关键词:
柔性作业车间
黑猩猩优化算法
恶化效应
多目标决策
摘要:
随着制造业技术的不断升级迭代,企业的生产模式发生了重大的变革,柔性作业车间以其高度的适应性、卓越的生产效率和优秀的资源利用率等优点逐渐替代了原有生产方式,成为现今的研究热点。在传统的车间调度研究中,加工时间和加工因素通常被设为定值,对于变化的加工时间研究较少。同时随着绿色制造的推行,在车间生产中推行有效的节能措施变得刻不容缓。因此,针对工件恶化效应下的柔性作业车间调度问题的研究显得至关重要。本文基于柔性作业车间调度模型,针对工件恶化效应带来的影响,同时考虑关机/重启的节能措施,建立了涵盖五个调度优化目标的模型,并根据模型特点对黑猩猩优化算法进行改进,最后采用多目标决策方法进行调度方案决策,取得了良好的应用效果。主要研究内容如下:(1)针对工件恶化效应的影响,以柔性作业车间为研究对象,考虑机器处于不同状态下的车间能耗,建立多种优化目标下的调度模型。提出一种改进的黑猩猩优化算法进行求解,首先在编码阶段采用ROV规则建立连续型算法和离散型问题的转化机制;接着采用GLR的初始化方法提高初始解的质量;然后采用动态权重的个体更新方式和变邻域搜索,避免陷入局部困境;最后引入快速非支配排序和精英选择策略,使其能够求解多目标车间调度问题。(2)在长时间的加工过程中,机器过长的待机时间会产生不必要的能源消耗,因此考虑关机/重启策略这一节能措施,通过比较确定执行策略的阈值时间点。同时提出AHP-EWM的赋权方式,结合TOPSIS法进行多目标问题的综合评价,以此来选择最合适的调度方案。(3)通过扩展的标准算例验证了改进的算法在单目标问题、多目标目标车间调度问题上的有效性,同时也验证了模型的正确性。其次通过算例验证了节能措施能够对碳排放进行有效降低。最后采用某汽车零部件公司的具体生产实例进行求解,同时运用提出的多目标评价方法进行方案选择,验证了决策方法的实用性。