本书针对加工制造企业生产加工过程中面临的计划外新任务到达和随机机器故障两类典型干扰事件，在充分考虑实际加工过程中的环境特性和生产因素的基础上，提出相应的生产系统干扰应对模型和求解算法，进而为决策者提供多个可以在加工成本和系统扰动之间进行权衡选择的科学合理的干扰应对方案。作者将所提出的模型和算法在大连市某集装箱制造企业的生产系统干扰应对过程中进行了成功应用。所述内容为加工制造企业的干扰事件应对提供了决策支持。
样章试读
目录
- 目录
前言
主要符号表
第1章 绪论 1
1.1 生产调度中干扰应对问题的产生和发展 1
1.2 具有恶化效应的生产调度 3
1.2.1 具有恶化效应和加工时间可控的生产调度 4
1.2.2 具有恶化效应和带有机器维护的生产调度 4
1.2.3 具有恶化效应和加工可拒绝的生产调度 5
1.3 生产调度干扰应对方法 5
1.3.1 生产调度干扰应对模型的构建 5
1.3.2 干扰应对模型的求解算法 12
1.3.3 小结 16
1.4 本书的研究内容 17
第2章 加工时间可控的新任务到达应对方法 20
2.1 具有恶化效应和加工时间可控的新任务到达应对分析 20
2.2 干扰应对模型构建及性质分析 21
2.2.1 原始调度方案制定 21
2.2.2 干扰应对模型的构建 23
2.2.3 模型结构的性质分析 24
2.3 干扰应对模型的求解算法 26
2.3.1 基于先验知识和混合优化机制的多目标进化算法 26
2.3.2 基于Benchmark测试函数的算法最优性检验 32
2.3.3 数值实验和结果分析 35
2.4 本章小结 40
第3章 考虑多生产因素的新任务到达应对方法 42
3.1 考虑多生产因素的新任务到达应对分析 42
3.2 考虑机器维护的集成优化干扰应对方法 43
3.2.1 考虑机器维护的原始调度方案制定 43
3.2.2 考虑机器维护的集成优化干扰应对模型的构建 45
3.2.3 考虑机器维护的集成优化干扰应对模型的结构性质分析 46
3.2.4 基于先验知识和混合优化机制的多目标进化算法 50
3.2.5 数值实验和结果分析 56
3.3 考虑加工可拒绝的集成优化干扰应对方法 62
3.3.1 考虑加工可拒绝的原始调度方案制定 62
3.3.2 考虑加工可拒绝的集成优化干扰应对模型的构建 65
3.3.3 考虑加工可拒绝的集成优化干扰应对模型的结构性质分析 65
3.3.4 基于先验知识和混合优化机制的多目标进化算法 66
3.3.5 数值实验和结果分析 70
3.4 本章小结 78
第4章 考虑调度方案鲁棒性的随机机器故障应对方法 80
4.1 考虑调度方案鲁棒性的随机机器故障应对分析 80
4.2 考虑加工成本与鲁棒性指标的随机机器故障应对方法 81
4.2.1 考虑加工成本与鲁棒性指标的调度模型 81
4.2.2 基于代理模型和先验知识的多目标进化算法 83
4.2.3 数值实验和结果分析 88
4.3 考虑鲁棒性的质量与风险的随机机器故障应对方法 93
4.3.1 考虑鲁棒性的质量与风险的调度模型 93
4.3.2 基于代理模型和随机排序策略的多目标进化算法 94
4.3.3 数值实验和结果分析 100
4.4 本章小结 106
第5章 实际案例研究 107
5.1 集装箱加工过程及干扰应对问题分析 107
5.2 考虑安排设备大维修的新增订单应对 110
5.2.1 考虑安排设备大维修的新增订单应对方案生成 111
5.2.2 考虑安排设备大维修的新增订单应对方案评价 113
5.3 考虑外包加工的新增订单应对 115
5.3.1 考虑外包加工的新增订单应对方案生成 115
5.3.2 考虑外包加工的新增订单应对方案评价 116
5.4 考虑调度方案鲁棒性的随机设备故障应对 118
5.4.1 考虑调度方案鲁棒性的随机设备故障应对方案生成 118
5.4.2 考虑调度方案鲁棒性的随机设备故障应对方案评价 120
5.5 集装箱加工过程干扰应对辅助软件原型系统 121
