本文選題：Job-shop + 作業(yè)切換��； 參考：《重慶大學(xué)》2016年博士論文

【摘要】：制造業(yè)是我國(guó)經(jīng)濟(jì)的主體,是立國(guó)之本、興國(guó)之器、強(qiáng)國(guó)之基。為了滿足客戶的個(gè)性化需求,以及提高應(yīng)對(duì)市場(chǎng)的柔性,顧客到制造(Customer to Manufacture,C2M)的生產(chǎn)模式成為制造企業(yè)發(fā)展的方向,該生產(chǎn)模式下產(chǎn)品的多品種、小批量特征更加明顯,導(dǎo)致加工過程頻繁的作業(yè)切換活動(dòng)和大量的作業(yè)切換時(shí)間(setup time),降低了設(shè)備等資源利用率和生產(chǎn)效率。經(jīng)典的調(diào)度理論主要考慮作業(yè)排隊(duì)等待時(shí)間,較少考慮到作業(yè)切換時(shí)間,對(duì)于C2M生產(chǎn)模式存在較大的時(shí)間浪費(fèi)。通過調(diào)研分析發(fā)現(xiàn),C2M生產(chǎn)模式下某些工序的作業(yè)切換時(shí)間甚至高于加工時(shí)間十幾倍,明顯降低了設(shè)備等資源利用率,影響了產(chǎn)品的生產(chǎn)周期。不同的車間調(diào)度方案,產(chǎn)生不同的作業(yè)切換時(shí)間,加大了生產(chǎn)計(jì)劃制定和執(zhí)行控制的難度。為此,論文基于成組技術(shù)構(gòu)建了一套面向Job-shop車間最優(yōu)作業(yè)切換的調(diào)度方案,對(duì)離散制造車間調(diào)度管理具有重要的科學(xué)研究?jī)r(jià)值和工程實(shí)踐意義。論文研究的主要內(nèi)容及成果包括以下五個(gè)方面:(1)分析了Job-sop車間生產(chǎn)調(diào)度和作業(yè)切換現(xiàn)狀,以及作業(yè)切換時(shí)間的影響因素�；诖�,提出了基于成組技術(shù)的車間最優(yōu)作業(yè)切換調(diào)度問題,并建立了總體模型。(2)研究了基于加工資源的零件聚類成組方法。提出數(shù)控車間加工資源主要包括機(jī)器、工裝、裝夾方式、加工精度、數(shù)控程序、員工知識(shí)水平等。首先對(duì)加工零件所需資源進(jìn)行分類,不同類別資源劃分子類,采用0-1整數(shù)編碼表示加工是否需要該項(xiàng)資源。根據(jù)加工資源對(duì)于作業(yè)切換時(shí)間長(zhǎng)短的不同影響,確定核心加工資源和一般加工資源的權(quán)重。采用Jaccard系數(shù)計(jì)算零件間“相似度”,應(yīng)用成組遺傳算法確定零件的分類成組,并通過案例研究驗(yàn)證了本文提出方法的可行性和有效性。(3)研究了基于成組技術(shù)的最優(yōu)作業(yè)切換的單機(jī)調(diào)度問題。以最小化總拖延時(shí)間為優(yōu)化目標(biāo)。通過排序依賴作業(yè)切換時(shí)間的調(diào)度方案來縮短作業(yè)切換時(shí)間。首先根據(jù)工件所需加工資源相似性進(jìn)行聚類成組,其次采用EDD-SDST-ACO啟發(fā)規(guī)則,并用田口設(shè)計(jì)方法的信噪比(SNR)進(jìn)行算法參數(shù)優(yōu)化,通過仿真分析分別對(duì)比了論文提出的優(yōu)化規(guī)則與蟻群算法(ACO)和遺傳算法(GA)求解優(yōu)化目標(biāo)的最大值,最小值和平均值,以及搜索最優(yōu)解的次數(shù)。運(yùn)行結(jié)果驗(yàn)證了EDD-SDST-ACO啟發(fā)式規(guī)則的有效性和可行性。并通過實(shí)例對(duì)比了企業(yè)目前采用的調(diào)度方案,結(jié)果證實(shí)本文提出的調(diào)度方案使得總完工時(shí)間縮短了22.9%,總拖延時(shí)間縮短了99%,設(shè)備利用率提高了21.87%。(4)研究了基于成組技術(shù)的最優(yōu)作業(yè)切換的不相關(guān)并行機(jī)調(diào)度問題。以最小化總拖延時(shí)間為優(yōu)化目標(biāo)。通過排序依賴作業(yè)切換時(shí)間的調(diào)度方案來縮短作業(yè)切換時(shí)間。每臺(tái)機(jī)器上的加工速度因子不同,首先研究了所有工件組在各機(jī)器上的分配,其次研究同一臺(tái)機(jī)器上各工件組的優(yōu)化順序,工件組不同的加工排序,產(chǎn)生不同的作業(yè)切換時(shí)間和總拖延時(shí)間。同組內(nèi)工件間的作業(yè)切換時(shí)間視為0。建立了該問題的數(shù)學(xué)規(guī)劃模型,應(yīng)用遺傳禁忌搜索(GATS)算法進(jìn)行目標(biāo)優(yōu)化。采用田口設(shè)計(jì)方法的信噪比(SNR)對(duì)GATS算法參數(shù)進(jìn)行優(yōu)化,針對(duì)不同規(guī)模問題進(jìn)行仿真分析,分別對(duì)比了人工蜂群(ABC)算法和遺傳模擬退火(GASA)算法運(yùn)行結(jié)果,驗(yàn)證結(jié)果證明了GATS算法的有效性和可行性。(5)研究了基于成組技術(shù)的最優(yōu)作業(yè)切換的柔性Job-shop調(diào)度問題,以最小化最大完工時(shí)間為優(yōu)化目標(biāo)�？紤]排序依賴作業(yè)切換時(shí)間、加工時(shí)間和機(jī)器負(fù)荷的約束,首先根據(jù)機(jī)器負(fù)荷和加工時(shí)間選擇加工機(jī)器,其次根據(jù)作業(yè)切換時(shí)間和加工時(shí)間進(jìn)行機(jī)器上加工任務(wù)排序。提出改進(jìn)的QCSO算法進(jìn)行問題求解,將量子比特與貓群算法結(jié)合起來,引入了量子編碼,通過量子旋轉(zhuǎn)角的更新完成貓群位置迭代更新,根據(jù)算法迭代次數(shù)的變化選擇動(dòng)態(tài)MR值,擴(kuò)大了解的空間,提高了算法的運(yùn)行效率和速度。通過仿真實(shí)驗(yàn)對(duì)比了改進(jìn)的QCSO算法和PGA算法運(yùn)行結(jié)果,驗(yàn)證結(jié)果證明改進(jìn)的QCSO算法具有較好的尋優(yōu)結(jié)果,算法的魯棒性較好。實(shí)例研究結(jié)果顯示本文提出的調(diào)度方案比企業(yè)目前采用的調(diào)度方案的最大完工時(shí)間縮短了34.18%,設(shè)備利用率提高了31.55%。
[Abstract]:In order to meet the customer ' s individualized needs and to improve the flexibility of the market , the production mode of the customer to manufacture ( C2M ) has become the direction of the development of manufacturing enterprises . ( 3 ) The scheduling problem of optimal operation switching based on group technology is studied in order to minimize the total delay time .
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TB497

