欢迎来到天天文库
浏览记录
ID:34664412
大小:4.05 MB
页数:65页
时间:2019-03-08
《单件小批量生产调度问题研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文单件小批量生产调度问题研究作者:任明乐指导教师:陈杰副教授南京理工大学2013年3月ResearchonOne--of-a-KindProduction(OKP)SchedulingProblemSupervisedbyP¥oj.JieChenN删ingUniversityofScience&TechnologyMarch,2013㈣0咖2㈣3咖6呲啪7㈣2叭Ⅲr声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,除了加以标注和致谢的部分外,不包含其他人已经发表或公布过的研究成果,也不
2、包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名:焦塑至矽侈年弓月凇日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。研究生签名:逛豳巫少f5年弓月加日硕士论文单件小批量生产调度问题研究摘要随着社会技术的飞速发展,个性化的客户需求使市场环境发生了巨大的变
3、化。单件小批量的生产方式已成为大多数企业的主流生产方式。与大批量生产相比,单件小批量生产方式具有约束多、变量多、计算复杂等难点,单件小批量生产调度问题已然成为当前学术界研究的热点问题。本文从背景企业的现实生产流程出发,重点研究混合流水车间环境下的单件小批量生产调度问题。首先,本文构建了标准混合流水车间调度问题的数学模型,以最小化最大完工时间为优化目标。利用矩阵来进行候选解编码,利用粒子群算法来进行求解,为了尽可能跳出局部最优,在算法中加入了模拟退火选择算子。经过算例验证,所得结果优于普通粒子群算法。其次,本文在标准混合
4、流水车间调度问题模型和优化目标的基础上考虑了最大连续加工时间约束,采用基于向量的编码方式,利用累计加工时间来选择加工机器,并通过粒子群算法来进行计算。经过算例验证,所得结果较优、算法收敛性较好。再次,本文在标准混合流水车间调度问题模型和优化目标的基础上考虑了批处理约束,采用基于矩阵的编码方式,设定等待时间来确定同一批次大小,并将同批次加工时间记为其中各工件在该阶段的最大工时。通过粒子群算法求得了结果,并证明了其有效性。最后,本文结合背景企业生产实际,以S1生产线为例,综合考虑最大连续加工时间和批处理两种约束。基于S1生
5、产线的实际加工数据进行了求解,通过比较发现,所得结果全面优于原始结果,且收敛性较好。关键词:单件小批量生产调度,混合流水车间调度,最大连续加工时间,批处理AbstractWiththerapiddevelopmentofsocialtechnology,customerspersonalizeddemandmakesmarketenvironmentchangegreatly.One-of-a-kindproduction(OKP)modehasbecomemainproductionmodeofmostenterpr
6、ises.Comparedwithmassproduction.One。of-a-kindproductionhasmoreconstraints,variablesandcalculationdifficulties.OKPisbecomingthefocusofstudy.Thispaperbeginswiththebackgroundoftheenterpriseandfocusesonthestadvofhybridflowshopschedulingproblemwhichisonestyleofone.of
7、-a-kindproductionschedulingproblem.Firstly,thispaperconsidersgeneralhybridflowshopschedulingproblem,cons咖ctsmathematicalmodelandsetstheoptimalobjectasminimizemakespan.ThispaperusesmatrixtocodeandsolvestheproblemsbyPSO.Inordertoavoidfallingintolocaloptimum,aSAsel
8、ectionmechanismisincorporatedintoPSO.TheexperimentonbenchmarkproblemsshowsthattheperformanceofimprovedalgorithmismuchbetterthangeneralPSO.Secondly,thispaperconsidersg
此文档下载收益归作者所有