CN103440533B - 一种云制造模式下作业车间非瓶颈资源能力的界定方法 - Google Patents
一种云制造模式下作业车间非瓶颈资源能力的界定方法 Download PDFInfo
- Publication number
- CN103440533B CN103440533B CN201310384776.3A CN201310384776A CN103440533B CN 103440533 B CN103440533 B CN 103440533B CN 201310384776 A CN201310384776 A CN 201310384776A CN 103440533 B CN103440533 B CN 103440533B
- Authority
- CN
- China
- Prior art keywords
- bottleneck
- job shop
- clustering cluster
- svc
- ability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提出了一种云制造模式下作业车间非瓶颈资源能力的界定方法,充分考虑车间作业中的随机因素,综合考虑机器的各种属性,定义了非瓶颈能力松弛率作为非瓶颈资源能力的利用指标,通过仿真,得到一系列系统性能与非瓶颈资源能力之间的变化曲线,然后通过聚类算法对数据点进行数据挖掘,得到非瓶颈资源能力的准确界定结果。针对云制造模式下分散制造资源的共享及服务中资源能力界定问题,定量确定出非瓶颈资源的生产能力、保护能力和过剩能力,同时解决了企业在扰动情形下无法给出生产资源合理的保护能力和企业在云制造模式下无法给出准确的云服务能力这两类问题。
Description
技术领域
本发明涉及作业车间非瓶颈资源能力界定技术领域,具体为一种云制造模式下作业车间非瓶颈资源能力的界定方法。
背景技术
云制造的核心是将分散在各地的各类制造资源和制造能力虚拟化、服务化,并进行统一、集中的网络化管理和标准化服务。云制造的前提是对现有制造资源的闲散能力进行量化。考虑到企业的瓶颈能力必须充分利用,因此瓶颈能力无暇外协。而对非瓶颈资源而言,不仅数量众多,而且剩余能力闲置现象普遍,因此将这部分闲置资源参与云制造其好处不言而喻。
相比稳态情形,扰动情形下保证生产系统的高效顺畅运作,资源的保护能力是其核心和难点。保护能力过小,会造成生产系统瓶颈飘移、原有调度方案无法按计划进行,增加生产管理难度;而保护能力过大,则造成大量非瓶颈资源能力的浪费。
国内外关于非瓶颈资源能力界定研究较少,约束理论的提出者Goldratt博士在1990年《TheHaystackSyndrome》书中首次将非瓶颈资源能力定性划分为生产能力(productivecapacity)、保护能力(protectivecapacity)和过剩能力(excesscapacity)三个部分,但并未提出具体有效的能力界定方法。
J.WAYNEPATTERSON(2002)引用了Goldratt对非瓶颈资源能力的划分方式,对三部分能力的作用进行了定性描述,并指出生产能力易于划分,而保护能力和过剩能力均与非瓶颈资源上的扰动有关,难于划分。文章没有提出定量的界定方法。
由于现在非瓶颈资源能力没有有效的界定方法,导致了企业车间作业过程中和参与云制造过程中存在以下两类问题:
1)作业车间无法合理确定非瓶颈保护能力。
现有车间调度中,非瓶颈从属于瓶颈,造成非瓶颈能力的有限利用,为车间的正常生产提供了保护。由于非瓶颈的大量存在,车间管理对非瓶颈的忽视,以及非瓶颈保护能力合理界定方法的缺失,导致管理者难以发现非瓶颈保护能力不足的问题及瓶颈漂移现象,进而无法采取针对性的保护措施,造成生产管理的困难。
2)云制造模式下企业能够提供的服务能力无法确定。
云制造的前提是对现有制造资源的闲散能力进行量化,因此云制造的对象即为企业的非瓶颈资源。现有研究以及大多数文献中,往往只关注瓶颈资源。然而实际生产中,由于非瓶颈能力的有限利用和非瓶颈在数量上所占的绝对多数,导致非瓶颈资源能力的大量的浪费,这为云制造提供研究与应用的契机。由于目前没有可行的非瓶颈资源能力界定方法,因此无法确定企业非瓶颈资源的过剩能力,导致企业在面对云制造模式时,无法确定自身能够提供的加工和服务能力,因而也无法对自身零散的加工资源加以利用。最终不仅导致企业自身大量生产资源的浪费,也无法在云制造的浪潮中获益。
发明内容
要解决的技术问题
