【离散制造车间生产计划排产探究14000字（论文）】

PAGEi1PAGE2离散制造车间生产计划排产研究摘要在现代制造业中，车间排产调度、生产管理、技术是制造业生产效率的核心内容，依靠计算机技术的辅助，解决好生产车间调度问题，减少原料的耗费和成品的储存量，收缩产品制造周期，进而提高对于具有多品种、小批量、定制化特点的中小规模生产的组织能力。对企业在面对日趋复杂的市场环境至关重要。对车间调度这个问题，结合一般车间生产情况，深入分析，讨论了作业排产问题解决的思路和实际操作办法。本文提出了一个模型来类比实际情况，设计一个能够自动排产的的算法框架；此外，本文利用遗传算法，探讨了实现不同优化目标优化的方式，比对其优劣势进行比较。结果得出，该算法性能相较其他算法具有一定优越性，不过对于该算法具体应用哪些方面仍需要更多研究。除此以外，本文介绍了以上述为基础的车间排产系统，对相关的开发技术进行阐述，展示实际应用的情况。该系统的顺利运行，可极大减轻企业内从事生产计划编制的人员的工作量，相对人工编制而言也具有了更高的排产效率，使得企业可以加快生产速度，与此同时降低成本压力，最终拥有更好的收益。关键词：制造业资源规划；柔性车间调度；遗传算法目录第1章绪论 31.1课题的来源和背景 31.2国内外相关研究综述 41.2.1国内外相关研究综述 41.2.2离散制造车间管理系统相关模式综述 51.2.3离散车间调度问题研究方法 51.3论文结构及主要内容 6第2章车间的调度问题及遗传算法 72.1排产调度问题 72.1.1问题描述 72.1.2制造系统车间情况分析 82.1.3生产调度问题求解 92.1.4生产调度算法分类 92.2应用遗传算法解决调度问题 102.2.1车间调度的数学模型 102.2.2遗传算法 112.3本章小结 18第3章离散调度车间管理系统的设计与实现 193.1车间管理系统的设计 193.2车间管理系统的应用 223.2.1车间管理系统的使用 223.2.2系统优化效果的检验 243.3本章小结 26第4章结论与展望 274.1结论 274.2不足之处及未来展望 27参考文献 29绪论课题的来源和背景随着科技与市场经济的不断发展，控制生产成本和提高产品的质量一直都是现代企业的目标。而为应对为适应产品个性化定制、多工序、小批量的趋势，则需要更加合理地安排工艺，尽可能压缩生产耗费时间，在这样的需求下，高效生产迫在眉睫[1]。在过去的相当长一段时间里，因为理论与实际的考虑，这一需求不断鼓励人们探索新的调度方法，以使得企业在生产过程中获取最大的效益。对与现代制造企业来说，其核心是其生产管理能力以及调度的理论和技术[2,3,4]。由于在工业生产自身的特点，导致其生产管理极其复杂，必须做到高效的控制与调度。无论是对于压缩整个周期，更少耗费以及更高收益，车间调度都可以起到相当显著的作用。因此，借助计算机来帮助管理生产，可以显著减少无论是原材料还是成品的存量，加快生产速度，从而使得生产的效益更高。使得企业适应当前以订单驱动，多品种小批量生产的现代化生产模式。生产调度问题[5]本质上就是研究如何通过对有限的资源进行合理的调配以使得收益最大化的问题，一个调度就是按照顺序等约束条件将任务有序安排给加工设备的一个方案。一般情况下，由于约束条件较多的原因，生产管理是一个相当难以解决的NP(Non-DeterministicPolynomial)完全问题[6],因为算法本身的特点，如果所解决的实际问题涉及到的范围较大，其难度与复杂度也会呈现指数级的增长。在这样的背景下，为离散车间的生产管理寻求一种切实有效的调度算法就显得极为必要。如今，智能制造的理念已经开始得到越来越多企业的重视与响应。然而，在我国不少企业的车间管理中，计算机技术并没有获得足够普遍的应用，车间作业排产的任务主要还是依靠人工安排。其效率底下且效果也并不够理想，这一定程度上也解释了我国制造业从业人员日常工作时间工作量极大，但是优秀的制造业企业却很少的问题。因此，为了解决这一问题，寻找一种可以应用在车间作业调度的可行而又便捷的方法，成为了制造业企业所迫切需要解决的难题[7]。本次依托于制造企业规划，旨在结合车间管理应用现状，在了解车间明确的软件需求后，对搜集的信息综合分析，最后做出对企业具有指导性建议的作用。

