二阶振荡的随机权重混合粒子群算法,以最小化、最大完工时间为目标,将柔性作业车间调度问题嵌套于分布式调度方式中进行求解,利用随机权重来平衡全局和局部搜索能力,运用学习因子的二阶振荡提高全局搜索能力,并通过算例仿真验证了该算法的有效性和优越性。

不确定环境下的网络型多工厂协作生产计划模型

针对网络化制造环境下的多工厂生产制造模式,建立了一种成本参数、客户需求和机器能力均不确定环境下的网络型多工厂协作生产计划模型。这个模型考虑了各工厂之间的供需关系,以及各工厂的相关成本参数、劳动力水平和机器能力等因素,以最小化总生产成本为优化目标。其中不确定参数以区间数表示,运用区间优化方法将不确定环境下的网络型多工厂协同生产模型等价清晰转换并求解。为了说明这种模型的可行性,文末列举了一个生产实例加以验证。

一般成本环境下分散式多工厂资源调度

研究多工厂一般成本结构特征,即工厂含有固定成本和单位成本,提出了一种分散式多工厂资源调度方法,该方法使用基于连续双向拍卖市场机制的ZI2策略.ZI2策略是一种包含价格和数量的二维报价策略,agent采用该策略在给定价格范围内随机提交报价.模拟实验结果验证了ZI2策略可以实现较高的调度效率,整体平均效率达到90%.

融合决策树的分布式多工厂协同生产调度方法

在分布式多工厂协同生产调度优化问题中,需同时考虑工件在工厂间柔性分配与工件在工厂内柔性调度2个阶段的优化。建立以制造总成本与提前/延期为优化目标的分布式多工厂调度模型,提出一种融合ID3决策树的高斯粒子群优化嵌套寻优算法框架。该框架将各工厂内部独立的调度优化嵌套于工厂间分配寻优过程,并引入精英保留策略提高算法寻优性,将ID3决策树技术融入外层寻优粒子生成过程来降低外层寻优的随机性。通过仿真验证算法在寻优性、收敛性和CPU时间方面的优越性。

具有厂内和厂间水道的多杂质多工厂水网络设计

采用浓度势概念,研究了具有厂内和厂间水道的多杂质多工厂水网络设计。首先设计无任何水道的多工厂水网络。将上述网络的用水过程分组为:只使用新鲜水的过程、使用厂内水道的过程和使用厂间水道的过程。首先执行使用新鲜水的过程,其他各组根据其浓度势由小到大的顺序依次执行,通过迭代计算,得到最终设计。通过两个案例详细介绍了设计方法。结果表明本文方法设计出的水网络与文献方法相比具有新鲜水消耗量少、结构清晰的特点。另外,本文方法具有明确的工程意义。

离散制造业多工厂MES应用研究

在大型离散制造行业里,因产品结构复杂,零部件品种和数量众多,生产工艺复杂,通常包括机加、焊接、冲压、锻铸、热处理、表面处理和装配(部装、总装)等多种工艺,在组织生产时,一般根据零部件类型或工艺类型将资源组合形成多个分厂(车间)进行生产管理,比如机加分厂、焊接分厂、锻造分厂、铸造分厂、热处理分厂、表面处理分厂、板冲分厂、部装分厂和总装分厂等。在同一个分厂内,零件从一个加工单元到另外一个加工单元进行工序加工;在不同工艺类型的分厂与分厂间,零件从一个分厂到另外一个分厂进行不同工艺类型的工序加工。针对一个企业有多个分厂的离散型制造企业,按单一分厂实施MES的方案已经不能满足信息化建设的需求,而是要考虑在同一企业内多个分厂的MES如何整体实施。就如何在同一企业内构建多分厂MES,多分厂MES的架构及多分厂MES的核心功能,做一些经验分享,给相关企业一些参考。

考虑数量折扣的多工厂制造/再制造协同生产计划

针对由多个制造/再制造工厂组成的分布式系统,从网络集成角度考虑各个工厂的核心零部件物料需求计划、主生产计划和产品运输调度问题,构建了基础的协同生产计划模型。并基于不同的折扣策略,通过构建分段折扣率、订购资金和交付数量约束条件,将协同生产计划模型分别拓展到全单位数量折扣和边际数量折扣的情景。结合模型结构特点,在自适应遗传算法中设计了一类启发式规则,最大限度的降低约束违反的程度和出现概率,提升算法求解性能。最后,以一个发动机多工厂协同生产系统为数值算例,对计划模型及其配套求解算法进行验证。