ETO生产排产订单插入方法与插单选择研究

订单插入是面向订单生产企业生产调度中的一个关键问题.本文分析了基于ETO的订单生产环境下订单插入的决策过程与关键步骤,建立了订单插入的程序框架,讨论了面对生产能力与资源有限的情况利用灰色关联分析方法进行插入订单选择的方法,并通过案例说明该方法的有效性与可行性.

考虑订单扰动因素的热轧重调度分布估计算法

热轧工序作为钢铁生产的核心环节,具有严格的生产连续性和复杂的产品工艺要求,而紧急订单的随机到达和紧急交货期要求会对生产连续性和质量稳定性产生不利影响。针对这类紧急订单插入的动态事件,提出一种热轧重调度优化方法。首先,分析了订单扰动因素对调度方案的影响,并以最小化订单拖期惩罚和板坯跳跃惩罚加权和为优化目标,建立了热轧重调度问题的数学模型。然后,设计了热轧重调度分布估计算法(EDA)。该算法针对紧急订单的插入式处理方式,提出一种基于插入位置的整数编码方案;结合模型特征设计了概率模型;并综合考虑目标与约束,定义了基于惩罚值的适应度函数。通过实际生产数据进行仿真实验,验证了模型和算法的可行性和有效性。

在线动态订单需求车辆路径规划

针对客户满意度和时间窗时域单一的问题,提出一种多时域分级方式衡量车辆配送进度,该设计细化普通时间窗时域,分成多个时域衡量车辆行进位置,算法方面,遗传算法(genetic algorithm,GA)与变邻域下降搜索算法(variable neighborhood descent,VND)的组合优化形式得到静态预优化路径最优车辆行进线路。动态调度周期中,现有贪婪订单插入算法(greedy order insertion algorithm,GOIA)搜索效率不高,提出一种改进后的贪婪订单插入算法(improved new greedy insertion algorithm,IGOIA),摒弃了GOIA随机插入路径的方式,最有原则的将订单插入到配送路径中去,将其与变邻域下降搜索算法组合优化(Genetic algorithm-Variable Neighborhood Descent,GAVND),对未服务的客户点进行局部优化。通过数学模型优化和求解算法改进,在统一平台上与IGOIA-GAVND、GOIA-GAVND与GOIA-GA2-opt的遗传算法改进形式进行对比试验,改进后的动态订单插入算法在不同规模的Solomon算例下,平均目标值降低了11%,算法平均计算时间降低了2.74 s,实例分析中,成本解分别节约了23%、31%、21%,研究结果证明了原则订单插入算法在滚动周期策略作用下可以获得较高质量的解。

基于Agent的混合流水车间动态调度系统

针对敏捷制造调度环境的不确定性、动态性以及混合流水车间(HFS)调度问题的特点,设计了一种基于多Agent的混合流水车间动态调度系统,系统由管理Agent、策略Agent、工件Agent和机器Agent构成。首先提出一种针对混合流水车间环境的插值排序(HIS)算法并集成于策略Agent中,该算法适用于静态调度和多种动态事件下的动态调度。然后,设计了各类Agent间的协调机制,在生产过程中所有Agent根据各自的行为逻辑独立工作并互相协调。在发生动态事件时,策略Agent调用HIS算法根据当前车间状态产生工件序列,随后各Agent根据生成的序列继续进行协调直到完成生产。最后进行了发生机器故障、订单插入情况下的重调度以及在线调度等动态调度的实例仿真,结果表明对于这些问题,HIS算法的求解效果均优于调度规则,特别是在故障重调度中,HIS算法重调度前后的Makespan一致度达97.6%,说明系统能够灵活和有效地处理混合流水车间动态调度问题。