CN106611232A - 一种求解多工艺路线作业车间调度的分层优化算法 - Google Patents
一种求解多工艺路线作业车间调度的分层优化算法 Download PDFInfo
- Publication number
- CN106611232A CN106611232A CN201610079090.7A CN201610079090A CN106611232A CN 106611232 A CN106611232 A CN 106611232A CN 201610079090 A CN201610079090 A CN 201610079090A CN 106611232 A CN106611232 A CN 106611232A
- Authority
- CN
- China
- Prior art keywords
- layer
- manufacturing cell
- workpiece
- planning layer
- scheduling
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000004519 manufacturing process Methods 0.000 claims abstract description 60
- 230000002068 genetic effect Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 52
- 230000004044 response Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 239000010410 layer Substances 0.000 description 40
- 238000009826 distribution Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008775 paternal effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明提出了一种求解多工艺路线作业车间调度的分层优化算法，该发明涉及多工艺路线作业车间调度领域，根据多工艺路线作业车间调度的特征，提出了基于目标级联法的分层优化模型，根据该模型把多工艺路线作业车间调度问题分为三层：工艺规划层、单元规划层、工件调度层，工艺规划层为所有工件选择最佳工艺路线，单元规划层对所有机器聚类制造单元，工件调度层在各制造单元上调度工件。通过多层协调优化和制造单元聚类，结合改进的遗传算法搜索全局最优解，该算法可以实现在大型车间多单元协同调度，具有灵活的工艺路线、复杂度低和效率高等特点。
Description
所属领域
本发明涉及计算机执行制造系统领域，具体地涉及多工艺路线作业车间调度领域。
背景技术
随着目前市场的急剧变化，制造业逐渐转变为多品种、小批量的生产模式。作为降低生产成本并提高资源利用率的重要手段，生产调度变得尤为重要。多工艺路线作业车间调度问题考虑了生产计划和调度过程中各个工件的多工艺路线，提高了生产过程的灵活性，优化了作业车间调度。不同于传统的柔性作业车间调度问题主要采用单一整体模型和算法来优化，多工艺路线作业车间调度问题具有选择工艺路线和调度优化的双重任务，所以迫切需要一个新的优化方法来解决这个问题。目前，研究者大多采用单层算法，如整数规划、基于规则的启发式搜索算法和遗传算法等，但随着问题规模的不断增加,建模和求解的难度不断增大，求解的时间已不能满足生产调度实时性的要求，效率很低。
发明内容
针对现有技术中存在的上述不足之处，根据多工艺路线作业车间调度的特征，本发明提出了一种基于目标级联法(Analytical Target Cascading，ATC)的分层优化模型及其相应算法。通过多层协调优化和制造单元聚类，结合改进的遗传算法搜索全局最优解，该方法可以实现在大型车间多单元协同调度，具有灵活的工艺路线、复杂度低和效率高等特点。
本发明的目的则是克服现有技术中存在的：选择工艺路线复杂度高；随着问题规模的扩大，建模和求解的难度不断增大，且搜索时间显著提高；搜索空间容易陷入局部最优的问题。
本发明为实现上述目的所采用的技术方案是：一种求解多工艺路线作业车间
调度的分层优化算法，该方法的实施步骤如下：
步骤1：初始化算法参数集，包括各层的允许误差值：ε0、ε1、ε2，反馈给上层的响应值：迭代次数CN及进化代数VN；
步骤2：在工艺规划层，根据工件的多工艺设置路线选择变量x01；
步骤3：在单元规划层，应用因子分析法构造虚拟制造单元及工件到制造单元的初始分布，组成动态工件族，通过基因谱描述其过程；
步骤4：在工件调度层，在各制造单元和工件族上，随机生成N个个体作为初始种群，应用择优选择、POX交叉、交换变异，以尽早加工为准则对各基因进行解码，计算其适应值，最终获得每个制造单元的最优调度方案；
步骤5：反馈各制造单元的完工时间给单元规划层，并计算反应偏差和全局目标值。如果偏差小于允许误差，发送单元规划层的响应值给工艺规划层，使其判断迭代次数是否超过CN，如果是则转步骤6，否则更新所有工艺路线，进行下一次优化；如果偏差超过允许误差，在制造单元对基因谱执行标准交叉算子然后转步骤4；
