CN105700495B - 基于加工时间等级的柔性作业车间调度机器选择方法 - Google Patents
基于加工时间等级的柔性作业车间调度机器选择方法 Download PDFInfo
- Publication number
- CN105700495B CN105700495B CN201610019013.2A CN201610019013A CN105700495B CN 105700495 B CN105700495 B CN 105700495B CN 201610019013 A CN201610019013 A CN 201610019013A CN 105700495 B CN105700495 B CN 105700495B
- Authority
- CN
- China
- Prior art keywords
- machine
- array
- alloperation
- process time
- burden
- 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
- 238000000034 method Methods 0.000 title claims abstract description 224
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000003754 machining Methods 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 206010016256 fatigue Diseases 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Multi-Process Working Machines And Systems (AREA)
Abstract
本发明公开了一种基于加工时间等级的柔性作业车间调度机器选择方法。对每道工序的可选机器根据加工时间大小进行等级划分。随机排列所有工序,以求得多种机器选择方案。为工序选择机器时,初置优先选择的机器等级为最高。计算优先等级机器集合和最小负荷机器集合的交集,如果交集不为空,则在交集中任选一台机器;否则,对下一工序查找机器。如果遍历完所有工序的机器交集仍为空,则将机器等级降低一级。在兼顾机器负荷均衡的同时,为工序选择加工时间尽可能短的机器,进而为工序排序优化,获得更优的最大完工时间等目标函数提供保障。本发明亦可应用于其他兼顾分配均衡和资源总量的柔性资源分配实际问题中。
Description
技术领域
本发明涉及柔性作业车间调度技术领域,具体为一种基于加工时间等级的柔性作业车间调度机器选择方法。
背景技术
柔性作业车间调度问题是传统作业车间调度问题的延伸,每道工序有多台不同的机器可供选择,更加符合以数控机床或加工中心为基础的实际车间生产情况,其研究具有重要的理论意义和应用价值。柔性作业车间调度包括机器选择和工序排序两个子问题,其中,机器选择的合理性对于工序调度的最终结果有重要的影响,机器选择是实现高质量工序排序优化的前提和基础。目前,文献中大部分FJSP求解算法一般采用的是随机的机器选择方式,不能够保证初始解的质量,因而导致算法的寻优效率和搜索能力低。针对机器选择问题,文献“Approach by localization and multiobjective evolutionaryoptimization for flexible job-shop scheduling problems,IEEE Transactions onSystems,Man and Cybernetics,Part C:Applications and Reviews,2002,vol32(1),p1-13”在考虑机器负荷均衡性的条件下,公开了一种有效的机器选择方法,在为工序选择机器时,选择累加负荷小的机器。但是,该方法基于对所有剩余工序的加工时间表进行操作,增加了机器选择过程的复杂性,对于不同类型的柔性作业车间调度问题,需设置额外参数,进行转化。文献“An effective genetic algorithm for the flexible job-shopscheduling problem,Expert Systems with Applications,2011,vol38(4),p3563-3573”公开了一种全局选择与局部选择相结合的机器选择方法,全局选择机器负荷的均衡性较好,局部选择所选择的机器具有更短的加工时间;与上述机器选择方法相比,该方法定义了专门的机器负荷累加数组,减小了机器选择过程的复杂性,同时,对于不同类型的柔性作业车间调度问题,无需设置额外参数进行转化。在此基础上,文献“基于极限调度完工时间最小化的机器选择及FJSP求解,计算机集成制造系统,2014,vol20(4),p854-865”进一步提出一种基于极限调度完工时间最小化的机器选择初始化方法,一方面通过在工件的工序集合中随机选择工序扩大了机器选择空间,另一方面通过改进工序选择机器的具体方法步骤,在比较机器负荷的基础上,再比较机器加工时间,进一步提高了机器选择质量。然而,该方法在满足机器负荷均衡的条件下,仍然不能最大限度的为工序选择加工时间短的机器,从而导致机器负荷和工件总工时增加,进而制约着工序排序最终的调度结果。
发明内容
要解决的技术问题
为解决现有技术存在的问题,在满足机器负荷均衡的条件下,能够最大限度的为工序选择加工时间短的机器,本发明提出了一种基于加工时间等级的柔性作业车间调度机器选择方法。
技术方案
