基于生产数据的混合流水车间动态调度方法研究

在智能制造背景下,物联网等信息技术为制造系统积累了大量数据,同时人工智能等先进方法为车间数据分析和实时控制提供了有效手段。因此,针对不相关并行机混合流水车间调度问题,提出了一种基于生产数据的动态调度方法,以实现订单完工时间最小化。首先以高质量调度方案为基础,从中提取生产特征和调度规则完成样本构建。其次使用Relief F算法过滤冗余生产特征,获得用于训练和预测的调度样本。然后采用融合鲸鱼优化算法的概率神经网络作为调度模型,实现基于调度样本的训练和预测过程。最后,实验结果表明,所提方法具有良好的特征选择能力和较高的预测精度,与其他实时调度方法相比具有更加优越的性能,可以有效地根据车间实时状态指导制造执行过程。

一种基于神经网络的生产调度方法

提出解决具有开、完工期限制的约束Ｊｏｂ－ｓｈｏｐ生产调度问题的一种神经网络方法．该方法通过约束神经网络，描述各种加工约束条件，并对不满足约束的开工时间进行相应调节，得到可行调度方案；然后由梯度搜索算法优化可行调度方案，直至得到最终优化可行调度解．理论分析、仿真实验表明了方法的有效性．

基于工作流的流程生产调度在线应急管理系统的研究

应急管理是生产调度工作的重要职能。本文通过对流程生产调度在线应急管理系统的分析 ,将工作流技术应用于生产调度在线应急管理系统 ,给出了整体框架 ,对有关的重要问题进行了研究 ,最后建立了应急管理工作流模型。

地下矿山采掘计划神经网络专家系统研究

针对地下矿山编制采掘计划的特点 ,遵循理论联系实际的原则 ,将人工神经网络、专家系统以及CAD和运筹学的优化技术有机地结合起来 ,研制开发了一个辅助生产矿山编制采掘计划的计算机人工神经网络专家系统 ,经实际应用 ,收到了良好效果。

露天开采时矿体边界品位动态优化的神经网络方法

本文提出了以净现值最大为优化目标，考虑采、选、冶生产能力，品位分布以及开采计划要求的露天矿矿体边界品位动态代化模型，并应用神经网络理论提出了该模型的求解方法。

生产作业计划模糊调整专家系统

本文针对生产作业计划调整问题的多目标和模糊性特点,综合应用层次分析法和专家系统的方法以确定调整参数、方向和程度,提出了框架结构的知识表示方法,以及综合粗糙集的定性分析能力和BP神经网络的精确逼近功能进行知识采掘的算法.最后论述了本系统的主要功能和基本结构.

一种基于神经网络的并行设计活动调度方法

对并行产品开发过程中的活动进行调度 ,对于缩短开发周期、降低成本、减少返工和确保具有串行关系的活动尽可能地并行进行具有重要意义 .针对并行活动调度问题提出了一种约束满足神经网络与启发式结合的算法 .其中神经网络用于获得所有活动的可行的开始时间 ;用启发式算法求得基于资源约束的调度问题的可行解 ;然后用梯度搜索算法优化可行调度方案得到最终优化可行调度解 .应用实例表明此法对并行活动调度的有效性和可行性 .

流程型企业主生产计划优化的ARMA-BP模型

为了解决流程型企业主生产计划(MPS)时段中计划参数与实际参数的不一致性问题,提出了自回归滑动平均模型(ARMA)与反向传播(BP)人工神经网络(ANN)的集成优化模型。基于主生产计划时段长度与产量之间的映射关系,利用平均时段长度折合产量法(OCM-ATS),该模型可用于分别逼近和预测主生产计划时段的长度时序和产量时序。给出的例子表明,该模型预测主生产计划时段的参数(计划参数)与实际参数的相对误差不超过3%。

用于解决生产调度冲突问题的并行快速排序算法

本文并行快速排序算法对生产调度冲突问题进行解决,构建了BP神经网络,并与并行快速排序算法相结合建立了生产调度冲突问题模型,并利用加工时间条件进行约束后,对生产调度冲突相关数据进行采集,对训练初始目标进行设定,并根据不通过的初始目标设定不同排序规则,将排序规则输入到生产调度冲突问题模型,对生产调度资源样本进行迭代训练,将迭代结果与实际的期望值比较,分析并修正两者之间的误差,将修正后的最佳输出状态排序方法进行输出,避免发生生产调度冲突问题。实验结果表明,本文提出的方法对于生产调度资源数据的调度都可以输出最佳方案,可以对生产调度冲突问题进行有效解决。