国内外相关研究综述1.2.1国内外相关研究综述在制造系统的研究中，调度系统是无法绕开的主题之一[8,9,10]，因为其重要而又复杂的特点，众多科研工作者不遗余力对其进行研究探索，同时产生了繁多的算法与各式的模型。在最近的一段时间内，计算机技术获得飞速发展，人工智能、ArtificialNeuralNetworks、GeneticAlgorithm、TabuSearch、SimulatedAnnealing[11]等都经常出现在算法研究中。针对遗传算法计划排产问题，国外研究较早开始，弗洛里达大学两位学者提出了“车间作业排产遗传算法[12]”，由澳大利亚史蒂芬和米歇尔提出并设计了一种启发式算法的架构[13]，同样有由研究人员借助算法为一啤酒生产企业解决了车间生产的调度问题；除此之外，研究人员也将模拟退火的方法运用于遗传算法模型，遗传算法、多准则决策以及约束逻辑编程来解决某些问题，在这之内约束逻辑编程为遗传算法提供以及囊括优化问题所有约束的初始值，而遗传算法则用于最优的解，多准则决策则按照多准则原则挑选出最优解[15]。国外学者对此类问题的研究已经相当成熟，也极大推动了车间排产这一问题的发展。国内相关的研究略滞后于国外，且整体进度进展也较为缓慢，然而经过国内众多学者们不懈努力，也取得了不小的成就。李云龙等人提出一种混合遗传算法，采用变邻域的混合遗传算法解决云制造环境下车间调度方案[16]；电子科技大学的王振林、李迅波、吴胜鑫用于生产半导体的工厂的算法，剖析了半导体流水线车间调度问题，在分析工程中对中间变量进行初始化，使得因迭代设置问题而造成的过大计算量得以有效解决，使得半导体工厂生产问题得到较好的解决，极大提高了生产效率[17]；河海大学叶彦斐等人以加工所用总的工时最短为最终目的来解决柔性车间排产的调度方案.该方案为解决种群过早收敛的问题，在传统遗传算法基础上加入了种群灾变机制[18],类比自然界的实际情况使得一部分个体“死亡”,并且会自动产生新个体已补全空缺;同时在交叉变异的环节添加子代寻优策略以提高进化效率。这一方式的应用使得种群规模隐形扩大，通过基因多样性的提高使得结果优化更好。潘颖、周柏诚在《装备制造技术》中通过研究车间排产调度的特点和算法,在传统算法的基础上，创建出一种可以同时对多个目标进行优化的实时动态优化算法。把加工完成总的工时、延时时间以及加床的负载最小作为最终的目[19]，实验证明该方法寻找最优解性能卓越。

1.2.2离散制造车间管理系统相关模式综述国内有相当一部分数量的制造业的企业都已经将应用系统的车间管理作为未来规划的重要一环，但技术暂时没有达到所需要的程度，同时各个也都存在着或多或少的问题，以上问题的存在一定程度上是伴随制造业的出现而产生的。总的来说，就是企业追求个性定制生产而决定的。首先，想想要实现制造业的信息化，就必须对这个产业具有足够深入的了解，因为此类产业的行业特殊性，不同企业之间的特点与需求相差极大。对于非制造业，其关注核心可能在于物流、财务等方面；而对于制造业而言，生产能否均衡、有序、高效才是重中之重。对于本文所着重提到的产业更是如此，资源协调、成本控制、订单生产都是最受重视的要素。与此同时，随着时代的发展，制造类企业也在与时俱进地对自身进行升级转型，因此都有着或多或少的变换。最显而易见的就是，许多企业从传统的大规模严格生产到个人生产风格，再到所谓的“实时业务”，迅速响应用户需求的改变[20]。一些公司为“互联网创建”或合作创建模型。国内的制造业缺乏专业团队科学运营，所谓团队通常由职业经理人组成并对其进行发展，由于注重所谓的能人经济的原因，导致了事实上较为单一的的管理机制，企业的管理者具有一定“领导人的特点”[21]。所以，如果想要完美解决客户所提出的问题，一个个性化的、全面的结局方案就必不可少。基于这样的现实，就必须详细而全面地去理解制造企业的生产过和日常怎样运作，如此就可以设计出真正适合工厂实际生产管理的调度系统1.2.3离散车间调度问题研究方法由于调度问题本身所具有的复杂性，形成了以下几种常用的研究策略：1)化整为零策略通过拆解整个生产任务或者分组的技术可以使得优化过程的计算复杂度减少，并获得一个较优的调度问题解，同时系统的一系列性能指标也可以得到不同程度的优化。2)由于在一般情况下生产过程都充满随机性和变化性,故采用即时管理策略。以适应车间有可能出现的意外状况。截止到目前，具体的行动计划政策是:事件控制计划、周期计划、混合周期计划和事件控制等。3)多优化目标权衡的调度策略在实际调度问题中需要满足和优化的目标通常不止一个，这些目标通常会产生一定的冲突。因此，为解决这样的问题，通常会用到数学规划中的分层序列、评价函数、约束法等等。1.3论文结构及主要内容论文重点的论述有两个方面：研究与实现的内容。主要研究的方面是初步研究离散制造车间，还有车间内各个生产线的协同配合，在学习、比较一些启发式的算法之后，在本系统中加以应用，使得本系统初步中具有实用性、高效性。