CN114115161A - 考虑能耗的增材制造slm不相同并行机调度方法及系统 - Google Patents

考虑能耗的增材制造slm不相同并行机调度方法及系统 Download PDF

Info

Publication number
CN114115161A
CN114115161A CN202111449717.0A CN202111449717A CN114115161A CN 114115161 A CN114115161 A CN 114115161A CN 202111449717 A CN202111449717 A CN 202111449717A CN 114115161 A CN114115161 A CN 114115161A
Authority
CN
China
Prior art keywords
slm
machine
energy consumption
frog
population
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
CN202111449717.0A
Other languages
English (en)
Other versions
CN114115161B (zh
Inventor
黄彬
李文广
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 CN202111449717.0A priority Critical patent/CN114115161B/zh
Publication of CN114115161A publication Critical patent/CN114115161A/zh
Application granted granted Critical
Publication of CN114115161B publication Critical patent/CN114115161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total 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]
    • G05B19/41865Total 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/32Operator till task planning
    • G05B2219/32252Scheduling production, machining, job shop

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)
  • Laser Beam Processing (AREA)

Abstract

本发明涉及一种考虑能耗的增材制造SLM不相同并行机调度方法及系统,该方法包括以下步骤:考虑零件加工顺序、加工方向和交货期,以最小化所有零件的总能耗为优化目标建立调度问题的数学模型;对混合蛙跳算法的种群初始化和种群进化机制进行改进,构建改进的混合蛙跳算法;通过改进的混合蛙跳算法求解调度模型优化问题,在交货期之前完成零件加工的前提下,得出最小化加工能耗时所有零件在SLM不相同并行机上的调度方案。该方法及系统有利于获得合理、可行且能耗更低的增材制造SLM不相同并行机调度方案。

