基于复杂网络的Job-Shop多瓶颈识别方法研究

发布时间：2017-06-13 14:07

  本文关键词：基于复杂网络的Job-Shop多瓶颈识别方法研究，由笔耕文化传播整理发布。

【摘要】：现代制造车间规模正变得越来越庞大,车间生产运作越来越复杂,车间制造系统是一个高维、强关联、多约束的复杂问题。车间运行过程中的设备故障、来料延迟、交货期更改及紧急插单等不确定因素很小的变化或扰动,也可能被放大为完工时间的很长延误。车间制造系统的复杂性以及不确定性必然会造成限制系统有效产出最大化输出的“瓶颈”现象,瓶颈对车间制造系统最终性能的影响至关重要。如何在瓶颈识别时考虑到不确定因素的影响,已经成为解决工程问题的关键,需要迫切地寻找新的思路与方法。针对复杂制造环境下瓶颈辨识困难这一问题,本文从制造系统复杂性与复杂网络相结合这一视角出发,以Job-shop为研究对象,开展制造系统复杂生产过程网络瓶颈分析及其网络传播特性研究,分析网络拓扑结构变化对车间制造执行系统整个运行的影响。本文的主要工作如下:1、基于复杂网络理论构建Job-shop制造系统网络模型。根据Job-shop真实生产数据,建立Job-shop网络模型。将Job-shop生产过程中涉及到的每一个资源(如车间部门、设备人员、工段等)看作一个网络节点,节点之间可能存在的工艺路线、物流路径等看作网络中的连边,工艺路线的不可逆使其网络具有一定的方向性。以时间负载(任务占用资源的标准时间)作为边上的权值,由此每个Job-shop生产过程就构成了一个复杂多任务加权有向网络模型;2、基于网络模型,根据生产数据,采用产品类型、加工数量、资源负载等为参数的数据结构实现对资源的网络化映射,利用节点的制造负载和节点间的网络瓶颈效率矩阵表征节点的瓶颈程度,并以真实车间生产数据进行建模仿真,验证本文方法的可行性。3、在前期工作基础上,加入不确定扰动因素,研究机器故障、紧急插单、交货期变动等不确定扰动事件在网络中的传播方式和传播临界行为。以紧急插单为具体实例,综合考虑网络拓扑特性及工作站节点自身特性综合影响,提出基于CML的扰动模型,分析Job-shop瓶颈节点的传播特性,揭示系统中不确定扰动在Job-shop网络中的扩散范围及对其它节点的影响程度,并通过仿真分析实现扰动环境下瓶颈节点的动态识别,从而为制造系统规划与运作过程中的决策与优化提供理论依据。4总结研究工作,查漏补缺,使其更加完善。
【关键词】：Job-shop 瓶颈识别 复杂网络 瓶颈度 CML模型
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5;TB49
【目录】：

• 摘要2-4
• Abstract4-8
• 第一章 绪论8-15
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状及发展动态9-12
• 1.2.1 制造系统的复杂网络特性9-10
• 1.2.2 Job-shop车间瓶颈识别与预测研究10-12
• 1.3 论文研究内容与结构组成12-13
• 1.4 拟解决的关键问题及创新点13-14
• 1.4.1 拟解决的关键问题13
• 1.4.2 本论文创新点13-14
• 1.5 本章小结14-15
• 第二章 基于复杂网络的多瓶颈分析15-29
• 2.1 复杂网络基本概述15-17
• 2.1.1 复杂网络定义及特点15-17
• 2.2 网络拓扑统计参数17-20
• （1）度及度相关性17-18
• （2）路径长度18-19
• （3）聚类系数19
• （4）介数19-20
• 2.3 基本网络模型介绍20-26
• 2.3.1 ER随机图20-21
• 2.3.2 小世界网络模型及特征21-23
• 2.3.3 无标度网络模型及特征23-26
• 2.4 Job-shop瓶颈分析26-28
• 2.4.1 Job-shop瓶颈定义27
• 2.4.2 Job-shop瓶颈产生机理27-28
• 2.4.3 Job-shop瓶颈特性28
• 2.5 本章小结28-29
• 第三章 基于贡献矩阵的Job-shop节点瓶颈识别29-42
• 3.1 Job-shop问题描述29
• 3.2 Job-shop网络模型（JSNet）构建29-31
• 3.3 Job-shop网络特征参数定义31-32
• 3.4 Job-shop 瓶颈度分析32-36
• 3.4.1 瓶颈与瓶颈度32-33
• 3.4.2 瓶颈度计算33-34
• 3.4.3 基于贡献矩阵的Job-Shop网络瓶颈度算法34-36
• 3.5 实例分析36-40
• 3.5.1 网络模型的建立37-38
• 3.5.2 节点瓶颈度仿真分析38-40
• 3.5.3 结果分析40
• 3.6 本章小结40-42
• 第四章 扰动环境下Job-shop网络瓶颈动态分析42-52
• 4.1 Job-shop生产过程扰动因素分析42-43
• 4.2 基于耦合影像各自（CML）的Job-shop网络瓶颈动态分析43-46
• 4.2.1 CML模型描述43-44
• 4.2.2 网络动态拓扑特性定义44-46
• 4.3 Job-shop网络动态瓶颈分析46-47
• 4.4 实例分析47-51
• 4.4.1 Job-shop生产活动网络（AON）图47-48
• 4.4.2 扰动仿真分析48-51
• 4.4.3 结果分析51
• 4.5 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 工作总结52
• 5.2 研究展望52-54
• 参考文献54-58
• 攻读硕士期间发表的论文58-59
• 致谢59-60

【相似文献】

中国期刊全文数据库 前1条

1 张淑丽;使用链表求解Job-shop调度问题的算法[J];哈尔滨理工大学学报;2001年04期

中国硕士学位论文全文数据库 前6条

1 冯欢欢;基于复杂网络的Job-Shop多瓶颈识别方法研究[D];新疆大学;2016年

2 何之洲;job-shop类型机器人制造单元的调度研究[D];广东工业大学;2013年

3 方秋军;基于遗传模拟退火算法的不确定条件下Job-Shop车间作业调度研究[D];浙江工业大学;2011年

4 陶宇;Job-shop类型机器人制造单元调度问题与算法研究[D];广东工业大学;2014年

5 刘栋;扰动不确定下柔性Job-Shop分批调度优化方法[D];合肥工业大学;2013年

6 余建国;Job-Shop调度优化方法及其应用研究[D];西安理工大学;2005年

  本文关键词：基于复杂网络的Job-Shop多瓶颈识别方法研究，，由笔耕文化传播整理发布。

本文编号：446714