软包装车间智能制造系统设计与开发
这是一篇关于软包装车间,智能制造系统,车间调度,遗传模拟退火的论文, 主要内容为近年来,在智能制造的大背景下,我国制造业也随着时代发展逐步向智能化、信息化产业转型。然而,软包装行业属于典型的短周期、小批量、多品种离散型制造行业,面临着生产管理落后、车间信息传递不及时、资源配置不合理、执行效率低等问题。面对这些问题,软包装企业迫切需要实施智能制造系统来加强企业的生产管理能力,从而实现从传统制造向智能制造转型。目前国内对于软包装行业的智能制造系统的研究比较缺乏,以及对系统的关键模块和功能的研究不够深入,并且软包装企业在智能制造系统的应用深度和实际效果方面还有很大的提升空间。因此,本文以软包装生产车间为研究对象,针对软包装企业的生产特点和业务需求,对软包装车间智能制造系统进行设计和研发。首先,本文分析了软包装企业的生产工艺流程,梳理了软包装车间生产管理存在的问题,在此基础上分析了系统实施的需求,设计了系统架构和功能模块。然后,结合软包装企业生产特点对系统关键模块进行设计,构建了车间静态和动态资源模型,设计了半成品和物料的跟踪流程,通过对现有数据采集技术的优缺点进行比较,提出了适合软包装车间的数据采集方案,同时设计了数据库,并提出了基于电子看板的可视化监控方案。其次,针对软包装车间能耗高和生产周期长的问题,设计了软包装车间智能制造系统生产调度算法。在能耗分析的基础上建立以最小化完工时间和最小化能耗的多目标优化调度模型,设计了改进遗传模拟退火算法,为验证调度方案的可行性,以软包装车间作为实例进行仿真验证。最后,介绍了系统的开发环境和技术工具,开发了基于B/S架构、前后端分离模式的软包装车间智能制造系统,实现了系统各个功能模块,并对系统进行了功能和性能测试,以验证其稳定性。
基于遗传算法的柔性资源车间调度研究
这是一篇关于柔性资源,车间调度,遗传算法,多目标优化的论文, 主要内容为车间作业调度是制造系统的一个研究热点，也是理论研究中最为困难的问题之一，目前已成为CIMS领域内的重要研究问题。有效的调度方法与优化技术的研究和应用，对于制造企业提高生产效率、降低生产成本等方面起着重要作用，因而越来越受到学者们的关注。 车间资源的有限性制约着能否有效利用车间现有资源完成任务，以最快的速度响应市场需求，促使制造型企业能否赢得市场竞争。调度的任务是根据生产目标和约束，为每个加工对象确定具体的加工路线、时间、机器和操作等。优良的调度策略对于提高生产系统的最优性、提高经济效益都有着极大的作用。但是由于资源约束和工艺约束的并存，迄今计算复杂性理论表明，多数调度问题属于NP-hard(Non-deterministic polynomial-Hard，非确定性多项式)问题，目标解的搜索涉及解空间的组合爆炸。同时，实际车间中的各种动态事件难以预计，以致车间调度问题异常复杂，迄今为止还没有一种通用有效的调度策略。 本文首先介绍国内外车间调度研究的方法和发展现状，阐述遗传算法的基本概念、原理和方法。其次对所研究的流水车间调度和作业车间调度进行了详细的数学分析，并对数学描述进行了简化，为下一步算法设计建立数学模型。 用遗传算法研究了具有多工艺加工路径的车间生产智能优化调度问题，提出了一种将遗传算法和分派规则相结合的调度算法，将加工计划与生产调度同时考虑。研究了双柔性资源受制约的车间生产的调度问题。对于机床设备／工人受制约的调度问题，给出了调度算法，证明了该算法的正确性和优越性，并阐述了本算法采用的遗传编码的优越性。
基于RFID的定点装配两级动态调度方法
这是一篇关于RFID,物联网,定点装配,车间调度,重调度,遗传算法的论文, 主要内容为为解决大型复杂产品装配移动性能差、装配工序约束复杂、装配任务模糊不清的问题,本文提出了基于RFID物联网技术的定点装配车间制造模式,主要通过装配主体工件不动而装配人员移动于各个装配单元的方式进行装配,旨在基于装配单元的角度分解装配工序,以解决车间调度的复杂性问题。这种调度模式不仅是当前生产调度领域所研究的新兴问题,也是我国大力发展航空、航海及装备制造过程中产生的重要研究课题。 针对定点装配所面临的装配工位固定、装配人员有限、装配工件复杂多约束的问题,本文采用了调度--重调度的两级车间动态调度机制。首先,组织合理的车间调度计划,使得分散的生产资源随着生产流程逐渐向装配单元动态推进；同时根据RFID所采集数据的生产,动态性进行定点装配执行过程与计划的偏差判断,适时地启动重调度机制,从而达到车间生产动态的计划、执行和控制。 首先对定点装配的制造模式进行整体介绍。本文从区别于传统车间生产方式的角度,详细阐述了定点装配的生产特点和整体车间环境,针对定点装配的车间所面临的信息共享实时性差及生产复杂度高等问题,提出基于RFID的无线制造车间的装配运作逻辑。 