基于智能算法的服装生产线动态调度方法研究.pdfVIP

摘要

中国服装产业是传统的优势产业和民生产业。该行业聚集了大量的劳动力资

源，订单需求较为丰富。现阶段的订单内容更倾向于个性化定制，款式多样。由

于制衣生产的交货期限通常较紧迫，因此对生产过程的敏捷性要求较高，并且大

部分服装企业仍主要依赖人工经验进行生产调度，智能化水平相对较低，导致生

产过程的低效率和高成本，此外人工调度可能不够精确和及时，导致资源浪费和

生产延误。然而服装产业现在更倾向于个性化定制和款式多样化，需要随时调整

生产计划来适应市场变化。因此缺乏智能化的生产调度系统可能使得企业难以灵

活应对市场变化，导致订单滞留或错失商机。本研究基于智能优化算法技术提出

了一种基于自适应参数调整机制NSGA-Ⅱ的模拟退火算法来对服装吊挂产线订

单投产中的调度方案进行优化。本研究中的主要工作内容如下:

（1）通过分析吊挂系统的生产和订单的实际投产情况，以优化生产场景和

确立多目标函数为方向。本研究主要关注三个核心目标：最小化订单工序的等待

时间、最小化订单的工序等待时间以及减轻工人的工作负荷。这三个目标函数直

接影响着生产效率和生产线的优化。因为本研究明确了针对吊挂系统生产的三个

主要优化目标，而非仅关注单一目标，所以有助于算法更全面地优化生产流程和

生产方案调度。基于上述目标函数，本研究建立符合服装吊挂系统生产过程中的

动态调度模型，并设计相应的适应度函数。采用遗传算法作为主要优化方法，并

引入改进的模拟退火算法、非支配Pareto排序以及自适应参数调整机制，以提高

模型的寻优效果和收敛速度。这种方法不仅能够有效优化生产线方案调度，还为

实现更高效的生产流程提供了可靠的算法基础。基于上述建立的模型和算法，本

研究考虑了该特定场景下的生产需求和约束条件，因此具有一定的实用性和针对

性。

（2）提出了一种基于自适应参数调整机制NSGA-Ⅱ的模拟退火算法，在复

杂的服装吊挂系统生产过程中的各类影响因素下，确立多目标优化函数，利用多

目标优化问题的经典进化算法解决其多目标优化问题场景，维持种群的多样性和

收敛性。在此基础上融入模拟退火的思想，增强局部搜索能力，在搜索过程中引

入一定程度的随机性，帮助其跳出局部最优解，并提升及种群的多样性。最后根

据迭代次数的不同，引入自适应参数调整机制线性调整交叉率线性调整交叉率

（CXPB）和变异率（MUTPB），进一步优化算法的搜索效率和性能。

（3）本研究将基于自适应参数调整机制NSGA-Ⅱ的模拟退火算法应用于相

关企业的APS排程系统中，通过模拟仿真生产过程数据，将本研究提出的算法

分别与其他五类算法进行对比，并采集订单式投产过程中的动态调度数据进行分

析，最终得出本研究提出的改进算法在实际的生产过程中所有订单的完工时间比

其它算法平均减少4268s，设备资源利用率平均提升6.05%。

关键词：服装吊挂产线；动态调度；非支配排序遗传算法II；模拟退火算法；自

适应参数调整机制

ABSTRACT

Chineseclothingindustryisatraditionaladvantageindustryandpeoples

livelihoodindustry.Theindustrygatheredalargenumberoflaborresources,order

demandisrelativelyrich.Atthisstage,theordercontentismoreinclinedto

personalizedcustomizationanddiversestyles.Duetothetightdeliverydeadlineof

clothingproduction,theagilityoftheproductionprocessishighlyrequired.Moreover,

mostclothingenterprisesstillmainlyrelyonmanualexperienceforproduction

scheduling,andthelevelofintelligen