论文部分内容阅读
准时化(JIT)生产是制造企业追求的主要目标之一,同时也是企业低成本运营和精益化管控的重要手段。生产车间是制造企业的效益源泉,而作业调度则是整个车间生产组织的指挥棒。在人、机、料、法、环组成的复杂制造车间中,生产现场的不确定性及其影响是绝对的,而理想的确定性环境则是相对的。本文针对离散制造车间对JIT生产、低成本运营、生产过程精细化管控等实际需求,以交货期为关注重点,以工序准时完工、零件准时交付为目的,遵循从工序到零件、从确定性到不确定性的研究思路,聚焦确定性环境下的工序提前/拖期(E/T)调度、不确定性环境下的零件E/T调度两类问题研究。论文主要研究内容及成果如下:(1)构建以所有工序的提前/拖期惩罚总成本最小化为目标的调度优化模型,以期解决确定性环境下作业车间的工序E/T调度问题;针对工序E/T调度所具有的非正规指标特性,提出一种包含半主动解码、拖期工件贪婪插入和提前工件贪婪插入的三阶段、递阶式解码机制,实现在减少拖期完工成本的前提下尽可能压缩提前完工成本,从而解决了待调度工序集尽可能在各自的交货时间点准时完工的现实需求。这种三阶段解码机制与方法对于解决非正规指标的调度问题具有一定的普适性。(2)针对工序加工时间不确定性环境下作业车间的零件E/T调度问题存在的解空间大、解性能指标评估难等共性问题,基于序优化理论中的目标软化策略,以获得解空间中性能指标前n%的调度解为优化目标,解决了有效缩减大规模寻优空间的问题;基于序优化理论中的序比较策略,将不确定调度优化模型中期望值指标的精确计算转化为仿真量可调的近似统计指标,为利用样本统计指标定量计算与高效评估不确定解的性能指标提供了一种有效解决方法;在此基础上,设计了一种包含粗糙仿真评估、精细仿真评估的两阶段随机仿真优化算法框架。(3)针对随机仿真优化方法求解不确定调度优化问题时存在的仿真效率低下问题,采用仿真量最优化分配(OCBA)方法,依据样本均值和方差对不同解个体的仿真精度进行适应性调节,有助于解决有限仿真资源在不确定调度解集合中的优化分配问题;利用仿真宽度—深度(BVSD)调节机制来平衡仿真和优化过程之间的仿真量分配,最终通过遗传算法的迭代寻优从初始解空间中获得一组小规模的不确定优良调度解集。基于OCBA和BVSD的仿真增效机制与方法,对于利用随机仿真方法高效解决复杂不确定工程优化问题提供了一种新思路。(4)针对一组小规模不确定优良调度解集的排序与择优问题,提出一种满足调度决策者预期正确选择概率的保证机制,以此确定出正确选择概率与仿真分配量之间的定量关系。采用子集选择方法预先过滤掉调度解性能相对较差的个体,再运用无差异区间选择方法对剩余解集进行精细仿真与评估,最终在满足调度决策者预期置信水平的前提下从这组优良解集中遴选出一个足够好解。这种“先过滤后择优”的排序与选择机制,为从小规模解集合中以预期高置信度筛选最优解提供了一种解决思路。