文摘
传统的实时数据调度方法忽略了优化过程的工作数据导致延期交货,库存成本高,设备利用率低。本文提出了一种新颖的基于深度学习的实时数据调度方法和一种改进的模糊算法在造纸车间灵活操作。该算法分为三个部分:第一部分描述了柔性工作车间调度问题;第二部分构造灵活工作的模糊调度模型数据在造纸车间;最后第三部分使用遗传算法来获得最优解的模糊在造纸车间调度灵活工作的数据。结果表明,最优解在48秒23理查德·道金斯尝试(迭代)在该方法的应用。这个结果是比三个传统的调度方法,我们比较我们的结果。因此,本文改进了造纸车间的工作效率和质量,降低造纸企业的运营成本。
1。介绍
随着经济全球化的深入,用户对产品的需求增加了。多个物种和小批量生产越来越常见的随着时间的流逝。这种生产方式使得生产环境越来越复杂。在生产中如何减少不必要的费用是企业生存和发展的关键。越来越多的企业需要使生产更聪明:一个概念被称为有效的生产调度。在过去的五十年里,作为一个NP难题,生产调度已经吸引了越来越多的关注已经从学术界和工业圈由于其显著的经济效益和自身的高挑战[1]。然而,为了更准确地描述生产过程的实际情况,提高调度的质量,有必要进行全面、深入的研究。针对实际车间柔性调度问题近年来,国内外学者做了大量研究工作,但由于调度问题的复杂性,没有通用的方法适用于所有类型的调度问题。
现有的方法可以概括为三类:传统的运筹学,启发式规则和群体智能优化算法。传统的运筹学方法在文献[2解决问题通过建立数学模型,通常只适用于小规模的调度问题,并有很强的依赖特定的问题有待解决,因此不能确保准时交货。启发式规则方法在文献[3)是一个一般术语的使用启发式信息来解决问题的方法。它定义了提前一定的规则,然后他们适用于调度过程,最后产生一个调度方案。这条规则的特点是简单、直观,计算的成本小,通常容易实现。它可以单独使用或方便与其他算法结合在一起使用。启发式规则方法适用于小规模的调度问题,在解决大规模调度问题效率较低。最后,第三类,即。,swarm intelligence optimization algorithm, proposed in literature [4)属于meta-heuristic算法,它使用某些自然现象或特定群体的生活习惯模型和解决问题。解决方案过程通常是随机生成一个或多个调度解决方案,然后逐渐通过定义的规则执行迭代优化,可以更快地收敛到最优解,可以应用于所有类型的优化问题。然而,该方法的设备利用率低。所有这三种调度方法是基于调度环境依赖严格的限制,强调各种各样的限制,和生产信息明显提前,但在实际生产环境中,有很多不确定性因素。通常,所需的信息往往是事先无法获得,所以与模糊技术的发展,应用模糊数来表示处理不确定参数得到了广泛关注,其他方法无法比拟的优越性和应用前景。处理时间和交货日期被视为模糊数,这更符合与生产相关的实际问题。这种调度问题被称为模糊调度问题。
与传统方法相关的问题,首先,本文介绍了柔性生产系统的调度过程的不确定性,然后描述了柔性车间调度问题和相关概念的模糊操作时间间隔。为了最小化考、基于模糊逻辑的调度模型和遗传优化算法。最后,通过一个实例验证了模型的可行性。结果表明,最优解在48秒,23岁理查德·道金斯迭代,它是比这三个传统的方法。因此,这种方法可以有效地提高造纸效率和节约造纸成本。
剩下的论文结构如下。节2的实时数据调度灵活就业在造纸车间使用一种改进的模糊算法进行了探讨。节3,实验结果进行了讨论。最后,我们得出结论本文讨论和研究空白4。
2。实时数据调度灵活工作的造纸车间使用一种改进的模糊算法
调度问题的基本思想是将资源分配给不同的任务在一段时间。其目的是为了优化一个或多个目标。在组织资源和任务将以多种形式,如机器在车间,机场的跑道,建筑工地的工作团队,在计算机中处理单元。他们可以被视为资源。然而,任务可能是造纸过程在生产中,机场飞机的起飞和着陆,建设项目的不同阶段,计算机程序的执行。调度是一个决策过程,扮演着一个重要的角色在大多数制造系统和信息处理环境。此外,它存在于运输和分销设施和其他类型的服务行业(5]。
