木制衣架拋光機拋光部分設(shè)計含SW三維及14張CAD圖帶開題

木制衣架拋光機拋光部分設(shè)計含SW三維及14張CAD圖帶開題,木制,衣架,拋光機,拋光,部分,部份,設(shè)計,sw,三維,14,cad,開題 Machine scheduling in custom furniture industry through neuro-evolutionary hybridization 摘要： 機器調(diào)度在工業(yè)產(chǎn)品設(shè)計是一個關(guān)鍵的問題。其大部分的產(chǎn)品，由于以往在制造業(yè)上的經(jīng)驗的缺乏，以及評估機器調(diào)度質(zhì)量標準上的一些沖突，使其還有很大的發(fā)展空間。此外，在每個生產(chǎn)步驟生產(chǎn)的復(fù)雜性和人工操作的不一樣，使時間的估計變的困難，從而調(diào)度的準確性降低。本文中所介紹的解決方案，結(jié)合了演化式計算網(wǎng)絡(luò)，減少了：1.多目標優(yōu)化，必須處理龐大的搜索空間的影響；2.定制生產(chǎn)方面的時間計算的固有問題的影響。我們結(jié)合基于多層感知器網(wǎng)絡(luò)的時間估計的最優(yōu)調(diào)度的混合方法，通過了Non-dominated Sorting Genetic Algorithm II (NSGA-II)。 1.介紹 機器調(diào)度是工業(yè)中，如家具定制行業(yè)的難題。這個問題我們定義為為一組資源和和制約因素尋找最佳操作順序。機器調(diào)度問題屬于NP-hard,因為它有一個由資源引起的充分利用機器和降低完成計劃所需時間的一個組合的搜索空間。因此,這個問題不是可行的精確方法,如分支定界,動態(tài)規(guī)劃邏輯編程或約束。因為這個原因，在此背景下在接近最優(yōu)解有一個好的解決方法和衍生的方法，如演算法、模擬退火法、搜尋法或單一法，會更加的適合去解決問題。 機器調(diào)度問題具有許多矛盾存在的特征。因此,你會很自然地看為一個多目標優(yōu)化調(diào)度問題，這個問題由不同的目標相結(jié)合,產(chǎn)生一個最終的解決方案?？上У氖?，一些調(diào)度過程所需要的處理時間令定制生產(chǎn)很難實行。這些時間的計算取決于幾個因素,如機械、材料及單個特征。后者是關(guān)鍵,因為材料、尺寸和形狀上定制設(shè)計的工件零件會產(chǎn)生不同的價值。因為這些時間由一個混合的數(shù)值模擬,分析計算和目錄選擇，并沒有準確的計算調(diào)度基本信息的方法。 多目標優(yōu)化算法的選擇與需要解決的特殊問題密切相關(guān)。本文論述了一個實際的接近作業(yè)車間調(diào)度的問題。然而，在家具工作上的有很大的調(diào)度約束，甚至包括調(diào)度過程中是否會出現(xiàn)的機器出故障、工人生病或出現(xiàn)新的就業(yè)機會的問題。在我們處理這些事件的方式的時候,我們通過一個新的調(diào)度并不是通過延遲。也就是,這些事件只會在新的調(diào)度被執(zhí)行下修改條件。因為這個原因，我們的方法必須是可靠的，但是也需要時間的證明，因為時間是對快速回復(fù)客戶訂單是很重要的標準。在此背景下,演算法被認為是一個解決優(yōu)化問題如調(diào)度的快速的、正確的方法,因為演算法便于找到一個總體最佳條件,不用被困于局部梯度法。 2.機器調(diào)度問題的相關(guān)工作 調(diào)度問題，包括尋找一個時間表滿足一套限制。一個時間表分配的時間間隔m臺機器M = {M1，M2。 。 。 ，MM}執(zhí)行n個工件J = {J1，J2……Jn}的問題。每個工作Ji∈J，由一組Ni行動Oi = {Oi,1,Oi,2, . . . , Oi,ni}處理時間pk,i,j在一臺機器的Mk。例如，一個時間表可表示為Gantt charts如圖1（a）。每一行代表一臺機器,每個盒子一個時間間隔的操作。一個時間表，工作資源的最終分配隨著時間的推移。均以滿足所有約束的時間表可行的時間表。可以劃分為可行的時間表如下： 半主動時間表：無操作可以起步較早沒有改變加工秩序或違反一些約束。 ?活動日程：無操作，可以起步較早沒有推遲至少另一個操作或違反一些約束。 ?無延遲的時間表：如果一個操作是，從來沒有一臺機器閑置準備好要處理。 這些時間表和最佳的類之間的關(guān)系附表說明圖 1（b）。通常情況下，相應(yīng)的 調(diào)度問題的唯一一套主動（或有時搜索半主動）的時間表，因為這帶來了巨大的減少搜索空間，同時還保證，優(yōu)化調(diào)度可以發(fā)現(xiàn)。 圖1 2.1機調(diào)度問題 調(diào)度文學(xué)的特征是無限量的問題類型。根據(jù)工作特點，機器環(huán)境和最優(yōu)標準[7]，可以劃分調(diào)度問題。工作特性可能有： 優(yōu)先權(quán)：一個作業(yè)可能會被中斷，并在后者的時間恢復(fù)，甚至另一臺機器上。 優(yōu)先關(guān)系：工作之間的優(yōu)先級，可派代表非循環(huán)圖或有根樹。 發(fā)行日期：每臺機器Mk有一個開始時間si,j,k前沒有處理的機器上可以完成的操作oi,j。 ?處理時間限制：例如，設(shè)置一個單位的處理時間限制，Pi,j = 1，所有操作Oi,j. ?截止日期：作業(yè)Ji必須取得前到期的日期di。 ?批處理模式可分批分組：一組操作。批處理必須處理共同的機器上。 機器環(huán)境定義的調(diào)度問題。下面的列表中的前四個調(diào)度問題，而后者則適用于到oneoperation模式（只有一個操作的工作）到5個多經(jīng)營模式： ?