一、关于"三台以上机床作业排序问题"的算法(论文文献综述)
李海[1](2021)在《考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究》文中研究指明对于采用多品种小批量柔性生产方式的离散制造企业,有效的车间调度方案能够提升企业生产效率和节约生产成本。同时,柔性作业车间调度问题也是典型的非确定性多项式类(Non-deterministic polynomial,NP)难组合优化问题,该问题的难点在于条件多变、计算复杂、求解难度大,使用数学方法难以在多项式时间内精确求解,并且柔性作业车间的制造资源类型多、设备性能动态性退化,对车间调度方案的可靠性、鲁棒性提出了更高的要求,因而该问题已成为工业界和学术界共同研究的热点。刀具作为柔性作业车间重要的制造资源,也是机床完成工件加工的必要设备,刀具剩余寿命是衡量其切削性能和实施换刀策略的重要指标。尽管针对刀具剩余寿命预测和柔性作业车间调度开展了很多研究工作,并取得了丰富的研究成果,但现有研究只针对上述两方面单独展开,鲜有研究同时考虑两个方面,使得刀具在加工过程中出现过度磨损,导致工件表面质量受损、机床停机、机床故障、延期交货等问题,严重影响车间生产效率和生产成本。因此,将刀具寿命作为柔性作业车间调度的必要约束具有重要的现实意义。然而,刀具磨损监测数据信噪比低、时变性强,当加工环境发生改变和新刀刚投入使用时,无法收集刀具从开始运行到失效的完全遍历数据,加之将刀具剩余寿命融入到柔性作业车间调度中,会使得调度问题的约束变多、复杂度变高、决策因素变杂和求解难度变大,对优化算法的求解质量和搜索效率都提出了更高的要求,这大大增加了刀具剩余寿命预测和柔性作业车间调度问题的研究难度。因此,针对考虑刀具寿命约束的柔性作业车间调度问题,亟需突破非完全遍历监测数据下的刀具剩余寿命预测方法以及高精、高效的调度求解算法,在较短时间内获得生产效益最优的车间调度方案。本文针对上述问题,从刀具剩余寿命预测和柔性作业车间调度问题的模型构建、求解与决策算法设计上开展研究,主要研究内容如下:(1)针对刀具不同磨损阶段的数据特征分布、磨损趋势变化等方面的差异较大,导致单一的全局模型难以准确地描述刀具磨损过程的问题,提出了基于磨损状态分类的多阶段刀具剩余寿命预测新方法。首先,将多维传感器信号转换为对称点图像,通过分析不同图像参数对对称点图像特征的影响规律,建立了对称点图像参数的自适应选择模型。根据选择的最优图像参数,构建了不同磨损状态的图像聚类模板,提出了基于对称点模式的刀具磨损状态分类新方法。然后,通过分析不同磨损阶段的数据分布特性,建立了基于组合核函数高斯过程回归的刀具磨损预测模型及其参数优化方法,并根据刀具磨损状态分类结果分配不同的预测模型。最后,通过与其它方法进行对比,验证了所提出的多阶段预测方法的有效性。(2)针对刀具加工环境发生改变或新刀具刚投入使用时,仅存在刀具从开始运行或某个时刻开始到当前时刻的监测数据(非完全遍历数据),导致刀具剩余寿命预测模型难以建立的问题,提出了一种非完全遍历数据下的刀具剩余寿命预测方法。首先,通过分析刀具磨损机理,揭示了刀具磨损因子与特征失效阈值的关系,提出了时间特征窗的自适应构建方法,并针对异常数据设计了异常区域处理方法,解决了异常数据下刀具磨损趋势的表征问题。然后,建立了深度双向长短时间记忆网络模型,并利用已压缩的时间特征窗训练预测模型,结合刀具磨损因子,提出了考虑刀具磨损的多步滚动预测方法,可预测刀具磨损趋势。最后,通过与其它方法进行对比,验证了所提出的方法在非完全遍历数据下预测刀具剩余寿命的有效性。(3)针对现有柔性作业车间调度研究忽略了刀具寿命约束,造成刀具在加工过程中过度磨损,导致工件表面质量降低、机床停机、交货不及时等问题,以生产成本为目标,建立了考虑刀具寿命约束的柔性作业车间调度模型。首先,建立了考虑机床和刀具的解集多样性评估模型,并提出了解集修复和自重启方法,提升了求解质量。然后,根据优化目标的优先性,提出了基于延期时间和加工成本优化的两阶段启发式算法,可指导性地减小解空间,提升了遗传算法的求解效率。最后,通过与其它方法进行对比,验证了刀具寿命约束下的车间调度模型和两阶段启发式算法的有效性。(4)针对现有多目标柔性作业车间调度研究忽略了刀具寿命限制,以及多目标决策阶段仅考虑低维信息,导致调度方案可行性差的问题,以完工时间、延期时间和加工成本为优化目标,建立了考虑刀具寿命约束的多目标车间调度模型。首先,通过寻找考虑机床和刀具的关键路径,提出了考虑刀具寿命的邻域搜索方法,提升了解集多样性,并采用模因算法求解多目标调度问题,得到一组非支配解。然后,提出了考虑优化目标内在关联、决策者偏好性、主观知识和实际数据等高维信息的组合权重计算方法,构建了非支配解集的评估决策模型,得到最优生产调度方案。最后,通过与其它方法进行对比,验证了所提出的模因算法和多目标决策方法的有效性。
娄高翔[2](2021)在《云制造环境下面向过程的生产调度问题研究》文中指出“中国制造2025”的提出,深化了信息技术与制造技术的融合,形成了新一轮产业竞争的制高点。作为信息化与工业化融合的典型代表,云制造已成为“中国制造2025”战略规划的重要内容之一。然而云制造的相关理论与研究在调度中的应用还存在一些问题有待深入研究。本学位论文在国内外相关研究的基础上,结合生产流程,探索云制造环境下面向过程的生产调度问题。通过对云制造环境下生产任务分解、企业间生产调度、车间级调度等关键技术问题的研究,建立了一套调度优化框架,以满足云环境下整个生产流程的调度需求。具体研究工作与成果如下:从云制造关键技术和云制造调度特性出发,结合云环境下调度的属性构建了云环境下面向过程的生产调度优化系统,并对所建立的优化系统中关键技术问题进行了逐一研究。针对云制造任务分解问题,建立了云制造任务分解优化模型,将BOSS树的思想引入到云环境下生产调度的任务分解环节中,提出了基于BOSS树的任务分解优化算法。首先,研究了云制造任务的相关度量方法;其次,基于云制造任务分解原则,建立了考虑云制造任务内交互关系的分解优化模型;再次,根据BOSS树思想,提出了包含生产任务全生命周期的任务分解优化算法,并通过启发式规则对算法进行优化,有效解决了云制造任务分解和服务任务匹配的脱节问题;最后,通过实例验证了算法的可行性及有效性。针对云制造环境下企业间生产调度问题,建立了企业间生产调度数学模型,在考虑多个目标的情况下,提出了基于拥挤度的带精英策略非支配排序的改进遗传算法(NSGA-II)。首先,对跨企业生产模式进行了分析;其次,建立了云制造环境下企业间调度的数学模型;再次,设计了多层二维矩阵分级编码,并对NSGA-II算法进行了基于拥挤度的自适应进化策略改进;最后,通过实例研究验证了改进模型和算法的有效性。针对车间层的生产,将同时生产云任务和本地任务的车间调度问题和仅生产云任务的车间调度问题分别进行研究。对同时生产云任务和本地任务的车间:首先,分析了该生产模式中遇到的混合车间任务调度问题并建模;其次,对比了差分进化算法和遗传算法的特点,将遗传算法有效处理离散变量及差分进化算法有效处理连续变量的优点融合,并根据生产现状提出了一种基于差分进化的混合遗传算法;最后,通过实例检验了算法的可行性和有效性。对仅生产云任务的车间:首先,根据生产问题建立了以最小总完成时间为目标的混流车间调度模型;其次,提出了一种改进的混合免疫克隆选择遗传算法,重新构造了算法的抗原识别、抗体编码和解码的过程,重新构造了亲和度函数,并对算法中的抗体群进行克隆、变异、交叉和选择等混合操作,最后,用两个仿真实验验证了新算法的可靠性。根据本文提出的云制造环境下的调度优化系统,对系统开发环境、Matlab程序集成、数据服务过程等进行了相关研究,结合云任务分解、企业间调度、车间调度三个关键技术问题的研究结果,对系统功能模块进行了设计,并进行了原型系统初步开发。
