一、虚拟环境下汽车冲压车间动态调度的研究(论文文献综述)
武争利[1](2021)在《基于Petri网的装配车间动态计划调度方法研究》文中指出装配车间在依据计划调度方案进行产品装配时,会出现设备故障、物料缺失、人员流动等不确定性因素,这些不确定性因素会影响计划调度方案的准确性,使计划调度方案无法准确指导实际装配,影响车间效益。传统车间的计划调度系统在处理这些不确定因素时,由于管控机制不全面、监控数据实时性差、调度智能化水平低,导致装配过程中不确定性因素不能被及时处理。数字孪生技术的出现为解决该问题提供了重要方向。本文将数字孪生技术与计划调度系统进行融合,形成全方位的动态计划调度系统管控机制,并基于Petri网形成装配车间动态计划调度系统,系统的解决管控机制不全面、监控数据实时性差、调度智能化水平低等问题,使装配过程中的不确定性因素能够被实时监控和及时处理。针对管控机制不全面的问题,形成基于数字孪生的装配车间动态计划调度系统管控机制。从装配前、中、后,综合考虑预测技术、仿真技术、全要素的实时数据获取技术,在全装配要素预测的基础上,运用仿真验证和实时数据一致性检验,实现装配计划能够准确指导实际装配的目的。针对监控数据实时性差的问题,研究基于Petri网模型的装配车间计划调度资源主动感知方法。运用Petri网模型进行计划调度资源状态和活动描述,并根据资源类型配置相应RFID设备。将Petri网模型存储至RFID设备,进行计划调度资源之间的交互,同时通过MES获取计划调度资源的实时数据。针对调度智能化水平低的问题,搭建基于Petri网的装配车间动态计划调度模型。对基于Petri网的动态计划调度系统进行分析,找到不确定性因素被发现的条件,以及不确定性因素与计划调度方案的关联关系,以装配车间惩罚费用最小为目标,建立基于Petri网的动态计划调度模型。以A企业为实例对象,首先运用计划调度系统管控机制中的思想,进行计划调度系统的优化,接着运用CPN TOOLS仿真工具获得计划调度资源的实时数据,最后在此基础上搭建含有调度模型的车架厂动态计划调度系统,进行车架厂不确定因素的实时监控和及时处理。这为车架厂带来了良好的经济效益。
付玉婷[2](2021)在《基于强化学习的带返工汽车涂装重排序方法》文中研究表明随着信息技术和人工智能的快速发展,汽车制造业也在向智能化信息化转变。为满足客户的个性化需求,汽车制造由大规模生产转变为小批量柔性生产。在汽车混流生产系统中,各车间具有不同的生产需求,涂装车间和总装车间作为上下游车间,具有不同的序列偏好和关键生产指标,同时涂装中存在的返工情况也会对排序效果产生影响。因此,在进行喷涂序列决策时如何满足上下游生产需求同时灵活应对返工扰动成为重难点。为解决上述重难点问题,本文总结以往研究,针对大多研究只考虑颜色切换单一目标,没有对返工干扰和后续二次喷涂进行处理,同时多采用精确算法、启发式算法,无法实时动态调整喷涂计划等问题,本文采用在序列决策上具有显着优势的深度强化学习算法Actor-Critic,提出基于强化学习的带返工的汽车涂装重排序方法。首先,建立该问题的数学模型。本文基于实际汽车涂装车间的生产流程,对涂装重排序问题进行抽象和提炼,分析重排序问题的决策过程和返工过程引起的序列变化,明确问题边界,评价指标和约束条件,以最小化颜色切换次数和总装需求延误作为目标建立数学模型。然后,根据数学模型进行Actor-Critic算法设计。本文将涂装重排序问题抽象为马尔科夫决策过程,构建算法中的涂装作业环境,满足返工过程的需要。定义状态空间,动作空间和奖励函数,并设计算法结构。最后进行实验,验证本文Actor-Critic算法的有效性。本文设计对比实验,在不考虑返工情况时,与DQN和遗传算法对比;在考虑返工情况时,与DQN和基于规则的直接插入法对比,评估不同算法的优劣,同时分析本文算法的影响因素,验证Actor-Critic算法在不考虑返工和考虑返工两种情况下在涂装重排序问题中的有效性和实用性。实验结果表明,在不考虑返工时,本文算法效果相比DQN提升了4.7%;在考虑返工时,本文算法效果相比DQN提升了9.6%,显示出了极大的优势。本文在重排序时考虑了返工情况引起的扰动及二次喷涂对喷涂序列的影响,动态调整后续喷涂计划,满足生产需求。同时引入基于策略的强化学习算法Actor-Critic解决汽车涂装重排序问题,取得了更好的效果,为解决带返工的汽车涂装重排序问题提供了新的解决思路。使用人工智能方法解决重排序问题,对企业实现智能制造具有重要的意义,能够提高生产调度的决策效率和质量,也为智能化信息化生产提供了新的可能。
