生产调度中应对干扰的重调度模型和算法研究.pdf

《生产调度中应对干扰的重调度模型和算法研究.pdf》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、大连理工大学博±学值论文摘要在加工制造企业的生产加工过程中，受源自市场需求不确定的计划外新任务到达及企业生产过程中的随机机器故障等干扰事件的影响，己经制定的加工成本和资源配置最优的原始调度方案往往不再最优甚至不可行，。干扰事件在増加加工成本的同时会造成实际调度方案与原始调度方案的偏差，对依赖于原始调度方案的交货时间制定、工人排班和原材料采购等生产活动造成干扰，进行快速有效的应对。如何针对干扰事件特点方案制定，从而对受扰调度方案进行快速调整，在优化加工成本的同时降低扰动影响，、成为加工制造企业亟待解决的问

2、题，也是干扰管理研究领域的关键和核屯问题。在己有的生产调度干扰应对方案研巧中，往往忽略加工过程中工人操作疲劳、设备老化磨损等环境特性对工件实际加工时间造成的恶化效应影响，忽略工件加工时间的可控特性、对机器故障概率信息的充分利用及安排机器维护、拒绝部分工件的加工等生产因素对提高干扰应对柔性的重要作用。由于应对方案制定的高度复杂性和实时多目标性，现有的理论和方法难レッ兼顾多方利益，快速形成同时优化加工成本和系统扰动的有效应对方案，。因此本文针对加工制造企业生产加工过程中面临的计划外新任务到达和随机机器故障两类典型干扰

3、事件，在充分考虑实际加工过程中的环境特性和生产因素的基础上，进行生产调度干扰应对模型和求解算法研巧，从而为决策者提供多个可在加工成本和系统扰动之间进行权衡选择的科学合理的干扰应对方案，并选取大连市某集装箱制造企业的生产调度干扰应对过程为背景开展应用研究，Ｗ检验所提出的干扰应对模型和求解算法的有效性：，体现本文理论研巧工作的应用价值。本文的主要研究工作如下（１）具有恶化效应和加工时间可控的新任务到达应对模型和求解算法研究。针对计划外新任务到达，充分考虑恶化效应对加工过程的影响和工件加工时间的可控特性，采＂＂用－反应

4、策略预案，构建同时优化加工成本和系统扰动的Ｐａｒｅｔｏ优化模型根据模；－型特点，设计基于先验知识、多目标模拟退火和ＮＳＧＡＩＩ的新型多目标进化算法队陕速一ＳＧＡ－有效的求解送大规模的干扰应对问题。该算法充分利用ＮＩＩ在收敛性和多样性方Ａ－Ａ－ＩＩ面的优势，将多目标模拟退火过程引入ＮＳＧＩＩ进化框架Ｗ降低ＮＳＧ进化过程中＾陷入局部极优的概率，并利用模型的结构性质引导算法搜索过程式提高算法的收敛速度和求解质量。口）引入多生产因素与重调度集成优化的新任务到泣应対模型和求解算法研巧。在（１）的基础上，针对计划外新任务到达

5、，充分考虑安排机器维护和加工可拒绝两类生产因＂＂－，采用预案反应策略素对提高干扰应对柔性的重要作用，分别构建两类生产因素与重调度集成优化的干扰应对Ｐａｒｅｔｏ优化模型，对加工成本和系统扰动目标同时进行优Ａ－化，ＳＧＩＩ；根据模型特点设计基于先验知识、差分进化变异、禁忌捜索和Ｎ的新型多目标进化算法从陕速有效的求解这一大规模的干扰应对问题。该算法将差分进化变异引－－Ｉ生产调度中应对干扰的重调度模型和算法研究－入ＮＳＧＡＩＩ进化框架Ｗ提高算法的收敛速度和全局搜索能力，引入禁忌搜索策略降低ＮＳＧＡ－ＩＩ进化过程

6、中陷入局部极优的槪率，并利用模型的结构性质引导算法搜索过程１＾＞１提高算法的收敛速度和求解质量。口）考虑鲁棒巧的机器故障应对模型和求解算法研巧。针对随机机器故障，根据企＂＂业的干扰应对需求，充分考虑机器故障的概率信息，采用鲁棒式策略，分别从同时优化加工成本和鲁棒性指标，化及鲁棒性的质量和风险的角度，构建基于无缓冲时间方式的机器故障应对Ｐａｒｅｔｏ优化模型：将基于支持向量回归的代理模型引入多目标进化算法，对调度方案的鲁棒性进斤近似估计，有效降低仿真评价过程需要的高昂计算代价，从而提高算法求解速度，保证干扰应对的实时

7、性要求。同时，节省的运算代价用于对模型的解空间进行全局和局部搜索，提高所输出有效前沿的质量。４应用研巧。Ｗ大连市某集装箱制造企业的生产调度干扰应对过程为背景开展应（）用研巧。针对集装箱加工过程中的新増巧单和随机设备故障，根据实际加工过程中的环境因素和干扰应对需求－出的干扰应对模型和求解算法进，分别采用（１）巧所提行应对方案生成。通过将所生成的方案与该企业原有应对方案的应对效果进行对比分析，验证本文所提出的干扰应对模型和求解算法的有效性及其应用价值。在此基础上，构建集装箱加工过程干扰应对的实时辅助软件原型系统，Ｗ期

8、将本文的理论研究成果进行有效的应用转化。本研究属于运筹学、工业工程与人工智能的交叉与渗透，对有效应对实际生产中的频发干扰事件，构建更加科学实用的干扰应对模型和求解算法