魏宏静[3](2020)在《数据驱动的制造车间能耗分析及节能优化》文中研究指明制造业作为我国国民经济的重要支柱产业,在我国普遍存在能耗高、能效低、碳排放大等问题。因此,我国在《中国制造2025》中明确了“创新驱动、质量为先、绿色发展、结构优化、人才为本”的战略方针,将“绿色制造工程”列为重点实施的五大工程之一,强调把可持续发展作为制造强国的重要着力点,走生态文明、环境友好的发展道路,全面推行绿色制造,努力构建高效、清洁、低碳的绿色制造体系。本文关键科学问题:制造车间是一种由机床设备、各种辅助设施构成的典型制造系统,其能耗总量大、结构及特征复杂、影响因素众多,存在很大的节能空间。如何实现流水车间、作业车间和柔性流水车间的节能是我国制造业在全球低碳发展的形势下迫切需要解决的关键科学问题之一。为有效推进相关问题的解决,论文依托工信部智能制造综合标准化和新模式应用项目“精密电子元器件智能制造新模式应用”(工信部联装[2016]213号),以流水车间、作业车间和柔性流水车间三种典型制造车间的能耗分析及节能优化问题为研究对象,以车间生产节能策略、智能优化算法和调度方法为技术手段,针对流水车间、作业车间和柔性流水车间展开了能耗分析、数学建模和节能优化等方面的研究,主要研究内容如下:(1)基于HGSA的流水车间节能优化方法。针对流水车间生产过程中,机器等待工件到达时间段内产生大量的能耗问题,提出改进的混合遗传模拟退火算法(Hybrid Genetic Simulated Annealing Algorithm,HGSA)。首先将一种启发式算法MME用于初始种群生成,在交叉变异阶段,设计随机选择交叉和变异算子的操作,并在交叉变异操作完成后,执行基于激素调节机制模拟退火操作,以避免算法陷入局部最优。将所提算法与MA、G-RIS、HGA、DSOMA、IIGA 5种算法进行比较,证明了所提算法能够更好地接近基准算例的理论最优完工时间。在工件数量为500,机器数量为20的基准算例中,与MA、G-RIS、HGA、DSOMA和IIGA五种算法相比,HGSA的完工时间分别降低了31.7%、30.5%、80.6%、36.1%和71.9%。最后,通过节能效果分析说明了减少机器空闲等待的时间,可以降低车间能耗。(2)基于U-NSGA-III方法的多目标作业车间节能优化方法。针对作业车间生产中,由于机床未得到充分利用而浪费了大量能耗的问题,提出机器状态切换节能框架和数学模型,并基于数学模型分析了作业车间调度的最小化完工时间、非加工能耗和总加权延迟与提前三个优化模型。采用结合MME的统一非支配排序遗传算法(U-NSGA-III)求解该问题。在扩展的Taillard基准算例中进行了三组数值实验,以验证三目标模型(完工时间、非加工能耗和总加权延迟与提前)和多目标优化算法的有效性。结果表明,与NSGA-II和NSGA-III相比,U-NSGA-III在大多数测试问题实例中均获得了更好的Pareto解。本文提出的面向能源效率的多目标作业调度算法可实现显着的节能效果,其中非处理能耗最多可节省69%。(3)基于IMVO的柔性流水车间节能优化方法。针对柔性流水车间节能问题,建立了基于混合整数非线性规划的最小化最大完工时间和能耗的多目标优化模型,提出了一种改进多元宇宙优化算法(IMVO)。首先,采用随机生成初始种群的方式以保证初始种群中个体的多样性;利用矩阵编码表示工件各个工序的机器分配情况;引入了一种自适应因子改进了宇宙个体移动公式和WEP参数更新方式,使算法早期的优化速度加快,同时在优化后期提高了本地搜索的准确性;最终,算法结果与文献中的MBO算法进行了对比,实验结果表明本文的IMVO算法能够很好的解决柔性流水车间多目标节能问题。(4)数据驱动的制造车间能耗分析与节能优化原型系统。开发了一个数据驱动的制造车间能耗分析与节能原型系统,系统主要包括用户管理、订单管理、工艺管理、设备管理、调度管理和项目管理六个模块,其中调度管理模块中主要展示流水车间、作业车间和柔性流水车间的生产调度方案和节能效果。论文将车间生产节能策略、智能优化算法和调度方法相结合,形成了车间节能调度智能优化方法,缓解了流水车间、作业车间和柔性流水车间三种典型制造车间生产中存在的能耗高、能效低等问题。结果表明,论文提出的车间节能调度智能优化方法能够提升制造车间生产效率、降低制造过程能耗、提高能量利用率。
陈艳阳[4](2020)在《基于碳排放的多目标车间生产调度研究》文中认为随着消费者的需求越来越多样化,市场上充满了很多不确定的因素,企业原有的生产模式已经跟不上时代的潮流,导致企业的生产方式从大批量、少品种生产模式逐渐转变为多品种、小批量生产模式。在生产模式转变的过程中,对车间生产调度的研究必不可少,选择合理的车间调度方案,能够降低成本,提高生产率和质量。此外,考虑能源消耗日益严重,对环境产生的影响不容忽视,能源危机正在来临,节约能耗、减少碳排放是我国经济可持续性发展的必然趋势。本文以A公司机加工车间叶轮生产为研究对象,在分析碳排放的基础上,进行车间多目标生产调度研究。选取A公司某段时间内叶轮生产任务,对现有生产调度情况进行调查、分析,收集相关数据,绘制调度方案甘特图,在对现状分析之后,发现现有调度方案最大完工时间长达1597min,并且安排调度方案时未考虑碳排放和设备运行成本。因此,为解决现有车间生产调度的问题,本文在研究车间碳排放的基础上,结合传统优化指标,建立了以最小化碳排放、最小化最大完工时间和最小化设备运行总成本为目标的多目标数学模型,并设置了一定的约束条件,以便提高数学模型的准确性。此外,本文对车间生产调度的常用求解方法进行分析,考虑到遗传算法存在局部寻优能力较差、求解效率较低等缺点,故在遗传算法的基础上,引入模拟退火算法,设计遗传-模拟退火混合算法对模型进行求解,可知优化后的生产调度方案在碳排放、最大完工时间和设备运行总成本上都得到降低。为了进一步验证优化后调度方案的可行性,本文采用Flexsim软件进行仿真模拟,通过分析可知,优化后的调度方案是可行的,并且在实现各目标优化的同时,设备平均利用率也有所提高。研究结果表明,本文所构建的基于碳排放的车间多目标生产调度优化模型能够很好地解决实际问题,同时也是符合制造业的发展和追求的。该论文有图26幅,表25个,参考文献74篇。