李思远[3](2021)在《汽车底盘工件生产车间调度方法研究》文中研究说明随着经济全球化的迅猛发展,汽车生产商之间的竞争日益激烈。如今汽车制造企业面临着客户需求的日益增长、研发周期的逐渐缩短、生产产品的数量和种类在不断的增加,以及产品质量和成本之间的矛盾等问题。为了提高原材料利用率,缩短产品完工周期,本文将上游工序的物料流动和下游工序的加工处理引入到车间调度问题的研究中,主要研究内容如下:首先,研究汽车底盘工件聚类与排料问题。首先对市场订单中的汽车进行零部件分解,然后根据汽车底盘工件集中下料的生产特点,将工件按宽度、高度、厚度、原材料种类和加工方式分成若干个小组,采用K-MEANS聚类算法进行工件聚类,制定合理的汽车底盘工件批量生产计划,釆用排料算法对每一小组的工件进行排料,通过实例验证了该方法的可行性与有效性。其次,研究多目标异速并行机调度问题。针对汽车底盘工件生产过程中存在的工件种类繁多、分拣效率低等问题,考虑焊接车间的组件需求,提出组件齐套时间的概念,以最小化最大组件齐套时间、提前组件数量、延迟组件数量为目标,建立汽车底盘工件的多目标异速并行机调度模型,采用改进的非支配排序遗传算法求解该模型,最后通过实例验证了该方法的可行性与有效性。再次,研究车间动态调度问题。提出基于重调度需度的混合驱动重调度机制,决定是否触发重调度。针对紧急插单与机器故障两种情况下的汽车底盘工件生产车间动态调度问题,构建兼顾调度效率和调度稳定性的动态调度模型,采用改进的非支配排序遗传算法对模型进行求解。最后通过实例验证了该方法的可行性与有效性。最后,设计汽车底盘工件生产调度系统。首先对汽车底盘工件生产车间的调度系统需求进行分析,然后设计系统的总体架构,分析系统的各模块功能,搭建系统界面,最后利用Plant Simulation软件建立汽车底盘工件生产调度模型并在虚拟的环境下实现可视化仿真。
高珂婷[4](2021)在《基于数字孪生的车间流水线调度优化研究》文中进行了进一步梳理随着云计算、物联网、大数据、人工智能、虚拟现实等新一代信息技术与传统制造业的深度融合发展,世界各国分别提出国家层面的制造业转型战略。如何提高车间生产智能化的程度实现及时交货、提高客户满意度,成为了提升各中小制造企业竞争力的关键问题。混合流水车间结,合了传统的Flow shop调度问题和多机并行分配问题,已被证实是一个典型的NP-hard难题,在汽车生产、冶金、化工等领域应用广泛。然而,随着产品需求趋于个性化,制造工艺更加多样,制造企业对混合流水车间调度问题的解决方法在自主性、智能性、预测性等方面提出了更高的要求。实现制造的物理空间和信息空间的互联互通和智能化操作是实现智能制造关键,也是智能化调度的关键,是提高调度自主性、智能性、预测性的有效途径。然而现有的调度模式难以实现信息空间与物理空间实时交互,信息空间与物理空间的数据缺乏融合。为了解决混合流水车间动态调度问题中存在的问题,本文结合数字孪生,以某卡车生产车间为背景,对混合流水车间调度优化问题展开了研究,研究主要包括以下部分:(1)提出了基于数字孪生驱动的车间调度新模式。针对现有调度模式缺乏物理信息空间融合以及难以及时处理车间扰动的问题,结合数字孪生,提出了一种数字孪生驱动下的车间架构体系,并阐述了该框架下关键技术,如数字孪生建模、调度数据智能化实时采集。(2)建立了基于卡车混合流水车间离线模型。针对卡车生产车间的生产特点,搭建了符合卡车生产特点混合流水车间的离线调度模型,以最小化最大完工周期、最小化最大在制品数量、最小化最大拖期或者提前惩罚成本为目标,采用改进的遗传算法进行多目标求解,获得离线调度模型的卡车生产序列。(3)建立了基于卡车混合流水车间在线模型。结合离线模型获得的卡车混合流水车间生产数据,搭建卡车混合流水生产车间在线调度模型,采用支持向量机(SVM)为数据挖掘工具,采用二进制粒子群优化算法(BPSO)对生产属性(特征子集)进行寻优,获得基于SVM的动态调度策略分类模型。(4)卡车混合流水车间可视化仿真及信息管理系统的设计与实现。通过在2D和3D环境下实现卡车生产车间的快速建模,将卡车生产车间的生产任务进行生产优化排程,并将相应的生产排程结果导入到实际生产系统,获取相关指标数据,并搭建了卡车混合流水车间的调度信息管理系统,方便企业操作。
杨欣[5](2020)在《基于多品种小批量生产的排程优化》文中进行了进一步梳理在竞争越来越激烈的汽车市场行业中,无论是企业还是上级客户都对制造单位的生产制造水平提出更高要求。一是要求汽车配件的生产周期不断变短,二是客户对产品的需求也逐步从大众化、单一化演变为多样化、个性化,三是生产方式也相应从大批量生产转变为多品种、小批量生产。近年来,作为中小型企业的A公司,其冲压产品也由大批量生产变为多品种小批量生产,但仍沿用面向库存型生产管理模式,造成库房积压严重。由于现有资源不可满足面向订单生产的零库存要求,本文提出结合库存型与面向订单型的混合生产模式,即充分发挥面向订单型生产模式的降低库存、降低经营风险等优点,又备好安全库存,用以保障当突发事件发生时可准时交付,这是一种灵活度高、具有普遍性的生产方式。本文以冲压车间生产排程作为主要研究对象进行分析,建立数学优化模型,对数学模型求解,最后以试验生产计划为例加以验证。具体如下:(1)分析——调研A公司生产现状,将库存生产中备用5天库存调整为留用一天最小交货量的安全库存,同时提出A公司冲压车间执行面向订单的生产模式。(2)建模——从A公司成本流失方向分析,以交货时间的满意程度、冲压生产效率以及机台利用率为主要优化目标,通过线性加权法建立综合目标函数,以工序顺序、工序生产唯一性及生产优先级等为约束条件,建立数学优化模型。(3)求解——研究基于遗传算法的生产排程问题求解,包含遗传算子设计、数据编码、迭代停止规则等。在以上静态生产排程的基础上,对动态作业计划和动态生产排程机制进行研究,结合滚动窗口技术解决动态生产排程问题。(4)验证——以试验生产线日生产计划作为例,应用遗传算法展开仿真求解并验证,得出最优生产排程甘特图,验证静态优化排程。针对常见的动态问题(如新的一般订单随时到达、紧急订单随时到达等),通过A公司日订单排程验证方案可行性。