專用機器：每個作業(yè)必須在一個專用的處理機。 ?相同的并行機處理工作的所有的機器都是相同的。因此，他們有相同的處理時間，Pk,i,1 = Pi。 ?統(tǒng)一的并行機：機器加工時間Mk是Pk,i,1 = Pi / Sk，其中Sk是機器的運行速度。 ?相依并行機的機加工時間MK取決于對工作，Pk,i,1 = Pi / Si, k ?一般商店：專門的機器和操作之間的優(yōu)先關(guān)系。 ?打開店：相當于除了一般店有沒有優(yōu)先關(guān)系。工作的業(yè)務(wù)，不得在任何特定的順序處理。 ?車間作業(yè)：特殊情況一般商店的優(yōu)先關(guān)系，操作Oi,j是我無法啟動，直到操作Oi,j?1已完成，1 < j < n.工作的第j個操作。 ?流水作業(yè)：所有工作一樣的車間作業(yè)的特殊情況。這并不意味著工作是相同的，因為他們的處理時間可能會有所不同。 ?混合車間：車間作業(yè)和開店鋪的組合。 許多最優(yōu)性準則存在的調(diào)度問題。頻使用性能的措施是： ?最大完工時間：最大完工時間（時間表的長度）。 ?總流量時間：所有工作所花費的總時間。 ?總遲到：遲到，所有的工作總結(jié)，即如何晚得多的期限完成每項工作。 ?總延遲時間：所有工作總結(jié)延遲，那就是延遲的工作的總和。 ?共有早熟：所有工作總結(jié)早熟，即和延遲到的工作。 ?最大遲到：遲到的最新工作。 ?最大延遲時間：最難的工作的延遲時間。 在這項工作中，我們解決車間作業(yè)調(diào)度問題（JSSP）。 其中各類調(diào)度問題，車間作業(yè)調(diào)度問題是最具挑戰(zhàn)性的之一。大小問題的n×m和m≥2是NP-hard，并且被認為是最差之間的組合問題[1]。傳統(tǒng)的車間作業(yè)調(diào)度的搜索空間的大小是（n!)m。 2.2傳統(tǒng)方式 許多方法都提出了解決JSSP。在參考文獻。[8、9],復(fù)雜的分支定界(BB)方法用于最小化在古典JSSP極小化最大完工時間。盡管這些方法已被證明是非常有用的小到中等大小等問題,他們過多的計算時間讓它們應(yīng)用到大型問題困難[10]。許多其他的確切運籌學(xué)方法,如混合整數(shù)規(guī)劃[11]或動態(tài)編程[12],已經(jīng)被使用。然而,這個數(shù)量的限制和/或變量變得很大甚至對大小問題,因此這些嘗試都不是非常有效,對于大尺寸的問題。 許多非最優(yōu)的啟發(fā)式方法可以處理在車間作業(yè)調(diào)度合理的計算時間?；谥R的系統(tǒng)[13]調(diào)度規(guī)則[14]或神經(jīng)網(wǎng)絡(luò)[15]已被使用在真正的車間作業(yè)調(diào)度。然而，元啟發(fā)式算法已被證明為解決車間作業(yè)問題的更好的表現(xiàn)。 Tabu搜索（TS）已被證明是非常有效的車間作業(yè)調(diào)度算法[16,17]。雖然，當它被應(yīng)用到硬盤的優(yōu)化問題，如實時調(diào)度問題，性能取決于初步解決方案。另一項技術(shù)已應(yīng)用于JSSP是模擬退火（SA），[18,19]。 SA可避免局部最大值/最小值，但無法迅速達到良好的解決方案?？梢栽黾优cTS SA相結(jié)合的表現(xiàn)。主這種方法的原理是，SA用來尋找精英的解決方案這樣的TS可以重新加強前途的解決方案搜索[20]。轉(zhuǎn)移的瓶頸（SB）啟發(fā)式的工作原理是放寬問題到解決一臺機器子一時間。這種啟發(fā)式之間的第一個真正有效的逼近方法[21,12]。 SB搜索需要高計算由于要重新優(yōu)化，有必要實現(xiàn)的努力結(jié)果。通過調(diào)整幾個參數(shù)實現(xiàn)最佳的解決方案。 進化算法（EA）的已成為一種流行的做法解決車間作業(yè)調(diào)度，因為他們通常會達到更好的性能比許多傳統(tǒng)的和啟發(fā)式的應(yīng)用方法在車間作業(yè)調(diào)度[22]。大多數(shù)這些EA旨在解決經(jīng)典問題的經(jīng)典的車間作業(yè)調(diào)度或小的變化。它們的區(qū)別主要有演示計劃，在運營商，在與其他啟發(fā)式（改善以前生成的解決方案）的雜交水平，并在通過性能的措施。 許多染色體為解決車間作業(yè)調(diào)度的代表計劃文獻報道[23]。染色體可以直接使用或間接的代表性。直接交涉編碼計劃中的染色體。例如，經(jīng)營為基礎(chǔ)的染色體作為一個操作序列編碼的時間表，并每個基因代表一個操作。然而，復(fù)雜的交叉和突變運營商需要建立新的解決方案。在間接表示，簡單的運營商是允許的，但染色體編碼一個可行的時間表。例如，調(diào)度工作分配的規(guī)則，可以在每個基因編碼。 多目標的標準也被納入EA模型[24,25]。大部分的方法都是基于多目標combinationof到一個單一標量加權(quán)系數(shù)[26,27]的目標。然而，很少有MOEAs被應(yīng)用到調(diào)度在帕累托個人之間的優(yōu)勢。例如，在[28]經(jīng)濟部調(diào)度 在印刷電路板行業(yè)的鉆操作完工時間和總流程時間最小化的目標。 [29]古典車間作業(yè)調(diào)度完工時間和總延遲時間目標。 [30]細胞制造系統(tǒng)有三個目標，完工時間，總流量的時間和機器閑置。在參考文獻。榮獲教育部頒發(fā)產(chǎn)提議得到優(yōu)化調(diào)度規(guī)則[31]在的Giffer和湯普森算法[32]靈活的車間作業(yè)調(diào)度。