衬衫吊挂流水线的自适应动态调度

发布时间：2021-07-27 20:58

　　针对服装大规模定制中的个性化订单实时到达、订单投产准时性差、瓶颈工位不确定等系列问题,提出了一种服装吊挂流水线的自适应滚动窗口机制解决上述问题。综合考虑了加工顺序、加工设备、人员技能、工序等级等服装生产中的约束条件,建立以最小化完工时间和设备等待时间为目标的多目标动态调度模型,运用工序和设备双层编码结构的非支配遗传算法对模型进行求解;以企业订单数据为基础模拟了21 600 s内个性化订单动态到达过程,对模型进行仿真实验。结果表明:自适应动态调度机制能够充分利用生产线设备信息对不同款式的实时订单动态排程;相较于固定周期调度机制在生产效率和设备利用率上有显著提升。 

【文章来源】：纺织学报. 2020,41(10)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

滚动调度流程

在染色体交叉过程中，工序链需要满足订单工序数量的约束，即子代C相同基因的数量与父代P相同，因此为满足交叉的合法性，本文采用基于工件的POX(precedence operation crossover)交叉方法，交叉过程如图2所示。首先随机选择2个非空子集J1、J2，存储工件编号，将P1中对应J1的工件序列复制到C1中，剩余位置的染色体由P2中对应J2的工件填充得到完整的C1;C2则与C1相反，由P2中对应J1的工件序列复制到C2中，剩余位置的染色体由P1中对应J2的工件填充得到完整的C1。

Pareto支配关系的选择机制是解决多目标优化问题的常用方法，对于n(n>1)个目标的F=(fk|k=1，…，n)，任意染色体i、j，若对?k有fk(i)≤fk(j)，且?fk(i)<fk(j)，则称i支配j。在选择机制每次迭代时，将交叉变异后的子代和父代合并，然后按Pareto排序对种群进行等级划分，保留支配等级较高的染色体。为保证种群多样性，避免算法陷入局部最优，本文采用底层扰动策略，保留部分等级较差个体繁衍进入下一代。3 实例仿真

【参考文献】：
期刊论文
[1]基于可变重调度区间的柔性作业车间动态调度策略[J]. 王雷,蔡劲草.  南京航空航天大学学报. 2018(03)
[2]考虑工时不确定的混合流水车间滚动调度方法[J]. 张洁,秦威,宋代立.  机械工程学报. 2015(11)
[3]不同再调度周期下的柔性作业车间动态调度[J]. 汪双喜,张超勇,刘琼,饶运清,尹勇.  计算机集成制造系统. 2014(10)
[4]基于改进滚动时域优化策略的动态调度方法[J]. 刘国宝,张洁.  机械工程学报. 2013(14)
[5]服装吊挂线生产组织分析[J]. 陈洪倩,陈雁,丁佳,刘雪林.  丝绸. 2012(01)
[6]基于改进非支配排序遗传算法的多目标柔性作业车间调度[J]. 张超勇,董星,王晓娟,李新宇,刘琼.  机械工程学报. 2010(11)
[7]基于滚动窗口的多目标动态调度优化研究[J]. 张超勇,李新宇,王晓娟,刘琼,高亮.  中国机械工程. 2009(18)
[8]多目标柔性作业车间调度优化研究[J]. 吴秀丽,孙树栋,余建军,张红芳.  计算机集成制造系统. 2006(05)
[9]作业车间动态调度研究[J]. 潘全科,朱剑英.  南京航空航天大学学报. 2005(02)



本文编号：3306530