本发明对每道工序的可选机器,根据加工时间大小进行等级划分,加工时间越小的机器具有的优先等级越高。为某道工序选择机器时,初置优先选择的机器等级为最高。在可选机器集中,选择加工时间等级为设定等级的机器组成优先等级机器集合,选择临时负荷最小的机器组成最小负荷机器集合,计算该两个集合的交集。如果交集不为空,在交集中任选一台机器,否则对下一工序查找机器。如果遍历完所有剩余工序的机器交集仍为空,则将优先选择的机器等级降低一级,直到交集不为空。通过对所有工序的随机排列,可以求得多种不同的机器选择方案。
本发明的技术方案为:
所述一种基于加工时间等级的柔性作业车间调度机器选择方法,其特征在于:采用以下步骤:
步骤1:读取问题数据,初始化机器数目MachNum、机器集合Machine{}、所有工序组成的工序集合AllOperation{}、所有的工序数目Length、加工时间数组ProcTime(),设置一个机器负荷数组MachLoad(MachNum);
步骤2:根据加工时间数组ProcTime()每道工序可选机器加工时间的大小,给加工时间等级数组ProcTimeRank()赋值;
步骤3:初始化机器负荷数组MachLoad(),每一个元素值为0;
步骤4:对工序集合AllOperation{}的元素进行随机排列,目的在于求得多种不同的机器选择方案;
步骤5:设置已选择机器的工序数目为i,并赋初值i=0;
步骤6:设置优先选择的机器等级rank初值,rank=1;
步骤7:设置工序集合AllOperation{}中,工序的顺序索引变量为j,从工序集合AllOperation{}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的顺序索引赋值给j;
步骤8:从该工序的可选机器集中,选取加工时间等级为rank的机器,组成优先等级机器集合PreRankMach{};
步骤9:将该工序可选机器的加工时间,与机器负荷数组MachLoad()对应机器的已有负荷相加,组成机器临时负荷数组MachLoadTemp(),从该数组中选择临时负荷最小的机器,组成最小负荷机器集合LoadMinMach{};
步骤10:对优先等级机器集合PreRankMach{}和最小负荷机器集合LoadMinMach{}求交集,记为A,A=PreRankMach{}∩LoadMinMach{},如果A≠Φ,执行步骤12;否则,执行步骤11;
步骤11:j=j+1,如果j<=Length,从工序集合AllOperation{}的第j个元素开始,继续查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的索引赋值给j,转至执行步骤8;如果j>Length,rank=rank+1,转至执行步骤7;
步骤12:从交集A中,任选一台机器,作为当前工序的加工机器,将该机器的加工时间累加到机器负荷数组MachLoad()的对应元素上,更新机器负荷数组MachLoad(),i=i+1;
步骤13:重复执行步骤6~12,直到i=Length,工序集合AllOperation{}的所有工序都选择完机器。
有益效果
本发明采用基于加工时间等级的机器选择方法,既能够保证各台机器负荷的均衡性,又能够为工序选择到加工时间尽可能短的机器,为柔性作业车间调度更进一步的工序排序优化提供了基础保障。同时,该方法可以广泛应用于各种智能算法,如遗传算法、蚁群算法、粒子群算法、人工蜂群算法等求解柔性作业车间调度的初始种群环节,进而提高初始种群的质量,改善算法的搜索能力和效率。对于以数控机床或加工中心为基础的实际柔性作业车间生产环境,实现良好的生产调度优化,提高车间生产效率,具有重要的应用价值。
附图说明
图1:本发明具体实施方式的流程图;
图2:本发明实施例的详细过程;
图3:本发明实施例的工序选择顺序及其对应机器优先等级设置。
具体实施方式
下面结合具体实施例描述本发明:
本发明基于加工时间等级的柔性作业车间调度机器选择方法流程图见附图1。本实施例以表1所示的2×6柔性作业车间调度问题实例为例,其中包含2个工件和6台机器,工序总数目为7。
表1,2×6柔性作业车间调度问题实例
本发明实施例的详细过程如图2所示,本发明实施例的工序选择顺序及其对应机器优先等级设置如图3所示。所述一种基于加工时间等级的柔性作业车间调度机器选择方法,其特征在于:采用以下步骤:
步骤1:读取如表1所示的2×6柔性作业车间调度问题实例数据,初始化机器数目MachNum=6、机器集合Machine{M 1,M 2,M 3,M 4,M 5,M 6}、所有工序组成的工序集合AllOperation{O 11,O 12,O 13,O 21,O 22,O 23,O 24}、所有的工序数目Length=7、加工时间数组ProcTime(),设置一个机器负荷数组MachLoad(MachNum)。
步骤2:根据加工时间数组ProcTime()每道工序可选机器加工时间的大小,给加工时间等级数组ProcTimeRank()赋值,机器对工序的加工时间越小,机器的优先等级越高,相同加工时间的机器,具有相同的优先等级,表2所示为2×6柔性作业车间调度问题实例的机器优先等级设置。
表2,2×6柔性作业车间调度问题实例的机器优先等级设置
步骤3:初始化机器负荷数组MachLoad(),每一个元素值为0,即为MachLoad(0,0,0,0,0,0)。
步骤4:对工序集合AllOperation{O 11,O 12,O 13,O 21,O 22,O 23,O 24}的元素进行随机排列,得到AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21},则工序选择机器的顺序为:O 13→O 22→O 24→O 12→O 23→O 11→O 21,目的在于求得多种不同的机器选择方案。
步骤5:设置已选择机器的工序数目为i,并赋初值i=0。
步骤6:设置优先选择的机器等级rank初值,rank=1。