當代經(jīng)濟部使用的選擇和更換的基礎(chǔ)上多目標的統(tǒng)治標準。這種方法的例子的MOGA[33]，NPGA[34]，PESA的[35]，SPEA的[36]和NSGA-II[5]。許多其他的元啟發(fā)式的策略，如貪婪隨機自適應(yīng)搜索程序（GRASP）[37]，螞蟻/蜂群[38,39]， 跳躍基因遺傳算法[40]已應(yīng)用于解決車間作業(yè)調(diào)度。然而，有限的結(jié)果是，還沒有以證明其性能比目前最先進的算法[22]。 2.3處理時間估計 為了獲得一個車間作業(yè)調(diào)度的好解決方案，這是必要的所涉及的業(yè)務(wù)，每年有一個準確的時間估計在調(diào)度。處理時間的估計是一個回歸的問題。因此，給定的數(shù)據(jù)集，其中每個示例包含多個輸入變量及其相應(yīng)的輸出值（處理時間），可應(yīng)用于任何回歸技術(shù)獲得時間的估計。基于軟計算的數(shù)字如模糊規(guī)則為基礎(chǔ)的系統(tǒng)，決策樹，支持技術(shù)，向量機回歸，貝葉斯回歸，已對這項工作的描述。 尤其是使用最廣泛的加工方法在調(diào)度問題的時間估計是神經(jīng)網(wǎng)絡(luò)。例如，在[41]神經(jīng)網(wǎng)絡(luò)已用于造船調(diào)度。該系統(tǒng)試圖準確估計所需焊接的每一個一類塊的工時調(diào)度。他們認為，四組變量：船型，塊類型，塊的物理特性和商店類型。此外，在[42]金屬家具組裝加工時間估計，神經(jīng)網(wǎng)絡(luò)進行焊接，噴漆。處理完成這些操作所需的時間差別很大與特定產(chǎn)品的變化，包含非線性，未指定的相互作用。 每當精度是很重要的，而且在一定程度上解釋性的建議回歸系統(tǒng)是必需的，模糊規(guī)則為基礎(chǔ)的系統(tǒng)是一個不錯的選擇[43]。規(guī)則有一個變量隨之而來的結(jié)構(gòu)，回歸函數(shù)可以不同的機器，或完全不同的，甚至，對于不同的類的samemachine的投入。 TSK知識庫連同上下文免費學(xué)習與遺傳編程語法限制回歸函數(shù)的有效結(jié)構(gòu)。 3.機定制人造板調(diào)度問題家具制造業(yè) 對一部作品的完成所有的操作的時間間隔定義為吞吐量的時間順序。其準確的估計是很難定制設(shè)計的家具行業(yè)，如行業(yè)產(chǎn)品有dominan。以往的生產(chǎn)經(jīng)驗缺乏在生產(chǎn)的復(fù)雜性，使得時間估計困難。 吞吐量的減少有很多好處：降低庫存，降低成本，提高產(chǎn)品質(zhì)量（問題過程可以更迅速地檢測），更快的響應(yīng)客戶的訂單，和更大的靈活性。因此，花了很多努力，以減少通過提高生產(chǎn)吞吐量時間規(guī)劃，控制系統(tǒng)，并開發(fā)更先進的調(diào)度程序[44,45]。我們的目標是定義工作計劃，最大限度地減少資源的排隊和最大限度地利用資源能力，約束的材料供應(yīng)和產(chǎn)品要求。在這種情況下，可行性，時間和成本最有前途的計劃進行分析[46,47]。請注意，吞吐量時間有許多組件，包括移動，隊列，設(shè)置，處理時間[48-50]。在這項工作中，我們將解決所有這些改善機調(diào)度任務(wù)的零部件生產(chǎn)可行的工作計劃。 在這項工作中所描述的現(xiàn)實世界中的調(diào)度問題是接近的車間作業(yè)調(diào)度問題（JSSP）家庭： ?每個作業(yè)J定義與運作?優(yōu)先關(guān)系。 ?每個作業(yè)J必須達到前到期日二。 ?操作上沒有處理的限制定義。 ?沒有定義批處理模式。我們的域名業(yè)務(wù)可以考慮批處理模式。然而，我們抽象的，他們作為簡單的操作。每臺機器都有一個起始時間s之前沒有處理可以做的機器上的操作O.每臺機器可以處理在同一時間只有一個操作。沒有一臺機器可以釋放的操作，直到它完成，那就是沒有允許搶占。 ?各類型的機器的總數(shù)是固定的和更大的不止一個。沒有工作可以開始之前，其各部分的處理是可用的。 然而，我們的問題，制約了一些修改古典的車間作業(yè)調(diào)度，并使其更接近靈活的車間作業(yè)調(diào)度： 同時?Twooperations thesamejobmaybe處理。在我們的調(diào)度問題的優(yōu)先關(guān)系的代表無環(huán)圖，而這些關(guān)系在古典的車間作業(yè)調(diào)度的代表作為一個操作序列。家具行業(yè)，像許多他人，制造產(chǎn)品，由許多不同類型的原料。例如，表的描繪圖。 2由膠合板，鋼材，玻璃等。因此，不同的處理可同時進行，直到它們被組裝材料。雖然優(yōu)先關(guān)系的方式，明確了本文的范圍，只提這選擇是基于一套木工知識為基礎(chǔ)的規(guī)則。這些規(guī)則需要考慮的建設(shè)性的決定，關(guān)節(jié)用于組裝的家具，整理或質(zhì)量標準。每個作業(yè)可以安排在同一臺機器上超過一次。在古典車間作業(yè)調(diào)度，它通常需要為每個工作陸云，經(jīng)營愛的序列，J包含一個操作每個機器上進行處理。然而，在我們的機器環(huán)境，在同一臺機器可以執(zhí)行幾個制造步驟。例如，封邊機使用或貼邊，修剪和打磨。因此，同一臺機器可以使用一次以上的工作。 ?喬布斯沒有訪問每一臺機器INM。雖然在古典JSSP每臺機器必須在工作姬時間表參觀，這一限制并不適用于我們的實時調(diào)度問題。這兩種產(chǎn)品可能有非常不同的生產(chǎn)步驟。