CN108873850A - 一种机械制造自动化生产过程的优化调度方法 - Google Patents
一种机械制造自动化生产过程的优化调度方法 Download PDFInfo
- Publication number
- CN108873850A CN108873850A CN201811029456.5A CN201811029456A CN108873850A CN 108873850 A CN108873850 A CN 108873850A CN 201811029456 A CN201811029456 A CN 201811029456A CN 108873850 A CN108873850 A CN 108873850A
- Authority
- CN
- China
- Prior art keywords
- individual
- workpiece
- population
- equipment
- current
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 206010054949 Metaplasia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000015689 metaplastic ossification Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 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]
- G05B19/41885—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 modeling, simulation of the manufacturing system
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (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)
Abstract
本发明公开了一种机械制造自动化生产过程的优化调度方法,本发明首先,依据算法步骤得到的“历史最优个体”更新下一代种群,这样能够更好的引导算法的全局搜索;在种群的更新过程中,采用正弦和余弦的更新公式不断更新个体和种群,并采取保优策略,能够有效的保留优良解中的信息;在新种群生成后,对种群中的较优个体进行基于“Inverse”和“Insert”局部搜索操作,其中“Inverse”操作对当前的解邻域进行扰动,有利于算法跳出局部最优;同时结合高效的“Insert”操作对当前解进行更深层次的挖掘,提高解的质量。本发明所提出的基于正弦余弦算法的优化调度方案可以有效的的求解机械制造自动化生产过程的调度问题。
Description
技术领域
本发明涉及一种机械制造自动化生产过程的优化调度方法,属于生产车间智能优化调度领域。
背景技术
机械制造是我国国民经济的重要支柱,随着社会的发展与科技的进步,现代制造业正在改变人类的生产方式、企业管理模型乃至社会的文化发展。特别对于我国“制造大国”的地位,机械制造自动化生产在我国机械制造中显得尤为重要。机械制造的自动化生产,是将自动化技术应用到机械制造中,实现对产品的连续自动生产,加快产品的加工变换和流动速度,节约人力资源。随着我国机械制造业的快速发展,自动化生产的应用越来越普遍。并且伴随着市场竞争的日趋激烈,如何有效地提高机械制造自动化生产过程中各环节的效率,是提高企业经济效益和市场竞争力的关键。
在机械制造中,对产品机械加工的自动化生产线往往由多台加工设备构成,所有的产品都需在自动化生产线上进行加工制造,但根据客户或企业的要求,不同的产品在对应机器上的加工时间不同。一般而言,根据自动化生产线“零缓冲区”的特性,产品在某台机器上加工完成后,当下个加工操作所需机器未准备就绪时(处于加工状态或阻塞状态),会导致该工件阻塞在当前机器上,形成阻塞状态。另外,由于一个机器上一次只能加工一个工件,所以阻塞状态的机器仍属于未准备就绪状态,进而影响下一个产品的加工。这种问题属于典型的阻塞流水线调度问题。
发明内容
本发明提供了一种机械制造自动化生产过程的优化调度方法,以用于解决在较短时间内获得机械制造自动化生产线的优良解的调度问题。