Description

考虑能耗的增材制造SLM不相同并行机调度方法及系统
技术领域
本发明属于生产制造技术领域,具体涉及一种考虑能耗的增材制造SLM不相同并行机调度方法及系统。
背景技术
增材制造(additive manufacturing,AM),也称作3D打印、快速成型技术,是指在计算机辅助控制下通过逐层堆积材料来制造零件的制造技术,是一种与传统减材制造技术不同的新型制造技术。目前已经开发了多种增材制造技术,而其中的激光选区熔化(Selective laser melting,SLM)技术,是利用高能量激光照射并完全熔融金属粉末再凝固从而形成3D形状,是一种非常具有潜力的金属增材制造技术。SLM技术具有高设计自由度、高定制灵活性、短生产周期和高度自动化的生产优势,非常适合复杂几何形状、小批量制造和无需组装整体部件的零件加工,因此SLM技术被广泛应用于航空航天、汽车工业和医学人体植入物等领域。
增材制造工艺是一种高能耗工艺,在加工的过程中会产生较高的能耗。而随着低碳制造、绿色制造等理念越来越受到重视,如何降低增材制造生产过程中的能耗这一问题也变得越来越重要。目前存在的一些关于增材制造能耗相关的研究中,大都是只研究在增材制造加工技术方法上进行改进以减少能耗,但是在实际生产中,所加工零件的不同调度方案对加工能耗也有着很大的影响。有研究指出,零件在加工过程中,在满足加工质量要求的前提下,往往存在多种加工方向可供选择。而不同加工方向零件的组合对于能耗会有很大的影响,这是由于增材制造的能耗与零件的加工方向有关,不同的加工方向往往对应着不同的零件高度,零件高度决定着铺粉阶段所需时间,同时部分加工方向加工的时候还要添加支撑,会需要额外的加工成本以及更多的加工能耗,因此,研究考虑能耗的SLM调度时,不仅要研究不同零件的加工顺序,而且要研究同一零件的不同加工方向,这具有重要的研究意义。
发明内容
本发明的目的在于提供一种考虑能耗的增材制造SLM不相同并行机调度方法及系统,该方法及系统有利于获得合理、可行且能耗更低的增材制造SLM不相同并行机调度方案。
为实现上述目的,本发明采用的技术方案是:一种考虑能耗的增材制造SLM不相同并行机调度方法,包括以下步骤:
考虑零件加工顺序、加工方向和交货期,以最小化所有零件的总能耗为优化目标建立调度问题的数学模型;
对混合蛙跳算法的种群初始化和种群进化机制进行改进,构建改进的混合蛙跳算法;
通过改进的混合蛙跳算法求解调度模型优化问题,在交货期之前完成零件加工的前提下,得出最小化加工能耗时所有零件在SLM不相同并行机上的调度方案。
进一步地,按如下方法建立调度问题的数学模型:
在增材制造SLM加工过程中,作业j在机器m上的加工时间tumj为:
tumj=tsm+tfmj+trmj+tcm (1)
式(1)中,tfmj=(maxHji)·thm为作业j在机器m上的粉末分层时间,
Figure BDA0003384977880000021
为作业j在第m台机器上的金属粉末熔化时间;
作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+tumj Tm0=0 (2)
每个作业在机器上的能耗主要包括准备阶段能耗、铺粉阶段能耗和粉末熔化阶段能耗,由于准备阶段能耗与工艺参数以及所加工的零件无关,故在此不考虑;
第m台SLM机器的总铺粉时间TPm表示为:
Figure BDA0003384977880000022
因此,第m台SLM机器的铺粉阶段的能耗EPm为:
EPm=PLm·TPm (4)
第m台SLM机器的总粉末熔化时间TMm表示为:
Figure BDA0003384977880000023
因此,第m台SLM机器的粉末熔化阶段的能耗EMm为:
EMm=PJm·TMm (6)
所以,总的能耗E为:
Figure BDA0003384977880000031
在SLM机器上加工作业时,在加工过程中不能将某个零件单独取出,必须等整个作业完成加工之后才能取出整个作业的零件,所以同一个作业内所有零件具有同一个完工时间,零件的完工时间Ti为:
Ti=Tmj·Xji·Ymj (8)
以最小化总加工能耗为优化目标,建立增材制造SLM不相同并行机调度问题的模型如下:
minE (9)
Figure BDA0003384977880000032
Figure BDA0003384977880000033
Figure BDA0003384977880000034
Figure BDA0003384977880000035
his·Xji·Ymj·Zis≤Hm (14)
Di-Ti≥0 (15)
式(9)表示最小化所有零件的总加工能耗的目标函数;式(10)表示一个零件最多只安排在一个作业中;式(11)表示分配到作业中加工的零件只选择一个加工方向;式(12)表示每个作业只被加工一次;式(13)表示在机器m上加工的作业j内的零件总投影面积不超过机器m的成型空间面积;式(14)表示在机器m上加工的作业j内的零件高度不超过机器m的成型空间高度;式(15)表示零件的完工时间小于交货期;
上述式子中,i表示第i个零件,i=1,...,n;j表示第j个作业,j=1,...,l;m表示第m台AM机器,m=1,...z;Sis表示第i个零件的第s个备选加工方向,s=1,...,r;his表示第i个零件在第s个备选加工方向的情况下的高度;ais表示第i个零件在第s个备选加工方向的情况下在生产区域的投影面积;vi表示第i个零件的体积;Am表示第m台SLM机器的成型空间面积;Hm表示第m台SLM机器的成型空间高度;tsm表示第m台SLM机器的准备时间;thm表示第m台SLM机器单位高度的分层时间;tvm表示第m台SLM机器单位体积材料的加工时间;tcm表示每台SLM机器作业的拆卸和清洗时间;Ti表示第i个零件的完工时间;Tmj表示第j个作业在机器m上的完工时间;Di表示第i个零件的交货期;Hji表示第j个作业内零件i的高度;PLm表示第m台SLM机器铺粉阶段的平均功率;PJm表示第m台SLM机器粉末熔化阶段的平均功率;TPm表示第m台SLM机器的总铺粉时间;TMm表示第m台SLM机器的总粉末熔化时间;