吴坤宇[5](2020)在《Y公司活塞杆生产线优化研究》文中认为伴随着《中国制造2025》及工业4.0理念的不断深入,制造企业正朝着创新型战略发展目标前进。与此同时制造企业也在不断寻求采用科学的技术和优化方法降低生产中资源浪费,提高生产线运行效率,从而保证企业能够在市场中占据有利地位。我国的制造企业正处于一个全新的发展阶段,提高制造业企业产能,优化生产运作服务模式,提升企业准时交货能力和客户满意度,是实现制造企业向制造业服务化模式转变的重要途径。生产过程优化是实现制造业服务化的前提条件,也是企业提高生产运转效率的关键环节。对于液压支架设备制造企业,活塞杆是其内部液压系统主要动力元件,也是液压支架设备生产装备的基础和关键。其每个环节的加工都需要投入各种原料、设备、人员资本,因此高质量、多种类的活塞杆工件产出对生产节拍、铸造工艺、自动化加工设备等的合理编排决策提出了更高的要求。本论文以Y公司活塞杆生产线为研究对象,对生产线的运行现状进行分析,通过建立优化模型对生产线亟需改善的关键问题进行优化,以提高活塞杆生产线的生产运作效率。首先概述该论文研究背景及意义,通过梳理整合有关生产线研究、生产线优化方法等国内外相关研究文献,确定本论文的主要研究内容及研究中所使用的主要方法。介绍Y公司的生产经营现状以及Y公司活塞杆生产流程、工艺流程、工位以及作业分析等情况,通过优化前的作业测定分析、ECRS分析和鱼骨图等方法分析出Y公司活塞杆生产线运行中存在的问题。然后针对活塞杆生产线优化方案目标构建调度优化模型,并且运用遗传算法通过Matlab对该模型进行求解,从而得出优化结果。再次,选用Plant Simulation仿真软件进行Y公司活塞杆生产线进行仿真,对仿真结果进行分析。最后通过对优化前后的生产线评价指标进行对比,提出建设性的意见和保障措施。
刘福祥[6](2019)在《MRPⅡ/JIT集成模式在A公司生产管理中的应用研究》文中研究指明在中国成为世界加工中心的大背景下,市场需求变幻多样,技术日新月异,制造企业之间的竞争日趋激烈。新的内外部环境对企业生产管理模式提出了更高的要求,主要表现为降低生产成本、提高产品质量、缩短产品生产周期、快速响应客户多样化需求等。MRPII和JIT在制造业单独应用时存在诸多局限性和不足,本文分析了以MRPII作为生产计划控制工具和以JIT作为生产执行工具的MRPII/JIT集成的生产管理模式的特点和优势,并选择A公司作为研究案例,通过发挥集成模式优势和运用工业工程改善技术,对公司存在的生产调度问题、浪费问题、成本问题进行改善。基于准时化生产思想,文章利用Johnson算法和甘特图法对A公司生产车间作业排序问题进行了改善,通过优化工件加工顺序,降低了设备和人员空闲率、缩短了产品生产周期、提高了生产效率。文章还利用FlexSim软件对产品生产流程进行了仿真实验,通过仿真发现了瓶颈工序,并给出了改善方案。最后,本文利用A公司2018年下半年生产数据进行了成本核算,结果表明,MRPII/JIT集成模式下公司可以选择的追逐策略和平准策略,比过去使用的外包策略和加班策略更加节约成本。本次论文给出了 MRPII/JIT集成的生产管理模式改善制造业的方法和途径,可以为同类型公司提供参考和借鉴,以此达到增强企业竞争力和生产效益的目的。
聂锦源[7](2019)在《R工厂设施布置方案研究》文中提出随着世界经济迅猛发展和计算机信息技术革命与人工智能的崛起,各国的制造业遭受着重大的冲击,并时刻面临着被时代淘汰的命运,由于工业工程在国外起源较早,对于生产过程中工人的动作改善已近乎做到“极致”,在生产存储中的浪费问题也由运筹学等学科所解决,但在人民生活日益富裕之后,当代制造业仍陷入一个瓶颈,那就是如何应对日益增长的需求。长期以来,很少有制造业车间为了改善日益增长的需求而对车间的布局进行改善,而这个被大部分制造业忽略的隐藏“利润”却可以为制造业带来不少的利益。本文以山东某R工厂生产液压转向器案例为背景进行对布局优化的研究和探讨。首先对R工厂的生产数据进行调研,通过对数据的整理和分析得到R工厂目前在物流方面存在着大量的浪费,并发现了 R工厂的当前布局的问题:各车间分布不合理,导致物流过程中的大量浪费没有被注意到,然后针对R工厂的布局不合理,先利用系统设施布置(SLP)方法确定其布局形式,其次对作业单位进行划分,以工艺流程图和物流关系编码表为基础对R工厂的物流关系进行分析,得到物流从至表和物流相关表,然后根据各作业单位的特点及对作业单位影响因素作排序,最后根据这些来总结最终的非物流从至表和非物流相关表,以物流相关表和非物流相关表为基础,按照工厂的要求按权重为物流系数和非物流系数分配,本文以1:1的方式来进行系数相加,最后按照作业单位相关图编码表来绘制作业单位相关图,加以作业单位按比例缩小放入适当的位置得到最后的面积相互关系图;本文通过建立模型来评估布局方案,以面积相互关系图为基础建立模型,提出约束和相关编码系数的设定,建立一个完整的数学模型;第三部分是对模型结果的分析,选取五种中最优的方案,即适应度函数最大的方案,该方案的最终物流总成本2.455×106元,最后通过对初始布局,SLP优化布局和最优布局的成本进行对比发现最优布局优于初始布局以及SLP优化布局,并使得最终成本降低了 167000元,同时也反映出本文的算法的可行性以及优化的成功。
王晓达[8](2018)在《WD公司多品种发动机气门生产线优化研究》文中研究说明本文总结了国内外对生产线平衡问题和生产排序问题的研究成果,运用传统工业工程方法和Flexsim软件仿真方法,对WD公司多品种气门生产线进行了优化,取得了较为良好的效果,提高了E8生产线的效率和产量。本文首先对生产线平衡、生产排序的文献理论进行简介和综述,详细介绍了生产线平衡定义、相关概念及评价体系;传统工业工程关于方法研究和作业分析的内容;Flexsim软件概念、相关术语等内容。结合作者在WD公司的实习经历,对生产B型产品的E8线进行了描述,提出优化生产线的构想。然后,使用工业工程的方法平衡生产线作业时间,通过确定标准时间,计算生产平衡率,找出瓶颈工序;运用人机作业分析法、模特法和工艺法等进行改善,缩短了生产周期,达到了平衡生产线的目的。随后,为进一步提高产量,本文先排除了无效生产时间,利用Flexsim软件构建了E8生产线模型,在常用生产批次条件的限制下,对E8线可实施的30种生产方案进行概述并仿真,结合B型三种产品的废品率得到最终结果,遵循对比择优原则得到最优方案。最后对锻造、热处理和检验阶段的生产仿真,验证最优方案生产的合理性。本文采用传统工业工程方法和Flexsim仿真法对WD公司生产线平衡和生产排序问题进行了改善研究。该研究结果表明本文中的研究方法在解决类似生产线优化问题中具有一定借鉴意义,对提高企业生产效率和行业竞争力有良好的效果。