本发明的技术方案是:一种机械制造自动化生产过程的优化调度方法,通过确定机械制造自动化生产过程的调度模型和优化目标,并使用基于正弦余弦算法的优化调度方法对优化目标进行优化;其中调度模型依据每台加工设备上所加工工件的最大完工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,加工设备数为m,每个工件i∈(1,2,…,n)需要在m台设备上加工,每个工件在设备上的加工顺序相同,每台设备上的被加工工件的顺序相同;任何时候,每台设备仅能加工一个工件且一旦开始加工便不能被其他工件抢占;一个工件在某一时刻只能在一台设备上加工;工件在一台设备上加工完后,将在下一台设备可用之前阻塞在当前设备上;π=[π1,π2,…,πn]为待加工的n个工件的排列,该排列中的工件根据从左往右的规则分配到个加工设备上加工,πi∈(1,2,…,n);为工件πi在设备j上的离开时间,为工件πi在第一台设备上的开始加工时间;为工件πi在设备j上加工时间,自动化生产线具有“零缓冲”的特征,即工件在被加工完成后,会阻塞在当前机器上直到下台设备可用为止;优化目标为所有待加工工件排序的集合中找到一个π,使得最大完工时间Cmax(π)最小。
所述基于正弦余弦算法的优化调度方法具体为:
Step1、编码方式:采用基于随机键编码方式对工件的排列进行实数编码,然后根据LOV规则建立实数编码与整数编码之间的一一映射关系,进而实现从实数编码向工件排序的转换;
Step2、种群的初始化:采用随机的方式初始化种群,随机产生N_popsize个个体,组成初始种群;同时选择出当前种群中的“最优个体”作为第一代的“历史最优个体”;
Step3、在取值范围为[0,1]之间生成随机数p,根据p取值的不同选择不同的公式来参与新个体目标值计算,如果新个体的目标值优于当前个体,则采用新个体替换当前个体;具体公式如下:
当p≤0.5时:
否则,
其中,为新个体在位置i的实数编码值,为当前个体在位置i的实数编码值,为当前历史最优个体在位置i的实数编码值;r2为区间[0,2π]的一个随机值,r3为[0,2]范围内的随机权重;r1的取值根据迭代次数的不同进行自适应变化,其更新公式为:
其中,a为常量,t为当前运行代数,T为总运行代数;
Step4、基于“Inverse”和“Insert”操作的局部搜索策略对新种群中的前k个个体作为较优个体进行局部搜索,若局部搜索得到的个体优于当前个体,则将其替换;
Step5、更新“历史最优个体”:对比“历史最优个体”和新种群中较优的k个个体,选择其中最优的个体并更新“历史最优个体”;
Step6、终止条件:设定终止条件为最大迭代次数,如果满足,则输出“历史最优个体”;否则跳转至Step3,直到满足终止条件。
本发明的有益效果是:本发明提出了机械制造自动化生产过程的调度模型和优化目标,可在短时间内获得机械制造自动化生产过程的调度问题的优良解,使得机械制造自动化生产过程更加清晰准确,调度方法合理有效,提高了工厂的生产效益。首先,依据算法步骤得到的“历史最优个体”更新下一代种群,这样能够更好的引导算法的全局搜索;在种群的更新过程中,采用正弦和余弦的更新公式不断更新个体和种群,并采取保优策略,能够有效的保留优良解中的信息;在新种群生成后,对种群中的较优个体进行基于“Inverse”和“Insert”局部搜索操作,其中“Inverse”操作对当前的解邻域进行扰动,有利于算法跳出局部最优;同时结合高效的“Insert”操作对当前解进行更深层次的挖掘,提高解的质量。本发明所提出的基于正弦余弦算法的优化调度方案可以有效的的求解机械制造自动化生产过程的调度问题。
附图说明
图1为阻塞流水车间的甘特图;
图2为本发明的整体流程框图;
图3为本发明中问题解的表达示意图;
图4为本发明的基本“Inverse”邻域变化示意图;
图5为本发明的基本“Insert”邻域变化示意图。
具体实施方式
实施例1:如图1-5所示,一种机械制造自动化生产过程的优化调度方法,通过确定机械制造自动化生产过程的调度模型和优化目标,并使用基于正弦余弦算法的优化调度方法对优化目标进行优化;其中调度模型依据每台加工设备上所加工工件的最大完工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,加工设备数为m,每个工件i∈(1,2,…,n)需要在m台设备上加工,每个工件在设备上的加工顺序相同,每台设备上的被加工工件的顺序相同;任何时候,每台设备仅能加工一个工件且一旦开始加工便不能被其他工件抢占;一个工件在某一时刻只能在一台设备上加工;工件在一台设备上加工完后,将在下一台设备可用之前阻塞在当前设备上;π=[π1,π2,…,πn]为待加工的n个工件的排列,该排列中的工件根据从左往右的规则分配到个加工设备上加工,πi∈(1,2,…,n);为工件πi在设备j上的离开时间,为工件πi在第一台设备上的开始加工时间;为工件πi在设备j上加工时间,自动化生产线具有“零缓冲”的特征,即工件在被加工完成后,会阻塞在当前机器上直到下台设备可用为止;优化目标为所有待加工工件排序的集合中找到一个π,使得最大完工时间Cmax(π)最小。
进一步地,可以设置所述基于正弦余弦算法的优化调度方法具体为:
