车间作业调度

摘要： 多种类、可分批的工件生产调度问题是目前车间制造的关键问题之一,需同时考虑分批和调度两方面的优化决策。进一步地,在实际生产环境下还存在子批切换和工件的来料时间不确定的问题,大大增加了生产调度的困难,目前对此类问题的研究也尚未开始。鉴于此,以最小化最大完成时间为优化目标,基于场景采用样本均值近似(SAA)方法建立了考虑换模时间与随机来料的批量流调度模型,对问题分别设计了基于Benders分解的精确求解方法,以及结合Benders分解和禁忌搜索的启发式算法,实现了分批与调度两个问题的优化,通过数值实验验证了方法的有效性。

摘要： 车间作业调度问题给出了一组作业和一组机器,每台机器一次最多只能处理一项工作,每个作业由一系列操作组成,每个操作都需要在给定机器上以给定长度的不间断时间段内进行处理,目的是求解最优的加工顺序,使调度的总完工时间最小。本文使用的方法是粒子群优化算法,思想来源于鸟类的群体觅食行为,属于群智能算法的一种,但是该算法存在局部搜索能力差,易陷入局部极值的问题。本文借鉴交叉变异的思想对其进行改进,实验证明本文方法明显优于标准粒子群算法,在给定用例取得了最优测试结果。

摘要： 为了满足客户实际需求,提高加工单制作效率,保证系统内加工信息和原料、产品信息的准确性与实时性.利用B/S架构思想,基于J2EE开发平台,设计了符合客户加工车间全部生产排产策略的加工系统,实现了仓储加工业务管理理念与信息系统的融合.为提高工作效率,保证系统数据的严谨性,提高生产排产效率提供有力的技术支撑.

摘要： 为了满足客户实际需求,提高加工单制作效率,保证系统内加工信息和原料、产品信息的准确性与实时性。利用B/S架构思想,基于J2EE开发平台,设计了符合客户加工车间全部生产排产策略的加工系统,实现了仓储加工业务管理理念与信息系统的融合。为提高工作效率,保证系统数据的严谨性,提高生产排产效率提供有力的技术支撑。

摘要： 为了更好地处理汽车零配件生产排程中出现的问题,本文设计了基于颜色与零件种类相融合的染色体编码的方法;同时,为了立足于复杂的车间生产,以最小化换色次数和最大化零件生产量为目标,本文构建了多目标动态调度模型,提出了一种基于遗传算法的车间调度解决方案;最后,通过实例仿真验证了该模型与算法的有效性与稳定性.

摘要： 针对车间作业调度问题(JSP),在标准布谷鸟算法的莱维飞行中加入自适应机制,寻优过程中引入二值交叉算子保持改进算法的种群多样性,最后在模拟退火框架下增强改进算法跳出局部最优的能力.通过标准算例对所提的改进算法进行实验仿真,结果证明了改进算法的正确性和有效性.%This paper proposes a Modified Cuckoo Search algorithm based on Simulated Annealing(SA-MCS)for the job-shop scheduling problem. Adding the self-adaptive method in the Levy flight makes the step-length changing in the process of algorithm to improve the ability of global and local search. Introducing 2 values crossover operator keeps the population diversity and makes the algorithm avoiding premature convergence. What is more, the ability of jumping out of local optimum has increased under the framework of simulated annealing. Finally it uses the modified one in job-shop scheduling problem with standard test cases. The results prove the validity and efficiency of proposed algorithm.

摘要： 针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用了基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解精冲零件车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率.通过对典型的调度测试问题进行模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能.

摘要： 随着科学技术的不断进步,当下现代工业也在迅猛发展中,企业的生产也朝着多类型、少批量、高要求等水平发展,这使得企业在自身生产作业计划安排和各部分工作规划上难度增加.高效的展开车间调度能够有效降低企业在工作过程中出现的操作问题,并能为企业带来更优质的工程竞争.本文就针对眼下在作业车间调度中出现的问题以及基于遗传算法的改进措施展开相关探究和讨论.

摘要： 针对如何有效解决车间作业优化调度问题,提出一种协同粒子群和引力搜索的混合算法.新算法在粒子群算法进化停滞时引入引力搜索算法,利用引力搜索算法进化后期快速寻优的能力,及时跳出局部最优,保证全局最优.同时采用协同原理简化算法结构,提高算法收敛速度.将提出算法对车间作业调度典型测试用例进行仿真,仿真结果表明该算法较PSO和GA等算法在求解车间作业调度问题上更具优越性.

摘要： 针对在实际生产过程中,各类工件存在多种加工工艺路线,并且工件每条加工工艺路线包含的工序总数不确定的问题,以最大完工时间最小为优化目标,建立了工件加工路线和工序加工优先级同步优化数学模型.针对同步优化问题的特点,设计了基于工序优先级的矩阵编码方式,同时为了避免产生不可行解、提高算法的优化性能,设计了多种与问题相适应的交叉与变异操作方法.通过实例仿真证明,该算法可以有效地解决多工艺路线的车间作业调度问题.

