考虑工件准备时间的Semi-Flow-Shop装配调度问题研究

提出一种类似于Flow-Shop调度问题(FSP)但又区别于FSP的Semi-Flow-Shop装配调度问题(SFSP),即在系列产品的装配中,某些产品可以跳过装配工艺中的几道工序而直接进入下道工序。根据实际情况,同时考虑了工件的准备时间及劳动力资源约束。针对该类问题,以最小化生产周期为目标建立数学模型,并设计了一种改进的双层自适应单亲遗传算法,实例证明该算法具有较高的有效性。

一种改进离散磷虾群的复杂产品装配调度算法

针对复杂产品装配车间调度问题,提出了一种改进的离散磷虾群(IDKH)装配调度算法。以工期最小化为调度目标,通过分析复杂产品装配工艺流程特点,建立了复杂产品装配调度模型。基于排列的编码方式和启发式规则的改进解码方式实现了调度解与种群个体之间的转换,并通过局部搜索和重启操作对标准磷虾群(KH)算法进行了改进,增强了算法的局部开采能力和全局搜索能力。采用正交试验方法分析了不同参数设置对算法性能的影响,确定了IDKH算法的最佳参数组合。基于标准实例对不同算法性能进行了比较,对比结果表明,IDKH装配调度算法在求解质量和稳定性上均优于遗传算法、分布估计算法、引力搜索算法和标准KH算法。

缩短空闲时间的动态装配调度优化控制

针对动态装配调度只考虑独立工序按大小排序插入空闲时间段中存在较大空闲时间段被较小独立工序占用浪费空闲时间的问题,提出了缩短其空闲时间的方法。通过对不同时刻开始装配产品的装配工艺图进行分析,将动态装配问题中的产品装配工序虚拟分为具有惟一紧前、紧后的相关工序和独立工序,并对关键设备上的独立工序和空闲时间段分别按大小排序,通过二者的比较结果,采取将独立工序插入到相应的空闲时间段中的装配方法,达到减少设备总空闲时间,并使总装配时间不超过或尽量少超过由关键路径工序确定的装配时间。实例验证表明,该方法不仅复杂度较底而且可缩短动态装配总时间。

面向大型激光装置的智能装配调度

针对大型激光装置精密装校过程中的智能装配调度问题,提出一种基于人工神经网络的调度优先规则获取方法。该方法离线阶段通过遗传算法对典型算例进行优化求解,从优化解中抽取任务比较轨迹及特征数据,采用人工神经网络学习生成任务优先模型;在线阶段基于该模型构建闭环调度决策模式,实现动态不确定生产环境下的快速响应与精准决策。数据实验和实际应用案例验证了该方法的有效性,随着光机模块数量增加,ANN调度算法的优势更加明显,ANN调度算法和GA算法二者优化结果小于6%时,前者的计算效率是后者的400倍以上。

基于多Agent协商机制的PCB装配调度系统

文中针对PCB装配调度问题设计了一个基于多Agent调度系统模型 ,给出了模型的体系结构与功能描述 ,系统将任务和优先权机制与基于合同网协议和KQML消息的竞标机制两者相结合 ,实现PCB装配的优化调度。详细介绍了多Agent之间的KQML消息通信机制 ,给出一个应用实例。

一个基于多Agent的PCB装配调度系统

PCB装配调度问题是一个JobShop调度问题。本文针对这一问题设计了一个基于多agent的调度系统模型,其最大特点是将任务的优先级调度机制与基于合同网协议的投标机制相结合。文章首先说明系统的调度过程和各个agent的功能;然后介绍多agent之间的KQML消息通信机制;最后举一个实例并总结系统的特点。

基于偏差预测的装配调度与设备维护联合优化

针对飞机装配过程中因设备衰退而出现质量缺陷导致项目进度延迟并产生额外成本的问题,建立了飞机装配调度与设备预防性维护联合优化的前摄式反应调度模型,设计了带周期性检查的视情维护策略,并提出基于支持向量回归(SVR)的质量偏差预测模型和改进个体进化灰狼算法(IGWO),用以生成前摄式反应调度计划。不同维护策略对比实验表明:周期性视情维护策略相较于对比策略能够获得更低的综合成本;不同算法的对比实验对算法性能进行比较分析,验证了IGWO求解该问题的有效性。

一个基于多Agent的PCB装配调度系统

PCB装配调度是一个jobshop调度问题。本文针对这一问题设计了一个基于多agent调度系统模型 ,系统的最大特点是将任务和优先权机制与基于合同网协议和KQML消息的竞标机制两者相结合。

