在作業(yè)車間(JobShop)調(diào)度問題中,以最小化完工時(shí)間為目標(biāo),考慮了設(shè)備距離和工序的裝卸作業(yè)時(shí)間兩個(gè)影響因素,建立了考慮人員裝卸時(shí)間的"一人多機(jī)"的并行工作調(diào)度模型,并設(shè)計(jì)了改進(jìn)的人工蜂群優(yōu)化算法進(jìn)行求解。算法中,只設(shè)定種群規(guī)模,通過引領(lǐng)蜂和跟隨蜂之間的位置信息共享和身份互換機(jī)制,減少參數(shù)設(shè)置的同時(shí)提高算法的尋優(yōu)精度和效率。采用基于裝、卸作業(yè)的編碼方式,將工件號(hào)、工序號(hào)和作業(yè)類型共同作為基因位的標(biāo)識(shí),基因位的實(shí)數(shù)權(quán)值作為算法進(jìn)化對(duì)象及作業(yè)排序依據(jù)。在解碼過程中,選擇到達(dá)時(shí)間最早的人員對(duì)裝卸作業(yè)進(jìn)行操作,并利用并行工作模式安排各設(shè)備上作業(yè)的先后順序,達(dá)到縮短總調(diào)度時(shí)間的效果。最后通過測(cè)例比較實(shí)驗(yàn)表明:該并行工作模式較現(xiàn)有生產(chǎn)模式具有縮短生產(chǎn)時(shí)間、節(jié)約生產(chǎn)資源的特點(diǎn);改進(jìn)人工蜂群算法在解決JobShop調(diào)度問題上更具有可行性與有效性。 

【文章來源】：制造業(yè)自動(dòng)化. 2020年08期

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

文獻(xiàn)[23]策略下的任務(wù)加工甘特圖

璞副嗪擰斃問獎(jiǎng)昝鞫怨ぜ???加工的人員和設(shè)備（如“1-2”為人員1輔助設(shè)備2進(jìn)行加工），如圖2所示。圖2文獻(xiàn)[23]策略下的任務(wù)加工甘特圖在該調(diào)度模型中，單個(gè)工件的加工時(shí)間等同于并行調(diào)度模型中對(duì)應(yīng)工件的裝載、加工和卸載總時(shí)間，并且人員參與加工全過程，所有工件加工完成時(shí)，總的調(diào)度時(shí)間為128小時(shí)。為進(jìn)一步縮短總調(diào)度時(shí)間，采用本文調(diào)度模式對(duì)該問題進(jìn)行求解，調(diào)度結(jié)果以甘特圖形式展出（如“M2”表示在設(shè)備2上完成加工，左右兩側(cè)分別代表對(duì)該工序進(jìn)行裝、卸的人員），如圖3所示。圖3并行工作調(diào)度策略任務(wù)加工甘特圖在該并行工作調(diào)度模型中，工人完成裝、卸作業(yè)后離開，設(shè)備對(duì)工件自動(dòng)化加工，實(shí)現(xiàn)了人員與設(shè)備的并行。由圖3可知，并行工作模式求解得到的總調(diào)度時(shí)間比文獻(xiàn)[23]的調(diào)度策略提前35小時(shí)，總調(diào)度時(shí)間縮短了27.34%，使得客戶訂單可以更早的配送，因此并行工作調(diào)度模式更加有效。3.2算法主要參數(shù)確定在帶有身份轉(zhuǎn)換機(jī)制的人工蜂群算法（Improved-ABC，I-ABC）中，唯一需要確定的參數(shù)就是種群規(guī)模N。為確定合適的種群規(guī)模N，以5臺(tái)加工設(shè)備、5名工人為資源基礎(chǔ)，加工10種工件為例，（人員在設(shè)備間移動(dòng)時(shí)間信息見表1，各物料屬性如表3所示）。在不同種群規(guī)模下，即N取50，100，150，……，900不同的值，對(duì)I-ABC的有效性進(jìn)行驗(yàn)證。每組實(shí)驗(yàn)運(yùn)行15次，分別取每次實(shí)驗(yàn)的平均值作為種群變化的優(yōu)值，并繪制出優(yōu)值變化圖、優(yōu)值方差變化圖以及運(yùn)行時(shí)間圖（如圖4、圖5及圖6所示，其中圖4縱坐標(biāo)表示優(yōu)化結(jié)果，單位：小時(shí)；圖6縱坐標(biāo)表示運(yùn)行時(shí)間，單位：秒）。表3物

