【排程】經典作業車間排程問題VS柔性作業車間排程問題
經典作業車間排程問題
在傳統車間排程模型中,假設工序加工所需要的資源是不具備柔性的資源,工件的所有工序的加工機器是唯一的,且機器順序是已知的,則可通過確定工序在每臺機器上的加工順序來優化完工時間等系統目標。隨著大批量連續生產時代正逐漸被適應市場動態變化的多品種、小批量離散生產所替代,一個製造企業的生存能力和競爭能力在很大程度上取決於它是否能在較短的生產週期內,生產出較低成本、較高質量的多個產品品種的能力。
柔性作業車間排程問題
柔性作業車間排程問題(flexiblejobshopschedu-lingproblem,FJSP)也就成為研究重點,它是JSP問題的擴充套件,工件的每道工序可以在多臺機器上進行加工,且在每臺機器上的加工時間不一定相同。實際生產中可以按照資源負荷情況,靈活地進行資源的選擇,提高加工的靈活性。工件的每道工序可以在多臺機器上加工的情況在實際生產中有明顯的優點:
(2)具有維持生產穩定的能力,當一臺或多臺機器發生故障時,工序可以繞過故障機器,在其他機器上進行加工,使生產得以繼續,保證生產的穩定;
(3)提高產品質量和縮短生產週期,與經典的JSP模型相比,同一工件的多道工序可以在同一臺機床上連續進行加工,減少了中間裝卸和搬運等而造成的時間消耗
柔性作業車間排程問題是一個NP-hard問題,不可能找到精確求得FJSP最優解的多項式時間演算法。研究人員為解決這個難題已付出了幾十年的努力,但至今最先進的演算法仍很難得到規模較小問題的最優解。近十幾年以來,通過模擬自然界中生物或物理過程而發展起來的元啟發式演算法用於研究FJSP,如遺傳演算法(geneticalgorithms,GA)、蟻群優化演算法(antcolonyoptimization,ACO)、禁忌搜尋演算法(tabusearch,TS)、粒子群優化演算法(particleswarmoptimization,PSO)、模擬退火演算法(simulatedannealing,SA)、DNA演算法等
柔性作業車間排程問題特點
1.計算複雜
柔性作業車間排程問題是作業車間排程問題的擴充套件,它不僅需要確定工序加工的順序,還要給每道工序分配機器,是比JSP更為複雜的NP-hard問題
2.多目標
實際生產中經常考慮多項效能指標要求,且各項要求可能彼此衝突。常用的排程效能指標包括:最大完工時間、交貨期、機器總負荷、生產成本、延遲或拖期、庫存等。
3.不確定性
實際製造中存在廣泛的不確定性因素,如機器故障、操作人員的熟練程度、原材料的差異、刀具磨損等因素的影響,確定的加工資訊很少能獲得。
4.動態性
實際生產製造過程是一個動態的過程,加工工件通常是依次進入待加工狀態的,各種工件不斷進入製造系統接受加工,已加工完的工件又不斷地離開製造系統。