Step1、编码方式:采用基于随机键编码方式对工件的排列进行实数编码,然后根据LOV规则建立实数编码与整数编码之间的一一映射关系,进而实现从实数编码向工件排序的转换;譬如有8个待加工工件,3台设备,由于是流水线加工,所以在编码时只需考虑工件个数即可。随机编码后产生一个测试芯片排序为[4,2,7,1,8,5,6,3],如图1所示。一号位置的4表示第一个进入自动化生产线的工件为工件4,二号位置的2表示第二个进入自动化生产线的工件为工件2,依次类推。
Step2、种群的初始化:采用随机的方式初始化种群,随机产生N_popsize个个体,组成初始种群;同时选择出当前种群中的“最优个体”作为第一代的“历史最优个体”;
Step3、在取值范围为[0,1]之间生成随机数p,根据p取值的不同选择不同的公式来参与新个体目标值计算,如果新个体的目标值优于当前个体,则采用新个体替换当前个体;具体公式如下:
当p≤0.5时:
否则,
其中,为新个体在位置i的实数编码值,为当前个体在位置i的实数编码值,为当前历史最优个体在位置i的实数编码值;r2为区间[0,2π]的一个随机值,π表示圆周率;r3为[0,2]范围内的随机权重;r1的取值根据迭代次数的不同进行自适应变化,其更新公式为:
其中,a为常量,t为当前运行代数,T为总运行代数;
Step4、基于“Inverse”和“Insert”操作的局部搜索策略对新种群中的较优个体进行局部搜索,若局部搜索得到的个体优于当前个体,则将局部搜索得到的个体替换其当前个体;其中较优个体为前3个个体;
Step5、更新“历史最优个体”:对比“历史最优个体”和新种群中较优的3个个体,选择其中最优的个体并更新“历史最优个体”;
Step6、终止条件:设定终止条件的最大迭代次数为300,如果满足,则输出“历史最优个体”;否则跳转至Step3,直到满足终止条件。
进一步地,可以设置所述种群规模设置为50,a的初始取值为5。
表1给出了不同问题规模情况下所求得的目标函数值:
通过表1给出了不同规模情况下算法在较短时间内运行20次求得的平均值和标准差。由此可知,基于正弦余弦算法的调度方案能够有效优化机械制造自动化生产的调度问题。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种机械制造自动化生产过程的优化调度方法,其特征在于:通过确定机械制造自动化生产过程的调度模型和优化目标,并使用基于正弦余弦算法的优化调度方法对优化目标进行优化;其中调度模型依据每台加工设备上所加工工件的最大完工时间来建立,优化目标为最小化最大完工时间Cmax(π):
式中,加工设备数为m,每个工件i∈(1,2,…,n)需要在m台设备上加工,每个工件在设备上的加工顺序相同,每台设备上的被加工工件的顺序相同;任何时候,每台设备仅能加工一个工件且一旦开始加工便不能被其他工件抢占;一个工件在某一时刻只能在一台设备上加工;工件在一台设备上加工完后,将在下一台设备可用之前阻塞在当前设备上;π=[π1,π2,…,πn]为待加工的n个工件的排列,该排列中的工件根据从左往右的规则分配到个加工设备上加工,πi∈(1,2,…,n);为工件πi在设备j上的离开时间,为工件πi在第一台设备上的开始加工时间;为工件πi在设备j上加工时间,自动化生产线具有“零缓冲”的特征,即工件在被加工完成后,会阻塞在当前机器上直到下台设备可用为止;优化目标为所有待加工工件排序的集合中找到一个π,使得最大完工时间Cmax(π)最小。
2.根据权利要求1所述的机械制造自动化生产过程的优化调度方法,其特征在于:所述基于正弦余弦算法的优化调度方法具体为:
Step1、编码方式:采用基于随机键编码方式对工件的排列进行实数编码,然后根据LOV规则建立实数编码与整数编码之间的一一映射关系,进而实现从实数编码向工件排序的转换;
Step2、种群的初始化:采用随机的方式初始化种群,随机产生N_popsize个个体,组成初始种群;同时选择出当前种群中的“最优个体”作为第一代的“历史最优个体”;
Step3、在取值范围为[0,1]之间生成随机数p,根据p取值的不同选择不同的公式来参与新个体目标值计算,如果新个体的目标值优于当前个体,则采用新个体替换当前个体;具体公式如下:
当p≤0.5时:
否则,
其中,为新个体在位置i的实数编码值,为当前个体在位置i的实数编码值,为当前历史最优个体在位置i的实数编码值;r2为区间[0,2π]的一个随机值,r3为[0,2]范围内的随机权重;r1的取值根据迭代次数的不同进行自适应变化,其更新公式为:
其中,a为常量,t为当前运行代数,T为总运行代数;
Step4、基于“Inverse”和“Insert”操作的局部搜索策略对新种群中的前k个个体作为较优个体进行局部搜索,若局部搜索得到的个体优于当前个体,则将其替换;
Step5、更新“历史最优个体”:对比“历史最优个体”和新种群中较优的k个个体,选择其中最优的个体并更新“历史最优个体”;
