以單件小批量生產(chǎn)模式為主導(dǎo)的鑄造生產(chǎn)具有訂單種類多樣、產(chǎn)品制造周期長、車間自動化程度低等現(xiàn)象,針對鑄造企業(yè)客戶訂單多材質(zhì)、鑄件產(chǎn)品多類別以及造型熔煉多約束的特點,建立了一個以造型任務(wù)總完工時間最小的鑄造造型任務(wù)批調(diào)度模型,并提出了一種改進(jìn)的遺傳算法對模型進(jìn)行求解。算法設(shè)計了一種基于單件與砂箱類型的雙層編碼方案,在初始化階段通過結(jié)合批首次匹配（BFF）規(guī)則進(jìn)行分批,以提高初始種群的質(zhì)量,在迭代階段設(shè)計了一種基于批次交換的局部搜索方法,以避免算法陷入局部次優(yōu)解。最后通過對某鑄造企業(yè)的實際生產(chǎn)數(shù)據(jù)進(jìn)行案例分析,驗證了所提模型的有效性和算法的優(yōu)越性。 

【文章來源】：工業(yè)工程與管理. 2019,24(05)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

圖２車間現(xiàn)場組箱造型與熔煉澆注造型任務(wù)生產(chǎn)流程分析

第２４卷唐紅濤，等：基于改進(jìn)遺傳算法的鑄造造型任務(wù)批調(diào)度模型合金且澆注以砂箱為單位，因此在組箱時須對鑄件的材質(zhì)進(jìn)行分類，同一種材質(zhì)才可排入同一砂箱中。（２）容量約束。由于熔煉爐有著最大容量限制，因此一個砂箱中所有鑄件理論重量的總和不能超出熔煉爐的最大容量。（３）尺寸約束。每一類砂箱有固定的尺寸大小，排在同一箱中的鑄件模具尺寸總和不能超過該砂箱的尺寸。圖２車間現(xiàn)場組箱造型與熔煉澆注２．２造型任務(wù)生產(chǎn)流程分析如圖３所示，鑄造車間實際造型過程可以按流程分為三部分：（１）鑄件任務(wù)到達(dá)。銷售人員將生產(chǎn)訂單發(fā)送給生產(chǎn)計劃人員，計劃人員制定造型任務(wù)并下達(dá)給車間。（２）組箱階段。造型車間班組長收到周期內(nèi)的總生產(chǎn)任務(wù)，再根據(jù)現(xiàn)場砂箱以及鑄件模具的實際狀況進(jìn)行排箱計劃，同時將任務(wù)細(xì)分到各個班組。（３）造型階段。確定排箱計劃后，班組人員根據(jù)計劃開始對砂箱進(jìn)行組箱造型，造型完成后砂箱流入下道工序繼續(xù)加工。圖３鑄造車間造型任務(wù)批調(diào)度流程圖由于在組箱階段中各任務(wù)的排產(chǎn)都由班組長人為制定，經(jīng)驗不足的情況下缺乏科學(xué)性而且任務(wù)量較大時排產(chǎn)較為復(fù)雜，不能保證最優(yōu)的調(diào)度策略。本文針對這一現(xiàn)象，建立了造型任務(wù)批調(diào)度模型，并提出了一種改進(jìn)的遺傳算法用于求解，以保證調(diào)度結(jié)果的優(yōu)越性。３造型任務(wù)批調(diào)度模型的建立本文研究的造型任務(wù)批調(diào)度可以按流程分為三個階段：①將鑄件分配到批次；②為批次選擇砂箱；③將砂箱分配到班組。為了便于研究，本文所提模型基于以下假設(shè)進(jìn)行構(gòu)建。（１

