基于条码的船板切割过程管理研究

针对船厂钢板切割管理过程中切割状态无法实时监控、生产调度缺乏科学依据等问题,借助条码技术,对切割过程的业务模型进行重新设计,在此基础上设计开发船板每日切割管理系统。船厂的实地应用效果验证该系统达到了切割作业科学管理、实时监控、资源优化及信息共享的效果。     

基于MES的造船企业车间作业调度系统研究

针对目前造船企业车间作业计划粗糙以及作业调度频繁的现状，提出基于MES的造船企业车间作业调度系统。该系统采用逐层细化的六级计划与调度机制，细化作业计划并使其得以有效执行。通过构建人工协同的车间作业调度模型，为车间作业调度提供柔性化方式。通过该系统以实现造船车间生产过程的有序运作和资源优化，提高生产车间的现场管理水平。     

连续泊位下泊位分配与岸桥动态调度的联合优化*

根据到港船舶的装卸作业量、最优靠泊位置,为了最小化船舶在港时间、提高客户满意度,对延迟完工的装卸任务量、与最佳靠泊位置的偏离程度设置不同级别的惩罚费用系数;同时为了充分利用岸桥资源,考虑岸桥可在船舶间移动装卸的动态调度,研究连续型泊位下泊位分配-岸桥动态调度的联合优化问题.建立了以最小化延迟完工任务量、偏离最佳靠泊位置和岸桥移动的惩罚费用为目标的整数规划模型,结果可得到船舶靠泊计划,以及具体的岸桥分派计划.通过算例验证了联合调度优化模型对提高集装箱码头作业效率和船公司客户满意度的有效性.     

考虑任务排序策略的舰船建造车间虚拟制造单元动态调度

为提高舰船制造系统作业调度的柔性和效率,从车间层的作业计划角度出发,研究周期驱动条件下的虚拟制造单元多阶段动态调度问题并构建了动态调度数学模型。模型中考虑了加工任务动态需求、设备加工能力、负荷平衡、同类设备有多台的情况且提出共享资源协调排序策略,以实现最大完工时间和总物料运输距离之和最小化的目标。运用改进蚁群算法与启发式规则的混合算法进行求解。通过某船厂的实际生产数据验证了虚拟单元动态调度方法的可行性和有效性。     

多规则融合的船体小组立部件装焊作业调度算法

针对小组立装焊作业周期长、场地资源利用率偏低等问题。以最小化装焊作业完工时间为目标,考虑了装焊过程中的先序约束,人力资源约束和场地空间资源约束,建立小组立装焊作业的调度模型；设计了多规则融合的船体小组立部件装焊作业调度算法；利用最化小总时差规则优化装焊任务序列,利用最短可用模式规则优化任务的工人分配,利用改进的初始配置规则与最大化残余空间利用率规则优化小组立装焊的空间布置。最后,从实际船舶制造过程中收集的数据进行验证,结果表明,装焊作业完工时间缩短了21%,证明了该算法的有效性     

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。     

基于蚁群算法的港内集装箱运输调度模式研究

以集装箱码头船舶装卸作业调度问题为研究对象，综合考虑港口多种装卸资源和流程，在船舶泊位占有时间确定的条件下，以装卸运输作业总成本最低为目标，提出单船装卸作业调度模型；用蚁群算法对所建立的模型进行求解和仿真，并结合实际问题给出具体调度结果。此模型和方法考虑了生产效率和作业成本之间的平衡，保证以较低的成本完成规定作业。     

自动化码头岸边集装箱起重机特殊作业工艺系统

针对自动化码头船舶特殊箱作业情况,搭建符合生产要求的系统自动调度体系,完善设备自动运行技术。结合集卡行驶实时状态,设计对应动态调整的调度策略,再配合完整的作业信息提示功能,使得码头特殊作业流程自动化,实现自动化码头船舶作业全流程自动化。     

基于启发式算法的连续泊位调度研究

近年来为了提高码头的运作效率,集装箱码头通过运筹优化等手段,对现有资源、设备进行合理的安排与调度,以提高码头的生产作业效率。其中泊位作为集装箱码头最为稀缺的资源,如何合理地利用泊位资源,缩短船舶在港时间是码头生存和发展的根本。文中首先对连续泊位调度进行了定性的分析,介绍了连续泊位调度相对于离散泊位的优势,然后构建一个二维装箱模型,时间横轴表示船舶的到港时间的时间点与作业时间的时间段,空间纵轴表示泊位长度与船舶船长,并设计一种启发式的算法对该模型进行求解最优。最后以通过算例来阐述该种算法的优势。     

虚拟流水线生产系统及Petri网建模技术研究

根据船舶生产模式和特点,提出了船舶产品中曲面分段加工的虚拟流水线作业模式.研究了虚拟流水线生产系统的原理和特点,并对虚拟流水线生产关键技术中的作业负荷均衡技术和准时化生产控制技术进行研究.利用面向对象Petri网技术建立虚拟流水线生产系统模型,并将系统决策规则融于模型中,为系统仿真和调度研究创造了条件.     

