采用新编码GA的工艺规划与车间调度集成优化

为了实现以完工时间最短为目标的工艺规划与车间调度集成优化,提出了基于新编码遗传算法(Genetic Algorithm,GA)的集成优化方法。对工艺规划与车间调度集成优化(Integrated Process Planning and Scheduling optimization,IPPS)问题进行了描述,并建立了完工时间最短的集成优化模型;设计一种具有最大柔性空间的染色体编码方法,从编码角度保证了集成优化问题的最大柔性度;根据IPPS问题特定约束改进了交叉变异方法,保证遗传操作前后均为可行解,使算法迭代均为有效迭代;进而制定了基于新编码遗传算法的IPPS问题求解流程。经Kim算例验证可知,与现有先进算法两阶段混合算法(Two-stage Hybrid Algorithm,THA)、改进蚁群算法(Enhanced Ant Colony Algorithm,EACA)和混合遗传算法(Hybrid Genetic Algorithm,HGA)相比,新编码GA在小规模、大规模生产情况下集成优化方案的完工时间均最小(分别为343、344、372、320、427及432 min),实验结果验证了新编码GA在IPPS问题求解中的可行性和先进性。

面向低碳的工艺规划与车间调度集成优化

为更好地减少制造过程中的碳排放,弥补将工艺规划与车间调度分开碳排放优化时忽略了工艺规划方案中加工方法和工艺路线对调度阶段各工序加工机床分配方案、搬运距离以及工件加工顺序的影响,提出一个集成优化工件各特征加工方法、工艺路线、工件加工顺序以及各工序的机床分配,以实现制造过程碳排放和最大完工时间最小的多目标集成优化模型;针对集成优化模型中优化参数较多且相互影响的特性,提出一种前后相关联的四段式编码方法,采用NSGA-II算法求解,通过将所得的集成优化结果与先进行面向低碳的单目标工艺规划优化,再进行面向低碳的多目标车间调度分开优化结果进行对比,说明提出的集成优化模型可以得到更低的制造过程碳排放和完工时间,从而验证了集成优化模型的有效性。

蚁群算法在工艺规划与车间调度集成优化中的应用

为了解决工艺规划与车间调度集成(IPPS)问题,提出了一种改进的蚁群优化(ACO)算法.通过节点集、有向弧集、无向弧集,构建了一种基于图的IPPS优化模型.以零件加工时间作为启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效地解决工艺规划与调度集成问题,为企业生产提供借鉴.

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解质量和效率。通过节点集、有向弧/无向弧集、AND/OR关系,建立了基于AND/OR图的工艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质量。仿真结果证明了该算法的有效性。

集成工艺规划与车间调度的节能优化方法

为了在柔性作业车间制造过程中实现节能优化,从工艺规划与车间调度集成的角度,提出了集成工艺规划与车间调度的节能优化方法,以降低作业车间的能耗。首先,提出了车间能耗计算方法,构建了以总能耗和完工时间最小的优化目标模型。其次,提出了一种改进的灰狼优化算法,采用一种四层编码方式,设计了新的种群更新方法,并引入交叉算子,对调度模型进行求解。最后,通过作业车间实例验证了上述模型的节能潜力及改进算法的可行性。

改进蜉蝣算法求解工艺规划与调度集成问题

针对工艺规划与调度集成问题(IPPS),基于AND/OR析取图和“组合”的概念以最小化最大完工时间为优化目标建立数学模型;设计一种整数编码方案,该方案无需预先为工件生成加工路径,可同时处理工艺规划与调度问题,由于初始解对算法的寻优能力的影响,在种群初始化时考虑机器的负荷以提高初始种群的质量;解码时采用插空的方法生成活跃调度,以缩短工件整体的加工时间;离散蜉蝣算法实现求解IPPS,采用Metropolis准则接收较差的解,引入自适应因子提高算法的收敛速度,设计局部搜索算法提高算法的精度。最后通过大规模基准算例进行实验并与其他算法对比分析,验证该算法有较好寻优性能。