Step6、终止条件:设定终止条件为最大迭代次数,如果满足,则输出“历史最优个体”;否则跳转至Step3,直到满足终止条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811029456.5A CN108873850A (zh) | 2018-09-05 | 2018-09-05 | 一种机械制造自动化生产过程的优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811029456.5A CN108873850A (zh) | 2018-09-05 | 2018-09-05 | 一种机械制造自动化生产过程的优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108873850A true CN108873850A (zh) | 2018-11-23 |
Family
ID=64323225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811029456.5A Pending CN108873850A (zh) | 2018-09-05 | 2018-09-05 | 一种机械制造自动化生产过程的优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108873850A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111474850A (zh) * | 2020-05-25 | 2020-07-31 | 南昌航空大学 | 基于改进正弦余弦算法优化pid液压调平系统控制方法 |
CN111752247A (zh) * | 2020-07-02 | 2020-10-09 | 昆明理工大学 | 一种用于高温合金切削加工生产的优化调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000271839A (ja) * | 1999-03-25 | 2000-10-03 | Nippon Telegr & Teleph Corp <Ntt> | フローショップスケジューリング装置,フローショップスケジューリング方法およびフローショップスケジューリング問題を解くプログラム記録媒体 |
JP2003288451A (ja) * | 2002-03-28 | 2003-10-10 | Sumitomo Forestry Co Ltd | 稼働体制最適化システム |
CN103577900A (zh) * | 2013-11-19 | 2014-02-12 | 天津工业大学 | 基于分散变邻域搜索的阻塞流水车间调度方法 |
CN103941684A (zh) * | 2014-04-10 | 2014-07-23 | 昆明理工大学 | 一种多层线路板的化学镀铜工艺过程的优化调度方法 |
CN104408528A (zh) * | 2014-11-20 | 2015-03-11 | 昆明理工大学 | 一种化工生产中原料浸取过程的优化调度方法 |
CN107612767A (zh) * | 2017-08-11 | 2018-01-19 | 桂林电子科技大学 | 一种基于正弦余弦算法的NoC测试规划方法 |
CN108182545A (zh) * | 2018-01-24 | 2018-06-19 | 华中科技大学 | 一种带有阻塞限制的柔性开放车间调度问题的建模方法 |
-
2018
- 2018-09-05 CN CN201811029456.5A patent/CN108873850A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000271839A (ja) * | 1999-03-25 | 2000-10-03 | Nippon Telegr & Teleph Corp <Ntt> | フローショップスケジューリング装置,フローショップスケジューリング方法およびフローショップスケジューリング問題を解くプログラム記録媒体 |
JP2003288451A (ja) * | 2002-03-28 | 2003-10-10 | Sumitomo Forestry Co Ltd | 稼働体制最適化システム |
CN103577900A (zh) * | 2013-11-19 | 2014-02-12 | 天津工业大学 | 基于分散变邻域搜索的阻塞流水车间调度方法 |
CN103941684A (zh) * | 2014-04-10 | 2014-07-23 | 昆明理工大学 | 一种多层线路板的化学镀铜工艺过程的优化调度方法 |
CN104408528A (zh) * | 2014-11-20 | 2015-03-11 | 昆明理工大学 | 一种化工生产中原料浸取过程的优化调度方法 |