第２４卷唐紅濤，等：基于改進(jìn)遺傳算法的鑄造造型任務(wù)批調(diào)度模型圖４示例染色體的解碼４．２種群初始化本文針對多材質(zhì)造型任務(wù)的特點，在種群初始化時先對任務(wù)按材質(zhì)分類，再對每種材質(zhì)下的鑄件按重量排序，最后結(jié)合ＢＦＦ規(guī)則對鑄件進(jìn)行砂箱分配。具體步驟如下：Ｓｔｅｐ１將所有任務(wù)按材質(zhì)編號進(jìn)行分類，得到ｌ個鑄件集，每個鑄件集的材質(zhì)都一致。Ｓｔｅｐ２將每個鑄件集中的鑄件都按其理論重量升序排列。Ｓｔｅｐ３依次對每個鑄件集中的鑄件按ＢＦＦ規(guī)則進(jìn)行分批，若當(dāng)前鑄件為鑄件集中第一個鑄件，則隨機(jī)選擇一個可以容納該鑄件的砂箱，依次將鑄件集中的任務(wù)排入選擇的砂箱，當(dāng)超出容量或鑄件集變化時，隨機(jī)選擇新的砂箱，重復(fù)Ｓｔｅｐ３直到所有鑄件都已分配砂箱。Ｓｔｅｐ４將分配好砂箱的鑄件按編碼方案生成染色體。由于每個任務(wù)都有固定的材質(zhì)與理論重量，以上排序規(guī)則會造成所有染色體中單件排序?qū)樱兀实幕蛞恢�，�?dǎo)致解的多樣性嚴(yán)重丟失，為擴(kuò)大初始種群在解空間分布的廣度，種群中２０％的染色體由以上初始化規(guī)則產(chǎn)生，其余染色體以隨機(jī)的方式生成。４．３算法迭代與進(jìn)化Ｓｔｅｐ１輪盤賭選擇。本文將目標(biāo)函數(shù)值即最大完工時間作為適應(yīng)度來評價個體，首先對種群的適應(yīng)度進(jìn)行基于排序的適應(yīng)度變換［１７］，再根據(jù)變換后的適應(yīng)度值來進(jìn)行輪盤賭選擇并生成新的種群。Ｓｔｅｐ２雙層交叉。針對本文算法的雙層編碼，在交叉概率Ｐｃ下分別對單件排序?qū)樱兀什捎茫校拢兀郏保福萁徊�，對砂箱選擇層ＸＦ采用ＰＭＸ

【參考文獻(xiàn)】：
期刊論文
[1]基于混沌遺傳算法的集團(tuán)分布式制造工序資源配置[J]. 李益兵,宋東林,王磊.  控制與決策. 2019(06)
[2]淺談鑄造企業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與升級[J]. 李強(qiáng),張凱,周穎.  中國戰(zhàn)略新興產(chǎn)業(yè). 2018(16)
[3]數(shù)字化鑄造工廠淺析[J]. 常濤,劉亞賓,彭凡,楊軍,乃曉文,王皓,周正學(xué).  中國鑄造裝備與技術(shù). 2018(01)
[4]分層混合遺傳算法求解柔性作業(yè)車間調(diào)度問題[J]. 田旻,劉人境.  工業(yè)工程與管理. 2017(05)
[5]帶惡化工件的PFS調(diào)度的混合遺傳算法[J]. 軒華,秦瑩瑩,王薛苑,張百林.  工業(yè)工程與管理. 2017(03)
[6]基于多品種應(yīng)急物資配比打包的運輸規(guī)劃模型[J]. 黃輝,未珂,楊佳祺,吳翰.  工業(yè)工程與管理. 2017(02)
[7]易腐食品二級供應(yīng)鏈生產(chǎn)調(diào)度與配送路線的協(xié)同優(yōu)化[J]. 馬雪麗,王淑云,劉曉冰,邵喜高.  工業(yè)工程與管理. 2017(02)
[8]不同容量平行機(jī)下差異工件尺寸的批調(diào)度算法[J]. 賈兆紅,李曉浩,溫婷婷,李龍澍.  控制與決策. 2015(12)
[9]含不一致任務(wù)重量的同型熔煉爐批調(diào)度優(yōu)化[J]. 胡常偉,陳新度,陳慶新,毛寧,陳新.  工業(yè)工程. 2014(03)
[10]模糊環(huán)境下多目標(biāo)差異作業(yè)單機(jī)批調(diào)度問題研究[J]. 盧冰原,黃傳峰,賈兆紅.  控制與決策. 2011(11)



本文編號：3253096