《基于蚁群算法的肇东市伊利乳业车间生产调度问题研究.doc》由会员分享，可在线阅读，更多相关《基于蚁群算法的肇东市伊利乳业车间生产调度问题研究.doc（24页珍藏版）》请在金锄头文库上搜索。
1、基于蚁群算法的肇东市伊利乳业车间生产调度问题研究摘 要生产调度其实在很大程度上决定着产品的质量和生产效益，一个好的生产调度方案，不仅仅可以降低企业的生产成本，而且还能提高企按时交货的能力，从而增强企业的竞争力。为了达到合理的利用资源、减少浪费，该论文利用采集的车间生产数据及其追踪记录的酸奶质量情况，通过建立模型，并且利用蚁群算法对酸奶生产进行调度。将蚁群算法在酸奶生产中的调度与人工调度效果进行比较，显示了蚁群算法在酸奶生产调度中的可行性。该研究为企业合理地安排生产、制定生产计划提供了一定的依据。关键词：乳品行业；酸奶生产；生产调度；蚁群算法0 引言11.生产调度概念与研究方法41.1 车间调度
2、基本概念41.1.1生产调度的基本概念41.1.2车间生产调度的分类41.1.3车间生产调度的特点51.2 蚁群算法的基本思想和特点51.2.1蚁群算法的基本思想51.2.2蚁群算法的特点62肇东伊利乳业车间生产调度现状与问题分析62.1企业生产车间调度现状62.1.1酸奶的生产过程62.1.2 目前酸奶生产所采用的生产调度方法92.2 需要解决的问题与问题分析103 改进方案113.1 生产调度问题描述及数学模型113.2 生产调度问题的参数设定123.3 目标函数133.3.1加工区生产调度子模型133.3.2过滤包装区生产调度子模型143.4 生产调度的蚁群算法流程154 结论及展望18
3、0 引言一个好的生产调度方案，不仅仅可以降低企业的生产成本，而且还能提高企业的按时交货能力，并且增强企业的竞争力；另一方面生产调度问题作为生产管理中最困难的问题，目前尚无有效的求解策略，而对生产调度问题进行研究可寻找有效的求解策略来应对企业时而紧张时而放松的生产状况。0.1 背景概述0.1.1 课题研究的背景有关资料显示，制造过程有95的时间消耗在非加工过程中。有效的调度方法与优化技术的研究和应用，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非常重要的理论和实用价值。牛奶行业亦是如此，在生产调度的过程中等待，搬运，不良品，库存的浪费都颇为严重，于是生产调度问题的研究就显得尤为重要。
4、伊利乳业生产的牛奶采用的是现今最先进的生产设备，全部都是瑞典进口的利乐无菌灌装系统。但是，不是最先进的就是最完美的，生产的过程中肯定还是有需要改进的地方，在拉动式的生产背景下，顺利完成订单，并且保证质量的生产，调度问题依旧是生产企业最需要好好解决的大问题。0.1.2 课题研究的意义一个好的生产调度方案，在可以降低企业的生产成本的同时，而且还可以提高企业的按时交货能力，进而增强企业的竞争力；另一方面生产调度问题作为生产管理中最困难的问题，目前尚无有效的求解策略，而对生产调度问题进行研究可以寻找有效的求解策略对于企业时而紧张时而放松的生产状况。对质量的保证情况让我产生了研究此题目的兴趣，怎样的生产
5、调度才能既保证企业的正常生产又能保证产品的质量，怎样才能保证全局生产任务调度问题的顺利进行，在研究的过程中我发现了蚁群算法，作为乳制品生产行业的一种新的算法，希望蚁群算法可以很好的结合企业现有的数据进行分析，进行最合理的生产调度，分析出最优的解决方案。0.1.3 肇东市伊利乳业有限责任公司简介 肇东市伊利乳业有限责任公司成立于2001年6月13日，拥有纯天然、无污染的优质奶源，及先进生产设备和加工工艺。2005年10月伊利集团在黑龙江省肇东市投资3.2亿元，年产三十万吨的液态奶项目现已竣工,已经进入生产阶段，此项目建成后公司拥有近30条生产线，将形成日产850吨UHT奶和150吨酸奶的生产能力
6、，年生产能力超过30万吨，主要设备均采用国际上最先进的乳制品设备，将实现年销售收入13亿。该公司是液奶及酸奶综合性公司，公司现有600多名员工，随着生产线的增加，员工也在逐渐增多，大中专以上文化程度占30%以上。现有生产线27条，包括6条TBA/22、5条TBA/19、4条中亚、3条利乐枕及9条酸奶生产线。在管理上，该公司秉承集团公司“团结、尊重、效率”的管理理念与“信任、约束、成长”的人才理念，在公司内外双向选择、择优上岗，注重发现新人，培养锻炼后备人才，推行“5S管理”(即整理、整顿、清扫、清洁、素养)，强化厂规厂纪，使员工树立“我靠伊利生存、伊利靠我发展”的信念，全员上下一心、团结协作，
