生产系统干扰应对策略与重调度集成优化方法研究

In production scheduling with deteriorating and learning effects, disruption reaction strategies, such as resource allocation, preventive maintenance and job rejection etc, are identified considering interests of management, shop-floor operators and customers to address the impact of typical disruption events, namely, machine breakdown, job arrival delay and changes in customer due dates, and corresponding deviation measurements are proposed.Disruption management is investigated from the perspective of integrated optimization of reaction strategies and rescheduling. Integrated optimization models of resource allocation, preventive maintenance and job rejection with rescheduling are constructed. To effectively solve the models, multi-objective evolutionary algorithm is designed and improved by embedding surrogate model for fitness approximation, and by utilizing apriori knowledge about Pareto optimal solution to guide evolution. The effectiveness of models and algorithms is tested through numerical studies and application verification. In this project, we not only extend the studies on disruption management with fixed job processing times to the case with variable job processing times, but also propose integrated optimization methods of resource allocation, preventive maintenance, and job rejection with rescheduling. The research of this project will theoretically solve the disruption management problem for production scheduling with variable job processing times, enrich multi-objective evolutionary algorithm, and provide theoretical and methodological support for production enterprise to handle disruptions.

在具有恶化效应和学习效应的生产系统中，针对机器故障、工件延时到达和客户工期调整典型干扰事件的影响，从系统多主体利益出发，辨识资源分配、预防性维护和加工可拒绝等干扰应对策略，并提出扰动度量方法。从干扰应对策略与重调度集成优化的视角，研究干扰管理问题。构建资源分配与重调度集成优化模型、预防性维护与重调度集成优化模型和加工可拒绝与重调度集成优化模型。分析模型特性和Pareto最优解相关的先验知识；提出基于代理模型进行适应度评估的多目标进化算法，并引入先验知识以引导优化过程。通过数值实验和应用检验，验证模型和算法的有效性。本项目不仅将原有针对加工时间固定生产调度的干扰管理研究拓展到加工时间可变的生产环境，而且提出资源分配、预防性维护和加工可拒绝与重调度的集成优化方法。研究成果将在理论上有效解决加工时间可变干扰管理问题，丰富和发展多目标进化算法，同时为加工制造企业应对干扰事件提供理论和方法支持。

面向国家制造强国的重大战略需求，以多家大型制造服务企业为研究对象，提炼了不确定环境下的干扰应对策略与重调度集成优化方法、引入柔性生产因素的资源配置优化策略、面向资源争用的多客户资源配置优化等方面的关键科学问题。在不确定环境下的干扰应对策略与重调度集成优化方法方面，率先提出了重调度领域求解最优Pareto有效前沿的精确算法，设计了高效的完全近似方案以快速求得近似Pareto有效前沿，实现了对突发机器故障的及时响应和服务能力的实时调整；率先刻画了柔性生产因素与重调度集成优化的动态干扰应对新策略，提出了结合问题结构性质和动态搜索规则的多目标进化求解算法，同时引入机器学习进行适应度评价以降低高昂的计算代价，对传统进化算法从静态调度优化向动态调度优化方面进行了思路引领和方法突破；将工件可拒绝这一柔性策略用以应对工件不可用这一干扰事件的影响，基于预案反应式干扰应对策略，率先提出了结合数学规划和智能算法的高效分支定价算法以精确求解大规模问题实例；将上述研究成果应用于成都虹波实业股份有限公司的照明生产线车间运作实际，有效地提高了生产效率。在引入柔性生产因素的资源配置优化策略方面，创新性地提出了多目标集成优化的最优资源分配策略，完美地解决了IIE Transactions (2010，42：221-231)中的一个未解难题；利用巧妙的完全多项式近似方案设计方法，提炼了订单外包模式下更有效的生产调度策略，有效提升了高水平期刊EJOR (2014，233：64-74) 一文中的结论。在面向资源争用的多客户资源配置优化方面，提炼了交货期可指派的多客户资源配置新模型，建立了较为系统的理论体系，同时也解决了经典多客户资源调度中的多个未解难题，为其他复杂多客户资源配置问题的求解提供了新思路和新方法。在本项目的资助下，共在NRL、Omega、EJOR、IJPR、IEEE Transactions on SMC等国际著名期刊发表SCI论文23篇，独立发表专著1部。研究成果受到国内外学者的广泛关注和高度评价，目前已被SCI他引65次，其中2篇论文已进入ESI-TOP论文排行。