|
|
一、立论依据：内容包括 1.选题的缘由；2.研究意义；3.国内外相关文献综述。 |
1，选题的缘由。 随着市场的多变以及市场对产品个性化的需求，多品种、小批量生产方式已经逐渐成为制造业的发展主流。研究机械制造车间的调度优化方法，对于先进制造业的现代化具有重要的理论价值和实际应用价值。 2，研究的意义。 车间作业调度问题的研究不仅具有重大的现实意义，而且具有深远的理论意义。 首先，车间作业调度问题的研究是现代制造企业生存和发展的基础。车间生产过的调度问题，是制造系统运筹技术、管理技术与优化技术发展的核心。有效的调度方与优化技术的研究和应用，已经成为先进制造技术实践的基础和关键。随着经济全球化，企业之间的竞争日益加剧，单件小批生产方式己成为当今制造业的主流，特别是信息程度较低的重型机械制造企业，所加工的产品种类繁多，调度工作越来越复杂。调查统计表明:在机械制造中就产品的产量而言，多品种小批量生产占50%左右，就产值而占60%左右，机械制造过程中大部分的时间消耗在非切削过程中。及时准确的调度可提高资源的利用率，均衡生产，减少在制品的资金占用，降低生产成本，提高生产效率， 保证生产管理任务的顺利实施与完成，才能使企业在激烈的全球竞争中立于不败之地长期以来，在企业生产系统的信息化建设中，无论是应用计算机集成制造系统，是其它形式的企业信息系统，在车间一层上都遇到了重重困难，车间生产环境的复杂性和各种因素的不确定性，使得不同企业车间所处的环境、管理模式和方法也不同，一般很难找到一个适用于多个类型车间的通用方法，所以到目前为止还没有比较理想的通用型车间管理软件供选择，只能针对具体的车间或班组具体研究并开发专用的生产调度软件。因此开发求解适用性强的车间调度算法一直是调度和优化领域的重要课题。 其次，车间作业调度问题的研究将促进现代优化技术和理论的发展。迄今为止，研究车间调度的算法包括传统运筹学方法、启发式规则、离散事件动态系统方法、人工智能、仿真方法、神经网络、模糊理论、模拟退火、遗传算法(GA)、禁忌搜索和混合算法等等。遗传算法是基于“优胜劣汰、适者生存”的一种高度并行、随机和自适应优化算法。它将问题的求解表示成染色体的适者生存过程，通过染色体群的一代代不断进化，包括复制、交叉和变异等操作，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。遗传算法原理和操作简单，通用性强，不受限制性条件的约束，且具有良好的鲁棒性、全局收敛性、隐含并行性和全局解空间搜索能力，已成为当今的主流智能计算方法之一，在机器学习、模式识别、控制工程、VLSI设计等领域，尤其是在生产调度领域得到广泛的应用。然而，遗传算法也存在计算效率低、容易产生“早熟收敛”和对含有众多约束条件的复杂工程优化问题难以求解等不足。所以如何利用遗传算法高效求解车间调度问题，一直被认为是一个具有挑战意义的难题并成为研究的热点，涌现出大量论文并取得较大进展。 最后，车间作业调度问题的研究成果将对其它科技领域发展提供重要借鉴。调度理论源于对制造车间生产计划与控制的研究，车间调度是调度理论应用于实际的一个方面，目前它的应用范围已经从制造业的车间扩展到了物资、能源、交通运输和社会服务等各个行业和领域。同时，基于遗传算法的车间调度理论及算法的研究成果对其它如计算机技术、通讯技术和航天技术等等应用领域都将具有重要的借鉴意义。 因此，基于遗传算法的作业车间调度研究具有重大的现实意义和深远的理论意义。 3，国内外相关文献综述。 车间作业调度问题是一个传统问题。对它的研究开始于20世纪50年代。在1954年，S.M.Johnson对对两台机床的车间调度问题进行研究，提出部分问题的求解方法，代表着调度理论研究的开始。60至70年代，随着经典调度理论的建立，人们开始了对算法复杂性的研究，多数调度问题被证明属于 问NP-hard问题，难以找到多项式算法，因此人们开始关注启发式算法。70年代末，经典调度理论趋向成熟。 由 由于调度问题是制造系统中最基本、最重要的问题之一，是生产管理的核问题和关键技术，因此国内外大量的学者对其进行了广泛的探讨和研究。随着调度理论研究的深入及各种交叉学科的发展，又涌现出许多新的车间调度的理论方法。如确定性最优化方法、基于规则和基于知识的调度方法、仿真调度法、神经网络优化法、基于DEDS的解析模型方法、拉氏松弛法以及于模糊数学理论的方法等。近年来，用模拟退火算法、禁忌搜索算法、人工神经网络、蚁群算法和遗传算法等智能方解决车间作业调度问题受到人们的高度关注。 由 由于各种车间作业调度的算法都存在着不同程度的优缺点，所以，近年人们开始将各种算法组合起来进行研究，以扬长避短，达到优化调度的目比如:使用将遗传算法和禁忌搜索算法结合起来的混合策略，求解车间调度问。建立基于仿真和遗传算法的集成车间调度优化方法。通过结合启发式算法和遗传算法的混合方法，求解多资源约束的车间调度问题。 |
二、研究方案：主要内容包括1.研究目标；2.研究内容；3. 拟创新之处；4.拟采用的研究方法、实验方案或可行性分析；5.研究计划与进度安排；6.主要参考文献。 |
1. 研究目标 本课题的研究目标：以在阐述了生产车间多工艺加工计划批量调度的概念、研究状况和意义的基础上，建立了生产车间多工艺加工计划批量调度的数学模型；对在本文中所采用的遗传算法的相关算子进行了阐述；针对中小批量的多工艺加工计划调度问题，以优化生产周期为目标，给出了基于双遗传算法的多工艺加工计划调度算法。最后研究了三种调度策略，通过分析比较，总结出最佳调度策略。 2.研究内容 1) 概述了遗传算法的基本原理和步骤，介绍了遗传算法常用的一些算子，分析了遗传算法的特点，并对遗传算法的一些理论进行了讨论。 2) 在阐述了车间作业计划和多工艺加工计划调度概念和意义的基础上，建立了基于多工艺加工计划的生产调度集成框架图和数学模型；对在本文中所采用的遗传算法的相关算子进行了阐述；给出了基于遗传算法的无辅助加工时间多工艺加工计划调度算法，通过与国外学者提出的算法相比较，证明了该算法的正确性和优越性。在此基础之上，结合实际生产，区分了工件辅助加工时间和加工时间，给出了有辅助加工时间的多工艺加工计划调度算法，通过与前一算法的比较，证明了该算法的优越性。 