為例如，實木表，并在圖2做不同意許多操作。 圖2 我們的調(diào)度問題必須處理的另一個困難是處理時間的估計，這是在每一個關(guān)鍵部分制造步驟。處理時間的估計是一個在產(chǎn)品設(shè)計的生命周期中最重要的任務(wù)。為例如，時間估計是考慮重新設(shè)計如果預(yù)測的時間比預(yù)期更長的產(chǎn)品。有許多模型和技術(shù)，估計處理時間基于產(chǎn)品設(shè)計的一個制造步驟[51]。對于詳細設(shè)計，非常詳細的規(guī)劃過程中，制造可以采用過程模擬，或時間估計模型[51,47]。然而，對于一個概念設(shè)計，較詳細的模型一個關(guān)鍵的設(shè)計信息必須依靠一套較為有限[51]。這兩種方法都適用于家具行業(yè)自一個詳細設(shè)計的定義是昂貴的成本和時間。因此，有幾種方法計算的處理時間視機上可用的輸入變量。例如，從概念上可以提取幾個制造工藝設(shè)計圖描繪。 2。大廳辦公表有一個圓形的頂部葉三腳架腿?；w材料是酚醛膠合板，結(jié)構(gòu)是明亮的不銹鋼表的頂部是透明的玻璃。考慮到圓形玻璃材料購買外部供應(yīng)商，兩種不同的操作類可以推斷為：（一）木材和（二）鋼結(jié)構(gòu)件加工。例如，木塊必須削減從大木板，計劃和校準有一個統(tǒng)一的表面和厚度，再削減45?角，依此類推。 可以依賴的處理時間為一臺機器的運作多個輸入變量，如產(chǎn)品尺寸，材料，這種產(chǎn)品的速度機器，依此類推。例如，木塊取決于校準砂光機，將執(zhí)行的操作，除了一塊變量。校準機械指定進給速度，磨料皮帶速度，砂帶尺寸，工作厚度，最大最小工件尺寸等。然而，對于一個給定的操作的處理時間可能并不總是受到影響所有這些變量。因此，一臺機器可以有幾個回歸一類操作和產(chǎn)品特性的功能。因此，一個良好的估計吞吐量要求準確的回歸函數(shù)以及適當?shù)倪x擇運作之間的所有機器的回歸函數(shù)。在這種情況下，處理時間估計是很難獲得按標準方法或制造專家，是源調(diào)度過程中的錯誤和不確定性。 4.NSGA-II的機器多目標的方法調(diào)度 一個多目標調(diào)度問題可以描述為多目標優(yōu)化問題： minF(x) = {f1(x), f2(x), . . . , fk(x)}s.t. x ∈ S (1) 其中x是一個解決方案，S是一套可行的解決方案，k為目標的一些問題，F(xiàn)（X）是x的K-客觀空間和每個Fi（X）的形象，對于i = 1，。。。 ，k代表一個目標。在定制家具制造業(yè)，像在其他許多現(xiàn)實世界的問題，有沖突的連接（X）的目標。例如，目標想盡量減少家具的成本，并減少完成時間可能會發(fā)生沖突，因為它是一貫的，速度更快的機器，有一個回收成本較高。因此，在單目標優(yōu)化的問題，沒有一個最好的解決辦法，但有幾個解決方案選擇（非劣解集）。 我們對這個問題的方法，采用多目標調(diào)度通過NSGA-Ⅱ算法的優(yōu)化[5]。 NSGA-II的是一個最有效的MOEAs使用精英的做法：它的計算復(fù)雜性是INO（MN2），whereMis目標和N的人口規(guī)模。該算法結(jié)構(gòu)描述圖3。 NSGA-II的健身分配計劃，包括在使用非支配排序在不同戰(zhàn)線的人口序關(guān)系。因此，它有兩個目標：（一）找到了一套非主導(dǎo)的解決方案，盡可能接近帕累托最優(yōu)在每次迭代中，但前（二）維護的一整套解決方案盡可能覆蓋或附近的帕累托最優(yōu)前不同。 圖3 該算法的主循環(huán)開始與組合當前和以前的人口，計算Rt的非主導(dǎo)方面。這樣做的快速非支配排序功能。在此功能的第一步，每個人口P的個人P，twocalculations做一套占主導(dǎo)地位的個人，由P物質(zhì)（SP）和個人的數(shù)量，主宰P（NP）。所有這些個人（P），非主導(dǎo)將有P = 1的排名，將屬于第一Pareto前沿（非主導(dǎo)的前端）（V1），。為了計算其他帕累托各條戰(zhàn)線（步驟3），為每一個人以前的Pareto前沿（P），集Sp的每個元素（Q），降低其統(tǒng)治計數(shù)器1（nq）。因此，所有這些個人nq= 0 q將屬于第i-Pareto前沿。 一旦所有的帕累托方面已經(jīng)確定，主循環(huán)新的人口（Pt+1）所有算法增加（步驟1.d）在第i個Pareto前沿（六）個人，與i= 1開始而下的人口規(guī)模北路而且是提高我六，在擁擠的措施屬于每一個人考慮到計算距離（擁擠距離分配）帳戶中的所有個人INVI。擁擠的距離是thesumof每個目標的擁擠距離，并給出和估算密度的解決方案，圍繞特定的解決方案。 并非所有的個人時所使用的步驟1.E和主回路1.F第i Pareto前沿，可以添加到新的人口（P）的（人口總規(guī)模將超過列?。Ｋ辛鶄€人使用比較擁擠降序排序運算符（?N）。這個運算符用于在所有的選擇該算法的流程（減少人口和錦標賽選擇），因此有必要計算的擁擠所有的P（步驟1.di），個人不僅距離在Vi的個人（1.E步）。定義圖。 3，解決方案，我更好的解決方案j的排名比，如果它屬于較低階的Pareto前沿（irank jdistance）。 最后（步1.g），使用人口Pt+1，個人選擇(tournament selection using n),，交叉和突變創(chuàng)建新的人口Qt+1. 4.1編碼的問題 選擇一個很好的代表性，是解決的一個重要組成部分搜索問題。在本文中，復(fù)合材料的代表性染色體被提出。這種編碼的部分是用來減少靈活的車間作業(yè)調(diào)度古典車間作業(yè)調(diào)度，其余的定義優(yōu)先調(diào)度規(guī)則用于創(chuàng)建時間表。