飛機裝配工裝制造執(zhí)行系統(tǒng)中的計劃與調(diào)度研究.pdf

1、飛機裝配工裝(以下簡稱工裝)是一類結(jié)構(gòu)復(fù)雜,零部件眾多的機械產(chǎn)品,其生產(chǎn)模式為單件小批生產(chǎn),計劃與調(diào)度比較復(fù)雜。工裝生產(chǎn)存在著生產(chǎn)周期長、計劃不準確、訂單交貨拖期等突出問題。制造執(zhí)行系統(tǒng)(MES)是面向制造過程的集成化車間生產(chǎn)管理與控制系統(tǒng),能夠及時反映生產(chǎn)現(xiàn)場的狀況,有效地提高企業(yè)的車間生產(chǎn)管理水平。本文以滿足長周期工裝的齊套性要求,提高作業(yè)計劃的可行性和準確性、縮短工裝的制造周期以及提高訂單準時交貨率為目標,深入研究了飛機工裝MES

2、中的計劃與調(diào)度,提出了工裝多級網(wǎng)絡(luò)計劃模型及其編制方法、基于矩陣元的物料信息集成模型、基于混合粒子群算法的資源受限多項目調(diào)度方法以及事件與數(shù)據(jù)混合驅(qū)動的動態(tài)調(diào)度方法;并將上述理論與方法應(yīng)用到飛機工裝的生產(chǎn)管理中,取得了良好的效果。
　　本文針對長周期復(fù)雜工裝的生產(chǎn)計劃準確性差的問題,研究了一種面向工裝訂單的多級網(wǎng)絡(luò)計劃模型(HNPM),從而將復(fù)雜的工裝生產(chǎn)計劃分解為相對簡單的多級網(wǎng)絡(luò)計劃。HNPM包括四個層次的生產(chǎn)計劃:
　

3、　①項目計劃；
　?、诳傃b配網(wǎng)絡(luò)計劃；
　?、鄢商孜锪闲枨笥媱潱?br>　?、芄ば蛴媱?。
　　這四個計劃是從上到下由粗到細逐層分解的關(guān)系,保證在訂單總的時間節(jié)點能夠按時、成套交付。研究了基于作業(yè)任務(wù)分解的裝配作業(yè)單元的劃分方法、固定提前期與可變零件提前期壓縮率相結(jié)合的提前期設(shè)置方法以及多級網(wǎng)絡(luò)計劃的編制與調(diào)整等方法。此外,為提高工時估算的精確性,提出了一種基于自組織映射神經(jīng)網(wǎng)絡(luò)(SOM)與實例推理技術(shù)(CBR)的工時估

4、算方法。以工裝訂單實例說明了多級網(wǎng)絡(luò)計劃模型及其方法。
　　工裝生產(chǎn)中的頻繁工程更改造成物料數(shù)據(jù)的不完整和不一致,影響計劃的準確性。本文針對已有BOM模型對工裝工程更改的物料更改信息表達不全面的問題,提出了一種基于矩陣元的物料信息集成模型(BOMII),實現(xiàn)了基于單一BOM模型的物料多維信息集成。BOMII不僅包含了產(chǎn)品結(jié)構(gòu)的當前信息,而且包含了產(chǎn)品結(jié)構(gòu)的更改信息和更改的歷史信息,為計劃與調(diào)度提供了較為全面和準確的產(chǎn)品物料信息。研

5、究了BOMII模型構(gòu)造方法,提出了基于BOMII矩陣元的更改信息的表達方法以及基于有效性矩陣的更改的歷史信息的記錄方法,并以接頭定位器的工程更改為例說明了BOMII的具體應(yīng)用。
　　飛機工裝是以項目的形式組織生產(chǎn),生產(chǎn)中多項目并存。本文針對工裝多項目之間存在資源競爭的問題,構(gòu)造了面向飛機工裝的資源受限多項目調(diào)度問題模型(RCMPSP),并針對已有求解算法的不足,研究了一種改進粒子群與模擬退火相結(jié)合的混合算法( IPSOSA)來實現(xiàn)

6、RCMPSP的求解。在 IPSOSA算法中,一方面采用周期振蕩衰減權(quán)重方法來有效平衡粒子群算法的全局尋優(yōu)與局部尋優(yōu);另一方面,采用模擬退火算法的全局尋優(yōu)能力來克服粒子群算法易于陷入局部最優(yōu)的缺陷。以工裝多項目實例驗證了IPSOSA解決RCMPSP的有效性。
　　在MES的實時數(shù)據(jù)與集成數(shù)據(jù)環(huán)境下,深入研究了一種事件與數(shù)據(jù)混合驅(qū)動的動態(tài)調(diào)度方法,提高了調(diào)度系統(tǒng)對動態(tài)干擾事件的有效處理能力,又使調(diào)度系統(tǒng)具備一定的預(yù)調(diào)度與主動調(diào)度的能力

7、。研究應(yīng)對干擾事件的分類調(diào)度規(guī)則,采用事件驅(qū)動的項目級與車間級的分層動態(tài)調(diào)度,降低了工裝車間調(diào)度的復(fù)雜度。將車間加工作業(yè)與裝配作業(yè)集成優(yōu)化,提出了一種包括裝配約束的車間調(diào)度問題模型(AJSSP),并使用免疫粒子群算法求解AJSSP,既能優(yōu)化調(diào)度工序作業(yè)任務(wù),又能為緊急訂單任務(wù)插入的重調(diào)度決策提供參考。提出了一種基于混合觸發(fā)器的數(shù)據(jù)驅(qū)動的車間動態(tài)調(diào)度方法,實現(xiàn)對已發(fā)生的或未來可能發(fā)生的異常事件的監(jiān)測,彌補人工監(jiān)測異常事件的不足,并通過聯(lián)級