船舶平面分段单流水线反应式模糊调度研究

本文针对船舶平面分段流水线调度过程中加工时间和交货期的不确定性,采用模糊化手段进行调度决策。为了应对船舶平面分段生产过程中的急件插入的情况,提出描述船舶平面分段单流水线反应式调度问题的数学模型,以最小化模糊最大完工时间makespan、最大化平均AICD、最大化平均AISS为调度目标,设计了求解模型的一种多目标文化基因算法。基于解的形式采用有效的变异、交叉操作,并嵌入局部搜索算子以增强算法搜索能力。本研究通过makespan和satisfaction两个指标反映算法的有效性,通过甘特图模拟仿真调度过程,为实际船舶平面分段的生产建造提供决策支持。     

大型船舶平面分段智能车间的物流系统

目前,车间级的物流系统调度问题研究主要通过信息采集和现场监控解决,并没有通过优化算法进行实际分析。本文主要研究大型船舶平面分段智能车间的工件、物流设备的调度问题。首先将平面分段中的不同工位进行重组,同时将天车和卡车进行并行处理。其次引入有阻塞的混合流水线车间调度模型,搭建大型船舶平面分段智能车间物流系统的数学模型。最终基于粒子群优化算法(PSO),计算部件加工时间最短的数值仿真。     

Petri网在船舶MES构架中的应用研究

首次将Petri网理论引入到造船企业车间实时调度问题之中,分析了平面分段建造流程,建立起相应的Petri网模型;通过仿真计算,为建造现场调度方案的制订提供了依据。该研究为船舶平面分段制造流水线的实时有效调度和控制提供了新的方法,进而为船舶MES的建立奠定了技术基础。     

船舶分段涂装并行施工调度优化

以国内某大型造船厂为背景,对船舶分段涂装施工调度问题进行优化,达到缩短分段涂装施工周期的目的。通过对分段计划管理模式的应用研究,分析船舶分段涂装的网络计划模型,制订船舶分段涂装生产分级网络计划模型,明确船舶分段涂装并行施工调度的优化方向,即引用基于遗传算法的模拟退火分层遗传算法(Simulated Annealing Hierarchical Genetic Algorithm,SAHGA),通过在算法中引入模拟退火的思路,改善算法对问题最优解的求解效率,对低层网络计划进行优化,使船舶分段涂装生产周期满足建造计划的需求。     

船舶平面分段流水线多目标模糊调度的改进粒子群算法

针对船舶平面分段建造过程中广泛存在的不确定性问题,考虑在平面分段流水线调度中引入更贴近实际的模糊调度。以模糊数表示加工时间和交货期,以最小化最大完工时间、最大化平均满意度为调度目标,建立平面分段流水线多目标模糊调度问题的数学模型,设计了求解该问题的改进多目标粒子群算法。提出一种按反Logistic曲线规律动态变化的惯性权重,从而在一定程度上平衡算法的全局和局部搜索能力;嵌入由3种邻域结构随机排列构造的变邻域搜索算子以增强算法的局部改良性搜索能力;采用一种基于拥挤距离的非支配解动态维护策略以提高解的分布性。结合实例数据,通过对算法进行比较,证实了各项改进措施的有效性,以及所设计算法求解平面分段流水线多目标模糊调度问题的优越性。     

船舶平面分段流水线模糊调度系统开发

为了有效应对船舶平面分段的加工时间和交货期的不确定性，本研究面向船舶平面分段调度的生产实际，基于动态链接库技术和面向对象编程技术，设计开发一套界面友好的操作便捷的平面分段调度系统。通过输入模糊加工时间和交货期数据，生成平面分段模糊调度方案。本系统创新性地开发出反应式调度功能，有效应对生产中的急件加工打乱原有调度方案的状况。通过上海某船厂的实际案例数据，充分验证系统的有效性和实用性。     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。     

基于遗传算法的船台分段吊装顺序优化

在分段工艺约束和船台资源有限的情况下,为实现多艘船舶分段吊装顺序优化和船台资源的合理配置,首先在资源受限项目调度问题理论的基础上,建立了分段吊装顺序优化的数学模型.然后针对标准遗传算法过于依赖种群规模和交叉变异算子等不足,提出了自适应调整策略,改进了算法性能,并将其应用到上述模型中.最后以4艘3900TEU集装箱船的分段吊装顺序优化实例,并和船厂初始调度方案作了对比,论证了文中提出的改进遗传算法对于解决多艘船舶分段吊装顺序优化问题的合理性和可行性.     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

基于云计算的船舶数据并行调度算法研究

传统船舶数据并行调度算法,存在数据调度速度较慢、并行识别准确率较低等弊端。为有效解决上述问题,设计基于云计算的船舶数据并行调度算法。通过云计算架构的搭建、SBS数据云体系的搭建,完成船舶云计算环境的搭建。通过船舶数据感知调度、多目标船舶数据的并行调度、算法性能分析,完成基于云计算船舶数据并行调度算法设计。模拟算法工作环境,设计对比实验结果表明,新型算法与传统算法相比,大幅提升数据调度速度、并行识别准确率等属性。     

双向通航港口船舶调度优化模型与算法

为提高双向通航港口船舶调度的安全性和调度效率,研究双向通航港口船舶调度优化模型和算法。考虑船舶属性和船舶交通状况等因素,基于船舶调度安全性、连续性和高效性要求,建立以单向/双向通航模式转换、航道与泊位协调和安全性为约束的双向通航港口船舶调度多目标优化模型;设计双向通航港口船舶调度多目标遗传算法获取最佳调度方案。对试验所求的调度方案进行一般性安全检验、双向通航安全检验和双向通航与单向通航转换安全性检验,结果表明:提出的双向通航港口船舶调度优化模型与算法能在保证安全的前提下有效获取船舶调度方案,提高双向通航港口船舶调度效率。     