Figure BDA0003384977880000041
Figure BDA0003384977880000042
进一步地,对混合蛙跳算法的编解码方式进行改进,其具体方法为:
在考虑有多个零件的零件集在不相同并行SLM机器上加工问题时,由于零件自身带有包括加工方向、加工方向对应的高度、加工方向对应的投影面积、零件不同加工方向添加支撑之后的不同体积、零件体积和交货期的参数,在使用混合蛙跳算法进行求解时,为了让算法的解更直观的反映各种参数,采用整数互相联合进行编码和解码的方法,对混合蛙跳算法的编解码方式进行改进;在混合蛙跳算法中,每一只青蛙即为一个解,在所述整数互相联合编码和解码方法的表示下,每一个青蛙表示为:
Figure BDA0003384977880000051
其中,ai是1~n之间的整数,是零件的序号,表示第ai个零件处于加工顺序的第i个位置,bi表示第i个零件对应的加工方向编号,ci表示第i个零件所选择的加工方向对应的高度,di表示第i个零件所选择的加工方向所对应的投影面积,ei表示第i个零件所选择的加工方向所对应的体积大小,fi表示第i个零件对应的交货期时间,gi表示零件组合成作业的方法,hi表示零件合成的作业在增材制造SLM机器上的分配方案。
进一步地,对混合蛙跳算法的种群初始化进行改进的具体方法为:在对种群进行初始化时,增加一个比较判断机制对种群个体进行判断,如果检测到存在相同个体,则重新生成一个新的个体将相同个体替换,以使种群初始化时不存在相同的个体,使得初始种群分布广且均匀,进而提高初始种群的多样性及其在搜索空间的分布质量。
进一步地,对混合蛙跳算法的种群进化机制进行改进的具体方法为:在混合蛙跳算法的迭代过程中,增加一个对种群个体的更新淘汰机制,即在每次进行完一次迭代之后,将整个种群按照适应度的优劣重新排序,然后将适应度值低于设定值的部分个体淘汰,并产生新的个体替代淘汰的个体,然后再对整个种群根据适应度进行排序,进入下一次迭代,以增强混合蛙跳算法跳出局部最优及寻优的能力。
进一步地,对混合蛙跳算法的种群初始化和种群进化机制进行改进后,改进的混合蛙跳算法按如下步骤执行:
1)初始化种群;
2)判断重复个体,并更新重复个体;
3)计算种群适应度并根据种群适应度进行降序排序,然后按种群按适应度优劣划分族群;
4)让族群中最差青蛙向族群中最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则让其向全局最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则转步骤5;
5)在解空间随机产生一个解;
6)判断是否满足停止条件,是则结束流程,否则将种群按适应度降序排序,淘汰适应度低的部分个体,并重新生成淘汰数量的个体,然后转步骤2。
本发明还提供了一种考虑能耗的增材制造SLM不相同并行机调度系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上述的方法步骤。
与现有技术相比,本发明具有以下有益效果:针对目前的增材制造调度研究很少研究能耗相关问题,以及很少考虑零件的加工方向对生产调度的影响,本发明考虑了零件的加工方向、交货期等因素,以最小化所有零件的总加工能耗为优化目标,提出了一种考虑能耗的增材制造SLM不相同并行机调度方法,并结合增材制造调度问题解空间分布离散的特点,对基本混合蛙跳算法的种群初始化和进化机制进行改进,使得混合蛙跳算法可以更好更快的在解空间进行求解,以获得更好的求解效果,从而可以保证零件在交货期之前完成加工的前提下,得出最小化加工能耗时所有零件在SLM不相同并行机上的调度方案。该方法可行、有效,为绿色制造理念下增材制造生产调度的研究提供了一种新的方法和途径。
附图说明
图1是本发明实施例中增材制造SLM不相同并行机调度的流程图;
图2是本发明实施例中混合蛙跳算法的流程图;
图3是本发明实施例中改进的混合蛙跳算法的流程图;
图4是本发明实施例中采用混合蛙跳算法求解得到的最低能耗调度方案甘特图;
图5是本发明实施例中采用改进的混合蛙跳算法求解得到的最低能耗调度方案甘特图。
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。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在增材制造调度的问题中,机器的加工区域高度、面积、扫描速度这三个参数中有任何一个参数不同都被认为是不相同的增材制造机器。本实施例针对增材制造的SLM工艺,在考虑零件加工方向和交货期的前提下,以最小化所有零件的总能耗为优化目标建立调度问题的数学模型。在此基础上,结合增材制造SLM工艺的特点,对混合蛙跳算法进行改进以更契合增材制造的生产特点,首先对初始种群进行优化,使得初始种群个体的分布更加均匀,并对种群进化机制进行改进,使得混合蛙跳算法具有更快更好的寻优能力以及跳出局部最优的能力;并且结合数学模型和增材制造离散的解空间特点,设计改进混合蛙跳算法的编码和解码方式,采用整数编码和解码方式,使算法更好的求解调度模型优化问题;从而构建得到改进的混合蛙跳算法。最后,通过改进的混合蛙跳算法求解调度模型优化问题,在交货期之前完成零件加工的前提下,得出最小化加工能耗时所有零件在SLM不相同并行机上的调度方案。
1、调度问题的描述与数学模型
1.1问题描述
对增材制造SLM进行调度以尽可能的安排多个零件同时加工,可以提高设备使用率并且减少加工时间,使得总加工时间减小从而降低能耗。并且由于零件在加工过程中,在满足加工质量要求的前提下,往往存在多种加工方向可供选择,而不同的加工方向往往对应着不同的零件高度,甚至有些加工方向在加工时还需要添加支撑以保证加工质量,因此,零件的不同加工方向选择不仅会对加工时间产生极大影响,同时也会影响加工过程中的能耗。所以,考虑能耗的SLM调度不仅要考虑不同零件的加工顺序,而且要考虑同一零件的不同加工方向。
图1是增材制造SLM不相同并行机调度的流程示意图。将不同订单中的零件进行统一编号,且每个零件都有至少一种备选加工方向可供选择,如编号为p1的零件有两种加工方向表示为p11和p12,编号为p3的零件有三种加工方向表示为p31、p32和p33,在加工过程中,选择其中一个方向进行加工,如编号为p1的零件选择的方向是p12,零件不同的加工方向有着不同的高度和投影面积,并且如果某个加工方向存在支撑,则零件所需材料体积也会不同,因此要在分配加工之前先明确零件所选择的加工方向。在本发明中将同时在同一台SLM机器上进行加工的零件定义为作业(例如选择加工方向2的p1和选择加工方向2的p6组合成作业Job1=(p12 p62),然后再将组合成的作业,合理的安排在不同的并行机器上进行加工,例如将Job2和Job3安排在SLM机器的AM1上进行加工,且要对作业进行合理的分配,即任务中的零件的投影面积和高度,不能超过所分配的SLM机器的加工空间的区域面积和高度,且在分配任务的过程中,要保证所有加工的零件的完工时间都在交货期之内。本发明在对面向增材制造SLM工艺减少能耗的调度方法的研究中,有如下假设:
(1)加工过程中只使用同一种材料;
(2)加工时作业内零件不会接触,且不考虑零件间的嵌套问题(嵌套指在一定条件下,小零件可放在大零件的孔隙中或斜面下);
(3)零件的备选加工方向均满足加工质量要求;
(4)每台SLM机器之间互相独立可并行加工;
(5)每个作业在加工过程中不能被打断且只能在一台机器上完成加工;
(6)零件的最大高度必须低于或等于至少一台SLM机器支持的最大高度;
(7)零件的最大投影面积必须低于或等于至少一台SLM机器支持的最大加工区域面积。;
(8)加工之前所有机器都处于空闲状态。
1.2数学模型
(1)参数
i:第i个零件(i=1,...,n);
j:第j个作业(j=1,...,l);
m:第m台AM机器(m=1,...z);
Sis:第i个零件的第s个备选加工方向(s=1,...,r);
his:第i个零件在第s个备选加工方向的情况下的高度;
ais:第i个零件在第s个备选加工方向的情况下在生产区域的投影面积;
vi:第i个零件的体积;
Am:第m台SLM机器的成型空间面积;
Hm:第m台SLM机器的成型空间高度;
tsm:第m台SLM机器的准备时间;
thm:第m台SLM机器单位高度的分层时间;
tvm:第m台SLM机器单位体积材料的加工时间;
tcm:每台SLM机器作业的拆卸和清洗时间;
Ti:第i个零件的完工时间;
Tmj:第j个作业在机器m上的完工时间;
Di:第i个零件的交货期;
Hji:第j个作业内零件i的高度;
PLm:第m台SLM机器铺粉阶段的平均功率;
PJm:第m台SLM机器粉末熔化阶段的平均功率;
TPm:第m台SLM机器的总铺粉时间;
TMm:第m台SLM机器的总粉末熔化时间;
Figure BDA0003384977880000091
Figure BDA0003384977880000092
Figure BDA0003384977880000093
在增材制造SLM加工过程中,要先在SLM机器上设置机器加工参数之后要考虑作业之中的零件高度来对零件进行粉末分层,然后再每层使用高能量激光束使金属粉末完全熔化再成型,重复粉末分层和粉末熔化,直到作业完成加工;在加工完成之后,要根据需要对作业中的零件进行拆卸、清洗和分类包装等操作。
考虑上述加工过程中的每个步骤,作业j在机器m上的加工时间tumj为:
tumj=tsm+tfmj+trmj+tcm (1)
式(1)中,tfmj=(maxHji)·thm为作业j在机器m上的粉末分层时间,
Figure BDA0003384977880000101
为作业j在第m台机器上的金属粉末熔化时间。
作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+tumj Tm0=0 (2)
每个作业在机器上的能耗主要包括准备阶段能耗、铺粉阶段能耗和粉末熔化阶段能耗,由于准备阶段能耗与工艺参数以及所加工的零件无关,故在此不考虑。
第m台SLM机器的总铺粉时间TPm表示为:
Figure BDA0003384977880000102
因此,第m台SLM机器的铺粉阶段的能耗EPm为:
EPm=PLm·TPm (4)
第m台SLM机器的总粉末熔化时间TMm表示为:
Figure BDA0003384977880000103
因此,第m台SLM机器的粉末熔化阶段的能耗EMm为:
EMm=PJm·TMm (6)
所以,总的能耗E为:
Figure BDA0003384977880000104
在SLM机器上加工作业时,在加工过程中不能将某个零件单独取出,必须等整个作业完成加工之后才能取出整个作业的零件,所以同一个作业内所有零件具有同一个完工时间,零件的完工时间Ti为:
Ti=Tmj·Xji·Ymj (8)
(2)模型
以最小化总加工能耗为优化目标,建立增材制造SLM不相同并行机调度问题的模型如下:
minE (9)
Figure BDA0003384977880000111
Figure BDA0003384977880000112
Figure BDA0003384977880000113
Figure BDA0003384977880000114
