机器故障下柔性作业车间的生产重调度方式决策模型

TP181; 在机器故障后采用何种方式进行生产重调度,直接影响到柔性作业车间的生产效率和稳定性.为此,提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型,以便在给定故障情形下经济、高效、快速地估计出最优重调度方式.首先,针对柔性作业车间,仿真生成不同机器故障情形下、各种重调度方式下的重调度方案,比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标,将综合指标最小的重调度方式判定为给定情形下的最优方式,产生出带标签的大规模样本.在此基础上,构建基于遗传—神经网络的重调度方式决策模型,挖掘机器故障与重调度方式的内在联系,估计不同故障情形下的最优重调度方式.其中,遗传算法先...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 29; no. 11; pp. 3750 - 3761
Main Authors 金鹏博, 唐秋华, 成丽新, 张利平
Format Journal Article
LanguageChinese
Published 武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉 430081 01.11.2023
武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081
Subjects
BP neural network
柔性作业车间
BP神经网络
数据仿真
rescheduling mode decision
机器故障
machine failure
data simulation
flexible job shop
重调度方式决策
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2021.0379

Cover

More Information
Summary:TP181; 在机器故障后采用何种方式进行生产重调度,直接影响到柔性作业车间的生产效率和稳定性.为此,提出一种融合数据仿真、遗传优化与BP神经网络的重调度方式决策模型,以便在给定故障情形下经济、高效、快速地估计出最优重调度方式.首先,针对柔性作业车间,仿真生成不同机器故障情形下、各种重调度方式下的重调度方案,比较最大完工时间差值、工序结束时间差值和工序变动成本3个评价指标,将综合指标最小的重调度方式判定为给定情形下的最优方式,产生出带标签的大规模样本.在此基础上,构建基于遗传—神经网络的重调度方式决策模型,挖掘机器故障与重调度方式的内在联系,估计不同故障情形下的最优重调度方式.其中,遗传算法先用于确定BP神经网络结构,再用于优化权值和阈值.实验证明所提出决策模型能显著提升机器故障下柔性作业车间的决策效率与反应能力.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.0379