连铸机故障时融合炉次重分配的炼钢-连铸生产重调度

在炼钢-连铸生产过程中,连铸机故障会导致当前生产计划不可行,需要为故障机上未完成炉次重新分配连铸机和浇铸顺序。现行人工重分配策略无法及时响应以保证稳定和高效的生产,因此本文提出一种基于等待时间最小化的启发式炉次重分配规则,然后在此基础上建立重调度模型,并设计改进遗传算法求解该问题。采集某炼钢厂的实际生产数据进行算法验证,结果表明本文方法在连铸机出现故障时能快速给出较优的重调度方案。

带AGV开放车间调度的析取图模型与求解

随着AGV小车在制造系统的广泛应用,其路线规划与生产调度集成可大大提高生产效率,降低运输能耗。这里以开放车间为研究对象,考虑AGV的物料搬运特性,提出了一种考虑最大完工时间和AGV能耗的双目标析取图模型,剖析问题特征,提取问题的关键弧特性;其次,设计了基于关键弧的多种邻域结构,融合遗传算法的全局搜索能力和变邻域结构的局部探索能力实现问题的寻优。最后,标杆案例测试结果表明,所提出算法可有效解决带AGV开放车间调度问题,多种邻域结构设计显著地提升了算法求解性能。

机器故障下加工车间优化重调度方式预测

为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。

扰动累积下基于机器学习的重调度方式选择

针对扰动累积下重调度方案甄选问题,提出了一种基于数据学习的重调度方式选择方法。利用累积误差时间来量化隐性扰动,用数据反映实时生产加工状况;构建扰动累积下重调度模型,基于遗传仿真获取评价重调度决策的因素、决策标签。分析仿真样本特征,并基于数据特征降维映射,构建基于支持向量机的分类决策模型以学习生产状况与重调度方式的内在联系,从而帮助生产管理者快速制定决策,提高响应速度。实验验证了所建立重调度方式选择框架的合理性和有效性。

基于基因表达式编程的单AGV加工车间调度规则生成

考虑到在含AGV的加工车间中,将AGV调度独立于工件调度会使问题复杂化,详细分析了单AGV与加工车间集成的调度问题特征并提供了解决方案。由于调度规则简单、易于应用且能及时响应生产环境,以最小化完工时间为目标,基于基因表达式编程智能挖掘出适用于该问题的高效调度规则,并详细介绍了算法用于调度规则设计的编码、两阶段解码以及规则挖掘流程。一系列典型规则对比实验以及大规模标杆案例测试证明了所挖掘规则的高效性、鲁棒性。并且通过对规则分析,找出了影响该问题的属性及其内在规律。

预防维护下装配线平衡的集成优化

在装配线生产过程中,当某个工位的设备突发故障时会导致全线停工,带来重大的经济损失,为此本文提出预防维护下的装配线平衡问题,对正常生产和设备维护两种情形下的生产负载进行集成优化。以给定工位数量下正常生产节拍、预防维护时的生产节拍以及两种模式切换时的工序调整数量的最小化为目标建立数学模型,采用遗传算法进行求解。案例分析表明,预防维护下的装配线平衡可有效实现正常生产与设备维护之间的快速切换,保证生产的高效性和稳定性。