CN112257922A - 一种柔性作业车间调度优化方法 - Google Patents

一种柔性作业车间调度优化方法 Download PDF

Info

Publication number
CN112257922A
CN112257922A CN202011131488.3A CN202011131488A CN112257922A CN 112257922 A CN112257922 A CN 112257922A CN 202011131488 A CN202011131488 A CN 202011131488A CN 112257922 A CN112257922 A CN 112257922A
Authority
CN
China
Prior art keywords
machine
processing
workpiece
scheduling
individual
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.)
Granted
Application number
CN202011131488.3A
Other languages
English (en)
Other versions
CN112257922B (zh
Inventor
朱光宇
简忠权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202011131488.3A priority Critical patent/CN112257922B/zh
Publication of CN112257922A publication Critical patent/CN112257922A/zh
Application granted granted Critical
Publication of CN112257922B publication Critical patent/CN112257922B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种柔性作业车间调度优化方法，包括以下步骤：步骤S1:获取各工件各工序在机器上的加工数据；步骤S2:根据预设约束，制定相应的优化目标；步骤S3:通过机器编码方式对调度安排进行编码；步骤S4:获取各编码的加工清单；步骤S5:采用优化觅食算法对调度安排进行优化；步骤S6:根据步骤S5得到的优化方案，进一步获取最佳调度安排。本发明能够快速有效的获得较优的调度方案，提高车间生产效率。