【92】第42卷第8期2020-08圖4優(yōu)值變化圖圖5優(yōu)值方差變化圖圖6運(yùn)行時(shí)間變化圖據(jù)圖4可知，種群規(guī)模達(dá)到600時(shí)，優(yōu)值曲線趨于平緩且由圖5可看出，種群規(guī)模達(dá)到600時(shí)優(yōu)值方差波動(dòng)變校由圖6可見，N在600～700之間，運(yùn)行速度相對(duì)較快，N大于700時(shí)，算法運(yùn)行時(shí)間較長(zhǎng)，因此種群規(guī)模設(shè)置在600～700之間較為合理。本文采用600作為實(shí)驗(yàn)參數(shù)。3.3算法的有效性驗(yàn)證為進(jìn)一步驗(yàn)證I-ABC算法的有效性，選擇標(biāo)準(zhǔn)人工蜂群算法（ABC）、文獻(xiàn)[24]的改進(jìn)差分算法進(jìn)行對(duì)比實(shí)驗(yàn)。文獻(xiàn)[24]以加工時(shí)間最短為目標(biāo)，設(shè)計(jì)了改進(jìn)差分算法用于解決作業(yè)車間調(diào)度問題，并得出了較好的調(diào)度方案。實(shí)驗(yàn)中設(shè)定每算法種群規(guī)模均為600，ABC的引領(lǐng)蜂局部尋優(yōu)次數(shù)為20，循環(huán)次數(shù)為200。每種算法運(yùn)行10次，算法比較運(yùn)行結(jié)果如表5所示。實(shí)驗(yàn)中測(cè)例數(shù)據(jù)是在文獻(xiàn)[25]中10組測(cè)例的基礎(chǔ)上增加了裝卸操作時(shí)間得來的，增加部分如表4所示。Z1、Z2、Z3分別表示I-ABC、S-ABC與文獻(xiàn)[24]算法運(yùn)行10次后的平均值。GPA1表示ABC與I-ABC之間的差值比，計(jì)算方式為GPA1=（Z2-Z1）/Z2×100%。同理，GPA2表示I-ABC與文獻(xiàn)[24]算法之間的差值比，計(jì)算方式為GPA1=（Z3-Z1）/Z3×100%。如果GPA1與GPA2均為正值，則說明I-ABC優(yōu)于ABC與文獻(xiàn)[24]算法。表4測(cè)例數(shù)據(jù)表測(cè)例JiOi1ZtxtOi2ZtxtOi3ZtXt1J1O1111O1212O1312J2O2111O2222O2311J3O3122O3212O3311J4O4111O

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器人產(chǎn)業(yè)發(fā)展研究[J]. 王萬.  制造業(yè)自動(dòng)化. 2018(04)
[2]改進(jìn)差分進(jìn)化算法的作業(yè)車間調(diào)度優(yōu)化策略[J]. 翁志遠(yuǎn),方杰,孔敏,程穎.  控制工程. 2017(06)
[3]單件小批量混合車間調(diào)度算法[J]. 張宏國(guó),吳雨桐.  中國(guó)科技論文. 2015(08)
[4]任務(wù)分解控制及人員柔性的車間集成調(diào)度[J]. 林仁,周國(guó)華.  計(jì)算機(jī)工程與應(yīng)用. 2015(04)
[5]一人多機(jī)的動(dòng)態(tài)配置模型及其解法[J]. 楊軍,劉麗文.  中國(guó)管理科學(xué). 1996(04)



本文編號(hào)：2921484