为解决现有技术存在的问题,本发明提出了一种云制造模式下作业车间非瓶颈资源能力的界定方法。针对云制造模式下分散制造资源的共享及服务中资源能力界定问题,定量确定出非瓶颈资源的生产能力(productivecapacity)、保护能力(protectivecapacity)和过剩能力(excesscapacity),同时解决了企业在扰动情形下无法给出生产资源合理的保护能力和企业在云制造模式下无法给出准确的云服务能力这两类问题。
技术方案
本发明的技术方案为:
所述一种云制造模式下作业车间非瓶颈资源能力的界定方法,其特征在于:采用以下步骤:
步骤1:根据所研究的作业车间,在仿真软件中建立有扰动的作业车间模型;对作业车间模型进行初始化:
步骤1.1:利用遗传算法对无扰动的作业车间调度方案进行优化,优化目标是作业车间调度方案的最大完工时间最小,得到作业车间优化调度方案;根据作业车间优化调度方案,采用瓶颈识别方法,得到作业车间中非瓶颈机器Ms及其在一个生产周期内最大完工时间
步骤1.2:根据非瓶颈机器的最大完工时间以及非瓶颈机器Ms初始的非瓶颈能力释放等级g,采用公式计算出该生产周期内非瓶颈机器Ms初始的可用调度时间ts,其中非瓶颈能力释放等级g∈G={0,1,2,...,l},l为机器的最大能力松弛等级,g的初始值取0,Δ为单位活动松弛时间;并将仿真模型中待界定的非瓶颈机器初始的可用加工时间设定为ts;将仿真模型的扰动值设定为Vv;
步骤2:采用遗传算法对有扰动的作业车间模型中的投料序列进行优化:
步骤2.1:初始化投料顺序:采用基于工件的编码方式随机产生N个个体,N个个体构成种群P(t);
步骤2.2:解码及适应度计算:
步骤2.2.1:通过对进入该步骤的种群中个体进行解码,得到每个个体对应的投料序列;
步骤2.2.2:将所有投料序列分别输入到作业车间模型中进行仿真,得到每个投料序列对应的作业车间最大完成时间;
步骤2.2.3:选取步骤2.2.2得到每个投料序列对应的作业车间最大完成时间中的最小值,作为进入该步骤的种群的个体适应度;
步骤2.2.4:判断遗传算法的收敛准则是否满足,若满足则执行步骤2.4,否则执行下一步骤;
步骤2.3:遗传进化:对种群P(t)中的个体进行选择操作、交叉操作、变异操作,生成P(t+1),返回步骤2.2;
步骤2.4:输出非瓶颈能力释放等级g对应的作业车间模型的性能指标Psvg和非瓶颈能力松弛率SRAsg,其中将遗传进化得到的最优种群的个体适应度作为作业车间模型的性能指标Psvg,而
步骤3:取g=g+1,判断g>l是否满足,若不满足则返回步骤2,否则依据步骤2.4输出的非瓶颈能力松弛率SRAsg及相应的性能指标Psvg,构建能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,矩阵中的元素为Fsvi=(SRAsi,Psvi),i=0~l;
步骤4:根据能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,采用层次聚类的方法对Dsv进行划分,并根据聚类条件将元素Fsvi凝聚为聚类簇,构建出聚类簇的树状图:
步骤4.1:设聚类簇集合为CTemp,则初始化CTemp中各元素令t=1,令集合Cr=CTemp,Cr中的元素
步骤4.2:如果CTemp中存在一个及一个以上的聚类簇,则继续步骤4.3;否则跳转步骤5;
步骤4.3:计算聚类簇集合CTemp中任意两个簇和间的最近邻距离
步骤4.4:比较所有任意两簇间的最近邻距离,得到最近邻距离最小的两个簇为和
步骤4.5:在集合Cr中增加聚类簇在聚类簇集合CTemp中删除聚类簇和并依据构建聚类簇的树状图;
步骤4.6:令t=t+1;返回步骤4.2;
步骤5:根据步骤4.5建立的聚类簇的树状图,取对应树状图的下一级子簇为和Csvα′,取对应树状图的下一级子簇为Csvβ′和Csvγ′,得到三个聚类簇Csvα′,Csvβ′,Csvγ′;
步骤6:对聚类簇Csvα′,Csvβ′,Csvγ′,采用公式
计算三个聚类簇中各个簇的簇成员的能力松弛率平均值avgsvc,并将avgsvc按大小排序,与avgsvc最大值相应的聚类簇对应作业车间的有过剩能力阶段,与avgsvc中间值相应的聚类簇对应作业车间的无过剩能力阶段,与avgsvc最小值相应的聚类簇对应作业车间的无保护能力阶段;avgsvc和Csvc下标中的C取(α′,β′,γ′);
步骤7:取步骤6中avgsvc最小值对应的聚类簇中各个簇成员的SRAsg的最大值为Maxsvα,取步骤6中avgsvc中间值对应的聚类簇中各个簇成员的SRAsg的最大值和最小值分别为Maxsvβ和Minsvβ,取步骤6中avgsvc最大值对应的聚类簇中各个簇成员的SRAsg的最小值为Minsvγ;根据公式
得到生产能力和保护能力边界点为αsv,保护能力和云制造能力边界点为βsv。
有益效果