步骤6：输出保留最小总目标值的最优结果，优化结束。
本发明的有益效果是：
1、分层优化，模型简单。随着问题规模的扩大，求解的难度增加不大；
2、结合遗传算法的交叉、变异算子，增加了基因的多样性，提高了寻找最优解的概率；
3、工件到制造单元的聚类分布越合理，收敛速度越快，调度方案越优。
4、快速收敛，显著减少了搜索与求解时间。
附图说明
图1表示该分层优化算法流程图
图2表示ATC模型中元素Pij的优化示例图。
图3表示分层优化模型示例图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下，结合附图对本发明进行详细说明。
多工艺路线作业车间调度是一个考虑每个工件多条工艺路线的生产组织形式，包括工艺规划和作业车间调度的双重优化任务，旨在一些约束条件下确定每个工件的工艺路线和安排每台机器上的工序顺序，使调度结果最优。多工艺路线作业车间调度描述如下：n个工件Ji(i＝1，2，...，n)组成的工件集J；m台机器Mj(j＝1，2，...，m)组成的机器集M；工件Ji有pi条可选工艺路线；路线k上有sik个工序；每个工序Oikl可以在若干机器上加工(i＝1，2，...，n；k＝1，2，...，pi；l＝ 1，2，...，sik)。存在以下假设：
(1)一个工序在一台确定的机器上开始加工就不能中断直至完成；
(2)一台机器在同一时刻只能加工一个工序；
(3)一个工件同一时刻只能在一台机器上加工；
(4)所有工件相互独立，不存在优先级；
(5)所有机器在调度过程中都是可用的；
(6)只计算工序的加工时间，忽略物流时间。
为了在大型作业车间尽快地完成批量工件的加工，首先所有工件的工艺路线需要最佳选择，其次聚类分析所有机器和构造多个虚拟加工单元，然后每个工件被分配到每个加工单元组成动态工件族，在各自单元对每一个零件族优化排序，最后得到所有工件在所有机器上的最优调度方案。
一、基于目标级联法求解多工艺路线作业车间调度问题的分层优化模型，结合图1，图2，图3，描述如下：
(1)、目标级联法，结合图2、图3，可表述如下：
目标级联法是一种利用分层结构解决大规模组合优化问题的新方法，避免复杂的系统分析，并确保子系统的并行优化。它允许层次结构中各元素自主决策，父系统对子系统的决策进行协调优化以获得全局最优解。它包括两类模块：优化设计模块和分析模块。优化设计模块负责每个元素的目标优化，分析模块负责计算元素的响应。局部设计变量、参数和子系统的响应为其输入，而传递给优化设计模块的响应为其输出。
图2中Pij的优化目标和和联系变量从父系统传递下来，Pij优化结束后，把响应和联系变量反馈给父系统；同时将和传给子系统P(i+1)j，作为其优化目标和联系变量。xij、yij和为分析模块的输入，Rij为分析模块的输出。
根据ATC的优化原则，把多工艺路线作业车间调度问题分为三层，结合图3可看出：工艺规划层、单元规划层、工件调度层。工艺规划层为所有工件选择最佳工艺路线，单元规划层对所有机器聚类制造单元，工件调度层在各制造单元上调度工件。
(2)工艺规划层模型，结合图1、图3
车间作业调度的第一个问题是确定所有工件的加工路线，所以工艺规划层的任务是为每个工件选择最佳路线，目标是在所选路线下协调各制造单元的完工时间，使加工时间最短。步骤2的变量x01选择方式如下：
0≤x01≤l (4)
式1表示工艺规划层所有工件的最短完工时间；式2指该层的响应值，即制造单元最慢进度值；式3指该层的允许误差；式4指设计变量。式中：T0指批量订单的交货期，为系统总目标；为工艺规划层的响应值，其值等于制造单元最长完工时间；指工艺规划层设置的制造单元Mk(k＝1，2，...，m)的响应值， 指单元规划层向工艺规划层反馈的响应值；ε0指工艺规划层允许的误差；l指最大工艺路线数量。
(3)单元规划层模型，结合图1、图3
单元规划层为所有机器聚类和构建若干虚拟制造单位，然后在工艺规划层确定工艺路线后，分配工件到适当制造单元组成工件族。该层的任务是完成机器的聚类分析和工件到制造单元的分配，目标是在不同制造单元上的工件最少条件下，使制造单元完工时间最短，数学模型如下：
0≤x1i≤D (8)
式5指该制造单元的完工时间最短；式6表示该制造单元最慢工件的加工进度值，其作为单元规划层的响应值；式7指该制造单元的进度；式8指局部设计变量；式中：指该制造单元的完工时间；指该制造单元设置的工件i的完工时间；ε1指单元规划层允许的误差；D指制造单元的数量。
单元规划层中，用因子分析法将所有机器聚类为制造单元：首先建立相关系数矩阵，然后用主成分分析法确定矩阵的特征值和特征向量，最后通过因子旋转 获得最优制造单元。此外，通过基因谱描述工件到各制造单元的分配过程。
(4)工件调度层模型，结合图1、图3
划分制造单元与工件族后，工件调度层对各制造单元中相应机器上的工件进行最佳排序。该层的目标是使每一个工件的完工时间最短。数学模型如下：
cijk＝sijk+tijk，i＝1，...，n；j＝1，...，pi；k＝，...，m (12)