知识驱动的船舶分段建造车间在线调度方法

针对船舶分段建造车间工位利用率低的问题，提出基于聚类算法的知识驱动船舶分段建造车间在线调度方法。利用DBSCAN算法对小组立参数进行聚类，并提取簇中的调度特征参数，作为该簇的调度知识；对于待加工小组立，依据参数数据确定归属的聚类簇，并为其绑定该簇调度知识。实例验证表明，知识驱动的在线调度方法相对于传统的调度方法，车间工位平均利用率提升了7.97%，说明采用文章提出的在线调度方法可有效改善分段建造车间调度问题。     

基于遗传模拟退火算法船舶分段装载的顺序优化设计

船舶分段装载模型是船舶分段装载顺序优化的基础,针对复杂船舶装载技术,通过理论与实践研究得到了遗传模拟退火算法的应用条件及依据。为了使得船舶在分段装载过程中得到顺序优化,综合考虑船舶装载中的几何约束和工艺约束,将序列优化要求加入分段装载所要确立的目标函数里面,同时将自适应的遗传模拟退火算法与船舶装载序列优化设计相结合。     

利用遗传算法进行船舶网络云资源调度

船舶网络在信息管理方面发挥着重要作用,但船舶网络的性能无法满足数据的增长速度,为此引入云计算技术来提升船舶网络的海量数据处理能力。如何利用资源调度策略提升船舶网络性能是云计算研究的重点。本文提出基于遗传算法的船舶网络云资源调度模型,遗传算法存在搜索后期效率低、易早熟等问题,为了解决算法存在的问题,根据元胞自动机原理,对遗传算法进行改进,提高资源调度的效率,提升船舶网络的性能。     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

基于蚁群算法的海洋港口物流运输系统研究

传统海洋港口物流运输系统存在货物运输目标参量与船舶调度路径间的协同性异常问题,导致货物运输船舶调度的精准度误差增大。因此,提出蚁群算法的海洋港口物流运输系统研究。首先,在系统硬件中加入船舶货物ID采集硬件,通过货物相关数据,建立起协同数据模型;接着;根据协同模型对运输路径进行基础模型计算,最后;通过蚁群算法,对路径与协同数据进行匹配性最优计算,从而得到最佳的物流调度方案,实现货物与路径的最佳协同性效果。为了验证设计系统的运输调度效果,通过仿真实验来完成对设计系统性能的验证,证明提出设计系统具有提升港口物流运输货物与船舶路径规划协同性的作用。     

突发事故应急船只调度算法研究

为了提高突发事故下应急船只的疏导能力,保持交通畅通,需要进行船只应急调度算法优化设计,提出基于并行动态负载均衡的突发事故应急船只调度算法,采用分布式的网格区域模型对船只交通网络进行群体隔离,结合动态负载均衡方法进行船只出入港流量的疏导模型设计,通过并行控制方法进行突发事故下船只调度控制,实现船舶应急交通网络的负载均衡,提高了船舶在突发事故下的应急疏导能力。仿真结果表明,采用该算法进行应急船只调度的控制性能较好,负载均衡能力较强,提高了船舶交通的应急处置能力。     

港口码头大型接卸船舶物流调度方法

针对传统船舶物流调度方法物流运营收益较低的问题,提出一种港口码头大型接卸船舶物流调度方法,对大型接卸船舶泊位资源进行配置,通过设置物流调度条件,建立港口码头大型接卸船舶物流调度模型,利用模拟迭代算法对模型进行求解,实现港口码头大型接卸船舶的物流调度,为了证明该方法的物流运营收益较高,将该方法与基于局部最优解的船舶物流调度方法、基于可能域的船舶物流调度方法、基于改善算法的船舶物流调度方法进行对比实验,结果证明该方法的物流运营收益最高,说明该方法最适用于大型接卸船舶的物流调度。     

基于人机交互-蚁群算法的船舶交通多航道调度优化

传统基于纯蚁群算法的船舶交通多航道调度优化无法根据实际情况调整船舶优先级,船舶占港时间较长,经济效益差,因此设计一种基于人机交互-蚁群算法的船舶交通多航道调度优化方法。建立多航道调度优化模型,明确各船舶调度策略,确定调度时间、等待时间最小的目标函数,建立避免调度过程中产生混乱和协调船舶交叉的约束条件;在调度优化中引入人机交互-蚁群算法,采用人工设置临时改变船舶工作的优先级,以此来提高港口工作效率,并设置算法的搜索顺序,完成船舶交通多航道调度优化的研究。在算例仿真中,为验证传统方法与设计方法的调度结果,设置港口参数并分析两方法的调度方案,结果表明设计的方法得到的方案能有效缩短船舶平均在港口的停留时间和恢复正常生产所需要的时间。     

面向精度的分段车间关键工序识别方法及应用

为了确定船舶分段车间生产过程中对分段精度尺寸影响最大的关键工序,依据过程管理思想,提出基于三重要素综合考量的船舶分段车间关键工序的识别方法。基于图论建立生产车间的工序模型,并从工序节点与分段产品尺寸精度的相关程度、工序节点对其他节点的影响程度、工序节点质量水平3个方面提出关键工序识别模型,并给出船舶分段车间工序节点关键度的概念和计算公式,衡量模型中工序节点的关键度。结合某船舶企业的平面分段生产车间,说明该方法的具体实现过程。结果表明,该方法能够有效识别车间生产过程中的关键工序,为通过分段车间的质量管理实现对工序的重点监控与改进提供可靠的支持。