《工业大数据与人工智能》 课件 第六章-6.2 车间生产调度优化

工业大数据与人工智能HFUT12第六章

工业中的智能优化方法

车间生产调度的分类与特点6.2车间生产调度优化车间生产调度基本模型车间生产调度优化算法蚁群算法在作业车间调度中的应用3车间生产调度优化车间生产调度则是实现日常生产任务与长期规划对接的具体实践。它涉及到对共享资源进行时间维度上的精心调配，以满足车间生产作业计划的多项目标。从数学规划的视角审视，车间生产调度可抽象为在一系列约束条件（等式或不等式形式）下，对特定目标函数的最优化求解过程。4车间生产调度优化车间生产调度的范畴广泛，覆盖生产控制、调度管理层和生产决策层三大关键部分。生产决策层负责宏观层面的生产计划制定；调度管理层则专注于跨车间的协同与沟通；而生产控制层则深入到生产活动的每一个细节，直接负责成品制造、生产计划的执行监控以及生产设备的维护管理。5车间生产调度的分类与特点6车间生产调度的分类与特点静态加工调度聚焦于在生产环境恒定不变条件下的调度安排，此时生产参数和流程已被固定，旨在优化既定计划的执行效率。相比之下，动态调度的探索则深入到生产活动的瞬息万变之中，自作业投入至成品输出的全链路，需充分考量环境的多变性、设备性能波动及原料供应的不确定性等随机变量。7车间生产调度基本模型在车间生产调度中，机器加工环境的数学模型可抽象为a=a1a2，其中a∈{O，P，Q，R，G，X，J，F}。具体说来:(1)当a1∈{O，P，Q，R}，表示每个工作仅包含一个工序的情况。(2)当a=O，表示每个工作只能在某个指定的机器上加工的情况8车间生产调度基本模型（3）当a1∈{P，Q，R}，表示并行机加工环境。其中a=P表示具有相同加工速度的并行机即相同并行机；a=Q表示具有不同加工速度且所加工的作业和速度无关的并行机，即均匀并行机；a=R表示不相关并行机。（4）当a1∈{O，J，F}，表示一个作业包含多个工序的情况，工序由指定机器加工，同一作业不同工序间存在着次序约束关系。特别地，若表示各作业不考虑工艺顺序；a=J和a=F分别表示Flow-shop和Job-shop这两种调度类型。9车间生产调度优化算法智能优化算法在车间生产调度优化中扮演了关键角色，在面对多工件、多工序、多机器以及多种约束条件的车间环境下，智能优化算法能够自动化地搜索庞大的解空间，以寻求最优或近似最优的生产调度策略。10蚁群算法在作业车间调度中的应用作业车间调度问题（JobShopSchedulingProblem,JSSP）通常描述为：存在n项工作，这些工作必须分配到m台不同的机器上完成加工。对于每一项工作而言，其在每一台机器上的具体加工时长是预设的，并且每项工作在各机器上的作业顺序也是事先规定的。11蚁群算法在作业车间调度中的应用作业车间调度问题约束条件：（1）每个工件必须按照其特定的工艺次序在特定的机器上加工；（2）每道工序一旦开始加工，在完成之前不允许中断；（3）同一时刻同一台机器只能加工一个零件；（4）每道工序必须在它前面的工序加工完毕后才能加工；（5）工件的每一个工序所需的加工时间都是已知的，并且在加工

过程中是保持不变的。（6）每个工件在一台机器上只能加工一次；（7）每个工件利用每台机器的顺序可以不同；（8）不考虑工件的优先权；12蚁群算法在作业车间调度中的应用作业车间调度问题建模：(1)n:工件的数目；(2)m:机器的数目；(3)工件集用二维数组P表示，P={p1,p2,………,pn}；(4)工序集用二维数组OP表示，OP={op1,op2,...,opn}；(5)机器集用二维数组M表示，M={m1,m2,……,mn}；(6)加工时间集用二维数组T表示，tij∈T为第i工件第j道工序加工的时间;(7)cik表示工件i在机器k上的完成时间。13蚁群算法在作业车间调度中的应用作业车间调度问题目标函数：第一个公式表示目标函数即最小化加工时间，第二个公式表示约束条件。14蚁群算法在作业车间调度中的应用目标函数和约束条件有了就可以使用蚁群算法进行优化，寻找最优解。蚁群算法求解JSSP问题流程：1.解的构造：使用数组S[]存放蚂蚁可以访问的节点，使用数组G[]存放尚未访问的节点，同时维护禁忌表tabu存放已经访问过的节点。15蚁群算法在作业车间调度中的应用蚁群算法求解JSSP问题流程：2.概率转移：通常会根据当前节点到可选节点路径上的信息素浓度和启发式信息计算每个可选路径的选择概率。转移概率公式如下：16蚁群算法在作业车间调度中的应用