3) 在阐述了生产车间多工艺加工计划批量调度的概念、研究状况和意义的基础上，建立了生产车间多工艺加工计划批量调度的数学模型；对在本文中所采用的遗传算法的相关算子进行了阐述；针对中小批量的多工艺加工计划调度问题，以优化生产周期为目标，给出了基于遗传算法的多工艺加工计划调度算法。最后研究了三种调度策略，通过分析比较，总结出最佳调度策略。 2. 拟创新之处 1) 在阐述了机械制造车间作业计划和多工艺加工计划调度概念和意义的基础上，建立了基于多工艺加工计划的生产调度的数学模型； 2) 在阐述了生产车间多工艺加工计划批量调度的概念、研究状况和意义的基础上，建立了机械制造车间多工艺加工计划批量调度的数学模型； 3. 拟采用的研究方法 采用遗传方法对机械制造车间的调度进行优化研究。 4. 研究计划与进度安排 2010.10-2010.12 内容：搜集并阅读调研相关资料。 指标：了解国内外有关课题的发展情况，确定课题，撰写开题报告 2010.12-2011.01 内容：学习课题所需要的基础理论方面的知识，认真阅读各类文献，形成自己的理论体系。 指标：完成课题基础理论方面的研究。 2011.02-2011.05 内容：在已有的基础上对课题展开深入研究 指标：完成课题要求的各项研究内容。 2011.06-2011.12 内容：整理前期为课题所作的研究结果，撰写论文 指标：完成论文，通过答辩。 5. 主要参考文献 [1] 陈国良,王煦法等.遗传算法及其应用,人民邮电出版社(第1版),1996:350-358 [2] 张超勇,饶运清,李培根.求解车间作业调度问题的一种改进遗传算法.计算机集成制造系统,2004,10(8),966-970 [3] 孙志峻.智能制造系统车间生产优化调度.南京:南京航空航天大学图书馆，2002. [4] R E Miller,J W Thatcher Complexity of Computer Computations New York:Plenum Press,1972:436-485 [5] S A Cook,The complexity of theorem proving procedures InProc of the 3rd Annual ACM Symp on Theory of Computing New,1997:35-40 [6] Stephen C Graves.A Review of Production Scheduling.Production Scheduling[J],1981,29(4):646-675 [7] Nicolas Beldiceanu,Mats Carlsson,A new multi-resource cumulatives constraint with negative heights,Technical Report T2001,2001 [8] 孙志峻.智能制造系统车间生产优化调度（博士论文）,南京航空航天大学，南京2002 [9] H L Gantt Organization for Work London:Allen and Unwin,1919,H V Coes Mechanical scheduling In H F Dutton ed 110 Tested Plans that Increased Factory Profits,Selected Ideas from Factory and Industrial Management Chicago: McGrawShaw Co,1928:76 [10] T Chang A fuzzy rule based methodology for dynamic Kanban control in a generic Kanban system[Ph D dissertation]Purdue Unniversity,West Lafayette,1996:53 [11] David W.S.,Robert H.S.,Pei C.C.,One-machine rescheduling heuristics with efficiency and stability as criteria,Computers Operation Research,1993,20(1):1-5 [12] Tadahiko Murata,Hisao Ishibuchi,Hideo Tanka-Multi-objective genetic algorithm and its application to flowshop scheduling.Computers and Engineering[J],1996, 30(4):957-968. [13] 黄小原,刘海龙.Job Shop单机多目标调度,东北大学学报(自然科学版)1995,16(3):34 [14] Hoda Eimaraghy,Vishvas Patel.Imed Ben Abdallah.Scheduling of manufacturingsystems under dual-resource constraints using genetic algorithms.Journal of Manufacturing Systems[J],2000,19(3):186-203 [15] 孙志峻,朱剑英等.基于遗传算法的多资源作业车间智能动态优化调度.机械工程学报[J],2002,38（4） [16] Sun Zhijun,Zhu Jianying and Qiao Bing.A Genetic Algorithm Based Approach to the Intelligent Optimized for Scheduling Multi-Resources Manufacturing,Proceedings of the first International Conference on Mechanical Engineering,Shanghai,2000:53 [17] 潘全科.智能制造系统多目标车间调度研究（博士论文）南京航空航天大学，南京2003 [18] 方剑.FMS中的工件调度,高技术通讯,1997,7:53 [19] 顾擎明，宋文忠，基于成组技术的一种柔性调度方法，控制理论与应用，1998,15(6):908 [20] 孙志峻,乔冰,潘全科等.具有柔性加工路径的作业车间批量调度优化研究[J].机械科学与技术,2002,21(3):348-350 |
