柔性作業(yè)車間批量重調度方法研究
發(fā)布時間:2022-12-25 13:15
隨著人工智能的發(fā)展,制造業(yè)也發(fā)生著翻天覆地的變化,智能制造、智能工廠等新的制造理念層出不窮,企業(yè)想要在競爭的激流中不被淹沒,必須提高對市場的反應能力,能夠適應多品種、小批量的生產模式,并且能夠對生產環(huán)境中出現(xiàn)的例如插單、撤單、機床故障、原材料缺失等問題有迅速的響應和處理機制。而傳統(tǒng)的靜態(tài)調度早已無法適用于動態(tài)變化的生產環(huán)境,所以動態(tài)調度問題也越來越受到廣大學者的關注,同時由于在實際生產過程中,大多數(shù)企業(yè)采用批量生產,因此對于批量動態(tài)調度問題的研究具有很重要的研究價值和現(xiàn)實意義。論文首先描述了柔性作業(yè)車間的批量動態(tài)調度問題,總結了目前對動態(tài)調度的衡量指標,定義了模型變量和模型假設,針對最大完工時間、拖期懲罰、拖期工件數(shù)量三個優(yōu)化目標建立了數(shù)學模型,并且討論了現(xiàn)在動態(tài)調度框架存在的問題,根據(jù)實際生產的需求,提出了拖期懲罰容忍度的概念,并針對機床故障、插單兩個動態(tài)事件給出了基于混合驅動機制的改進調度框架。接著,論文基于已有的調度方案,分別針對動態(tài)事件中的插單、機床故障問題如何進行重調度做了深入研究,針對插單問題提出了基于群體智能搜索的批量插單調度方法,從分批選擇、批量選擇、以及子批數(shù)量分配提...
【文章頁數(shù)】:80 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題來源
1.2 課題研究背景及意義
1.3 國內外研究現(xiàn)狀
1.3.1 車間動態(tài)調度方式研究現(xiàn)狀
1.3.2 柔性車間重調度研究現(xiàn)狀
1.3.3 柔性車間批量調度研究現(xiàn)狀
1.3.4 問題分析及總結
1.4 論文研究內容及結構
第2章 柔性作業(yè)車間批量重調度問題
2.1 作業(yè)車間批量動態(tài)調度問題描述
2.2 作業(yè)車間批量重調度問題的數(shù)學建模
2.2.1 模型假設
2.2.2 變量定義
2.2.3 數(shù)學模型
2.3 基于延遲懲罰容忍度的重調度策略
2.3.1 柔性作業(yè)車間中的擾動類型
2.3.2 延遲懲罰容忍度
2.3.3 重調度策略
2.4 求解方法
2.4.1 傳統(tǒng)求解方法
2.4.2 智能的調度方法
2.4.3 本文的求解方法
2.5 本章小結
第3章 插單批量重調度算法研究及應用
3.1 插單批量重調度概述
3.2 遺傳算法及群體智能算法
3.2.1 遺傳算法原理及流程
3.2.2 群體智能算法概述
3.2.3 粒子群算法原理及流程
3.3 基于群體智能搜索遺傳算法的插單調度分批算法
3.3.1 分批選擇
3.3.2 批量選擇
3.3.3 調度分批算法
3.3.4 分批算法流程
3.4 分批算法在插單調度實例中的驗證和應用
3.4.1 分批算法效率與優(yōu)化性能驗證
3.4.2 某零配件車間分批插單實例求解的多種算法對比驗證
3.4.3 某航空結構件廠實際生產實例的分批調度應用
3.5 本章小結
第4章 機床故障批量重調度算法研究
4.1 機床故障批量重調度概述
4.2 強化學習算法
4.2.1 強化學習原理及結構
4.2.2 強化學習中的幾個關鍵概念
4.2.3 Q-learning
4.3 基于Q-learning的機床故障調度
4.3.1 機床故障問題調度問題模型
4.3.2 動作集定義
4.3.3 狀態(tài)變量確定和狀態(tài)劃分
4.3.4 回報函數(shù)的建立
4.4 模型實現(xiàn)及驗證
4.4.1 單工序單Agent模型
4.4.2 多工序多Agent模型
4.4.3 模型驗證
4.5 本章小結
第5章 智能調度系統(tǒng)開發(fā)與應用
5.1 引言
5.2 系統(tǒng)概述