杨能俊[6](2020)在《基于数字孪生的离散制造车间自适应调度方法研究》文中研究表明随着信息技术的快速发展,制造业尤其是离散制造业迎来了一轮新的产业变革。实现智能制造的瓶颈之一是如何实现制造环境下信息空间与物理空间的融合,数字孪生的出现为实现信息物理制造系统提供了新的技术手段,如何运用虚实映射实现信息物理融合以提升车间决策和管控智能化水平,实现在多扰动、不确定生产环境下离散制造车间的动态自适应调度,是数字孪生技术在车间应用时遇到的一大难题。本文以离散制造车间自适应调度为研究对象,结合数字孪生技术在车间中的应用,建立了基于数字孪生的离散制造车间自适应调度原型系统,分别围绕系统体系框架、车间数字孪生模型构建方法和车间自适应调度开展了深入研究,本文主要的研究内容和成果如下:(1)针对离散制造车间自适应调度问题对数字孪生的应用需求,结合面向离散制造车间数字孪生的定义和特征,构建了面向离散制造车间自适应调度的数字孪生体系框架,并在制造物联技术在车间应用的基础上,搭建了互联共融的物理车间物联系统框架,以感知数据和控制指令为驱动,分析了数字孪生环境下车间自适应调度的运行模式。(2)针对离散制造车间数字孪生模型构建问题,以物理车间的时空数据为基础,利用本体方法对车间生产涉及的各类制造要素以及要素之间的关系进行统一的逻辑描述,结合物理实体的虚拟模型和OPC UA技术,通过不同层次的映射方法实现数据在虚拟模型、OPC UA信息模型和物理实体间的传递和映射,为车间数字孪生模型的构建提供了参考方法。(3)针对动态生产环境下车间自适应调度的实时性和适应性需求,在车间数字孪生环境的基础上,选择工件的平均交货期延迟为优化目标,设计了一种基于经验共享的多智能体强化学习自适应调度算法模型,解决了车间调度方法适应性差的问题,通过实际案例对算法的可行性和有效性进行了验证。(4)以上述研究内容为基础,开发了基于数字孪生的离散制造车间自适应调度原型系统,结合某车间实例,对孪生模型建模方法、车间自适应调度算法和原型软件系统主要功能模块的有效性进行了阐述和验证。
熊玮,黄海鸿,朱利斌,刘志峰[7](2019)在《基于产品制造过程内含能分级的冲压车间节能调度研究》文中研究说明冲压制造离散性强、工艺复杂、能量损耗较大,为实现冲压制造过程的节能和高效运行,在保证最大完工时间受影响较小的前提下降低能耗,以冲压车间为对象进行了节能调度研究。建立面向冲压车间的多目标节能调度模型,采用多目标优化算法进行求解,得到Pareto解集。提出基于产品制造过程内含能分级的方案评价与选择方法,计算出不同调度方案下各产品的制造过程内含能并进行分级处理,选择出产品制造过程内含能较小的调度方案作为最优执行方案,提高了节能调度的可行性。最后,应用某冲压车间生产实例验证了节能调度模型和基于产品制造过程内含能分级的方案评价与选择方法的可靠性,与原始调度方案相比,车间总能耗与最大完工时间均实现了降低。
谢宗实[8](2019)在《基于变动性的混流白车身焊接生产线调度方法研究》文中进行了进一步梳理为了适应消费者多样化的订单需求,汽车生产线上同时生产的车型越来越多,焊接生产线也从原始的单一产品加工发展到可以同时对多种车型的不同配置品种进行加工。同时,企业生产环境中存在着大量变动性,这些动态不确定因素使得静态的调度方法难以适用,生产线的调度问题因此变得越来越复杂。本文依托于国家自然科学基金面上项目“基于变动性的半导体制造系统性能预测与优化方法研究(批准号:71671026)”,主要研究了白车身焊接生产线的瓶颈预测和动态调度问题。首先以白车身混流焊接生产线为研究对象,以约束理论为基础,根据混流生产下白车身焊接车间的特点,建立了焊接生产线调度问题的数学模型,设计了以瓶颈漂移、周期事件等为驱动的焊接生产线动态调度算法。其次,对焊接生产线的瓶颈进行预测,与理论瓶颈对比,判断瓶颈是否漂移。基于约束理论,根据订单车型组合与生产线加工能力,给出了理论瓶颈的识别方法。在动态生产环境下瓶颈并不固定,对在系统中已经存在的瓶颈进行事后优化效果较差,因此,本文通过引入时间序列预测算法,对将来时刻的工序参数进行预测,利用核主成分算法提取出了主成分后,再利用逼近理想解排序法对瓶颈工序进行预测,实现对未来时刻瓶颈工序的预测,通过将理论瓶颈与动态瓶颈进行对比,可以得到瓶颈的漂移状况。然后,利用智能优化算法对焊接生产线调度问题进行求解。以车身加工序列为待优化变量,设计了粒子编码和更新策略,构建以最小化最大完工时间、最大交货期提前、与待调度序列相似度最大为目标的瓶颈资源优化模型。使用瓶颈启发等算法生成初始解,并综合运用多目标粒子群优化算法加以求解,优化得到瓶颈资源优化方案,根据前拉后推的原则,完成了整个生产线的运行调度。最后,使用Python实现了焊接生产线动态调度系统。根据需求,对调度系统功能模块、软件界面等进行了设计和实现,将基于约束理论的生产调度方法研究成果应用于实际,表明了本文所设计的动态调度算法具有实用价值。
