面向订单的混流生产线车间调度模型的研究
发布时间：2022-01-04 21:00
科技进步推动制造业不断发展,多品种、小批量的高柔性混流生产模式能够满足客户需求的多样性,快速响应市场需求,因而被制造业广泛采用并推广。面向订单的生产能够使企业节约不必要的浪费,当生产需求难以预测时,订单式生产往往能降低积压货物的风险,获得较高利益。有效的车间调度方案有助于制造业高效利用生产资源、进行有序生产、降低生产成本、提高生产效率、以获得高的经济效益。车间调度考虑在每个阶段性的计划期内,订单产品该如何生产,生产的顺序等。本文在对面向订单的混流生产线车间调度问题的研究中发现,车间生产所有的部件到达最后装配工位的时间相差较大,在最后的总装工序有堆叠的现象,因此建立了以订单交货期的准时度和同个产品部件分别完成的同时度为目标函数的车间调度模型。结合面向订单的混流生产线车间调度的特点,在综合分析几种算法之后,提出基于工序和工件的双层编码方式,设计了一种改进的社会粒子群算法,用模拟算例进行分析验证,并用标准粒子群算法和混合粒子群算法作为对比,对改进粒子群算法的有效性和适用性进行验证,对比得出改进粒子群算法的优越性。选取某装饰工程有限公司断桥铝门窗A生产线,分析该生产线现存在的问题,建立相应的车...
【文章来源】：中北大学山西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图3-1粒子群算法寻优图解
中北大学学位论文36计对应的交叉算子以及变异算子，进行交叉和变异的操作，来产生新的种群，经过重复的迭代运算，达到停止条件后结束运算。得到最优解，进行解码操作，转变成实际问题的最优解。（2）遗传算法的运算流程遗传算法的运算流程如下图3-5所示。图3-5遗传算法的运算流程Fig.3-5Geneticalgorithmoperationprocess对遗传算法的运算步骤做如下说明：1）随机产生一个种群，将这个初始种群作为问题的初始解；2）结合问题，选择合适的编码方式对种群中的个体进行编码，常用的编码方式有浮点数编码和二进制编码；3）将目标函数值作为个体的适应度，计算种群中每个个体的适应度值；4）根据适应度值选择对应的父代，选择较优的个体进行下一步操作；5）复制选出的父代基因，并采用交叉、变异等操作产生子代；6）根据设定的条件判断算法是否继续执行，找出子代适应度最优的个体作为解并结束程序。
中北大学学位论文41该调度计划生产的四种产品，共12个工件，经过用标准粒子群算法，改进粒子群算法以及混合粒子群算法对问题进行求解，得到以下结果：表3-5仿真结果对比Tab.3-5Comparisonofsimulationresults1f(x)2f(x)f达到最优解的迭代次数标准粒子群算法17521.50128.95189改进粒子群算法732959.80100混合粒子群算法1093085.3091仿真得到的算法迭代图如图3-7所示：图3-7算法迭代图Fig.3-7Algorithmiterationdiagram经过对比可知，改进粒子群算法收敛速度较快，得出的结果较优，求解较为稳定且求解精度高，保障了所有得到的解尽可能接近最优的解，改进后，算法迭代到第100次得到最优解。
【参考文献】：
期刊论文
[1]基于自然选择粒子群算法的WSN覆盖优化策略[J]. 崔丽珍,李晓宇,胡海东,史明泉. 微电子学与计算机. 2018(04)
[2]基于自然选择粒子群的时钟同步算法[J]. 蒋伊琳,张芳园. 西南交通大学学报. 2017(03)
[3]基于改进粒子群优化算法的混流装配线演进平衡[J]. 吴永明,戴隆州,李少波,罗利飞. 计算机集成制造系统. 2017(04)
[4]求解第Ⅱ类装配线平衡的改进粒子群算法[J]. 吴永明,戴隆州,罗利飞,杜飞龙. 机械设计与制造. 2017(02)
[5]基于行为运筹的生产调度干扰管理模型[J]. 丁秋雷,姜洋. 系统工程理论与实践. 2016(03)
[6]面向大批量定制的产品族装配线平衡优化[J]. 吴永明,戴隆州,罗利飞. 机械设计与制造. 2016(01)
[7]基于改进粒子群算法求解第二类装配线平衡问题[J]. 刘海江,汤伟,张含叶. 中国工程机械学报. 2014(06)
[8]基于改进遗传算法的混装线多目标优化[J]. 韩煜东,董双飞,谭柏川. 计算机集成制造系统. 2015(06)
[9]基于JIT的汽车混流装配线排产研究[J]. 王巍,王静. 森林工程. 2014(04)
[10]基于粒子群算法下的PIDNN解耦控制[J]. 谢文杰,郭正光. 现代计算机. 2013(12)
博士论文
[1]混合品种装配线平衡与排序优化技术研究[D]. 李智.山东大学 2013
硕士论文
[1]定制化订单装配型企业生产计划分解与调度方法研究[D]. 郭仪.合肥工业大学 2019
[2]JIT生产方式下多品种小批量混流装配线研究[D]. 孟英晨.中国矿业大学 2018
[3]基于混合粒子群算法的多种能源工业园区电源容量配置优化研究[D]. 谢飞.华北水利水电大学 2018
[4]面向订单生产企业的订单选择及车间调度方法研究[D]. 咸凯.合肥工业大学 2018
[5]混合流水车间的单件定制产品制造装配集成优化调度问题研究[D]. 罗仁蔚.广东工业大学 2016
