关键词:
数据挖掘
调度规则
作业车间调度
计算机仿真
摘要:
制造业是立国之本,是打造国家竞争能力和竞争优势的主要支撑,历来受到各国政府的高度重视。而融合了人工智能与先进制造的智能制造技术正在成为新一轮工业革命的核心驱动力。其中智能调度作为智能制造的重要技术广泛应用于制造业的各种实际生产场景,优秀的调度方案能够有效地提高生产效率、创造更多的经济价值。为此,如何探索更为合理的生产调度方案,使企业生产降本增效,快速响应市场需求成为许多制造业的痛难点。
本文以M企业生产调度问题为研究背景,其加工产品具有批次多、批量小的特点,而且生产工序多,工序之间独立性强,依靠人工经验制定调度,无法及时对生产调度进行调整,导致交期延长。为解决上述问题,本文采用数据挖掘(DM)技术,从历史数据中挖掘调度知识构建调度模型,减轻求解过程的时间消耗,为车间调度策略的智能化提供基础;将整个制造系统的优化问题分为多个子系统的优化问题进行求解,减少整个制造系统的业务复杂度。以子系统为单位对新释放的作业进行调度,将避免或降低扰动对整个制造系统状态的干预,利用所获得的调度知识局部的更新制造系统调度策略,达到增强制造系统整体调度效果的目的。具体实现过程为:基于数据挖掘技术,以最小化制造系统Makespan为一级目标,以最大化制造系统中机器的实际利用率为二级目标,将制造系统生产周期分为了多个子调度周期,构建了一个能够实时为每个子调度周期生成调度策略的动态调度模型,在每个子调度周期开始时生成调度策略,并开发出一套生产调度系统并将提出的调度模型嵌入其中,实现所设计模型的落地使用和提高企业的信息化水平。本文对优化企业作业车间调度问题具有一定借鉴意义,设计的方法缩减了Makespan值和提高了机器利用率;构建的调度模型能够实时、高效的为每个子调度周期指派最优DR,局部的更新了制造系统调度策略,增强制造系统整体调度效果;设计的系统有效提升企业的信息化管理水平。