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀寧;伍乃騏;;具有惡化效應(yīng)和釋放時(shí)間約束的單機(jī)成組調(diào)度問題研究[J];價(jià)值工程;2016年16期

2 宋科艷;;工業(yè)4.0背景下改變我國(guó)服裝企業(yè)生產(chǎn)銷售模式的利器——C2M模式[J];經(jīng)貿(mào)實(shí)踐;2016年06期

3 丁岳偉;竇飛飛;;多目標(biāo)貓群優(yōu)化算法支持下的云計(jì)算任務(wù)調(diào)度[J];電子科技;2016年02期

4 戚得眾;饒運(yùn)清;余天;;板類零件分組下料優(yōu)化研究[J];機(jī)械設(shè)計(jì)與制造;2015年06期

5 喻明讓;張英杰;陳琨;高瑞;張定;;考慮調(diào)整時(shí)間的作業(yè)車間調(diào)度與預(yù)防性維修集成方法[J];西安交通大學(xué)學(xué)報(bào);2015年06期

6 孔繼利;苑春薈;楊福興;賈國(guó)柱;;調(diào)整時(shí)間與搬運(yùn)時(shí)間可分離的多目標(biāo)流水車間成組調(diào)度[J];計(jì)算機(jī)集成制造系統(tǒng);2015年10期

7 曹衛(wèi)東;閻春平;郭奉民;;基于成組技術(shù)和標(biāo)準(zhǔn)模板的滾齒CNC自動(dòng)編程[J];計(jì)算機(jī)集成制造系統(tǒng);2015年01期

8 吳偉林;周永華;;基于差分演化與貓群算法融合的群體智能算法[J];計(jì)算技術(shù)與自動(dòng)化;2014年04期

9 馬邦雄;葉春明;;基于改進(jìn)量子貓群算法的流水車間調(diào)度研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年17期

10 鄭永前;謝松杭;錢偉俊;;帶緩沖流水車間成組調(diào)度問題的混合微分算法[J];計(jì)算機(jī)集成制造系統(tǒng);2014年08期

相關(guān)博士學(xué)位論文 前5條

1 崔U，

本文編號(hào)：2059072