步骤7:设置工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}中,工序的顺序索引变量为j,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的顺序索引赋值给j,此时,O 13尚未选择机器,j=1。
步骤8:从该工序O 13的可选机器集{M 1,M 3,M 4,M 5,M 6}中,选取加工时间等级为rank的机器,组成优先等级机器集合PreRankMach{M 1,M 5,M 6}。
步骤9:将该工序可选机器的加工时间,与机器负荷数组MachLoad(0,0,0,0,0,0)对应机器的已有负荷相加,组成机器临时负荷数组MachLoadTemp(5,0,7,6,5,5),从该数组中选择临时负荷最小的机器,组成最小负荷机器集合LoadMinMach{M 1,M 5,M 6}。
步骤10:对优先等级机器集合PreRankMach{M 1,M 5,M 6}和最小负荷机器集合LoadMinMach{M 1,M 5,M 6}求交集,记为A,A=PreRankMach{M 1,M 5,M 6}∩LoadMinMach{M 1,M 5,M 6}={M 1,M 5,M 6},如果A≠Φ,执行步骤12;否则,执行步骤11。
步骤11:j=j+1,如果j<=Length,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的第j个元素开始,继续查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的索引赋值给j,转至执行步骤8;如果j>Length,rank=rank+1,转至执行步骤7。
步骤12:从交集A={M 1,M 5,M 6}中,任选一台机器M 5,作为当前工序的加工机器,将该机器M 5的加工时间5累加到机器负荷数组MachLoad(0,0,0,0,0,0)的对应元素上,更新机器负荷数组MachLoad(0,0,0,0,5,0),i=i+1,此过程对应图2和图3中的环节(1)。
步骤13:重复执行步骤6~12,为其他剩余工序选择机器。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 22选择机器。
当为工序O 22选择机器时,由于A=PreRankMach{M 1,M 6}∩LoadMinMach{M 1,M 6}={M 1,M 6},从交集A={M 1,M 6}中,任选一台机器M 6,作为当前工序的加工机器,将该机器M 6的加工时间3累加到机器负荷数组MachLoad(0,0,0,0,5,0)的对应元素上,更新机器负荷数组MachLoad(0,0,0,0,5,3),i=i+1,此过程对应图2和图3中的环节(2)。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 24选择机器。
当为工序O 24选择机器时,由于A=PreRankMach{M 2,M 3}∩LoadMinMach{M 2,M 3}={M 2,M 3},从交集A={M 2,M 3}中,任选一台机器M 2,作为当前工序的加工机器,将该机器M 2的加工时间2累加到机器负荷数组MachLoad(0,0,0,0,5,3)的对应元素上,更新机器负荷数组MachLoad(0,2,0,0,5,3),i=i+1,此过程对应图2和图3中的环节(3)。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 12选择机器。
当为工序O 12选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 3}=Φ,此过程对应图2和图3中的环节(4)。在工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}继续查找尚未选择机器的工序,为工序O 23选择机器。
当为工序O 23选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 1,M 3}=Φ,此过程对应图2和图3中的环节(5)。在工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}继续查找尚未选择机器的工序,为工序O 11选择机器。
当为工序O 11选择机器时,由于A=PreRankMach{M 3,M 4}∩LoadMinMach{M 3,M 4}={M 3,M 4},从交集A={M 3,M 4}中,任选一台机器M 4,作为当前工序的加工机器,将该机器M 4的加工时间4累加到机器负荷数组MachLoad(0,2,0,0,5,3)的对应元素上,更新机器负荷数组MachLoad(0,2,0,4,5,3),i=i+1,此过程对应图2和图3中的环节(6)。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 12选择机器。
当为工序O 12选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 3}=Φ,此过程对应图2和图3中的环节(7)。在工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}继续查找尚未选择机器的工序,为工序O 23选择机器。
当为工序O 23选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 1,M 3}=Φ,此过程对应图2和图3中的环节(8)。在工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}继续查找尚未选择机器的工序,为工序O 21选择机器。
