生产相关产品的成本主要包括生产成本、库存成本和短缺成本。在云制造环境下,企业可以获得他们所需要的服务在任何时候通过云制造服务平台,所以库存成本是被忽视的。但是,货物的短缺将影响客户满意度,也将导致商业机会和市场份额的损失,这对企业的竞争力有很大的影响。因此,应该尽量避免短缺成本。为选择的制造商成本控制尤为重要。

每个制造商和客户之间的距离都是不同的,所以运输成本是不同的,运输成本占总成本的一定比例。为了减少生产企业的产品总成本和提高生产效率,运输成本,作为一个产品的成本,也是一个需要考虑的关键因素。

制造商注册和批准在云制造服务平台需要提供特定的信息关于他们的制造资源和制造能力并提供某种产品的合格率。在选择生产供应商,产品的质量应当充分考虑它们能供应。质量是一个重要的因素在选择制造业供应商完成生产任务。

交货时间是指收到订单和交付之间的时间,生产时间等因素的影响,交通、信息传输,具有一定的不确定性。交货时间通常包括产品的生产时间和运输时间。客户交货时间有严格的要求,所以交货时间已经成为一个重要的因素影响生产计划和设计在云制造环境。

结合多任务的实际特点和multimanufacturer选择在云制造环境下,考虑到生产成本的四个因素,运输成本,产品质量,和交货时间的关键因素在生产过程中规划设计在云制造环境下,本文选择产品成本( C),产品质量( 问和交货时间 T)作为优化的目标,产品成本包括生产成本和运输成本之和。成本越低,利润越高的生产企业。产品质量是指产品的程度可以满足客户的需求,表达了产品的合格率。交货时间包括产品的生产时间和产品的运输时间,和交货时间需要客户的期限内完成。交货时间越短越好。

总而言之,这个问题可以描述如下:在特定的时间,生产企业收到的需求 米从客户类型的产品。企业进行生产计划的基础上,结合自己的制造资源和制造能力。通过云制造服务平台的智能搜索,可以看出 n制造供应商,满足产品的功能需求,和不同制造供应商的索引值是不同的。企业可以指定一些产品 u制造供应商,所以上面的索引值可以达到最优。

(1)

许多种类的产品可以在每一个制造商,生产和产品都是相互独立的

我:制造业供应商能提供的序列号的产品( 我= 0、1、2、… n)(如果 我= 0,制造商提供的产品是谁收到了客户的订单)

(1)供需平衡约束。供需平衡意味着制造业的供应商提供的产品数量应符合客户要求的产品的数量。如果提供的产品的数量不能达到客户要求的数量的产品,它将影响客户满意度,从而减少企业的声誉和经济效益。如果产品的数量供应超过需求数量,浪费会发生在某种程度上,因此供需平衡约束如下: (1) ∑ 我 = 0 n λ 我 j x 我 j = d j , j = 1、2 , … , 米 。

(2)生产能力约束的制造供应商。由于不同的生产能力和不同约束的制造商,供应商的最大生产能力 我可以提供公关 _ij。因此,产品的输出是否生产制造企业本身或制造供应商在云制造平台上不应超过制造商的最大生产能力。也就是说: (2) ∑ j = 1 米 λ 我 j x 我 j ≤ P R 我 j , 我 = 0、1、2 , … , 米 。

(3)折扣限制购买产品。因为大规模定制的生产模式,当制造商生产的产品可以提供的数量在一定范围内,生产产品的折扣约束可以为制造商提供。折现率的产品 j从厂家购买 我应该只属于一个范围,即只有一个折现率或没有折扣,也就是说, (3) ∑ k = 1 K y 我 j k ≤ 1。

(4)质量约束。定制和个性化的逐步发展,质量水平是用户最重要的因素之一。良好的产品质量能赢得客户的满意度,从而获得该行业的竞争力。假设 问 _j最低质量合格率接受产品 j, 问 _ij产品合格率 j提供的生产供应商 我。产品的合格率 j提供的所有制造商都应满足以下约束条件: (4) ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j 问 我 j D j ≥ 问 j d j 。

(5)交货时间约束。punctualization正逐渐增加,客户的要求和准时交付的产品可以提高客户满意度,从而获得行业的竞争力。交货时间主要包括生产时间和运输时间。企业生产产品的时候 j在工厂 我是 t _ij从工厂,运输的时间 我客户是 H _我和客户要求的交货时间 T′。然后,交货时间应该满足以下约束条件: (5) ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j t 我 j + ∑ 我 = 0 n H 我 ≤ T ′ 。

(1)产品成本。产品成本是影响客户满意度的一个重要因素。产品成本主要由生产成本和运输成本。考虑到制造商在云制造服务平台可以提供折扣,产品成本的目标函数如下: (6) P 1 = ∑ j = 1 米 x 0 j p 0 j + ∑ t = 1 T ∑ 我 = 1 n ∑ j = 1 米 λ 我 j x 我 j p 我 j r 我 j k y 我 j k 。