郑雪洁[9](2019)在《汽车底盘零件生产调度方法研究》文中进行了进一步梳理车间调度是利用有限资源,在满足约束条件下对工件进行时间上的安排,使一个或多个性能指标达到最优。汽车底盘零件生产车间是汽车制造企业的重要组成部分,在多品种小批量生产模式下,具有原材料和零件种类繁多、设备资源和在制品缓存区有限等特点。针对目前车间资源分配不合理,零件分拣效率低、占用空间大的问题,研究汽车底盘零件生产调度方法,能有效降低加工成本,提高生产效率。针对以上问题,主要研究内容如下:首先,研究原材料与机床的匹配问题。分析汽车底盘零件的生产现状,针对车间资源分配不合理的问题,建立以天车资源为约束,最小化机床等待时间为优化目标的物料调度模型。通过实际数据求解表明,模型能有效解决因天车布局、数量有限而导致的机床停工待料的问题,从而缩短机床等待时间。其次,研究零件在机床上的加工顺序问题。针对零件种类繁多、分拣效率低等问题,提出组件松弛时间的概念及基于组件成套率的多目标调度问题。以物料调度结果为输入,最小化组件松弛时间和组件延迟数量为目标函数建立工件调度模型。以改进的非支配排序遗传算法为框架设计模型求解算法。为表达零件的多种信息,设计多层染色体的编码方式;为解决染色体交叉不充分的问题,设计分段线性次序交叉方式。求解结果表明,该调度方法能缩短组件松弛时间,提高分拣效率。再次,研究动态事件扰动后的重调度问题。提出基于重调度需度的驱动机制,从而判别扰动发生后是否进行重调度。针对同一根原材料上的多个零件必须连续加工的特点,提出基于完全重调度的分级重调度策略。以机床故障和紧急插单两种动态事件扰动为例,对底盘零件生产安排进行重调度,结果表明所提出的重调度驱动机制和重调度策略的有效性和可行性。最后,研究汽车底盘零件生产调度系统。在研究结果基础上,利用Plant Simulation建立汽车底盘零件生产调度系统,输入订单生产数据,得到零件生产调度方案。通过建立的可视化仿真模型对该调度方案进行仿真,可输出机床利用率、天车的工作状态信息,为调度决策提供依据。
陈帆[10](2018)在《基于能耗优化的冲压车间调度问题研究》文中研究说明冲压成形行业是机械制造业的基础行业,冲压加工过程中装备能量消耗高,能量浪费大。降低冲压加工过程的能耗对于实现冲压行业的绿色制造意义重大。车间调度方案能对企业生产效率和能源消耗产生影响,通过合理选择加工设备可以实现车间层的能量节约。本文围绕着冲压车间层能耗优化的调度目标,分别研究了冲压车间静态调度和动态调度的能耗优化问题。主要的研究工作如下:(1)阐述了车间调度理论,介绍了车间调度的分类、求解方法。在分析冲压车间生产特点的基础上,确定了冲压加工过程中能量消耗的组成部分,建立了冲压车间调度的能量模型。(2)研究了冲压车间静态调度的能耗优化问题。首先结合传统的完工时间调度目标,建立了以完工时间最小和车间总能耗最低为优化目标的冲压车间静态调度模型。然后在经典的遗传算法中引入模拟退火算法的回火机制,设计了相应的遗传模拟退火算法,并通过案例分析比较,验证了本算法的优越性。最后通过实例计算,将获得的优化调度方案分别与传统调度方案以及不考虑运输能耗的调度方案进行对比分析,结果验证了模型的可行性及有效性。(3)研究了冲压车间在动态环境下能耗优化的调度模型。首先以静态调度研究为基础,然后基于滚动窗口技术,利用遗传模拟退火算法对冲压车间中出现订单插入和机器发生故障两种实际动态事件进行处理,最后通过实例验证了动态调度策略的可行性。
二、虚拟环境下汽车冲压车间动态调度的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、虚拟环境下汽车冲压车间动态调度的研究(论文提纲范文)
(1)基于Petri网的装配车间动态计划调度方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 计划调度研究现状 |
1.2.2 数字孪生研究现状 |
1.2.3 Petri网研究现状 |
1.3 主要研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 基于数字孪生的装配车间动态计划调度系统管控机制 |
2.1 动态计划调度系统现状分析 |
2.2 动态计划调度系统管控机制 |
2.3 动态计划调度系统数字孪生模型 |
2.3.1 物理车间 |
2.3.2 虚拟车间 |
2.3.3 孪生数据平台 |
2.3.4 数据预测 |
2.3.5 装配计划系统 |
2.4 本章小结 |
3 基于Petri网模型的装配车间计划调度资源主动感知方法 |
3.1 计划调度资源描述 |
3.2 计划调度资源Petri网模型建立 |
3.2.1 工件的基本Petri网模型 |
3.2.2 搬运设备的着色Petri网模型 |
3.2.3 装配中心的着色Petri网模型 |
3.2.4 存储区的着色Petri网模型 |
3.3 计划调度资源交互Petri网模型建立 |
3.4 基于RFID的计划调度资源Petri网模型实现 |
3.4.1 计划调度资源分类 |
3.4.2 计划调度资源主动感知 |
3.4.3 计划调度资源数据融合 |
3.5 本章小结 |
4 基于Petri网的装配车间动态计划调度模型 |
4.1 基于Petri网的动态计划调度分析 |
4.2 基于Petri网的动态计划调度模型 |
4.2.1 装配线平衡数学模型 |
4.2.2 动态调度数学模型 |
4.3 本章小结 |
5 基于Petri网的装配车间动态计划调度系统实现 |
5.1 计划调度现状 |
