关键词:
柔性作业车间调度
多目标优化
能耗
调整时间
成本
摘要:
随着先进制造技术、信息技术以及网络技术的迅猛发展以及在国家创新管理、提质增效的引导下,传统的制造模式正朝着智能制造方向发展。由于柔性作业车间调度可以对车间资源进行合理配置,达到提高设备利用率、降低能耗和成本的目的,因此成为企业关注的热点。柔性作业车间调度问题(Flexible Job shop scheduling problem,FJSP)作为传统作业车间调度问题(Job shop scheduling problem,JSP)的延伸,增加了工件对机器选择,因此很大程度上提升了调度的灵活性和计算的复杂度,符合现代制造的生产模式。本文以能耗问题为研究核心,在复杂的车间环境中进行深入分析和研究,建立相应的数学模型并采用相关算法对考虑能耗的多目标问题进行求解,达到节能生产的目的。具体工作如下:首先,针对考虑能耗的柔性作业车间调度问题,建立了以能耗和最大完工时间为优化目标的数学模型,并提出适用于求解该模型的NSGA-Ⅱ-SA算法。算法以节能生产为出发点,在算法的解码操作中引入空闲时间优先的方法,并根据节能要求设计两条优先规则,实现不降低加工效率的情况下节约能源,接着对Pareto前沿中的个体执行模拟退火方法进而提升个体的质量,最后通过实验仿真,证明本章提出的NSGA-Ⅱ-SA算法的有效性。其次,针对考虑机器调整的柔性作业车间调度能耗问题,建立了以最大完工时间、总调整时间和总能耗为优化目标的节能优化模型,并设计求解该模型的多目标混合算法(MOGATS)。算法设计多种初始化规则来保证初始种群的多样性,并在变异算子中执行模拟退火操作来提升算法的局部搜索能力,然后在Pareto前沿中找到各个目标的最优个体作为初始解进行禁忌搜索,从而提高解的质量,最后通过与其他算法进行实验仿真,证明MOGATS能够有效求解考虑机器调整的柔性作业车间调度能耗问题。最后,针对考虑机器和工人双约束的柔性作业车间调度能耗问题,建立了考虑加工时间、调整时间、工人成本和能耗成本等要素以最大完工时间、总调整时间和总成本为优化目标的数学模型,并提出多种群协同进化算法(Multi-population coevolutionary algorithm,MPCEA)对该模型进行求解。算法中多个种群的精英个体利用相互作用提高种群质量,并在选择算子中使用聚类排序方法代替了经典的拥挤排序方法来提高算法的搜索能力,最后,利用实际案例进行仿真实验,证明MPCEA能够有效求解考虑机器和工人双约束的柔性作业车间调度能耗问题。