在智能工業(yè)體系下,生產(chǎn)與運輸協(xié)調(diào)已經(jīng)成為生產(chǎn)系統(tǒng)中最為重要的一環(huán)。企業(yè)生產(chǎn)過程具有工序繁多復雜、能耗高以及環(huán)境要求嚴格等特點,這使得合理地安排工序間的運輸變得尤為重要。為了縮短生產(chǎn)時間、降低能耗,使得企業(yè)既能響應國家智能工業(yè)的政策,又能符合綠色環(huán)保的要求,本文主要針對生產(chǎn)與運輸協(xié)調(diào)進行深入研究。本文以鋼鐵企業(yè)為研究背景,針對生產(chǎn)過程中時常含有高溫作業(yè)運輸?shù)忍攸c,提煉出兩個帶高溫運輸與帶批生產(chǎn)的協(xié)調(diào)調(diào)度問題進行研究。已知運輸與生產(chǎn)協(xié)調(diào)調(diào)度問題被證明是NP難問題,在求解過程中存在維數(shù)災難。因此,采用強化學習算法分別對兩個問題進行求解。本文主要研究的內(nèi)容如下:(1)針對單個批處理機環(huán)境,考慮多臺運輸車進行生產(chǎn)前運輸,考慮車輛和機器容量限制。工件動態(tài)到達運輸區(qū)后等待運輸,運輸?shù)缴a(chǎn)區(qū)等待批處理機生產(chǎn),批處理機可以同時加工多個工件作為一批。每批工件的加工時間為批次工件中加工時間的最大值,以總完工時間最小為目標,建立兩階段協(xié)調(diào)調(diào)度的模型。根據(jù)問題中車輛和機器忙閑程度、工件實時信息來定義狀態(tài)特征,將調(diào)度規(guī)則作為動作,根據(jù)問題目標定義獎勵,實現(xiàn)問題的轉(zhuǎn)化。針對狀態(tài)連續(xù)且空間過大的問題,采用了函數(shù)逼近的...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

圖3.5算法收斂曲線圖

第3章基于多車運輸與批處理機生產(chǎn)協(xié)調(diào)調(diào)度問題LCFS-FCFS、LCFS-SPT、LCFS-LPT進行對比實驗。3.5.1實驗參數(shù)設置本次實驗采用的數(shù)據(jù)和實驗環(huán)境如下描述。本章所有實驗都是在Pycharm上采用Python語言進行代碼編寫，運行在Intel(R)Core(TM)i....

圖4.5算法收斂圖

第4章基于惡化特征的運輸與多批處理機生產(chǎn)協(xié)調(diào)調(diào)度問題采用Python語言進行代碼編寫，運行在Intel(R)Core(TM)i3-3217UCPU處理器Windows操作系統(tǒng)PC平臺。具體實驗數(shù)據(jù)如表4.1所示。表4.1實驗數(shù)據(jù)相關信息Table4.1Experimentalda....

本文編號：3953645