肖世昌[9](2018)在《加工时间具有随机性的Job Shop鲁棒调度问题研究》文中认为Job Shop制造环境中的不确定因素,如随机机器故障、刀具或物料短缺、工人熟练程度差异等,均会造成加工时间随机变化,这会导致调度实际执行效果偏离最优调度方案,严重情况下可能造成交货期、工人和原材料的配置等发生改变,从而影响车间的生产成本、系统稳定性和客户满意度。为保证加工时间随机变化条件下生产调度方案的稳定、高效执行,在优化调度性能的同时降低潜在扰动对调度性能的影响,研究加工时间具有随机性的Job Shop调度问题(Stochastic Job Shop Scheduling Problems,SJSSP)具有重要理论及实践意义。本文针对加工时间具有随机性的Job Shop调度问题,采用鲁棒调度的方法,系统研究了不同约束下基于加工时间场景的SJSSP鲁棒调度问题,为调度决策者快速提供兼顾性能和鲁棒性的调度方案。首先,考虑不确定因素对加工时间随机性的影响,研究了基于加工时间随机场景的SJSSP鲁棒调度问题;进而,针对工人负面主观因素导致的工人故意推迟开工或拖延而产生资源浪费和调度紊乱,研究了考虑工人负面主观因素的SJSSP鲁棒调度问题;最后,考虑实际制造环境中工人熟练程度对加工时间随机性的控制作用,研究了机器-工人双资源约束的SJSSP鲁棒调度问题。主要研究内容和成果如下:1.考虑加工时间随机性的SJSSP鲁棒调度问题建模根据SJSSP鲁棒调度子问题特点,采用对应的鲁棒调度方法建立了三种鲁棒调度模型。首先,采用期望性能作为鲁棒性评价指标建立基于加工时间随机场景仿真的SJSSP鲁棒调度模型(SJSSP robust scheduling based on stochastic scenarios of processing times,SJSSP-SSP);其次,考虑Job Shop制造系统中工人“学生综合症”和“帕肯森定律”两种典型负面主观因素,采用“轨道执行策略”降低工人负面主观因素对调度过程的不利影响,建立基于加工时间期望场景的SJSSP鲁棒调度模型(SJSSP robust scheduling based on expected scenarios of processing times,SJSSP-ESP);最后,考虑工人熟练程度对加工时间随机性的控制,建立机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度模型(Dual-Resource Constrained SJSSP-ESP,DR-SJSSP-ESP)。2.基于加工时间随机场景仿真的SJSSP鲁棒调度研究提出了包含评价空间缩减策略的混合分布估计算法求解SJSSP-SSP。首先,为提升算法求解性能,提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的混合算法(HEDA)。进而,为提升SJSSP-SSP的求解效率,提出评价空间缩减策略(Reduction Strategy,RS),并嵌入HEDA构造改进的RS-HEDA。仿真结果表明HEDA的优化性能优于五种现有典型算法;RS-HEDA可在不降低优化性能的前提下,显着提升SJSSP-SSP的求解效率;通过制造企业调度案例的仿真,验证了模型和算法用于实际调度问题的有效性。3.基于加工时间期望场景的SJSSP鲁棒调度研究提出了基于鲁棒性代理指标的多目标优化算法求解SJSSP-ESP。首先,针对鲁棒性仿真评价效率低下的问题,利用加工时间的随机信息及调度方案的扰动吸收能力信息,提出了两种基于关键和非关键工序集的鲁棒性代理指标。针对此模型双目标优化的需求,提出了基于改进非支配排序的多目标HEDA。采用此算法,通过将所提出的鲁棒性代理指标与现有三种典型代理指标进行比较,验证了所提出的代理指标用于SJSSP-ESP鲁棒性评价的有效性。进而,采用多目标HEDA,将所提出的鲁棒性代理指标用于SJSSP-ESP鲁棒调度,并与基于仿真的鲁棒性指标在多个维度下进行对比,验证了所提出的鲁棒性代理指标在显着提升计算效率的同时可得到性能优异的Pareto解集。最后,通过制造企业调度案例的仿真,验证了所提鲁棒性代理指标和算法用于实际Job Shop鲁棒调度的有效性。4.机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究提出了机器-工人两阶段指派方法和双资源约束下的鲁棒性代理指标,并采用多目标HEDA求解DR-SJSSP-ESP。首先,建立了工人熟练程度与加工时间随机性的关系模型;进而,提出了基于工人熟练程度和负载均衡的机器-工人两阶段指派策略;最后,为提高多目标HEDA鲁棒性评价的效率,在分析工序间加工时间扰动传播过程的基础上,提出基于扰动传播的鲁棒性代理指标。仿真实验验证了所提出的鲁棒性代理指标的有效性以及两阶段指派策略对于调度性能优势;进而,采用多目标HEDA,通过对DR-SJSSP-ESP进行Pareto鲁棒调度优化结果的分析,验证了采用所提出的指派策略和基于扰动传播的鲁棒性代理指标可得到性能优异的Pareto解集,且问题求解效率显着提升。最后,通过从制造系统中抽取的调度案例仿真,验证了所提指派策略和鲁棒性代理指标用于解决双资源约束下实际Job Shop鲁棒调度问题的有效性。
李忠鹏[10](2016)在《400尺自升式钻井平台的轻量化软件研究》文中研究说明随着PC技术的发展和数字化进程的加快,CAD技术作为衡量一个国家科技现代化和工业现代化程度的重要标志之一,其应用领域越来越广泛。在全球500强企业中有90%的企业均使用它来做辅助设计。尽管很多公司都开发了自己的CAD系统,供自身和其他公司及个人使用,但是系统都是基于PC机上运行的,受到空间和时间方面的限制,人们往往无法随时随地的获得CAD系统实时高效的体验和应用。此外,每年各个公司因为印制大量的纸质图纸、宣传手册、操作说明书等,耗费大量的人力、物力和财力,这不仅造成大量的自然资源、人力资源的浪费,也造成了环境的污染和气候的变异。本文是以山东省400尺自升式钻井平台集成创新项目为研究载体,将CAD系统与智能移动终端系统对接,尝试通过轻量化系统研究把移动互联与高端装备制造业紧密结合起来,打造互联网+海洋工程信息化制造平台,打破CAD系统在设备、空间和时间等方面的限制,节约和保护资源,实现人与社会和谐发展。基于对海洋工程轻量化系统的调研和需求分析,运用SolidWorks和CATIA三维建模软件对SD400自升式钻井平台进行了三维轮廓建模和详细分段建模,基于SVL轻量化技术设计了海工平台数据信息系统HGSView,在已有基础上进行了新功能、新应用的设计、开发,并对HGSView系统进行了轻量化数据测试,利用对比试验法,从技术角度对整个系统进行了验证。HGSView系统可以通过搭载iOS/Android系统的智能移动终端为用户提供一个高性能显示的大型海工装备虚拟移动式漫游系统,在为公司和个人提供方便高效的移动式高端海工装备展示的同时,在某种程度上实现了降低成本、节约资源的目的,并为后续轻量化系统的深入研究提供参考。
二、关于"三台以上机床作业排序问题"的算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关于"三台以上机床作业排序问题"的算法(论文提纲范文)
(1)考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 刀具剩余寿命预测方法 |
1.3.2 柔性作业车间调度问题 |
1.3.3 刀具资源约束下的车间调度问题 |
1.3.4 国内外研究现状总结与分析 |
1.4 拟解决的关键问题 |
1.5 本文研究路线及结构安排 |
第二章 基于磨损状态分类的多阶段刀具剩余寿命预测方法 |
2.1 刀具磨损过程分析 |
2.2 基于对称点模式的刀具磨损状态分类方法 |
2.2.1 对称点模式 |
2.2.2 基于差异度评估的对称点图像参数自适应选择方法 |
