基于历史数据的人员和设备安排电子报告文档.docVIP

西北工业大学第二届工业工程改善创意竞赛 付雷进 系统总体设计 刘志忠 排队、滤波算法设计 王 森 文档撰写 数据操作 （二）进行改善步骤及方法 运用系统分析的原理对该问题进行分析。 其中步骤如下所示： （三）数据采集及整理 因为对方属于涉密单位，我们跟对方联系之后只拿到数据的一个模型。因此我们只能对数据分类后根据一些论文中的数据进行一定量的模拟。在最终的试验中我们也是运用我们自己的数据进行计算，仅根据模型给出量值。 表1 工作原始数据 班产派工号 人员姓名 派工日期 班次代码 产品型别 零件号 张三 1 A B 406BCH200911419124515 李四 1 A B1 406BCH200911420231050 王五 1 A B2 123456 张三 2 A C1 789456 李四 2 A C2 批次号 工序号 设备编码 任务数量 完成数量 完成日期 60 0001 1 1 1-14-2009 18:28 4060901001-5 40 0003 2 2 1-14-2009 19:11 406090901-9 65 0004 1 1 1-14-2009 20:22 406090702-11 50 0005 3 3 1-16-2009 8:00 406090803-20 80 0006 1 1 1-17-2009 8:00 表2 废品原始数据 废品票号 零件号 批次号 工序号 工序名称 A B 406080101-8 15 铣大结合面 A C1 406070302-3 195 检验 报废数量 报废日期 责任者 3-4-2008 田涛 3-4-2008 AD 我们经过分析只需要其中的一些数据作为这一次的情况来分析 表3 我们需要的原始数据表格 人员姓名 零件号 工序号 设备编码 完成数量 报废数量 张三 60 0001 1 1 2 50% 上表使我们需要的数据的最终格式，其中的总数量和合格率依据原数据简单处理得出。我们根据处理过的数据进行最终问题分析与方案设计。 （四）问题详细分析与解决方案 问题分析 在前面几部分，我们已经处理过现有数据。 解决方案 数据处理 根据前面得到的原始数据的情况，我们可以进行分类汇总。但因为海量数据的采集中总是存在这样或者那样的偏差，甚至会出现错误情况，所以还不能直接应用到实际工作中。 我们首先对其数据运用Grubbs方法剔除一组测量值中的离群均值。 具体方法: 1、将所有测量值按大小顺序排列； 2、计算出测量值的平均值和标准差S； 3、根据下式计算G值：G=│可疑值-均值│/标准偏差S 4、根据置信水平和测量数（n）查G值表进行判断， 若G计算＞G表 舍弃该可疑值。 经过该步骤我们得到需要的相同属性（姓名，设备号，零件，工序号）的合格率情况，在此情况下我们就可以进行简单的加和处理进行下一步分析。 下图为数据处理步骤： 非平衡指派问题 在得到对应的数据之后，我们将其转换为数学中的指派问题，不失去一般性。即n个工人，m台机器（n与m的关系不清楚），这时需要k（k=min(n,m)）个配对去完成到来的工作。每一对配对之间都有效率值（在本问题中即为合格率）。要求最终的效率值和最大即可。 由于该问题是NP问题，在规模较大时很难运用常规解法解答，当k=1时我们只要寻找出最大合格率即可。当k=2时我们运用遗传算法对其进行解算。下图为遗传算法流程图。 图1 遗传算法流程图 遗传算法产生的一般只是较优解而并非最优解，这时候对于工厂派工人员来说只是一个参考。但是相对于其按照主观臆断产生的结果已经有一定作用。 系统设计 对于工厂人员来说，一般希望在得到任务时输入任务情况即可得到最优解,我们就将设计一个系统来完成其功能。在现有知识能力条件下，我们运用C#语言进行小型的单机人员设备安排设计。 我们最终实现的目标是管理人员将零件、工序号和该工序所需人数输入到固定界面中，我们后台运算直接给出固定的推荐方案。 （五）参考资料与文献 [1] 温晓磊、王鹏涛等，基于混合算法求解指派问题 [J]，天津师范大学学报（自然科学版），2009.1 [2] 罗建军、杨琦，精讲多练MATLAB[M]，西安交通大学出版社，2008.1 [3] Watson、Nigel C#入门经典[M],清华大学出版社，2008.12 综合分析 规范分析 初步分析 Y N 分析 系统评价 优化 分析 模型 化 改进的均匀交叉 探寻目标 认识 问题 N N Y Y 输出搜索结果 到收敛时期 产生新一代群体 跨世代精英选择 计算个体适应度值 适应度函数满足 满足？ 染色体编码，产生初种群