sijk-ci(j-1)l≥0xijk＝xi(j-1)l＝1 (13)
sijk-cghk≥0xijk＝xghk＝1 (14)
xijk＝0或1 (15)
式9表示工件i在一确定的制造单元上的完工时间最短；式10指工件i的加工进度；式11指反馈给上层的完工时间，即工序的总完工时间；式12指各工序的完工时间，等于开始时间与加工时间之和；式13、14指路线与机器约束；式15指工件是否在机器上加工的判断系数。
确定工艺路线和机器的单元调度问题属于传统的作业车间调度问题，本发明采用基于工序编码与解码规则的改进的遗传算法，制造单元中各机器上各工件的工序顺序通过遗传算子获得。
基于ACT的多工艺路线车间作业调度是一个层次优化过程。工艺规划层根据系统总目标为单元规划层各制造单元设置完工策略，单元规划层为工件调度层各工件设置最小完工时间。工件调度优化过程完成后，各制造单元上工件的最小完工时间反馈给单元规划层，各制造单元的最小完工时间反馈给工艺规划层，连续迭代直到获得全局最优解。
上述结合附图对本发明的实施例作了详细描述，应该理解上述只是示例性的，因此，本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (4)
1.一种求解多工艺路线作业车间调度的分层优化算法，该算法涉及计算机执行制造系统领域，具体地涉及多工艺路线作业车间调度领域，该算法基于目标级联法的分层优化模型，通过多层协调优化和制造单元聚类，结合改进的遗传算法搜索全局最优解，其特征是：该算法的实施步骤如下：
步骤1：初始化算法参数集，包括各层的允许误差值： 、，反馈给上层的响应值：、迭代次数CN及进化代数VN；
步骤2：在工艺规划层，根据工件的多工艺设置路线选择变量；
步骤3：在单元规划层，应用因子分析法构造虚拟制造单元及工件到制造单元的初始分布，组成动态工件族，通过基因谱描述其过程；
步骤4：在工件调度层，在各制造单元和工件族上，随机生成N个个体作为初始种群，应用择优选择、POX交叉、交换变异，以尽早加工为准则对各基因进行解码，计算其适应值，最终获得每个制造单元的最优调度方案；
步骤5：反馈各制造单元的完工时间给单元规划层，并计算反应偏差和全局目标值，如果偏差小于允许误差，发送单元规划层的响应值给工艺规划层，使其判断迭代次数是否超过CN，如果是则转步骤6，否则更新所有工艺路线，进行下一次优化；如果偏差超过允许误差，在制造单元对基因谱执行标准交叉算子然后转步骤4；
步骤6：输出保留最小总目标值的最优结果，优化结束。
2.根据权利要求1所述的一种求解多工艺路线作业车间调度的分层优化算法，其特征是：本算法根据目标级联法的分层优化原则，把多工艺路线作业车间调度问题分为三层：工艺规划层、单元规划层、工件调度层，工艺规划层为所有工件选择最佳工艺路线，单元规划层对所有机器聚类制造单元，工件调度层在各制造单元上调度工件。
3.根据权利要求1所述的一种求解多工艺路线作业车间调度的分层优化算法，其特征是：
步骤2的变量选择方式如下：
0≤x01≤l (4)
式1表示工艺规划层所有工件的最短完工时间；式2指该层的响应值，即制造单元最慢进度值；式3指该层的允许误差；式4指设计变量。式中：T0指批量订单的交货期，为系统总目标；为工艺规划层的响应值，其值等于制造单元最长完工时间；指工艺规划层设置的制造单元Mk(k＝1，2，...，m)的响应值， 指单元规划层向工艺规划层反馈的响应值；ε0指工艺规划层允许的误差；l指最大工艺路线数量。
4.根据权利要求1所述的一种求解多工艺路线作业车间调度的分层优化算法，其特征是：步骤3用因子分析法将所有机器聚类为制造单元，步骤如下：首先建立相关系数矩阵，然后用主成分分析法确定矩阵的特征值和特征向量，最后通过因子旋转获得最优制造单元，此外，通过基因谱描述工件到各制造单元的分配过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610079090.7A CN106611232A (zh) | 2016-02-04 | 2016-02-04 | 一种求解多工艺路线作业车间调度的分层优化算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610079090.7A CN106611232A (zh) | 2016-02-04 | 2016-02-04 | 一种求解多工艺路线作业车间调度的分层优化算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106611232A true CN106611232A (zh) | 2017-05-03 |
Family
ID=58614665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610079090.7A Pending CN106611232A (zh) | 2016-02-04 | 2016-02-04 | 一种求解多工艺路线作业车间调度的分层优化算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106611232A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902954A (zh) * | 2019-02-27 | 2019-06-18 | 浙江工业大学 | 一种基于工业大数据的柔性作业车间动态调度方法 |