本发明提出一种非瓶颈资源能力界定方法,充分考虑车间作业中的随机因素,综合考虑机器的各种属性,定义了非瓶颈能力松弛率作为非瓶颈资源能力的利用指标,通过仿真,得到一系列系统性能与非瓶颈资源能力之间的变化曲线,然后通过聚类算法对数据点进行数据挖掘,得到非瓶颈资源能力的准确界定结果。
通过本方法能够在作业车间进行实际生产活动之前,针对具体的生产任务界定出相应非瓶颈资源的生产能力、保护能力和过剩能力。进而,车间管理者根据作业车间的实际扰动情况,在安排车间生产之前,为非瓶颈机器预留出合理的保护能力,保证生产系统的平稳运行;同时企业对非瓶颈的过剩能力,准确地确定出企业进行外协或者提供云服务能力的大小,为企业在云制造模式下的管理提供决策依据和支持。通过本方法的应用,最终达到扰动情形下既提高生产系统的鲁棒性,又提高资源的整体利用率的目的。
附图说明
图1:方法总体流程图。
图2:方法详细流程图。
图3:实施例中的PlantSimulation仿真模型。
图4:非瓶颈松弛率足够大并且无扰动优化后甘特图。
具体实施方式
下面结合具体实施例描述本发明:
本发明可以用于作业车间调度和控制过程中,通过本发明对非瓶颈能力进行科学界定,为车间非瓶颈保护能力合理设置、非瓶颈过剩能力进行充分利用提供依据,使调度人员为非瓶颈合理地安排生产加工任务,充分的利用非瓶颈资源;非瓶颈保护能力是否充足也能为车间现场控制提供一定的指导。
本实施例选择对某航空企业外贸车间盘环加工车间的6种工件(W1~W6)共30个、8台机器(M1~M8)的生产系统,考虑扰动影响的情况下,确定非瓶颈机器保护能力和过程能力界限。
以机器平均利用率为瓶颈识别指标,瓶颈机器为M3。工件数量及工艺路线如表1所示,加工工时信息如表2所示,设备缓冲参数如表3所示。
表1工件数量及其工艺路线
表2工时信息
表3设备缓冲参数
下面参照图2,给出本实施例的具体步骤:
步骤1:根据所研究的作业车间,包括工件数量及其工艺路线、工时信息、设备缓冲参数,在仿真软件PlantSimulation8.2中建立有扰动的作业车间模型,如图3所示。并对作业车间模型进行初始化:
步骤1.1:利用遗传算法对无扰动的作业车间调度方案进行优化,优化目标是作业车间调度方案的最大完工时间最小,得到作业车间优化调度方案,这是本领域公知的方法,调度结果甘特图如图4所示;根据作业车间优化调度方案,采用瓶颈识别方法,得到作业车间中非瓶颈机器Ms及其在一个生产周期内最大完工时间各非瓶颈机器加工开始时间、加工结束时间以及机器活跃时间,如表4所示。
表4非瓶颈机器相关时间节点(天:时:分:秒)
步骤1.2:根据非瓶颈机器的最大完工时间以及非瓶颈机器Ms初始的非瓶颈能力释放等级g,采用公式计算出该生产周期内非瓶颈机器Ms初始的可用调度时间ts,其中非瓶颈能力释放等级g∈G={0,1,2,...,l},l为机器的最大能力松弛等级,g的初始值取0,Δ为单位活动松弛时间;并将仿真模型中待界定的非瓶颈机器初始的可用加工时间设定为ts;将仿真模型的扰动值设定为Vv;
下面就针对扰动Vv条件下,确定非瓶颈机器Ms生产能力、保护能力和过剩能力的界限。
步骤2:采用遗传算法对有扰动的作业车间模型中的投料序列进行优化:
步骤2.1:初始化投料顺序:采用基于工件的编码方式随机产生N个个体,N个个体构成种群P(t);
步骤2.2:解码及适应度计算:
步骤2.2.1:通过对进入该步骤的种群中个体进行解码,得到每个个体对应的投料序列;
步骤2.2.2:将所有投料序列分别输入到作业车间模型中进行仿真,得到每个投料序列对应的作业车间最大完成时间;
步骤2.2.3:选取步骤2.2.2得到每个投料序列对应的作业车间最大完成时间中的最小值,作为进入该步骤的种群的个体适应度;
步骤2.2.4:判断遗传算法的收敛准则是否满足,若满足则执行步骤2.4,否则执行下一步骤;
步骤2.3:遗传进化:对种群P(t)中的个体进行选择操作、交叉操作、变异操作,生成P(t+1),返回步骤2.2;
步骤2.4:输出非瓶颈能力释放等级g对应的作业车间模型的性能指标Psvg和非瓶颈能力松弛率SRAsg,其中将遗传进化得到的最优种群的个体适应度作为作业车间模型的性能指标Psvg,而
步骤3:取g=g+1,判断g>l是否满足,若不满足则返回步骤2,否则依据步骤2.4输出的非瓶颈能力松弛率SRAsg及相应的性能指标Psvg,构建能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,矩阵中的元素为Fsvi=(SRAsi,Psvi),i=0~l;
