关键词:
绿色柔性作业车间
人员学习效应
高维多目标优化
混合遗传算法
摘要:
绿色作业车间调度是制造企业通过对车间资源的合理分配,以实现经济指标和环境指标的协同优化,保持市场竞争力,应对复杂市场环境采取的生产管理手段。为达到缩短生产周期、优化绿色目标的目的,绿色柔性作业车间的优化通常会注重加工设备选择与作业排产,但往往会忽略人员因素产生的影响,特别是人员学习效应对车间生产效率的影响。因此,如何同时考虑学习效应的人员选派、关注绿色目标的设备选择以及注重综合性能的工序排产等多个因素的影响,是目前离散制造企业亟待解决的问题。本文设计了基于网格筛选外部档案的混合遗传算法(Grid Filter External Archive Hybrid Genetic Algorithm,GFEAHGA)以解决上述问题。具体研究内容如下:
(1)在考虑多能工的柔性作业车间中,兼顾生产设备和操作工人的双资源约束,在一人多机背景下,依据设备加工时间和设备能耗,提出设备选择与档位选择策略。根据人员学习能力,设计多能工选派启发式信息,提出合理的人员选派方案。建立以最大完工时间、最大设备负荷、最大人员负荷、相关绿色目标、人员数量最小化为目标的调度模型,并分析本模型的特殊性。
(2)为实现本文问题的求解,设计了GFEAHGA。首先,采用基于工序与基于设备的两段式编码方法,并以两阶段解码方法进行解码;其次,应用有效的种群初始化方法,提高初始解性能,缩短寻优时间;然后,在遗传算法中融合基于改进N6邻域搜索算法与变邻域搜索算法,增强算法寻优能力,并根据两段编码差异分别采用多组可选择交叉算子与变异算子;接着,将适应度好的个体保留到外部档案中,并更新外部档案保留更多较优个体;最后,应用网格技术,修剪外部档案中的个体,输出非支配解集。
(3)为证明本问题的适用性与GFEAHGA的有效性,设计了三个实验:实验一,验证人员学习效应对各目标的影响,通过实验结果分析考虑学习效应的必要性;实验二,验证不同加工档位对人员投入产出比率的影响,通过结果分析,档位选择对人员选派有一定影响。实验三,为验证多目标算法的综合性能,以典型算例为基础,针对本问题添加实验参数,进行大量实验。将GFEAHGA与NSGA-II、MOEA作对比,同时利用HV和RNDS两个指标对其性能进行评估。实验证明GFEAHGA在求解该问题时,具有良好的综合性能。最后,将模型与设计的求解算法应用到实际生产车间中,为K企业A车间提供行之有效的调度方案。