分布制造环境下多厂生产调度问题研究
发布时间：2021-03-23 13:17
随着制造全球化飞速的发展,分布式制造的生产模式变得越来越普遍。分布式制造环境的复杂性进一步提高了调度求解的难度。本文针对分布制造环境下多厂生产调度问题进行研究,以期通过多厂之间的协调和作业优化,实现节能降耗、降低成本和提高分布式系统的整体效率和效益。本文对分布式多工厂生产调度问题的国内外研究现状进行了综述,分析了分布式多厂调度问题的研究重点、难点,对目前研究中存在的问题进行了剖析;对生产调度遗传算法的研究现状和发展趋势进行了较深入研究。在此基础上,考虑了多工厂、工厂之间工件转运时间加工机器之间工件转运时间等因素,建立了分布式多厂调度问题的数学模型。针对分布式多厂环境下,生产调度系统所涉及的实体对象多、信息关系复杂的特点,本文梳理了分布式多工厂实际物理系统中各主要模块的信息特征及其相互之间的信息关系,基于信息物理系统建立了分布调度系统物理——信息架构,所有工厂定义为并行的信息自主体,工厂之间信息交换地位平等、数据共享,通过信息的交互和协同,管理和调度各工厂及相互之间的作业。在此基础上进一步建立基于边缘计算模型,信息物理系统为边缘计算模型建立了网络基础,边缘计算模型对多工厂物理组件进一步封...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图2.1分布式多厂CPS系统架构
沈阳工业大学硕士学位论文14图2.3边缘计算通用框架Fig.2.3Generalframeworkforedgecomputing其中，边缘节点能够嵌入大部分的边缘设备、异构连接，采集到的数据上传到云计算平台，提供处理数据的资源并且能够快速响应，数据的安全性能够得到可靠的保证；联接计算层中的内容对上层提供了信息对接的接口，将架构的复杂性隐藏了起来，能够保证服务的协同工作不受到影响；业务层提供了端到端的业务流；模型驱动的服务框架为顶层提供了智能服务，开发与部署协同合作。本文提出一种分布式制造环境下基于边缘计算框架的框架如图2.4所示，包含以下组件。（1）加工机器。生产制造过程中使用到的各种生产加工机械，每种产品需要多道工序完成，每道工序需要不同种类机器或多道工序需要同种机器。（2）运输车辆。工厂之间运输物资的车辆或者相同车间内负责不同机器加工工件转移的车辆等。（3）边缘设备。每台生产机器都由一个边缘装置监控，提高机器生产效率、避免延迟交货，从而降低成本。每个边缘设备采集和预处理被控生产机器的信息和系统特性，并将其传输到工厂远端的一个集中的云中心。（4）云中心。云中心通过网关等通讯设备与所有边缘设备连接，云中心接收底层边缘设备向上传输的信息，对经过预处理的数据进一步计算，再将调度的结果发送给所有的边缘设备，驱动生产机器按照决策信息进行生产作业。
第2章分布式多工厂生产调度问题的建模15图2.4分布式环境边缘计算架构Fig.2.4Distributedcomputingedgecomputingarchitecture为实现多工厂的调度管理问题，需要对大量数据进行梳理，本着安全、实时、可靠原则建立多工厂调度框架，图2.5给出了这种结构框架中涉及的主要单元节点。图2.5智慧工厂架构Fig.2.5Smartfactoryarchitecture框架中主要包括云端服务、网关系统、远端服务器、工厂底层智能生产设备。与传统的工厂生产模式不同之处在于拥有了分布式网关系统，这部分设备不仅仅做着收集数据的工作，更主要的参与到边缘计算服务中，数据的分析工作也有其参与，最终目的都是为云端计算减少负担。工厂中的智能设备需要建立通信，智能网关起到了这部分作用，同时在分布式系统中细化工厂中的分工合作，能够高效的组织管理工厂的
【参考文献】：
期刊论文
