不同生产方式下的随机调度方案研究.docxVIP

不同生产方式下的随机调度方案研究 0 主要的计算方法 公司在生产过程中的优化计划已成为提高公司生产效率的中心问题。在实际生产中,当加工时间不确定、机器故障等随机事件发生时,如何优化随机流水车间调度问题(Stochastic Flow Shop Scheduling Problem,SFSSP)已成为企业关注的焦点。 确定性情况下的流水车间调度问题通常假设:①任务的每道工序的加工时间确定且已知;②交货期为确定值;③机器连续可用;④无突发订单。松弛其中的一项假设就会产生新的调度问题。文献以最小化完工时间(Makespan)为目标,研究了加工时间服从指数分布的2台机器流水车间调度问题;文献把文献的算法扩展到解决多机SFSSP问题。同时,机器突发故障会严重影响调度方案的有效实施,也是生产调度领域的一个研究热点。文献研究带有随机机器故障的流水车间调度问题,但规模限制在2台机器;文献同时考虑随机加工时间和随机机器故障2种随机因素,把带有随机故障的多机SFSSP分为一系列无故障调度问题,然后采用已有的无故障算法求解;文献对近几年随机调度问题的相关研究进行了综述。但是,以上对带有机器故障的SFSSP问题的研究都局限于一类生产车间,即机器一旦开始加工便持续运转到故障发生或所有生产任务结束。实际生产过程中,不同的生产车间,甚至同一个生产车间往往存在不同的机器工作方式:①机器一旦开始加工便持续运转到故障发生或所有生产任务结束;②机器只在加工任务时才运转。因此,对于不同机器工作方式下的故障应采用不同的规则。本文对此展开研究,探讨了不同机器工作方式下性能指标Cmax期望值的计算方法、故障计算规则及其对性能指标的影响,并进行分析比较;针对加工时间随机且机器随机故障、目标函数为最小化最大完工时间(Makespan)的SFSSP问题进行了研究,提出了不同流水车间随机调度的3种方法,采用启发式规则和遗传算法相结合的方法确定加工任务的最优排序。 1 机器的排列时间,有以下几种基本概念 假定m台机器加工n个不同类型的任务,每个任务有m道工序,以相同的顺序在m台机器上加工,并且每个任务在每台机器上只加工一次;在同一时间,每台机器只能加工处理一个工序,某工序只能在一个机器上加工处理;任务的每道工序在每台机器上的加工时间为随机变量,机器故障发生时刻和修复时间也是随机变量,且它们都服从指数分布expλ,其期望1/λ为服从均匀分布的随机变量。 相关参数的定义如下: m—机器总数; n—待加工任务总数; si—排在第i个位置的任务,i=1,2,…,n; S—任务排列集合,S={s1,s2,…,sn}; p(i,j)—任务i在第j机器上的加工时间,相互独立的随机变量,i=1,2,…,n,j=1,2,…,m; Bj—机器j的连续可用时间,即机器j从开始(或修复后重新)运转到下次发生故障期间的运转时间,随机变量j=1,2,…,m; Rj—机器j的故障修复时间,随机变量j=1,2,…,m; t(i,j)—任务i在机器j上的开始加工时刻; c(i,j)—任务i在机器j上的完工时刻; c(i)—任务i在最后一台机器上的加工完成时刻; Cmax—所有任务的最大完成时刻; EX—随机变量X的期望值,例如,Ep(i,j)表示加工时间的期望值。 当仅考虑加工时间随机时,对应于排列S的各个任务在每台机器上的完成时间描述如下: t(s1,1)=0; Ec(s1,1)=t(s1,1)+Ep(s1,1); Ec(s1,j)=Ec(s1,j-1)+Ep(s1,j-1),j=2,3,…,m; Ec(si,1)=Ec(si-1,1)+Ep(si-1,1),i=2,3,…,n; Ec(si,j)=max{Ec(si,j-1),Ec(si-1,j)}+Ep(si-1,j),i=2,3,…,n,j=2,3,…,m; Ec(si)=Ec(si,m),i=1,2,…,n。 至于当每道工序的加工时间随机且机器故障随机时,对应于排列S的各个任务在每台机器上的完成时间将在第2章中详述。 目标是最小化最大完工时间,即minECmax=max{Ec(si)|i=1,2,…,n}=Ec(sn)。 以最小化最大完工时间(ECmax)为目标的SFSSP调度问题就是确定n个任务的加工顺序S*={s1,s2,…,sn},使得ECmax最小,其最优结果记作EC*max,即S*=arg{EC*max}。 2 机器的工序故障期望计算 为合理地计算故障发生的期望时刻和相应的目标值ECmax,设计了3类计算规则,用以计算不同机器工作方式下的故障发生时刻,并计算任务i(i=1,2,…,n)在机器j(j=1,2,…,m)上的完工时间期望值。假设一个任务正在机器上加工时机器出现故障,修好后,被故障中断的任务的工序在原来已加工的基础上继续加工,其计算规则