机器人制造单元集成式工艺规划与调度方法

文章针对机器人制造单元集成式工艺规划与调度(RMC-IPPS)问题,并考虑其加工次序柔性、加工柔性及工序柔性,提出了一种多层级线性编码的方法,该方法能有效地将RMC-IPPS问题的解用简单的数据结构表示,并实现对问题的整体求解。同时,针对毛坯件/半成品在单元中的转运问题,设计了一种基于贪婪思想的机器人调度策略,该策略每一步都选择当前的最优状态,使生产周期尽量不因搬运工序的存在而产生过多延滞。最后,设计出一种基于外部档案库的NSGA-Ⅱ算法(M-NSGA-Ⅱ),该算法通过外部档案库对非劣解进行二次搜索,以避免种群多样性趋于单一,并通过基准实例与实际生产应用算例对所提方法进行验证,并将改进后的算法与其它算法进行对比。结果表明,相较标准NSGA-Ⅱ算法,M-NSGA-Ⅱ算法的覆盖率为100%;相较文献中的算法,M-NSGA-Ⅱ算法具有更高的覆盖率。

阀类零件的工艺规划与车间调度研究现状及进展

在阀门制造中,工艺规划和车间调度是至关重要的两部分。随着工厂对阀门生产过程的个性化需求不断上升,将车间调度和工艺规划相结合势在必行。因此,集成式工艺规划与车间调度应运而生。文章探讨了阀门零件制造领域中集成式工艺规划和车间调度的最新研究现状、热点和前沿技术,分析了当前存在的问题,并展望了未来的发展方向。通过比较国内外研究情况,揭示了各自的发展水平和研究重点。研究结果表明,阀类零件制造领域中集成式工艺规划和车间调度的结合可以极大地提高阀门的生产效率,也能提升阀门生产工序的灵活性。

学习驱动的分布式异构混合流水车间批量流能效调度优化

本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.

工艺规划与车间调度集成研究现状及进展

首先阐述了传统制造系统存在的问题以及研究工艺规划与车间调度集成的必要性。综述了目前工艺规划与车间调度集成及其扩展问题(集成模型、优化算法)的研究现状。在总结了当前研究工艺规划与车间调度集成问题多种研究方法的基础上,指出了当前工艺规划与车间调度问题研究中存在的问题、可能的解决途径以及发展趋势,并指出了几个有代表性的研究方向。

多目标集成式工艺规划与调度问题的求解与决策

将工艺规划与车间调度进行有效的集成是解决制造系统中工艺规划与车间调度过程分开优化时设备利用率低以及生产效率差的问题的主要途径。为了实现绿色低碳制造,首先以制造过程中的碳排放最小化、最大完工时间最小化、总拖期时间最小化为优化目标,基于非线性工艺规划的原理,建立多目标集成式工艺规划与调度模型;然后采用NSGA-Ⅱ遗传算法进行求解,优化得到Pareto最优解集;并提出利用基于熵权法的TOPSIS决策方法从Pareto最优解集中选出最佳工艺路线与调度方案。最后结合案例,验证了该模型及求解过程的有效性,并为实际生产过程中车间调度方案的决策提供了依据。

工艺规划与车间调度及两者集成的研究现状和发展趋势

工艺规划与车间调度是连接产品设计与制造过程的两个重要环节,介绍了工艺规划和车间调度的主要任务及两者的关联关系。概述了计算机辅助工艺规划的研究发展历程,总结了计算机辅助工艺规划的主要研究方法,指出当前研究存在的不足;从车间静、动态调度实现方法两方面综述了车间调度问题的研究概况。同时,分析了工艺规划与车间调度独立串行研究存在的问题,指出对两者进行集成研究的必要性。在此基础上,从面向接口集成与面向功能集成对支持两者集成的模型进行了总结,并对静、动态工艺规划与车间调度集成优化实现方法的研究成果进行了综述。基于上述综述分析,给出了工艺规划与车间调度以及两者集成研究的发展方向。

工艺规划与车间调度复合式集成模型

为了有利于实现工艺与调度的集成规划,对支持两者集成的模型从面向接口集成与面向功能集成进行分类总结,指出这两类集成模型存在的不足。提出一个结合面向接口与面向功能集成的复合式集成模型,从初始规划层、匹配规划层和详细规划层三个层次对该复合集成模型进行了论述,建立了该复合集成模型的总体流程。以一个集成应用实例验证了该复合集成模型,总结了该集成模型的特点与优势。