5.1.1 企业背景 |
5.1.2 计划调度流程现状 |
5.1.3 装配车间数据信息 |
5.2 调度分析与优化方案 |
5.2.1 调度分析 |
5.2.2 优化方案 |
5.3 调度流程优化 |
5.4 装配线平衡率优化 |
5.5 车架厂动态计划调度系统设计 |
5.6 车架厂动态计划调度系统实施 |
5.6.1 插单时的计划调度 |
5.6.2 设备故障时的计划调度 |
5.7 经济效益评价 |
5.8 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(2)基于强化学习的带返工汽车涂装重排序方法(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 汽车涂装重排序问题研究现状 |
1.2.2 汽车生产调度中的返工问题研究现状 |
1.2.3 强化学习在生产调度及排序优化中的研究现状 |
1.2.4 研究现状分析 |
1.3 研究意义 |
1.4 研究内容及技术路线 |
1.5 本文各章节安排 |
2 汽车涂装重排序问题的描述及分析 |
2.1 汽车混流生产线制造流程简介 |
2.2 汽车涂装重排序问题概述 |
2.2.1 涂装车间重排序问题的产生 |
2.2.2 缓冲区类型 |
2.3 符号定义与说明 |
2.4 汽车涂装重排序问题分析 |
2.4.1 不考虑返工的汽车涂装重排序问题分析 |
2.4.2 考虑返工的汽车涂装重排序问题分析 |
2.5 本章小结 |
3 优化模型 |
3.1 模型假设 |
3.2 评价指标 |
3.2.1 颜色切换次数 |
3.2.2 总装需求延误 |
3.3 不考虑返工的数学模型 |
3.4 考虑返工的数学模型 |
3.5 本章小结 |
4 算法设计 |
4.1 Actor-Critic算法简介 |
4.1.1 算法的选择 |
4.1.2 强化学习基本思想 |
4.1.3 Actor-Critic算法核心概述 |
4.2 汽车涂装重排序问题的马尔科夫决策过程 |
4.2.1 状态空间定义 |
4.2.2 动作空间定义 |
4.2.3 奖励函数设计 |
4.2.4 动作选择策略 |
4.2.5 不考虑返工的汽车涂装环境构建 |
4.2.6 考虑返工的汽车涂装环境构建 |
4.3 算法结构设计与流程概述 |
4.3.1 算法结构 |
4.3.2 算法中神经网络结构 |
4.3.3 算法步骤 |
4.4 本章小结 |
5 实验及结果分析 |
5.1 算法实现 |
5.1.1 不考虑返工的程序实现 |
5.1.2 考虑返工的程序实现 |
5.1.3 程序实现流程 |
5.2 实验设计 |
5.2.1 实验方案设计 |
5.2.2 算例设计 |
5.2.3 实验参数设置 |
5.2.4 算法输出序列示例 |
5.3 实验结果及分析 |
5.3.1 基于强化学习的汽车生产调度实验系统的使用 |
5.3.2 算法收敛性分析 |
5.3.3 算法有效性评估 |
5.3.4 算法影响因素分析 |
5.4 本章小结 |
结论 |
参考文献 |
附录 A 部分程序代码 |
攻读硕士学位期间发表学术论文情况 |
攻读硕士学位期间参与项目情况 |
致谢 |
(3)汽车底盘工件生产车间调度方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及目的意义 |
1.1.1 课题来源 |
1.1.2 研究背景及目的意义 |
1.2 国内外研究现状 |
1.2.1 工件聚类与排料问题研究现状 |
1.2.2 多目标异速并行机调度问题研究现状 |
1.2.3 动态调度问题研究现状 |
1.2.4 现状总结与问题分析 |
1.3 主要研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
第2章 汽车底盘工件聚类与排料问题研究 |
2.1 汽车底盘工件的生产现状 |
2.2 汽车底盘工件聚类问题优化 |
2.2.1 聚类分析常用方法 |
2.2.2 汽车底盘工件基本属性 |
2.2.3 汽车底盘工件编码方式 |
2.2.4 汽车底盘工件属性值预处理 |
2.2.5 K-MEANS聚类算法 |
2.3 汽车底盘工件排料问题优化 |
2.3.1 排料优化常用方法 |
2.3.2 汽车底盘工件排料 |
2.4 实例验证 |
2.5 本章小结 |
第3章 多目标异速并行机调度问题研究 |
3.1 多目标优化问题 |
3.1.1 相关定义与概念 |
3.1.2 目标函数的确定 |
3.2 多目标并行机调度模型的建立 |
3.2.1 变量设计 |
3.2.2 数学模型 |
3.3 算法设计 |
3.3.1 编码 |
3.3.2 解码 |
3.3.3 快速非支配排序 |
3.3.4 选择与精英保留策略 |
3.3.5 分段交叉/变异 |
3.4 实例验证 |
3.5 本章小结 |
第4章 汽车底盘工件生产车间动态调度问题研究 |
4.1 动态事件分析 |
4.2 重调度 |
4.2.1 重调度驱动机制 |
4.2.2 重调度策略 |
4.2.3 重调度性能指标 |
4.3 实例验证及分析 |
4.3.1 算法参数设置 |
4.3.2 实例验证 |
4.3.3 结果分析 |
4.4 本章小结 |
第5章 汽车底盘工件生产调度系统设计 |