摘要： 结合多代理的智能性、灵活性和遗传算法的智能优化能力,研究了一类分布车间作业调度方法.首先,建立了基于多Agent的分布车同作业调度系统模型;然后,提出了集中多Agent和遗传算法的分布调度机制和调度策略;最后,给出了应用此方法完成分布式动态调度的仿真算例.仿真结果表明所提出的调度方法是可行的、有效的.

摘要： 本文在车间作业调度问题数学模型的代数形式的基础上,提出了车间作业调度的图论模型,同时深入分析了不可行调度产生原因和特征,得出了一个调度解是可行调度的主要条件.

摘要： 针对动态Job-shop调度问题,提出了一种新的优先规则SOP,并在考虑具有扩展工艺约束的动态车间作业调度问题中,用仿真试验测试了该规则的性能;从工件总拖期和拖期工件百分比两个性能指标进行分析,探索了车间模型参数扩展工艺约束程度及交货期宽裕度系数对调度规则性能的影响.结果表明所提出的规则性能较好,具有较好的鲁棒性,且扩展工艺约束程度及交货期宽裕度系数对调度规则性能均有不同程度的影响,并给出了两种参数对调度规则性能的影响趋势.

摘要： 车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.应用数据挖掘算法从车间作业调度最优方案中抽取出最优调度方案的一些模式知识来发展一些规则集辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的,事先未知的潜在有用的信息.根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明该方法无论在调度质量还是在计算速度上都具有较好的性能。

摘要： 蚁群算法是近年来新出现的一种随机搜索寻优算法.该算法为求解复杂的组合优化问题提供了一种新思路.引起了众多学者的研究兴趣.本文在应用蚁群算法解决车间作业调度问题时,采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法.由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以在本文中也对此进行了初步的研究.

摘要： 在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上，针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状，针对求解的多样性、编码和解码的效率提出了一组评价指标，将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。

摘要： 在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上，针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状，针对求解的多样性、编码和解码的效率提出了一组评价指标，将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。

摘要： 在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上，针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状，针对求解的多样性、编码和解码的效率提出了一组评价指标，将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。

摘要： 在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上，针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状，针对求解的多样性、编码和解码的效率提出了一组评价指标，将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。

摘要： 在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上，针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状，针对求解的多样性、编码和解码的效率提出了一组评价指标，将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。

摘要： 本发明公开了一种求解大规模车间作业调度问题的混合分布式进化方法，该方法采用两层结构：L1基于种群的分布式进化层：采用排序划分方法，将调度方案作为个体组成种群，将种群划分为多个子种群，各子种群采用相同或不同的进化算法分别进化，进化过程中采用间隔性信息交换的方法，实现子种群之间的进化协作；L2基于维度的分布式进化层：生成贝叶斯网络用于表示调度方案中各维度变量间的关系，根据得到的贝叶斯网络对维度变量进行分组，从而将大规模优化问题划分为多个中小规模子问题分别进化，进化过程中每个子问题中个体的适应度评价，通过选取参考向量的方法实现。本发明能实现大规模车间作业调度问题的混合分布式进化，输出得到最优调度方案。

摘要： 本发明适用计算机技术领域，提供了一种多车间作业调度方法及装置，该方法包括：当接收到多车间作业调度的请求时，建立多车间作业调度的数学模型，使用预设的动态种群策略和双模式差分进化算子对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件，此时将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，从而得到多车间作业调度的解决方案，提高了多车间作业调度过程中的收敛能力和鲁棒性。

摘要： 本发明通过算法求解车间作业调度问题。针对遗传算法的局部搜索能力较差，但是把握搜索过程总体的能力较强，而模拟退火算法具有较强局部搜索能力，但模拟退火算法却对整个搜索空间的状况了解不多，不便于使搜索过程进入最有希望的搜索区域等问题，本发明将遗传算法与模拟退火算法相互结合，取长补短，提出了一种遗传模拟退火（GASA）混合算法，该算法先对种群执行选择、交叉、变异等遗传操作来产生新的种群，然后对新种群中各个体分别进行模拟退火过程，并以其结果作为下一步遗传操作的输入，这个运行过程经过反复迭代，直到满足某个终止条件为止。

摘要： 本发明公开一种船舶分段建造车间作业调度系统及其调度方法，包括用于编辑各类信息的基础信息管理模块、用于生成作业调度计划的作业计划与调度模块以及用于操作管理已生成计划的分段计划管理模块，其调度方法包括：通过基础信息管理模块完成待调度分段信息的录入；通过作业计划与调度模块完成分段作业调度计划的生成与查看，通过分段计划管理模块完成分段计划的管理与执行。本发明提出的分段建造车间作业调度方法，以系统化的管理思想，实现计算机辅助作业调度过程，为船厂调度人员在作业调度计划编制过程中提供便捷、合理、智能的流程指导和管理规划。