| CN110084416A (zh) * | 2019-04-19 | 2019-08-02 | 江苏理工学院 | 一种基于遗传算法的复杂产品生产线性能优化方法 |
| CN110796355A (zh) * | 2019-10-22 | 2020-02-14 | 江苏金陵智造研究院有限公司 | 一种基于动态解码机制的柔性作业车间调度方法 |
| CN111507641A (zh) * | 2020-04-27 | 2020-08-07 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
| CN111674795A (zh) * | 2020-05-27 | 2020-09-18 | 浙江工业大学 | 一种跨层跨巷道穿梭车仓储系统的任务调度方法 |
| CN113093673A (zh) * | 2021-03-31 | 2021-07-09 | 南京大学 | 一种使用平均场动作价值学习优化车间作业排程的方法 |
| EP3961329A1 (de) * | 2020-08-25 | 2022-03-02 | Audi AG | Steuereinheit sowie verfahren zum steuern von transporten einer vielzahl an werkstücken in einem modularen montagesystem mittels eines genetischen algorithmus; montagesystem |
| CN114881320A (zh) * | 2022-04-29 | 2022-08-09 | 哈尔滨理工大学 | 一种基于虚拟线性生产工艺多目标优化调度方法 |
| CN115204696A (zh) * | 2022-07-21 | 2022-10-18 | 成都飞机工业（集团）有限责任公司 | 基于atc和alc算法的飞机生产线装配作业调度方法 |
| CN116224936A (zh) * | 2023-03-01 | 2023-06-06 | 湘南学院 | 一种集成零件共享的动态柔性装配作业车间生产控制方法 |
-
2016
- 2016-02-04 CN CN201610079090.7A patent/CN106611232A/zh active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109902954B (zh) * | 2019-02-27 | 2020-11-13 | 浙江工业大学 | 一种基于工业大数据的柔性作业车间动态调度方法 |
| CN109902954A (zh) * | 2019-02-27 | 2019-06-18 | 浙江工业大学 | 一种基于工业大数据的柔性作业车间动态调度方法 |
| CN110084416A (zh) * | 2019-04-19 | 2019-08-02 | 江苏理工学院 | 一种基于遗传算法的复杂产品生产线性能优化方法 |
| CN110796355A (zh) * | 2019-10-22 | 2020-02-14 | 江苏金陵智造研究院有限公司 | 一种基于动态解码机制的柔性作业车间调度方法 |
| CN111507641B (zh) * | 2020-04-27 | 2024-04-16 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
| CN111507641A (zh) * | 2020-04-27 | 2020-08-07 | 上海华力集成电路制造有限公司 | 一种批处理设备调度方法及其装置 |
| CN111674795A (zh) * | 2020-05-27 | 2020-09-18 | 浙江工业大学 | 一种跨层跨巷道穿梭车仓储系统的任务调度方法 |
| EP3961329A1 (de) * | 2020-08-25 | 2022-03-02 | Audi AG | Steuereinheit sowie verfahren zum steuern von transporten einer vielzahl an werkstücken in einem modularen montagesystem mittels eines genetischen algorithmus; montagesystem |
| CN113093673A (zh) * | 2021-03-31 | 2021-07-09 | 南京大学 | 一种使用平均场动作价值学习优化车间作业排程的方法 |
| CN114881320A (zh) * | 2022-04-29 | 2022-08-09 | 哈尔滨理工大学 | 一种基于虚拟线性生产工艺多目标优化调度方法 |
