论文部分内容阅读
现代作业车间作为一种先进制造系统,其制造过程不仅包含大量资源节点,且节点间存在复杂的相互作用关系,是一种依赖关系的定常周期运动,存在普遍意义上无序混沌的形式。在作业车间生产运行过程中,要实现对生产计划的快速响应和制造资源的优化配置,必须随时动态掌握车间生产过程中设备的运行状态、物料的流动情况、任务的执行进度、瓶颈的动态变化等一系列制造工况信息,从系统的角度出发,研究这些信息的内在关联与关系、传播动力学特性、信息提取及分析方法,进而为资源优化配置提供科学支持。本文以制造业作业车间复杂生产过程的运行优化为具体研究对象和突破口,从系统复杂性与复杂网络相结合这一全新视角,对作业车间复杂生产过程进行建模与演化分析,发掘物理系统结构与配置变化对制造系统运行效能的影响机理;对复杂生产过程网络中的信息传播动力学特性进行研究,揭示制造系统中动态信息的扩散机制;建立信息动力学方程,获取制造过程信息(包括扰动信息)流转判定依据;综合考虑节点自身属性、网络传播机制及网络拓扑结构三者关系,提出基于网络传播动力学的瓶颈实时辨识和预测方法;基于瓶颈控制点,结合启发式算法和遗传算法的优势提出基于瓶颈控制点的二阶段优化算法,进而实现整体制造过程的动态优化调度;将研究结果用于指导工程实践,为离散生产车间运行优化提供新思路。具体研究内容如下:(1)针对作业车间制造系统的复杂性、随机性和动态性等特点,从复杂网络视角出发,提出一种基于网络演化分析的作业车间动态建模方法。根据订单属性、工艺路线、物流路径以及资源配置等多层次生产数据,建立作业车间生产网络模型;通过研究制造任务驱动的生产过程演化机理,从网络结构特性指标(网络度分布、网络中心性和聚类系数)与关键制造属性指标(制造负载、吞吐量、拖延期)两个方面对作业车间制造系统网络内在关联关系进行分析与评价。(2)针对作业车间管理层面的瓶颈识别,从制造系统复杂性与复杂网络相结合这一全新视角,提出基于网络结构特性的生产过程多瓶颈识别方法。在网络模型的基础上,对瓶颈内涵进行扩充,提出基于网络瓶颈效率矩阵的瓶颈识别算法。该方法综合考虑了节点自身属性、网络传播机制及网络拓扑结构三者关系,利用节点的制造负载和节点间的网络瓶颈效率矩阵表征节点的瓶颈程度,有效克服了其他算法中瓶颈节点识别只依赖于邻接节点而忽略网络整体耦合结构影响的不足。(3)针对扰动环境下作业车间多瓶颈识别困难、瓶颈漂移后的瓶颈识别缺乏全局性和实效性这一问题,构建基于网络传播特性的生产过程多瓶颈动态识别与预测方法。建立作业车间网络动力学方程,获取扰动因素流转的判定依据。对瓶颈内涵进行扩充,综合考虑扰动在生产网络中的传播机制、节点间拓扑耦合影响机理及节点自身动力学特性,建立基于耦合映像格子的多瓶颈识别与预测算法,实现扰动环境下作业车间系统瓶颈的量化描述和连续预测。(4)针对作业车间资源优化配置问题,集合遗传算法和启发式算法的优势,提出约束理论主导的二阶段优化方法。第一阶段利用遗传算法求解强度大、鲁棒性强的特点保证了Pareto解集的多样性。第二阶段选用启发式规则对瓶颈资源上下游形成推拉之势完成整体资源优化配置。(5)基于前期理论研究与实例验证,设计并开发作业车间网络建模与资源优化配置原型系统。该系统主要包括网络模型建立和生产调度优化两大功能。将本文研究内容和系统在某机械加工车间资源优化配置中进行应用,取得了良好的应用效果。这也表明所研究的制造过程网络和资源优化配置方法与真实车间的情况更加吻合,研究成果具备乐观的应用前景。