Description

一种柔性作业车间调度优化方法
技术领域
本发明涉及柔性作业车间调度领域，具体涉及一种柔性作业车间调度优化方法。
背景技术
柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem,FJSP)是在传统作业车间调度的基础上进行扩展，柔性加工由于其设备选择和加工时间更加灵活，机器利用率显著提升等优势，在制造行业被广泛应用。在柔性作业车间调度问题中，一个工序可能不只局限在一台机器上，而是可以从多台机器中选择加工机器。解决此类问题不仅要考虑为每一道工序安排合适的机器，还要考虑在每台机器上加工的工序顺序，是更加困难的NP-hard问题。
发明内容
有鉴于此，本发明的目的在于提供一种柔性作业车间调度优化方法，能够快速有效的获得较优的调度方案，提高车间生产效率。
为实现上述目的，本发明采用如下技术方案：
一种柔性作业车间调度优化方法，包括以下步骤：
步骤S1:获取不同工件、不同工序在对应机器上的加工数据；
步骤S2:根据预设约束，制定相应的优化目标；
步骤S3:通过机器编码方式对调度安排进行编码；
步骤S4:获取编码的加工清单；
步骤S5:采用优化觅食算法对调度安排进行优化；
步骤S6:根据步骤S5得到的优化结果，进一步获取最佳调度安排。
进一步的，所述优化目标包括最大完工时间、最小化机器总负荷、最小化加工成本，具体函数如下：
1)最小化最大完工时间
Cmax＝main(max(Ci))，i＝1，2，...，n (1)
其中Ci为工件Ji的完工时间。
2)最小化机器总负荷
Figure BDA0002735318260000021
其中Wijk表示工序是否在第k台机器上加工，并且有：
Figure BDA0002735318260000022
3)最小化加工成本
Figure BDA0002735318260000023
其中Cok表示机器Mk单位时间的加工费用。
进一步的，所述步骤S3具体为：将n个待加工的工件按任意顺序排列为[J1，...，Ji，...，Jn]，工件Ji的工序数为li，从各工件各工序可选机器集Mij上选择一台机器作为该工序加工机器，构成了一条长度为
Figure BDA0002735318260000024
的机器编码
Figure BDA0002735318260000025
进一步的，所述步骤S4具体为：
步骤S41：初始时刻，各工件首道工序加工状态设置为0，表示该道工序当前时刻是可加工的；各工件其他工序加工状态设置为-1，表示该道工序当前时刻是不可加工的；
步骤S42：当某道工序加工完毕时，相应的更新开始加工时刻和结束加工时刻；并将该工序状态设置为1，表示当前工序加工完毕；同时，该工件下一道工序状态更新为0，表示下一道工序允许加工；
步骤S43：按照这种方式完成机器编码
Figure BDA0002735318260000031
的加工清单。
进一步的，所述步骤S5具体为：
步骤S51：将每条编码
Figure BDA0002735318260000032
当作是优化算法种群中的一个个体，并描述为xa＝[xa1，...，xaj，...，xaL]，(a＝1，2，...，N)，其中N表示种群大小；
步骤S52：对于每个个体xa都将招募一个更优的个体xb执行如下操作，从而获得相应的候选个体
x′aj＝xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2 (5)
式中：k是收缩因子，r1，r2是两个(0，1)上的随机数；
步骤S53：通过下列公式将式(5)的计算结果转化为一个整数，表示选用该工序可选机器集中的第几台机器
x′aj＝mod([x′aj]，len(Mij)) (6)
其中，Mij表示工件Ji在第j道工序上的可选机器集；len(Mij)表示该机器集中包含的机器个数；[*]表示取整函数；mod(*)表示取余函数。这样就将非整数转化为符合要求的一个整数。因此，候选解xa′＝[x′a1，x′a2，...，x′aL]也是一个可行解。
步骤S54：通过步骤S4，获得候选解xa′，加工清单，并计算候选解的适应度函数值fa′；
步骤S55：通过比较两个适应度函数值fa，fa′来判断候选个体是否是更优的个体，如果是，则保留该个体作为下一次迭代的种群中的个体；反之，使用原来的个体作为下一次迭代的种群中的个体。
步骤S56:不断更新种群直至满足迭代终止条件，输出优化后的种群和相应的加工清单。
进一步的，所述步骤S6具体为：
1)对于单目标问题
最佳调度安排即为适应度值最好的解；
2)对于多目标问题
假设有H个待优化目标，分别给每个目标赋予权重wh,利用线性加权和法将多目标转化为单目标问题，转化的单目标表示为：
Figure BDA0002735318260000041
本发明与现有技术相比具有以下有益效果：
本发明能够快速有效的获得较优的调度方案，提高车间生产效率。
附图说明