从课题的实现角度看，是从分析车间加工需求、进行相应的软件设计，最后再进行编码、测试、调试的过程。主要工作内容有：详细分析制造车间的现状，同时对调度问题进行具有科学性的描述。对遗传算法进行介绍，包括企业发展历程、数学原理以及一些基础的遗传操作。采用遗传算法，根据离散工作场所的实际情况进行计算，并给出问题的数学模型4)编制可视化的以遗传算法为核心的车间排查软件系统，可以实现对离散车间排产的初始化调度。论文结构简要介绍如下：第1章内容是课题来源、背景、研究内容和世界范围内对这一问题研究的进展。第2章对解决在车间系统管理的问题中所用到的遗传算法以及具体的应用方式进行了简要的解释。第3章是重点介绍了将算法应用于系统后对于界面等方面的设计原则与方式。然后对搭建起的系统进行了案例模拟与分析来验证系统的实用性。第4中是本课题的最终结论以及不足之处未来的展望。车间的调度问题及遗传算法所谓调度问题，就是对生产过程的计划和安排，是对整个先进生产制造系统想要顺利实现运筹、优化、自动化与计算机技术等技术的核心模块[22]。为了实现更大的生产效率和提高生产效益，学习和应用有效的调度技术以提高效率是很重要的，从而大大提高资源使用效率和生产能力，这样一来就能提高制造企业在市场中的话语权。离散车间的调度问题主要可分为建立模型和算法设计两方面，它主要涉及工业工程、数学、计算机科学、运筹学等领域,在建模、调度、设定和目标确认函数等方面,主要介绍了算法设计方法及其复杂性、效果、收敛性等一系列的内容[23]。2.1排产调度问题2.1.1问题描述调度问题就是对整个生产计划进行合理的安排以使得可以提高生产加工效率，例如解决加工工件顺序的先后问题，以及在面对大量工件时如何进行分组更合理。从生产调度的角度来看,有开环和闭环工厂两种类型的调度问题[24],对于开环调度问题的定义解释，可以说这只是一项来自客户命令的线路研究，即从客户订购中要求的产品在业务中所有现有机器上都是按照流程进行的，而对库存设置问题并不大在考虑范围之内。对于后者这一类型，不仅考虑到采购问题，而且考虑到研究和零件加工的顺序，同时也考虑到各产品的大量大小，也就是说，在满足制约条件的情况下，通过寻找一个的大量生产和加工的顺序确定的情况，使生产力指标上最出色的管理战术在过程中，顾客订单所需要的产品库存所提供的生产任务，一般都是由产品的储存策略来决定的。对于离散作业车间生产排产的早期研究，关注的点主要集中为流水线的加工工件的排序问题上，主要是想要获得优化最好的方法[25]。对于单个的加工机床，主要是研究最短的零件加工时间或者是最快的交货期限来完成零件的加工。对于多台加工机床，因为对于每一台机床来说，工件都是按照其本身完成加工所需要的加工工序来决定在机床上的加工顺序，因此在分析这类问题时思路与前者相差并不大。作业排产问题本质上其实是一个NP问题，其实在人们日常生活中就面临着相当一部分的NP问题。比如多项任务、多个处理及其的分配问题，如果该问题可以得到很好的解决，也会给研究并行工程的学者们带来极大的鼓舞[26]。又比如如何选择最优运输路径的问题，该问题能否解决也极大影响着物流的发展。除此之外，FMS中机器人的路径规划问题的解决也会简介也会对其实际应用和完善产生积极的影响。综上，调度问题的研究与解决有着极大的现实价值[27]。对于优化问题的妥善解决，其关键就是能不能对车间调度具有足够深刻的研究。调度人员要通过合理的作业排产安排满足产品的交付期限。首先，观察零件的加工过程和零件之间的组装关系，决定每个零件的先后顺序。然后，在生产过程中，根据现在的资源状况和设备的加工能力，解决零件加工的排序问题。在生产任务的生产过程中，很多情况下，过程周期很长，过程比较复杂，质量难以保证。最后,就是确认此关键路径上的“稀有资源”。所谓的稀有资源，就是加工作能力与工作负荷相比为较弱,以至于会限制整个车间任务的加工能力人力资源或设备资源[28]。凡涉及到指数悬而未决问题的方法，都可以用优化指令的方法来进行，有两种方法可以做正确的解释或仅仅做正确的解释。其中精密解法有分支，分界，解析等。近似解法有以规则为基础的结构和临界域名搜索等方法[29]。2.1.2制造系统车间情况分析随着经济全球化的发展，今天企业之间的竞争进入“白热化”阶段，它们生产东西的方式也发生了巨大的变化，单件小批量个性化生产早已代替过去的大批量生产而成为当今的主流。尤其是对于重型机械制造业企业而言，由于其信息化程度较低，加工工作量又比较大，相对来说调度的工作极为复杂。在这样的情况下，很有必要借助一些全新的手段来对工厂中出现的问题加以协助解决。