具體來說，機分配是通過并行作業(yè)編碼的[52]。圖4表示此編碼的的調(diào)度問題四個工作和四臺機器。矩陣的每一行是一個行動愛，J，I= 1，排列的順序。 。 。 4，J= 1，。 。 。 3（j是操作索引）。行中的每個元素包含兩個方面：（1）機MK，K = 1。 。 。 4，執(zhí)行操作及（2）TK的起始時間。例如，J2的工作中進行操作O1被機器M1時間。 這種編碼直接產(chǎn)生一個可行的解決方案。它包含機器將執(zhí)行每個操作和時間。時間設(shè)置為零時，機器不能執(zhí)行操作基因操作時，并不適用于空白工作。因此，知道操作輕松創(chuàng)建時間表路由和處理時間。圖5補充4×4調(diào)度的范例，并提供（i）在每個作業(yè)的截止日期J，（二）操作的順序（三）在工作時間（的總和;I，J于每個操作的設(shè)置和處理時間）機生產(chǎn)廠。例如，工作J2有一個截止日期7個時間單位，定義的O2,2,O2,1,O2,3操作順序。 “甘特圖的描繪圖。 1（a）表示的時間表，可以可以推斷，從圖中所描述的染色體。 4和數(shù)據(jù)圖5。 圖4 圖5 圖6 圖6描繪的優(yōu)先調(diào)度規(guī)則分配到4就業(yè)和4machines調(diào)度問題。在這種編碼基因我代表的優(yōu)先權(quán)規(guī)則必須適用于處理第i操作的時間表。從這些任務(wù)，日程安排構(gòu)建與的Giffler和湯普森算法[53]，但使用這一優(yōu)先啟發(fā)式調(diào)度規(guī)則。 代碼和考慮[23]表1給出了優(yōu)先規(guī)則。例如，前兩個職位將優(yōu)先考慮與操作最短處理時間（SOT）。 4.2調(diào)度生成 時間表生成與修改后的版本giffer湯普森算法[53]。該算法的描繪圖。 7以前從染色體產(chǎn)生積極的時間表描述。首先，在所有操作的算法插入最初準備安排，即第一行動每個作業(yè)。由于我們的調(diào)度優(yōu)先級的關(guān)系是無環(huán)圖，一個可能包含幾個操作同樣的工作。然后，在每次迭代中，它需要操作的愛，在A與J最早的潛在的完成時間，然后選擇操作牛年，被分配到愛，J機器處理的一組操作?。后者的選擇是基于調(diào)度優(yōu)先級這在染色體的迭代規(guī)則分配。最后，它增加了此操作的時間表，從A中刪除，并添加其工作的接班人到A。 圖8描繪了算法的染色體上的第一個步驟在圖表示。 4和6和圖的時間表。 5。在此圖中，時間表是一個有向圖描述圖G =（V，P∪T）集V的每個節(jié)點代表一項行動愛，J和每個在P∪T的弧代表之間的業(yè)務(wù)關(guān)系。具體來說，非虛線圓弧代表的優(yōu)先關(guān)系的集合P而虛線弧技術(shù)（機床）關(guān)系的集合T。每個染色體的工作姬表示圖行每個節(jié)點都標有機器將處理數(shù)量操作。請注意，圖中的每一行可能也有因為處理jobmaybe幾個操作的并行分支并行。也有代表在本圖中的A，S和Q套。例如，在操作標記虛線圓圈，操作在Q的標志是正方形和調(diào)度操作灰色。 圖7 圖8 經(jīng)過最初的一步，一個包含每個職位的初步行動{O1,1,O2,2,O3,1,O4,1}和Q操作O1群，其中有最早所有機器的完成時間。據(jù)的SOT戰(zhàn)略相關(guān)聯(lián)的第一次迭代，只有O1群，1可能被選中作為最短處理時間操作機器M1。因此，它是如期進行處理，從A和它的后繼操作J1是添加到答：在第二個步驟：A = {O1,3,O2,2,O3,1,O4,1}和算法的選擇操作o最早的O2，2完成時間。然后，它看起來由thesame處理業(yè)務(wù)machineM2用最短的加工時間。因此，第2步定義設(shè)定為Q ={O1群，3，02，2}和隨機選擇O。該算法將繼續(xù)運行，直到所有的操作已被預(yù)定（步驟13）。 4.3分頻點 分頻點僅將應(yīng)用于復(fù)合材料部件之一染色體在進化算法的每次迭代。一使用隨機數(shù)來決定哪一部分將劃線。 兩個交叉運營商已經(jīng)適應(yīng)了機器作業(yè)。無論是運營商跨越兩個隨機選擇的染色體。雖然行交叉影響工作，以產(chǎn)生一個新的時間表而列交叉作業(yè)： ?行交叉（圖9（a）） ?列交叉（圖9（b）） 其中k是一個隨機選擇的交叉點。 已應(yīng)用于雙點交叉的優(yōu)先級調(diào)度編碼的規(guī)則，因為它可以讓我們交換一個隨機數(shù)個人之間在染色體上的任何位置的規(guī)則。 圖9 4.4 突變 這個操作符作為交叉使用同樣的策略選擇染色體變異的部分。機作業(yè)，用于并行作業(yè)以來唯一的機器突變編碼的不允許在調(diào)換工作或操作染色體?？紤]到這方面的限制，兩個突運營商一直在使用，但是，其中只有一個應(yīng)用突變： ?隨機突變：在不同的機器隨機選擇執(zhí)行操作愛，J。 ?負載均衡突變：在不同的機器被選中執(zhí)行?；谪撦d的選擇機時間表，以便運營商尋找平衡機負荷。 其中第i行第j列隨機選擇。請注意這兩個變異算子，總是可行的時間表。 這兩種變異算子是相輔相成的。第一個假定所有的機器的均勻概率。第二個試圖改善的負載平衡，考慮到一個概率選擇是成反比的機器貸款。 優(yōu)先調(diào)度規(guī)則，適用于一個統(tǒng)一的突變有沒有先驗信息的選擇優(yōu)勢一個在別人的規(guī)則。 4.5目標函數(shù) 車間作業(yè)調(diào)度，如存在許多時間性能的措施完工時間，總流量的時候，總遲到，總延遲時間。