图1为本发明方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种柔性作业车间调度优化方法，包括以下步骤：
1.获取各工件各工序在机器上的加工数据
表1：
Figure BDA0002735318260000042
表1中：
Oij：工件Ji的第j道工序；
Tijk：工件Ji的第j道工序在机器Mk上的加工时间；
其中，Tijk为正实数表示该工序能在机器Mk上加工，Tijk不存在表示该工序不能在机器Mk上加工。则工序Oij可选机器集Mij为Tijk存在的机器Mk的集合。
2.制定优化目标
在实际生产中，柔性作业车间的优化目标有很多：最大完工时间、机器总负荷、机器最大负荷、加工成本、加工能耗、提前与拖期惩罚等。
在本实施例中，优选的优化的目标函数如下：
1)最小化最大完工时间
Cmax＝min(max(Ci))，i＝1，2，...，n (1)
其中Ci为工件Ji的完工时间。
2)最小化机器总负荷
Figure BDA0002735318260000051
其中Wijk表示工序是否在第k台机器上加工，并且有：
Figure BDA0002735318260000052
3)最小化加工成本
Figure BDA0002735318260000053
其中Cok表示第k台机器单位时间的加工费用。
3.机器编码方式
如表2所示，将n个待加工的工件按任意顺序排列为[J1，...，Ji，...，Jn]，工件Ji的工序数为li，从各工件各工序可选机器集Mij上选择一台机器作为该工序加工机器，构成了一条长度为
Figure BDA0002735318260000061
的机器编码：
Figure BDA0002735318260000064
表2：
Figure BDA0002735318260000062
表2中：
Ji：待加工工件i；
li：工件Ji的工序总数；
Oij：工件Ji的第j道工序，1≤j≤li；
Mijk：给工件Ji的第j道工序安排可选机器集Mij中的第k台加工机器。
4.获取编码的加工清单
如表3所示，使用一个时间计数器模拟生产过程。初始时刻，各工件首道工序加工状态设置为0，表示该道工序当前时刻是可加工的；各工件其他工序加工状态设置为-1，表示该道工序当前时刻是不可加工的；当某道工序加工完毕时，相应的更新开始加工时刻和结束加工时刻；并将该工序状态设置为1，表示当前工序加工完毕。同时，该工件下一道工序状态更新为0，表示下一道工序允许加工。按照这种方式完成机器编码
Figure BDA0002735318260000063
的加工清单。
表3：
Figure BDA0002735318260000071
表3中：
Ji：待加工工件i；
li：工件Ji的工序总数；
Oij：工件Ji的第j道工序，1≤j≤li；
Mijk：给工件Ji的第j道工序安排可选机器集Mij中的第k台加工机器。
Tij：工件Ji的第j道工序在机器Mij上的加工时间；
tij：工件Ji的第j道工序开始加工时刻；
t′ij：工件Ji的第j道工序加工结束时刻；
5.采用优化觅食算法对调度安排进行优化
在本实施例中，每条编码
Figure BDA0002735318260000072
被当作是优化算法种群中的一个个体，并描述为xa＝[xa1，...，xaj，...，xaL]，(a＝1，2，...，N)，其中N表示种群大小。算法的优化过程描述为：
1)对于每个个体xa都将招募一个更优的个体xb执行如下操作，从而获得相应的候选个体。
x′aj＝xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2
(5)
式中：k是收缩因子，r1，r2是两个(0，1)上的随机数。
2)通过下列公式将式(5)的计算结果转化为一个表示选用第几台机器的整数。
x′aj＝mod([x′aj]，len(Mij)) (6)
其中，Mij表示工件Ji在第j道工序上的可选机器集；len(Mij)表示该机器集中包含的机器个数；[*]表示取整函数；mod(*)表示取余函数。这样就将非整数转化为符合要求的一个整数。因此，候选解xa′＝[x′a1，x′a2，...，x′aL]也是一个可行解。
3)根据候选解xa′，获得相应的加工清单(如表3所示)，并计算候选解的适应度函数值fa′。
4)通过比较两个适应度函数值fa，fa′来判断候选个体是否是更优的个体，如果是，则保留该个体作为下一次迭代的种群中的个体；反之，使用原来的个体作为下一次迭代的种群中的个体。
5)通过上述方式不断更新种群直至满足迭代终止条件，输出优化后的种群和相应的加工清单。
6.选择最佳调度安排
1)对于单目标问题
最佳调度安排即为适应度值最好的解。
2)对于多目标问题
假设有H个待优化目标，分别给每个目标赋予权重wh，利用线性加权和法将多目标转化为单目标问题，转化的单目标表示为：
Figure BDA0002735318260000091