5.5.1 原始调度方案生成模块 122
5.5.2 干扰应对方案生成模块 122
5.6 本章小结 123
参考文献 125
附录A 算法性能指标 137
附录B 问题(P3)的混合整数规划模型 139
索引 141
彩图
图目录
图1.1 篇章结构 18
图2.1 并行混合进化算法步骤 28
图2.2 Benchmark测试函数求解结果 34
图2.3 求解过程中距离理想点的收敛曲线 37
图2.4 求解过程中每一代有效前沿的进化过程 37
图2.5 得到的有效前沿对比 38
图2.6 串行与并行算法求解过程中与理想点距离的收敛曲线 39
图3.1 NSGA-II/DE算法流程 53
图3.2 初始种群对比 58
图3.3 求解过程对比 59
图3.4 每一代有效前沿变化过程 60
图3.5 得到的有效前沿对比 61
图3.6 算法设计思路 66
图3.7 NSGA-II/DE+TL算法的流程 68
图3.8 仿真流程 72
图3.9 不同种群规模的算法有效前沿对比 73
图3.10 针对小规模问题的结果对比 74
图3.11 在12组实验下Ri平均值的均值和标准差对比 75
图3.12 求解过程对比 76
图3.13 得到的有效前沿对比 77
图4.1 ADK/SA-NSGA-II算法的流程图84
图4.2 初始种群对比 90
图4.3 求解过程对比 91
图4.4 得到的有效前沿对比 92
图4.5 SVR/PSS-NSGA-II算法每一代进化流程 95
图4.6 PSS策略的工作流程 97
图4.7 三种算法的初始种群对比 102
图4.8 三种算法的求解过程对比 103
图4.9 每一代有效前沿的变化过程对比 104
图4.10 三种算法的有效前沿对比 104
图5.1 集装箱生产流程 108
图5.2 干扰应对辅助软件系统体系结构图121
图5.3 原始调度方案生成设置界面 122
图5.4 新增订单应对方案生成设置界面 122
图5.5 新增订单应对方案列表123
图5.6 随机生产设备故障应对方案生成设置界面 123
表目录
表2.1 四种实验参数 36
表2.2 PHEA与NSGA-II的性能衡量指标对比 39
表2.3 PHEA-POSQ与PHEA的性能衡量指标对比 39
表3.1 求解算法设计的三个层次 51
表3.2 调参结果 57
表3.3 算法性能指标对比 62
表3.4 实验参数 71
表3.5 对每组实验进行各30次仿真的Ri平均值 75
表3.6 不同规模问题的性能指标对比 78
表4.1 算法调参结果 89
表4.2 SA-NSGA-II和NSGA-II的量化指标对比 92
表4.3 ADK/SA-NSGA-II和SA-NSGA-II求解结果对比 93
表4.4 SVR/PSS-NSGA-II的参数调试结果 102
表4.5 SVR-NSGA-II和NSGA-II的量化指标对比 105
表4.6 SVR/PSS-NSGA-II和SVR-NSGA-II的量化指标对比 105
表4.7 SVR/PSS-NSGA-II和NSGA-II的量化指标对比 105
表5.1 一组待加工订单的实际加工参数 111
表5.2 考虑安排设备大维修的原始调度方案 112
表5.3 新增订单的加工参数 113
表5.4 考虑安排设备大维修的新增订单应对方案 113
表5.5 考虑安排设备大维修的不同应对方案的性能对比 114
表5.6 考虑外包加工的原始调度方案 116
表5.7 考虑外包加工的新增订单应对方案 116
表5.8 考虑外包加工的不同应对方案的性能对比 117
表5.9 考虑加工成本与鲁棒性指标的原始调度方案 119
表5.10 人工经验方式的原始调度方案 119
表5.11 加工成本最优的原始调度方案 119
表5.12 考虑加工成本与鲁棒性的随机设备故障应对方案 120
表5.13 不同原始调度生成方式的结果对比 120
京公网安备 11010102004214号