基于BP人工神经网络的离散型车间生产调度指标预测模型的研究.docVIP

基于BP人工神经网络的离散型车间生产调度指标预测模型的研究 　　【摘 要】离散型车间的生产调度对车间生产有至关重要的影响，该研究中车间调度指标用工时达成率来表示。加工工时、批次大小、加工设备数量、原材料到位情况、工人、设备的健康状况对工时达成率都有不同程度的影响，使得工时达成率有很大的不确定性。如果能够准确控制工时达成率的大小，生产决策者们就可以通过调整设备、批次大小、原材料的采购周期使得车间输出最大生产力。本文通过人工神经网络建立工时达成率预测模型，实现对车间工时达成率的预测，并探讨两种算法，寻找能够在降低训练时间的前提下提高神经网络模型准确性的算法，其中模拟退火算法（Simulated Annealing ，SA）是首次以搜索初始值周围点获得最佳点的形式被应用，马克夸特（Levenberg-Marquardt）算法用来在特殊点中寻求局部最优，最后对比模拟退火算法和马克夸特混合算法及马克夸特算法，并通过调整神经网络的数量得到最佳的预测模型。 　　【关键词】BP人工神经网络；车间调度；模拟退火算法；SA＼LM混合算法 　　0 引言 　　车间调度指标工时达成率是评价车间调度优异程度的重要指标，它直接体现出车间设备的利用率、工人效率、库存大小，同时工时达成率的影响因素很多，如原料到位情况、设备健康状况、人员到岗状况、批次大小、加班情景等。车间调度问题是满足任务条件和约束