| CN115204696A (zh) * | 2022-07-21 | 2022-10-18 | 成都飞机工业（集团）有限责任公司 | 基于atc和alc算法的飞机生产线装配作业调度方法 |
| CN115204696B (zh) * | 2022-07-21 | 2023-12-08 | 成都飞机工业（集团）有限责任公司 | 基于atc和alc算法的飞机生产线装配作业调度方法 |
| CN116224936A (zh) * | 2023-03-01 | 2023-06-06 | 湘南学院 | 一种集成零件共享的动态柔性装配作业车间生产控制方法 |
| CN116224936B (zh) * | 2023-03-01 | 2024-03-12 | 湘南学院 | 一种集成零件共享的动态柔性装配作业车间生产控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106611232A (zh) | 一种求解多工艺路线作业车间调度的分层优化算法 | |
| Sang et al. | Intelligent factory many-objective distributed flexible job shop collaborative scheduling method | |
| Liu et al. | A hybrid fruit fly algorithm for solving flexible job-shop scheduling to reduce manufacturing carbon footprint | |
| Jeon et al. | Forming part families by using genetic algorithm and designing machine cells under demand changes | |
| CN104808627A (zh) | 一种离散制造系统的车间布局方法 | |
| CN111563629A (zh) | 柔性制造车间多阶段设备产能配置与鲁棒性布局优化方法 | |
| CN103729694B (zh) | 基于多色集合层次结构的改进ga求解柔性车间调度的方法 | |
| CN105652791A (zh) | 订单驱动的离散制造过程能耗优化方法 | |
| CN104636871B (zh) | 一种基于数据的单阶段多产品批处理的控制方法 | |
| CN103927628B (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
| CN107831740A (zh) | 一种应用于笔记本零件的分布式生产制造过程中的优化调度方法 | |
| CN101727622A (zh) | 一种面向复杂制造系统的层次化建模与优化方法 | |
| CN107146039A (zh) | 一种多目标协同控制的定制式混流装配生产方法及装置 | |
| CN110404965A (zh) | 考虑非定尺订单规格柔性的热轧中厚板组板及板坯设计的方法及模型系统 | |
| CN114611379A (zh) | 一种基于数据驱动的加工工艺节能规划方法 | |
| CN115185247A (zh) | 一种基于产品加工质量的机床运行状态预测与车间调度方法 | |
| CN104281134B (zh) | 基于人机交互的原矿选别过程多生产指标优化系统及方法 | |
| CN105955209A (zh) | 一种基于数据挖掘制造业工厂设备布局方法 | |
| CN113537568A (zh) | 一种钢铁热轧生产调度计划确定方法及系统 | |
| CN112926896A (zh) | 一种用于卷烟制丝生产的排产方法 | |
| Osman et al. | A cuckoo search algorithm to solve transfer line balancing problems with different cutting conditions | |
| 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 | |
| Cui et al. | A hybrid genetic algorithm based on reinforcement learning for the energy-aware production scheduling in the photovoltaic glass industry | |
| Ren et al. | A novel optimization method for modular facilities layout problem considering flexible processes | |
| CN116596293B (zh) | 基于遗传算法的分布式全流程作业车间调度方法及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |