学位论文 > 优秀研究生学位论文题录展示

基于多品种小批量订货型的平行机分批调度方法研究

作　者: 马丁
导　师: 陈庆新
学　校: 广东工业大学
专　业: 机械电子工程
关键词: 分批调度遗传模拟退火两阶段算法仿真
分类号: TH186
类　型: 硕士论文
年　份: 2011年
下　载: 52次
引　用: 2次
阅　读: 论文下载

内容摘要

多品种小批量订货式生产在制造业中占据着很重要的地位。柔性制造单元(FMC)是用于多品种、中小批量生产的具有高柔性且自动化程度高的制造系统。近年来,许多中心批量生产的企业已经将此单元应用在实际生产中。交货期是订货型企业的生命线。在车间安排生产任务时,多难以兼顾多订单的交货期要求。FMC的生产环境下,为降低单元的使用成本,提高设备的利用率,可以将不同订单的相同类型工件组成若干批次进行加工。组批和调度方案的好坏直接影响着企业经济效益和声誉。因此,对这样的实际问题如何编制合理优化的组批调度方案是非常有必要的。本文以一家大型轮胎模具生产企业为背景,研究一类集成批量计划和平行机调度的问题,该问题具有订单交货期、到达时间和加工准备时间等约束。首先在订单到达时间确定的情况下,建立单个数学模型描述集成问题,以降低单元加工费用和订单拖期惩罚费用为目标；提出一种带启发式规则的遗传模拟退火两阶段算法(GASA)。算法引入启发式规则生成基础批有效减少了染色体长度,从而加快搜索速度。遗传算法对基础批进行全局搜索,在批量确定的情况下,模拟退火进行局部搜索,得到当前分批情况下的优值。然后以此模具企业的实际生产例检验该算法的收敛性,证明该算法在可以接受的时间内是有效可行的；通过对比GASA和GA算法的求解效果,说明相比于GA算法,这种带启发式规则的混合算法确实能够更快更好的求得问题的较优解；选取五种不同规模的实际生产例进行数值仿真,分别采用该算法和一种经典算法在相同的计算时间内进行求解。对计算结果对比分析表明随着是任务规模的增大,该种算法的优势更加明显,从而说明了该模型和算法针对这一类特殊问题更为有效和可行。接着下一步,针对上述分批调度数学模型,考虑到实际生产中的订单到达时间不确定因素,且订单的到达过程符合泊松过程,从而建立期望值模型,在随机变量的概率密度函数已知的情况下,将问题模型按照确定性模型来处理,采用前文所提带启发式规则的遗传模拟退火两阶段算法进行求解。通过大规模的数值仿真实验,证明该算法对待订单到达时间不确定问题的求解同样有效,并且这一类问题的求解过对订程单到达时间不敏感。最后,运用先进的建模和仿真工具eM-Plant,结合应用面向对象的方法,进一步深入面向平行机的分批调度模型。利用eM-Plant中的SimTalk语言对各个对象及活动进行编程控制,还原现实生产环境。对比仿真模型运行结果和GASA结算结果,证明GASA在现实生产中具有可行性。

全文目录

摘要  4-6
ABSTRACT  6-8
目录  8-11
Contents  11-14
第一章绪论  14-24
  1.1 课题来源  14
  1.2 研究背景  14-19
    1.2.1 多品种小批量订单式生产问题概述  14-15
    1.2.2 柔性制造单元(FMC)在实际生产中的应用  15-16
    1.2.3 车间调度问题概述  16-18
    1.2.4 本文研究问题  18-19
  1.3 平行机批量调度及智能算法的研究现状  19-22
    1.3.1 平行机批量调度国内外研究概述  19-21
    1.3.2 智能优化算法的研究概述  21-22
  1.4 本文总体介绍  22-24
    1.4.1 本文研究目标  22
    1.4.2 本文研究内容  22-23
    1.4.3 本文的章节  23-24
第二章基于遗传模拟退火两阶段算法的平行机批量调度  24-37
  2.1 引言  24
  2.2 问题描述  24-26
  2.3 数学模型  26-29
    2.3.1 调度模型的假设  26
    2.3.2 数学描述  26-29
  2.4 遗传模拟退火两阶段算法  29-35
    2.4.1 遗传算法和模拟退火算法概述  29-31
    2.4.2 基于规则的启发式算法  31-32
    2.4.3 染色体编码规则及初始种群生成  32-33
    2.4.4 个体评估  33
    2.4.5 选择算法  33-34
    2.4.6 交叉算子  34
    2.4.7 变异算子  34-35
    2.4.8 模拟退火算法  35
  2.5 本章小结  35-37
第三章遗传模拟退火两阶段算法的对比应用研究  37-48
  3.1 引言  37
  3.2 遗传模拟退火两阶段算法收敛性验证  37-40
    3.2.1 算例数据  37-39
    3.2.2 计算结果  39-40
  3.3 GASA和GA算法对比及分析  40-44
  3.4 GASA和BBA算法对比及分析  44-47
    3.4.1 Branch-and-Bound Algorithm介绍  44-45
    3.4.2 对比计算及分析  45-47
  3.5 本章小结  47-48
第四章基于订单到达时间不确定的平行机批量调度  48-58
  4.1 引言  48
  4.2 泊松过程  48-50
    4.2.1 泊松过程的概念  48-50
    4.2.2 来到时刻的条件分布  50
    4.2.3 泊松分布的应用  50
  4.3 问题描述  50-51
  4.4 数学模型  51-53
    4.4.1 期望值模型概念  51-52
    4.4.2 期望值模型建立  52-53
  4.5 仿真实验  53-57
    4.5.1 算例数据  53-55
    4.5.2 结果分析  55-57
  4.6 本章小结  57-58
第五章基于eM-Plant的分批调度仿真建模  58-73
  5.1 引言  58
  5.2 分批调度仿真模型  58-67
    5.2.1 模型内基本资源  58-63
    5.2.2 功能模块及实现  63-67
  5.3 分批调度仿真实例  67-72
    5.3.1 算例数据  67-70
    5.3.2 结果分析  70-72
  5.4 本章小结  72-73
结论与展望  73-75
  研究结论  73-74
  研究展望  74-75
参考文献  75-78
攻读学位期间发表的论文  78-80
致谢  80-81
附录1  81-82
附录2  82-83
附录3  83

基于多品种小批量订货型的平行机分批调度方法研究

内容摘要

全文目录

相似论文