我們的目的是減少以下兩個目標： ? Cmax:Makespan. This measure returns the maximum completion time of the jobs: Cmax = max(Ci) (2) where i ∈ {1, . . . , n} and the completion time of a job i is: Ci = max{sk,i,j + pk,i,j} (3) for j ∈ {1, . . . , o}, and k ∈ {1, . . . , m}. ? T: Total tardiness. The tardiness measures how much later than the deadline the job finishes. If the job finished earlier than di, it is assigned a negative lateness: T = n i=1 max(0, Ci ? di) (4) 完工時間和總延遲時間是最重要的目標這項工作的上下文中有一個時間表進行評估時， 被開發(fā)出來。成本也有關(guān)，但它可以被視為時間依賴的變量，像如另一個目標，兩個生產(chǎn)步驟之間的溝通能力，有在選擇最合適的時間表的影響不大。 圖日程表例如。 1（a）項，完工時間是的Cmax={10，6，8，11}= 8和T = 1總延遲時間T=1+0+0+0 =1。請注意，這兩個目標函數(shù)依賴于機器的處理時間。估計這次是一個在任何制造業(yè)[44]的一項重要任務(wù)，并擁有龐大的計劃生產(chǎn)調(diào)度工作質(zhì)量的影響的過程。 5.加工時間估計的神經(jīng)網(wǎng)絡(luò)方法 在本節(jié)介紹的方法看起來精度高加工時間估計的回歸模型。處理amachine倍，可謂多項式的幾個輸入變量可以在許多不同的方式相結(jié)合的變量： 請注意，對于一個給定的機器，可以共存，有不同的多項式，每一個代表估計的處理一類輸入變量的時間。例如，在一個特定的機加工件厚度次，超過閾值可估計的多項式，并根據(jù)該閾值另一個多項式。 總結(jié)，學(xué)習的楷模，必須有能力近似的非線性函數(shù)，捕捉到的復(fù)雜關(guān)系中的數(shù)據(jù)，并確定回歸函數(shù)應(yīng)用每類機器和操作的輸入變量。此外，學(xué)習模式必須在變化的反應(yīng)供應(yīng)鏈配置。也就是說，它可以學(xué)習新的多項式各種機械的更新或新的操作一臺機器可以執(zhí)行?？紤]到先前的條件，一個神經(jīng)網(wǎng)絡(luò)的方法已被使用。神經(jīng)網(wǎng)絡(luò)是普遍逼近，并可以很容易地進行培訓(xùn)，以地圖多維因為他們的并行體系結(jié)構(gòu)的非線性函數(shù)。 5.1多層感知器 我們每次估計方法是通過一個多層感知（MLP）的。通過網(wǎng)絡(luò)進行了計算單隱層可以寫成 y = f (x) = B?(A S + a) + b (7) 其中S是投入的載體，XA的輸出向量，A和權(quán)重矩陣和偏置向量，而B的第一層和b是第二層的權(quán)重矩陣和偏置向量。函數(shù)φ表示sigmoidal函數(shù)φ（Z）= 1 /（1+ EXP-Z）。 標準反向傳播（BP）學(xué)習算法通過在學(xué)習過程中的時間估計[54]。在這里，輸出值與生產(chǎn)時間來計算誤差函數(shù)值。錯誤然后通過網(wǎng)絡(luò)反饋和算法調(diào)整各方面的權(quán)重為了減少一些小的誤差函數(shù)值量。重復(fù)這個過程中，為一個足夠大的數(shù)字后，網(wǎng)絡(luò)培訓(xùn)周期通常會收斂一些國家其中的計算誤差小。調(diào)整權(quán)重，我們使用非線性優(yōu)化方法，被稱為共軛梯度。它的工作原理，通過反復(fù)計算搜索方向，沿搜索行程序，最小化的功能，生產(chǎn)一個新的近似客觀的（當?shù)兀┳畹凸δ堋? 表2 然而，與BP訓(xùn)練的MLP網(wǎng)絡(luò)遭受一些缺點：（一），他們很容易陷入陷入局部極小，（二）他們有收斂速度慢，（三）網(wǎng)絡(luò)拓撲結(jié)構(gòu)必須確定通過試驗和錯誤。要解決的第一個問題，學(xué)習算法簡單培訓(xùn)的多個網(wǎng)，并挑選出最好的。第二第三個問題，減輕了網(wǎng)絡(luò)優(yōu)化計劃。具體來說，訓(xùn)練方法，實現(xiàn)了網(wǎng)絡(luò)增長方式：一個小的網(wǎng)絡(luò)與布局開始只有一個隱藏的單位。網(wǎng)絡(luò)進行訓(xùn)練，直到改善了一個時代的錯誤低于某個閾值。然后該方法增加了額外的隱患單位，從重量輸入和輸出（重量已隨機初始化）和恢復(fù)訓(xùn)練。這個過程一直持續(xù)，直到?jīng)]有顯著的增益通過增加一個額外的單位。 圖10 6.結(jié)論 我們NSGA-II的調(diào)度方法已驗證經(jīng)典的車間作業(yè)調(diào)度的幾個基準問題。更具體地說，我們使用測試由Hurink等創(chuàng)建套房。 [55]，適應(yīng)原靈活的車間作業(yè)調(diào)度車間作業(yè)調(diào)度問題。在這些問題中，每個操作已指派一組計算機和使用，不僅機器的Mk在原來的問題。問題的數(shù)據(jù)是可用的[56]。 “基準問題的截止日期已根據(jù)[57]：2，3和11工作有一個截止日期，相應(yīng)的1.5倍處理時間的工作;工作n，其中n是多少問題的工作，有平等的處理時間截止日期;余下的工作有一個截止日期，相應(yīng)的2倍處理時間。 