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．

基于磷虾群-禁忌算法的复杂产品装配调度问题

针对航天复杂产品装配车间调度问题,提出一种改进的磷虾群-禁忌算法。首先,通过分析装配车间生产过程,建立以最大完工时间最小为调度目标的复杂产品装配调度数学模型;其次,在初始化阶段,通过对初始解进行优选和随机初始化相结合的方式来提高初始解的质量,并保证种群多样性,在解码阶段,利用基于排列和启发式规则的解码方式将种群个体调度解转化为调度目标,同时结合磷虾群(Krill Herd,KH)算法的全局搜索能力和禁忌搜索(Tabu Search,TS)算法的局部搜索能力来提高求解质量和效率;最后,利用正交试验法确定磷虾群-禁忌算法的最佳相关参数组合,并基于相关文献中的标准算例与不同算法进行对比,结果表明,磷虾群-禁忌算法在求解质量和稳定性上均优于其他对比算法。

飞机复合材料部件装配调度算法研究

以优化飞机复合材料部件装配顺序、缩短部件装配时间为目标,构建了复合材料部件装配调度模型,提出了一种启发式算法与禁忌搜索算法相结合的调度算法(HTA-AJSP),并对其进行了优化,通过采用变邻域搜索和禁忌规则,很好地避免了算法搜索陷入局部最优。通过分析与实例验证,并与启发式算法和局部搜索算法进行比较,所提出的算法在产品装配调度优化问题上取得了比较满意的效果,缩短了装配周期,提高了装配效率。

集成零件外协与共享决策的柔性装配作业车间调度研究

服务于多个主机厂的关键配套车间具有需求跟随性强、产品类型多、资源柔性程度高、生产负荷波动、关联零件难齐套等特点,其中涉及的生产调度、零件外协与齐套控制等决策问题存在紧密关联性,现有研究大多专注于单方面决策而弱化了其间关联性。为此,抽象出一类集成零件外协与共享决策的柔性装配作业车间调度问题,针对此类问题构建了混合整数规划模型,再结合问题特征设计了一类遗传迭代贪心算法,其将零件外协与共享决策分别集成到全局搜索能力强的遗传算法的编码和解码中,并与局部搜索能力强的迭代贪心搜索算法进行有效混合。从实际生产环境提取出一般化算例进行实验,各维度结果展示了算法的可用性和有效性,并通过设置差异化场景实验进行了算法的适应性分析。

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。

面向复杂产品装配过程的可视化生产调度技术

为解决复杂产品装配过程中出现的装配计划不合理、动态调度困难、过程监控和信息管理手段缺乏等问题,提出面向复杂产品装配过程的可视化生产调度技术。分析了复杂产品装配过程的特点,提出了基于工作流的装配过程可视化建模方法,并在此基础上建立了复杂产品装配调度模型。针对装配计划排产问题,提出了基于启发式调度规则的装配调度算法;针对装配过程中的扰动事件,提出了面向生产扰动的动态调度算法。提出了面向装配过程的可视化调度及信息管理方法,实现了装配过程的可视化监控、动态调度以及调度信息的组织与管理。通过实例验证了所提方法和技术的有效性。

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。

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法:应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。

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.

求解一类柔性装配流水车间调度问题的混合分布估计算法

针对生产装配车间广泛存在的一类带不同工序的柔性装配流水车间调度问题(Flexible Assembly Flow Shop Scheduling Problem with Different Process,FAFSSP_DP),提出了一种混合分布估计算法(Hybrid Estimation of Distribution Algorithm,HEDA),用于优化最大完工时间(makespan)。首先,以2维概率矩阵作为概率模型,进而构造一种基于变量相关性的概率模型更新机制,用于学习优良解对应变量间的相关关系信息和序关系信息,并以此对概率模型进行更新,使得算法的全局搜索具有较好的引导性;其次,引入带首次改进跳出策略的Insert邻域搜索来加强算法的局部搜索能力,从而有助于算法在全局和局部搜索之间达到合理平衡。仿真实验和算法的比较验证了HEDA的有效性。

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。

基于混流装配线调度问题的新颖蚁群算法

研究混流装配线调度问题,提出了一种用于求解该问题的新颖蚁群算法;该算法定义了适合求解该问题的信息素表示方法和更新公式,并结合解的质量定义了兴趣度;结合每代所产生的最优解构建知识库,并给出每个具体分配方案所占的次数比重;结合兴趣度和比重定义了经验概率因子;通过对具体实例进行求解,说明了算法的可行性;同时,针对同一实例,结果发现:如果迭代次数相同,则该算法求得的目标函数值小于Ant求得的目标函数值,且该算法求得的结果优于其他算法;可见,该算法解决问题的性能较优。