[1]基于多Agent的智能工厂生产调度优化[J]. 蔡跃坤,王俊佳,朱智鹏. 西南科技大学学报. 2020(01)
[2]工业互联网智能制造边缘计算模型与验证方法[J]. 宋纯贺,武婷婷,徐文想,于诗矛,曾鹏. 自动化博览. 2020(01)
[3]基于TSP问题的动态蚁群遗传算法[J]. 陶丽华,马振楠,史朋涛,王瑞峰. 机械设计与制造. 2019(12)
[4]面向边缘计算的改进混沌蝙蝠群协同调度算法[J]. 简琤峰,陈家炜,张美玉. 小型微型计算机系统. 2019(11)
[5]融合决策树的分布式多工厂协同生产调度方法[J]. 王艳,蒋天伦. 系统仿真学报. 2019(11)
[6]分布式并行遗传算法求解多车型车辆路径问题[J]. 王超,袁杰红. 物流科技. 2019(10)
[7]遗传与禁忌搜索算法组合的停机位优化分配[J]. 孙淑光,张泰荣. 中国民航大学学报. 2019(04)
[8]考虑行为特征的分布式流水线调度问题研究[J]. 潘玉霞. 信息通信. 2019(06)
[9]在轨空间智能制造:分布式调度建模与优化[J]. 李政阳,云昕,杨怡欣,段文哲,汪寿阳,刘翱,刘波. 系统工程理论与实践. 2019(03)
[10]动态制造系统生产计划与调度协同优化[J]. 王艳红,于宁,蔡明,邢大伟. 中国机械工程. 2018(22)
硕士论文
[1]基于改进遗传算法的作业车间调度问题研究[D]. 王明.安徽工程大学 2019
[2]动态分布制造生产计划与调度协同优化研究[D]. 于宁.沈阳工业大学 2019
[3]基于自适应遗传算法的集配一体化车辆路径优化研究[D]. 蒲兵.重庆邮电大学 2019
[4]基于遗传算法的产品加工与装配综合调度方法研究[D]. 石飞.济南大学 2019
[5]分布式制造供应链环境下低碳运输问题研究[D]. 史雨同.北京建筑大学 2018
[6]双柔性流水车间调度及其与运输集成调度研究[D]. 任清华.湖南大学 2018
[7]EDA算法求解三类复杂分布式流水线调度问题[D]. 张振磊.昆明理工大学 2018
[8]考虑分布式仓库的两级供应链生产与运输协同调度问题研究[D]. 薛梅.合肥工业大学 2017
[9]减速机多工厂生产计划与调度研究[D]. 彭燕.天津工业大学 2017
[10]蚁群算法及其在分布式柔性作业车间调度中的应用[D]. 何怡.合肥工业大学 2016
本文编号：3095861
【文章来源】：沈阳工业大学辽宁省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图2.1分布式多厂CPS系统架构
沈阳工业大学硕士学位论文14图2.3边缘计算通用框架Fig.2.3Generalframeworkforedgecomputing其中，边缘节点能够嵌入大部分的边缘设备、异构连接，采集到的数据上传到云计算平台，提供处理数据的资源并且能够快速响应，数据的安全性能够得到可靠的保证；联接计算层中的内容对上层提供了信息对接的接口，将架构的复杂性隐藏了起来，能够保证服务的协同工作不受到影响；业务层提供了端到端的业务流；模型驱动的服务框架为顶层提供了智能服务，开发与部署协同合作。本文提出一种分布式制造环境下基于边缘计算框架的框架如图2.4所示，包含以下组件。（1）加工机器。生产制造过程中使用到的各种生产加工机械，每种产品需要多道工序完成，每道工序需要不同种类机器或多道工序需要同种机器。（2）运输车辆。工厂之间运输物资的车辆或者相同车间内负责不同机器加工工件转移的车辆等。（3）边缘设备。每台生产机器都由一个边缘装置监控，提高机器生产效率、避免延迟交货，从而降低成本。每个边缘设备采集和预处理被控生产机器的信息和系统特性，并将其传输到工厂远端的一个集中的云中心。（4）云中心。云中心通过网关等通讯设备与所有边缘设备连接，云中心接收底层边缘设备向上传输的信息，对经过预处理的数据进一步计算，再将调度的结果发送给所有的边缘设备，驱动生产机器按照决策信息进行生产作业。