2.2.3 对称点图像聚类模板构建方法 |
2.2.4 基于相关系数的图像匹配方法 |
2.3 基于组合核函数高斯过程回归的刀具磨损预测方法 |
2.3.1 高斯过程回归 |
2.3.2 组合核函数构建 |
2.3.3 组合核函数高斯过程回归预测及参数优化 |
2.4 铣刀磨损算例分析与结果讨论 |
2.4.1 PHM2010 铣刀磨损实验平台 |
2.4.2 铣刀磨损状态分类结果 |
2.4.3 铣刀剩余寿命预测结果 |
2.4.4 背景噪声下刀具剩余寿命预测性能对比 |
2.5 实验验证与结果分析 |
2.5.1 四齿铣刀磨损实验平台 |
2.5.2 四齿铣刀磨损状态分类结果 |
2.5.3 四齿铣刀剩余寿命预测结果 |
2.6 本章小节 |
第三章 非完全遍历数据下的刀具剩余寿命预测方法 |
3.1 刀具非完全遍历数据分析 |
3.2 时间特征窗自适应构建方法 |
3.2.1 刀具磨损因子 |
3.2.2 不含异常数据的时间特征窗构建 |
3.2.3 含异常数据的时间特征窗构建 |
3.3 考虑刀具磨损的多步滚动预测方法 |
3.3.1 深度双向长短时间记忆网络 |
3.3.2 多步滚动预测 |
3.4 铣刀磨损算例分析与结果讨论 |
3.4.1 NASA铣刀磨损实验平台 |
3.4.2 不同刀具剩余寿命预测方法对比 |
3.4.3 结果讨论 |
3.5 实验验证与结果分析 |
3.6 本章小节 |
第四章 刀具寿命约束下的单目标柔性作业车间调度问题 |
4.1 单目标柔性作业车间问题描述及建模 |
4.1.1 问题描述 |
4.1.2 单目标生产调度问题建模 |
4.2 考虑机床和刀具的解集多样性评估与自重启方法 |
4.2.1 考虑机床和刀具的解集多样性计算方法 |
4.2.2 考虑刀具寿命约束的解集修复方法 |
4.3 基于两阶段启发式算法的单目标车间调度问题求解方法 |
4.3.1 两阶段启发式算法框架 |
4.3.2 第一阶段-延期时间优化 |
4.3.3 第二阶段-加工成本优化 |
4.4 算例分析与结果讨论 |
4.4.1 不同自重启方法对比 |
4.4.2 不同生产调度求解方法对比 |
4.4.3 结果讨论 |
4.5 单目标柔性作业车间调度实验验证与结果分析 |
4.6 本章小节 |
第五章 刀具寿命约束下的多目标柔性作业车间调度求解与决策 |
5.1 多目标生产调度问题描述及建模 |
5.1.1 问题描述 |
5.1.2 多目标生产调度问题建模 |
5.2 基于模因算法的多目标生产调度问题求解方法 |
5.2.1 模因算法框架 |
5.2.2 考虑刀具寿命约束的邻域搜索方法 |
5.3 基于高维信息的多目标生产调度决策方法 |
5.3.1 考虑目标内在关联和决策者偏好性的组合权重计算 |
5.3.2 基于VIKOR的生产调度方案评估方法 |
5.4 算例分析与结果讨论 |
5.4.1 多目标生产调度问题求解结果 |
5.4.2 多目标生产调度决策结果 |
5.4.3 权重偏好因子灵敏度分析 |
5.5 多目标柔性作业车间调度实验验证与结果分析 |
5.6 本章小节 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 创新点 |
6.3 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(2)云制造环境下面向过程的生产调度问题研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 云制造的产生背景 |
1.2.1 制造模式的发展趋势 |
1.2.2 云制造 |
1.3 研究目的和意义 |
1.4 研究现状及存在问题 |
1.4.1 云制造体系研究现状 |
1.4.2 云制造调度研究现状 |
1.4.3 存在的问题 |
1.5 研究思路及内容 |
第二章 云环境下面向过程的生产调度系统优化框架 |
2.1 引言 |
2.2 PoPS-CMfg的理论支撑 |
2.2.1 云制造的关键技术 |
2.2.2 云制造调度特征 |
2.2.3 云制造调度分类 |
2.3 PoPS-CMfg的总体框架 |
2.3.1 云制造的体系架构 |
2.3.2 PoPS-CMfg框架模型 |
2.4 PoPS-CMfg的关键技术 |
2.4.1 任务分解与处理 |
2.4.2 企业间生产调度 |
2.4.3 车间级生产调度 |
2.5 本章小结 |
第三章 基于BOSS树的云制造任务分解问题研究 |
3.1 引言 |
3.2 BOSS树及云制造任务 |
3.2.1 BOSS树思想 |
3.2.2 云制造任务 |
3.3 云制造任务的分解优化模型 |
3.3.1 云制造任务分解原则 |
3.3.2 云任务交互关系分析 |
3.3.3 云制造任务度量方法 |
3.3.4 云制造任务与云制造服务描述 |
3.3.5 基于BOSS树的任务分解优化算法 |
3.4 实例分析 |
3.5 本章小结 |
第四章 云制造环境下企业间生产调度问题研究 |
4.1 引言 |
4.2 云制造环境下企业间生产模式分析 |
4.3 云制造环境下企业间生产调度模型 |
4.3.1 问题描述 |
4.3.2 目标函数 |
4.3.3 约束条件 |
4.4 改进的自适应NSGA-II算法 |
4.4.1 编码设计 |
4.4.2 传统NSGA-II算法 |
4.4.3 基于拥挤度的自适应进化策略 |
4.5 实例验证与结果分析 |
4.6 本章小结 |
第五章 云制造环境下车间层调度问题研究 |
5.1 引言 |
5.2 混合生产任务下的车间调度问题研究 |
5.2.1 问题描述 |
5.2.2 模型建立 |
5.2.3 基于差分进化的混合遗传算法 |
5.2.4 实例验证 |
5.3 云制造任务下的车间调度问题研究 |
5.3.1 云任务下的混流车间调度问题 |
5.3.2 混流车间调度数学模型 |
5.3.3 改进的混合免疫克隆选择遗传算法 |
5.3.4 实验结果与分析 |
5.4 本章小结 |
第六章 云制造环境下调度系统开发研究 |
6.1 引言 |
6.2 PoPS-CMfg的体系架构 |
6.3 PoPS-CMfg系统开发设计 |
6.3.1 PoPS-CMfg系统开发环境 |
6.3.2 ASP.NET下集成Matlab动态链接库 |
6.3.3 PoPS-CMfg系统数据服务过程 |
6.3.4 PoPS-CMfg系统功能模块设计 |
6.4 PoPS-CMfg原型系统验证 |
6.5 本章小结 |
结论 |
研究结论 |
创新点 |
展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)数据驱动的制造车间能耗分析及节能优化(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 流水车间节能方法研究现状 |
1.2.2 作业车间节能方法研究现状 |
1.2.3 柔性流水车间节能方法研究现状 |
1.3 研究内容与创新点 |
1.3.1 研究目标与内容 |
1.3.2 研究的创新点 |
1.4 论文组织结构 |
第2章 制造车间能耗分析及节能优化相关理论 |