摘要： 本发明属于用于预测最优调度结果的数据处理领域，涉及一种以改进的粒子群算法为内核的分组车间作业调度方法，包括以下步骤：（1）将分组车间所有的加工方案储存到excel表，读取所有工件、机器信息，整理成两个dataframe，分别命名为工件信息表和机器信息表；（2）读取所有工件信息和机器信息，利用改进的粒子群算法计算机器余量矩阵pre；（3）根据改进的粒子群算法获得的机器余量矩阵pre进行初次调度；（4）读取初次调度获得的机器信息表和工件信息表矩阵，开始迭代优化调度结果。该方法可以确定一个良好的调度结果，并为调度结果进行调度优化，获得更优的调度结果，解决调度不平均的问题。

摘要： 本发明公开了一种用于工业4.0中车间作业调度问题的分布式Max‑sum算法，属于车间作业调度技术领域。将分布式Max‑sum算法应用至工业4.0环境下车间作业调度问题中，将车间作业调度问题中各操作的开始时间定义为变量节点，将目标函数和约束条件转化为变量节点之间的约束函数并定义为函数节点。根据Max‑sum算法的消息传递规则，在变量节点和函数节点之间进行消息传递，并不断迭代。在达到收敛状态或者迭代一定次数之后，确定各操作的开始时间，进而确定各操作的调度顺序，在分布式环境中得到较优的调度结果。

摘要： 本发明提出一种基于强化学习和图神经网络的柔性车间作业调度方法，属于工业调度领域。具体包括如下步骤：1、根据车间实况初始化车间仿真坏境；2、导入预训练的基于图神经网络的策略函数模型；3、在车间仿真坏境中开始模拟任务，从车间当前时刻起，若检测到车间有空闲设备，返回此空闲设备；4、将车间仿真坏境中信息归纳到柔性车间作业图模型中；5、使用图神经网络计算动作概率，并按概率选择一个动作；6、车间仿真环境执行此动作，若车间仿真环境中仍然有未完成的订单，则回到步骤3，否则结束求解；7、从车间仿真环境中导出排程的结果。本专利所提出的方法不仅求解效果好而且计算效率更高，因此可以被真正应用工业生产中。

摘要： 本发明公开了一种求解大规模车间作业调度问题的混合分布式进化方法，该方法采用两层结构：L1基于种群的分布式进化层：采用排序划分方法，将调度方案作为个体组成种群，将种群划分为多个子种群，各子种群采用相同或不同的进化算法分别进化，进化过程中采用间隔性信息交换的方法，实现子种群之间的进化协作；L2基于维度的分布式进化层：生成贝叶斯网络用于表示调度方案中各维度变量间的关系，根据得到的贝叶斯网络对维度变量进行分组，从而将大规模优化问题划分为多个中小规模子问题分别进化，进化过程中每个子问题中个体的适应度评价，通过选取参考向量的方法实现。本发明能实现大规模车间作业调度问题的混合分布式进化，输出得到最优调度方案。

摘要： 本发明适用计算机技术领域，提供了一种多车间作业调度方法及装置，该方法包括：当接收到多车间作业调度的请求时，建立多车间作业调度的数学模型，使用预设的动态种群策略和双模式差分进化算子对数学模型的当前种群中的个体进行进化，当当前种群的当前进化代数不满足预设的种群进化终止条件时，将进化后的当前种群中的非支配个体设置为数学模型下一代的当前种群，重复执行对数学模型的当前种群中的个体进行进化的步骤，直至当前进化代数满足种群进化终止条件，此时将进化后的当前种群中的非支配个体设置为数学模型中待求参数的解，从而得到多车间作业调度的解决方案，提高了多车间作业调度过程中的收敛能力和鲁棒性。

摘要： 本发明公开了一种基于成组技术的柔版印刷车间作业调度方法,具体为：设定设备成组的约束条件，将柔印车间的设备组成设备组，然后将作业根据相同约束条件组成作业组，并区分作业组内的独立作业组；利用色序成组技术对作业组进行队列优化，形成色序作业组；最后将得到的色序作业组和独立作业组分配到对应柔印设备组中。本发明能够提高柔印车间对作业管理效率，快速而又准确的制定作业调度方案有效地提高了生产效率，作业的队列优化提高了油墨的利用率以及节约生产时间有效地降低生产成本；能够帮助生产管理者做出快速正确的决策，自动化程度高；使柔印设备实现负载均衡且运行得更高效，节约能源和降低污染让生产车间更绿色化。