本文關(guān)鍵詞：基于PlantSimulation的多類型產(chǎn)品作業(yè)調(diào)度建模仿真

  更多相關(guān)文章： Palmer算法 遺傳算法 自主決策 作業(yè)調(diào)度

【摘要】：隨著全球經(jīng)濟(jì)一體化的發(fā)展,消費(fèi)者對產(chǎn)品種類要求趨于多樣化,相較而言,單一類型的產(chǎn)品需求量并不多。因此企業(yè)的生產(chǎn)更多的是多品種小批量,由于不同類型產(chǎn)品的生產(chǎn)是有區(qū)別的;同時(shí),由于市場需求變化較快以及生產(chǎn)作業(yè)的日常突發(fā)情況都會給企業(yè)的作業(yè)調(diào)度帶來較大的問題。車間作業(yè)調(diào)度要求能夠很快適應(yīng)市場需求的變化,即要求整個(gè)系統(tǒng)應(yīng)具有魯棒性、敏捷性與智能性。論文首先闡述和分析了目前已有的各種車間作業(yè)調(diào)度方式。然后運(yùn)用Palmer算法建立仿真模型,運(yùn)行仿真模型,分別分析比較需要生產(chǎn)多類型產(chǎn)品機(jī)器正常運(yùn)轉(zhuǎn)與某臺機(jī)器失效一定時(shí)間后的最大作業(yè)時(shí)間,并通過仿真得出機(jī)器失效時(shí)的在制品數(shù)量變化圖。然后通過基于遺傳算法和最短作業(yè)時(shí)間(Shortest Processing Time,SPT)法則的混合流水線調(diào)度建立仿真模型,運(yùn)行仿真模型,分別分析比較需要生產(chǎn)多類型產(chǎn)品機(jī)器正常運(yùn)轉(zhuǎn)與某臺機(jī)器失效一定時(shí)間后的最大作業(yè)時(shí)間,然后通過仿真得出機(jī)器失效時(shí)的在制品數(shù)量變化圖。最后建立基于隊(duì)列長度估計(jì)量(Queue Length Estimator,QLE)的自組織仿真模型,工件能夠根據(jù)實(shí)際情況自主選擇機(jī)器進(jìn)行作業(yè)調(diào)度,運(yùn)行仿真模型,分別分析比較需要生產(chǎn)多類型產(chǎn)品機(jī)器正常運(yùn)轉(zhuǎn)與某臺機(jī)器失效一定時(shí)間后的最大作業(yè)時(shí)間,并通過仿真得出機(jī)器失效時(shí)的在制品數(shù)量變化圖。
【關(guān)鍵詞】：Palmer算法 遺傳算法 自主決策 作業(yè)調(diào)度
【學(xué)位授予單位】：華東交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TB497
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 緒論7-11
• 1.1 研究背景及意義7
• 1.2 本文研究內(nèi)容7-8
• 1.3 論文研究方案8-9
• 1.3.1 研究方法8
• 1.3.2 技術(shù)路線8-9
• 1.3.3 文章結(jié)構(gòu)9
• 1.4 Plant Simulation簡介9-11
• 第二章 文獻(xiàn)綜述11-22
• 2.1 傳統(tǒng)單線作業(yè)調(diào)度12-15
• 2.1.1 以Makespan為目標(biāo)的求解算法13
• 2.1.2 以Total Flowtime為目標(biāo)的求解算法13
• 2.1.3 以最小化Tardiness為目標(biāo)的求解算法13-14
• 2.1.4 Palmer算法14-15
• 2.2 基于遺傳算法的混合流水線調(diào)度15-20
• 2.2.1 HFSP的分類和推廣15-16
• 2.2.2 HFSP的算法研究16-19
• 2.2.3 HFSP的應(yīng)用研究19-20
• 2.3 基于局部信息的自主選擇作業(yè)調(diào)度20-21
• 2.3.1 基于局部信息素更新的蟻群算法20-21
• 2.3.2 基于隊(duì)列長度估計(jì)（QLE）的自主作業(yè)調(diào)度21
• 2.4 本章小結(jié)21-22
• 第三章 傳統(tǒng)單線調(diào)度22-27
• 3.1 PFSP問題的描述與假設(shè)22-23
• 3.1.1 問題的描述22-23
• 3.1.2 PFSP問題的假設(shè)23
• 3.2 Palmer啟發(fā)式算法23-26
• 3.2.1 PFSP調(diào)度模型的建立。23-26
• 3.3 本章小結(jié)26-27
• 第四章 基于GA的混合流水線作業(yè)調(diào)度27-36
• 4.1 問題的描述與模型建立27-28
• 4.2 遺傳算法28-30
• 4.2.1 遺傳算法的生物學(xué)背景29
• 4.2.2 遺傳算法的基本思想及特點(diǎn)29-30
• 4.3 Plant Simulation遺傳算法優(yōu)化模塊30-32
• 4.4 HFSP的問題建模32-35
• 4.5 結(jié)果分析35-36
• 第五章 基于局部信息的自主作業(yè)調(diào)度36-41
• 5.1 問題的描述與模型建立36
• 5.2 建模與仿真36-40
• 5.3 本章小結(jié)40-41
• 第六章 總結(jié)和展望41-43
• 6.1 本文的主要結(jié)論41
• 6.2 創(chuàng)新點(diǎn)41
• 6.3 研究展望41-43
• 參考文獻(xiàn)43-48
• 附錄A 仿真程序代碼48-55
• 個(gè)人簡歷55-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉繁茂;陳新;;中小型半流程制造業(yè)的生產(chǎn)作業(yè)調(diào)度系統(tǒng)研究與應(yīng)用[J];制造技術(shù)與機(jī)床;2006年09期