his·Xji·Ymj·Zis≤Hm (14)
Di-Ti≥0 (15)
式(9)表示最小化所有零件的总加工能耗的目标函数;式(10)表示一个零件最多只安排在一个作业中;式(11)表示分配到作业中加工的零件只选择一个加工方向;式(12)表示每个作业只被加工一次;式(13)表示在机器m上加工的作业j内的零件总投影面积不超过机器m的成型空间面积;式(14)表示在机器m上加工的作业j内的零件高度不超过机器m的成型空间高度;式(15)表示零件的完工时间小于交货期。
2、混合蛙跳算法
混合蛙跳算法(ShuffledFrogLeapingAlgorithm,SFLA)的原理可以看成在一个池塘里有若干个荷叶,每个荷叶上存在青蛙,每个荷叶上可以获取不同的食物数量,在池塘中存在多个荷叶与多只青蛙,青蛙之间可以交流,这样所有青蛙就会都往自己所在蛙群中所知道的食物最多的方向跳。或者往全部青蛙里食物最多的地方跳,最终找到池塘里食物最多的荷叶。如图2所示,混合蛙跳算法的实现流程如下:
Step1初始化种群。确定种群的总青蛙个体数量F,族群的数量m,每个族群中青蛙的数量n,F=m·n,计算每个青蛙的适应值,即每个解对应的目标函数值。
Step2按青蛙适应度值的降序排序,记下第一个最佳青蛙的位置Pg,即首个全局最优解。
Step3将种群中的F个青蛙分配到m个族群中,每个族群n个青蛙。假设存在4个族群和12只青蛙,青蛙1到12按照适应度值从优到劣排列,族群1中的青蛙有:青蛙1、青蛙5、青蛙9,族群2中的青蛙有:青蛙2、青蛙6、青蛙10,其他以此类推。
Step4局部优化。在局部优化当中,在设置的最大的进化次数N之内,改善所有的族群中最差青蛙的位置。在第i(i∈(1,m))个族群中选取q(q∈(1,n))个可能成为最佳的青蛙构成子族群,并确定子族群中最佳青蛙和最差青蛙的位置Pb,Pw。再改善每个子族群中的最差青蛙Pw的位置,先利用子族群中的局部最优解改善最差青蛙的位置,使最差青蛙向子族群中的局部最优解移动,如果产生的新解位置优于原来位置,则用新解代替原来的解,否则,再利用全局最优解更新最差青蛙的位置,使最差青蛙向全局最优解的位置移动,如果产生的新解位置优于原来位置,则用新解代替原来的解,否则,在解空间内,随机生成一个新的解。在进化次数N之内,重复执行进化操作。并且优化完所有族群。例如在D维空间中,青蛙1的位置记为
Figure BDA0003384977880000121
适应度值记为F(X1)。青蛙12先向青蛙4跳动,新位置为
Figure BDA0003384977880000122
青蛙更新位置的方法为:Pw=pw(当前位置)+rand·(Pb-Pw),其中rand是0到1之间的随机数,如果上述过程能够使得青蛙有一个更好的位置,即能够产生一个更好的解,那么就用新位置的青蛙取代原来的青蛙。否则,用Pg代替Pb,令青蛙向全局最优青蛙处移动,即青蛙12向青蛙1跳动,新位置为
Figure BDA0003384977880000123
如果得到的新位置比原位置好,则用新位置代替原位置,否则,则在解空间内,再随机产生一只新的青蛙。
Step5把优化后的族群重新组合在一起,按适应值降序排序,更新最佳青蛙的位置,判断是否满足停止条件。如果满足停止条件,停止。否则,返回Step3。
3、改进的混合蛙跳算法
3.1改进编码和解码方式
在考虑有多个零件的零件集在不相同并行SLM机器上加工问题时,由于零件自身带有加工方向、加工方向对应的高度、加工方向对应的投影面积、零件不同加工方向添加支撑之后的不同体积、零件体积和交货期等参数,在使用混合蛙跳算法进行求解的时候,为了让算法的解能更直观的看出各种参数,设计了一种利用整数互相联合进行编码和解码的方法,对混合蛙跳算法的编解码方式进行改进;在混合蛙跳算法中,每一只青蛙就是一个解,在这个编码和解码方法的表示下,每一个青蛙可以表示为:
Figure BDA0003384977880000131
其中,ai是1~n之间的整数,是零件的序号,表示第ai个零件处于加工顺序的第i个位置,bi表示第i个零件对应的加工方向编号,ci表示第i个零件所选择的加工方向对应的高度,di表示第i个零件所选择的加工方向所对应的投影面积,ei表示第i个零件所选择的加工方向所对应的体积大小,fi表示第i个零件对应的交货期时间,gi表示零件组合成作业的方法,hi表示零件合成的作业在增材制造SLM机器上的分配方案。例如,对于9个零件在两台SLM不相关并行机器上加工调度问题,得到一个可行的编码矩阵为:
Figure BDA0003384977880000132
上述矩阵之中的第一行[1,9,8,7,5,4,3,6,2]表示零件对应序号的加工顺序,例如第一个位置1表示编号为1的零件第一个被分配组合成作业;第二行[4,1,2,2,1,1,2,1,1]表示第一行编号对应零件加工方向的序号,例如编号为1的零件所对应的加工方向的序号为4;第三行[15.00,22.47,24.21,22.71,21.12,35.38,22.11,26.87,33.20]表示第一行的零件选择第二行的加工方向时所对应的高度,例如编号为1的零件选择加工方向序号为4时所对应的高度为15;第四行[388.43,223.35,345.35,220.64,411.12,159.70,312.21,206.97,260.11]为第一行的零件选择第二行的加工方向时所对应的投影面积,例如编号为1的零件选择加工方向序号为4时所对应的投影面积为388.43;第五行[670.23,331.69,332.51,443.28,1029.31,760.39,344.23,539.89,820.21]为第一行零件所对应的体积大小,例如编号为1的零件的体积为670.23;第六行[130,270,260,260,230,200,120,230,110]表示第一行零件所对应的交货时间,例如零件3对应的交货时间为130;第七行[0,1,0,0,1,0,0,0,1]表示将零件组合成作业的方法,第2个位置上的数字1表示编号为1和9的两个零件组合成第一个作业,第5个位置上的数字1表示编号为8、7和5的三个零件组合成第二个作业,第9个位置上的数字1表示将编号为4、3、6和2的四个零件组合成第三个作业,最后根据第八行[1,2,2,0,0,0,0,0,0]表示三个作业在SLM机器上的分配方案,如第八行的第1个数据1表示第一个作业在机器1上加工,第2个数据的2表示第二个作业在机器2上加工,第3个数据2表示第三个作业在机器2上加工,并且第三个作业应该等第二个作业加工完再进行加工。所以9个零件的加工方案为:机器1:Job1=(19),机器2:Job2=(875)、Job3=(4362)。可见矩阵中包含有零件的各种基本参数信息,且根据不同的排列顺序有着不同的任务分配方案,较为贴合实际的工作情况。
3.2改进种群初始化和进化机制
在初始混合蛙跳算法中,初始种群是完全随机生成的,而初始种群的优劣,会对整个算法的性能都有较大影响,随机生成初始种群,可能会产生相同的个体并且使得个体在解空间内的分布不均匀,从而导致初始种群的多样性比较低,会对算法的性能造成影响。因此在初始化种群之时对混合蛙跳算法进行改进,在对种群进行初始化时,增加一个比较判断机制对种群个体进行判断,如果检测到存在相同个体,则重新生成一个新的个体将相同个体替换,这样使得种群初始化时不会存在相同的个体,使得初始种群分布广且均匀,进而提高初始种群的多样性及其在搜索空间的分布质量。
在混合蛙跳算法的迭代过程中,增加一个对种群个体更新的淘汰机制。虽然混合蛙跳算法存在着利用局部最优解和全局最优解更新子族群最差青蛙位置的操作,有着一定的跳出局部最优的能力,但是也只是对子族群中的最差青蛙进行改善,将最差青蛙改善了之后,次差的青蛙就会变成最差青蛙,进行改善的次数跟子族群内的进化次数相关,因此跳出局部最优的能力有限。所以为了增强混合蛙跳算法跳出局部最优的能力,增加一个更新淘汰机制,在每次进行完一次迭代之后,将整个种群按照适应度的优劣重新排序,然后将适应度值较差的90%的个体淘汰,并产生一个新的个体替代淘汰的个体,然后再对整个种群根据适应度进行排序,进入下一次迭代,再增加了种群淘汰更新机制之后,混合蛙跳算法跳出局部最优的能力以及寻优的能力得到了增强。
图3是改进的混合蛙跳算法的流程图。如图3所示,对混合蛙跳算法的种群初始化和种群进化机制进行改进后,改进的混合蛙跳算法按如下步骤执行:
1)初始化种群;
2)判断重复个体,并更新重复个体;
3)计算种群适应度并根据种群适应度进行降序排序,然后按种群按适应度优劣划分族群;
4)让族群中最差青蛙向族群中最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则让其向全局最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则转步骤5;
5)在解空间随机产生一个解;
6)判断是否满足停止条件,是则结束流程,否则将种群按适应度降序排序,淘汰适应度低的部分个体,并重新生成淘汰数量的个体,然后转步骤2。
本实施例还提供了一种考虑能耗的增材制造SLM不相同并行机调度系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
下面以具体实施例对本发明的调度方法作进一步阐述说明。
将使用两台参数不同的增材制造SLM机器以及9个零件来进行研究实验,机器的参数和零件的参数如下表1和表2所示。
表1 AM机器加工参数
Figure BDA0003384977880000151
Figure BDA0003384977880000161
表2待加工零件数据
Figure BDA0003384977880000162
用混合蛙跳算法和改进的混合蛙跳算法分别对作业调度进行仿真实验,设置初始种群为10000,子族群100个,每个子族群中100个青蛙个体,迭代次数为300次。
使用混合蛙跳算法求解得出的最佳调度方案为:
Figure BDA0003384977880000171
得到的任务分配方案为:机器1:Job1=(4 8 3)、Job2=(6 7),机器2:Job3=(1 25 9),由算法运算得到的调度方案的加工过程总能耗为191.3183kW·h。
使用改进的混合蛙跳算法求解得到的最佳调度方案为:
Figure BDA0003384977880000172
得到的任务分配方案为:机器1:Job1=(3 2 4)、Job2=(6 7),机器2:Job3=(1 58 9),由算法运算得到的调度方案的加工过程总能耗为189.1391kW·h。由对比可以看出,在使用改进的混合蛙跳算法得到的调度方案,最后得到的总能耗比未改进的低。图4是用混合蛙跳算法求解得到的最低能耗调度方案甘特图,图5是用改进的混合蛙跳算法求解得到的最低能耗调度方案甘特图。
可以看出,在考虑能耗的增材制造SLM不相同并行机调度的研究中,改进的混合蛙跳算法不仅有着较优的初始种群,也有着较强的跳出局部最优解的能力,且寻优能力也比之未改进的强,同时最后所求的解的调度方案最终加工能耗也更低,因此充分的说明了本发明在此问题上性能更为优秀,也更符合实际要求。
综上,本发明针对增材制造SLM工艺不相同并行机的调度问题,建立了以最小化所有零件总加工能耗为优化目标的调度模型,并对混合蛙跳算法进行改进,设计了一种更符合此实际情况的改进的混合蛙跳算法对模型进行求解。最后使用算例分析表明了本方法可行、有效,为绿色制造理念下增材制造生产调度的研究提供了一种新的方法和途径。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。