CN107612767A (zh) * | 2017-08-11 | 2018-01-19 | 桂林电子科技大学 | 一种基于正弦余弦算法的NoC测试规划方法 |
CN108182545A (zh) * | 2018-01-24 | 2018-06-19 | 华中科技大学 | 一种带有阻塞限制的柔性开放车间调度问题的建模方法 |
Non-Patent Citations (2)
Title |
---|
张其亮,俞祚明: "基于种群的多层次迭代贪婪算法优化阻塞流水车间调度问题", 《计算机集成制造系统》 * |
张校非 等: "改进的正弦余弦算法在函数优化问题中的研究", 《重庆理工大学学报(自然科学)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111474850A (zh) * | 2020-05-25 | 2020-07-31 | 南昌航空大学 | 基于改进正弦余弦算法优化pid液压调平系统控制方法 |
CN111752247A (zh) * | 2020-07-02 | 2020-10-09 | 昆明理工大学 | 一种用于高温合金切削加工生产的优化调度方法 |
CN111752247B (zh) * | 2020-07-02 | 2021-05-14 | 昆明理工大学 | 一种用于高温合金切削加工生产的优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966050B (zh) | 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法 | |
CN104880949B (zh) | 基于改进鸡群算法获得工件加工最优调度的方法 | |
CN107590603B (zh) | 基于改进变邻域搜索和差分进化算法的调度方法及系统 | |
CN103809506B (zh) | 基于一维粒子群算法获得零件加工最优调度方案的方法 | |
CN101901425A (zh) | 一种基于多种群协同进化的柔性作业车间调度方法 | |
CN110598941A (zh) | 一种基于仿生策略的粒子群优化制造系统双目标排产方法 | |
CN107491863B (zh) | 一种基于直线编码方式采用初始下界剪枝的分支定界方法 | |
CN108171372B (zh) | 一种存在准备时间的多品种生产分批调度方法 | |
CN106611275A (zh) | 针对作业车间生产问题的排产算法 | |
CN109472362A (zh) | 一种基于可变任务窗的agv动态调度方法及装置 | |
CN108776845A (zh) | 一种基于双目标作业车间调度的混合果蝇算法 | |
CN108873850A (zh) | 一种机械制造自动化生产过程的优化调度方法 | |
CN108647859A (zh) | 知识驱动的置换流水线双种群协同学习策略与优化方法 | |
CN110471274A (zh) | 基于改进统一粒子群算法的机械零件加工流水线调度方法 | |
CN111598332A (zh) | 一种智能制造环境下车间双资源集成调度方法及系统 | |
CN110580019B (zh) | 一种面向边缘计算的设备调取方法与装置 | |
CN115249123A (zh) | 一种基于爬山法的柔性制造系统智能排产方法及系统 | |
Dahmane et al. | Determination of the optimal path of three axes robot using genetic algorithm | |
CN116757411A (zh) | 一种面向航天复杂构件的双资源柔性作业车间调度方法 | |
CN108898319A (zh) | 一种纺纱车间中环锭纺工艺生产过程的优化调度方法 | |
CN115496322A (zh) | 分布式流水车间调度方法及装置 | |
Monostori et al. | Multipurpose modelling and optimisation of production processes and process chains by combining machine learning and search techniques | |
CN116861571A (zh) | 一种金属模具制造加工岛的加工工序选择方法 | |
CN115700647A (zh) | 一种基于禁忌搜索遗传算法的车间柔性作业调度方法 | |
CN113821972A (zh) | 一种考虑能效的多机器人协同装配线平衡方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |
|
RJ01 | Rejection of invention patent application after publication |