CN114839929B - 一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 - Google Patents
一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 Download PDFInfo
- Publication number
- CN114839929B CN114839929B CN202210262435.8A CN202210262435A CN114839929B CN 114839929 B CN114839929 B CN 114839929B CN 202210262435 A CN202210262435 A CN 202210262435A CN 114839929 B CN114839929 B CN 114839929B
- Authority
- CN
- China
- Prior art keywords
- sequence
- energy
- scheduling
- factory
- whale
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 28
- 241000283153 Cetacea Species 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000000903 blocking effect Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000002360 preparation method Methods 0.000 claims abstract description 17
- 238000005265 energy consumption Methods 0.000 claims abstract description 9
- 238000005266 casting Methods 0.000 claims description 7
- 238000009749 continuous casting Methods 0.000 claims description 7
- 238000005868 electrolysis reaction Methods 0.000 claims description 6
- 244000062645 predators Species 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 4
- 238000005097 cold rolling Methods 0.000 claims description 4
- 230000006378 damage Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 31
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000001419 dependent effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010792 warming Methods 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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)
- 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)
Abstract
本发明涉制造业分布式生产调度技术领域,特别涉及一种用于电解铝的节能流水线调度鲸鱼优化方法与集成系统,用一种基于帕累托自适应参考点的协同鲸鱼优化算法(Cooperative Whale Optimization Algorithm with Pareto‑adaptive Reference Points,PaRP/CWOA),用于最小化最大完工时间(makespan,CMAX)、总延迟(total tardiness,TTD)和总能耗(total energy consumption,TEC),该算法能够优化带序列相关准备时间的分布式阻塞流水车间调度系统的运行效率和性能;包括以下步骤:调度序列初始化模块,操作的自学习选择策略和能源节省调整策略;本发明的有益效果是:本发明定义了铝加工过程中典型的一类调度问题整数规划模型:能源约束型带序列相关准备时间的分布式阻塞流水车间调度问题,并提出了一种将能耗和完工时间相结合的评价准则。
Description
技术领域
本发明涉制造业分布式生产调度技术领域,特别涉及一种用于电解铝的节能流水线调度鲸鱼优化方法与集成系统。
背景技术
复杂车间调度优化是制造执行系统的重要组成部分,而制造执行系统又是连接整个制造业系统的中枢和纽带,因此调度优化的效率是智能制造系统高效运行的关键技术,是提高企业制造执行能力的核心环节,也是我国从制造大国走向制造强国的重中之重。生产调度作为一类典型的组合优化问题,通常具有复杂性、多约束性、多目标等特点,而大多数生产调度问题也属于NP(Non-deterministic Polynomial)难问题,因此此类问题也成为学术界亟待解决的关键问题。车间调度的任务是在一定的资源(包括生产物料资源、能源动力资源、加工设备资源、资金技术资源等)约束条件下,合理地安排工件在各个机器上的加工次序,使一个或多个生产目标达到最优。流水车间调度问题作为车间调度问题的重要分支,广泛地存在于冶金、机械、电子、化工等制造领域。与传统流水车间调度问题相比,阻塞流水车间调度问题考虑了在无缓冲区场景下的调度问题,更贴近实际生产场景,具有更重要的理论意义和实际应用价值。优化调度策略是提高制造执行系统对制造资源利用效率及生产任务处理效率的重要方式。