制造业是一个行业,使材料、能源、设备、技术(6- - - - - -8)、资本、信息和人力资源所需的社会。生产车间是一个制造系统和制造资源之间的互动关系和生产加工任务。它由制造资源和生产任务。车间调度的安排处理任务的处理时间和制造资源实现制造过程。有很多这种组合的可能性,因此有必要优化生产车间调度(9]。
车间生产过程中,如何分配资源的生产和处理任务,从而实现生产调度的优化是车间调度的问题。车间调度的问题包括以下基本要素:任务、资源、时间和调度优化的性能指标。基于这些基本元素,常用的分类方法如表所示1(10]。
本文主要侧重于研究柔性工作车间调度的任务类型。基本的研究思路如图1。
根据车间的调度问题,灵活的工作制度是制定模糊柔性工作车间调度(部分2.1)。描述模糊参数设计、变量、目标设置和约束,优化和模型构造一个灵活的工作数据的模糊调度模型,模型的最优解是通过遗传算法部分2.2)。最后,进行实验分析来验证方法的有效性(部分2.3)。
2.1。柔性工作车间调度问题的描述(FJSP)
作业车间调度的想法是,每个纸工作集中在一个固定的顺序在所有机器上加工,和每个进程对应一台机器。在图2(一个),后工序纸只能执行最后的过程。在实际的生产环境中,某一过程的机器并不是唯一的。在图2(b),这个过程可以选择从机器和设备,即。,FJSP问题[3]。
柔性作业车间调度可以描述如下:有n处理的纸,纸的聚合 。有米机器有不同的功能 。论文的完成需要多个工作进程,每个进程之间存在有序约束。每个进程可以在不同的机器上进行的。调度的目标是为每个过程中选择最合适的设备,从而确定优化的处理顺序和最优方案指定的评价指标(11]。最后,需要画出甘特图和优化性能指标。一般来说,绘制甘特图的方法是安排工作程序的时间从起点到终点的生产活动,以计算最早开始时间和完成时间,然后找出关键路径的约束。纸的机器系统通常需要满足下面的约束,如表所示2。
由于众多因素的影响,本文处理时间和交货时间并不总是准确的。管理者或决策者只能提供一个粗略的数据和数据变化的可能范围。这种不确定性,传统的方法是近似不精确的数字作为一个确切数字,然后解决它的方法解决的问题。这个方法有两个缺点。一是模型可能会发生变化,导致解决方案的偏差。另一解决方案是不符合传统的表达和不直观12]。随机概率分布函数用于表示参数的分布。这种方法要求必须已知参数的历史数据。事实上,很难获得这些数据。此外,基于随机优化方法在处理也非常困难。
模糊技术的发展,模糊数是用来表达和处理不确定的参数。这个问题已被广泛研究,显示的优点及其应用前景。加工时间和交货期由模糊数处理更符合实际生产。这种调度问题被称为模糊调度问题(13]。随着模糊数学的发展,模糊数学规划的理念应用于调度领域。模糊调度已成为不确定调度问题的一个重要分支。模糊交货期和模糊调度问题的处理时间已成为一个研究热点。
2.2。模糊调度模型在造纸车间灵活工作的数据
2.2.1。变量的描述
所需的变量模型如表所示3。
在这个方程, , , , , , ,和输入变量。 , , ,和输出变量。和决策变量。与传统的作业车间调度模型相比,模糊作业车间调度模型添加变量来描述加工成本、生产利润,和其他影响因素。这些变量改进调度系统的实际应用能力,这是符合企业的客观需要。同时,他们极大地提高模型的复杂性的解决方案,这也是一个主要的困难在后续算法研究[14]。
2.2.2。参数模糊化
模糊调度是车间调度的基础上发展起来的一种调度方法,哪个更接近实际生产。模糊调度,纸的操作时间在机不确定,但在生产全面考虑各种因素,如工人的熟练程度,操作设备,原材料,和其他不确定因素可能影响生产。三角模糊数 是用来表示纸的处理时间,如图3。 表示早期完成时间,按时完成,分别和延迟纸处理完成。之间建立映射关系的处理在一段时间 和纸属于完成的程度。隶属函数 。 代表论文的隶属度属于完成确定的处理时间(15]。
模糊交货期表示相对满意的完成时间纸,它是用两个元组 。 和表示的准时交货时间和延期交货时间 。如果论文是在窗口完成 交货时间,本文的满意度是1。如果外面的纸完成交货时间窗口,满足用一个线性隶属函数(图4)。
2.2.3。目标和约束
