科技進(jìn)步推動(dòng)制造業(yè)不斷發(fā)展,多品種、小批量的高柔性混流生產(chǎn)模式能夠滿足客戶需求的多樣性,快速響應(yīng)市場(chǎng)需求,因而被制造業(yè)廣泛采用并推廣。面向訂單的生產(chǎn)能夠使企業(yè)節(jié)約不必要的浪費(fèi),當(dāng)生產(chǎn)需求難以預(yù)測(cè)時(shí),訂單式生產(chǎn)往往能降低積壓貨物的風(fēng)險(xiǎn),獲得較高利益。有效的車間調(diào)度方案有助于制造業(yè)高效利用生產(chǎn)資源、進(jìn)行有序生產(chǎn)、降低生產(chǎn)成本、提高生產(chǎn)效率、以獲得高的經(jīng)濟(jì)效益。車間調(diào)度考慮在每個(gè)階段性的計(jì)劃期內(nèi),訂單產(chǎn)品該如何生產(chǎn),生產(chǎn)的順序等。本文在對(duì)面向訂單的混流生產(chǎn)線車間調(diào)度問題的研究中發(fā)現(xiàn),車間生產(chǎn)所有的部件到達(dá)最后裝配工位的時(shí)間相差較大,在最后的總裝工序有堆疊的現(xiàn)象,因此建立了以訂單交貨期的準(zhǔn)時(shí)度和同個(gè)產(chǎn)品部件分別完成的同時(shí)度為目標(biāo)函數(shù)的車間調(diào)度模型。結(jié)合面向訂單的混流生產(chǎn)線車間調(diào)度的特點(diǎn),在綜合分析幾種算法之后,提出基于工序和工件的雙層編碼方式,設(shè)計(jì)了一種改進(jìn)的社會(huì)粒子群算法,用模擬算例進(jìn)行分析驗(yàn)證,并用標(biāo)準(zhǔn)粒子群算法和混合粒子群算法作為對(duì)比,對(duì)改進(jìn)粒子群算法的有效性和適用性進(jìn)行驗(yàn)證,對(duì)比得出改進(jìn)粒子群算法的優(yōu)越性。選取某裝飾工程有限公司斷橋鋁門窗A生產(chǎn)線,分析該生產(chǎn)線現(xiàn)存在的問題,建立相應(yīng)的車... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-1粒子群算法尋優(yōu)圖解

中北大學(xué)學(xué)位論文36計(jì)對(duì)應(yīng)的交叉算子以及變異算子，進(jìn)行交叉和變異的操作，來產(chǎn)生新的種群，經(jīng)過重復(fù)的迭代運(yùn)算，達(dá)到停止條件后結(jié)束運(yùn)算。得到最優(yōu)解，進(jìn)行解碼操作，轉(zhuǎn)變成實(shí)際問題的最優(yōu)解。（2）遺傳算法的運(yùn)算流程遺傳算法的運(yùn)算流程如下圖3-5所示。圖3-5遺傳算法的運(yùn)算流程Fig.3-5Geneticalgorithmoperationprocess對(duì)遺傳算法的運(yùn)算步驟做如下說明：1）隨機(jī)產(chǎn)生一個(gè)種群，將這個(gè)初始種群作為問題的初始解；2）結(jié)合問題，選擇合適的編碼方式對(duì)種群中的個(gè)體進(jìn)行編碼，常用的編碼方式有浮點(diǎn)數(shù)編碼和二進(jìn)制編碼；3）將目標(biāo)函數(shù)值作為個(gè)體的適應(yīng)度，計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度值；4）根據(jù)適應(yīng)度值選擇對(duì)應(yīng)的父代，選擇較優(yōu)的個(gè)體進(jìn)行下一步操作；5）復(fù)制選出的父代基因，并采用交叉、變異等操作產(chǎn)生子代；6）根據(jù)設(shè)定的條件判斷算法是否繼續(xù)執(zhí)行，找出子代適應(yīng)度最優(yōu)的個(gè)體作為解并結(jié)束程序。

中北大學(xué)學(xué)位論文41該調(diào)度計(jì)劃生產(chǎn)的四種產(chǎn)品，共12個(gè)工件，經(jīng)過用標(biāo)準(zhǔn)粒子群算法，改進(jìn)粒子群算法以及混合粒子群算法對(duì)問題進(jìn)行求解，得到以下結(jié)果：表3-5仿真結(jié)果對(duì)比Tab.3-5Comparisonofsimulationresults1f(x)2f(x)f達(dá)到最優(yōu)解的迭代次數(shù)標(biāo)準(zhǔn)粒子群算法17521.50128.95189改進(jìn)粒子群算法732959.80100混合粒子群算法1093085.3091仿真得到的算法迭代圖如圖3-7所示：圖3-7算法迭代圖Fig.3-7Algorithmiterationdiagram經(jīng)過對(duì)比可知，改進(jìn)粒子群算法收斂速度較快，得出的結(jié)果較優(yōu)，求解較為穩(wěn)定且求解精度高，保障了所有得到的解盡可能接近最優(yōu)的解，改進(jìn)后，算法迭代到第100次得到最優(yōu)解。