我們已與其他我們NSGA-II的方法MOEAs.1Table22最好，平均完工時間和最好的，平均總延遲時間為10每個方法運行。每50萬人口200迭代組成的執(zhí)行個人，交叉和突變率設(shè)定為0.95和0.05，respectively.3在每個測試問題，最好的完工時間和最佳總延遲時間的方法是黑體字標示。請注意迭代已采取的Paretofront建立的考慮到演化。這種演化的一個例子測試問題la24描繪圖。 10。在這種情況下，我們可以看到如何迭代各條戰(zhàn)線的改善是小于1％400,000和500,000。 表3 如表2所示，NSGA-Ⅱ獲得的最好的完工時間和最好的總延遲時間的17個問題中的11。 表3總結(jié)了NSGA-Ⅱ之間的比較結(jié)果FastPGA，GDE3，佩斯PESA的-II和SPEA2。 ~~ C公制[57]用于比較的近似Pareto最優(yōu)解集之間NSGA-Ⅱ和每個MOEAs。更具體地說，在?（甲，乙）測量分數(shù)為主，B組的成員組成員： 如表3所示NSGA-II的性能優(yōu)于大多數(shù)其他MOEAs在大多數(shù)的情況下。 NSGA-Ⅱ獲得較低的?比C公制13問題FastPGA，比GDE3的PAES對所有的問題，比PESA的二15問題，和10比SPEA2 17問題。我們一定要說法，SPEA2，排在第二位的算法，只有明確優(yōu)于NSGA-Ⅱ，在abz9，la06，MT20和orb9案件。在其他三個問題SPEA2得到更好~~ C公噸，NSGA-Ⅱ和SPEA2的結(jié)果是相似的。至說明解的收斂性和多樣性，非支配NSGA-II的最后一代的解決方案和SPEA2的問題la24圖。 11。解決方案這兩種算法以及傳播和融合。然而中，NSGAII產(chǎn)生更多的非劣解測試問題。 6.1討論 表4總結(jié)了不同的MOEAs的特點。第二列顯示的方式，在每個健身個人計算[59]。從視圖的優(yōu)勢點，該算法可以分為三組：深度（前個人所屬），排名（個人主宰個人）和count（個人為主由個人）。從多樣性的觀點來看，該算法使用兩種保護機制：擁擠和健身共享此外，健身共享是基于兩個標準：近鄰和直方圖。最后，最后一列表示進化的運營商用于：交叉（c）和突變（M）。 考慮到算法的特點和結(jié)果顯示在表2和3的車間作業(yè)調(diào)度的基準，我們可以提取車間作業(yè)調(diào)度使用的MOEAs得出以下結(jié)論： ?最好的MOEAs是NSGA-Ⅱ和SPEA2，這與以往的同意知識MOEAs在不同類型的性能的問題。 ?使用任何優(yōu)勢準則（NSGA-Ⅱ，SPEA2）優(yōu)于那些只依靠優(yōu)勢對個人（佩斯PESA的-II和GDE3）之間。 ?優(yōu)勢深度（NSGA-Ⅱ），其中僅依靠質(zhì)量個人，效果更好（在大部分的問題），比其他優(yōu)勢的方法（SPEA2并FastPGA），這也考慮解決方案的主導(dǎo)和支配個人。它似乎得到更好的結(jié)果時，人口有大量的非支配個體，雖然多樣性可能是低中最好的方面。這可能由于規(guī)模龐大的搜索空間，在車間作業(yè)調(diào)度事實。 表4 表5 表6 考慮到這一點作為今后的工作，這將是有趣修改健身不僅包括顯性的深度，但還有其他的標準，以引進更多元化，在最好的帕累托各條戰(zhàn)線。這已經(jīng)是在NSGA-II的擁擠距離，但它只是用來當個人的最后Pareto前沿必須為未來的人口選擇。解決方案應(yīng)該之間中途NSGA-II的和SPEA2健身方法的。 6.2時間估計 我們的處理時間估計的神經(jīng)網(wǎng)絡(luò)方法已驗證的機器，目前的一個子集正在使用的實木家具行業(yè)的生產(chǎn)計劃。這些機器是：RIP鋸邊和翻錄我（RS-I），磨料校準機（ACM），單板切片機（VS），RIP看到磨邊和翻錄II（RS-Ⅱ），大板和調(diào)試系統(tǒng)（CSLB）。 1500件家具定制的數(shù)據(jù)，有在工廠建成沿幾年，已被用來生成的例子套。每件的尺寸獲得，然后，為每個機器加工時間測量。這些時間是很吵becausemanyof的操作需要由人工操作的某種操控，也因為這個操作符措施手動倍。 在每個例子中，下列變量被認為是為每個件件家具的長度，寬度和厚度，以及在一塊機的處理時間。神經(jīng)網(wǎng)絡(luò)，以盡量減少錯誤的時間估計。實驗進行了五倍交叉驗證每個例子集。每一套分為五個亞群大小相等，學(xué)習過程中運行的五倍，作為培訓(xùn)設(shè)置四個子集，剩下的一個測試。測試集不同的是在每個運行。 我們相比，我們的神經(jīng)網(wǎng)絡(luò)方法（NN-MPCG[6]）其他回歸在實驗techniques.4中，我們30神經(jīng)元有一個隱藏層的方法是運行。表5-9顯示，每個機（或數(shù)據(jù)集），平均方誤差培訓(xùn)（MSEtra），測試（MSEtst）五倍交叉驗證實驗每個technique.5在每個表，較低的平均值為MSEtra和MSEtst黑體字標示。 表7 表8 表9 可以排在提高精度的秩序的方法：MOGUL-TSK，M5，QLMS，NN - MPCG。如果我們比較平均所有的機器MSEtst值，M5是最好的方法機器VS中，QLMS克服了其他兩個算法機（RS-我和CSLB的），和我們的NN - MPCG回歸的方法在另外兩臺機器（RS-II和ACM）最佳。比較我們的與其他提案的方式，可下面的討論：大亨-TSK的錯誤，進入帳戶MSEtst采取，范圍了151％（CSLB，表5）和32％（VS，表8）高于之間NN - MPCG。