其次对定点装配车间两级调度问题进行分析和建模。通过对具有工序约束的定点装配产品特性进行分析,利用其复杂的装配树状工序图的横向(加工工序层)和纵向(加工路径)的结构关系,结合横向优化工序约束、纵向优化工序路径的双重优化方式,提出了用时短、关键路径等调度规则,建立起了针对装配工序、装配单元、装配人员等资源的初始调度模型；而针对车间实时扰动所导致的装配执行过程与计划过程的偏差问题,确定扰动和阂值处理机制,动态调整可调度工序集,适时地启动车间重调度模型。 最后提出了遗传算法和基于物联网技术的定点装配车间解决方案。通过应用遗传算法案例对所建模型进行调度--重调度的两级联合调度的验证,调度结果在满足模型设计准则、工序和资源的约束,资源最优化利用的前提下,达到了总装配工时最优；结合基于物联网技术的系统案例,从智能缓存、智能装配以及智能计划与监控模块分别执行调度计划所产生的装配任务,利用RFID在车间装配中数据采集的实时性和准确性,保证车间装配的连续性和高效性。在本文的结论处,详细的总结了定点装配问题和经典JSP问题在形式、模型、结果三方面各角度的不同之处。
基于精益生产涂装内场作业计划的研究
这是一篇关于精细化管理,派工计划,车间调度,堆场调度的论文, 主要内容为以最小的资源投入，包括人力、设备、资金、材料、时间和空间，创造出尽可能多的价值这就是精益化管理的核心。本文正是基于精益化思想，围绕造船涂装内场的精细化派工、内场车间调度、堆场调度三方面展开研究。 （1）基于精细化管理的派工研究 劳动力计划是作业计划中最为重要的组成部分。涂装劳务队的外包模式在一定程度上减轻了企业的管理负担，但是由于外包模式的运用使得部门管理不够细化，造成资源浪费。本文在分析涂装内场两大作业内容——冲砂和油漆作业后，列出其各自特点及在现场作业中影响效率的因素；对各因素对效率影响的程度进行了简要分析，估算出在多因素影响下作业的效率，基于此效率对工人进行派工，在消除派工的不合理性方面效果显著。进而在管理上在加以相应的激励机制，能达到稳步提升作业者效率的目标。 （2）精益化的涂装车间计划研究 涂装车间调度可以简化为JSP（Job shop problem）调度，是一个典型的NP-hard问题。本文在分析涂装作业的基础上，以费用成本为优化目标，对分段在涂装过程中的存储成本和人力成本进行测算，以某一周计划为实例进行优化，优化后得到的结果与实际作业计划相比较在时间上和费用消耗上都有较大节省。 （3）涂装堆场的精益化研究 本文分析两种堆场优化目标，以经济性为切入点，得出以减少无效移动为目标函数能有效降低各项费用。本文以8×9堆场为研究对象，分析其在不同负荷下和不同周期下无效移动次数并建立模型，以遗传算法求解，得出的结果证明该模型能有效减少无效移动。最后基于研究结论对堆场规划和计划提出一些改进建议，在日常生产中能为进一步理顺堆场物流提供思路，对分段堆场管理起铺垫作用。 本文在对涂装作业分析的基础上提出一种合理派工的新型方法，能合理的分配作业者任务，达到公平合理的目的。对内场车间和堆场，本文以经济性为立足点，对作业和调度过程中各项费用进行分析并优化，能有效减少费用，为涂装内场向精益化迈进提供支撑。
基于强化学习的车间调度优化算法研究
这是一篇关于车间调度,强化学习,指针网络,遗传算法的论文, 主要内容为近年来,随着西方国家“工业4.0”和我国“中国制造2025”等战略的相继提出,世界各国在制造业的竞争越来越激烈,旨在通过智能制造提高生产力,在国际化的市场竞争中占据主动地位。车间调度是智能制造的关键环节,良好的车间调度方案可以帮助企业提升生产效率,降低制造成本,帮助企业更好地应对市场挑战,对于制造业实现智能化产业升级具有重要的理论价值和实际意义。论文对车间调度问题中最典型的置换流水车间调度问题和柔性作业车间调度问题进行了深入研究,主要工作总结如下:(1)针对置换流水车间各工件串行加工的特点,构建了基于Actor-Critic的指针网络求解模型。该模型以指针网络作为Actor进行调度决策,在指针网络中引入注意力机制以加强指针网络对输入工件序列特征的理解能力,使用强化学习REINFORCE算法对指针网络进行训练,引入评价网络作为Critic以降低指针网络梯度训练时的方差,此外使用2-OPT算法对模型输出的可行解进行局部搜索,进一步提升解的质量。(2)针对柔性作业车间约束复杂、任务分配和设备选用灵活的特点,提出了一种基于DQN的参数自适应遗传算法求解模型。该模型以种群适应度函数相关指标作为状态空间,对遗传算法交叉率和变异率的取值进行区间划分并以此作为动作空间,基于强化学习DQN算法学习如何选择遗传算法参数,实现遗传算法在迭代过程中的参数自适应,提升遗传算法的运算速度和搜索能力。此外,算法在种群初始化时结合调度规则和设备选用规则提升了初始解的质量,多种变异方式的采用增加了种群的多样性,增强了算法跳出局部最优解的能力,最优个体保留策略的使用保证了算法的收敛性。(3)针对车间现场依赖人工调度、算法难以落地的问题,提出了一种车间调度优化应用系统框架。该系统采用B/S架构,车间数据被保存在My SQL数据库中,算法模型部署在Docker容器上,用户可使用浏览器在Web端进行操作,调用算法模型和My SQL数据库的数据完成车间调度优化。该系统在南方某核电装备制造企业进行了部署和应用,证明了该系统框架的有效性。