步骤4:根据能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,采用层次聚类的方法对Dsv进行划分,并根据聚类条件将元素Fsvi凝聚为聚类簇,聚类方法采用最近邻元素法,距离采用欧氏距离,构建出聚类簇的树状图:
步骤4.1:设聚类簇集合为CTemp,则初始化CTemp中各元素令t=1,令集合Cr=CTemp,Cr中的元素
步骤4.2:如果CTemp中存在一个及一个以上的聚类簇,则继续步骤4.3;否则跳转步骤5;
步骤4.3:计算聚类簇集合CTemp中任意两个簇和间的最近邻距离
步骤4.4:比较所有任意两簇间的最近邻距离,得到最近邻距离最小的两个簇为和
步骤4.5:在集合Cr中增加聚类簇在聚类簇集合CTemp中删除聚类簇和并依据构建聚类簇的树状图;
步骤4.6:令t=t+1;返回步骤4.2;
步骤5:根据步骤4.5建立的聚类簇的树状图,取对应树状图的下一级子簇为和Csvα′,取对应树状图的下一级子簇为Csvβ′和Csvγ′,得到三个聚类簇Csvα′,Csvβ′,Csvγ′;
步骤6:对聚类簇Csvα′,Csvβ′,Csvγ′,采用公式
计算三个聚类簇中各个簇的簇成员的能力松弛率平均值avgsvc,并将avgsvc按大小排序,与avgsvc最大值相应的聚类簇对应作业车间的有过剩能力阶段,与avgsvc中间值相应的聚类簇对应作业车间的无过剩能力阶段,与avgsvc最小值相应的聚类簇对应作业车间的无保护能力阶段;avgsvc和Csvc下标中的C取(α′,β′,γ′);
步骤7:取步骤6中avgsvc最小值对应的聚类簇中各个簇成员的SRAsg的最大值为Maxsvα,取步骤6中avgsvc中间值对应的聚类簇中各个簇成员的SRAsg的最大值和最小值分别为Maxsvβ和Minsvβ,取步骤6中avgsvc最大值对应的聚类簇中各个簇成员的SRAsg的最小值为Minsvγ;根据公式
得到生产能力和保护能力边界点为αsv,保护能力和云制造能力边界点为βsv。
Claims (1)
1.一种云制造模式下作业车间非瓶颈资源能力的界定方法,其特征在于:采用以下步骤:
步骤1:根据所研究的作业车间,在仿真软件中建立有扰动的作业车间模型;对作业车间模型进行初始化:
步骤1.1:利用遗传算法对无扰动的作业车间调度方案进行优化,优化目标是作业车间调度方案的最大完工时间最小,得到作业车间优化调度方案;根据作业车间优化调度方案,采用瓶颈识别方法,得到作业车间中非瓶颈机器Ms及其在一个生产周期内最大完工时间
步骤1.2:根据非瓶颈机器的最大完工时间以及非瓶颈机器Ms初始的非瓶颈能力释放等级g,采用公式计算出该生产周期内非瓶颈机器Ms初始的可用调度时间ts,其中非瓶颈能力释放等级g∈G={0,1,2,...,l},l为机器的最大能力松弛等级,g的初始值取0,Δ为单位活动松弛时间;并将仿真模型中待界定的非瓶颈机器初始的可用加工时间设定为ts;将仿真模型的扰动值设定为Vv;
步骤2:采用遗传算法对有扰动的作业车间模型中的投料序列进行优化:
步骤2.1:初始化投料顺序:采用基于工件的编码方式随机产生N个个体,N个个体构成种群P(t);
步骤2.2:解码及适应度计算:
步骤2.2.1:通过对进入该步骤的种群中个体进行解码,得到每个个体对应的投料序列;
步骤2.2.2:将所有投料序列分别输入到作业车间模型中进行仿真,得到每个投料序列对应的作业车间最大完成时间;
步骤2.2.3:选取步骤2.2.2得到每个投料序列对应的作业车间最大完成时间中的最小值,作为进入该步骤的种群的个体适应度;
步骤2.2.4:判断遗传算法的收敛准则是否满足,若满足则执行步骤2.4,否则执行下一步骤;
步骤2.3:遗传进化:对种群P(t)中的个体进行选择操作、交叉操作、变异操作,生成P(t+1),返回步骤2.2;
步骤2.4:输出非瓶颈能力释放等级g对应的作业车间模型的性能指标Psvg和非瓶颈能力松弛率SRAsg,其中将遗传进化得到的最优种群的个体适应度作为作业车间模型的性能指标Psvg,而
步骤3:取g=g+1,判断g>l是否满足,若不满足则返回步骤2,否则依据步骤2.4输出的非瓶颈能力松弛率SRAsg及相应的性能指标Psvg,构建能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,矩阵中的元素为Fsvi=(SRAsi,Psvi),i=0~l;
步骤4:根据能力界定矩阵Dsv=(SRAsg,Psvg)g×1,g∈G,采用层次聚类的方法对Dsv进行划分,并根据聚类条件将元素Fsvi凝聚为聚类簇,构建出聚类簇的树状图:
步骤4.1:设聚类簇集合为CTemp,则初始化CTemp中各元素令t=1,令集合Cr=CTemp,Cr中的元素
步骤4.2:如果CTemp中存在一个及一个以上的聚类簇,则继续步骤4.3;否则跳转步骤5;