2 顏斯泰;熊萌立;趙淑光;曾志華;;高性能計(jì)算與作業(yè)調(diào)度技術(shù)在核電工程領(lǐng)域的應(yīng)用[J];互聯(lián)網(wǎng)天地;2013年10期

3 楊朋;繆立新;秦磊;;多載具自動(dòng)化存取系統(tǒng)作業(yè)調(diào)度優(yōu)化[J];計(jì)算機(jī)集成制造系統(tǒng);2013年07期

4 薛正華;劉偉哲;董小社;伍衛(wèi)國;;基于思維進(jìn)化的集群作業(yè)調(diào)度方法研究[J];西安交通大學(xué)學(xué)報(bào);2008年06期

5 王彥革;孫樹棟;于曉義;;離散制造業(yè)作業(yè)調(diào)度中的優(yōu)先判定方法研究[J];現(xiàn)代制造工程;2008年08期

6 胡燕海;嚴(yán)雋琪;馬登哲;葉飛帆;;基于智能算法的制造系統(tǒng)通用作業(yè)調(diào)度方法[J];上海交通大學(xué)學(xué)報(bào);2008年10期

7 徐克奇;;蟻群優(yōu)化算法在電鍍試驗(yàn)臺作業(yè)調(diào)度的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2008年12期

8 陳雪芳;朱瓊;張潔;;基于遞階優(yōu)化的電器裝配線作業(yè)調(diào)度研究和應(yīng)用[J];組合機(jī)床與自動(dòng)化加工技術(shù);2009年09期

9 劉希偉;葉蕾;于明遠(yuǎn);梁榮華;黃慶藏;;面向異構(gòu)集群的作業(yè)調(diào)度與資源分配研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S1期

10 韓笑樂;梁亮;陸志強(qiáng);奚立峰;;集裝箱碼頭岸吊作業(yè)調(diào)度建模及調(diào)度策略研究[J];工業(yè)工程與管理;2009年05期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 裴爾明;Karim Bernardet;于傳松;孫功星;;基于Agent技術(shù)“推拉”結(jié)合的網(wǎng)格作業(yè)調(diào)度系統(tǒng)[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（2）[C];2008年

2 劉禮;楊裔;火久元;劉海迪;李振芳;李廉;;數(shù)學(xué)網(wǎng)絡(luò)集成環(huán)境作業(yè)調(diào)度系統(tǒng)模型[A];2006年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2006年

3 裴爾明;Karim Bernardet;于傳松;孫功星;;基于Agent技術(shù)“推拉”結(jié)合的網(wǎng)格作業(yè)調(diào)度系統(tǒng)[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（下冊）[C];2008年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 陳超;有效作業(yè)調(diào)度實(shí)現(xiàn)高效生產(chǎn)[N];中國計(jì)算機(jī)報(bào);2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王丹丹;面向集裝箱碼頭岸橋調(diào)度的可重疊流水作業(yè)優(yōu)化[D];東南大學(xué);2015年

2 鄒敢;柔性搬運(yùn)系統(tǒng)的智能作業(yè)調(diào)度方法研究[D];昆明理工大學(xué);2014年

3 顧學(xué)民;分布式制造環(huán)境下的作業(yè)調(diào)度研究[D];西北工業(yè)大學(xué);2006年

4 梁毅;面向網(wǎng)絡(luò)計(jì)算的作業(yè)調(diào)度系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

5 顧濤;集群MapReduce環(huán)境中任務(wù)和作業(yè)調(diào)度若干關(guān)鍵問題的研究[D];南開大學(xué);2014年

6 高昊江;板料加工車間物流智能控制及倉儲管理系統(tǒng)研究[D];華中科技大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 嚴(yán)金雙;基于資源環(huán)境和作業(yè)開銷感知的Hadoop MapReduce作業(yè)調(diào)度優(yōu)化研究[D];南京大學(xué);2013年

2 洪旭升;云計(jì)算環(huán)境下資源分配與作業(yè)調(diào)度的研究[D];福州大學(xué);2013年

3 汪致賓;基于PlantSimulation的多類型產(chǎn)品作業(yè)調(diào)度建模仿真[D];華東交通大學(xué);2016年

4 郝一名;AGV系統(tǒng)作業(yè)調(diào)度策略研究[D];山東大學(xué);2016年

5 孫毅臻;基于高性能計(jì)算系統(tǒng)日志的調(diào)度策略研究[D];華南理工大學(xué);2016年

6 陸懷軍;Hama圖并行計(jì)算框架中任務(wù)槽模型及其對作業(yè)調(diào)度性能的影響[D];電子科技大學(xué);2016年

7 羅惠星;基于批量作業(yè)調(diào)度的算法研究[D];上海師范大學(xué);2015年

8 林薇;多目標(biāo)多約束環(huán)境下的生產(chǎn)計(jì)劃與作業(yè)調(diào)度方法研究[D];東華大學(xué);2008年

9 徐磊;云環(huán)境下資源管理與作業(yè)調(diào)度關(guān)鍵問題研究及應(yīng)用[D];清華大學(xué);2014年

10 侯明霞;云計(jì)算環(huán)境下作業(yè)調(diào)度策略研究[D];電子科技大學(xué);2014年

，

本文編號：617571