面向工艺规划与车间调度的集成方法研究

面向工艺规划与车间调度的集成优化,构建了基于虚拟制造单元的资源调度组织模型。通过技术分析、资源分析和详细设计三阶段来进行工艺与调度的集成:技术分析阶段完成粗工艺路线的制定;在资源分析阶段对满足条件的制造资源进行优化集成;而详细设计阶段则引入了调度因子的概念,通过调度因子来进行工序与对应制造资源的匹配选择,制定最优的工艺路线和生产计划的排产。最后通过实例验证了该方法的有效性和可行性。

印制电路板组装工艺规划与调度集成建模及优化方法

针对印制电路板(Printed circuit board,PCB)组装工艺与调度集成优化问题,建立集成的优化数学模型,提出将多色集合(Polychromatic set,PS)与遗传算法(Genetic algorithm,GA)相结合的新的优化方法。利用多色集合的逻辑围道矩阵和数值围道矩阵建立集成优化问题的约束模型。将约束模型与GA的遗传编码、遗传操作和适应度值计算等结合,保证GA始终在有效的解空间中进行搜索。不仅能提高遗传搜索的效率,还可以通过约束模型的修改,动态描述设备故障和PCB组装任务变化等不确定因素的影响,使得算法具有良好的适应性。实例计算结果表明,该方法能高效地实现PCB组装工艺规划与调度的集成优化,缩短PCB组装完工时间,减少交货期延迟,平衡设备的工作负荷。

集成式工艺规划与车间调度的研究综述

阐述集成式工艺规划与车间调度(integrated process planning and scheduling,IPPS)在现代制造系统中的重要性;从工艺规划、车间调度、IPPS等方面进行问题概述;分别对IPPS、多目标IPPS、分布式IPPS问题的研究现状进行系统综述;总结IPPS已有研究所存在的问题,并对其发展趋势进行展望。

基于人工蜂群算法的柔性工艺与车间调度集成优化

为实现柔性工艺与车间调度集成优化,在考虑工件特征的加工工艺、次序及加工机器的柔性基础上,以最小化最大完工时间为优化目标,提出一种基于交叉变异的人工蜂群算法。该算法针对柔性工艺与车间调度集成问题的离散性特征,对工艺路线进行序列编码,工件调度采用基于工序的编码方式。通过工艺种群与调度种群的交叉变异操作,分别使采蜜蜂及观察蜂进行局部寻优,侦查蜂进行全局寻优,以此提高算法性能。在此基础上用两部分测试实例分别验证了集成研究的必要性及改进算法的有效性。

基于改进算法的工艺规划与车间调度的双目标优化模型

针对工艺规划与车间调度的集成问题,一般考虑以加工时间、加工成本和加工质量为优化性能指标,而对能量消耗等环境影响因素考虑不足。本文建立了工艺规划与车间调度的数学模型,以完工时间和能量消耗为优化目标,通过设置权重系数来调节优化目标倾向。采用改进的混合模拟退火与遗传算法对问题进行求解,利用遗传算法的全局搜索速度快和模拟退火的突跳性强的特点,结合回火机制,有效地得到了完工时间和能量优化结果。最后,通过实例仿真表明该方法具有可行性。

集成式工艺规划与车间调度问题研究现状及发展

集成式工艺规划与车间调度(IPPS)问题的研究对于制造系统整体性能的提高具有重要意义,综述与分析了近年来IPPS问题研究的发展现状。概述了IPPS的3种主要建模方法,分析了特定生产环境下工艺规划与车间调度进行集成的特殊性。从单目标优化与多目标优化两方面综述了IPPS求解方法的研究概况,分析了多目标IPPS求解方法研究中存在的问题。总结了不确定扰动下的IPPS问题及面向绿色制造的IPPS问题研究现状,分析了2种情况下IPPS模型构建和求解方法设计上带来的新问题。基于上述综述分析,展望了未来开展集成式工艺规划与车间调度问题研究的一些方向。

基于多agent的锻造生产工艺规划与车间调度集成研究

为实现锻造生产工艺规划和车间调度的有机集成,提出基于多agent的锻造生产工艺规划与车间调度集成模型。通过分析锻造生产特点,运用非线性工艺规划思想,将加工、锻造和热处理分开考虑。该模型采用合同网协商和黑板结构,实现agent之间的信息交互。仿真实例证明了该模型的可行性,为调度系统提供了多工艺方案,增加了调度的柔性,提高了车间资源利用率和生产效率。