目标和约束包括目标函数,约束自己,和优化模型。我们在这里讨论这些。(一)目标函数纸的总成本最小化,或减少吃白食机器的运行时间和保护机器的实际工作时间。 系统中使纸的循环时间最短; ;即。,the penalty for delayed completion of the paper is zero; ;即。,the penalty for early completion of paper is the minimum value [16]。(b)约束顺序约束。相邻工序之间的处理顺序相同的纸: 这表明,工序的纸完成后必须启动吗工序。资源约束。在同一台机器上一个处理任务完成后,我们可以开始另一项任务。 在任何给定的时间,机器不能处理任何两个不同的文件在同一时间,它无法处理任何两个不同的进程在同一时间(17]。成本约束。每台机器的单位时间处理成本是不同的,和启动功耗是不同的,所以工人的劳动强度是不同的。添加实际的权重系数之后,处理成本约束条件成立:
他们代表完成机器上的所有纸的成本和所有论文的完成总成本。
其他约束。任何过程的完成时间不能小于其处理时间。
2.3。优化模型
在这篇文章中,两种类型的模型作业车间调度。第一个模型只考虑模糊处理时间,和第二个模型全面考虑了模糊加工时间和模糊交货期。以下两种类型的模型详细描述(18]。
2.3.1。作业车间调度模型在模糊处理时间
作业车间调度问题,对于一个给定的纸,如果每篇论文的处理时间是准确的,根据处理时间,本文可以安排从小型到大型(SPT标准),所以最优调度方案可以获得最小流量的时间。但如果处理时间是模糊的,因为这涉及到模糊数的总和和比较,调度方案不能简单地通过SPT标准(19]。
在(9),表示可行调度组。对于一个给定的时间表 ,让表示对应的目标函数值。最小模糊加工时间的调度模型
在这个方程,表示的综合评价指标纸。
2.3.2。调度模型在模糊加工时间和模糊交货期
模糊调度问题的模糊交货期图所示4。如果在交货时间窗口完成论文,它不会受到惩罚。如果论文完成后交付窗外,造成一个点球。过程满足以下基本假设:(1)本文在等待处理的同时,和准备时间为0;(2)不允许被打断并没有优先级。这台机器只能处理一篇论文;(3)交付窗口是足够小的: , 是先进的重量,(延迟重量是20.]。
显示了罚函数如下:
早熟的最小调度模型/迟到处罚如下所示:
我们的目标是找到最常见的交货时间和最好的秩序 ,以最小化 。
2.4。计算模型的最优解
成立后的工作车间的多目标模糊调度模型,构建了相应的算法优化和解决这个问题。作业车间调度问题是NP困难问题。如何开发一个有效的算法来解决调度问题一直是一个重要的问题领域的调度和优化。作业车间模糊调度问题比一般调度问题更加复杂。不仅需要安排工序的顺序,但也要考虑机器的选择。可行的解决方案的数量远远超过传统的调度问题。如何找到可行的解决方案的最优解在很大范围内的主要问题是遗传算法(21]。
在过去的三十年,人模拟生物系统及其行为特征从不同的角度,形成新的学科,对现代科学技术的发展产生重大影响。例如,生成的模糊集理论模拟人类的思维方式。人工神经网络(22- - - - - -26]理论生成的模拟人类大脑神经。免疫算法是由动植物免疫机制的模拟。的进化计算理论生成的模拟自然界中生物进化机制(27,28]。一般来说,基于生物进化机制的模仿形式三个典型的优化计算模型,分别。(我)遗传算法(GA)(2)进化策略(ES)(3)进化编程(EP)
在本文中,使用遗传算法优化模糊调度模型。遗传算法的基本要素包括染色体编码、种群初始化、选择、交叉和变异。一般遗传算法的基本流程中描述的人物5。
作业车间调度的灵活性使得更复杂的解决方案。它不仅是必要的工作程序,但也选择每个工序的机器。基于遗传算法的基本过程,模糊柔性工作车间调度模型是解决。具体步骤如图所示6。步骤1。参数设置:人口的大小决定N和迭代的数量 。步骤2。遗传密码:调度问题作为双染色体编码结构。步骤3。代的初始种群:N个体是随机生成的初始种群和最初的进化代数形式t= 0。步骤4。确定柔性工作车间调度问题的目标函数,并将目标函数转换为适应适应度函数。步骤5。人口中的每个染色体的健身价值计算的自适应适应度函数。如果健身值满足结束条件或迭代的数量t=G,操作结束,输出最优解。否则,执行下一步。步骤6。选择通过轮盘赌选择一定数量的个体,这些个体进行遗传操作。步骤7。使用深层神经网络:计算交叉概率和变异概率,并执行自适应遗传进化操作根据交叉和变异操作,使新一代的人口。步骤8。让t=t+ 1,并返回到步骤5。