5.1 生产调度系统需求分析 |
5.2 系统架构设计 |
5.2.1 系统总体架构设计 |
5.2.2 系统功能模块设计 |
5.2.3 数据交互方法 |
5.3 调度系统的实现 |
5.3.1 主界面 |
5.3.2 生产计划管理界面 |
5.3.3 调度优化管理界面 |
5.3.4 动态调度管理界面 |
5.3.5 调度结果管理界面 |
5.4 可视化仿真 |
5.5 本章小结 |
结论 |
参考文献 |
附录 1 汽车底盘工件编码表 |
附录 2 工件的染色体编码表 |
攻读硕士学位期间的研究成果 |
致谢 |
(4)基于数字孪生的车间流水线调度优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景与意义 |
1.2 国内外研究现状 |
1.2.1 数字孪生技术研究现状 |
1.2.2 流水车间调度的研究现状 |
1.3 论文组织结构 |
第二章 基于生产车间数字孪生相关理论技术研究 |
2.1 传统车间调度存在的问题 |
2.2 基于数字孪生的车间结构 |
2.2.1 数字孪车间结构 |
2.2.2 数字孪生关键技术 |
2.3 某卡车生产车间背景分析 |
2.3.1 生产订单分析 |
2.3.2 卡车生产车间布局与工艺逻辑 |
2.3.3 卡车生产车间数据采集 |
2.4 本章小结 |
第三章 基于卡车生产车间流水线离线调度建模与分析 |
3.1 混合流水线离线调度建模 |
3.1.1 问题描述 |
3.1.2 变量设计及性能指标 |
3.2 算法设计 |
3.2.1 染色体编码 |
3.2.2 选择算子 |
3.2.3 交叉算子 |
3.2.4 变异算子 |
3.2.5 算例验证 |
3.4 实例验证 |
3.5 本章小结 |
第四章 基于数字孪生的混合流水车间在线调度建模与分析 |
4.1 在线调度数学模型 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.2 智能调度算法设计 |
4.2.1 基于BPSO-SVM的卡车生产线动态调度策略选择过程 |
4.2.2 基于SVM的调度策略分类模型 |
4.2.3 基于BPSO-SVM的同步优化 |
4.2.4 BPSO-SVM算法详细设计 |
4.3 实例验证 |
4.4 本章小结 |
第五章 卡车混合流水车间可视化仿真及调度信息管理系统 |
5.1 基于卡车的数字孪生车间调度系统分析 |
5.2 卡车生产车间可视化仿真与建模 |
5.2.1 2D与3D环境下参数化建模 |
5.2.2 数据采集与分析 |
5.3 生产调度信息管理系统功能模块设计 |
5.3.1 管理系统模块设计 |
5.3.2 生产调度信息化管理系统的实现 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
(5)基于多品种小批量生产的排程优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 生产排程问题的研究现状 |
1.2.2 国内外生产调度算法介绍 |
1.3 研究内容 |
第二章 理论基础分析 |
2.1 生产计划概述 |
2.1.1 生产作业计划内容 |
2.1.2 生产计划模式 |
2.1.3 安全库存 |
2.2 生产排程概述 |
2.3 A公司生产过程中的不定因素与动态事件 |
2.4 动态订单重排程 |
2.4.1 动态订单重排程概述 |
2.4.2 关于重排程的优化方法 |
2.5 本章小结 |
第三章 A公司冲压车间生产排程问题分析与数学建模 |
3.1 A公司冲压车间生产排程特征分析 |
3.1.1 常规生产排程问题 |
3.1.2 A公司冲压生产流程及问题分析 |
3.2 A公司生产排程问题目标函数建模 |
3.2.1 生产排程参数定义及含义说明 |
3.2.2 生产排程的综合目标决策模型 |
3.3 A公司生产排程问题模型的约束条件 |
3.4 本章小结 |
第四章 基于遗传算法的生产排程优化问题求解 |
4.1 A 公司生产排程问题求解算法设计 |
4.1.1 遗传算法求解流程设计 |
4.1.2 遗传算法的编码与解码 |
4.1.3 遗传算法的初始种群与参数确定 |
4.1.4 适应度函数计算 |
4.1.5 遗传算子设计 |
4.1.6 遗传算法的停止准则 |
4.2 动态作业计划和生产排程驱动机制 |
4.2.1 动态生产排程问题 |
4.2.2 滚动窗口技术 |
4.2.3 动态调度中的驱动机制 |
4.2.4 动态事件排程流程 |
4.3 本章小结 |
第五章 A公司冲压车间生产排程案例分析 |
5.1 基本排程算例仿真与分析 |
5.2 动态生产调度案例分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读学位期间取得与学位论文相关的成果 |
致谢 |
(6)基于数字孪生的离散制造车间自适应调度方法研究(论文提纲范文)
摘要 |
abstract |
缩略词 |
第一章 绪论 |
1.1 课题概述 |
1.1.1 课题来源 |
1.1.2 研究背景 |
1.1.3 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 数字孪生技术研究现状 |