Claims (7)

1.一种考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,包括以下步骤:
考虑零件加工顺序、加工方向和交货期,以最小化所有零件的总能耗为优化目标建立调度问题的数学模型;
对混合蛙跳算法的种群初始化和种群进化机制进行改进,构建改进的混合蛙跳算法;
通过改进的混合蛙跳算法求解调度模型优化问题,在交货期之前完成零件加工的前提下,得出最小化加工能耗时所有零件在SLM不相同并行机上的调度方案。
2.根据权利要求1所述的考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,按如下方法建立调度问题的数学模型:
在增材制造SLM加工过程中,作业j在机器m上的加工时间tumj为:
tumj=tsm+tfmj+trmj+tcm (1)
式(1)中,tfmj=(maxHji)·thm为作业j在机器m上的粉末分层时间,
Figure FDA0003384977870000011
为作业j在第m台机器上的金属粉末熔化时间;
作业j在机器m上完工时间Tmj表示为:
Tmj=Tm(j-1)+tumj Tm0=0 (2)
每个作业在机器上的能耗主要包括准备阶段能耗、铺粉阶段能耗和粉末熔化阶段能耗,由于准备阶段能耗与工艺参数以及所加工的零件无关,故在此不考虑;
第m台SLM机器的总铺粉时间TPm表示为:
Figure FDA0003384977870000012
因此,第m台SLM机器的铺粉阶段的能耗EPm为:
EPm=PLm·TPm (4)
第m台SLM机器的总粉末熔化时间TMm表示为:
Figure FDA0003384977870000013
因此,第m台SLM机器的粉末熔化阶段的能耗EMm为:
EMm=PJm·TMm (6)
所以,总的能耗E为:
Figure FDA0003384977870000021
在SLM机器上加工作业时,在加工过程中不能将某个零件单独取出,必须等整个作业完成加工之后才能取出整个作业的零件,所以同一个作业内所有零件具有同一个完工时间,零件的完工时间Ti为:
Ti=Tmj·Xji·Ymj (8)
以最小化总加工能耗为优化目标,建立增材制造SLM不相同并行机调度问题的模型如下:
min E (9)
Figure FDA0003384977870000022
Figure FDA0003384977870000023
Figure FDA0003384977870000024
Figure FDA0003384977870000025
his·Xji·Ymj·Zis≤Hm (14)
Di-Ti≥0 (15)
式(9)表示最小化所有零件的总加工能耗的目标函数;式(10)表示一个零件最多只安排在一个作业中;式(11)表示分配到作业中加工的零件只选择一个加工方向;式(12)表示每个作业只被加工一次;式(13)表示在机器m上加工的作业j内的零件总投影面积不超过机器m的成型空间面积;式(14)表示在机器m上加工的作业j内的零件高度不超过机器m的成型空间高度;式(15)表示零件的完工时间小于交货期;
上述式子中,i表示第i个零件,i=1,...,n;j表示第j个作业,j=1,...,l;m表示第m台AM机器,m=1,...z;Sis表示第i个零件的第s个备选加工方向,s=1,...,r;his表示第i个零件在第s个备选加工方向的情况下的高度;ais表示第i个零件在第s个备选加工方向的情况下在生产区域的投影面积;vi表示第i个零件的体积;Am表示第m台SLM机器的成型空间面积;Hm表示第m台SLM机器的成型空间高度;tsm表示第m台SLM机器的准备时间;thm表示第m台SLM机器单位高度的分层时间;tvm表示第m台SLM机器单位体积材料的加工时间;tcm表示每台SLM机器作业的拆卸和清洗时间;Ti表示第i个零件的完工时间;Tmj表示第j个作业在机器m上的完工时间;Di表示第i个零件的交货期;Hji表示第j个作业内零件i的高度;PLm表示第m台SLM机器铺粉阶段的平均功率;PJm表示第m台SLM机器粉末熔化阶段的平均功率;TPm表示第m台SLM机器的总铺粉时间;TMm表示第m台SLM机器的总粉末熔化时间;
Figure FDA0003384977870000031
Figure FDA0003384977870000032
3.根据权利要求1所述的考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,对混合蛙跳算法的编解码方式进行改进,其具体方法为:
在考虑有多个零件的零件集在不相同并行SLM机器上加工问题时,由于零件自身带有包括加工方向、加工方向对应的高度、加工方向对应的投影面积、零件不同加工方向添加支撑之后的不同体积、零件体积和交货期的参数,在使用混合蛙跳算法进行求解时,为了让算法的解更直观的反映各种参数,采用整数互相联合进行编码和解码的方法,对混合蛙跳算法的编解码方式进行改进;在混合蛙跳算法中,每一只青蛙即为一个解,在所述整数互相联合编码和解码方法的表示下,每一个青蛙表示为:
Figure FDA0003384977870000041
其中,ai是1~n之间的整数,是零件的序号,表示第ai个零件处于加工顺序的第i个位置,bi表示第i个零件对应的加工方向编号,ci表示第i个零件所选择的加工方向对应的高度,di表示第i个零件所选择的加工方向所对应的投影面积,ei表示第i个零件所选择的加工方向所对应的体积大小,fi表示第i个零件对应的交货期时间,gi表示零件组合成作业的方法,hi表示零件合成的作业在增材制造SLM机器上的分配方案。
4.根据权利要求1所述的考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,对混合蛙跳算法的种群初始化进行改进的具体方法为:在对种群进行初始化时,增加一个比较判断机制对种群个体进行判断,如果检测到存在相同个体,则重新生成一个新的个体将相同个体替换,以使种群初始化时不存在相同的个体,使得初始种群分布广且均匀,进而提高初始种群的多样性及其在搜索空间的分布质量。
5.根据权利要求1所述的考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,对混合蛙跳算法的种群进化机制进行改进的具体方法为:在混合蛙跳算法的迭代过程中,增加一个对种群个体的更新淘汰机制,即在每次进行完一次迭代之后,将整个种群按照适应度的优劣重新排序,然后将适应度值低于设定值的部分个体淘汰,并产生新的个体替代淘汰的个体,然后再对整个种群根据适应度进行排序,进入下一次迭代,以增强混合蛙跳算法跳出局部最优及寻优的能力。
6.根据权利要求1所述的考虑能耗的增材制造SLM不相同并行机调度方法,其特征在于,对混合蛙跳算法的种群初始化和种群进化机制进行改进后,改进的混合蛙跳算法按如下步骤执行:
1)初始化种群;
2)判断重复个体,并更新重复个体;
3)计算种群适应度并根据种群适应度进行降序排序,然后按种群按适应度优劣划分族群;
4)让族群中最差青蛙向族群中最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则让其向全局最优青蛙位置跳动,如果优于当前位置,则转步骤6,否则转步骤5;
5)在解空间随机产生一个解;
6)判断是否满足停止条件,是则结束流程,否则将种群按适应度降序排序,淘汰适应度低的部分个体,并重新生成淘汰数量的个体,然后转步骤2。
7.一种考虑能耗的增材制造SLM不相同并行机调度系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-6所述的方法步骤。
CN202111449717.0A 2021-11-30 2021-11-30 考虑能耗的增材制造slm不相同并行机调度方法及系统 Active CN114115161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111449717.0A CN114115161B (zh) 2021-11-30 2021-11-30 考虑能耗的增材制造slm不相同并行机调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111449717.0A CN114115161B (zh) 2021-11-30 2021-11-30 考虑能耗的增材制造slm不相同并行机调度方法及系统

