摘要：根据CAPP系统人机工程和工艺路线方案选择的需要,提出了一种基于图形控件和过程网的多工艺路线可视化设计与评估方法.该方法根据工艺路线的构成要素,设计建立了具有标示、工艺、图形和评估四个方面属性的工序控件、机床控件、特征控件和搬运控件等图形控件,采用图形控件的拖拽方式和网络图的表达方式构建工艺路线,实现了多工艺路线的可视化设计,并采用Dijkstra算法对过程网中的多条工艺路线进行评估,从而选择最优工艺路线.最后给出了某飞机结构件的应用实例.该方法能够更好地体现工艺师的设计思路,有效地进行工艺方案论证和决策.

摘要：为实现工艺规划与生产调度的集成,提出了基于最大-最小蚂蚁系统的多工艺路线决策方法。给出了零件可行性工艺路线图的概念,建立了多工艺路线决策问题的数学模型,从而将零件的工艺路线规划问题转化为对零件可行性工艺路线图中具备最优值的路径搜索和寻优问题。提出了基于精英蚂蚁排序策略的改进最大-最小蚂蚁系统,并设计了算法流程。最后,通过仿真实例,验证了改进算法具有的良好的鲁棒性,并在性能上优于其他算法。

摘要：为解决多工艺路线下的柔性加工系统(Flexible Machining System under Alternative Routes,FMSAR)中加工和运输工序集成调度困难、生产效率低下的问题,以完工时间为目标,考虑工件加工、工件运输、工件批量和多工艺路线的情况,建立了柔性加工系统赋时变迁Petri网模型,该建模方法避免了工件共享资源造成的死锁情况。在此基础上,以可行变迁序列为输入,设计了实际代价函数和启发式预估代价函数,并结合波束搜索框架,只对每个搜索阶段的部分优秀节点进行下一步拓展,减小了可达图搜索空间,提高了算法运行效率。通过实例分析和算法对比,验证了该建模方法的可靠性和优化方法的可行性。

摘要：车间调度问题是一个NP难题,而多工艺路线的车间调度问题更具有实际的研究意义。从生产实际出发,在分析了多工艺路线的车间调度问题一般特点的基础了,提出了一种禁忌-遗传的嵌套算法,该算法重点讨论了禁忌算法的设计思想及遗传算法中遗传算子的设计。仿真实例说明了算法的有效可行。

摘要：工艺路线是ERP产品数据管理子系统中比较重要的模块,对系统有着重要的影响。本文首先指出了工艺路线设计过程中存在的问题,然后给出了产品数据管理子系统中工艺路线模块的一种设计方案,并且在产品数据管理子系统中解决了多工艺路线问题,最后就能力需求计划中的多工艺路线问题进行了研究。这使得工艺路线模块具有良好的柔性,能够更好地适应企业的变化、企业的需求。

摘要：针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。

摘要：针对包含多工艺路线的炼钢-连铸生产调度问题,综合考虑生产过程中的多种约束条件,以文化基因算法为基础提出一种新的求解方法。在文化基因算法设计过程中,对于不同工艺路径的机器选择,采用启发式规则指导的机器指派方法;在算法优化中,通过引入基于连接矩阵的相似工件块交叉方法和基于基因位全插入的邻域搜索算子,从全局和局部搜索角度全面提高算法性能。最后,通过对多组算例进行对比分析,验证了本文算法的可行性和优越性。

摘要：针对多工艺路线、多并行机和有限缓冲单元的炼钢连铸生产调度问题,用连续时间表示法建立混合整数线性规划优化模型,并提出增加自学习阶段的改进教与学优化算法求解该问题。在算法中,采用了随机键的编码和两阶段解码方法,有效保证了解空间的多样性;同时,对具有有限缓冲约束的生产调度问题,针对有限缓冲不满足的情况,提出了基于最小移动距离的有限缓冲消解机制,并将其用于解码过程中。最后,根据实际生产数据,验证了该算法对单一工艺路线和复杂工艺路线生产的适用性,并产生多组不同规模的算例验证了算法的适用性和优越性。

摘要：针对飞机结构件形状复杂、加工难度大、制造水平要求高、加工工艺多样性的特点。

摘要：为了解决多工艺路线柔性作业车间调度问题,以最大完工时间最小化为目标,建立蚁群算法调度模型,提出一种递阶结构的三阶段蚁群算法。分别为三阶段设计了蚁群状态转移规则,第一阶完成工艺路线选择,第二阶段完成对机器的选择,第三阶完成对工序的排序。为了提高搜索效率,设计了改进的信息素更新策略。为了提高解的质量,针对每阶段解序列特点设计了邻域搜索策略。通过实例仿真,与文献中的算法进行对比验证本文算法的可行性和优越性。