因为云制造服务提供商的位置不同于客户,产品在运输过程的成本也应该被考虑。因为产品是大规模定制的生产模式,有大量的产品。假设产品批量运输,运输批次从制造业供应商客户如下: (7) l 我 = ∑ j = 1 米 λ 我 j x 我 j b 。

制造供应商的运输成本 我客户给出的 (8) P 2 = ∑ 我 = 0 n l 我 c 我 = ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j b c 我 。

从上面可以看出,产品成本是由生产成本和运输成本;成本越小,属性越好。然后 (9) 最小值 P = P 1 + P 2 = ∑ j = 1 米 x 0 j p 0 j + ∑ t = 1 T ∑ 我 = 1 n ∑ j = 1 米 λ 我 j x 我 j p 我 j r 我 j k y 我 j k + ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j b c 我 。

(2)产品交货时间。制造业的竞争越来越激烈。企业用户对交货期有更严格的要求。制造业供应商需要严格控制他们的交货时间,以提高客户满意度。在云制造环境下,由于每个制造供应商的地理位置,运输时间是一个必须考虑的因素除了生产时间。在满足客户需求的前提下,较短的交货时间,更好的交货时间的目标函数如下: (10) 最小值 T = ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j t 我 j + ∑ 我 = 0 n H 我 。

(3)产品质量。制造业产品逐渐向个性化和多样化发展。客户对产品质量要求越来越高。产品质量影响顾客满意度。产品的质量越高,就越好。因此,产品质量的目标函数如下: (11) 马克斯 问 = ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j 问 我 j D j 。

从上面的描述,可以看出,生产企业的生产计划问题在云制造环境是一个多目标优化问题。这个问题的完整的数学表达式如下: (12) 最小值 P = P 1 + P 2 = ∑ j = 1 米 x 0 j p 0 j + ∑ t = 1 T ∑ 我 = 1 n ∑ j = 1 米 λ 我 j x 我 j p 我 j r 我 j k y 我 j k + ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j b c 我 , 最小值 T = ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j t 我 j + ∑ 我 = 0 n H 我 , 马克斯 问 = ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j 问 我 j D j , ∑ 我 = 0 n λ 我 j x 我 j = d j , ∑ j = 1 米 λ 我 j x 我 j ≤ P R 我 j , ∑ k = 1 K y 我 j k ≤ 1 , ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j 问 我 j ≥ 问 j d j , ∑ 我 = 0 n ∑ j = 1 米 λ 我 j x 我 j t 我 j + ∑ 我 = 0 n H 我 ≤ T ′ , x 我 j ≥ 0 , 我 = 0、1、2 , … , n , j = 1、2 , … , 米 。

传统多目标规划问题,如果最小值计算,帕累托最优解对应的概念:当设置的区间变量,变量组 X ∗ 如果没有其他设计变量组 X,符合 f 我 X ≤ f 我 X ∗ 没有冲突与约束条件 X ∗ 是帕累托最优的解决方案。

对于多目标优化问题,解决的办法不是一套解决方案,这在很大程度上构成了帕累托最优解集。没有更多的可行解集优秀的解决方案,并且没有优点或缺点的帕累托最优解。因此,决策者可以选择最理想的解决方案根据意志和目标的重要性。

精英的NSGA-II战略的主要过程如图 1。根据图像,步骤如下: (一)

结合 P _t和 问 _t,相应的人口 R _t获得,其实际大小等于2 N。

根据上面的分析中,使用的计算流NSGA-II解决制造企业的生产计划问题在云制造环境如下:

步骤1:初始种群 P _t总金额等于 N不是的解决方案空间。之后,所有目标健身价值进行了分析,然后分层操作实现,和拥挤距离计算对应于个人在各种团体。

根据决策者希望显示的特征属性值,属性的类型通常分为六类,和他们的名字和特征是指在表 1。

在这项研究中,结合属性索引值的影响方案设定的最佳选择,它可分为指标和成本指标中获益。传统的三属性指标,时间和成本是非常典型的成本指标,而质量是一个代表效益指标。

因为有一些偏差的描述生产计划的属性,有巨大的差异在相应的范围和量化的单位也是不一致的。为了有效地减少这些因素的负面影响的优化评价,以便一致性检查在评估的过程中完成,有必要开展标准化预处理属性索引值的生产计划。代表的数据预处理方法包括规范变换方法和范围。

在应用程序范围的转换数据预处理方法,每个属性的属性值测量指数主要改变在[0,1],并方便进行客观评价的其他计划。因此,本研究主要选择范围转换的方法。

假设生产计划的总数 米,覆盖 n属性索引,所有属性指标的原始数据矩阵 X= ( x _ij) _{米× n}, x _ij是指的价值 j此时属性索引;预处理的方法,可以使用在这个时间如下: (1)

效益指标可以计算如下: (13) R 我 j = x 我 j − 最小值 j x 我 j 马克斯 j x 我 j − 最小值 j x 我 j , 马克斯 j x 我 j − 最小值 j x 我 j ≠ 0 , 1 , 马克斯 j x 我 j − 最小值 j x 我 j = 0。