3所示。实验分析
为了验证改进的遗传算法的性能,采用一个标准的例子进行测试。操作系统是Windows XP,主CPU 2.60 GHz的频率。2.0 GB的内存。Visual Basic编程语言。传统的JSP问题可以被看作是独特的和固定的一个特例FJSP机器选择的链。因此,该算法可以应用于解决JSP和FJSP问题。
3.1。参数设置
在这个例子中,仿真参数包括论文的数量N= 4;数量的机器米= 10;工人数量W= 7;许多个人Z= 50;的迭代次数Y= 100;选择的概率= 0.9;交叉概率= 0.8;下午和变异概率= 0.1。纸加工过程是反复模拟的十倍。
3.2。评价指标
车间调度问题的性能指标是生产经理的标准来评估调度方案。根据不同的生产要求,调度指标是不同的。车间调度性能指标的基础上,总结贾Zhaohong和曾庆红羌族,本文将车间调度的性能指标分成以下类别:性能指标完成时间的基础上,根据交货时间性能指标,性能指标基于成本、性能指标基于机器负荷和加工质量。现在,根据完成时间选择性能指标。的完成时间是指时间完成所有的造纸过程。性能指标的基础上,完成时间是最基本的指标来衡量调度性能,可以反映了车间的生产效率,因此它也是最广泛使用的性能指标在车间调度领域的研究。它主要包括最大完工时间,平均完成时间、最大传递时间,总材料时间,加权流过时间,平均流通型时间和加权平均流过的时间。
3.3。结果分析
实验结果验证该调度方法是一种优化方法具有高质量和快速的收敛速度。为了确保实验结果的可靠性,选择一个车间实际数据对比实验比较。实验使用MATLAB软件进行了仿真。本文的方法是基于运筹学方法,启发式规则和群体智能优化算法的车间灵活就业数据调度方法。实验参数的改进算法。
表4表明,该方法可以得到最优解48秒23理查德·道金斯尝试。其他三种方法分别收敛于最优解为52秒40th尝试,在38个50秒th尝试,在44和61秒th尝试。通过比较,我们可以看到,该方法有许多优点。它不仅使最大完成时间短,但也加速收敛。
图7显示了加权目标值的变化过程的算法。从图可以看出,最优值的总体趋势是逐渐优化随着算法的代数的增加,但是,在当地,最优值的变化波动。
帕累托解集终于解决了帕累托优化方法有多个解决方案或个人,可以提供多个可行的优化解决方案集比较柔性工作车间调度。帕累托分布的解决方案在time-cost-quality空间如下,突出了人物8。优化目标权重根据设定时间表,并计算每个解决方案的算法健身价值的帕累托优化解集。这个值是独一无二的,和最后的满意决策优化是通过计算适应度值并选择最小值个人或解决方案。相应的调度计划甘特图如图9。
4所示。结论
作业车间调度问题(JSSP)是最著名的机器调度方法,同时极其困难的组合优化问题。主要原因是调度环境的复杂性和动态特性。与此同时,大量的随机性和因素难以量化的问题难以得到解决。随着模糊数学的发展,模糊数学规划的理念应用于调度领域,形成不确定性调度的一个重要分支:模糊调度。传统的实时调度方法不能按时交付,库存成本高、设备利用率低的问题;因此,本文提出了一个基于改进的模糊算法灵活的实时数据调度方法造纸车间的工作。的基础上,在柔性工作车间调度问题,灵活的工作数据的模糊调度模型造纸车间成立。通过对比实验,我们可以看到,本文的方法有更多的优势,这不仅使最大完成时间短,但也加快了收敛速度,从而实现本研究的目的。在未来,调度设备的利用率将被视为一种研究方法,进一步提高该方法。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
这个工作是通过网络的研究和应用PLC资助平台咸阳职业技术学院的科研项目(项目编号:2016 kya02);陕西省教育部科研项目:研究网络化PLC平台(项目数量:17 jk1172);研究项目:咸阳职业技术学院的办学模式的探索和实践混合所有权的公开的操作高职院校(项目编号:2017 jya03);陕西省科学技术和工程协调和创新项目:技术和热控制系统的恢复和利用余热干燥的部分论文的机器(项目编号:2016 KTCQ01-35)。