[6]两阶段混流发动机装配车间调度优化问题研究[D]. 张中敏.合肥工业大学 2016
[7]订单式分布制造系统生产计划与调度综合优化研究[D]. 王静.沈阳工业大学 2016
[8]基于客户订单运营系统的交货期与产量决策研究[D]. 王文龙.广东工业大学 2015
[9]基于遗传算法的混流生产线排序研究[D]. 赖明廷.昆明理工大学 2014
[10]基于IE技术的混流装配线平衡系统研究与应用[D]. 曹建华.沈阳大学 2013
本文编号：3569050
【文章来源】：中北大学山西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图3-1粒子群算法寻优图解
中北大学学位论文36计对应的交叉算子以及变异算子，进行交叉和变异的操作，来产生新的种群，经过重复的迭代运算，达到停止条件后结束运算。得到最优解，进行解码操作，转变成实际问题的最优解。（2）遗传算法的运算流程遗传算法的运算流程如下图3-5所示。图3-5遗传算法的运算流程Fig.3-5Geneticalgorithmoperationprocess对遗传算法的运算步骤做如下说明：1）随机产生一个种群，将这个初始种群作为问题的初始解；2）结合问题，选择合适的编码方式对种群中的个体进行编码，常用的编码方式有浮点数编码和二进制编码；3）将目标函数值作为个体的适应度，计算种群中每个个体的适应度值；4）根据适应度值选择对应的父代，选择较优的个体进行下一步操作；5）复制选出的父代基因，并采用交叉、变异等操作产生子代；6）根据设定的条件判断算法是否继续执行，找出子代适应度最优的个体作为解并结束程序。
中北大学学位论文41该调度计划生产的四种产品，共12个工件，经过用标准粒子群算法，改进粒子群算法以及混合粒子群算法对问题进行求解，得到以下结果：表3-5仿真结果对比Tab.3-5Comparisonofsimulationresults1f(x)2f(x)f达到最优解的迭代次数标准粒子群算法17521.50128.95189改进粒子群算法732959.80100混合粒子群算法1093085.3091仿真得到的算法迭代图如图3-7所示：图3-7算法迭代图Fig.3-7Algorithmiterationdiagram经过对比可知，改进粒子群算法收敛速度较快，得出的结果较优，求解较为稳定且求解精度高，保障了所有得到的解尽可能接近最优的解，改进后，算法迭代到第100次得到最优解。
【参考文献】：
期刊论文
[1]基于自然选择粒子群算法的WSN覆盖优化策略[J]. 崔丽珍,李晓宇,胡海东,史明泉. 微电子学与计算机. 2018(04)
[2]基于自然选择粒子群的时钟同步算法[J]. 蒋伊琳,张芳园. 西南交通大学学报. 2017(03)
[3]基于改进粒子群优化算法的混流装配线演进平衡[J]. 吴永明,戴隆州,李少波,罗利飞. 计算机集成制造系统. 2017(04)
[4]求解第Ⅱ类装配线平衡的改进粒子群算法[J]. 吴永明,戴隆州,罗利飞,杜飞龙. 机械设计与制造. 2017(02)
[5]基于行为运筹的生产调度干扰管理模型[J]. 丁秋雷,姜洋. 系统工程理论与实践. 2016(03)
[6]面向大批量定制的产品族装配线平衡优化[J]. 吴永明,戴隆州,罗利飞. 机械设计与制造. 2016(01)
[7]基于改进粒子群算法求解第二类装配线平衡问题[J]. 刘海江,汤伟,张含叶. 中国工程机械学报. 2014(06)
[8]基于改进遗传算法的混装线多目标优化[J]. 韩煜东,董双飞,谭柏川. 计算机集成制造系统. 2015(06)
[9]基于JIT的汽车混流装配线排产研究[J]. 王巍,王静. 森林工程. 2014(04)
[10]基于粒子群算法下的PIDNN解耦控制[J]. 谢文杰,郭正光. 现代计算机. 2013(12)
博士论文
[1]混合品种装配线平衡与排序优化技术研究[D]. 李智.山东大学 2013
硕士论文
[1]定制化订单装配型企业生产计划分解与调度方法研究[D]. 郭仪.合肥工业大学 2019
[2]JIT生产方式下多品种小批量混流装配线研究[D]. 孟英晨.中国矿业大学 2018
[3]基于混合粒子群算法的多种能源工业园区电源容量配置优化研究[D]. 谢飞.华北水利水电大学 2018
[4]面向订单生产企业的订单选择及车间调度方法研究[D]. 咸凯.合肥工业大学 2018
[5]混合流水车间的单件定制产品制造装配集成优化调度问题研究[D]. 罗仁蔚.广东工业大学 2016
[6]两阶段混流发动机装配车间调度优化问题研究[D]. 张中敏.合肥工业大学 2016
[7]订单式分布制造系统生产计划与调度综合优化研究[D]. 王静.沈阳工业大学 2016
[8]基于客户订单运营系统的交货期与产量决策研究[D]. 王文龙.广东工业大学 2015
[9]基于遗传算法的混流生产线排序研究[D]. 赖明廷.昆明理工大学 2014
[10]基于IE技术的混流装配线平衡系统研究与应用[D]. 曹建华.沈阳大学 2013
本文编号：3569050
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3569050.html