关键词:
柔性作业车间调度
动态调度
灰狼算法
模糊交货期
多目标优化
摘要:
如何做好生产调度是企业生存的关键问题,好的生产调度方案使企业生产效率提升,调度方案的合理性对企业生产的稳定性和盈利有很大影响。以往专家学者多聚焦于静态的车间调度问题。然而,生产现场往往会发生很多意外状况,如:新工件到达、机械故障等,考虑到这些干扰,这些动态事件不可避免的会对现行的调度计划产生影响,所以厂家与顾客之间约定的交货期往往是模糊的,并且由于所处角度的不同,厂家与客户之间往往在交货期上存在着矛盾。从企业角度,最终的完工时间需要被控制在合适的加工时间窗口内,在保证生产成本不增加的前提下按时交付订单;从客户角度,交货期应在合适的时间范围内,以保证下一步生产计划的按时展开,否则工件的提前/拖期交货会对企业和客户的满意度产生影响,给双方造成损失,因此在生产系统中有必要考虑到企业和客户的总体满意度。因如何减少因为这些动态干扰事件造成的生产波动,使客户满意并在同时使企业满意度得到保障成为了企业和专家们共同关注的问题。在车间调度中考虑模糊交货期,研究和实践价值十分重要。随着模糊理论的完善,生产过程中的动态参数已经可以使用模糊数学方法进行表达。利用合适的算法进行调度模型求解,使调度计划与订单的生产计划相匹配,在调度领域已经成为重要的研究方向。灰狼算法(GWO)具有参数简单,收敛迅速的优点。但是,在GWO运行过程中也存在局部最优,稳定性差等缺点。本文通对灰狼算法进行改进在弥补算法本身稳定性的同时,促进局部最优和全局搜索之间的平衡。因此,基于柔性作业车间调度、模糊理论及动态调度等理论,本文针对设备故障的发生,再调度策略根据周期与事件共同影响在调度窗口中执行;由于工件交货期具有模糊特征,本文将其使用梯形模糊数表示,在多目标优化模型中采用字典序表达,将最大完工时间设定为第一级目标,客户与企业总体满意度设定为第二级目标,建立柔性作业车间动态调度模型。然后,设计了灰狼优化算法的改进过程,对算法的初始种群进行优化,提高了整体算法收敛速度;将收敛因子由线性改变为非线性,提升算法扩大搜索范围的能力,避免陷入局部最优,并使局部最优与全局最优达到平衡;将不同的决策权重赋予不同位置的灰狼领导层,以动态权重的方式提高了算法的精确性。最后结合DS亚克力板材厂加工现场生产实例,验证了改进后GWO的收敛性能和全局搜索性能,并对实例进行求解,对不同设备出现故障的生产情况进行了对比分析,比较了最大完工时间和总体满意度,筛选出了关键的设备,进行重点维护。并对该企业今后的生产运作提出可行性建议。