第2章分布式多工厂生产调度问题的建模15图2.4分布式环境边缘计算架构Fig.2.4Distributedcomputingedgecomputingarchitecture为实现多工厂的调度管理问题，需要对大量数据进行梳理，本着安全、实时、可靠原则建立多工厂调度框架，图2.5给出了这种结构框架中涉及的主要单元节点。图2.5智慧工厂架构Fig.2.5Smartfactoryarchitecture框架中主要包括云端服务、网关系统、远端服务器、工厂底层智能生产设备。与传统的工厂生产模式不同之处在于拥有了分布式网关系统，这部分设备不仅仅做着收集数据的工作，更主要的参与到边缘计算服务中，数据的分析工作也有其参与，最终目的都是为云端计算减少负担。工厂中的智能设备需要建立通信，智能网关起到了这部分作用，同时在分布式系统中细化工厂中的分工合作，能够高效的组织管理工厂的
【参考文献】：
期刊论文
[1]基于多Agent的智能工厂生产调度优化[J]. 蔡跃坤,王俊佳,朱智鹏. 西南科技大学学报. 2020(01)
[2]工业互联网智能制造边缘计算模型与验证方法[J]. 宋纯贺,武婷婷,徐文想,于诗矛,曾鹏. 自动化博览. 2020(01)
[3]基于TSP问题的动态蚁群遗传算法[J]. 陶丽华,马振楠,史朋涛,王瑞峰. 机械设计与制造. 2019(12)
[4]面向边缘计算的改进混沌蝙蝠群协同调度算法[J]. 简琤峰,陈家炜,张美玉. 小型微型计算机系统. 2019(11)
[5]融合决策树的分布式多工厂协同生产调度方法[J]. 王艳,蒋天伦. 系统仿真学报. 2019(11)
[6]分布式并行遗传算法求解多车型车辆路径问题[J]. 王超,袁杰红. 物流科技. 2019(10)
[7]遗传与禁忌搜索算法组合的停机位优化分配[J]. 孙淑光,张泰荣. 中国民航大学学报. 2019(04)
[8]考虑行为特征的分布式流水线调度问题研究[J]. 潘玉霞. 信息通信. 2019(06)
[9]在轨空间智能制造:分布式调度建模与优化[J]. 李政阳,云昕,杨怡欣,段文哲,汪寿阳,刘翱,刘波. 系统工程理论与实践. 2019(03)
[10]动态制造系统生产计划与调度协同优化[J]. 王艳红,于宁,蔡明,邢大伟. 中国机械工程. 2018(22)
硕士论文
[1]基于改进遗传算法的作业车间调度问题研究[D]. 王明.安徽工程大学 2019
[2]动态分布制造生产计划与调度协同优化研究[D]. 于宁.沈阳工业大学 2019
[3]基于自适应遗传算法的集配一体化车辆路径优化研究[D]. 蒲兵.重庆邮电大学 2019
[4]基于遗传算法的产品加工与装配综合调度方法研究[D]. 石飞.济南大学 2019
[5]分布式制造供应链环境下低碳运输问题研究[D]. 史雨同.北京建筑大学 2018
[6]双柔性流水车间调度及其与运输集成调度研究[D]. 任清华.湖南大学 2018
[7]EDA算法求解三类复杂分布式流水线调度问题[D]. 张振磊.昆明理工大学 2018
[8]考虑分布式仓库的两级供应链生产与运输协同调度问题研究[D]. 薛梅.合肥工业大学 2017
[9]减速机多工厂生产计划与调度研究[D]. 彭燕.天津工业大学 2017
[10]蚁群算法及其在分布式柔性作业车间调度中的应用[D]. 何怡.合肥工业大学 2016
本文编号：3095861
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3095861.html