这是一项很有必要的工作。作为企业物流和信息流的交汇点，车间是一个独立而又完整的单元，负责将企业海量的制造信息在此处转化为实物。在近二十年的发展中，企业的生产主导逐渐被市场和竞争主导渐渐替代，也正是这一原因，企业生产加工的现场也随之发生了巨变，传统制造业企业一直沿用的管理方式早已无法适应新的形势和局面，主要集中在以下几个方面：产品生命周期变短。产品迭代速率加快使得产品的设计、工程、生产部门必须更加频繁进行交流沟通以适应快速应对新的要求。因为生产企业可能会经常面对产品工艺、部件以及加工机床的更新，所以一套可以进行实时指挥的系统对于生产车间而言就显得必不可少，依靠这样的系统，生产人员就可以在更加科学准确的指导下进行作业，也能实时向设计管理部门传递信息，对产品的问题进行及时纠正。难以预料的市场。随着经济社会的快速发展，人们对于产品的需求也在不断变化，而市场则需要对人们需求的变化做出迅速有效的反应。制造行业的企业想要能够应对人们一直在变化的需求，则企业的生产部门就必须具有可以快速应对难以预测的订单变化的生产模式。多品种小批量生产。由于个性化生产的原因，通常加工工件种类较多，每一类的数量较少。由于这一原因，生产车间会同时存在众多不同的生产指令，不同加工工件以及部件，这样就需要生产线有能力加工不同类型零件，根据生产要求的不同进行柔性的调整以满足生产的需要（4）不断加剧的世界范围竞争。各企业所面临的不再仅仅是国内同类企业的竞争，还要承受全世界优秀企业产品的竞争压力。对于生产本身而言，就必须降低耗费提高收益与效率。过去那种近似于黑箱作业的生产方式已经不再适应新时代的需求，如果希望在当前激烈的国际竞争取得足够分量的话语权，就必须想尽办法使得产品生产的过程变得“可视化”，可以随时检查出有概率影响到最终质量的各类因素要素，及时加以纠正，如此才能生产出具有竞争力的产品。

2.1.3生产调度问题求解生产调度问题其实就是研究如何对于得出最好的排列组合效果。因为解的可行域很大，因此想要找到一个问题的最优解并不是一件容易的事情。例如，曾经有一个很经典的，十台机床排产十个零件的排产计划[30]，被业内所谓的FT10*10难题，这项难题由两位学者在二十世纪六十年代初期提出，然而直到八十年代末期才真正由两位学者将其完美解决并获得了最优解，由此可见此类问题解决获得最优解难度之大。在这个问题中，其解空间极大，若是考虑因为零件加工工艺本身特点而产生的的限制以及解的分布极不均匀的因素，求得最优解并非易事。当前存在的算法中有很多算法都是搜索整个解空间以求得最优解，然而其效率过低，对于工程实际来说意义不大。为了解决这一困境，工业领域经常用到的是各式各样启发式的算法，一般来说由于通常一种启发式规则只能获得一个好的结果。如果想要提高效率，通常的做法是在算法中引入一些随机性的因素，可以使得效率有一个较为明显的提升，但通常求得的解也仅仅是一个较优解。为了描述调度问题的好坏，在这个领域有一些规定的术语对其进行较为准确的描述。如果一个调度不符合调度所提出的要求，通常将其称为非法调度；如果说调度符合约束的条件，但是明显并不是特别理想，这个时候将这种解成为是可行调度；最理想的情况就是调度结果合理且目标函数最优，称其为最有调度，介于可行调度与最优调度之间的将其称之为近优调度。这些描述常常用在调度问题中来描述解的结果好坏。2.1.4生产调度算法分类生产调度的方法涉及了许多方面，是一个范围极广的研究领域，截止到目前，和这一问题相关的论文已经成千上万，将其中提到的算法归纳起来可以大致分为以下几类：1)以运筹学为基础的算法，如动态规划、分支定界法以及线性规划法等。这几种方式理论上来说可以找到最优的解，但是因为其计算会耗费大量的时间，效率太低，因此不适合于大规模生产的模式。2)以启发式为基础的方，这是工业界经常用到的方法，因为这种算法比较实用且实际使用中极其便利，美中不足的是这类算法通用性不够优秀，因此只能用于特定的一些情况。3)AI开发的算法是将代理技术、专家系统等加在一起的，与以运用学为基础的算法相似。虽然可以找出最好的解决方法，但是效率性低，开发也很难。AI开发的算法是将代理技术、专家系统等加在一起的，与以运用学为基础的算法相似。虽然可以找出最好的解决方法，但是效率性低，开发也很难。4)以神经网络为基础的算法，该方法可以进行分布式计算能力、学习能力的，但这类方法也的工作效率也不够理想且难度较大。5)可进行智能计算的搜索算法，这类算法常见的包含但不限于：遗传算法、混沌、禁忌、变邻域搜索等等。通常来说这类算法的通用性更高且计算效率也仅仅略低于启发式的算法，因此目前对这一类算法的研究较多一些。