【參考文獻(xiàn)】：
期刊論文
[1]基于自然選擇粒子群算法的WSN覆蓋優(yōu)化策略[J]. 崔麗珍,李曉宇,胡海東,史明泉.  微電子學(xué)與計(jì)算機(jī). 2018(04)
[2]基于自然選擇粒子群的時(shí)鐘同步算法[J]. 蔣伊琳,張芳園.  西南交通大學(xué)學(xué)報(bào). 2017(03)
[3]基于改進(jìn)粒子群優(yōu)化算法的混流裝配線演進(jìn)平衡[J]. 吳永明,戴隆州,李少波,羅利飛.  計(jì)算機(jī)集成制造系統(tǒng). 2017(04)
[4]求解第Ⅱ類裝配線平衡的改進(jìn)粒子群算法[J]. 吳永明,戴隆州,羅利飛,杜飛龍.  機(jī)械設(shè)計(jì)與制造. 2017(02)
[5]基于行為運(yùn)籌的生產(chǎn)調(diào)度干擾管理模型[J]. 丁秋雷,姜洋.  系統(tǒng)工程理論與實(shí)踐. 2016(03)
[6]面向大批量定制的產(chǎn)品族裝配線平衡優(yōu)化[J]. 吳永明,戴隆州,羅利飛.  機(jī)械設(shè)計(jì)與制造. 2016(01)
[7]基于改進(jìn)粒子群算法求解第二類裝配線平衡問題[J]. 劉海江,湯偉,張含葉.  中國(guó)工程機(jī)械學(xué)報(bào). 2014(06)
[8]基于改進(jìn)遺傳算法的混裝線多目標(biāo)優(yōu)化[J]. 韓煜東,董雙飛,譚柏川.  計(jì)算機(jī)集成制造系統(tǒng). 2015(06)
[9]基于JIT的汽車混流裝配線排產(chǎn)研究[J]. 王巍,王靜.  森林工程. 2014(04)
[10]基于粒子群算法下的PIDNN解耦控制[J]. 謝文杰,郭正光.  現(xiàn)代計(jì)算機(jī). 2013(12)

博士論文
[1]混合品種裝配線平衡與排序優(yōu)化技術(shù)研究[D]. 李智.山東大學(xué) 2013

碩士論文
[1]定制化訂單裝配型企業(yè)生產(chǎn)計(jì)劃分解與調(diào)度方法研究[D]. 郭儀.合肥工業(yè)大學(xué) 2019
[2]JIT生產(chǎn)方式下多品種小批量混流裝配線研究[D]. 孟英晨.中國(guó)礦業(yè)大學(xué) 2018
[3]基于混合粒子群算法的多種能源工業(yè)園區(qū)電源容量配置優(yōu)化研究[D]. 謝飛.華北水利水電大學(xué) 2018
[4]面向訂單生產(chǎn)企業(yè)的訂單選擇及車間調(diào)度方法研究[D]. 咸凱.合肥工業(yè)大學(xué) 2018
[5]混合流水車間的單件定制產(chǎn)品制造裝配集成優(yōu)化調(diào)度問題研究[D]. 羅仁蔚.廣東工業(yè)大學(xué) 2016
[6]兩階段混流發(fā)動(dòng)機(jī)裝配車間調(diào)度優(yōu)化問題研究[D]. 張中敏.合肥工業(yè)大學(xué) 2016
[7]訂單式分布制造系統(tǒng)生產(chǎn)計(jì)劃與調(diào)度綜合優(yōu)化研究[D]. 王靜.沈陽工業(yè)大學(xué) 2016
[8]基于客戶訂單運(yùn)營(yíng)系統(tǒng)的交貨期與產(chǎn)量決策研究[D]. 王文龍.廣東工業(yè)大學(xué) 2015
[9]基于遺傳算法的混流生產(chǎn)線排序研究[D]. 賴明廷.昆明理工大學(xué) 2014
[10]基于IE技術(shù)的混流裝配線平衡系統(tǒng)研究與應(yīng)用[D]. 曹建華.沈陽大學(xué) 2013



本文編號(hào)：3569050