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法．针对模糊的、难以表述和处理的干扰，设计了一个模糊神经网络，包括模糊子网和主体网络，前者根据隶属函数，将定性的模糊“干扰”量化后，参与网络的运算；后者根据模糊规则，将“干扰”定义为网络部分结点的作用函数．较好地解决了“干扰”知识的获取与处理问题．

利用GHNN模型求解排序问题

Ｈｏｐｆｉｅｌｄ网络是一种重要的神经网络模型，然而它的显著弱点是易收敛于局部极小点。基因遗传算法（简称ＣＡ算法）是一种迅速发展起来的优化算法，它能够找到全局最优解，本文将ＧＡ算法与ＨＮＮ相结合，提出了基因Ｈｏｐｆｉｅｌｄ神经网络模型（简称ＧＨＮＮ），并将其应用于生产管理排序领域。

一个神经网络生产作业计划专家模拟系统

本文讨论人工神经网络、专家系统技术和模拟技术的结合机理,并开发了一个人工神经网络生产作业计划专家模拟系统。原型系统的数据来源于一家机械制造企业,ANNESSPS系统的开发工具包括专家系统开发工具GURU。人工神经网络工具NeuroShell,模拟语言SIMAN以及C语言等。

神经网络生产作业计划专家模拟系统研究

综合人工神经网络、遗传算法、计算机模拟及生产作业计划方法等技术 ,研究集成人工神经网络的生产作业计划专家模拟系统功能及构成 。

经编车间过程监控与生产调度

为解决经编车间监控手段落后而导致车间管理人员难以实时掌握车间生产情况的问题,在分析经编车间生产过程特点的基础上,设计开发了基于信息物理系统(cyber-physical system,CPS)的车间两级监控与生产调度系统。建立经编机信息模型对应物理实体,并赋予数据深刻内涵。采用BP神经网络构建了经编布织造时间预测模型,用以预估生产交期。提出一种改进遗传算法,利用监控系统的数据求解生产订单排程,辅助解决经编车间生产决策问题。应用该系统后,员工生产积极性与设备利用率均有所提高,且操作工人数减少10%,产能提高2%。

基于深度强化学习的服装缝制过程实时动态调度

服装缝制生产过程易受动态事件干扰,针对订单实时到达的动态事件,以最小化最大完工周期为目标,提出基于深度强化学习的服装缝制过程实时动态调度方法。首先,建立服装缝制过程的调度优化模型,并将该问题转化为基于马尔科夫决策过程的顺序决策问题。然后,通过定义状态特征、候选动作集、奖励函数、探索与利用策略等方面,并结合DDQN算法训练深度神经网络用以描述状态-动作值,据此在决策节点选择最合适的调度规则。实验结果表明:针对牛仔裤前片缝制过程,所提出的方法相较于遗传算法,在调度目标的达成度方面略逊2.3%,但决策时间大幅减少91.4%,表明针对订单动态到达的调度问题,该方法能够实现有效地实时响应,确保了缝制生产的高效性与连续性。

人工神经网络在生产系统模拟中的应用

将人工神经网络（ＡＮＮ）引入生产系统模拟领域是一个崭新的研究方向，本文反映了在这个方向上的一些研究成果。本文提出了面向生产系统模拟的ＡＮＮ模型设计过程、基于ＡＮＮ的系统模拟建模过程和如何建立一个ＡＮＮ模型用以在模拟中选择排序规则。

炼化企业公用工程智能管控平台开发与应用

针对炼化企业公用工程系统的运行现状和存在的问题,开发了公用工程智能管控平台。该平台基于化验分析数据,构建低压瓦斯排放量测算模型,实现对低压瓦斯排放量的测算。同时,采用管网模拟手段,实现了管网中任意管段介质流速、压降、温降、燃料气热值、持液率等重要参数的软测量。通过构建反向传播(BP)神经网络模型,预测未来一段时间内生产装置公用工程的产耗量。以未来时间段内各生产装置公用工程的产耗预测数据为基础,以生产运行成本最低为目标,建立平衡调度优化模型,采用非线性规划算法进行寻优求解,实现公用工程的优化调度。该平台系统通过构建实时监控、统计分析、绩效考核、管网模拟、产耗预测和调度优化等功能模块,实时监控公用工程从生产、存储、输送到回收消耗的全过程,减少了低压瓦斯的异常排放,提高了公用工程的资源利用率,为炼化企业的节能环保、挖潜增效发展战略提供强有力的支撑。

主生产计划日报的神经网络监控

本文将生产计划作为动态系统 ,采用 BP网建立了主生产计划的神经网络模型 ,依据梯度算法建立了优化器 ,对主生产计划日报的调度进行了研究 。