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。     

基于三维布局思想优化港口资源配置问题研究

泊位和岸桥资源是集装箱码头至关重要的战略资源,如何合理有效进行资源配置尤为关键.文中将一艘船舶靠泊作业过程中需要占用的泊位资源、岸桥资源以及时间资源三者构成一个船舶资源占用块,通过这样的抽象变化,港口码头资源调度分配问题就转化为三维矩形布局问题.与此同时,考虑到偏好位置偏离、岸桥并行作业干扰以及船舶延时到、离港这3大因素的影响,建立以船舶在港资源占用总成本最小化为目标的泊位-岸桥-时间分配非线性规划模型,利用Matlab优化技术处理非线性多目标问题.计算表明,依据该数学模型进行泊位分配与岸桥调度更符合码头实际运营情况,从而高效实现资源合理配置,提高港区管理水平与经济效益.     

集装箱运输船舶调度的多目标优化模型建模

在多通道运输环境下,集装箱运输船舶调度是一个复杂的多元目标优化模型,提出一种基于自适应回归分析的集装箱运输船舶调度的多目标优化模型,采用多源信息特征重组方法进行集装箱运输船舶资源信息重构,结合自适应学习方法进行集装箱运输船舶资源的信息融合处理,采用非线性二元自回归分析方法实现集装箱运输船舶调度的控制目标函数构建,采用多目标均衡优化策略求解控制目标函数的全局最优解,实现集装箱运输船舶的最优化调度。仿真结果表明,采用该方法进行集装箱运输船舶调度的均衡性较好,提高了运输时效性。     

虚拟流水线生产系统及Petri网建模技术研究

根据船舶生产模式和特点，提出了船舶产品中曲面分段加工的虚拟流水线作业模式。研究了虚拟流水线生产系统的原理和特点，并对虚拟流水线生产关键技术中的作业负荷均衡技术和准时化生产控制技术进行研究。利用面向对象Petri网技术建立虚拟流水线生产系统模型，并将系统决策规则融于模型中，为系统仿真和调度研究创造了条件。     

面向船舶管子加工分组调度的矩阵实数编码遗传算法

分析了船舶管子加工车间任务重且加工进度会严重影响船舶制造进度的问题，结合管子加工成组技术和管件族制造法，建立了船舶管子的混合流水车间多目标分组加工模型。利用矩阵实数编码遗传算法（MRCGA）能对该加工模型建立有效的分组调度方案。该算法能保证在迭代过程中子代个体基因的交叉、变异的合法性和可行性，相较于遗传算法（GA）具有较好的寻优能力和稳定性。结果表明，调度目标最大完工时间降低了46.98%，很大程度上提高了船舶管子加工分组调度车间的生产效率。     

基于大数据的船舶网络数据资源调度模型构建

船舶数据设备种类在不断增加,目前船舶数据调度方法在实际应用存在调度量低且精准度差的情况。因此对基于大数据的船舶网络数据资源调度模型进行构建,通过对模型特点分析后,进行大数据船舶网络数据资源调度模型构建,模型通过对大数据相似度进行计算后对数据中干扰进行过滤,对过滤后数据进行子任务量分配,从而对整体数据定义分类,最终实现分类后的大数据调度。通过仿真实验,对船舶网络大数据资源调度模型与传统船舶网络数据调度方法的数据调度总量以及数据调度精准度进行对比,证明模型构建的有效性。     

基于分层优化策略的一站式保障资源性能指标联合优化方法

[目的]为提高舰载机保障效率,开展一站式保障模式下航空保障资源性能指标的优化设计研究。[方法]建立以最小化保障时间为目标的舰载机甲板作业调度模型,将航母舰面航空保障资源性能指标视为满足区间约束的自变量,构建双层优化模型;基于分层优化策略,采用哈里斯鹰优化算法求解性能指标问题,设计改进的引力搜索算法（GSA）求解甲板作业调度问题。[结果]通过多种典型任务场景的算例仿真,得到了不同出动模式下的最优资源配置方案与保障作业调度方案,验证了求解算法的有效性。[结论]利用所提出的方法可以有效求解一站式保障资源性能指标与保障作业调度的联合优化问题,为一站式保障资源的配置优化提供了一定的理论支撑。     

遗传算法在港口船舶调度领域中的应用

以港口企业的研究实践为出发点,从港口船舶调度的优化目标和影响港口船舶调度的因素两方面入手,借助多目标优化和遗传算法在各自算法上的优势,针对港口船舶调度的特殊性要求,将两种算法进行动态融合,并结合实际业务数据进行了模型的构建和求解。     

面向多约束的船舶组立构件建造作业调度方法研究

为了提高船舶中小组立等中间产品建造作业调度能力，提升船舶建造效率，提出面向多约束的船舶组立建造作业调度方法。首先，分析船舶组立建造的工艺流程和作业调度方法，综合考虑机器小组、工艺和交货期等多种约束条件，以建造周期最短为调度目标，建立船舶组立建造作业调度数学模型；其次，综合运用算法分解策略及调度规则，设计改进的最短作业优先调度算法实现模型求解；最后，以某船厂建造车间一定生产周期（17天）的中小组立先行中日程计划为对象，验证该方法的有效性和实用性。研究结果表明，所提出的面向多约束的船舶组立建造作业调度方法相较于当前的调度方法，排产周期压缩22小时，即缩短了原有周期的16.18%，有效提高了生产计划排产和作业调度效率。     

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。