当为工序O 21选择机器时,由于A=PreRankMach{M 2,M 4}∩LoadMinMach{M 3}=Φ,此过程对应图2和图3中的环节(9)。此时,虽然工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}存在尚未选择机器的工序,但是,在优先选择的机器等级rank=1条件下,找不到工序可以选择的机器。因此,需要降低优先选择的机器等级rank=rank+1,再转至步骤7,为工序O 12选择机器。
当为工序O 12选择机器时,由于A=PreRankMach{M 2,M 3}∩LoadMinMach{M 3}={M 3},从交集A={M 3}中,选择机器M 3,作为当前工序的加工机器,将该机器M 3的加工时间6累加到机器负荷数组MachLoad(0,2,0,4,5,3)的对应元素上,更新机器负荷数组MachLoad(0,2,6,4,5,3),i=i+1,此过程对应图2和图3中的环节(10)。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 23选择机器。
当为工序O 23选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 1}=Φ,此过程对应图2和图3中的环节(11)。在工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}继续查找尚未选择机器的工序,为工序O 21选择机器。
当为工序O 21选择机器时,由于A=PreRankMach{M 2,M 4}∩LoadMinMach{M 1,M 2}={M 2},从交集A={M 2}中,选择机器M 2,作为当前工序的加工机器,将该机器M 2的加工时间2累加到机器负荷数组MachLoad(0,2,6,4,5,3)的对应元素上,更新机器负荷数组MachLoad(0,4,6,4,5,3),i=i+1,此过程对应图2和图3中的环节(12)。转至步骤6,仍然设置优先选择的机器等级rank=1,从工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,为工序O 23选择机器。
当为工序O 23选择机器时,由于A=PreRankMach{M 5}∩LoadMinMach{M 1}=Φ,此过程对应图2和图3中的环节(13)。此时,虽然工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}存在尚未选择机器的工序,但是,在优先选择的机器等级rank=1条件下,找不到工序可以选择的机器。因此,需要降低优先选择的机器等级rank=rank+1,再转至步骤7,为工序O 23选择机器。
当为工序O 23选择机器时,由于A=PreRankMach{M 1,M 3}∩LoadMinMach{M 1}={M 1},从交集A={M 1}中,选择机器M 1,作为当前工序的加工机器,将该机器M 1的加工时间4累加到机器负荷数组MachLoad(0,4,6,4,5,3)的对应元素上,更新机器负荷数组MachLoad(4,4,6,4,5,3),i=i+1,此过程对应图2和图3中的环节(14)。
此时,i=Length=6,工序集合AllOperation{O 13,O 22,O 24,O 12,O 23,O 11,O 21}的所有工序都选择完机器,机器选择结果如表3所示,对应时间带*的机器即为工序所选择的加工机器。
表3,2×6柔性作业车间调度问题实例的机器选择结果
Claims (1)
1.基于加工时间等级的柔性作业车间调度机器选择方法,其特征在于:包括以下步骤:
步骤1:读取问题数据,初始化机器数目MachNum、机器集合Machine{}、所有工序组成的工序集合AllOperation{}、所有的工序数目Length、加工时间数组ProcTime(),设置一个机器负荷数组MachLoad(MachNum);
步骤2:二维加工时间数组ProcTime()的每一行,对应着一道工序的多台可选机器加工时间,根据该行机器加工时间的大小,给加工时间等级数组ProcTimeRank()赋值;
步骤3:初始化机器负荷数组MachLoad(),每一个元素值为0;
步骤4:对工序集合AllOperation{}的元素进行随机排列,目的在于求得多种不同的机器选择方案;
步骤5:设置已选择机器的工序数目为i,并赋初值i=0;
步骤6:设置优先选择的机器等级rank初值,rank=1;
步骤7:设置工序集合AllOperation{}中,工序的顺序索引变量为j,从工序集合AllOperation{}的第1个元素开始,查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的顺序索引赋值给j;
步骤8:从该工序的可选机器集中,选取加工时间等级为rank的机器,组成优先等级机器集合PreRankMach{};
步骤9:将该工序可选机器的加工时间,与机器负荷数组MachLoad()对应机器的已有负荷相加,组成机器临时负荷数组MachLoadTemp(),从该数组中选择临时负荷最小的机器,组成最小负荷机器集合LoadMinMach{};
步骤10:对优先等级机器集合PreRankMach{}和最小负荷机器集合LoadMinMach{}求交集,记为A,A=PreRankMach{}∩LoadMinMach{},如果A≠Φ,执行步骤12;否则,执行步骤11;
步骤11:j=j+1,如果j<=Length,从工序集合AllOperation{}的第j个元素开始,继续查找尚未选择机器的工序,直到找到未选择机器的工序,将该工序基于1的索引赋值给j,转至执行步骤8;如果j>Length,rank=rank+1,转至执行步骤7;
步骤12:从交集A中,任选一台机器,作为当前工序的加工机器,将该机器的加工时间累加到机器负荷数组MachLoad()的对应元素上,更新机器负荷数组MachLoad(),i=i+1;
