隨著產(chǎn)業(yè)升級(jí)、整合和集群的持續(xù)推進(jìn),制造系統(tǒng)日趨復(fù)雜。高效企業(yè)物流系統(tǒng)已成為現(xiàn)代制造業(yè)構(gòu)成的關(guān)鍵要素之一。企業(yè)希望通過(guò)新廠房布局優(yōu)化設(shè)計(jì)和老廠房布局調(diào)整解決原有車間布局不合理、物流迂回、在制品多、浪費(fèi)嚴(yán)重、調(diào)度混亂等問(wèn)題。本文針對(duì)一類離散作業(yè)、流水作業(yè)和特殊作業(yè)等多種作業(yè)單元共存的混合制造模式,研究了大型混合作業(yè)車間布局新問(wèn)題。如何有效進(jìn)行一類典型的大型混合制造作業(yè)車間布局設(shè)計(jì)與優(yōu)化已成為目前國(guó)內(nèi)制造業(yè)迫切需要解決的科學(xué)問(wèn)題。布局問(wèn)題實(shí)質(zhì)就是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。現(xiàn)有的車間布局特別對(duì)大型混合作業(yè)車間布局問(wèn)題在建模、求解及布局調(diào)度低熵協(xié)同優(yōu)化等方面有待完善。本文旨在實(shí)現(xiàn)反映生產(chǎn)實(shí)際的大型混合作業(yè)車間布局自適應(yīng)建模和低熵協(xié)同優(yōu)化,為一類復(fù)雜作業(yè)車間布局多目標(biāo)設(shè)計(jì)和持續(xù)改善提供有效的分析技術(shù)與工具。本文主要研究?jī)?nèi)容如下:（1）構(gòu)建了大型混合作業(yè)車間布局?jǐn)?shù)學(xué)模型。在分析大型混合作業(yè)車間原型特征基礎(chǔ)上,為尋求最佳占空比、最少在制品數(shù)量、最低物流損耗和重構(gòu)成本、最大化非物流關(guān)系、良好的柔性和可拓展性等,明確大型混合作業(yè)布局約束條件。融合腦模型連接控制器（CMAC）的任意多維非線性映射機(jī)理,解決了大型... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：130 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

四種算法求解DTLZ1時(shí)獲得的Pareto前端Figure3-9.ParetofrontobtainedbyfouralgorithmsinsolvingDTLZ1

法的選擇壓力，加快算法的收斂速度。由于 DDEACA 可以較好兼顧多樣性和收斂性，這些特性有利于提高整個(gè) Pareto 前端的覆蓋范圍。由圖 3-11 可知，本文提出的變異方式提高了算法抵抗陷入局部最優(yōu)的能力。當(dāng)目標(biāo)個(gè)數(shù)為3個(gè)、決策變量為10時(shí)，在DTLZ3的搜索空間中共引入了6560個(gè)與全局Pareto最優(yōu)邊界平行的局部 Pareto 最優(yōu)邊界。CellDE 和 SPEA2 易陷入局部最優(yōu)，DDEACA 能較好地獲得 DTLZ3 的近似全局 Pareto 最優(yōu)邊界。圖 3-11 四種算法求解 DTLZ3 時(shí)獲得的 Pareto 前端Figure 3-11. Pareto front obtained by four algorithms in solving DTLZ3圖 3-12~圖 3-14 為四種算法在 DTLZ 問(wèn)題上的性能指標(biāo)統(tǒng)計(jì)盒圖。其中，盒子的上下兩條線分別表示樣本的上下四分位數(shù)，盒子中間的水平線為樣本的中位數(shù)。盒子上下的虛線表示樣本的其余部分(異常值除外)，樣本最大值為虛線頂端，樣本最小值為虛線底端，“+”表示異常值。圖中的字母“N”、“S”、“C”、“D”分別標(biāo)示 NSGA-II、SPEA2、CellDE、DDEACA。盡管在部分測(cè)試問(wèn)題上