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种柔性作业车间调度优化方法，其特征在于，包括以下步骤：
步骤S1：获取不同工件、不同工序在对应机器上的加工数据；
步骤S2：根据预设约束，制定相应的优化目标；
步骤S3：通过机器编码方式对调度安排进行编码；
步骤S4：获取编码的加工清单；
步骤S5：采用优化觅食算法对调度安排进行优化；
步骤S6：根据步骤S5得到的优化结果，进一步获取最佳调度安排。
2.根据权利要求1所述的一种柔性作业车间调度优化方法，其特征在于，所述优化目标包括最大完工时间、最小化机器总负荷、最小化加工成本，具体函数如下：
1)最小化最大完工时间
Cmax＝min(max(Ci))，i＝1，2，...，n (1)
其中Ci为工件Ji的完工时间。
2)最小化机器总负荷
Figure FDA0002735318250000011
其中Wijk表示工序是否在第k台机器上加工，并且有：
Figure FDA0002735318250000012
3)最小化加工成本
Figure FDA0002735318250000013
其中Cok表示机器Mk单位时间的加工费用。
3.根据权利要求1所述的一种柔性作业车间调度优化方法，其特征在于，所述步骤S3具体为：将n个待加工的工件按任意顺序排列为[J1，...，Ji，...，Jn]，工件Ji的工序数为li，从各工件各工序可选机器集Mij上选择一台机器作为该工序加工机器，构成了一条长度为
Figure FDA0002735318250000021
的机器编码：
Figure FDA0002735318250000022
4.根据权利要求1所述的一种柔性作业车间调度优化方法，其特征在于，所述步骤S4具体为：
步骤S41：初始时刻，各工件首道工序加工状态设置为0，表示该道工序当前时刻是可加工的；各工件其他工序加工状态设置为-1，表示该道工序当前时刻是不可加工的；
步骤S42：当某道工序加工完毕时，相应的更新开始加工时刻和结束加工时刻；并将该工序状态设置为1，表示当前工序加工完毕；同时，该工件下一道工序状态更新为0，表示下一道工序允许加工；
步骤S43：按照这种方式完成机器编码
Figure FDA0002735318250000023
的加工清单。
5.根据权利要求1所述的一种柔性作业车间调度优化方法，其特征在于，所述步骤S5具体为：
步骤S51：将每条编码
Figure FDA0002735318250000024
当作是优化算法种群中的一个个体，并描述为xa＝[xa1，...，xaj，...，xaL]，(a＝1，2，...，N)，其中N表示种群大小；
步骤S52：对于每个个体xa都将招募一个更优的个体xb执行如下操作，从而获得相应的候选个体
x′aj＝xaj+k*(xbj-xaj)*r1-k*(xbj-xaj)*r2 (5)
式中：k是收缩因子，r1，r2是两个(0，1)上的随机数；
步骤S53：通过下列公式将式(5)的计算结果转化为一个整数，表示选用该工序可选机器集中的第几台机器
x′aj＝mod([x′aj]，len(Mij)) (6)
其中，Mij表示工件Ji在第j道工序上的可选机器集；len(Mij)表示该机器集中包含的机器个数；[*]表示取整函数；mod(*)表示取余函数。这样就将非整数转化为符合要求的一个整数。因此，候选解xa′＝[x′a1，x′a2，...，x′aL]也是一个可行解。
步骤S54通过步骤S4，获得候选解xa′的加工清单，并计算候选解的适应度函数值fa′；
步骤S55：通过比较两个适应度函数值fa，fa′来判断候选个体是否是更优的个体，如果是，则保留该个体作为下一次迭代的种群中的个体；反之，使用原来的个体作为下一次迭代的种群中的个体。
步骤S56：不断更新种群直至满足迭代终止条件，输出优化后的种群和相应的加工清单。
6.根据权利要求1所述的一种柔性作业车间调度优化方法，其特征在于，所述步骤S6具体为：
1)对于单目标问题
最佳调度安排即为适应度值最好的解；
2)对于多目标问题
假设有H个待优化目标，分别给每个目标赋予权重wh，利用线性加权和法将多目标转化为单目标问题，转化的单目标表示为：
Figure FDA0002735318250000031
CN202011131488.3A 2020-10-21 2020-10-21 一种柔性作业车间调度优化方法 Expired - Fee Related CN112257922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011131488.3A CN112257922B (zh) 2020-10-21 2020-10-21 一种柔性作业车间调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011131488.3A CN112257922B (zh) 2020-10-21 2020-10-21 一种柔性作业车间调度优化方法