步骤13:重复执行步骤6~12,直到i=Length,工序集合AllOperation{}的所有工序都选择完机器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610019013.2A CN105700495B (zh) | 2016-01-13 | 2016-01-13 | 基于加工时间等级的柔性作业车间调度机器选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610019013.2A CN105700495B (zh) | 2016-01-13 | 2016-01-13 | 基于加工时间等级的柔性作业车间调度机器选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105700495A CN105700495A (zh) | 2016-06-22 |
CN105700495B true CN105700495B (zh) | 2018-02-23 |
Family
ID=56226397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610019013.2A Active CN105700495B (zh) | 2016-01-13 | 2016-01-13 | 基于加工时间等级的柔性作业车间调度机器选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105700495B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108399455B (zh) * | 2017-02-08 | 2021-05-25 | 西安京迅递供应链科技有限公司 | 基于遗传算法的调度方法及装置 |
CN108227636B (zh) * | 2018-01-17 | 2020-01-17 | 厦门理工学院 | 基于云端负载均衡控制的激光雕刻机工作系统及方法 |
CN108508853A (zh) * | 2018-03-13 | 2018-09-07 | 济南大学 | 基于改进扩展移动瓶颈算法求解产品综合调度问题的方法 |
CN110825056B (zh) * | 2019-11-26 | 2020-12-04 | 北京工业大学 | 一种具有可变参数连续加工与间歇加工的混合流水车间调度方法 |
CN111598297B (zh) * | 2020-04-15 | 2023-04-07 | 浙江工业大学 | 基于剩余工序最大值优选的柔性作业车间调度机器选择方法 |
CN113467399B (zh) * | 2021-07-08 | 2022-08-30 | 武汉理工大学 | 一种知识驱动的柔性离散制造生产调度优化方法 |
CN116560312B (zh) * | 2023-04-21 | 2024-04-30 | 吉林师范大学 | 动态调整设备优先级的柔性综合调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5826238A (en) * | 1996-04-02 | 1998-10-20 | Taiwan Semiconductor Manufacturing | Daily target generation and machine allocation with priority |
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
CN103020763A (zh) * | 2012-12-03 | 2013-04-03 | 西北工业大学 | 基于关系链的作业车间调度关键外协工序辨识方法 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN104391488A (zh) * | 2014-11-18 | 2015-03-04 | 广东工业大学 | 调整时间与顺序相关的柔性流水车间能耗优化调度方法 |
CN104504540A (zh) * | 2015-01-13 | 2015-04-08 | 郑州航空工业管理学院 | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 |
CN104914835A (zh) * | 2015-05-22 | 2015-09-16 | 齐鲁工业大学 | 一种柔性作业车间调度多目标的方法 |
-
2016
- 2016-01-13 CN CN201610019013.2A patent/CN105700495B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5826238A (en) * | 1996-04-02 | 1998-10-20 | Taiwan Semiconductor Manufacturing | Daily target generation and machine allocation with priority |
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
CN103020763A (zh) * | 2012-12-03 | 2013-04-03 | 西北工业大学 | 基于关系链的作业车间调度关键外协工序辨识方法 |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN104391488A (zh) * | 2014-11-18 | 2015-03-04 | 广东工业大学 | 调整时间与顺序相关的柔性流水车间能耗优化调度方法 |