在中国西部,有色冶金行业的发展受到原材料供应和区域环境的影响。因此,工厂必须分布在不同的地方,以降低制造成本,提高生产效率。铝工业的发展就是一个典型的例子,在分布于各地的诸多铝厂中,电解车间有诸多并行的电解槽,冶炼厂有诸多并行的连铸机。铝生产的整个过程如图2所示。纯铝通过电解槽从原材料(氧化铝)中提取,通过铸造机铸造成铸锭。铝生产由客户订单驱动,这意味着客户首先与铝厂签订合同,再将其加工为合金成分、尺寸等与订单匹配的铝产品。在电解和熔铸过程中,由于电解槽和连铸机的要求,在安排同一单元的订单时,应考虑到由订单差异化引起的机器准备时间。
在一项绿色短流程铸轧铝深加工项目中,订单的生产结构基本相同,且是连续的。此问题分为五个阶段:电解、熔铸、轧制、冷轧、连铸。订单分配给不同工厂的电解槽,并根据生产限制和对应的准备时间进行排列。之后,电解后的铝液被转移到铸造和轧制车间,并安排在连铸机上。在此过程中电解槽没有缓冲区,从而导致铝液极易发生阻塞,这是典型的阻塞流水车间调度问题(Blocking Flow-shop Scheduling Problem,BFSP)。另一方面,当不同型号的订单按顺序排列时,在加工过程中需要清洗电解槽或更换设备,从而产生序列相关的准备时间(Sequence-dependent Setup Times,SDST)。此外,电解、熔铸、轧制、冷轧、连铸五个阶段在多个工厂进行,如图3所示。此问题可以简化为带序列相关准备时间的分布式阻塞流水车间调度问题(Distributed Blocking Flow-shop Scheduling Problem withSequence-dependent Setup Times,SDST/DBFSP)。
在气候变化和全球变暖的压力下,制造企业必须寻求有效的节能途径,在不增加设备投资成本的情况下降低能耗。研究节能流水车间调度问题(Energy-efficient Flow-shop Scheduling Problems,EEFSP)对制造业的长远发展具有重要意义。在节能流水车间调度问题中,要至少协同考虑环境质量和工业经济增长两个指标,属于多目标优化问题。多目标优化问题在实际工程应用和研究中都属于重点,热点和难点问题。
鲸鱼优化算法(Whale Optimization Algorithm,WOA)是一种模拟海洋中座头鲸捕食行为的群智能优化算法。该算法具有结构简单、参数少、搜索能力强等特点,因其独特的学习机制和高效的全局搜索能力使得WOA算法备受关注。使用WOA算法求解带序列相关准备时间的分布式阻塞流水车间调度问题具有一定的研究基础和优势。
发明内容
本发明的目的在于针对现有技术中存在的问题,提供一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统,用一种基于帕累托自适应参考点的协同鲸鱼优化算法(Cooperative Whale Optimization Algorithm with Pareto-adaptive ReferencePoints,PaRP/CWOA),用于最小化最大完工时间(makespan,CMAX)、总延迟(totaltardiness,TTD)和总能耗(total energy consumption,TEC),该算法能够优化带序列相关准备时间的分布式阻塞流水车间调度系统的运行效率和性能。
为了实现上述目的,本发明提供以下技术方案:
一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统,其特征在于,包括以下步骤:
步骤一:调度序列初始化模块,在本模块中,首先将待加工工件随机分配到各个子工厂中,并保证每个工厂至少分配一个工件;接着使用Nawaz-Enscore-Ham(NEH)方法对每个工厂中的工件进行操作;最后,根据排好的序列生成一定数量的个体,组成一个种群;在后续的步骤中,对该种群中的个体进行操作;
步骤二:操作的自学习选择策略,在本模块中,共有三种序列相关的操作算子分别对应鲸鱼捕食的三个阶段,本模块设计了一种自学习的操作选择策略,将每个操作的成功率总结为知识,用于指导进行自学习的选择操作算子;
步骤三:能源节省调整策略,在本模块中,针对带序列相关准备时间的阻塞节能型流水车间调度问题,设计了减小阻塞时间和空闲时间的工件相关操作,并对特定的工件进行减速,以实现节约能源的目的。
优选地,将电解铝中的电解、熔铸、轧制、冷轧、连铸五个阶段建模为一种带序列相关准备时间的分布式阻塞流水车间调度模型。
优选地,在步骤一中,根据NEH初始化的序列生成多个个体,组成一个种群,在种群演化过程中既保存优秀的子序列模块,又增加种群的多样性,使系统在求解分布式节能阻塞流水线调度问题时更能体现群体演化的优势。
优选地,在步骤二中,根据步骤一生成的工件加工种群序列,统计每个操作的历史成功率,使用不同的序列相关操作和速度相关操作,调整序列排列,寻找更优的工件加工排列顺序。
优选地,在步骤三中,根据上述步骤一和步骤二中产生的加工序列,使用能源节省调整策略,调整加工工件的加工速度和每个工厂中加工工件的数量和排序,达到减少能源消耗和平衡各个工厂中加工负载的目的。
一种计算机可读存储介质,其中包含计算机程序,该程序被CPU处理时可实现上述所提供的方法步骤。
与现有技术相比,本发明的有益效果是:
(1)本发明定义了铝加工过程中典型的一类调度问题整数规划模型:能源约束型带序列相关准备时间的分布式阻塞流水车间调度问题,并提出了一种将能耗和完工时间相结合的评价准则。
(2)使用新的种群生成策略构造了一个高质量的初始化种群序列,使得算法能够快速的搜索较好的区域。
(3)在群体演化过程中,使用基于自学习的操作选择策略,并将每个操作的历史成功率总结为知识,指导算法进行自学习的操作选择,提升操作的成功率。
(4)本发明逻辑简单、易于实现和易于扩展,可以将优化器扩展到满足当前智能制造生产领域中的大多数调度问题中。
附图说明
图1是协同鲸鱼优化算法求解铝工业中调度问题的示意图;
图2是铝生产过程图;
图3是铝生产过程工艺图;
图4是种群初始化模块示意图;(a)表示随机初始化结果;(b)表示采用发明方法初始化结果;
图5是基于关键工厂的搜寻猎物算子示意图,(a)表示关键工厂中首末工件;(b)表示关键工厂中其它工件;
图6是基于块移动的包围捕食算子示意图;
图7是基于重插入的气泡捕食算子示意图。
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,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统,包括以下步骤:
步骤一:设计了一种加工序列种群生成策略;
步骤二:设计了一种自学习的操作选择策略,将每个操作的成功率总结为知识,用于指导不同操作的执行;
步骤三:设计了一种基于问题特征的节能调整策略。
优选地,在步骤一中,根据关键工厂的工件加工序列生成种群。在种群生成策略中,首先在工件加工序列中随机选择N个工件,N是2到加工序列长度之间的一个随机整数。所选工件的位置被设置为空。然后,对选定的工件进行随机重新排序,生成一个参考工件序列。最后,按参考工件序列的顺序将工件重新插入空位置,便生成了一个新的工件加工序列。
优选地,在步骤二中,提出了三种序列相关的操作,分别对应鲸鱼捕食的三个阶段,包括寻找猎物、气泡网捕食猎物、和包围捕食。以及四种速度相关的操作,包括单速度加速操作、单速度减速操作、随机加速操作、和随机减速操作。并将每个操作的历史成功率总结为知识,指导算法进行自学习的操作选择。
优选地,在步骤三中,为了优化能耗指标,提出了一种针对带序列相关准备时间的阻塞流水车间调度问题的工件调整策略,用于减少阻塞时间和空闲时间。将作为首工件在最后一台机器上加工时准备时间最长的工件优先加工,按照准备时间的长短排序其他工件,依次加工。
实施例2
一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统,如图1所示,包括以下步骤:
步骤一:种群初始化模块
在PaRP/CWOA算法中,首先,选择首工件在最后一台机器上加工时准备时间最长的F个工件作为F个工厂中的第一个加工工件。第二步,将未分配的(n-F)个工件按照加工时间逆序排列,将前F个工件分配到F个工厂中的最后一个位置。第三步,根据公式(1)计算剩余工件的度量值,按照dρ值将剩余工件进行排序,依次插入其他工厂的剩余位置,直到所有工件分配完毕,如图4所示。
步骤二:群体演化模块
为了优化工件序列,采用了3种序列相关的操作,包括基于关键工厂的搜寻猎物算子、基于块移动的包围捕食算子和基于重插入的气泡捕食算子。fc是关键工厂,操作过程说明如下。
在基于关键工厂的搜寻猎物算子中,分为两个阶段:销毁阶段和重构阶段。在销毁阶段,复制fc中的所有工件,构成外部序列集τc,接着从fc中依次取出τc中的每个工件。在重构阶段,将τc中的第一个工件插入其他工厂的第一个位置,再将τc中的最后一个工件插入到其他工厂的最后一个位置。最后将τc中的其他工件依次取出插入到剩余位置,直到找到最优的序列。图5详细描述了此过程。
在基于块移动的包围捕食算子中,首先从每个工厂中随机抽取一个工件组成外部序列集τf,再从各个工厂序列中依次取出τf中的每个工件,将其插入到所有工厂的所有位置。如果通过重新插入后,CMAX和TEC得到改善,则将工件插入此位置,随后重启整个搜索过程。图6详细描述了此过程。
在基于重插入的气泡捕食算子中,首先从关键工厂fc中随机选择δ个工件,构成外部序列集τδ,之后将τδ中的工件依次从fc中取出,并重新插入到关键工厂的所有位置。如果关键工厂发生改变,则重新选择关键工厂,进行上述操作。图7详细描述了此过程。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种用于电解铝的节能流水线调度鲸鱼优化方法,其特征在于,包括以下步骤:
步骤一:调度序列初始化模块,在本模块中,首先将待加工工件随机分配到各个子工厂中,并保证每个工厂至少分配一个工件;接着使用Nawaz-Enscore-Ham(NEH)方法对每个工厂中的工件进行操作;最后,根据排好的序列生成一定数量的个体,组成一个种群;在后续的步骤中,对该种群中的个体进行操作;
步骤二:操作的自学习选择策略,在本策略中,共有三种序列相关的操作算子分别对应鲸鱼捕食的三个阶段,三种序列相关的操作算子分别为基于关键工厂的搜寻猎物算子、基于块移动的包围捕食算子和基于重插入的气泡捕食算子;是关键工厂,操作过程说明如下:
在基于关键工厂的搜寻猎物算子中,分为两个阶段:销毁阶段和重构阶段;在销毁阶段,复制中的所有工件,构成外部序列集/>,接着从/>中依次取出/>中的每个工件;在重构阶段,将/>中的第一个工件插入其他工厂的第一个位置,再将/>中的最后一个工件插入到其他工厂的最后一个位置;最后将/>中的其他工件依次取出插入到剩余位置,直到找到最优的序列;
在基于块移动的包围捕食算子中,首先从每个工厂中随机抽取一个工件组成外部序列集,再从各个工厂序列中依次取出/>中的每个工件,将其插入到所有工厂的所有位置;如果通过重新插入后,CMAX和TEC得到改善,则将工件插入此位置,随后重启整个搜索过程;
在基于重插入的气泡捕食算子中,首先从关键工厂中随机选择/>个工件,构成外部序列集/>,之后将/>中的工件依次从/>中取出,并重新插入到关键工厂的所有位置;如果关键工厂发生改变,则重新选择关键工厂,进行上述操作;
本策略设计了一种自学习的操作选择策略,将每个操作的成功率总结为知识,用于指导进行自学习的选择操作算子,具体为,根据步骤一生成的工件加工种群序列,统计每个操作的历史成功率,使用不同的序列相关操作和速度相关操作,调整序列排列,寻找更优的工件加工排列顺序;四种速度相关的操作,包括单速度加速操作、单速度减速操作、随机加速操作、和随机减速操作,并将每个操作的历史成功率总结为知识,指导算法进行自学习的操作选择;
步骤三:能源节省调整策略,在本策略中,针对带序列相关准备时间的阻塞节能型流水车间调度问题,设计了减小阻塞时间和空闲时间的工件相关操作,并对特定的工件进行减速,以实现节约能源的目的;根据上述步骤一和步骤二中产生的加工序列,使用能源节省调整策略,调整加工工件的加工速度和每个工厂中加工工件的数量和排序,达到减少能源消耗和平衡各个工厂中加工负载的目的。
2.根据权利要求1所述的一种用于电解铝的节能流水线调度鲸鱼优化方法,其特征在于:将电解铝中的电解、熔铸、轧制、冷轧、连铸五个阶段建模为一种带序列相关准备时间的分布式阻塞流水车间调度模型。
3.根据权利要求1所述的一种用于电解铝的节能流水线调度鲸鱼优化方法,其特征在于:在步骤一中,根据NEH初始化的序列生成多个个体,组成一个种群,在种群演化过程中既保存优秀的子序列模块,又增加种群的多样性,使系统在求解分布式节能阻塞流水线调度问题时更能体现群体演化的优势。
4.一种计算机可读存储介质,其中包含计算机程序,该程序被CPU处理时可实现权利要求1-3所提供的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210262435.8A CN114839929B (zh) | 2022-03-17 | 2022-03-17 | 一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210262435.8A CN114839929B (zh) | 2022-03-17 | 2022-03-17 | 一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114839929A CN114839929A (zh) | 2022-08-02 |
CN114839929B true CN114839929B (zh) | 2024-03-08 |
Family
ID=82561464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210262435.8A Active CN114839929B (zh) | 2022-03-17 | 2022-03-17 | 一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114839929B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1659520A1 (en) * | 2004-11-19 | 2006-05-24 | Siemens Aktiengesellschaft | An agent-based architecture for manufacturing scheduling, related negotiation protocol and computer program product |
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 |
CN109886589A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼优化算法求解低碳车间调度的方法 |
CN110632907A (zh) * | 2019-10-30 | 2019-12-31 | 山东师范大学 | 一种分布式装配式置换流水车间调度优化方法及系统 |
CN113095572A (zh) * | 2021-04-14 | 2021-07-09 | 兰州理工大学 | 一种分布式装配零等待流水车间调度问题的优化系统 |
CN113902174A (zh) * | 2021-09-16 | 2022-01-07 | 燕山大学 | 一种阻塞流水车间调度问题的改进麻雀搜索优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7848836B2 (en) * | 2004-11-19 | 2010-12-07 | Siemens Aktiengesellschaft | Scheduling system and work order scheduling protocol for such a system |
-
2022
- 2022-03-17 CN CN202210262435.8A patent/CN114839929B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1659520A1 (en) * | 2004-11-19 | 2006-05-24 | Siemens Aktiengesellschaft | An agent-based architecture for manufacturing scheduling, related negotiation protocol and computer program product |