Publications (2)

Publication Number Publication Date
CN112257922A true CN112257922A (zh) 2021-01-22
CN112257922B CN112257922B (zh) 2022-06-14

Family

ID=74263826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011131488.3A Expired - Fee Related CN112257922B (zh) 2020-10-21 2020-10-21 一种柔性作业车间调度优化方法

Country Status (1)

Country Link
CN (1) CN112257922B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451888A (zh) * 2022-10-21 2023-07-18 中国科学院沈阳自动化研究所 基于多avg的柔性生产车间协同调度的方法
CN117434905A (zh) * 2023-12-07 2024-01-23 济南大学 基于双向耦合调度解码的作业车间调度方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214469A1 (en) * 2011-08-26 2014-07-31 Bae Systems Plc Goal-based planning system
CN107329461A (zh) * 2016-04-28 2017-11-07 中移（杭州）信息技术有限公司 一种流水线车间调度方法和装置
CN109507970A (zh) * 2018-12-13 2019-03-22 合肥工业大学 基于粒子群算法的生产调度方法和装置
CN109886588A (zh) * 2019-02-28 2019-06-14 长安大学 一种基于改进鲸鱼算法求解柔性作业车间调度的方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214469A1 (en) * 2011-08-26 2014-07-31 Bae Systems Plc Goal-based planning system
CN107329461A (zh) * 2016-04-28 2017-11-07 中移（杭州）信息技术有限公司 一种流水线车间调度方法和装置
CN109507970A (zh) * 2018-12-13 2019-03-22 合肥工业大学 基于粒子群算法的生产调度方法和装置
CN109886588A (zh) * 2019-02-28 2019-06-14 长安大学 一种基于改进鲸鱼算法求解柔性作业车间调度的方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何东东: "柔性作业车间调度优化的改进遗传退火算法", 《制造业自动化》 *
杜士卿等: "最佳觅食算法求解多目标混合流水车间调度问题", 《福州大学学报(自然科学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451888A (zh) * 2022-10-21 2023-07-18 中国科学院沈阳自动化研究所 基于多avg的柔性生产车间协同调度的方法
CN116451888B (zh) * 2022-10-21 2024-01-09 中国科学院沈阳自动化研究所 基于多agv的柔性生产车间协同调度的方法
CN117434905A (zh) * 2023-12-07 2024-01-23 济南大学 基于双向耦合调度解码的作业车间调度方法及系统

Also Published As

Publication number Publication date
CN112257922B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN112257922B (zh) 一种柔性作业车间调度优化方法
CN106875094A (zh) 一种基于多色集合遗传算法的多目标车间调度方法
CN109946965B (zh) 一种基于改进的多目标Jaya算法的离散制造车间排产方法
CN111222642B (zh) 基于改进小生境遗传算法的多目标柔性作业车间调度方法
CN107065803B (zh) 基于可变重调度区间的柔性作业车间动态调度方法
CN108460463B (zh) 基于改进遗传算法的高端装备流水线生产调度方法
CN110288126B (zh) 一种机器人铸造生产线产能优化方法
CN100595700C (zh) 半导体制造系统的重调度决策系统
CN106611230A (zh) 结合关键工序的遗传局部搜索算法求解柔性作业车间调度
CN112859785B (zh) 基于多目标优化算法的纸盆车间生产调度方法及调度系统
CN106611275A (zh) 针对作业车间生产问题的排产算法
CN112381273B (zh) 一种基于u-nsga-iii算法的多目标作业车间节能优化方法
CN114881504B (zh) 一种基于订单选择的电子精密件全自动柔性生产线调度方法
CN111966049A (zh) 一种混合流水车间生产设备调度控制方法
CN109034540B (zh) 一种基于在制品工序流的机床序列编排动态预测方法
CN112990716B (zh) 一种双资源约束柔性车间调度和布局集成优化方法及系统
CN114037251A (zh) 一种基于Petri网的制造系统成本最小化资源配置方法
CN112541694A (zh) 一种考虑准备时间和工件分批的柔性作业车间调度方法
CN115907399A (zh) 一种面向电子产品的离散制造柔性生产的智能调度方法
CN104698838A (zh) 基于论域动态划分和学习的模糊调度规则挖掘方法
CN108107848B (zh) 一种基于最小空闲时间的流水线车间调度方法
CN115826530A (zh) 一种基于d3qn和遗传算法的作业车间分批调度方法
CN115204619A (zh) 基于改进遗传算法解码的柔性车间调度方法、设备及系统
CN115271515A (zh) 基于学习型多种群进化算法的柔性作业车间节能调度方法
CN113554225B (zh) 一种基于藤壶交配算法的流水车间人力调度优化方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220614