步骤4.3:计算聚类簇集合CTemp中任意两个簇和间的最近邻距离
步骤4.4:比较所有任意两簇间的最近邻距离,得到最近邻距离最小的两个簇为和
步骤4.5:在集合Cr中增加聚类簇在聚类簇集合CTemp中删除聚类簇和;并依据构建聚类簇的树状图;
步骤4.6:令t=t+1;返回步骤4.2;
步骤5:根据步骤4.5建立的聚类簇的树状图,取对应树状图的下一级子簇为和Csvα′,取对应树状图的下一级子簇为Csvβ′和Csvγ′,得到三个聚类簇Csvα′,Csvβ′,Csvγ′;
步骤6:对聚类簇Csvα′,Csvβ′,Csvγ′,采用公式
计算三个聚类簇中各个簇的簇成员的能力松弛率平均值avgsvc,并将avgsvc按大小排序,与avgsvc最大值相应的聚类簇对应作业车间的有过剩能力阶段,与avgsvc中间值相应的聚类簇对应作业车间的无过剩能力阶段,与avgsvc最小值相应的聚类簇对应作业车间的无保护能力阶段;avgsvc和Csvc下标中的C取(α′,β′,γ′);
步骤7:取步骤6中avgsvc最小值对应的聚类簇中各个簇成员的SRAsg的最大值为Maxsvα,取步骤6中avgsvc中间值对应的聚类簇中各个簇成员的SRAsg的最大值和最小值分别为Maxsvβ和Minsvβ,取步骤6中avgsvc最大值对应的聚类簇中各个簇成员的SRAsg的最小值为Minsvγ;根据公式
得到生产能力和保护能力边界点为αsv,保护能力和云制造能力边界点为βsv。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310384776.3A CN103440533B (zh) | 2013-08-29 | 2013-08-29 | 一种云制造模式下作业车间非瓶颈资源能力的界定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310384776.3A CN103440533B (zh) | 2013-08-29 | 2013-08-29 | 一种云制造模式下作业车间非瓶颈资源能力的界定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103440533A CN103440533A (zh) | 2013-12-11 |
CN103440533B true CN103440533B (zh) | 2016-07-06 |
Family
ID=49694226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310384776.3A Active CN103440533B (zh) | 2013-08-29 | 2013-08-29 | 一种云制造模式下作业车间非瓶颈资源能力的界定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440533B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073142B (zh) * | 2016-11-14 | 2020-01-17 | 北京理工大学 | 一种作业车间资源的调度方法及装置 |
CN111123864A (zh) * | 2019-12-12 | 2020-05-08 | 吴慧 | 一种作业车间动态调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256550B1 (en) * | 1998-08-07 | 2001-07-03 | Taiwan Semiconductor Manufacturing Company | Overall equipment effectiveness on-line categories system and method |
CN102768737A (zh) * | 2012-07-06 | 2012-11-07 | 西北工业大学 | 一种考虑机器多维特征属性的作业车间瓶颈识别方法 |
-
2013
- 2013-08-29 CN CN201310384776.3A patent/CN103440533B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256550B1 (en) * | 1998-08-07 | 2001-07-03 | Taiwan Semiconductor Manufacturing Company | Overall equipment effectiveness on-line categories system and method |