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 |
CN109886589A (zh) * | 2019-02-28 | 2019-06-14 | 长安大学 | 一种基于改进鲸鱼优化算法求解低碳车间调度的方法 |
CN110632907A (zh) * | 2019-10-30 | 2019-12-31 | 山东师范大学 | 一种分布式装配式置换流水车间调度优化方法及系统 |
CN113095572A (zh) * | 2021-04-14 | 2021-07-09 | 兰州理工大学 | 一种分布式装配零等待流水车间调度问题的优化系统 |
CN113902174A (zh) * | 2021-09-16 | 2022-01-07 | 燕山大学 | 一种阻塞流水车间调度问题的改进麻雀搜索优化方法 |
Non-Patent Citations (2)
Title |
---|
张斯琪 ; 倪静 ; .混合鲸鱼算法在柔性作业车间系统中的应用.系统科学学报.(01),全文. * |
鲸鱼优化算法及其在阻塞流水车间调度中的研究;包海著;《中国优秀硕士学位论文全文数据库工程科技I辑》;20230215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114839929A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765862B (zh) | 基于自适应遗传算法的混合流水车间可持续调度控制方法 | |
CN105652791A (zh) | 订单驱动的离散制造过程能耗优化方法 | |
CN106971235A (zh) | 一种存在中间存储约束的柔性作业车间分批优化调度方法 | |
CN104913438B (zh) | 冰蓄冷系统控制优化方法与系统 | |
CN112286152B (zh) | 具有批量交付约束的分布式流水车间调度方法及系统 | |
CN114839929B (zh) | 一种用于电解铝的节能流水线调度鲸鱼优化方法及集成系统 | |
CN113344383B (zh) | 一种用于分布式异构工厂的节能车间调度方法 | |
CN112859761A (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 | |
CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
CN112418478B (zh) | 一种柔性流水车间下的低碳调度模型及节能优化方法 | |
CN117333084A (zh) | 一种基于超启发多维分布估计的节能分布式装配零等待流水车间调度方法及系统 | |
CN102699027A (zh) | 一种铝连续铸轧生产的组炉与调度方法和装置 | |
Jing et al. | Multi-objective integrated optimization problem of preventive maintenance planning and flexible job-shop scheduling | |
CN115018180B (zh) | 一种锡工艺品原料节能配送与加工的超启发式调度方法、系统 | |
CN113780871B (zh) | 一种多目标低碳柔性作业车间调度方法 | |
CN118226808B (zh) | 一种基于权重矩阵的干燥机群调度优化算法 | |
He et al. | Research on modeling and solving algorithm of steelmaking continuous casting production scheduling | |
Bao et al. | Research on assembly line scheduling based on small population adaptive genetic algorithm | |
Li et al. | Optimization of Production Scheduling for Turbocharger Manufacturing Reprocessing | |
Hao et al. | Research on NSGA-II Flexible Job Shop Scheduling Based on Variable Length Chromosomes | |
Zhang et al. | Intelligent Shop Floor Scheduling by an Improved Genetic Algorithm | |
CN113313283B (zh) | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 | |
CN111752247B (zh) | 一种用于高温合金切削加工生产的优化调度方法 | |
CN118732623A (zh) | 一种柔性作业车间节能批量流调度分批优化方法 | |
Xin et al. | Research on Optimization of Waiting Time for Machine Scheduling in Clothing Workshop |
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 |