虛擬單元制造車間的規(guī)劃與調度關鍵技術研究.pdf

1、市場競爭的日益激烈和市場需求動態(tài)多變，迫使企業(yè)車間的制造系統(tǒng)必須具備快速可重構的能力，從而以合理的成本快速投入新產(chǎn)品的生產(chǎn)，適應動態(tài)多變的市場和客戶的個性化需求。同時，隨著物聯(lián)網(wǎng)技術的發(fā)展和制造執(zhí)行系統(tǒng)在生產(chǎn)制造領域應用的不斷深入，也促使生產(chǎn)車間不斷向透明化、數(shù)字化、可視化方向轉變。
　　 本文分析和總結了目前典型的制造模式特點以及車間制造系統(tǒng)的發(fā)展趨勢，在虛擬制造單元、物聯(lián)網(wǎng)和制造執(zhí)行系統(tǒng)等技術的基礎上，發(fā)展了一種新的車間制造

2、模式--虛擬單元車間制造模式。
　　 本文以虛擬單元制造車間的支持技術、虛擬單元重構方法以及車間的生產(chǎn)控制與調度為研究重點，對這些關鍵問題和技術進行了系統(tǒng)研究。主要研究內容如下：
　　 1、為了使制造系統(tǒng)能夠適應動態(tài)多變的市場，并具備透明化、數(shù)字化、可視化等特點，本文在虛擬制造單元、物聯(lián)網(wǎng)和制造執(zhí)行系統(tǒng)等技術的基礎上，發(fā)展了一種新的車間制造模式--虛擬單元車間制造模式。為了提高車間管理控制的自動化水平，提出了物聯(lián)網(wǎng)與車間

3、制造系統(tǒng)全面融合的理念和結構，并在可行性方面進行了探索和研究，就一些關鍵問題提出了相應的技術解決方案。首先，探討了物聯(lián)網(wǎng)技術對車間生產(chǎn)的重要意義，提出了一種基于網(wǎng)格平臺的物聯(lián)網(wǎng)構建方法，針對物聯(lián)網(wǎng)環(huán)境的特點提出了一種基于網(wǎng)格服務的MES系統(tǒng)設計開發(fā)方法，構建了基于網(wǎng)格服務的MES系統(tǒng)層次體系結構和功能模型。然后，提出了一種物聯(lián)網(wǎng)環(huán)境下生產(chǎn)實時監(jiān)測和訂單實時跟蹤問題的解決方法。該方法首先采用WSRF技術將生產(chǎn)設備封裝成標準的網(wǎng)格資源，通過

4、設備網(wǎng)格資源動態(tài)信息的實時更新與查詢和網(wǎng)格資源通知機制實現(xiàn)對生產(chǎn)設備加工過程的實時監(jiān)測；然后采用OGSA-DAI網(wǎng)格中間件和WSRF技術將異構數(shù)據(jù)庫系統(tǒng)封裝成標準的網(wǎng)格服務，從而屏蔽系統(tǒng)的差異性，實現(xiàn)訂單進度信息的集成訪問。從而可以實現(xiàn)管理人員和客戶對生產(chǎn)進度的實時監(jiān)測，不但為管理者的管理決策提供了實時數(shù)據(jù)支持，而且便于客戶準確預測訂單完工時間。
　　 2、針對單件、小批量、個性化面向訂單生產(chǎn)企業(yè)，研究了多張不同交貨期生產(chǎn)訂單并

5、存情況下的虛擬單元重構問題。采用兩階段的策略進行求解。在產(chǎn)品聚類階段提出了一種最小樹和遺傳算法相結合的自適應聚類算法，在算法中引入了一種新的基于最小樹的編碼方法，有效的縮短了編碼長度，縮小了問題的搜索空間。該算法只需操作人員給定聚類的最大數(shù)量，就可以自適應地確定最佳聚類數(shù)目和產(chǎn)品聚類。在單元重構階段建立了問題的多目標整數(shù)規(guī)劃模型，針對該問題的特點，將粒子群算法與協(xié)同進化策略相結合，提出了一種平行多目標協(xié)同粒子群優(yōu)化算法(PCMOPSO)

6、。采用生產(chǎn)實例對算法的有效性和可行性進行了驗證。
　　 3、對虛擬單元制造模式下的車間調度特點進行了分析，然后分別針對目標數(shù)量較多的高維多目標調度問題和資源共享情況下的生產(chǎn)調度問題進行了研究。針對具有高維搜索空間的多目標生產(chǎn)調度問題，提出了一種基于偏好的多目標粒子群優(yōu)化算法(PMOPSO)。算法引入了決策者的偏好信息，用以指導算法的搜索過程，使算法在決策者感興趣的區(qū)域進行搜索，不但縮小了算法的搜索空間，提高了算法的效率，而且一次

7、運算只求得偏好區(qū)域內若干個折衷解，避免了決策者要在眾多非劣解中做出困難的選擇。在算法中，采用了新的偏好信息給定方法，即采用目標間重要關系、目標數(shù)值或目標權重大致取值范圍來表示偏好信息。采用該方法，不但便于決策者給定偏好信息，而且還可以根據(jù)決策者的需求，對搜索區(qū)域的范圍進行適當?shù)恼{整。針對偏好信息的特點，提出了一種模擬人類社會組織“投票選舉”的偏好信息處理方法，該方法直觀簡便并易于實現(xiàn)。針對資源共享情況下的生產(chǎn)調度問題的特點，將粒子群優(yōu)化

8、算法與協(xié)同進化算法相結合提出了一種分布式協(xié)同多目標粒子群調度算法，針對共享資源調度沖突問題，在算法中引入了一種模擬市場機制的解碼規(guī)則加以解決。并通過仿真試驗，對上述兩種算法性能進行比較分析和評價，結果表明了算法的有效性和可行性。
　　 4、研究了多張不同交貨期訂單并存情況下的多目標分批動態(tài)調度問題。首先，針對傳統(tǒng)的多目標動態(tài)調度問題，提出了一種基于滾動窗口的多目標粒子群動態(tài)調度算法，該算法采用基于周期和事件驅動的混合再調度機制將

9、調度過程分成連續(xù)靜態(tài)調度區(qū)間，在每個區(qū)間內用基于Pareto概念的多目標粒子群算法對窗口工件進行調度優(yōu)化，一次求解可得到多個Pareto最優(yōu)解，為決策者提供了多樣性的選擇。并針對調度問題的特點，并設計了一種適合多目標調度的間隙插入式解碼方法，有效的減小了問題搜索空間。然后，針對面向訂單制造的多目標分批動態(tài)調度問題，提出了一種基于粒子群算法的多目標柔性分批動態(tài)調度算法，算法采用局部更新和完全重調度相結合的策略，既可以保持生產(chǎn)秩序的穩(wěn)定，同

10、時又保證了算法對突發(fā)事件的快速反應能力。在算法中，提出了一種新的基于“游標”的柔性批次分割方法，并采用一種批次分割與加工工序相融合的粒子編碼方法，使得該算法不但可以根據(jù)機床負荷與訂單交貨期將工件族劃分為具有柔性批量的多個批次，而且可使批次工藝路線和加工排序同時得到優(yōu)化。而且，算法一次求解可得到多個Pareto最優(yōu)解，為決策者提供了多樣性的選擇。并且，通過實例驗證了上述算法有效性和可行性。
　　 5、最后，設計并開發(fā)了虛擬單元制造