大型混合作業(yè)車間布局自適應(yīng)建模與協(xié)同優(yōu)化得的 Pareto 前端。盡管在 P = 0.3 時(shí)，DDEACA 在 WFG1 的收斂性不如 NSGA-IIPEA2，但是 DDEACA 獲得的前端的多樣性比較好。WFG1 問(wèn)題的最優(yōu) Pareto 前端凸的曲面構(gòu)成，DDEACA 獲得前端與最優(yōu)前端很像，而其他算法無(wú)法完全搜索出的凹面和凸面。另外，圖 3-16 也證明了 DDEACA 能在求解時(shí)較好地保持前端多樣性FG2 的最優(yōu) Pareto 前端由斷開(kāi)的凹面構(gòu)成，與其他算法相比，DDEACA 獲得的前較好地逼近所有凹面。

【參考文獻(xiàn)】：
期刊論文
[1]考慮柔性面積需求的動(dòng)態(tài)設(shè)施布局方法研究[J]. 丁祥海,韋新立,姚文鵬.  工業(yè)工程與管理. 2018(05)
[2]利用有限制穩(wěn)定配對(duì)策略求解雙目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題[J]. 楊宇,黃敏,王震宇,朱啟兵.  中國(guó)機(jī)械工程. 2018(14)
[3]基于動(dòng)態(tài)差分元胞多目標(biāo)遺傳算法的混合作業(yè)車間布局改善與優(yōu)化[J]. 王亞良,錢其晶,曹海濤,金壽松.  中國(guó)機(jī)械工程. 2018(14)
[4]基于Agent的混合流水車間動(dòng)態(tài)調(diào)度系統(tǒng)[J]. 王芊博,張文新,王柏琳,吳子軒.  計(jì)算機(jī)應(yīng)用. 2017(10)
[5]不確定需求下的車間設(shè)施動(dòng)態(tài)布局[J]. 查珊珊,郭宇,黃少華,方偉光.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(06)
[6]外部種群完全反饋的元胞差分算法設(shè)計(jì)及應(yīng)用[J]. 王亞良,錢其晶,陳勇,金壽松,王成,馮定忠.  計(jì)算機(jī)集成制造系統(tǒng). 2017(08)
[7]多目標(biāo)柔性作業(yè)車間調(diào)度的多交叉策略元胞進(jìn)化算法[J]. 林震,帥劍平,袁煜.  科學(xué)技術(shù)與工程. 2017(07)
[8]多目標(biāo)柔性作業(yè)車間穩(wěn)健性動(dòng)態(tài)調(diào)度研究[J]. 朱傳軍,邱文,張超勇,金亮亮.  中國(guó)機(jī)械工程. 2017(02)
[9]基于多目標(biāo)果蠅算法面向低碳的車間布局與調(diào)度集成優(yōu)化[J]. 劉瓊,趙海飛.  機(jī)械工程學(xué)報(bào). 2017(11)
[10]一種求解多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題的改進(jìn)元胞遺傳算法[J]. 陸曈曈,陳平,萬(wàn)興余.  現(xiàn)代制造工程. 2016(11)

博士論文
[1]生產(chǎn)車間設(shè)施布局優(yōu)化方法研究[D]. 鄭曉軍.大連理工大學(xué) 2010
[2]制造車間布局優(yōu)化方法研究與系統(tǒng)實(shí)現(xiàn)[D]. 胡廣華.華中科技大學(xué) 2007
[3]具有性能約束的三維布局優(yōu)化的理論及算法[D]. 鐵軍.大連理工大學(xué) 2007
[4]復(fù)雜布局的協(xié)同差異演化方法與應(yīng)用研究[D]. 史彥軍.大連理工大學(xué) 2006

碩士論文
[1]基于管理熵理論的企業(yè)投資決策研究[D]. 武飛飛.天津大學(xué) 2009



本文編號(hào)：3476974