5.2.1 系統(tǒng)的主要功能模塊及工作流
5.2.2 系統(tǒng)結構
5.2.3 系統(tǒng)數(shù)據(jù)庫設計
5.3 系統(tǒng)實現(xiàn)技術
5.3.1 C#與MATLAB混合編程
5.3.2 C#與Excel的交互
5.3.3 C#與MySQL 的交互
5.4 系統(tǒng)界面功能設計及調度模塊實現(xiàn)
5.4.1 界面設計
5.4.2 資源管理模塊
5.4.3 任務排程調度模塊
5.5 實例驗證
5.6 本章小結
總結與展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及科研成果
本文編號:3726693
【文章頁數(shù)】:80 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題來源
1.2 課題研究背景及意義
1.3 國內外研究現(xiàn)狀
1.3.1 車間動態(tài)調度方式研究現(xiàn)狀
1.3.2 柔性車間重調度研究現(xiàn)狀
1.3.3 柔性車間批量調度研究現(xiàn)狀
1.3.4 問題分析及總結
1.4 論文研究內容及結構
第2章 柔性作業(yè)車間批量重調度問題
2.1 作業(yè)車間批量動態(tài)調度問題描述
2.2 作業(yè)車間批量重調度問題的數(shù)學建模
2.2.1 模型假設
2.2.2 變量定義
2.2.3 數(shù)學模型
2.3 基于延遲懲罰容忍度的重調度策略
2.3.1 柔性作業(yè)車間中的擾動類型
2.3.2 延遲懲罰容忍度
2.3.3 重調度策略
2.4 求解方法
2.4.1 傳統(tǒng)求解方法
2.4.2 智能的調度方法
2.4.3 本文的求解方法
2.5 本章小結
第3章 插單批量重調度算法研究及應用
3.1 插單批量重調度概述
3.2 遺傳算法及群體智能算法
3.2.1 遺傳算法原理及流程
3.2.2 群體智能算法概述
3.2.3 粒子群算法原理及流程
3.3 基于群體智能搜索遺傳算法的插單調度分批算法
3.3.1 分批選擇
3.3.2 批量選擇
3.3.3 調度分批算法
3.3.4 分批算法流程
3.4 分批算法在插單調度實例中的驗證和應用
3.4.1 分批算法效率與優(yōu)化性能驗證
3.4.2 某零配件車間分批插單實例求解的多種算法對比驗證
3.4.3 某航空結構件廠實際生產實例的分批調度應用
3.5 本章小結
第4章 機床故障批量重調度算法研究
4.1 機床故障批量重調度概述
4.2 強化學習算法
4.2.1 強化學習原理及結構
4.2.2 強化學習中的幾個關鍵概念
4.2.3 Q-learning
4.3 基于Q-learning的機床故障調度
4.3.1 機床故障問題調度問題模型
4.3.2 動作集定義
4.3.3 狀態(tài)變量確定和狀態(tài)劃分
4.3.4 回報函數(shù)的建立
4.4 模型實現(xiàn)及驗證
4.4.1 單工序單Agent模型
4.4.2 多工序多Agent模型
4.4.3 模型驗證
4.5 本章小結
第5章 智能調度系統(tǒng)開發(fā)與應用
5.1 引言
5.2 系統(tǒng)概述
5.2.1 系統(tǒng)的主要功能模塊及工作流
5.2.2 系統(tǒng)結構
5.2.3 系統(tǒng)數(shù)據(jù)庫設計
5.3 系統(tǒng)實現(xiàn)技術
5.3.1 C#與MATLAB混合編程
5.3.2 C#與Excel的交互
5.3.3 C#與MySQL 的交互
5.4 系統(tǒng)界面功能設計及調度模塊實現(xiàn)
5.4.1 界面設計
5.4.2 資源管理模塊
5.4.3 任務排程調度模塊
5.5 實例驗證
5.6 本章小結
總結與展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的論文及科研成果
本文編號:3726693
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3726693.html
教材專著