在这个时候, 我= 1,2,… 米; j= 1,2,… n; x 我 j 主要指的是属性索引值对应方案 我; 最小值 j x 我 j 指的是最小属性索引值对应于该组织制造资源服务组合; 马克斯 j x 我 j 指的是最大的属性与方案对应的索引值 米;和 R 我 j 指的是属性索引值归一化后得到。

(1)层次分析法。通过层次分析法,核心流程对应的权重系数的定义: (1)

构建相对应的层次目标的问题。

(2)熵权方法。假设有 米数据集的样本 n评价指标的初始数据矩阵 X= ( x _ij) _{米× n}; x _ij主要指的是属性的值 j。定义权重系数的过程如下: (1)

数据标准化:因为每个评价指标的相应大小的顺序是不一致的,为了有效地消除不可比性,标准化处理的信息应该由距离归一化的方法,这对统计分析奠定了良好的基础。假设 R指的是矩阵处理后,获得的操作步骤 R _ij把公式( 13)和公式( 14)。

(3)组合权重方法。在本部分中,方法的主观权重和客观权重方法有效地结合根据客观需要。操作方法如下: (24) w j = t j v j ∑ j = 1 n t j v j 。

在上面的公式中, t _j和 v j 引用相对应的权重系数 j层次分析法和熵的方法,获得的指数 w j 指相应的组合权重系数。

目前,假设形成的决策矩阵 米方案和 n属性 X= ( x _ij) _{米× n};在这个时候, x _ij主要是指项目的属性值 j和TOPSIS)调整后的操作过程如下:

第一步:首先,决策矩阵 R根据标准,建立和操作方法 R _ij被称为公式( 13)和( 14)。

根据综合评价模型,首先,从主观和客观方面综合权重确定采用层次分析法和熵权法。根据公司对产品成本的偏好程度,产品交货时间和产品质量,获得的决策判断矩阵如下: (31) B = 1 3 1 2 1 3 1 2 2 1 2 1 。

通过AHP的方法,它可以被视为优先的权向量的公司产品成本,产品交货时间和产品质量 T= (0.369841,0.297884,0.332275)。

其次,根据熵的方法,每组生产计划方案的客观权重。因为有不同的量化级别和维度在不同评价指标,有必要规范数据的产品成本,产品交货时间和产品质量指标得到以下数据预处理矩阵: (32) 0.77242 0.839798 0.296774 0.286802 1 0.709677 0.880711 0.519547 0.047312 0.193739 0.563691 0.993548 0.489848 0.735445 0.419355 0.385787 0.124398 0.675269 0.628596 0.643256 0.455914 0.821489 0.036952 0.288172 0.548223 0.667508 0.406452 0.209814 0.553056 1 0.286802 0.999617 0.709677 1 0.388417 0.025806 0.899323 0.48336 0 0.852792 0 0.268817 0.950085 0.461021 0.094624 0 0.877133 0.808602 0.675973 0.428429 0.591396 0.35533 0.941627 0.756989 0.385787 0.124398 0.677419 0.999154 0.415882 0.027957 。

根据熵权法的计算公式,客观的指标权重向量 V=(0.246654,0.303342,0.450004)是通过计算产品成本的三个指标,产品交货时间和产品质量。

然后根据组合权重方法的公式成立于部分 3.3。2,通过AHP的主观权重和客观权重得到的熵权方法合成,最后组合权向量 W= (0.275508,0.272903,0.451589)。

根据TOPSIS的相关步骤,计算权向量的值在前一节中计算模型,加权决策矩阵 V得到如下: (33) 0.212808 0.229184 0.13402 0.079016 0.272903 0.320483 0.242643 0.141786 0.021366 0.053377 0.153833 0.448676 0.134957 0.200705 0.189376 0.106287 0.033948 0.304944 0.173183 0.175547 0.205886 0.226327 0.010084 0.130135 0.15104 0.182165 0.183549 0.057805 0.150931 0.451589 0.079016 0.272799 0.320483 0.275508 0.106 0.011654 0.247771 0.131911 0 0.234951 0 0.121395 0.261756 0.125814 0.042731 0 0.239372 0.365156 0.186236 0.11692 0.267069 0.097896 0.256973 0.341848 0.106287 0.033948 0.305915 0.275275 0.113496 0.012625 。

积极的理想的解决方案 V⁺和消极的理想解决方案 V⁻决心,点的距离相应生产计划计划正理想解和负理想解计算,分别。然后每个方案的相对接近理想的解决方案是计算,然后每个生产计划方案排序根据相对距离,和综合排名表如表所示 7。

根据计算出的综合排名的综合排名表生产计划方案,公司可以选择最高的综合排名,也就是说,生产规划方案3(如表所示 8)安排生产。如果有一个实际生产的变化,决策者也可以使用该计划接近最优生产方案为最终实现方案,为了提高生产计划的灵活性。