6)把重点放在试行复杂的计划问题的次要解释和定量评价上的拉格朗日放松法的基本法。由于这一特点，近年来已成为重要的调解方式，但方法搜索效率不高是美中不足。7)由数学理论发展而来的方法，这种方法在调度问题的解决中加入了模糊数学的只是，同时也与实际情况相当契合，但因为搜索效率以及开发周期的问题，至今适用范围依然受到限制。8)以大量离散的事件系为基础的计算方法，如Petri网[31]等。因为计算复杂以及开发难度较大，更多应用于计算机的仿真技术。因为某些算法融合了以上提到的一种或者几种算法，使其具有了更好的性能。2.2应用遗传算法解决调度问题2.2.1车间调度的数学模型现在假设某个车间有M台机床，需要加工N个工件。同时，工件i有Li道工序。则L为整个排产计划的工序累加值。所要考虑的约束条件为：已知每一道工序所耗费工时，每个工件的工序必须逐次进行，不可以随意安排。本次调度排产的目的是在满足既定加工工序以及已有约束条件的前提下，使得调度的效果达到较为理想的情况。一般来说，在实际车间调度排产中必须遵循以下几个条件：1.每道工序都有指定的加工机床，每台机床上一道工序未结束不能开始下一道。2.任何时刻一台机床都只能同时进行一项加工任务。3.每一道个工序只能在一个机床上加工，且只能被加工一次。4.生产计划的工序加工顺序与耗费工时已经确定，不能因为排产顺序而改变。问题数学模型：用(i,j)代表第i个工件j道工序，Sij与Tij代表(i,j)开始时间和工时。用Zijk来判断第k台机床是否在加工(i,j)：如果判定再加工，则设置Zijk为1，反之设为0。最后，把k号机器完成加工的时间用Ck来表示，则问题的数学模型如下：如上所示，公式(1)为本次为达成最终优化目标所设置的优化函数，本次优化目标为加工总工时最短。公式(2)表示零件工序加工必须有先后顺序，同一个零件上一道工序没有加工完之前下一道不能开始。公式(3)表示加工的第一个零件的第一道工序至少得从0时刻开始。公式(4)限制加工数量，即同一台机床只能同时加工一个零件的一道工序。2.2.2遗传算法遗传算法(GeneticAlgorithm，简称GA)的灵感来源于自然界对于生物遗传进化的探究。1975年，美国密歇根大学的名门教授霍兰德和他的团队以技术研究为基础，首次提出了一种自适应优化技术，它可以应用于基于生物进化和遗传机制的相对复杂系统的优化，即所谓的遗传算法(32)。这一算法是致力于获得最佳问题结果的通用适应方法，包括演化算法。进化算法最开始是通过生物进化学说中的若干现象为基础而产生的，包括遗传学、基因突变、选择和交叉。遗传算法是在适应的原则下，在群体中潜在的解决方案中，他提出了一种最优的解决方案，然后通过遗传杂交，基因突变，等待，继续创造个体，在给新孩子的过程中，并根据这些个体在处理选择指数中所需要的问题时，他提出了一种连续的估计方法。在这个过程中，个体继续进化，新生的个体比最初的个体有更好的适应能力。用这种算法解决解决离散车间计划排产主要步骤如下：产生特定数量的个体（染色体）以构成种群并对其进行初始化。逐次计算种群中各个体的适应度值并对其进行记录。采用一定的挑选方式挑选出一些染色体个体，参照设定的交叉互换概率进行杂交产生新的子代。按照突变的概率对个体进行基因突变操作。在进行足够多的代数遗传后终止算法，挑选当前种群中适应度最高的个体作为该问题的解。遗传算法的流程图可用下图2-1表示图2-1常规遗传算法运算流程图算法所需要的参数种群大小：种群包含染色体数量，以来表示。基因大小：个体所包含的基因数量，以来表示。杂交概率：限制交叉操作的使用频率，以表示。基因突变概率：限制变异的出现频率，以表示。迭代次数：即控制种群会进行多少次遗传及终止算法，以times表示。算法实现步骤及其伪代码：种群的初始化与染色体的编码通过用实数表示工序的方式对染色体进行编码，即有M台设备，加工N个工件，每个工件有processi(0<=i<N)道工序,染色体大小表示为，则编码如下：。其中i代表工件编号，出现几次就有几道工序。比如{1,2,3,2,3,1,1,2,3}，中1，2，3就表示工件对应的排号，同一个数字出现的序数就是该工件当前要加工的工序序数。最后将本次生成的染色体个体加入整个种群，不断重复这一操作知道种群规模达到设定值。