7、使公司充满活力和生机。公司的主体设备引进德国KF公司提供的超高温灭菌机和瑞典利乐提供的TBA/22、TBA/19型无菌灌装机组，是全封闭、全自动、代表着国际一流水平的超高温无菌奶生产设备，还引进了百利以及酸奶设备，包括优酸乳、纯牛奶、百利包、杯酸、大果粒、桶酸六大系列。在如此多的生产线中，生产调度大多采用的是人工调度的传统调度方法，效率低下，效果不显著，尤其是酸奶生产线。酸奶的生产过程工序比较多，所需的时间也长短不一，其中杀菌、发酵、均质、储存、包装五大步骤之间的连接就显得很重要。在目前的生产过程中，等待，超前生产的浪费很严重，经常有很多不良品的产生，所以，企业需要一个好的生产调度计划和调度方
8、法，这样才能保证企业的正常生产。 0.2国内外研究综述调度问题的研究开始于20世纪50年代，奠定了调度理论发展的基础，之后有学者Johnson提出了解决n/2/F/Cmax和一些特殊的n/3/F/Cmax问题的优化算法，代表了调度理论研究的开始；6070年代这个研究过程建立了调度理论的主体(经典调度理论)并且重视调度复杂性的研究。随着70年代末期调度理论研究的深入和各种交叉学科的发展，又涌现出了许多新颖的车间调度理论与方法。80年代初期，调度理论与实际的相结合成为了调度研究的首要问题。在90年代中，调度问题的研究在我国的发展逐渐并进入高潮。研究的主要方法有：启发式方法、经典最优化方法、基于仿真
9、的方法、邻域搜索法。Dirk C Mattfeld利用遗传算法来解决了车间生产调度中搜索空间过大的不足的问题。同样的问题，Pwzzella采用了遗传算法来解决，并且在新个体繁殖、种群初始化和个体选择等操作上结合了不同的策略，实验结果表明相对于禁忌算法，该算法较优。Felix T S针对多平行机器调度问题，试图去实现加工路线和加工序列的柔性化选择，并设计了一种基于遗传算法的调度器。Carl A Petri 博士在 1962 年提出了一种系统分析和描述的工具-Petri网。 Petri 网采用的可视化图形描述但是却受形式化数学方法的支持，表达出离散事件动态系统静态结构和动态变化 它适于描述并发、加
10、工途径多样性、资源共享等离散事件的动态系统的许多特征，因此非常适用于 FMS( Flexible Manufacturing System) 的制造调度优化人工蜂群算法( Artificial bee colony，ABC) 是通过模拟蜂群的采蜜过程，对不同角色蜜蜂之间的交流和协作来完成群集智能，目前在生产调度中的应用也比较广泛。免疫算法是近些年出现的一种新的随机优化算法，它通过模拟生物免疫系统，用亲和力来表达抗体与抗原相互之间的匹配程度，在国内具有非常广泛的前景。模拟退火算法(SA) 、禁忌搜索算法(TS)、蚁群优化算法(ant colonyoptimization algorithms)和
11、人工神经网络(artificialneural networks)等优化算法目前在生产调度中的应用比例越来越高，并且表现出了很好的适应性和鲁棒性。0.3 论文的内容安排本论文主要分为五个部分，每个部分的基本内容为：第一部分“引言”，讲述了本研究课题的研究背景以及意义。第二部分“.生产调度概念与研究方法”，介绍了生产调度的的基本概念与研究的方法。第三部分“伊利（肇东）工业园车间生产调度现状与问题分析”，对于具体的企业进行了具体的现状与目前内部生产调度的问题的分析。第四部分“改进方案”，介绍了针对于第三部分提出的问题进行了改进，主要的方法就是应用蚁群算法对目前的的调度情况进行改进，并于之前的调度方
12、式进行比较，从此来比较蚁群算法在生产调度中应用的优势之处。第五部分“结论”，对本论文的研究工作进行了归纳，并对以后要做的工作进行了展望。 这样的结构安排能够较容易的表明本文的只要观点和研究重点，并且会使读者较快的理解本文各主要部分的重点难点，由引言开始阐述本文的研究中心，在第一章进行生产调度的介绍，第二章对企业的现状进行分析，是问题的提出，提出以后就在第三章对问题进行解决，这样思路比较清晰，较容易阅读和被理解。1.生产调度概念与研究方法本章主要内容为生产调度的概念与研究方法，在众多的研究方法中选中蚁群算法进行研究，并且对蚁群算法的基本思想和应用的方法进行了说明。1.1 车间调度基本概念1.1.
13、1生产调度的基本概念总的说来,车间调度其实就是对一个可用的加工机床集合在时间上进行加工任务集分配,来满足一个性能指标集。从数学规划的角度来看,车间调度问题也可表达为在等式或不等式的约束下,对目标函数进行优化。典型的车间调度问题包括一个要被完成的作业集,每个作业由一个操作集所组成,各操作的加工需要占用机床或其它资源,并且必须按一定可行的工艺次序进行加工;每台机床可加工工件的若干步骤,并且在不同的机床上能加工步骤作集可以不同。调度的目标是将作业合理的安排到各机床,并且合理安排作业的加工次序和加工的开始时间,使约束条件被满足,同时优化一些性能指标。1.1.2车间生产调度的分类车间生产调度按照不同的分
14、类标准，可以分为以下6种类型：确定性调度、随机性调度。有序加工，无序加工。基于调度费用和基于调度性能的指标。开环车间和闭环车间。静态调度，动态实时调度。单台处理机、多台并行机、Flow shop和Job shop。现代车间调度类型多数是Job shop型的，其调度问题有以下特点：动态随机性。多约束性。建模复杂性。计算复杂性。多目标性。1.1.3车间生产调度的特点1) 动态随机性。2) 复杂性。由于车间调度问题是在等式或不等式约束下求性能指标的优化,在计算量上往往是NP2完全问题,因而使得一些常规的最优化方法往往无能为力。3)多目标。实际的车间调度往往是多目标的,并且这些目标间可能发生冲突。1.
15、2 蚁群算法的基本思想和特点1.2.1蚁群算法的基本思想蚁群算法是受到自然界中蚂蚁的活动行为启发而发展出来的一种新的启发式优化算法，由意大利学者M.Dorigo等人最先提出的。它是一种随机搜索的方法，同其它的启发式的方法一样，通过由候选解组成的群体的进化过程来寻找最优解。虽然该算法的研究时间不长，但初步研究已经表明，该方法对求解组合优化问题有一定优势，是一种非常有发展前景的方法。蚂蚁是一种几乎没有视觉的动物，但它在寻找食物时却总可以找到从食物源头到巢穴间之间的最短距离。生态学家发现这是因为蚂蚁在寻找食物的过程中在返回巢穴时会在它走过的路上留下一种可以被自己和同伴识别的化学物质信息素。通过释放信息素，蚂蚁可以直接或简介间接地将信息传递给其它蚂蚁。信息素将会影响其它蚂蚁对路径的选择，通常蚂蚁会以比较大的概率选择信息素浓度高的路径，与此同时用它自己的信息素来加强该路径。这样，由大量蚂蚁组成的蚁群的集体行为便表现出一种自我催化的正反馈行为，在相等的时间范围内，较短路径上就会有较多的信息素累积，越来越多的蚂蚁选择信息素浓度高的路径，而其他路径上的信息素浓度却会随着时间衰减，最终蚁群能找到一条从食物源头到巢穴的最短路径。不仅仅如此，蚁群系统还能适应环境的变化，在初始最优路径上出现障碍物阻挡时可以很快地找到新的最优路径。 在众多的生产调度研究方法中，蚁群算法算是一种新的应用算法，尤