基于Petri网和基因表达式编程的作业车间调度研究
这是一篇关于车间调度,基因表达式编程,延时Petri网,时延有色Petri网的论文, 主要内容为随着制造业发展，作业车间调度问题的实现过程也变得越来越复杂化。车间调度问题是一类集各约束条件的组合优化问题，对于该问题具有很实际的一个应用背景，因此该领域也一直是研究的热点，自上世纪80年以来，随着各学科领域之间的相互渗透，也出现了许多研究方法，并涌现了大量有价值的文献。可是该问题被证明是一个NP难问题，所以至今没有一个确定可行的解决方案，这也吸引了越来越多的学者对此进行研究，近几年也提出了很多具有重要意义的调度算法，这也激发了学者对调度问题研究的热情。在如此的背景下，车间调度问题的研究就成了更加具有意义的事情。 就目前对调度问题的研究已经有十多种，其中对作业车间进行仿真建模有Petri网、控制等方法，本文选用了Petri作为作业车间调度问题研究建模工具，因为Petri网发展至今已有60多年的历史，是一个非常成熟的基于数学化的建模工具，基于Petri网的模型可以对调度系统进行实时的仿真。目前Petri网常对离散的事件进行分析和建模，根据Petri网功能选择可以对系统网集成建模。从此可以看出本文选用Petri网为车间调度的建模设计提供了便利。文中首先根据调度问题的描述利用时延Petri网对简单的车间调度问题进行建模，并随之提出了时间有色Petri网对复杂的调度问题进行了建模分析，通过本文提出的建模方法可以直观的看出复杂调度问题的调度情况，也验证了本文提出的建模理论是可行的。 根据Petri建模后对基因表达式编程的编码进行设计，本文提出了不同于传统的基因表达式编程编码，在本文算法中，基因表达式编程根据时延Petri网模型中的变迁序列来确立染色体的尾部，每条染色体尾部可以确立一种车间调度方案。本文选用了基因表达式的选择、交叉、变异三种类型进行遗传操作。其中交叉、变异操作也不同于原型Petri网，本文根据调度问题设计了特定的遗传操作。 最后本文根据Petri网对车间调度问题的仿真，通过变迁的时延时间获得每条染色体的相应的时间，结合基因表达式编程具有较好的寻优能力和Petri网对动态的离散事件的过程能进行很好的描述的优点对仿真实例进行实验，最后通过实验数据的比较来验证本文所提出的算法的可行性。
遗传算法在车间调度中的应用研究
这是一篇关于智能调度,约束可满足问题,遗传算法,车间调度的论文, 主要内容为智能调度(AI Scheduling)是人工智能领域的一个重要研究方向，虽然它的起步和智能规划(AI Planning)基本同时(20世纪50年代)，却很晚(20世纪80年代)才受到AI领域研究的足够重视，由于和智能规划问题有很大的相似性和相关性，不少学者也把它作为智能规划方向的一个特例来研究，所以智能规划中大部分成熟的思想和算法如约束满足、启发式搜索、基因算法、神经元网络等都可以成功地解决智能调度问题，使得智能调度在后期的20年取得突飞猛进的发展。 作为智能调度中最难解问题之一的Job-Shop调度问题，其模型具有现实应用问题的一般通用性，如车间调度管理，物流运输、时间表安排以及人力资源规划等问题，正是由于这样的现实意义，所以它的研究持续半个多世纪都没有中断过，而且人们在Job-Shop问题上已经提出很多优秀的算法诸如分支界定、优先级分派规则(Priority Dispatching Rule)、局部搜索(LocalSearch)、启发式(Heuristic)引导以及约束满足(Constraint Satisfaction)等，然而各个算法都存在一定的优缺点。目前调度问题的理论研究成果主要在集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上 遗传算法是一种模拟生物自然进化的随机搜索技术，遗传算法在车间作业调度上的应用，是近年才发展起来的研究方向。本文通过对一个具体的车间调度问题进行分析，用遗传算法这一工具来解决车间调度问题，在理论上实现了对该问题的计算机模拟，并提出了快速获得满意解的一种可行性方案。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://bishedaima.com/lunwen/48140.html