2.1 引言 |
2.2 制造车间能耗分析及建模 |
2.2.1 机床固定和可变能耗分析及建模 |
2.2.2 基于机床设备状态的能耗分析及建模 |
2.3 制造车间调度算法 |
2.3.1 遗传算法 |
2.3.2 模拟退火算法 |
2.3.3 多元宇宙优化算法 |
2.3.4 NSGA-Ⅲ |
2.3.5 MME算法 |
2.4 流水车间、作业车间、柔性流水车间数据集 |
2.4.1 流水车间节能研究数据集 |
2.4.2 作业车间节能研究数据集 |
2.4.3 柔性流水车间节能研究数据集 |
2.5 本章小结 |
第3章 基于HGSA的流水车间节能优化方法 |
3.1 引言 |
3.2 流水车间调度问题描述 |
3.2.1 问题描述 |
3.2.2 FSSP的完工时间数学模型 |
3.3 HGSA算法 |
3.3.1 HGSA算法概述 |
3.3.2 编码方式 |
3.3.3 初始种群 |
3.3.4 交叉操作 |
3.3.5 变异操作 |
3.3.6 模拟退火操作 |
3.3.7 基准选择 |
3.4 实验结果与分析 |
3.4.1 完工时间结果分析 |
3.4.2 节能效果分析 |
3.5 本章小结 |
第4章 基于U-NSGA-Ⅲ方法的多目标作业车间节能优化方法 |
4.1 引言 |
4.2 作业车间问题描述和数学模型 |
4.2.1 作业车间问题描述 |
4.2.2 考虑节能运行策略的作业车间能耗模型 |
4.3 U-NSGA-Ⅲ算法 |
4.3.1 U-NSGA-Ⅲ算法概述 |
4.3.2 染色体编码方式 |
4.3.3 种群初始化方法 |
4.3.4 基于染色体编码的交叉操作 |
4.3.5 基于染色体编码的变异操作 |
4.4 实验结果与分析 |
4.4.1 测试实例 |
4.4.2 算法性能评价指标 |
4.4.3 结果分析 |
4.5 本章小结 |
第5章 基于IMVO的柔性流水车间节能优化方法 |
5.1 引言 |
5.2 柔性流水车间问题描述 |
5.2.1 FFSP问题描述 |
5.2.2 FFSP问题实例 |
5.3 柔性流水车间多目标节能优化模型 |
5.3.1 完工时间模型 |
5.3.2 能耗分析及模型 |
5.4 IMVO算法 |
5.4.1 算法概述 |
5.4.2 初始化 |
5.4.3 编码及解码 |
5.4.4 选择机制 |
5.4.5 改进的MVO的宇宙个体移动公式及WEP |
5.5 实验结果分析 |
5.6 本章小结 |
第6章 数据驱动的制造车间能耗分析与节能优化原型系统 |
6.1 系统设计原则 |
6.2 功能需求分析 |
6.3 系统设计 |
6.3.1 系统架构设计 |
6.3.2 数据库设计 |
6.3.3 开发和运行环境 |
6.4 系统实现 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
致谢 |
参考文献 |
附录 |
附录A 攻读博士学位期间发表的学术论文 |
附录B 攻读博士学位期间参与课题相关的科研项目 |
图版 |
图目录 |
表目录 |
(4)基于碳排放的多目标车间生产调度研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容及研究方法 |
1.4 技术路线 |
1.5 本章小结 |
2 基于碳排放的车间生产调度特性研究 |
2.1 车间生产调度概述 |
2.2 车间生产调度优化目标研究 |
2.3 车间碳排放来源研究 |
2.4 本章小结 |
3 基于碳排放的多目标调度模型构建及算法设计 |
3.1 A公司叶轮生产概况 |
3.2 构建基于碳排放的多目标生产调度优化模型 |
3.3 算法分析 |
3.4 本章小结 |
4 A公司机加工车间叶轮生产调度优化 |
4.1 利用模型分析现状 |
4.2 车间生产调度优化结果分析 |
4.3 基于Flexsim的车间生产调度分析 |
4.4 本章小结 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
附录 |
作者简历 |
学位论文数据集 |
(5)Y公司活塞杆生产线优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外研究现状评述 |
1.4 研究内容与研究方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 技术路线 |
第2章 Y公司活塞杆生产线现状及其问题分析 |
2.1 Y公司概况 |
2.1.1 Y公司简介 |
2.1.2 Y公司组织结构 |
2.1.3 Y公司经营状况 |
2.2 Y公司活塞杆生产线基本情况分析 |
2.2.1 活塞杆生产流程 |
2.2.2 活塞杆生产线工艺流程 |
2.2.3 活塞杆生产线工位与作业分析 |
2.3 Y公司活塞杆生产线优化前平衡分析 |
2.3.1 生产线作业时间测定 |
2.3.2 生产线平衡率测定 |
2.3.3 生产线可用性指标分析 |
2.4 Y公司活塞杆生产线存在的问题 |
2.4.1 生产线设备利用效率问题 |
2.4.2 生产线工件转运问题 |
2.4.3 生产线工件堆积问题 |
2.5 本章小结 |
第3章 Y公司活塞杆生产线调度优化建模与求解 |
3.1 活塞杆生产线调度优化方案设计 |
3.1.1 活塞杆生产线调度优化目标确定 |
3.1.2 活塞杆生产线调度优化特点 |
3.1.3 活塞杆生产线调度优化方法选择 |
3.2 活塞杆生产线调度优化模型建立 |
3.2.1 活塞杆生产线调度优化问题描述 |
3.2.2 活塞杆生产线优化问题约束条件 |
3.2.3 活塞杆生产线优化问题模型建立 |
3.3 活塞杆生产线调度优化模型求解 |
3.3.1 遗传算法的基本原理 |
3.3.2 遗传算法的操作设计 |
3.3.3 基于MATLAB的遗传算法求解 |
3.4 活塞杆生产线优化方案实施及效果分析 |
3.4.1 活塞杆生产线优化方案实施 |
3.4.2 活塞杆生产线平衡率优化效果分析 |
3.4.3 活塞杆生产线工件转运优化效果分析 |
3.4.4 活塞杆生产线工件堆积优化效果分析 |
3.5 本章小结 |
第4章 Y公司活塞杆生产线仿真 |
4.1 活塞杆生产线仿真框架与仿真软件选择 |
4.1.1 仿真模型概念框架 |
4.1.2 生产线仿真软件选择 |
4.2 活塞杆生产线仿真模型建立 |
4.2.1 生产线Plant Simulation仿真建模步骤 |
4.2.2 生产线Plant Simulation仿真运行控制 |
4.3 活塞杆生产线仿真运行结果分析 |
4.3.1 生产线产能分析 |
4.3.2 设备利用率分析 |
4.4 本章小结 |
第5章 Y公司生产线优化方案实施保障措施 |
5.1 加强人员培训及设备维护 |
5.1.1 员工技能培训 |
5.1.2 设备定期维护 |
5.2 完善现场管理制度及信息共享机制 |
5.2.1 “6S”管理制度 |
5.2.2 定置管理及目视管理制度 |
5.2.3 完善信息共享机制 |