算法伪代码：解码及适应度计算本次优化的最终目标是加工这一批工件耗费总工时最短，由此适应度可设为最短工时的倒数，以fitness来代表对应适应度，为最短加工时间，因此其中的计算方法如下：首先定义如下变量：1.startTimeij：第i个工件第j道工序的最晚开始时间2.endTimeij：第i个工件第j道工序的结束时间3.machineij：第i个工件第j道工序的所使用的的机器编号4.timeij：第i个工件第j道工序加工所用的加工时间5.processij:第i个工件第j台机器上加工的工序编号6.machineWorkTimei：第i台机器的加工时间7.processIdsi：第i个工件当前的工序编号首先遍历个体的基因序列其中，表示i工件所对应的编号，且将工件正在加工的工序表示为processIdswi,设p。p工序使用的机床表示为machinewi,p，设m。m机床加工工件p工序所需要的时间为timewi,p，设t。则当前工序开始的最晚时间为而第m台机器的加工时间为工件的第p道工序的结束时间为最后加工完所有工件的最短加工时间为从而计算出适应度fitness。伪代码如下：个体选择算子本文中的个体选择方式采用了锦标赛选择个，基本思路正如名称所示，在整个种群中先随机挑选出n个个体对它们的适应度这一指标进行比较，通过“竞赛”寻找出竞争指标最优的一个个体并将其挑选出来进行后续操作，其工作原理过程如图2-2所示。图2-2锦标赛法选择子代原理图伪代码如下：染色体杂交在染色体杂交这一环节，使用的时OC(OrderCrossover)算子进行杂交，其交换原理如下：现有两个个体g1和g2，在两个个体上都按照随机确定的方式产生两点，靠前标为start，靠后标为end，然后取g1的start到end这一段序列将其作为子一代原型Childprototype，如图2-3所示。图2-3基因g1产生子代原型将g2中未在g1产生的Childprototype中出现的编码提取，并将其排布在子一代原型的两侧，其效果如图2-4所示：图2-4基因g1产生子代原型至此将会产生一个子代，只需将上述步骤的g1与g2调换位置就可以获得第二个子代。伪代码如下：基因突变子基因突变的作用是允许算法从局部最优解中跳出来。因此，不同的收集方法对算法是否可以达到全局最优解有很大的影响。位置突变方法用作突变激活剂。这两个位置是从染色体随机产生的，将改变这两个位置的值。其原理如图2-5所示图2-5位置变异法交换算子伪代码如下：综上所述，算法整体伪代码如下：

2.3本章小结本章在开头对于车间排产调度对车间调度内容进行介绍，包括本身的定义以及常用的算法的分类等等。然后对这些算法进行比较并提出一种用来解决车间排产问题的遗传算法。并对相关一些参数的选择及约束条件进行了讨论和研究。其次，本章也将遗传算法在实例中进行应用，以锦标赛法为挑选子代方式为例介绍了常规的遗传算法解决车间排产问题的思路和步骤并对其进行总结，计算结果有效可行，初步确认了该算法的正确性和可行性。离散调度车间管理系统的设计与实现3.1车间管理系统的设计1.输入界面设计用户界面是客户在使用系统时将会直面的部分，且使用时间在整个系统使用时间中占比很大，其设计的好坏将会对用户的使用体验产生最直观也是最强烈的影响，其重要性不言而喻。且在实际使用中，因为客户操作的不确定性，这一部分也是最容易出错的部分。因此在用户界面的设计过程中，设计的最重要准则就是减少出错概率以及有足够的的柔性来应对使用者的错误操作。因此应采用灵活的方式设计以实现这些要求：(1)通过适当的操作与设置减轻用户记忆的压力对于一些常用的参数值可以将其设置为默认值，减轻用户输入的压力，同样的思路可以使用代码和缩写等方式完成此目的。对于有较多可选项的选择，可以使用列表的形式来表示，这样可以对用户的使用提供极大的方便。(2)将界面与操作方式设计成用户较为熟悉的风格将界面设计成绝大多数用户都一定使用或者至少非常熟悉的系统风格，例如设计为与windows操作系统风格类似。(3)采取提示措施来减少用户的错误操作对于输入操作，必须在确认用户点击了确认选项后才能执行操作。对于删除操作，必须有确认用户操作的流程，在用户确认删除后才能进行删除；如果操作过程中出现了严重错误，要有警告并强制退出的行为。(4)实时反馈用户的操作信息要使得用户随时知道自己的输入内容，必要时可以加备注与提示来限制输入的大小和范围。2.界面显示设计屏幕设计所需要的关注的重点在于其整体布局、文字排布以及颜色的选择。这里就这三者进行详细介绍。(1)布局屏幕布局都应遵循如下原则：1)平衡原则：保证屏幕四周布局的平衡，不要使得页面要素堆积在一起，数据难以分辨，也会引起使用者的视觉疲劳，而造成错误操作，对用户来说很不友好。2)规则化原则：在界面中出现的命令、对话以及提示等要素在设计过程中应该尽可能保持统一标准和规范。3)预期原则：界面上的要素域对象，例如按钮、单选复选框，下来菜单等要素应该具有一致的处理方式，使得对象的操作可预期。