基于群智能的制造业跨单元调度方法

The manufacturing industry is now facing new challenges brought about by a new production paradigm, which can be described as “high variety, fluctuated volume, and mixed production”. In this paradigm, different types of machines may be used to process parts with both complex and various processing routes. However, not all these machines locate in the same cell which makes the idea of independent cells in cellular manufacturing systems (CMS) hard to realize. In industrial environments, collaboration among cells is a way of processing complex products without frequently changing of cell layout. By making full use of machine resources, it can improve efficiency and at the same time, reduce costs. However, intercell transfers are inevitable in collaboration among cells. The existence of flexible processing routes, various machine types, distance between cells and limited transportation capability makes the problem more complicated. Therefore, it is important to solve intercell scheduling problems effectively. In this project, different models are established under different production environments, the characteristics of heuristic and hyper heuristic are analyzed, and different swarm intelligent algorithms are designed to realize the objective of high optimization performance and low computational costs. This project can be regarded as an extension of swarm intelligent algorithms and offers a new way of solving problems in industrial environments.

当代制造业面临“多品种、变批量、混线生产”新型生产模式的挑战。在这种模式下，产品的工艺路线复杂多样，需要多种机器配合完成加工，然而这些机器可能分布在不同单元，导致单元制造系统难以实施。跨单元协作生产可以在不更改生产布局的情况下完成复杂产品的加工，充分利用现有设备资源，达到提高生产效率并节约成本的目的。协作生产意味着工件在加工过程中需要跨单元转移，由于加工路径柔性、多机型并存、单元间距离和运输能力等不可忽略的因素，使得问题规模和复杂度都大幅增加，如何进行高效的跨单元调度成为生产运行需要考虑的重要问题。本项目研究内容包括建立不同生产环境下的跨单元调度问题模型，分析启发式、超启发式等优化算法的特点，为不同的问题设计合理的算法，算法兼顾优化性能和计算效率两方面特性。本项目的研究内容扩展了群智能算法的应用体系，为群智能算法在解决实际调度问题提供新的思路和计算模式。

在当代制造业“多品种、变批量、混线生产”新型生产模式的挑战下，跨单元转移加工现象在单元制造系统的实际生产中普遍存在，如何建立有效的跨单元协作机制和调度方法成为企业亟需解决的重要问题。由于产品的工艺路线复杂多样，需要多种机器配合完成加工，在求解跨单元问题时需要同时考虑机器调度、车辆路径和工件组批之间的多阶段协同优化，这导致问题的规模和复杂度均大幅提高，如何设计优化能力和计算效率兼备的调度算法成为关键技术问题。本项目通过对制造业复杂产品的生产模式中调度问题的特性进行分析，考虑加工路径柔性、多机型并存、单元间距离和运输能力等不可忽略的因素，以最小化最大完工时间、最小化加权总延迟、最大化批处理就利用率等指标为优化目标，建立单处理机、单处理机和批处理机、含有生产和运输的跨单元问题模型；针对不同问题特征，设计以群智能优化算法为主体的优化调度算法，包括基于文法进化的启发式算法、群智能元启发式算法、基于群智能的超启发式算法。项目研究过程中发表相关论文10余篇，开发生产调度优化排产软件1个，获批软件著作权1项。本项目的研究一方面为解决实际生产中的制造业跨单元调度问题提供有效途径，可有效提高企业生产效率，节约生产成本，对制造业能够科学、高效的组织生产具有理论意义和应用价值；另一方面为提升群智能算法优化性能提供了多种思路，通过加入局部策略加强算法在广度与深度方面的搜索能力，通过改变计算粒度提升算法的计算性能，寻求优化能力与计算性能之间较好的平衡点。总之，本项目的研究内容扩展了群智能算法的应用体系，为群智能算法在解决实际调度问题提供新的思路和计算模式，在求解大规模、复杂度高的离散组合优化问题方面具有推广价值。