车间作业调度问题综述.docVIP

车间作业调度问题综述随着加入WTO，市场竞争越来越激烈，对制造企业来说，为了能够在竞争中立于不败，降低成本是不得不面临的问题，而确保生产车间较高的生产能力和效率，是当务之急。此外，有效的调度方法已经成为先进制造技术实践的基础和关键，所以对它的研究具有重要的理论和实用价值。1 车间调度问题表述1.1 调度问题表述? ? ? ? 总的来，车间调度就是对一个可用的加工机床集在时间上进行加工任务集分配，以满足一个性能指标集。从数学规划的角度看，车间调度问题可表示为在等式或不等式约束下，对目标函数的优化。典型的车间调度问题包括一个要完成的作业集，每个作业由一个操作集组成，各操作的加工需要占用机床或其它资源，并且必须按一些可行的工艺次序进行加工；每台机床可加工工件的若干操作，并且在不同的机床上能加工的操作集可以不同。调度的目标是将作业合理地安排到各机床，并合理地安排作业的加工次序和加工开始时间，使约束条件被满足，同时优化一些性能指标。实际制造系统，还要考虑刀具、托盘和物料搬运系统的调度问题。1.2 车间调度问题的分类和特点? ? 按照不同的标准，可以将调度问题分为6种类型：1）开环和闭环车间；2）单处理机、多处理机、Flow Shop（各工件加工路径一致）和Job Shop（各工件加工路径不一致）；3）基于调度费用和基于调度性能的指标；4）确定性调度、随机性调度；5）静态调度、动态调度；6）有序加工、无序加工等。而现代车间调度问题多是Job Shop型，其调度问题有如下特点：1）建模复杂性；2）计算复杂性；3）动态随机性；4）多约束性；5）多目标性。? ? ? ? 2 研究现状与方法? ? 在1954年，Johnson对两台机床的 Flow Shop型调度问题进行了研究后，便开始了对调度问题的广泛研究。经过近50年的发展，车间调度问题的研究方法经历了从简单到复杂、从单一到多元的过程，大体有如下几种类型。2.1 数学规划方法（mathematical programming） ? ?数学规划法在车间调度中被广泛应用，调度问题可以用整数规划法、混合整数规划法和动态规划法来描述。由于调度问题是NP问题，计算的复杂性使得这些方法的运用受到限制。随着新的技术、更强有力的启发式规则和现代计算机所提供的计算能力的发展，使得这些方法又焕发了活力。为克服方法自身的不足，一些学者相应地提出了分解技术。? ?分解技术? ?有学者提出了一套基于数学规划问题的方法。将车间控制分成两层，上层详细说明每个零件加工的最早开始时间和最迟结束时间，考虑各子问题之间的约束关系，下层通过对所有工序的细致排序来细化上述的时间限制，考虑各子问题内的约束。还有的学者使用了临时分解的概念提出了一个数学规划框架，用这框架来分析生产计划和调度。该框架的特点时分级和多层。较高的层次处理共性的问题，较低的层次处理个性问题，实际的调度发生在最下面。? ? 枚举方法与拉氏松弛法（lagrangian relaxation）? ? 在整数规划中，应用最多的是分枝定界法和拉氏松弛法。前者是一种枚举方法，对于较大的调度问题，要花费很大的时间，其主要存在的问题是整数约束，为了克服这个问题，产生了拉氏松弛法，它删除了整数约束而相应地加入代价。由于其在可行的时间里能对复杂的规划问题提供很好的次优解，并能对解的次优性进行评估，近来成为解决复杂车间调度问题的一种重要方法。2.2 人工智能技术? ? 80年代开始了 AI在调度问题中的应用研究。专家系统和基于知识的系统发展较迅速，它们有如下一些优点：1）在决策处理过程中同时采用定性和定量的知识；2）能生成启发式规则，这些规则比分配规则复杂；3）可以在整个车间信息的基础上选择最好的启发式规则；4）能敏锐得获得信息之间的复杂关系，并采用特殊的技术来处理这些关系。但也存在一些不足之处，开发周期长，成本昂贵；需要丰富的调度经验和知识，然而获取它们是比较困难和有限的；对新的环境适应性差等。? ? 专家系统/基于知识的系统? ? 二者均由两个部分组成：知识库和推理机制。知识库包括一些规则、过程和启发式信息等；推理机制用来选择一种策略处理知识库中的知识，以便随时解决问题。推理机制分为数据驱动和目标驱动两种。一些比较有名的系统有ISIS 、OPIS和SONIA等。? ? 分布式AI：智能体（agents）? ? 由于一个单一的专家系统或基于知识的系统所具有的知识有限和处理问题能力不强等因素，人们开始开发分布式调度系统，人工智能的对策就是智能体。一个智能体有着与其它智能体完全不同的软件处理过程，它完全依赖自己的知识库。? ? 在车间调度问题中，智能体系统由两大类智能体组成：任务智能体和资源智能体。任务智能体负责处理调度中的各种任务类型