1.2.2 车间自适应调度研究现状 |
1.2.3 研究现状小结 |
1.3 论文内容及结构 |
1.3.1 论文组织结构 |
1.3.2 论文研究内容 |
1.4 小结 |
第二章 面向离散制造车间自适应调度的数字孪生体系框架 |
2.1 引言 |
2.2 面向离散制造车间的数字孪生技术 |
2.2.1 面向离散制造车间的数字孪生技术内涵 |
2.2.2 面向离散制造车间的数字孪生特征 |
2.2.3 面向离散制造车间自适应调度的数字孪生应用需求 |
2.3 面向离散制造车间自适应调度的数字孪生体系框架 |
2.3.1 系统体系框架 |
2.3.2 基于制造物联的离散制造车间物联环境框架 |
2.4 数字孪生环境下离散制造过程自适应调度模式及关键技术 |
2.4.1 数字孪生环境下离散制造过程自适应调度模式 |
2.4.2 关键技术 |
2.5 小结 |
第三章 数据驱动的离散制造车间数字孪生模型构建方法研究 |
3.1 引言 |
3.2 数据驱动的离散制造车间数字孪生模型构建体系 |
3.3 离散制造车间物理数据模型构建 |
3.3.1 离散制造过程车间物理数据分析 |
3.3.2 离散制造车间时空数据模型 |
3.4 离散制造车间数字孪生模型构建 |
3.4.1 离散制造车间形式化描述 |
3.4.2 离散制造车间三维可视化模型 |
3.4.3 基于OPC UA的实时数据映射方法 |
3.5 实例应用 |
3.6 小结 |
第四章 数字孪生环境下离散制造车间自适应调度方法研究 |
4.1 引言 |
4.2 问题描述 |
4.3 强化学习基本原理 |
4.3.1 智能体的概念 |
4.3.2 强化学习内涵 |
4.4 基于经验共享的多智能体强化学习算法设计 |
4.4.1 经验共享策略 |
4.4.2 系统状态表示与状态转移机制 |
4.4.3 启发式行为 |
4.4.4 立即奖励函数 |
4.4.5 搜索策略 |
4.4.6 算法实施与步骤 |
4.5 实验验证 |
4.6 小结 |
第五章 基于数字孪生的自适应调度原型系统开发 |
5.1 引言 |
5.2 原型系统硬件部署 |
5.2.1 RFID设备选型 |
5.2.2 UWB设备选型 |
5.2.3 物理车间硬件环境部署 |
5.3 原型系统软件设计 |
5.3.1 系统软件开发及运行环境 |
5.3.2 系统软件功能规划 |
5.4 系统功能服务实现 |
5.4.1 系统安全管理 |
5.4.2 基本数据管理 |
5.4.3 数字孪生环境配置 |
5.4.4 生产过程映射 |
5.4.5 生产过程决策 |
5.5 应用验证 |
5.6 小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果(学术论文、发明专利等) |
(8)基于变动性的混流白车身焊接生产线调度方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 生产线瓶颈辨识研究现状 |
1.2.2 生产线调度算法研究现状 |
1.3 研究目标与研究内容 |
1.4 论文结构安排 |
第二章 基于约束理论的动态调度算法整体设计 |
2.1 典型生产运作理论及DBR方法简述 |
2.1.1 典型生产运作理论概述 |
2.1.2 约束理论与DBR方法步骤 |
2.2 白车身混流焊接生产线概述 |
2.3 混流焊接流水线调度数学模型的建立 |
2.4 混流焊接生产线动态调度算法设计 |
2.4.1 混流焊接生产线动态调度策略 |
2.4.2 混流焊接生产线动态调度流程 |
2.5 本章小结 |
第三章 焊接生产线瓶颈预测及缓冲算法设计 |
3.1 生产系统瓶颈分析 |
3.2 焊接生产线瓶颈识别指标分析与理论瓶颈辨识 |
3.2.1 焊接生产线瓶颈识别指标分析 |
3.2.2 理论瓶颈辨识 |
3.3 动态瓶颈预测模型 |
3.3.1 基于时间序列的参数预测模型 |
3.3.2 基于核主成分的瓶颈指标提取 |
3.3.3 基于TOPSIS的综合瓶颈辨识 |
3.4 基于变动性的缓冲区容量设置 |
3.4.1 缓冲区影响因素分析 |
3.4.2 焊接生产线时间缓冲的设置方法 |
3.4.3 基于变动性的缓冲区容量设置方法 |
3.5 本章小结 |
第四章 基于瓶颈启发的焊接生产线调度求解算法 |
4.1 多目标粒子群优化算法 |
4.1.1 标准粒子群优化算法 |
4.1.2 多目标粒子群算法 |
4.2 粒子群算法的改进 |
4.2.1 粒子群编码及更新策略 |
4.2.2 基于瓶颈启发的种群初始化 |
4.3 粒子解码与非瓶颈资源排程策略 |
4.4 焊接生产线调度求解算法 |
4.5 本章小结 |
第五章 焊接生产线动态调度算法验证及系统实现 |
5.1 算例验证及结果分析 |
5.1.1 生产线瓶颈识别算例验证 |
5.1.2 混流装配线调度算法验证 |
5.2 系统设计开发及实现 |
5.2.1 系统总体结构设计 |
5.2.2 系统功能设计 |
5.2.3 焊接生产线调度系统设计与实现 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(9)汽车底盘零件生产调度方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及目的意义 |