Publications (2)

Publication Number Publication Date
CN114115161A true CN114115161A (zh) 2022-03-01
CN114115161B CN114115161B (zh) 2024-03-29

Family

ID=80369510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111449717.0A Active CN114115161B (zh) 2021-11-30 2021-11-30 考虑能耗的增材制造slm不相同并行机调度方法及系统

Country Status (1)

Country Link
CN (1) CN114115161B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030117652A1 (en) * 1999-09-17 2003-06-26 Paul Lapstun Rotationally symmetric tags
CN1732393A (zh) * 2003-01-02 2006-02-08 麦克罗尼克激光系统公司 微机电装置中的高能量、低能量密度的抗辐射光学元件
US20100114618A1 (en) * 2008-10-30 2010-05-06 Hewlett-Packard Development Company, L.P. Management of Variants of Model of Service
CN105243458A (zh) * 2015-11-10 2016-01-13 河海大学 一种基于多目标混合蛙跳差分算法的水库调度方法
CN107102552A (zh) * 2017-06-12 2017-08-29 合肥工业大学 基于混合集合蛙跳与变邻域算法的平行机调度方法及系统
US20180361729A1 (en) * 2015-12-21 2018-12-20 Ord Solutions Inc. Large format 3d printing augmented with 3d scanning and anomoly tracking feedback
US10399280B1 (en) * 2016-04-29 2019-09-03 The Administrators Of The Tulane Educational Fund Method and system for rapid and efficient three-dimensional printing
CN110234092A (zh) * 2019-06-14 2019-09-13 长安大学 基于多级优化提高车联网传输信号可靠性的方法
CN111290283A (zh) * 2020-04-03 2020-06-16 福州大学 一种面向选择性激光熔融工艺的增材制造单机调度方法
CN111745311A (zh) * 2020-06-30 2020-10-09 大族激光科技产业集团股份有限公司 一种激光穿孔方法、多阶段穿孔方法及连续穿孔方法
CN111898854A (zh) * 2020-06-19 2020-11-06 电子科技大学 基于lca的通用能耗模型建立方法
CN112296357A (zh) * 2020-10-29 2021-02-02 福州大学 面向激光选区熔融工艺的增材制造相同并行机调度方法
CN113051796A (zh) * 2021-03-19 2021-06-29 湖南科技大学 一种应用于增材制造的结构拓扑优化设计方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030117652A1 (en) * 1999-09-17 2003-06-26 Paul Lapstun Rotationally symmetric tags
CN1732393A (zh) * 2003-01-02 2006-02-08 麦克罗尼克激光系统公司 微机电装置中的高能量、低能量密度的抗辐射光学元件
US20100114618A1 (en) * 2008-10-30 2010-05-06 Hewlett-Packard Development Company, L.P. Management of Variants of Model of Service
CN105243458A (zh) * 2015-11-10 2016-01-13 河海大学 一种基于多目标混合蛙跳差分算法的水库调度方法
US20180361729A1 (en) * 2015-12-21 2018-12-20 Ord Solutions Inc. Large format 3d printing augmented with 3d scanning and anomoly tracking feedback
US10399280B1 (en) * 2016-04-29 2019-09-03 The Administrators Of The Tulane Educational Fund Method and system for rapid and efficient three-dimensional printing
US20190283329A1 (en) * 2016-04-29 2019-09-19 The Administrators Of The Tulane Educational Fund Method and system for rapid and efficient three-dimensional printing
CN107102552A (zh) * 2017-06-12 2017-08-29 合肥工业大学 基于混合集合蛙跳与变邻域算法的平行机调度方法及系统
CN110234092A (zh) * 2019-06-14 2019-09-13 长安大学 基于多级优化提高车联网传输信号可靠性的方法
CN111290283A (zh) * 2020-04-03 2020-06-16 福州大学 一种面向选择性激光熔融工艺的增材制造单机调度方法
CN111898854A (zh) * 2020-06-19 2020-11-06 电子科技大学 基于lca的通用能耗模型建立方法
CN111745311A (zh) * 2020-06-30 2020-10-09 大族激光科技产业集团股份有限公司 一种激光穿孔方法、多阶段穿孔方法及连续穿孔方法
CN112296357A (zh) * 2020-10-29 2021-02-02 福州大学 面向激光选区熔融工艺的增材制造相同并行机调度方法
CN113051796A (zh) * 2021-03-19 2021-06-29 湖南科技大学 一种应用于增材制造的结构拓扑优化设计方法

Also Published As

Publication number Publication date
CN114115161B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
Jerald et al. Scheduling optimisation of flexible manufacturing systems using particle swarm optimisation algorithm
Zhang et al. An object-coding genetic algorithm for integrated process planning and scheduling
CN104268722B (zh) 基于多目标进化算法的动态柔性作业车间调度方法
CN107168267B (zh) 基于改进粒子群与启发式策略的生产排产方法及系统
Nouiri et al. Towards energy efficient scheduling and rescheduling for dynamic flexible job shop problem
CN101901425A (zh) 一种基于多种群协同进化的柔性作业车间调度方法
CN101859100A (zh) 一种基于模糊交货期流水生产排程的改进微粒群优化方法
CN113159383A (zh) 一种面向多机协作加工车间的制造资源重构调度方法及系统
Mahmudy et al. Optimization of part type selection and loading problem with alternative production plans in flexible manufacturing system using hybrid genetic algorithms-part 1: Modelling and representation
CN111290283B (zh) 一种面向选择性激光熔融工艺的增材制造单机调度方法
CN110738365A (zh) 一种基于粒子群算法的柔性作业车间生产调度方法
Rahimi-Vahed et al. A new particle swarm algorithm for a multi-objective mixed-model assembly line sequencing problem
CN113705812B (zh) 基于混合并行遗传和变邻域算法的生产调度方法和系统
Sun et al. Research on flexible job-shop scheduling problem based on a modified genetic algorithm
Zhu et al. A novel multi-objective scheduling method for energy based unrelated parallel machines with auxiliary resource constraints
CN112296357A (zh) 面向激光选区熔融工艺的增材制造相同并行机调度方法
Alzaqebah et al. Self-adaptive bee colony optimisation algorithm for the flexible job-shop scheduling problem
CN114115161A (zh) 考虑能耗的增材制造slm不相同并行机调度方法及系统
CN107437138B (zh) 基于改进引力搜索算法的生产运输协同调度方法及系统
CN112700109A (zh) 一种订单生产顺序优化方法、系统、设备及可读存储介质
CN113311791B (zh) 考虑零件构建方向的激光选区熔化不相同并行机调度方法
CN112148446A (zh) 一种用于多技能资源受限项目调度的进化策略算法
Li et al. Digital twin-based virtual reconfiguration method for mixed-model robotic assembly line
Ab Rashid et al. A novel Tiki-Taka algorithm to optimize hybrid flow shop scheduling with energy consumption
Li et al. An adaptive multi-objective evolutionary algorithm with two-stage local search for flexible job-shop scheduling

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