此外，為M5的算法，誤差范圍之間30％以上（機ACM，表9）和低5％（VS，表8）。 最后，QLMS是在三個比我們更好的建議機器，范圍從5％（Vs，表8）13％（CSLB，表5）低級錯誤。然而，在其他兩臺機器的準確性QLMS算法很差與NNMPCG時相比方法：誤差為33％（RS-II表6）和109％器（ACM，表9）。總之，我們的建議（NN-MPCG）獲得具有較好的規(guī)律性比所有的時間估計的準確性高機。這意味著，盡管其他方法有一個較低的在一些機器的錯誤，在最壞的情況下改善低。相反，當NN-MPCG克服了其他方法改善高得多。 7.結(jié)論 在自定義的多目標調(diào)度機解決方案家具行業(yè)已經(jīng)呈現(xiàn)。該解決方案基于多目標進化方法與神經(jīng)網(wǎng)絡(luò)。該系統(tǒng)采用NSGA-Ⅱ算法產(chǎn)生這是他們的基礎(chǔ)上進行了優(yōu)化可靠的時間表完工時間和總延遲時間。此外，加工時間估計已獲得通過多層感知器神經(jīng)網(wǎng)絡(luò)。 該系統(tǒng)已廣泛的測試，并與其他方法。我們基于NSGA-Ⅱ算法一直比較另有五MOEAs在17個不同的古典車間作業(yè)調(diào)度，跑贏其他算法在大多數(shù)問題。此外，通過多層感知器處理的時間估計神經(jīng)網(wǎng)絡(luò)已顯示出比其他更好的精確度回歸技術(shù)進行了分析。此外，試驗還證明有效的反應(yīng)時間都以一個巨大的工作負荷環(huán)境的變化，如新的定義，客戶訂單或生產(chǎn)日期的變化。 致謝 作者希望感謝Sadigh BALAY他的幫助支持，和提供有價值的線索。這項工作是由西班牙的一部分科學(xué)與創(chuàng)新部支持的，贈款TIN2008-00040TSI2007-65677C02-1。曼努埃爾Mucientes支持拉蒙y Cajal的西班牙科學(xué)和創(chuàng)新部的計劃。 一、畢業(yè)設(shè)計（論文）的內(nèi)容 木制衣架拋光機用于對衣架粗胚進行打磨拋光的機械，是衣架制造企業(yè)進行衣架自動加工的關(guān)鍵設(shè)備之一。為實現(xiàn)衣架自動打磨拋光的功能，設(shè)計衣架拋光機拋光部分。具體任務(wù)如下： 1. 分析衣架拋光的要求，研究系統(tǒng)的工作原理； 2. 提出衣架拋光機拋光部分的工作原理，進行結(jié)構(gòu)設(shè)計； 3. 繪制衣架拋光機拋光部分的裝配圖及典型零件的零件圖； 4. 對拋光部分的關(guān)鍵參數(shù)進行計算和校核。 二、畢業(yè)設(shè)計（論文）的要求與數(shù)據(jù) 1. 所提出衣架拋光的工作原理應(yīng)符合木制衣架自動打磨拋光的需要； 2. 用Solidworks建立衣架拋光機拋光部分的3D裝配模型； 3. 繪制衣架拋光機拋光部分的裝配圖及典型零件的零件圖； 4．設(shè)計說明書（畢業(yè)設(shè)計說明書）應(yīng)包含中英文摘要、設(shè)計方案比較、結(jié)構(gòu)設(shè)計等內(nèi)容。 三、畢業(yè)設(shè)計（論文）應(yīng)完成的工作 1、完成二萬字左右的畢業(yè)設(shè)計說明書（論文）；在畢業(yè)設(shè)計說明書（論文）中必須包括詳細的300-500個單詞的英文摘要； 2、獨立完成與課題相關(guān)，不少于四萬字符的指定英文資料翻譯（附英文原文）； 3、繪制衣架拋光機拋光部分的裝配圖及典型零件的零件圖（所有圖紙均采用計算機繪制，折合A0圖紙3張以上）。 四、應(yīng)收集的資料及主要參考文獻 [1] 孫桓, 陳作模. 機械原理[M]. 北京：高等教育出版社, 2001. [2] 徐灝. 機械設(shè)計手冊. 機械工業(yè)出版社, 1991. [3] 濮良貴, 紀名剛. 機械設(shè)計[M]. 北京：高等教育出版社, 2005 [4] 楊叔子. 機械加工工藝師手冊[M]. 北京：機械工業(yè)出版社, 2002. [5] 吳宗澤. 機械設(shè)計實用手冊[M]. 北京：機械工業(yè)出版社, 2002. [6] 潘俊萍. 極坐標數(shù)控專用木工銑床設(shè)計與仿真研究[D]. 東北林業(yè)大學(xué), 2011. [7] 馬巖. 我國家具加工機械數(shù)控技術(shù)的開發(fā)方向與應(yīng)用前景[J]. 林業(yè)機械與木工設(shè)備, 2008, 36(1): 4-12. [8] SolidWorks公司著. SolidWorks裝配體建模[M]. 北京：機械工業(yè)出版社, 2005. [9] 胡仁喜等. SolidWorks 2005機械設(shè)計及實例解析[M]. 北京：機械工業(yè)出版社, 2005. [10] Juan C. V, Manuel M, Alberto B, Manuel L. Machine scheduling in custom furniture industry through neuro-evolutionary hybridization[J]. Applied Soft Computing, 2011, 11: 1600-1613. 五、試驗、測試、試制加工所需主要儀器設(shè)備及條件 計算機一臺 任務(wù)下達時間： 2012年 1 月09日 畢業(yè)設(shè)計開始與完成時間： 2012年1月09日至 2012年 6 月 03 日 組織實施單位： 教研室主任意見： 簽字： 2011 年12月 30 日 院領(lǐng)導(dǎo)小組意見： 簽字： 2012 年 1 月 05 日