欢迎来到天天文库
浏览记录
ID:37234506
大小:3.28 MB
页数:70页
时间:2019-05-20
《装配车间生产调度优化暨.NET平台下的系统开发》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、摘要装配车间生产调度优化暨.NET平台下的系统开发硕士研究生:马美导师:严洪森教授东南大学摘要随着全球经济的快速发展,市场竞争越来越激烈,企业要想在这样的环境中生存并取得很好的经济效益,就迫切需要加强企业的信息化建设。文中研究了敏捷制造环境下,装配车间生产调度优化问题,同时论述了计算机集成制造环境中,.NET平台下基于C/S三层体系结构的装配车间生产调度优化系统的开发。依据所研究问题的实际情况,某航空发动机装配车间主要包含部件组装和试车台两个方面,因此论文分两个方面对问题进行探讨:一是装配车间试车台排序优化问题,二
2、是部件组装调度优化问题,然后分别对这两个问题进行了数学建模,并选择与设计算法来求解模型。首先,针对试车台排序优化问题,分析了试车台排序特征,建立了试车台最优排序的旅行商模型(TSP),将遗传算法和分散搜索算法相结合以提出一种遗传分散搜索算法对该模型进行求解,实现试车台最优排序。通过具体算例研究,对算法进行了比较和性能分析。其次,装配车间部件组装调度可抽象为典型的iob-shopNP难问题,基于上述已求出的试车台排序优化结果,以上述最优排序结果作为产品的投产顺序,从而将部件组装调度问题转化成典型的iob.shoplN
3、题,简化了实际问题;进而建立数学模型,采用改进遗传算法,对问题进行求解,获得装配车间部件组装最优序列;最后通过具体算例研究,对算法进行了比较和性能分析。接着,文中进行了装配车间调度优化系统的总体架构设计、开发工具的选择、UML建模和数据库设计,给出了设计过程中的部分用例图、类图、顺序图、协作图以及数据库模型。同时,针对该系统实现时出现的难点,本文还具体研究了系统开发过程中的一些关键技术,如存储过程的设计、查询优化设计、权限管理等等。最后,对论文的内容进行了总结,并讨论了需要进一步研究的一些问题。关键词:生产调度,遗
4、传分散搜索算法,改进遗传算法,.NET,UMLAbsIractASSEMBLYSHoPSCHEDULINGoPTIMIZATIONANDDEVELOPMENTOFTHESYSTEMoN·NETPLATFORMMasterCandidate:MAMeiSupervisedByProf.YANHong-senSoUTHEASTUNIVERSITYAbstractW1tllthedevelopmentofeconomicglobalization,themarketcompetitionisbecomingfiercer
5、.Enterprisespressforacceleratingtheapplicationofinformationizationtosurviveandsucceedinthisenvironment.Optimizationfortheschedulingproblemoftheassemblyshopinagilemanufacturingisstudiedhere.nedevelopmentofassemblyshopschedulingoptimizationsystemisimplementedonC
6、/Sthreelayersarchitectureincomputerintegratedmanufacturing,basedon.NETplatform.Accordingtotheactualsituation,twoaspectsoftheaviaticengineassemblyshoparefocusedlydiscussed:oneiSthesequenceofthetestbed.andtheotheristheschedulingofthepartialassembly.Themodelsofth
7、esetwoproblemsarepresentedseparately,andthenthealgorithmsarechosenanddesignedinordertosolvethemodels.Firstly,theTSP(TravelingSalesmanProblem)sequencingmodelofthetestbedhasbeenestablishedandbycombininggeneticalgorithm埘tllscattersearching,thegeneticandscattersea
8、rchingalgorithm(whichisusedtosolvethismodel)isproposedonthebasisofanalyzingforcharacteristicsofthetestbed.Byusingthegeneticandscarersearchingalgorithm,theoptimizedschedulesareobtai
此文档下载收益归作者所有