CN102768737A (zh) * | 2012-07-06 | 2012-11-07 | 西北工业大学 | 一种考虑机器多维特征属性的作业车间瓶颈识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103440533A (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761614A (zh) | 一种基于关键链的项目进度管理方法 | |
CN109492774A (zh) | 一种基于深度学习的云资源调度方法 | |
CN106445070B (zh) | 一种硬实时系统资源受限偶发任务能耗优化调度方法 | |
Peng et al. | Multi-core parallel particle swarm optimization for the operation of inter-basin water transfer-supply systems | |
CN105893158A (zh) | 私有云条件下的大数据混合调度模型 | |
CN107015852A (zh) | 一种大规模梯级水电站群多核并行优化调度方法 | |
CN102385313A (zh) | 基于实时水压信息的城市供水区域动态划分控制方法 | |
CN102855293A (zh) | 一种电动汽车及充换电设施系统海量数据处理方法 | |
CN101901426A (zh) | 一种基于蚁群算法的动态滚动调度方法 | |
CN101582043A (zh) | 一种异构计算系统动态任务分配方法 | |
CN103699938A (zh) | 一种含抽水蓄能电站的电力系统发电计划制定方法 | |
CN109507961A (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
CN106547854A (zh) | 基于贪心萤火虫算法的分布式文件系统存储优化节能方法 | |
CN103440533B (zh) | 一种云制造模式下作业车间非瓶颈资源能力的界定方法 | |
CN102651115B (zh) | 并行异步混合算法处理系统和水库或水库群优化调度方法 | |
Ernst et al. | Lagrangian particle swarm optimization for a resource constrained machine scheduling problem | |
CN102393687B (zh) | 一种解决改机问题的限定分配调度方法 | |
Zaman et al. | Evolutionary algorithm for project scheduling under irregular resource changes | |
CN116192906A (zh) | 基于云边端协同的工业园区综合能源数字化监控方法 | |
CN115169634A (zh) | 一种任务分配优化处理方法及装置 | |
Fang et al. | A new approach to time-cost-quality tradeoff problem for construction project | |
Liu et al. | Strategy research of enterprise information planning based on TOE-TAM model: Case study for ERP implementation of a discrete manufacturing | |
CN104182180B (zh) | 面向混合主存嵌入式系统的低能耗edf实时任务调度方法 | |
Wang et al. | Discussion on industrial internet platform construction based on power internet of things | |
Dong et al. | Joint optimisation of uncertain distributed manufacturing and preventive maintenance for semiconductor wafers considering multi-energy complementary |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |