CN112418478A - 一种柔性流水车间下的低碳调度模型及节能优化方法 - Google Patents

一种柔性流水车间下的低碳调度模型及节能优化方法 Download PDF

Info

Publication number
CN112418478A
CN112418478A CN202010804974.0A CN202010804974A CN112418478A CN 112418478 A CN112418478 A CN 112418478A CN 202010804974 A CN202010804974 A CN 202010804974A CN 112418478 A CN112418478 A CN 112418478A
Authority
CN
China
Prior art keywords
machine tool
state
energy
time
machine
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
CN202010804974.0A
Other languages
English (en)
Other versions
CN112418478B (zh
Inventor
尹瑞雪
吴拓
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.)
Guizhou University
Original Assignee
Guizhou 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 Guizhou University filed Critical Guizhou University
Priority to CN202010804974.0A priority Critical patent/CN112418478B/zh
Publication of CN112418478A publication Critical patent/CN112418478A/zh
Application granted granted Critical
Publication of CN112418478B publication Critical patent/CN112418478B/zh
Active 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multi-Process Working Machines And Systems (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种柔性流水车间下的低碳调度模型及节能优化方法，涉及绿色制造技术领域，包括下述步骤：步骤一、建立一种包含装卸搬运和机床开关机过程并以碳排放最小化为目标的柔性流水车间调度优化数学模型；步骤二、针对模型提出各机床闲置等待期间多种状态切换主动调节的节能优化方法；步骤三、在调度优化数学模型中嵌入节能优化方法；步骤四、利用改进遗传算法初始化数据，同时判断是否满足机床节能状态切换条件，生成柔性流水车间调度方案；步骤五、执行柔性流水车间调度方案。通过本发明的方案可以有效降低能耗，减少碳排放，这也为企业进一步实施节能减排提供了思路。

Description

一种柔性流水车间下的低碳调度模型及节能优化方法
技术领域
本发明涉及一种柔性流水车间下的低碳调度模型及节能优化方 法，属于绿色制造技术领域。
背景技术
生产车间作为制造业的主要耗能场所，因此对车间生产实行低碳 节能优化势在必行。柔性流水车间广泛存在到汽车制造、半导体制造、 电子制造、钢铁冶金及化工生产等领域，其调度问题是含流水车间和 并行机环境一般化的调度问题。若以最小化碳排放为目标，合理的调 度其生产工件加工顺序，将工件合理的安排到加工机器上加工，这将 对降低碳排放贡献巨大。然而，现有多数针对柔性流水车间的调度目 标往往忽略了装卸搬运过程中和机床开关机对车间工艺规划顺序的 影响及其产生的碳排放，并且没有考虑如何结合以上被忽略的碳排放 边界从机床运行状态能源消耗出发主动控制机床运转状态，在柔性流 水车间环境下对机床采用多种状态切换主动调节以降低碳排放。因此， 针对上述不足，建立关于柔性流水车间的低碳调度模型，提出有效的 节能优化方法，这对于环境保护、资源节约具有重要的实际意义。
发明内容
本发明的目的在于，提供一种柔性流水车间下的低碳调度模型及 节能优化方法，该方法通过建立包含装卸搬运和机床开关机过程并以 碳排放最小化为目标的柔性流水车间调度模型，并在此基础上，提出 对机床采用多种状态切换主动调节的节能优化方法，采用遗传算法求 解，确定各工件的机床分配、各机床上的工件加工先后顺序及装卸搬 运规划，最终降低能耗，减少碳排放。
本发明的技术方案：一种柔性流水车间下的低碳调度模型及节能 优化方法，包括以下步骤：
步骤一、建立包含装卸搬运和机床开关机过程并以碳排放最小化 为目标的柔性流水车间调度优化数学模型；
步骤二、针对模型提出各机床闲置等待期间多种状态切换主动调 节的节能优化方法；
步骤三、在调度优化数学模型中嵌入节能优化方法；
步骤四、利用改进遗传算法初始化数据，同时判断是否满足机床 节能状态切换条件，生成柔性流水车间调度方案；
步骤五、执行柔性流水车间调度方案。
机床在运行过程中，可将其运行状态分为开机、加工状态、准备 加工状态、待机状态和关机。开机指机床从关机状态达到准备加工状 态的过程。加工状态是指机床基础单元、控制单元开启，辅助单元处 于开启状态，各轴单元电机动作运转对工件进行加工的状态。待机状 态是指机床基础单元、控制单元开启，辅助单元、加工单元及机械运 动单元未开启，轴运动单元关闭不动作的状态。准备加工状态是指机 床基础单元、控制单元开启，辅助单元处于开启状态，各轴单元驱动 装置开启，各轴电机处于待命状态，一旦接收到信号，即可快速动作 的状态。关机指机床收到关机命令，将所有耗能元件关闭进入停机状 态的过程。机床运行过程中处于不同状态下电能消耗碳排放各不相同。
上述方法中，所述包含装卸搬运和机床开关机过程并以碳排放最 小化为目标的柔性流水车间调度优化数学模型为中，包括加工碳排放、 开关机碳排放、闲置碳排放以及工件搬运碳排放；
所述加工碳排放表示为：
Figure BDA0002628745660000031
其中，n为工件数，k为个加工阶段数，ms为阶段s的机器数量，
Figure BDA0002628745660000032
为工件i在机床h上加工时机床h处于加工状态的平均功率，
Figure BDA0002628745660000033
为工件i在机床h上加工时机床h处于加工状态的时间，ae为电能的 碳排放因子，
Figure BDA0002628745660000034
是一决策变量，含义如下：
Figure BDA0002628745660000035
所述开关机碳排放表示为：
Figure BDA0002628745660000036
其中，
Figure BDA0002628745660000037
为机床h一次开关机的碳排放之和，
Figure BDA0002628745660000038
为机床h开启 到准备加工状态的平均功率，
Figure BDA0002628745660000039
为机床h关机过程的平均功率，
Figure BDA00026287456600000310
机床h开启到准备加工状态的时间,
Figure BDA00026287456600000311
机床h该设备的工件加工完毕 后关闭所有耗能元件所用的时间，所有阶段的机床总和为M；
Figure BDA00026287456600000312
为决策变量，其含义如下所示：
Figure BDA00026287456600000313
所述闲置碳排放表示为：
Figure BDA00026287456600000314
其中，定义机床h上接受的加工工件的总个数为Zh，记t为位机 床h上加工的第t个工件的序号，则有0≤Zh≤n,且t∈Zh；定义机床 h上第t个工件加工完成后并将机床h调整到准备加工状态的时间点 为机床h上第t个位置的结束时间，用Fh,t表示；机床h上第t+1个 位置的开始时间为Bh,t+1，是工件t+1到达开始加工的时间；则将机 床h在t位置时的闲置等待时间记为Bh,t+1-Fh,t；
Figure BDA0002628745660000041
表示机床h 处于准备加工状态下的平均功率；
所述工件搬运碳排放表示为：CC＝Cc1+Cc2
其中，
Figure BDA0002628745660000042
Figure BDA0002628745660000043
Figure BDA0002628745660000044
为产品i从仓库搬运到第一道工序设备h时电动小车的功率，
Figure BDA0002628745660000045
产品i从仓库搬运到第一道工序设备h的时间，
Figure BDA0002628745660000046
为产品i从最 后阶段k设备h上搬运到仓库时电动小车的功率，
Figure BDA0002628745660000047
产品i从最后 阶段k设备h上搬运到仓库的时间，
Figure BDA0002628745660000048
为产品i从s阶段的机床hs搬运到s+1阶段的机床hs+1上时电动小车的功率，
Figure BDA0002628745660000049
是该过程 对应的搬运时间；
5、
Figure BDA00026287456600000410
Figure BDA00026287456600000411
Figure BDA0002628745660000051
上述的节能优化方法中，当机床闲置等待时间Bh,t+1-Fh,t较长 时，机床h将由准备加工状态切换至能耗较低的待机状态或者进行一 次关机重启的策略，来减少闲置等待时产生的碳排放；
所述采用节能优化方法后，车间加工工件总的闲置碳排放也由CI变成CI-EC表示为：
Figure BDA0002628745660000052
定义
Figure BDA0002628745660000053
表示处于i状态下的平均功率，
Figure BDA0002628745660000054
表示机床h在第t～t+1 位置处于运行状态i的时间；
Figure BDA0002628745660000055
和
Figure BDA0002628745660000056
分别表示机床h 从状态i切换到状态j过程中的碳排放、时间和功率；w表示机床处 于加工状态，p表示机床处于准备加工状态，u表示机床处于待机状 态；
用
Figure BDA0002628745660000057
表示实施待机状态切换策略下中总的切换过程中消 耗碳排放和时间，用
Figure BDA0002628745660000058
表示机床h在第t～t+1位置以待机状态待机 所消耗的碳排放，则有计算式所下：
Figure BDA0002628745660000059
Figure BDA00026287456600000510
Figure BDA00026287456600000511
设
Figure BDA0002628745660000061
为进行一次关机重启所用的时间，由前面的分析知，该过 程所消耗的碳排放为
Figure BDA0002628745660000062
其中
Figure BDA0002628745660000063
计算下：
Figure BDA0002628745660000064
用
Figure BDA0002628745660000065
表示机床h的状态切换阈值，当Bh,t+1-Fh,t达到 切换阈值
Figure BDA0002628745660000066
时，机床将可以待机状态进行待机，当Bh,t+1-Fh,t达 到切换阈值
Figure BDA0002628745660000067
时，机床将可实施关机重启策略；
Figure BDA0002628745660000068
分别满 足以下约束：
Figure BDA0002628745660000069
Figure BDA00026287456600000610
Figure BDA00026287456600000611
Figure BDA00026287456600000612
采用以下决策变量，来判断机床是否切换至能耗较低的待机状态 或进行一次关机重启，含义如下：
Figure BDA0002628745660000071
Figure BDA0002628745660000072
当机床h在第t～t+1位置的闲置等待时间大于状态切换阈值
Figure BDA0002628745660000073
且以待机状态待机所消耗的碳排放
Figure BDA0002628745660000074
小于一次关机重启所消耗的 碳排放
Figure BDA0002628745660000075
时，
Figure BDA0002628745660000076
的值为1，表示在该时间间隔中，机床h将以 低能耗的待机状态待机等待下一工件的到来，否则为0；当机床h在 第t～t+1位置时的闲置等待时间大于状态切换阈值
Figure BDA0002628745660000077
时，且所消耗 的碳排放情况与上述情况相反时，
Figure BDA0002628745660000078
的值为1，表示在该时间间隔 中，机床h将实行一次关机重启以等待下一工件的到来，否则为0；
取
Figure BDA0002628745660000079
引入上述节能策略后，机床h在t位置的 闲置碳排放将由之前的
Figure BDA00026287456600000710
转换成
Figure BDA00026287456600000711
如下式所示：
Figure BDA00026287456600000712
上述方法中，步骤四中所述的利用改进遗传算法初始化数据，同 时判断是否满足机床节能状态切换条件，生成柔性流水车间调度方案 中包括：
步骤1：初始化算法的各个参数包括种群大小和迭代次数；
步骤2：利用加入了节能优化策略的调度数学模型，计算种群各 个体的适应度值；
步骤3：根据交叉概率计算公式获取动态交叉概率值，对种群中 任意两个个体进行交叉操作，产生新种群；
步骤4：根据变异概率计算公式获取动态变异概率值，对交叉后 的种群中的个体进再进行变异操作，产生新种群；
步骤5：原始种群与交叉变异后的种群合并，计算新种群个体适 应度；
步骤6：两两随机竞争进行选择，产生优秀个体种群；
步骤7：判断迭代次数是否满足终止条件，若满足，则继续下一 步，否则返回步骤3，重新开始；
步骤8：输出最优个体，获取最优调度方案，根据最优调度方案 进行工件加工，程序结束。
由于采用了上述技术方案，本发明的优点在于：本发明针对含不 相关并行机的柔性流水车间调度问题，基于工件加工、机床及搬运过 程的碳排放，提出了一个相对全面的低碳优化调度模型，该模型充分 考虑了机床各个工作状态下碳排放估算问题，在机床闲置等待期间通 过改变机床的多种等待状态来进行节能优化，并设计出改进的遗传算 法来分析求解，产生车间调度方案，这为企业进一步实施节能减排提 供了思路。
附图说明：
图1为本发明的实施流程示意图；
图2为本发明提供的案例8x4x1在状态B下的调度甘特图；
图3为本发明提供的案例8x4x1在状态C下的调度甘特图。
具体实施方式
为了使本发明目的、技术方案和优点更加清楚，下面结合附图和 实施例对本发明作进一步的详细说明，以帮助本领域技术人员对本发 明的发明构思、技术方案有更完整、准确和深入的理解。
本发明的实施例：
以具备不相关并行机的流水车间为研究对象，需要确定工件在每 一阶段的加工机器及各机器上工件加工的最优先后顺序，同时分析调 度方案，适时转变机床的闲置期间运行状态，以实现降低能耗，减少 碳排放的目标。调度问题描述如下：有n个工件在具有k个加工阶段 的流水线上加工,ms为阶段s的机器数量，其中s＝1,2,…k，所有 阶段的机床总和为M。每个阶段至少存在一台机床，任意时刻，每 个工件最多只能被一台机器加工，每台机床最多只能加工一个工件。 各阶段中至少有一个阶段的并行机数大于1。在一个阶段上，同一工 件在该阶段各设备上加工的时间不同，同一设备加工不同工件功率也 不相同。工件运输由装卸搬运设备完成。优化目标是确定工件在每一 阶段的加工机器及各机器上工件加工的最优先后顺序，使碳排放总和 最少。
一、柔性流水车间调度优化模型
机床在运行过程中，可将其运行状态分为开机、加工状态、准备 加工状态、待机状态和关机。开机指机床从关机状态达到准备加工状 态的过程。加工状态是指机床基础单元、控制单元开启，辅助单元处 于开启状态，各轴单元电机动作运转对工件进行加工的状态。待机状 态是指机床基础单元、控制单元开启，辅助单元、加工单元及机械运 动单元未开启，轴运动单元关闭不动作的状态。准备加工状态是指机 床基础单元、控制单元开启，辅助单元处于开启状态，各轴单元驱动 装置开启，各轴电机处于待命状态，一旦接收到信号，即可快速动作 的状态。关机指机床收到关机命令，将所有耗能元件关闭进入停机状 态的过程。机床运行过程中处于不同状态下电能消耗碳排放各不相同。
(a)加工碳排放
加工碳排放是指机床处于加工状态下所产生的碳排放。
总的加工状态的碳排放计算如式(1)所示：
Figure BDA0002628745660000101
式中，
Figure BDA0002628745660000102
为工件i在机床h上加工，机床h处于加工状态的平 均功率，
Figure BDA0002628745660000103
工件i在机床h上加工，机床h处于加工状态的时间，ae为电能的碳排放因子，
Figure BDA0002628745660000104
是一决策变量，含义如公式(2)所示：
Figure BDA0002628745660000105
(b)开关机碳排放
机床h一次开关机过程总的碳排放计算如式(3)所示：
Figure BDA0002628745660000106
Figure BDA0002628745660000107
为机床h一次开关机的碳排放之和，
Figure BDA0002628745660000108
为机床h开启到准 备加工状态的平均功率，
Figure BDA0002628745660000109
为机床h关机过程的平均功率，
Figure BDA00026287456600001010
机床 h开启到准备加工状态的时间,
Figure BDA00026287456600001011
机床h该设备的工件加工完毕后关 闭所有耗能元件所用的时间。
车间加工工件总的开关机的碳排放计算如式(4)所示：
Figure BDA0002628745660000111
其中，
Figure BDA0002628745660000112
为决策变量，其含义如公式(5)所示：
Figure BDA0002628745660000113
(c)闲置碳排放
定义机床h上接受的加工工件的总个数为Zh，记t为位机床h 上加工的第t个工件的序号，则有0≤Zh≤n,且t∈Zh。定义机床h上 第t个工件加工完成后并将机床h调整到准备加工状态的时间点为机 床h上第t个位置的结束时间，用Fh,t表示，机床h上第t+1个位置 的开始时间为Bh,t+1，是工件t+1到达开始加工的时间。则将机床h 在t位置时的闲置等待时间记为Bh,t+1-Fh,t。定义决策变量Xi,h,t的含义如式(6)所示：
Figure BDA0002628745660000114
一般情况下，设备加工完工件后，会以准备加工状态待机，以便 下一工件到达时能快速进行加工，因此，机床h在t位置的闲置碳排 放计算如式(7)所示：
Figure BDA0002628745660000115
其中，用
Figure BDA0002628745660000116
表示机床h处于准备加工状态下的平均功率。
车间加工工件总的闲置碳排放计算如式(8)所示：
Figure BDA0002628745660000117
(d)工件搬运碳排放
装卸搬运采用电动小车进行搬运，考虑有效搬运过程，则工件搬 运碳排放如下：
从工件的存放地点将工件搬运到第一道工序的机床上加工及从 最后一道工序设备上将工件搬运到指定位置存储的过程中的碳排放 如计算公式(9)所示:
Figure BDA0002628745660000121
式中，
Figure BDA0002628745660000122
为产品i从仓库搬运到第一道工序设备h时电动小 车的功率，
Figure BDA0002628745660000123
产品i从仓库搬运到第一道工序设备h的时间。
Figure BDA0002628745660000124
为 产品i从最后阶段k设备h上搬运到仓库时电动小车的功率，
Figure BDA0002628745660000125
产 品i从最后阶段k设备h上搬运到仓库的时间，
Figure BDA0002628745660000126
为决策 变量，含义如式(10)～(11)所示：
Figure BDA0002628745660000127
Figure BDA0002628745660000128
工件在各工序设备之间搬运碳排放计算如式(12)所示:
Figure BDA0002628745660000129
式中，
Figure BDA0002628745660000131
为产品i从s阶段的机床hs搬运到s+1阶段的机床 hs+1上时电动小车的功率，
Figure BDA0002628745660000132
是该过程对应的搬运时间。
Figure BDA0002628745660000133
为决策变量，含义如式(13)所示下：
Figure BDA0002628745660000134
总的工件搬运的碳排放计算如式(14)所示：
CC＝Cc1+Cc2 (14)
结合上述探讨分析，考虑加工过程中的搬运过程以及机床不同运 行状态和相关节能策略，建立含不相关并行机的以碳排放最小化为目 标的FFSP数学模型如式(15)所示:
min C＝CW+CBE+CI+CC (15)
Figure BDA0002628745660000135
Figure BDA0002628745660000136
Figure BDA0002628745660000137
式(16)表示工件都要经过k个阶段加工,在每个阶段上，一个工 件只能选择在该阶段上的一台机器上加工，式(17)表示工件i作为机 床h上的第t个加工工件，其完工结束时间是开始加工时间与加工时 间的和，式(18)表示任一机床h上的后一工件的开始时间必须在前一 工件结束加工之后才能加工。
二、节能优化策略
一般情况下，设备加工完工件后，会以准备加工状态待机，以便 下一工件到达时能快速进行加工，但当机床闲置等待的时间 Bh,t+1-Fh,t过长时，设备将长期处于高能耗的准备加工状态，会造 成大量能源浪费，导致碳排放增加。因此，当机床闲置等待时间 Bh,t+1-Fh,t较长时，机床h将可以切换至能耗较低的待机状态或者进 行一次关机重启的策略，来减少闲置等待时产生的碳排放。用
Figure BDA0002628745660000141
表 示处于i状态下的平均功率，
Figure BDA0002628745660000142
表示机床h在第t～t+1位置处于运 行状态i的时间。
Figure BDA0002628745660000143
和
Figure BDA0002628745660000144
分别表示机床h从状态i 切换到状态j过程中的碳排放、时间和功率。用w表示机床处于加工 状态，p表示机床处于准备加工状态，u表示机床处于待机状态。
用
Figure BDA0002628745660000145
表示实施待机状态切换策略下中总的切换过程中 消耗碳排放和时间，用
Figure BDA0002628745660000146
表示机床h在第t～t+1位置以待机状态 待机所消耗的碳排放。则有计算如式(19)～(21)所示：
Figure BDA0002628745660000147
Figure BDA0002628745660000151
Figure BDA0002628745660000152
设
Figure BDA0002628745660000153
为进行一次关机重启所用的时间，由前面的分析知，该过 程所消耗的碳排放为
Figure BDA0002628745660000154
其中
Figure BDA0002628745660000155
计算如式(22)所示：
Figure BDA0002628745660000156
用
Figure BDA0002628745660000157
表示机床h的状态切换阈值，当Bh,t+1-Fh,t达到 切换阈值
Figure BDA0002628745660000158
时，机床将可以待机状态进行待机，当Bh,t+1-Fh,t达 到切换阈值
Figure BDA0002628745660000159
时，机床将可实施关机重启策略。
Figure BDA00026287456600001510
分别满 足以下约束：
Figure BDA00026287456600001511
Figure BDA00026287456600001512
Figure BDA00026287456600001513
Figure BDA00026287456600001514
采用式(27)～(28)的决策变量，来判断机床是否切换至能耗 较低的待机状态或进行一次关机重启，含义如下：
Figure BDA0002628745660000161
Figure BDA0002628745660000162
当机床h在第t～t+1位置的闲置等待时间大于状态切换阈值
Figure BDA0002628745660000163
且以待机状态待机所消耗的碳排放
Figure BDA0002628745660000164
小于一次关机重启所消耗的 碳排放
Figure BDA0002628745660000165
时，
Figure BDA0002628745660000166
的值为1，表示在该时间间隔中，机床h将以低 能耗的待机状态待机等待下一工件的到来，否则为0。当机床h在第 t～t+1位置时的闲置等待时间大于状态切换阈值
Figure BDA0002628745660000167
时，且所消耗的 碳排放情况与上述情况相反时，
Figure BDA0002628745660000168
的值为1，表示在该时间间隔中， 机床h将实行一次关机重启以等待下一工件的到来，否则为0。
取
Figure BDA0002628745660000169
引入上述节能策略后，机床h在t位置的 闲置碳排放将由之前的
Figure BDA00026287456600001610
转换成
Figure BDA00026287456600001611
如式(29)所示：
Figure BDA00026287456600001612
车间加工工件总的闲置碳排放也由CI变成CI-EC，如式(30) 所示：
Figure BDA00026287456600001613
则总的含不相关并行机的以碳排放最小化为目标的FFSP数学模 型如式(31)所示
min C＝CW+CBE+CI-EC+CC (31)
三、遗传算法
为了适应所提出的模型，改进传统遗传算法，采用矩阵编码方式， 采用自适应交叉、变异概率，改变传统单一交叉方式，随机选择单点 交叉和两点交叉方式，采用新旧种群融合并方法，随机竞争方式进行 选择。
(1)染色体表达方法
用每一个矩阵表示一种调度策略。
Figure BDA0002628745660000171
令区间(a,b)如式(32)所示：
Figure BDA0002628745660000172
式(32)中，矩阵中的元素aij为(a,b)区间上的一个实数，用 Int(aij)对实数aij取整，表示工件i的第j个工序在阶段s的第 Int(aij)台并行机上加工。若出现Int(aij)＝Int(akj)，在第一道工序 上,则依aij的升序来加工工件。在其他工序上，则按照每个工件到达机床的时间，依照先到先加工的顺序安排加工，若工件到达的时间相 同，则也依aij的升序进行顺序加工。
(2)适应度函数及选择
适应度函数设置为目标函数的倒数F(xi)＝1/f(xi)。
(3)交叉和变异
采用公式(33)～(34)对Pc和Pm在进化过程中进行动态调 整：
Figure BDA0002628745660000181
Figure BDA0002628745660000182
式中，favg、fmax分别是指群体适应度值的平均值和个体中适应 度值的最大值，f'取两个进行交叉的染色体个体中高的那个的适应度 值，f是参与变异的染色体个体的适应度值。
交叉方式可分为行交叉和列交叉这两种方式，采用随机分配的方 法进行选择。选择行交叉，交叉的位置在1,2,…k内选取，选择列 交叉，交叉的位置在1,2,…n内选取。随机选择两个交叉点，以两交 叉点数字对应行数或列数为起止点选取需要交换的行或列的集合，对 两个个体的片段进行互换，产生两个新的子代个体。如果出现起始交 叉点为1，终止交叉点为k或n，则将终止交叉点数值减1，以避免 出现仅整体交换两个个体而不交叉的情况。若起始点为1，终止交叉 点为小于k或n的正整数，或起始点不为1，终止交叉点为k或n，这时为单点交叉，否则为两点交叉，多位置、多方式交叉可保证实现 大范围或小局部的交叉。变异点的位置(i，j)的位置随机产生，数 量根据模型设置合理阈值，随机生成该工序内并行机序号范围内的实 数对对产生的各变异点进行赋值，且满足该值取整后的值与变异前的 值不同。
算法流程步骤如下：
步骤1：初始化算法的各个参数，包括种群大小和迭代次数；
步骤2：利用加入了节能优化策略的调度数学模型，计算种群各 个体的适应度值；
步骤3：根据交叉概率计算公式获取动态交叉概率值，对种群中 任意两个个体进行交叉操作，产生新种群；
步骤4：根据变异概率计算公式获取动态变异概率值，对交叉后 的种群中的个体进再进行变异操作，产生新种群；
步骤5：原始种群与交叉变异后的种群合并，计算新种群个体适 应度；
步骤6：两两随机竞争进行选择，产生优秀个体种群；
步骤7：判断迭代次数是否满足终止条件，若满足，则继续下一 步，否则返回步骤3，重新开始；
步骤8：输出最优个体，获取最优调度方案，根据最优调度方案 进行工件加工，程序结束；
测试算例采用《计算机集成制造系统》上的论文《面向节能的混 合流水车间调度问题建模与优化》中的测试实例数据，采用 matlab2018a进行编程。
按照公式(23)、(24)可得：
Figure BDA0002628745660000201
假设机床h一次关机重启切换过程中能耗为EnergyBh待机状态 切换策略下切换过程中能耗EnergyWh，两者比值 EnergyWh/EnergyBh＝λ1,h，设机床h待机状态下的功率与准备 加工状态功率比值为λ2,h，则式(36)变成式(37)所示：
Figure BDA0002628745660000202
则有：
Figure BDA0002628745660000203
在测试实例数据基础上，对于h＝1,2,…M，在这取λ1,h＝0.3， λ2,h＝0.4，设置
Figure BDA0002628745660000204
与
Figure BDA0002628745660000205
的比值为2，最终可得到
Figure BDA0002628745660000206
和
Figure BDA0002628745660000207
的值。 设置工件搬运时间
Figure BDA0002628745660000208
服从均匀分布，取值区间上 下界与算例中加工时间区间一致，搬运小车的额定功率功率取加工功 率取值区间的中间值。最终得到加工时间、功率及搬运数据如表1、 表2。表2中，S toM表示从工件的存放地点搬运到第一道工序的设 备上的搬运时间；M to S表示最后一道工序设备上将工件搬运到指 定位置存储的搬运时间；其他代表各设备间的搬运时间。
表1
Figure BDA0002628745660000211
表2
Figure BDA0002628745660000212
设置初始种群规模300，以迭代150代作为遗传算法的终止条件， 设置遗传参数k1＝0.9，k2＝0.6，k3＝0.8，k4＝0.5，每种类型问题运行 20次，选取最优解，将闲置等待期间未采用关机重启和切换至待机 状态策略,同时不考虑搬运装卸搬运和选定机床的开关机能耗边界的 情况记为状态A，考虑上述边界的情况记为状态B，将同时采用节能 优化策略并且考虑上述能耗边界的情况记为状态C,各状态下优化能 耗结果列在表3中。用RMN＝(状态M、N下的能耗差值)/状态N的能 耗x100％来表示状态M和状态N能耗结果的对比偏差。因目标函数碳 排放与电能能耗仅相差一个电能的碳排放因子ae，为方便统计与计 算，故此处省去该因数，将能耗数据示出。测试实例以x-y-z命名， 其中，x代表工件个数，y代表阶段数，z代表工序间工件搬运时间 与加工时间随机取值区间比值的数值，0代表未考虑搬运过程，1代 表考虑搬运过程。
表3
Figure BDA0002628745660000221
表4
Figure BDA0002628745660000231
分析表3中数据，比较状态A和状态B两种状态的区别在于是否 考虑搬运装卸搬运和选定机床的开关机能耗边界，可以发现相对状态 A,状态B考虑上述边界后能耗均有所降低，前后结果对比百分比偏差 最低0.39％,最高2.93％,能耗降低值最高为446.6。说明在优化目标 模型中扩大核算边界可进一步降低能耗，也证明了建立的优化调度模 型的可行性。状态C是在状态B的基础上继续加入了节能优化策略， 因为节能优化策略的作用区间是机床的闲置等待期间，优化效果受到 闲置等待期间能耗的影响，状态B下最大的闲置等待能耗为36，对 应状态C下优化后降低总能耗为31.4，优化前后差值占优化前闲置 等待能耗的87.2％，说明该节能策略作用于机床的闲置等待期间的节 能效果是明显的。同时可以发现各案例的RAC值均比RAB高,最高的 RAC值为3.43％，说明在扩大核算边界的基础上，继续加入节能优化 策略可以进一步降低能耗，这也进一步说明了节能优化策略的有效性。
此外，在状态B下的案例12x4x0和8x4x1中，优化前并无闲置 能耗，采用节能策略后仍可降低总能耗，可见利用节能策略可以进一 步挖掘已有最优调度方案的节能潜力。如表4是8x4x1问题中状态B、 C下各能耗类型的具体数据。比较8x4x1的能耗数据及调度方案甘特 图。状态B并下无闲置能耗，但采用节能策略后总体能耗仍降低10.1。 主要是因为采用节能策略后，机床可以在闲置等待期间改变运行状态， 进而导致生产调度方案发生改变，如该案例中状态C较状态B没有使 用6号机床，并且在甘特图中可以看到对各工件的机床分配及各机床 上的工件加工先后顺序发生了改变。这使得搬运过程能耗降低50.9， 机床开关机能耗降低60，最终导致总能耗降低，已调度方案的节能 潜力被进一步挖掘。
以上结果均是在已进行过优化过的调度方案的基础上进一步运 用本文提出的模型和节能方法得到的效果，可见，在能耗较高的制造 业中，特别是在原始未优化调度方案下，闲置等待期间的能耗又高时， 使用优化调度模型及节能策略将会显著降低能耗，减少碳排放，这对 企业实现节能有着重要意义。

Claims (4)

1.一种柔性流水车间下的低碳调度模型及节能优化方法，其特征在于包括以下步骤：
步骤一、建立包含装卸搬运和机床开关机过程并以碳排放最小化为目标的柔性流水车间调度优化数学模型；
步骤二、针对模型提出各机床闲置等待期间多种状态切换主动调节的节能优化方法；
步骤三、在调度优化数学模型中嵌入节能优化方法；
步骤四、利用改进遗传算法初始化数据，同时判断是否满足机床节能状态切换条件，生成柔性流水车间调度方案；
步骤五、执行柔性流水车间调度方案。
2.根据权利要求1所述的柔性流水车间下的低碳调度模型及节能优化方法，其特征在于：所述包含装卸搬运和机床开关机过程并以碳排放最小化为目标的柔性流水车间调度优化数学模型为中，包括加工碳排放、开关机碳排放、闲置碳排放以及工件搬运碳排放；
所述加工碳排放表示为：
Figure FDA0002628745650000011
其中，n为工件数，k为个加工阶段数，ms为阶段s的机器数量，
Figure FDA0002628745650000012
为工件i在机床h上加工时机床h处于加工状态的平均功率，
Figure FDA0002628745650000013
为工件i在机床h上加工时机床h处于加工状态的时间，ae为电能的碳排放因子，
Figure FDA0002628745650000014
是一决策变量，含义如下：
Figure FDA0002628745650000021
所述开关机碳排放表示为：
Figure FDA0002628745650000022
其中，
Figure FDA0002628745650000023
为机床h一次开关机的碳排放之和，
Figure FDA0002628745650000024
为机床h开启到准备加工状态的平均功率，
Figure FDA0002628745650000025
为机床h关机过程的平均功率，
Figure FDA0002628745650000026
机床h开启到准备加工状态的时间,
Figure FDA0002628745650000027
机床h该设备的工件加工完毕后关闭所有耗能元件所用的时间，所有阶段的机床总和为M；
Figure FDA0002628745650000028
为决策变量，其含义如下所示：
Figure FDA0002628745650000029
所述闲置碳排放表示为：
Figure FDA00026287456500000210
其中，定义机床h上接受的加工工件的总个数为Zh，记t为位机床h上加工的第t个工件的序号，则有0≤Zh≤n,且t∈Zh；定义机床h上第t个工件加工完成后并将机床h调整到准备加工状态的时间点为机床h上第t个位置的结束时间，用Fh,t表示；机床h上第t+1个位置的开始时间为Bh,t+1，是工件t+1到达开始加工的时间；则将机床h在t位置时的闲置等待时间记为Bh,t+1-Fh,t；
Figure FDA00026287456500000211
表示机床h处于准备加工状态下的平均功率；
所述工件搬运碳排放表示为：CC＝Cc1+Cc2
其中，
Figure FDA00026287456500000212
Figure FDA0002628745650000031
Figure FDA0002628745650000032
为产品i从仓库搬运到第一道工序设备h时电动小车的功率，
Figure FDA0002628745650000033
产品i从仓库搬运到第一道工序设备h的时间，
Figure FDA0002628745650000034
为产品i从最后阶段k设备h上搬运到仓库时电动小车的功率，
Figure FDA0002628745650000035
产品i从最后阶段k设备h上搬运到仓库的时间，
Figure FDA0002628745650000036
为产品i从s阶段的机床hs搬运到s+1阶段的机床hs+1上时电动小车的功率，
Figure FDA0002628745650000037
是该过程对应的搬运时间；
Figure FDA0002628745650000038
Figure FDA0002628745650000039
Figure FDA00026287456500000310
3.根据权利要求1所述的柔性流水车间下的低碳调度模型及节能优化方法，其特征在于：所述的节能优化方法中，当机床闲置等待时间Bh,t+1-Fh,t较长时，机床h将由准备加工状态切换至能耗较低的待机状态或者进行一次关机重启的策略，来减少闲置等待时产生的碳排放；
所述采用节能优化方法后，车间加工工件总的闲置碳排放也由CI变成CI-EC表示为：
Figure FDA0002628745650000041
定义
Figure FDA0002628745650000042
表示处于i状态下的平均功率，
Figure FDA0002628745650000043
表示机床h在第t～t+1位置处于运行状态i的时间；
Figure FDA0002628745650000044
和
Figure FDA0002628745650000045
分别表示机床h从状态i切换到状态j过程中的碳排放、时间和功率；w表示机床处于加工状态，p表示机床处于准备加工状态，u表示机床处于待机状态；
用
Figure FDA0002628745650000046
表示实施待机状态切换策略下中总的切换过程中消耗碳排放和时间，用
Figure FDA0002628745650000047
表示机床h在第t～t+1位置以待机状态待机所消耗的碳排放，则有计算式所下：
Figure FDA0002628745650000048
Figure FDA0002628745650000049
Figure FDA00026287456500000410
设
Figure FDA00026287456500000411
为进行一次关机重启所用的时间，由前面的分析知，该过程所消耗的碳排放为
Figure FDA00026287456500000412
其中
Figure FDA00026287456500000413
计算下：
Figure FDA00026287456500000414
用
Figure FDA00026287456500000415
表示机床h的状态切换阈值，当Bh,t+1-Fh,t达到切换阈值
Figure FDA0002628745650000051
时，机床将可以待机状态进行待机，当Bh,t+1-Fh,t达到切换阈值
Figure FDA0002628745650000052
时，机床将可实施关机重启策略；
Figure FDA0002628745650000053
分别满足以下约束：
Figure FDA0002628745650000054
Figure FDA0002628745650000055
Figure FDA0002628745650000056
Figure FDA0002628745650000057
采用以下决策变量，来判断机床是否切换至能耗较低的待机状态或进行一次关机重启，含义如下：
Figure FDA0002628745650000058
Figure FDA0002628745650000059
当机床h在第t～t+1位置的闲置等待时间大于状态切换阈值
Figure FDA00026287456500000510
且以待机状态待机所消耗的碳排放
Figure FDA00026287456500000511
小于一次关机重启所消耗的碳排放
Figure FDA0002628745650000061
时，
Figure FDA0002628745650000062
的值为1，表示在该时间间隔中，机床h将以低能耗的待机状态待机等待下一工件的到来，否则为0；当机床h在第t～t+1位置时的闲置等待时间大于状态切换阈值
Figure FDA0002628745650000063
时，且所消耗的碳排放情况与上述情况相反时，
Figure FDA0002628745650000064
的值为1，表示在该时间间隔中，机床h将实行一次关机重启以等待下一工件的到来，否则为0；
取
Figure FDA0002628745650000065
引入上述节能策略后，机床h在t位置的闲置碳排放将由之前的
Figure FDA0002628745650000066
转换成
Figure FDA0002628745650000067
如下式所示：
Figure FDA0002628745650000068
4.根据权利要求1所述的柔性流水车间下的低碳调度模型及节能优化方法，其特征在于：步骤四中所述的利用改进遗传算法初始化数据，同时判断是否满足机床节能状态切换条件，生成柔性流水车间调度方案中包括：
步骤1：初始化算法的各个参数包括种群大小和迭代次数；
步骤2：利用加入了节能优化策略的调度数学模型，计算种群各个体的适应度值；
步骤3：根据交叉概率计算公式获取动态交叉概率值，对种群中任意两个个体进行交叉操作，产生新种群；
步骤4：根据变异概率计算公式获取动态变异概率值，对交叉后的种群中的个体进再进行变异操作，产生新种群；
步骤5：原始种群与交叉变异后的种群合并，计算新种群个体适应度；
步骤6：两两随机竞争进行选择，产生优秀个体种群；
步骤7：判断迭代次数是否满足终止条件，若满足，则继续下一步，否则返回步骤3，重新开始；
步骤8：输出最优个体，获取最优调度方案，根据最优调度方案进行工件加工，程序结束。
CN202010804974.0A 2020-08-12 2020-08-12 一种柔性流水车间下的低碳调度模型及节能优化方法 Active CN112418478B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010804974.0A CN112418478B (zh) 2020-08-12 2020-08-12 一种柔性流水车间下的低碳调度模型及节能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010804974.0A CN112418478B (zh) 2020-08-12 2020-08-12 一种柔性流水车间下的低碳调度模型及节能优化方法

Publications (2)

Publication Number Publication Date
CN112418478A true CN112418478A (zh) 2021-02-26
CN112418478B CN112418478B (zh) 2024-03-15

Family

ID=74844211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010804974.0A Active CN112418478B (zh) 2020-08-12 2020-08-12 一种柔性流水车间下的低碳调度模型及节能优化方法

Country Status (1)

Country Link
CN (1) CN112418478B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780871A (zh) * 2021-09-22 2021-12-10 大连交通大学 一种多目标低碳柔性作业车间调度方法
CN116149263A (zh) * 2021-11-18 2023-05-23 中国科学院沈阳自动化研究所 基于多工件并行生产的离散型柔性机加生产线控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090204916A1 (en) * 2008-02-12 2009-08-13 Accenture Global Services Gmbh System for providing strategies to reduce the carbon output and operating costs of a workplace
CN103390195A (zh) * 2013-05-28 2013-11-13 重庆大学 一种基于强化学习的机械车间任务调度节能优化系统
CN104808636A (zh) * 2015-04-28 2015-07-29 广东工业大学 柔性流水车间能耗优化调度方法
CN106295878A (zh) * 2016-08-09 2017-01-04 广东技术师范学院 一种基于Petri网与改进遗传算法的柔性作业车间调度系统
WO2019153429A1 (zh) * 2018-02-07 2019-08-15 江南大学 一种基于有限制稳定配对策略的柔性作业车间调度方法
CN110619437A (zh) * 2019-09-20 2019-12-27 国网江苏省电力有限公司电力科学研究院 一种低能耗柔性作业车间调度方法
CN110618668A (zh) * 2019-09-29 2019-12-27 西北工业大学 柔性生产的绿色动态调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090204916A1 (en) * 2008-02-12 2009-08-13 Accenture Global Services Gmbh System for providing strategies to reduce the carbon output and operating costs of a workplace
CN103390195A (zh) * 2013-05-28 2013-11-13 重庆大学 一种基于强化学习的机械车间任务调度节能优化系统
CN104808636A (zh) * 2015-04-28 2015-07-29 广东工业大学 柔性流水车间能耗优化调度方法
CN106295878A (zh) * 2016-08-09 2017-01-04 广东技术师范学院 一种基于Petri网与改进遗传算法的柔性作业车间调度系统
WO2019153429A1 (zh) * 2018-02-07 2019-08-15 江南大学 一种基于有限制稳定配对策略的柔性作业车间调度方法
CN110619437A (zh) * 2019-09-20 2019-12-27 国网江苏省电力有限公司电力科学研究院 一种低能耗柔性作业车间调度方法
CN110618668A (zh) * 2019-09-29 2019-12-27 西北工业大学 柔性生产的绿色动态调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XUEFENG LIU等: "Scheduling optimization of flexible flow shop", 《2018 IEEE 4TH INFORMATION TECHNOLOGY AND MECHATRONICS ENGINEERING CONFERENCE (ITOEC)》 *
张国辉;张海军;张理涛;王永成;: "改进遗传算法求解低碳约束的柔性车间调度问题", 组合机床与自动化加工技术, no. 06 *
路璐;曾丹;谈翼飞;: "面向综合能效提升的机械制造车间生产调度优化模型研究", 机电产品开发与创新, no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780871A (zh) * 2021-09-22 2021-12-10 大连交通大学 一种多目标低碳柔性作业车间调度方法
CN116149263A (zh) * 2021-11-18 2023-05-23 中国科学院沈阳自动化研究所 基于多工件并行生产的离散型柔性机加生产线控制方法

Also Published As

Publication number Publication date
CN112418478B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN109918771B (zh) 一种多时间因素下混合流水锻造车间的节能调度模型
CN103390195B (zh) 一种基于强化学习的机械车间任务调度节能优化系统
CN110619437A (zh) 一种低能耗柔性作业车间调度方法
Jiang et al. Energy-efficient scheduling of flexible job shops with complex processes: A case study for the aerospace industry complex components in China
CN110070235B (zh) 一种多移动机器人的柔性调度方法
CN112418478A (zh) 一种柔性流水车间下的低碳调度模型及节能优化方法
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
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
Zhang et al. An improved SFLA for flexible job shop scheduling problem considering energy consumption
CN107817771A (zh) 考虑关机重启策略的混合流水车间节能调度的建模方法
CN117035364A (zh) 基于改进混合模因算法的分布式异构流水车间调度方法
CN114595633B (zh) 一种基于多约束的多目标柔性作业车间节能调度方法
CN112859761B (zh) 一种考虑集中热处理的分布式锻造流水车间节能调度方法
CN113050644A (zh) 基于迭代贪婪进化的agv调度方法
CN117132181B (zh) 一种分布式柔性生产与运输协同调度方法
CN111948989B (zh) 一种柔性制造车间优化调度方法及设备
Wang et al. Genetic algorithm in flexible work shop scheduling based on multi-objective optimization
Salehi et al. Multi-criteria sequencing problem in mixed-model synchronous assembly lines
CN117314055A (zh) 基于强化学习的智能制造车间生产-运输联合调度方法
CN107133703A (zh) 一种基于需求驱动的不相容工件组在线分批加工方法
CN114563994B (zh) 一种汽车零部件分布式生产和装配过程的优化调度方法
CN116070826A (zh) 一种铁路货车车身喷涂作业并行机调度方法
CN113780871A (zh) 一种多目标低碳柔性作业车间调度方法
Guo et al. Multi-objective flexible job shop scheduling problem with key objectives
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

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