摘要: 多变的市场需求、激烈的市场竞争和个性化定制给传统制造系统带来巨大的挑战。个性化定制使得智能车间生产的产品种类和数量不固定，生产任务呈多变的特征，为了使智能车间资源与变化的生产任务相匹配，需要有效的方法对智能车间资源进行组织，最终确... 展开 多变的市场需求、激烈的市场竞争和个性化定制给传统制造系统带来巨大的挑战。个性化定制使得智能车间生产的产品种类和数量不固定，生产任务呈多变的特征，为了使智能车间资源与变化的生产任务相匹配，需要有效的方法对智能车间资源进行组织，最终确保满足需求的同时最大化企业效益。 首先，对车间设备进行静态组织，以设备总开机时间大于等于需要在设备上完成生产的产品总加工时间为约束，以最小化设备运行成本为目标，建立智能车间设备静态自组织数学模型。为了得到较优解，采用遗传模拟退火算法求解模型，得到智能车间设备静态自组织方案，方案中确定设备开机数目。进一步，在考虑加工区设备可互替的情况下，改进智能车间设备静态自组织数学模型，采用遗传模拟退火算法求解得到考虑设备互替的车间设备静态自组织方案。 其次，利用数据驱动方法对车间设备进行动态组织。本文采用机器学习中的逻辑回归(logisticregression)算法对智能车间历史数据进行分析，建立基于逻辑回归的车间设备动态自组织模型，根据车间实时状态生成车间设备自组织方案，方案确定这一阶段车间设备的开机数目。 如果设备执行动态自组织时同时考虑并行设备开机数和开机设备的加工菜单调整，分类问题的类别增多，本文采用softmax回归多分类算法对智能车间历史数据进行分析，构建基于softmax回归的设备动态自组织模型，根据车间状态生成车间设备自组织方案，方案同时确定了车间设备的开机数以及开机设备的加工菜单。另外，将基于逻辑回归的车间设备动态自组织方法与基于softmax回归的车间设备动态自组织方法进行比较，分析总结后者的优越性。 最后，在生产线模型上验证本文提出的智能车间设备静态自组织方法和设备动态自组织方法。最终结果表明，采用上述方法以后，保证完成生产任务的同时可以降低企业生产成本，提高企业经济效益。 收起