5.3 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(6)MRPⅡ/JIT集成模式在A公司生产管理中的应用研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.2.3 国内外研究评述 |
1.3 研究内容和方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 论文结构及思路 |
2 理论与方法综述 |
2.1 MRPⅡ与JIT概述 |
2.1.1 MRPⅡ与JIT概念及原理 |
2.1.2 MRPⅡ与JIT结构功能及特点 |
2.1.3 MRPⅡ与JIT局限性 |
2.2 MRPⅡ/JIT集成模式 |
2.2.1 MRPⅡ/JIT集成模式分析 |
2.2.2 MRPⅡ/JIT集成模式优势 |
2.3 MRPⅡ/JIT集成模式改善技术 |
2.3.1 “5W1H”提问技术与“ECRS”四原则 |
2.3.2 Johnson算法与甘特图 |
2.3.3 FlexSim仿真 |
2.4 本章小结 |
3 A公司生产现状及问题分析 |
3.1 A公司概述 |
3.1.1 公司基本信息介绍 |
3.1.2 A公司业务介绍及产品特点 |
3.1.3 A公司产品工艺流程 |
3.2 A公司问题分析 |
3.2.1 生产调度问题 |
3.2.2 生产浪费问题 |
3.2.3 生产成本问题 |
3.3 本章小结 |
4 MRPⅡ/JIT集成的生产管理模式在A公司的应用 |
4.1 生产调度与浪费的改善 |
4.1.1 生产调度改善 |
4.1.2 生产浪费改善 |
4.2 生产作业排序问题改善 |
4.2.1 符号及规则定义 |
4.2.2 基于Johnson算法的流水作业排序问题改善 |
4.2.3 基于Johnson算法的单件作业排序问题改善 |
4.3 FlexSim仿真试验 |
4.3.1 系统假设与参数设置 |
4.3.2 运行输出与结果分析 |
4.4 本章小结 |
5 MRPⅡ/JIT集成模式应用效果评价 |
5.1 问题改善效果评价 |
5.1.1 排序问题改善效果对比 |
5.1.2 生产现场整体改善评价 |
5.2 生产成本改善前后对比 |
5.2.1 成本核算 |
5.2.2 对比评价 |
5.3 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(7)R工厂设施布置方案研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容、方法、论文结构 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 论文结构 |
1.4 本章小结 |
2 相关理论概述 |
2.1 设施布置理论综述 |
2.1.1 设施布置的基本形式 |
2.1.2 设施布置的优缺点 |
2.1.3 设施布置的特征及应用场景 |
2.1.4 设施布局方法概述 |
2.2 SLP方法理论综述 |
2.2.1 SLP的方法简介 |
2.2.2 SLP的原则要求 |
2.2.3 SLP的影响因素 |
2.2.4 SLP的方法步骤 |
2.3 粒子群算法理论综述 |
2.3.1 粒子群算法原理 |
2.3.2 粒子群算法流程 |
2.3.3 粒子群算法特点 |
2.4 本章小结 |
3 R工厂生产车间现状及问题分析 |
3.1 R工厂简介 |
3.2 R工厂现状 |
3.2.1 R工厂工艺流程现状 |
3.2.2 R工厂布局现状 |
3.2.3 R工厂物流现状 |
3.3 问题分析 |
3.4 本章小结 |
4 R工厂车间布置方案研究 |
4.1 基于SLP对R工厂车间布置改进 |
4.1.1 设施布置形式的确定 |
4.1.2 作业单位的划分 |
4.1.3 物流关系分析 |
4.1.4 非物流关系分析 |
4.1.5 作业单位相关表及相关图绘制 |
4.1.6 R工厂面积相互关系图绘制 |
4.2 基于粒子群算法构建面积相关图模型 |
4.2.1 问题描述 |
4.2.2 目标函数 |
4.2.3 约束条件 |
4.2.4 编码设定与适应度函数 |
4.2.5 加速系数和惯性系数的设定 |
4.3 优化过程相关参数设置 |
4.4 优化结果及布局对比分析 |
4.4.1 加速系数优化方案分析 |
4.4.2 布局优化方案对比分析 |
4.5 本章小结 |
5 结论 |
5.1 研究结论 |
5.2 研究展望 |
参考文献 |
附录A |
附录B |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(8)WD公司多品种发动机气门生产线优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状综述 |
1.2.1 生产线平衡 |
1.2.2 生产排序问题 |
1.2.3 研究评述 |
1.3 研究内容及方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 本章小结 |
第二章 理论概述 |
2.1 生产线平衡理论 |
2.1.1 生产线平衡定义及相关术语 |
2.1.2 生产线平衡评价 |
2.2 工业工程相关理论概述 |
2.2.1 方法研究 |
2.2.2 作业测定 |
2.3 Flexsim仿真软件 |
2.3.1 Flexsim简介 |
2.3.2 Flexsim相关术语及特点 |
2.4 本章小结 |
第三章 WD公司生产现状及分析 |
3.1 WD公司现状 |
3.2 生产现状 |
3.2.1 生产流程 |
3.2.2 标准时间测定 |
3.3 生产线平衡问题分析 |
3.4 本章小结 |
第四章 基于传统IE的生产线平衡研究 |
4.1 操作分析法 |
4.1.1 电镦工序问题分析 |
4.1.2 电镦工序改善结果 |
4.2 模特排时法 |
4.2.1 杆身检验问题分析 |
4.2.2 杆身检验改善效果 |
4.3 其他方法 |
4.4 改善结果 |
4.5 本章小结 |
第五章 基于Flexsim的气门生产排序仿真 |
5.1 问题描述 |
5.2 气门生产线仿真模型的建立 |
5.2.1 统计生产总时间 |
5.2.2 E8生产线建模原则 |
5.2.3 仿真模型的建立 |
5.2.4 设置模型参数 |
5.3 气门生产线的仿真运行 |
5.3.1 两种产品连续生产型 |
5.3.2 一种产品连续生产型 |
5.3.3 三种产品完全交叉生产型 |
5.4 锻造热处理、检验阶段仿真验证 |
5.4.1 锻造热处理仿真验证 |
5.4.2 检验阶段仿真验证 |
5.5 本章小结 |
结论 |
参考文献 |
附录A E8生产线B型三种产品各工艺流程观测表 |
附录B E8生产线B型三种机加工阶段废品率情况 |
攻读学位期间所取得的相关科研成果 |
致谢 |
(9)加工时间具有随机性的Job Shop鲁棒调度问题研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 国内外相关研究进展 |
1.2.1 考虑加工时间随机性的生产调度问题模型 |
1.2.2 鲁棒调度方法相关研究进展 |