CN104504540A (zh) * | 2015-01-13 | 2015-04-08 | 郑州航空工业管理学院 | 基于多阶段智能优化算法的动态柔性作业车间调度控制方法 |
CN104914835A (zh) * | 2015-05-22 | 2015-09-16 | 齐鲁工业大学 | 一种柔性作业车间调度多目标的方法 |
Non-Patent Citations (1)
Title |
---|
求解柔性作业车间调度问题的两级邻域搜索混合算法;赵诗奎;《机械工程学报》;20150731;第51卷(第14期);第175-184页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105700495A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105700495B (zh) | 基于加工时间等级的柔性作业车间调度机器选择方法 | |
CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
Bensmaine et al. | A new heuristic for integrated process planning and scheduling in reconfigurable manufacturing systems | |
Husbands et al. | Genetic algorithms, production plan optimisation and scheduling | |
Guo et al. | Optimisation of integrated process planning and scheduling using a particle swarm optimisation approach | |
CN106875094A (zh) | 一种基于多色集合遗传算法的多目标车间调度方法 | |
WO2018154799A1 (ja) | 業務計画最適化装置及び業務計画最適化方法 | |
Moon et al. | Genetic algorithms for job shop scheduling problems with alternative routings | |
CN103020763B (zh) | 基于关系链的作业车间调度关键外协工序辨识方法 | |
CN114186791A (zh) | 一种面向多型号小批量的复杂装备产品装调生产动态调度方法 | |
Purcheck | Machine-component group formation: an heuristic method for flexible production cells and flexible manufacturing systems | |
CN108053152A (zh) | 基于多色集合的改进遗传算法求解动态车间调度的方法 | |
CN110928261A (zh) | 分布式异构流水车间的分布估计调度方法及系统 | |
CN111210125B (zh) | 一种基于历史信息指导的多目标工件批调度方法及装置 | |
Thenarasu et al. | Development and selection of hybrid dispatching rule for dynamic job shop scheduling using multi-criteria decision making analysis (MCDMA) | |
CN113901728B (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 | |
CN114881301A (zh) | 生产线的仿真排产方法、系统、终端设备及存储介质 | |
Raj et al. | Simultaneous scheduling of machines and tools in multimachine flexible manufacturing systems using artificial immune system algorithm | |
Fattahi | A hybrid multi objective algorithm for flexible job shop scheduling | |
Park et al. | A GRASP approach to transporter scheduling for ship assembly block operations management | |
Zhang et al. | A discrete grey wolf optimizer for solving flexible job shop scheduling problem with lot-streaming | |
Wang et al. | Improved human-robot collaboration through simulation-based optimization | |
CN103246923A (zh) | 基于自适应遗传算法的弹性车间调度技术 | |
Li | Improved NSGA-II for the job-shop multi-objective scheduling problem | |
Li et al. | A dimension-aware gaining-sharing knowledge algorithm for distributed hybrid flowshop scheduling with resource-dependent processing time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |