區(qū)域網(wǎng)絡(luò)化制造MES的生產(chǎn)調(diào)度與狀態(tài)跟蹤研究及應(yīng)用.pdf

1、隨著制造業(yè)的快速發(fā)展,運(yùn)用和發(fā)展制造執(zhí)行系統(tǒng)(Manufacturing Execution System,MES)成為制造企業(yè)提高自身競爭力的重要措施之一。本文從分析浙江沿海地區(qū)中小型制造企業(yè)的區(qū)域網(wǎng)絡(luò)化制造現(xiàn)狀及發(fā)展趨勢入手,研究了區(qū)域網(wǎng)絡(luò)化制造MES的生產(chǎn)調(diào)度和狀態(tài)跟蹤技術(shù),提出基于文化蜂群算法(culture artificial bee colony, CABC)的生產(chǎn)調(diào)度優(yōu)化算法,建立多層狀態(tài)清單的生產(chǎn)狀態(tài)跟蹤模型;并將上述

2、理論應(yīng)用于某企業(yè)的生產(chǎn)管理中,取得了良好的效果。
　　為解決區(qū)域網(wǎng)絡(luò)化制造生產(chǎn)任務(wù)調(diào)度問題,構(gòu)建以綜合時(shí)間和綜合成本為指標(biāo)的調(diào)度模型,提出一種將文化算法和人工蜂群算法相混合的文化蜂群算法(CABC)。該算法采用主群體空間和信仰空間雙層進(jìn)化結(jié)構(gòu),主群體空間采用人工蜂群算法對子任務(wù)與協(xié)同企業(yè)進(jìn)行最優(yōu)調(diào)度;信仰空間由主群體空間中優(yōu)良調(diào)度方案的知識(shí)信息構(gòu)成,用于指導(dǎo)主群體空間搜索尋優(yōu)。為提高算法初始種群質(zhì)量,采用信仰空間協(xié)助隨機(jī)生成的方式

3、初始化種群;為提高算法收斂速度,采用信仰空間指導(dǎo)領(lǐng)域更新算子生成領(lǐng)域解,幫助偵察蜂算子篩選隨機(jī)解。并通過仿真驗(yàn)證了該方法能有效的求解區(qū)域網(wǎng)絡(luò)化制造生產(chǎn)任務(wù)調(diào)度問題。
　　針對復(fù)雜零件產(chǎn)品區(qū)域網(wǎng)絡(luò)化制造生產(chǎn)狀態(tài)跟蹤效率低、狀態(tài)信息交互困難的問題,通過分析復(fù)雜零件產(chǎn)品生產(chǎn)加工狀態(tài)組成和狀態(tài)信息交互過程,建立多層級狀態(tài)清單模型。在模型構(gòu)建過程中,首先建立以協(xié)同制造資源層為樞紐,由零件層、協(xié)同制造資源層和任務(wù)層三層組成的多層狀態(tài)清單模型,