摘 要

Abstract II

1 绪论 1

1.1 研究目的及意义 1

1.2 国内外的研究现状 3

1.2.1粒子群优化算法的研究 3

1.2.2制造装备服务化与服务装备管理研究现状 4

2车间制造装备服务组合的研究 5

2.1车间调度问题描述 5

2.1.1车间调度问题的特点 6

2.1.2车间调度问题的分类 6

2.1.3车间调度问题的研究方法 7

2.2柔性车间调度问题 9

2.1.1柔性车间问题描述 10

2.1.2多目标柔性车间调度问题 11

3多目标优化问题 12

3.1多目标粒子群优化算法框图 12

3.2多目标优化的基本流程 12

3.2多目标粒子优化于车间装备服务组合的演示结果 14

4 总结与展望 15

参考文献 16

致 谢 17

附 录1 PSO算法源代码 18

附 录2 调用函数源代码1 22

附 录3 调用函数代码2 24

摘 要

在人们的生活中，在科学领域，工程领域及社会生产和经济领域中的许多优化问题都是多目标优化问题，我们会经常遇到使多个目标在给定区域上同时尽可能最佳的优化问题,也就是多目标优化问题。优化问题存在的优化目标超过一个并需要同时处理,就成为多目标优化问题(MultiobjectiveOptimizationproblem,简称MOP)。这时候我们需要用到PSO算法，PSO算法是一种简单有效的仿生算法，它基于多点并行搜索的特性，让他同样适用于求解多目标优化问题。柔性作业车间调度问题(Flexible job-shop scheduling problem, FJSP)是传统作业车间调度问题(Job-shop scheduling problem, JSP)的扩展。因此我们将PSO用于求解车间制造装备服务组合的问题等效与求解柔性车间调度问题来解决。

本文中，我们将利用PSO算法来解决车间调度问题。使用PSO这种简单便捷的算法会使我们更方便于解决很多问题，对于车间调度问题的解决也更便捷。本文主要研究了柔性车间调度问题的解决方案，使用PSO算法，确定柔性车间调度问题的工序工件数，利用算法进行迭代优化，从而得到pareto最优解，得出甘特图，对柔性车间调度问题的解决方案。效率化车间调度问题，是整个车间更加优化。

关键词：多目标优化问题；柔性车间调度；PSO算法；

Abstract

In people's life, in the field of science, engineering and social production and economic fields in many optimization problems are multi-objective optimization problem, we will often encounter the multiple targets in given area at the same time as the optimum of the optimization problem, is a multi-objective optimization problem. Optimization problems of optimization over a and need to be processed at the same time has become a multi-objective optimization problem (MultiobjectiveOptimizationproblem (MOP). At this time we need to use PSO algorithm, the PSO algorithm is a bionic algorithm that is simple and effective, which is based on multi Parallel search features, let him also applies to solving multi-objective optimization problems. Flexible job shop scheduling problem (flexible job shop scheduling problem FJSP) is a traditional job shop scheduling problem, job shop scheduling problem, JSP) expansion. So we will PSO for solving job shop manufacturing equipment and combination of equivalent and problem solving flexible job shop scheduling problem to solve.

In this paper, we will use the PSO algorithm to solve the job shop scheduling problem. Use of this PSO is simple and convenient algorithm will enable us to more convenient to solve a lot of problems, to solve the job shop scheduling problem is more convenient. This paper mainly studies the flexible job shop scheduling problem solution, using the PSO algorithm, to determine the number of flexible job shop scheduling problem of the workpiece, GA was used to optimize the iteration to get the Pareto optimal solution, draw the Gantt chart, solution to flexible job shop scheduling problem. Efficiency of workshop scheduling problem is more optimized the whole workshop.

Key Words： Multi objective optimization problem; flexible job shop scheduling; PSO algorithm

1 绪论

1.1 研究目的及意义

在传统制造方式中，企业生产模式的核心是生产产品，通过卖出产品获得收益，但随着信息时代的到来以及互联网、物联网等相关技术的成熟，制造企业专业化、产品类型多样化和用户需求个性化等发展趋势明显，使得制造业发生了很大变化。传统的制造模式也在发生改变，制造业正在从静态、组织内部的供求关系向动态、跨组织的方向发展，制造服务化成为未来的发展趋势。随着信息技术的发展和制造工艺水平的大幅提高，制造企业的制造资源和制造能力能够以服务的形式面向用户，一些制造企业开始由“卖产品”转变为“卖服务”，从制造产品为中心转向以制造服务为中心，企业获取收益的方式正在发生改变。调查发现，作为全球领先的制造企业，IBM、通用电气、宝马汽车在2011年其服务业务收入分别占总收入的82.1%、46%、30%，全球80家领先的制造业公司其服务收入占总销售收入的平均值为26%，服务净利润贡献率平均值达到46%，可见基于产品的服务收入已成为国际大型装备制造企业收益的重要来源。而在我国接近80%的企业通过制造服务获得的收入不到总收入的10%，只有不到10%的企业制造服务收益能达到20%，可见我国制造企业服务化水平还很低。制造服务化包含两方面的内容：“面向企业服务”和“面向客户服务”。面向企业服务的提供者是服务企业，对象是制造企业及制造过程，制造企业需要围绕生产制造过程的各种服务，如技术服务、信息服务、物流服务、管理咨询服务、人才培训等，即需要围绕制造业的生产性服务；面向客户服务的提供者是制造企业，对象是产品的用户及使用过程，制造企业对产品售前、售中及售后的安装调试以及维修维护、回收等服务活动。相对于传统制造模式的闭合环境、企业与客户双边互动、实体化的特点，新的制造服务模式则是开放的环境、多方交互、虚拟与现实相结合，为企业提供了更加灵活多变的生产途径。随着网络化制造、服务计算、物联网等相关技术发展成熟，为制造服务的应用奠定了技术基础。面向服务的制造有多种表现形式，云制造便是其中优秀和典型的模式之一，云制造的核心是采用云计算、物联网等技术，通过各类制造资源虚拟化和制造能力服务化，将分散异构的制造资源统一起来，为用户提供可以随时获取、按需使用的各类制造资源。制造服务技术面向用户提供制造资源服务，将异构、多元的制造资源、制造能力虚拟化和网络化，为用户提供按需获取的制造服务，实现了动态环境下服务需求的快速响应和制造资源使用的优化与协同，降低了生产成本，提高了生产效率。由此可见，制造服务模式将会是制造业发展的重要趋势，在未来制造业中发挥不可替代作用。

而制造装备是制造系统的物理载体，它包括数控加工设备、普通加工设备、监控设备等硬件装置，也包括人机交互软件、数据传输协议、设备控制系统、信息采集系统、监控系统、故障检测系统等软件资源，它在生产制造过程中发挥着不可替代的作用。在生产过程中，制造装备的自身性能以及调度管理水平往往对生产效率、能耗、工期、成本等因素造成很大影响。由于制造装备异构、多元，制造任务周期长、工序多，生产过程中又容易受到设备故障、任务需求变化等不确定因素干扰，传统的人工调度管理方式已经无法应对这些情况，带来了一些不必要的资源和能源浪费，增加了生产成本，降低了生产效率。制造服务的新模式可以有效解决这一难题，制造装备是制造服务的提供者，将制造装备资源实体封装成服务的形式，用户可以透明使用，实现更加灵活高效的生产，在短时间内适应动态变化的生产环境，进行快速高质量的动态调度管理。制造装备服务是制造加工单元的逻辑实体，它由若干台相关功能的制造装备、若干名操作人员、一个成组加工单元或者一个装配场地等实体资源封装而成，通过对制造装备服务的建模和描述来实现与制造过程业务层的制造任务相匹配，进行任务调度来完成特定任务。鉴于制造装备发挥的巨大作用，研究制造装备服务化管理调度方法，对提升制造服务水平，促进制造服务模式发展具有重要现实意义。在这里我们需要用多目标粒子群优化算法来对制造服务装备进行研究。