發(fā)布時間：2018-03-10 17:13

  本文選題：生產(chǎn)調(diào)度　切入點：置換流水車間調(diào)度　出處：《華東理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：生產(chǎn)計劃和生產(chǎn)調(diào)度是離散制造業(yè)企業(yè)生產(chǎn)管理技術(shù)的核心。生產(chǎn)計劃是制造企業(yè)在較長一段時間里對生產(chǎn)活動制定的生產(chǎn)目標。生產(chǎn)調(diào)度主要解決協(xié)調(diào)生產(chǎn)計劃、生產(chǎn)工藝、訂單交期、過程中的實時狀態(tài)數(shù)據(jù)等信息,制定較短一段時間里制造過程作業(yè)計劃,一般涵蓋關(guān)鍵操作交貨計劃、作業(yè)排序計劃和機臺選擇計劃等具體計劃實施,還包括操作加工組(機器)順序和各組(機器)上的工件加工順序或加工開始時間等關(guān)鍵調(diào)度決策以及其他輔助性調(diào)度決策。本論文針對某水表生產(chǎn)企業(yè)的多工藝、多品種以及客戶需求多樣化要求的生產(chǎn)過程,以企業(yè)實時ERP數(shù)據(jù)為基礎(chǔ),開展了置換流水車間調(diào)度問題的建模、優(yōu)化及應(yīng)用研究。論文的主要研究工作如下：(1)綜述了離散工業(yè)生產(chǎn)調(diào)度問題的分類及其特點,重點分析了置換流水車間生產(chǎn)調(diào)度問題模型及其對應(yīng)智能算法的優(yōu)化求解技術(shù)。(2)對所研究的水表制造企業(yè)的生產(chǎn)工藝過程進行了詳細的調(diào)研,采集水表制造企業(yè)ERP數(shù)據(jù),并對相關(guān)工藝做了具體的介紹。(3)采用多種群遺傳算法解決了置換流水車間標準測試問題中的8個Car類算例(Carl-Car8),并與標準遺傳算法比較,驗證了多種群遺傳算法的可行性。(4)針對調(diào)研獲得的水表制造工藝數(shù)據(jù),將其建模為置換流水車間問題,以最小化最大完工時間為目標,用多種群遺傳算法對該問題進行優(yōu)化求解,并與未優(yōu)化的完工時間對比,驗證了算法的有效性及可靠性,申請了計算機軟件著作權(quán),所得成果可以用于水表制造企業(yè)降低成本、提高生產(chǎn)效率。
[Abstract]:Production planning and production scheduling are the core of production management technology in discrete manufacturing enterprises. Production planning is the production goal that manufacturing enterprises set for a long period of time. Production scheduling mainly solves the problem of coordinated production planning and production process. Order delivery time, real time status data and other information in the process, make a short period of time manufacturing process job plan, generally covering key operations delivery plan, job scheduling and machine selection plan and other specific plans to implement, It also includes some key scheduling decisions, such as the order of operation processing group (machine) and the processing order or start time of workpiece on each group (machine), as well as other auxiliary scheduling decisions. Based on the real-time ERP data of the enterprise, the modeling of the scheduling problem of replacement income workshop is carried out based on the multi-variety production process and the diversified requirements of customers. The main research work of this paper is as follows: (1) the classification and characteristics of discrete industrial production scheduling problems are summarized. In this paper, the production scheduling problem model of displacement income shop and the optimization solution technology of corresponding intelligent algorithm are analyzed in detail. The production process of the water meter manufacturing enterprise is investigated in detail, and the ERP data of the water meter manufacturing enterprise are collected. The related technology is introduced in detail. (3) Multi-population genetic algorithm is used to solve the standard test problem of replacement income workshop. Eight examples of Car class Carl-Car8A are given, and compared with the standard genetic algorithm (SGA). The feasibility of multi-population genetic algorithm (MGA) is verified. (4) based on the data obtained from the investigation, the model is modeled as the replacement income workshop problem, with the goal of minimizing the maximum completion time. The multi-population genetic algorithm is used to solve the problem, and compared with the unoptimized completion time, the validity and reliability of the algorithm are verified, and the computer software copyright is applied. The results obtained can be used to reduce the cost of water meter manufacturing enterprises. Improve production efficiency.
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18;TB497

【相似文獻】

相關(guān)期刊論文 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應(yīng)用[J];流體機械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風;一種改進的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進展綜述[J];機床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂;杜海璐;;基于改進遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進的遺傳算法在反演問題中的應(yīng)用[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1594281