1.2.3 考虑工人因素的生产调度问题 |
1.2.4 求解SJSSP的智能优化算法 |
1.2.5 国内外相关研究总结 |
1.3 本文主要研究工作及内容安排 |
1.3.1 研究路线 |
1.3.2 章节安排 |
1.3.3 课题来源 |
1.4 本章小结 |
2 加工时间具有随机性的JOB SHOP鲁棒调度问题建模 |
2.1 不同约束下SJSSP鲁棒调度问题 |
2.1.1 基于加工时间随机场景的SJSSP鲁棒调度问题 |
2.1.2 考虑工人负面主观因素的SJSSP鲁棒调度问题 |
2.1.3 机器-工人双资源约束的SJSSP鲁棒调度问题 |
2.2 SJSSP鲁棒调度问题数学模型 |
2.2.1 SJSSP鲁棒调度问题的析取图模型 |
2.2.2 SJSSP-SSP鲁棒调度模型 |
2.2.3 SJSSP-ESP鲁棒调度模型 |
2.2.4 DR-SJSSP-ESP鲁棒调度模型 |
2.3 本章小结 |
3 基于加工时间随机场景仿真的SJSSP鲁棒调度研究 |
3.1 求解SJSSP-SSP的混合分布估计算法 |
3.1.1 编码设计和解码方法 |
3.1.2 概率模型与更新机制 |
3.1.3 种群初始化和新个体采样方法 |
3.1.4 基于父代工序继承的个体重组方法 |
3.1.5 个体变异方法 |
3.1.6 HEDA个体选择方法 |
3.1.7 HEDA算法复杂度分析 |
3.1.8 算法总体流程 |
3.2 基于评价空间缩减策略的改进HEDA |
3.2.1 评价空间缩减策略 |
3.2.2 RS-HEDA算法流程 |
3.3 仿真实验 |
3.3.1 实验设置 |
3.3.2 HEDA实验结果及分析 |
3.3.3 RS-HEDA实验结果及分析 |
3.3.4 制造企业调度案例仿真 |
3.4 本章小结 |
4 基于加工时间期望场景的SJSSP鲁棒调度研究 |
4.1 基于关键和非关键工序集的鲁棒性代理指标 |
4.1.1 现有鲁棒性代理指标分析 |
4.1.2 随机加工时间扰动程度量化方法 |
4.1.3 调度方案的扰动吸收能力分析 |
4.1.4 基于关键和非关键工序集的鲁棒性代理指标 |
4.2 多目标HEDA(MO-HEDA) |
4.2.1 改进的非支配排序算法 |
4.2.2 拥挤度距离计算和比较 |
4.2.3 MO-HEDA算法流程 |
4.3 仿真实验 |
4.3.1 实验设置 |
4.3.2 鲁棒性代理指标SM-CO的性能分析 |
4.3.3 基于MO-HEDA的 SJSSP-ESP鲁棒调度优化 |
4.3.4 制造企业调度案例仿真 |
4.4 本章小结 |
5 机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究 |
5.1 基于工人熟练程度的工时方差缩减模型 |
5.2 机器-工人双资源两阶段指派 |
5.2.1 机器-工人两阶段指派方法 |
5.2.2 机器-工人两阶段指派策略 |
5.3 基于扰动传播的鲁棒性代理指标 |
5.3.1 工人约束和机器约束的交互影响 |
5.3.2 扰动传播过程分析及SM-DP |
5.4 仿真实验 |
5.4.1 实验设置 |
5.4.2 SM-DP相关性实验分析 |
5.4.3 两阶段指派策略性能分析 |
5.4.4 基于两阶段指派策略的DR-SJSSP-ESP鲁棒调度优化 |
5.4.5 制造企业调度案例仿真 |
5.5 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
英文缩写索引 |
攻读博士期间科研、论文发表情况 |
致谢 |
(10)400尺自升式钻井平台的轻量化软件研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 SD-400海工平台轻量化浏览器的开发背景 |
1.2 轻量化浏览器国内外发展现状 |
1.2.1 国外发展现状 |
1.2.2 国内发展现状 |
1.3 本文的主要工作 |
1.4 本文组织结构 |
2 移动式轻量化浏览解决方案 |
2.1 模型轻量化技术需求分析 |
2.2 模型轻量化技术研究现状 |
2.3 产品数据交换方式 |
2.4 模型轻量化浏览系统解决方案 |
2.5 本章小结 |
3 SD-400海工平台轻量化浏览器系统详细设计 |
3.1 海工平台数据转换器 |
3.2 轻量化浏览器的总体设计 |
3.2.1 轻量化浏览器的模块划分 |
3.2.2 轻量化浏览器架构 |
3.2.3 高性能显示优化方案 |
3.2.4 主机端浏览器的界面设计 |
3.2.5 移动端浏览器界面设计 |
3.3 云无线通讯功能设计 |
3.4 本章小结 |
4 SD-400海工平台轻量化浏览器建模实现 |
4.1 轮廓模型建模过程 |
4.1.1 SolidWorks简介 |
4.1.2 SD-400概述 |
4.1.3 桩靴的设计 |
4.1.4 桩腿的设计 |
4.1.5 甲板箱及主甲板机械 |
4.1.6 上层建筑与直升机平台 |
4.2 详细分段建模过程 |
4.2.1 CATIA简介 |
4.2.2 分段建模详述 |
4.2.3 注意事项 |
4.3 本章小结 |
5 轻量化系统的实现与测试 |
5.1 轻量化系统总体实现 |
5.1.1 HGSView系统概述 |
5.1.2 主机浏览器界面 |
5.1.3 移动浏览器界面 |
5.1.4 海工平台数据转换器 |
5.2 高性能浏览实现 |
5.3 图形手势实现 |
5.4 系统测试 |
5.4.1 相同文件、不同精度、相同压缩方式 |
5.4.2 相同文件、相同精度、不同压缩方式 |
5.4.3 不同文件、相同精度、相同压缩方式 |
5.4.4 相同模型、不同平台 |
5.5 本章小结 |
6 结论 |
参考文献 |
致谢 |
在校期间主要科研成果 |
四、关于"三台以上机床作业排序问题"的算法(论文参考文献)
- [1]考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究[D]. 李海. 电子科技大学, 2021
- [2]云制造环境下面向过程的生产调度问题研究[D]. 娄高翔. 长安大学, 2021(02)
- [3]数据驱动的制造车间能耗分析及节能优化[D]. 魏宏静. 贵州大学, 2020(12)
- [4]基于碳排放的多目标车间生产调度研究[D]. 陈艳阳. 中国矿业大学, 2020(01)
- [5]Y公司活塞杆生产线优化研究[D]. 吴坤宇. 哈尔滨理工大学, 2020(02)
- [6]MRPⅡ/JIT集成模式在A公司生产管理中的应用研究[D]. 刘福祥. 北京交通大学, 2019(01)
- [7]R工厂设施布置方案研究[D]. 聂锦源. 北京交通大学, 2019(01)
- [8]WD公司多品种发动机气门生产线优化研究[D]. 王晓达. 河北工业大学, 2018(06)
- [9]加工时间具有随机性的Job Shop鲁棒调度问题研究[D]. 肖世昌. 西北工业大学, 2018
- [10]400尺自升式钻井平台的轻量化软件研究[D]. 李忠鹏. 山东交通学院, 2016(11)