4)顺序原则：按照生产车间在实际生产中所常用的顺序进行来对所需要的现实的对象来进行排列。5)简约原则：即对界面进行合理的布局，在尽可能使得界面要素表达清楚的前提下使得界面简洁明了，容易识别；(2)文字及其用法文字作为与用户沟通的媒介，在提示信息、窗口命令、标题等各个方面都会出现，文字用法的好坏直接影响了用户的体验，因此对于文字及其用法的设计要遵循以下准则：1)用词简洁精炼：因为本软件的主要客户为车间技术员，因此要避免出现车间生产中不常出现的专业术语，避免使用任何不必要的修饰词以使得表达明确且不会过分冗长，如果文字较长，可以在不产生歧义的情况下适当进行缩略或者采用企业内约定俗成的一些编码方式。2)格式：同一个页面中不应该出现过多的文字以避免用户产生视觉疲劳增加负担，如果必须要有大量文字时，则要尽量分组排版，对于一些重要的文字进行特殊处理，如加粗，使用醒目颜色、放大改变字体等等；英文除特殊要求外尽可能使用小写和易于识别的字体。3)信息内容：信息的内容必须清晰简洁。使用常用和简单的句子使其更易于理解。如果有更多文本，则需要在一个空白的段落或块中采用上下滚动的方式浏览。关键词句和特殊词句的处理取决于情况。(3)颜色的应用在界面设计中，颜色的选取也是一项很重要工作，好的颜色调配可以为操作者带来使用上的便捷，甚至起到调节心情的作用，一般来说，在设计中颜色的调配应该注意一下原则：1)限制同时出现的颜色数。同一画面使用的颜色数量尽量控制在4个以下，最多不要超过5个避免造成视觉干扰，可以使用不同形状等方式配合颜色变化以增加层次感；2)不同对象颜色风格要区分明显。例如可以将活动对象设置为较为鲜艳的颜色，非活动对象设置为较为暗淡的颜色以加强对比。3)如果想要用颜色来传达信息或者表现某种属性，要尽量使用常规的颜色来表示以确保用户容易了解。基于以上原则，软件的设计界面如图3-1所示；图3-1车间排产系统用户界面左上角“江南大学车间生产计划排查系统”为本系统名称。主界面“欢迎使用江南大学车间排产系统”为欢迎致辞，采用加粗斜体以增加辨识度。左侧方框选择本次所需要进行排产的生产计划，再点击查询文件并选中后，文件绝对路径会在文本框中显示出来以供操作者核对。右侧是生产生化目标，系统将根据目标的不同进行不同的优化方式。当前默认为总工时最短，因为这一优化最为常见，第二项在选定特定机床工时最短后会在后方下拉框中选择具体对哪一台机床进行优化。以为该系统只是以常见的几种当时为例进行优化，并不能包含所有优化目标，因此留下第三个选项，在后续具体到某一企业时针对该企业的实际情况对本系统进行升级优化。在选择完优化目标后单击选择按钮，按钮会自动变为所选择的目标，最后单击右下角的确认按钮则开始排产。操作完成时界面如图3-2所示。图3-2排产系统输入完成界面总的来说，屏幕显示界面设计的最终目的，就是使得产品界面对用用户来说，显得简单友好，容易上手，具有一定的亲和力，与此同时可以使得用户快速掌握界面信息，准确无误辨识出重要信息以避免出错，但与此同时也要保证不会因为不同用途的要素堆叠在一起而对用户产生意料之外的刺激效果。3.2车间管理系统的应用3.2.1车间管理系统的使用对于一个系统而言，一个简洁明了的界面必不可少，但仅仅具有良好的界面并不能称得上是一个优秀的系统。对于生产系统而言最为重要的还是其排产的效率及其效果，因此现在以图3-2中提到的“排产计划.xls”中的排产计划进行实际操作。其数据如表3-1所示：表3-1排产计划数据工件编号工序1所需机床编号工序2所需机床编号工序3所需机床编号工序4所需机床编号工序1加工工时工序1加工工时工序1加工工时工序1加工工时工件个数012342321314321123332314532214本文为演示系统工作情况，对机床编号、工序工时以及工件均进行简单的设置进行以便于清晰表达，在实际生产中，应当按照企业的实际情况对其进行编码。本次优化目标为总工时最短，优化结果如图3-3所示图3-3排产计划将结果绘制为甘特图，如图3-4所示图3-4排产计划甘特图

