本文關(guān)鍵詞： 拆分模型 改進(jìn)粒子群算法 產(chǎn)品調(diào)度 資源分配 改進(jìn)人工魚算法　出處：《廣東工業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：隨著市場(chǎng)需求由大批量、少品種轉(zhuǎn)變?yōu)樾∨�、多品種,生產(chǎn)單一品種的流水線也逐漸轉(zhuǎn)換成生產(chǎn)多種同類產(chǎn)品的可變生產(chǎn)線。但是隨著品種進(jìn)一步增加,單品種的訂單數(shù)量隨著市場(chǎng)的需求波動(dòng)的情況下,可變生產(chǎn)線的規(guī)模變大、操作工數(shù)量增多,因換產(chǎn)頻繁而造成的換產(chǎn)準(zhǔn)備時(shí)間長(zhǎng)、設(shè)備利用率低、操作工效率低、適應(yīng)能力差�？勺兩a(chǎn)線拆分勢(shì)在必行。該問(wèn)題普遍存在于以電子產(chǎn)品生產(chǎn)企業(yè)的組裝生產(chǎn)線為代表的制造業(yè),對(duì)其進(jìn)行研究有重要的理論意義和工程上的實(shí)用價(jià)值。多通道是濃縮的可變生產(chǎn)線,與可變生產(chǎn)線相比具有產(chǎn)線規(guī)模減少,換產(chǎn)準(zhǔn)備時(shí)間少,便于產(chǎn)品調(diào)度等優(yōu)點(diǎn)。本文的輸入條件是多階段、變批次,具有最小批次限制工序相似多種產(chǎn)品確定性訂單,確定的操作工數(shù)量和工作地中設(shè)備數(shù)量,研究的內(nèi)容是在設(shè)備資源和人力資源約束下,可變生產(chǎn)線拆分的資源分配優(yōu)化和優(yōu)化排程的問(wèn)題,使得在一定的時(shí)期(例如一年),不改變生產(chǎn)線的結(jié)構(gòu)的前提下,劃分多個(gè)交貨期(多階段),在每個(gè)階段中產(chǎn)品分批生產(chǎn),批量不定,但有最小批次的限制,使其拖期數(shù)量最少�？勺兩a(chǎn)線拆分建立多通道的數(shù)學(xué)模型,可抽象為非線性的整數(shù)規(guī)劃問(wèn)題。由于需考慮拆分后生產(chǎn)線數(shù)量、操作工分配、設(shè)備分配和優(yōu)化排程等若干問(wèn)題,把拆分后的數(shù)學(xué)模型分成兩層求解,上層是資源分配問(wèn)題,研究構(gòu)建多通道的數(shù)量、操作工及設(shè)備在多通道的分配方案。下層是產(chǎn)品調(diào)度問(wèn)題,研究具有多階段、可分批、變批量、有最小批次限制的產(chǎn)品分配問(wèn)題。資源分配是產(chǎn)品調(diào)度的前提,產(chǎn)品調(diào)度是資源分配的結(jié)果。每個(gè)問(wèn)題都是NP難問(wèn)題,采用的方法是資源分配和產(chǎn)品調(diào)度要是循環(huán)迭代過(guò)程,反復(fù)迭代中得到相對(duì)優(yōu)解。本論文從以下幾個(gè)方面進(jìn)行了研究：首先,可變生產(chǎn)線重構(gòu)統(tǒng)一模型的研究。針對(duì)以拖期數(shù)量為目標(biāo)函數(shù)多時(shí)段變批量有最小批次限制的可變生產(chǎn)線重構(gòu)問(wèn)題,建立以拖期數(shù)量最小為目標(biāo)函數(shù)的統(tǒng)一的數(shù)學(xué)模型。通過(guò)對(duì)問(wèn)題進(jìn)行分析,當(dāng)問(wèn)題的規(guī)模增加不多時(shí),決策變量的數(shù)量急劇上升。為了減少解的規(guī)模,增加了資源配置的約束條件,按照不同模式給出細(xì)化模型。其次,對(duì)多通道和產(chǎn)品單元的細(xì)化模型進(jìn)行分析,證明了多通道資源分配問(wèn)題是NP-完全問(wèn)題,不給定調(diào)度規(guī)則,并行機(jī)產(chǎn)品調(diào)度問(wèn)題是NP-HARD問(wèn)題。給出多通道數(shù)量提出了“細(xì)胞”多通道的概念,并運(yùn)用它解決多通道資源分配問(wèn)題。第三,提出改進(jìn)粒子群算法,并運(yùn)用它解決隨時(shí)段變化訂單產(chǎn)品調(diào)度問(wèn)題,通過(guò)與文獻(xiàn)中其他算法的比較,體現(xiàn)了改進(jìn)粒子群算法在目標(biāo)函數(shù)和運(yùn)行時(shí)間的優(yōu)勢(shì)。提出變批量多時(shí)段的改進(jìn)優(yōu)化調(diào)度規(guī)則算法,給出它的下界。運(yùn)用它解決不隨時(shí)段變化訂單的產(chǎn)品調(diào)度問(wèn)題,與不分批的EDD+FCFS、EDD+LPT、EDD+SPT、EDD+RWD等傳統(tǒng)優(yōu)化調(diào)度規(guī)則算法比較。第四,采用改進(jìn)的人工魚群算法+改進(jìn)粒子群算法解決大規(guī)模的多通道隨時(shí)段變化訂單聯(lián)合決策問(wèn)題；改進(jìn)的人工魚群算法+DM-LPT規(guī)則調(diào)度算法求不隨時(shí)段變化訂單的大規(guī)模多通道聯(lián)合決策問(wèn)題；枚舉法+改進(jìn)粒子群算法解決小規(guī)模的多通道隨時(shí)段變化訂單聯(lián)合決策問(wèn)題；枚舉法+DM-LPT規(guī)則調(diào)度算法求不隨時(shí)段變化訂單的小規(guī)模多通道聯(lián)合決策問(wèn)題。該論文的創(chuàng)新點(diǎn)為以拖期數(shù)量為目標(biāo)函數(shù)的多時(shí)段動(dòng)態(tài)調(diào)度的生產(chǎn)線重構(gòu)的研究。
[Abstract]:This paper studies the distribution of variable production lines , which is based on the number of production lines , the number of operators , the distribution of equipment and the scheduling of products . In order to reduce the size of the solution , the problem of multi - channel resource allocation is presented . The improved particle swarm optimization algorithm is used to solve the problem of multi - channel joint decision - making in large - scale multi - channel change order .

【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：F273;O221.4
，

本文編號(hào)：1546481