1.1.1 课题来源 |
1.1.2 课题研究背景及目的意义 |
1.2 相关问题的国内外研究现状 |
1.2.1 考虑运输时间的车间调度问题研究现状 |
1.2.2 多目标的车间调度研究现状 |
1.2.3 动态调度的研究现状 |
1.3 主要研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
第2章 考虑运输时间的物料调度研究 |
2.1 生产现状分析 |
2.2 物料调度模型的建立 |
2.2.1 问题描述 |
2.2.2 数学模型 |
2.3 物料调度模型优化算法 |
2.3.1 车间调度优化算法 |
2.3.2 遗传算法的改进 |
2.3.3 算法验证 |
2.4 实例分析 |
2.5 本章小结 |
第3章 汽车底盘零件生产的多目标调度 |
3.1 多目标调度问题的提出 |
3.1.1 组件松弛时间 |
3.1.2 目标函数的确立 |
3.2 多目标工件调度模型的建立 |
3.2.1 条件假设和参数描述 |
3.2.2 数学模型 |
3.3 多目标优化策略 |
3.3.1 基于权重的间接优化方法 |
3.3.2 基于Pareto的多目标优化方法 |
3.4 算法设计 |
3.4.1 改进的NSGA-II设计 |
3.4.2 实例仿真 |
3.5 本章小结 |
第4章 汽车底盘零件生产动态调度研究 |
4.1 动态事件分析 |
4.2 重调度 |
4.2.1 基于重调度需度的驱动机制 |
4.2.2 分级重调度策略 |
4.3 动态调度算例分析 |
4.4 本章小结 |
第5章 调度系统和可视化仿真 |
5.1 调度系统分析 |
5.2 系统功能模块 |
5.3 调度系统的实现 |
5.3.1 登录界面 |
5.3.2 主界面 |
5.3.3 车间数据管理界面 |
5.3.4 调度优化管理界面 |
5.3.5 动态事件管理界面 |
5.4 可视化仿真 |
5.5 本章小结 |
结论 |
参考文献 |
附录1 |
附录2 |
攻读硕士学位期间的研究成果 |
致谢 |
(10)基于能耗优化的冲压车间调度问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 调度问题分类及其求解方法 |
1.2.1 车间调度问题的分类 |
1.2.2 车间调度的求解方法 |
1.3 冲压车间调度国内外研究现状 |
1.4 研究意义 |
1.5 论文主要研究内容及结构 |
1.5.1 论文主要研究内容 |
1.5.2 论文组织结构 |
第二章 冲压车间生产模式及能耗建模研究 |
2.1 冲压车间的生产模式概述 |
2.2 冲压车间的生产计划模式分析 |
2.3 冲压车间能量消耗的计算方法 |
2.3.1 冲压车间能耗计算模型 |
2.3.2 车间能耗数据采集方法 |
2.4 本章小结 |
第三章 考虑能耗的冲压车间静态调度问题研究 |
3.1 引言 |
3.2 面向节能的冲压车间静态调度模型 |
3.2.1 冲压车间调度问题描述 |
3.2.2 数学模型建立 |
3.3 调度模型算法的设计 |
3.3.1 遗传算法概述 |
3.3.2 模拟退火算法概述 |
3.3.3 遗传模拟退火算法的设计 |
3.4 实例仿真与结果分析 |
3.4.1 算法验证 |
3.4.2 实例测试 |
3.5 本章小结 |
第四章 考虑能耗的冲压车间动态调度问题研究 |
4.1 引言 |
4.2 车间动态调度问题概述 |
4.2.1 车间动态调度问题描述 |
4.2.2 动态调度的优化方法 |
4.2.3 动态调度的策略 |
4.2.4 滚动调度窗口技术 |
4.3 冲压车间动态调度研究 |
4.3.1 冲压车间调度模型修正 |
4.3.2 冲压车间动态事件的处理 |
4.4 实例分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
四、虚拟环境下汽车冲压车间动态调度的研究(论文参考文献)
- [1]基于Petri网的装配车间动态计划调度方法研究[D]. 武争利. 西安科技大学, 2021(02)
- [2]基于强化学习的带返工汽车涂装重排序方法[D]. 付玉婷. 大连理工大学, 2021(02)
- [3]汽车底盘工件生产车间调度方法研究[D]. 李思远. 哈尔滨理工大学, 2021
- [4]基于数字孪生的车间流水线调度优化研究[D]. 高珂婷. 天津工业大学, 2021(01)
- [5]基于多品种小批量生产的排程优化[D]. 杨欣. 广东工业大学, 2020
- [6]基于数字孪生的离散制造车间自适应调度方法研究[D]. 杨能俊. 南京航空航天大学, 2020
- [7]基于产品制造过程内含能分级的冲压车间节能调度研究[J]. 熊玮,黄海鸿,朱利斌,刘志峰. 机械工程学报, 2019(10)
- [8]基于变动性的混流白车身焊接生产线调度方法研究[D]. 谢宗实. 电子科技大学, 2019(01)
- [9]汽车底盘零件生产调度方法研究[D]. 郑雪洁. 哈尔滨理工大学, 2019(08)
- [10]基于能耗优化的冲压车间调度问题研究[D]. 陈帆. 合肥工业大学, 2018(01)