3.2.2系统优化效果的检验在上一小节中对管理系统进行了一次简单测试，其结果表明系统运行效果良好，然而对于其优化程度的好坏却无法加以证明，因此在本节中对于本算法的效率进行检验，其基本思路为将加工工件从10个开始计算，每一次增加一倍直至增加到100个工件，每一组进行五次计算，记录下其计算耗费时间以及加工工时的平均值，对其进行进一步分析。其结果如图3-5所示图3-5排产耗费时间及结果如3-5所示，随着加工工件数的增加计算量会快速增加，计算耗费的时间一直在770-850之间上下波动，没有明显增大。加工总工时增长趋势大致符合线性公式y=3.1165x-4.4667。为进一步确认其效率，将平均加工总工时乘以计算耗费时间的倒数并观察其趋势，结果如图3-6所示：3-6算法计算效率如图3-6所示，随着工件个数的增加，其加工效率逐渐增加，增加趋势符合函数y=0.0003x2+0.3575x。由此可知，该算法的计算效率满足要求，且其效率较高，具有应用到车间实际工作中去的能力。本科生毕业论文（设计）题目3.3本章小结本章首先对车间生产的管理系统的界面设计重要性以及设计时所需注意的一些原则进行了讨论，包括操作系统的便捷性，以及整体的排版布局的原则、文字用语简洁直白、颜色的层次鲜明的调配，尽可能增加系统的实用性和亲和度；其次，对于本系统的整体设计进行介绍，并进行一次简单但是完整的仿真实践，结果表明整个系统的界面设计良好，使用方便，满足设计过程中所需要遵循的规则。除此之外，也就系统本身的使用效率进行了测试，结果发现随着工件数量的增加，生产耗费总的工时增加较为平缓，说明该算法计算效果较为稳定可靠，对生产计划排产所需要的的时间依旧在一定范围内波动，并没有随着工件数的增加而大幅增长，说明其效率较高。由此可见，该算法完全可以胜任离散车间排产的要求。第4章结论与展望4.1结论本文意在解决在当前智能制造的时代背景下，国内的一些传统制造业企业发展受阻的问题，经过总结和归纳，最终认为其发展受阻的主要原因是因其生产效率受到了限制，即计划排产、工件加工、机床上零件的停留时间以及相关机器上的滞留时间的制约。因此本文在对这一问题的进行反复斟酌并得出确定结论之后，将其转化为了一个数学模型并进行建模，给出优化目标以及相应的约束条件。最后，在算法的基础上搭建了车间管理的生产系统，通过充分的验证证实其实用性与正确性，即该系统在提高车间排产效率的问题上的确起到了促进作用，并可以再经过进一步完善后投入实际生产中。4.2不足之处及未来展望本文不足之处在于设计的系统只是初步实现了利用遗传算法来解决车间排产的问题，对于真正适应现代大型制造业企业的实际应用仍有一段距离，例如在数据处理问题上并没能引入数据库技术，因此其柔性仍具有较大的提升空间。未来将会对企业的生产实际进行更进一步的调查和研究，使其更加贴合企业生产实际，最终完全可以胜任绝大多数企业的生产要求。附录附录参考文献[1] 李怀祖.生产计划与控制.中国科学技术出版社（北京），2003:1~4[2] RunweiCheng.MitsuoGenandYasuhiroTsujumura.ATutorialSurveyofJob-shopSchedulingProblemsUsingGeneticAlgorithms-I.Representation.Computer&Industrial Engineering,2003,49(03):107~127[3] 吕建红，王金廉，陈坚.生产管理调度系统中的数据库实现.华中科技大学学报， 2005,32(12):24~25敏婕.浅谈NP问题.软件世界，2006,(23)[5] 陈寿刚,官鹏冲,郑颐.遗传算法混合车间的应用.北京:人民邮电出版2001:57~60[6] DavisL.AdaptingOperatorProbabilitiesinGeneticAlgorithms.ComputerMath1990,2:189~214[7] 李郝林，施展.遗传算法在生产调度应用中的关键技术.机械工业出版社，1998,4(02):16~17[8] 纪树新，钱积新.车间调度遗传算法中的交叉算子研究.系统工程理论与实践，2005:51~52耿新青.遗传算法及其应用.浙江大学学报，2005,15(02):35~37[10] 王灵，郑大钟.基于遗传算法的JobShop调度研究进展.清华大学学报，2000,3(2):70[11] 杨殿生.用模拟退火算法解决生产调度问题.黄冈师范学院学报Vol.24.No.3， 2004:45~47[12] ThomasStutzle.LocalSearchAlgorithmsforCombinatorialProblems–Analysis,Improvements,andNewApplications.PhDthesis,DarmstadtUniversityofTechnology,1999:80~82[13] J.ChristopherBeckandMarkS.Fox.Dynamicproblemstructureanalysisasabasisforconstraint-directedschedulingheu