工件加工的排序优化问题
浅谈制造业作业排序问题

浅谈制造业作业排序问题1. 引言在制造业生产过程中,作业排序是一个重要而复杂的问题。
正确的作业排序可以最大程度地提高生产效率和产品质量,降低成本和交货周期。
在制造业中,作业排序涉及到多个因素,如作业优先级、工艺路线、物料可用性等等。
本文将就制造业作业排序问题进行探讨,深入了解这一问题在制造业生产中的重要性和挑战。
2. 制造业作业排序的重要性作业排序在制造业生产中起到关键作用。
通过合理的作业排序,可以达到以下目标:2.1 提高生产效率制造业生产过程中,如果作业排序得当,可以最大程度地减少等待时间和停机时间,提高设备利用率和生产效率。
合理的作业排序能够让生产线上的各个工序顺畅进行,从而减少工序之间的等待时间,并提高整体生产效率。
2.2 降低生产成本正确的作业排序可以使工序之间的转换更加紧密,避免重复工序的发生,从而减少了不必要的成本。
此外,合理的作业排序还可以使生产线上的物料流动更加顺畅,减少物料的库存和堆积,降低了库存成本和仓储成本。
2.3 缩短交货周期通过优化作业排序,能够减少生产过程中的等待时间和调整时间,提高生产效率和生产线的灵活性。
这有助于缩短交货周期,满足客户需求,提高客户满意度。
3. 制造业作业排序的挑战在制造业生产过程中,作业排序面临许多挑战,下面列举了几个主要的挑战:3.1 多个因素的综合考量作业排序需要综合考虑多个因素,如生产线的设备能力、人力资源状况、物料可用性等等。
这些因素之间相互关联,相互制约,增加了作业排序的复杂性。
3.2 不确定性因素的存在在制造业中,不确定性因素是无法避免的。
例如,突发的故障、物料的延迟供应、员工的缺勤等都可能对作业排序造成影响。
如何应对这些不确定性因素,保证作业能够按计划进行,是一个具有挑战性的问题。
3.3 数据的准确性和可靠性作业排序需要依赖各种数据,如产品的工艺路线、设备的运行状态、物料的库存情况等等。
然而,数据的准确性和可靠性往往是无法完全保证的,这给作业排序带来了一定的困扰。
工件的安装与排序问题

工件的安装与排序问题王晓楠,崔超,陈涛(中国矿业大学,徐州221008)摘要:本文首先深入分析了组合优化的特点,然后针对本题中设备对工件排血安装时的重量约束和体积约束的特点,就题目中提出几个问题分别设计了不同的算法,通过不同的算法的优劣的比较,不仅较好的解决了工件的排序安装问题,还得出了问题中算法设计的一些根据。
在问题1中,我们引入了贪心策略和自适应方法对搜索算法进行改进,大大减小了搜索的规模得到了一种效率和性能都不错的搜索算法,另外还针对数据的特点给出了一种操作简便的简化算法,通过两种算法的比较得出了一些有用的算法设计结论。
在问题1的算法设计过程中我们还适当的引入了一些理论证明,使算法更加有说服力,最终通过MATLAB软件得出了令人满意的结果,有力的证明了算法的可行性。
在问题2中将问题1的算法进行综合,然后分别从不同的出发点提出了两种算法,一种是适用性较强但不易实现的解析算法,另一种针对数据特点的较简便的针对性算法,并比较了两种算法各自的适应性,简便的求出了第二组数据的排序结果,并得出第一组数据无解的结论。
问题3根据前面的结论,如果只考虑重量,分析了两种相临扇区总重量差最大的情况,通过数学分析得出工件调整幅度,如果还要考虑体积因素,通过对工件的贪心选择,不断修正工件重量和体积,筛选出满足条件的工件组合。
我们在论文的最后还给出了模型的评价和推广。
一问题重述某设备由24个工件组成,安装时需要按工艺要求重新排序。
Ⅰ.设备的24个工件均匀分布在等分成六个扇形区域的一圆盘的边缘上,放在每个扇形区域的4个工件总重量与相邻区域的4个工件总重量之差不允许超过一定值(如4g)。
Ⅱ.工件的排序不仅要对重量差有一定的要求,还要满足体积的要求,即两相邻工件的体积差应尽量大,使得相邻工件体积差不小于一定值(如33cm);Ⅲ.当工件确实不满足上述要求时,允许更换少量工件。
问题1.按重量排序算法;问题2.按重量和体积排序算法;问题3.当工件不满足要求时,指出所更换工件及新工件的重量和体积值范围,并输出排序结果。
生产作业排序的问题

一、基本概念
流水车间排序问题的基本特征:
• 每个工件的加工路线都一样。如车—铣—磨 。这里指的是工件的加工流向一致,并不要 求每个工件必须在每台机器上加工。如有的 工件为车—磨,有的为铣—磨。
• 不仅加工路线一致,而且所有工件在各台机 器上的加工顺序也一样,这种排序称为排列 排序(同顺序排序)。如工件排序为:J1— J3—J2,则表示所有机器都是先加工J1,然后 加工J3,最后加工J2。
)
五、单件车间排序问题(n/m/G/Fmax)
1、问题描述
• (i,j,k):表示工件i的第j道工序是在机器k上进行。 • 加工描述矩阵D:每一行描述一个工件的加工,每一
列的工序序号相同。
)
五、单件车间排序问题(n/m/G/Fmax)
• 加工时间矩阵T:与D相对应。
)
五、单件车间排序问题(n/m/G/Fmax)
• EDD(Earliest Due Date)法则:优先选择完工期限紧的工件。 • MWKR(Most Work Remaining)法则:优先选择余下加工时间最
长的工件。 • LWKR(Least Work Remaining)法则:优先选择余下加工时间最
短的工件。 • MOPNR(Most Operations Remaining)法则:优先选择余下工序
• 一般来说,以构成无延迟作业计划的步骤为基础的启 发式算法比以构成能动作业计划的步骤为基础的启发 算法的效果要好。
)
五、单件车间排序问题(n/m/G/Fmax)
优选调度法则:
• SPT(Shortest Processing Time)法则:优先选择加工时间最短的 工序。
• FCFS(First Come First Served)法则:优先选择最早进入可排工 序集合的工件。
不同顺序加工零件的作业排序与作业安排方法

本文通过对影响作业排序的优解因素的分析, 构造作业排序的优化规则, 并结合生产的实际情况 进行作业排序和作业安排, 注重了实用性, 取得了较 好的效果, 当零件数量N 比较大时, 其效果更佳。
结 语
影响作业排序的因素很多, 以往的研究大多仅 着眼于作业本身, 而很少顾及具体的生产环境。本文 在作业排序与作业安排的实用化方面进行了有益的 尝试, 充分考虑车间生产的实际情况, 提出了一个实 用的最小时钟推进仿真作业排序与作业安排方法。 该作业排序与安排方法有以下特点:
1. 以系统统一时钟逐渐推进作业排序与安排 的过程, 该时钟始终代表了设备可用资源的最近时 间, 以此制定作业进程计划, 与生产的实际情况十分 相似, 使本系统具有生产实际情况动态仿真的良好 功效。
! 机械加工与自动化#
不同顺序加工零件的作业排序与作业安排方法
T he M ethod s of A rrangm en t fo r D ifferen t M ach ing Sequence of Pa rt 北方工业大学 (100041) 张向慧
西北核技术研究所 (710024) 赵龙文
责任编辑 修
《新技术新工艺》·机械加工与自动化 2002 年 第 3 期
·3·
4) 待 加 工 零 件 种 类、数 量 较 多, 设 备 种 类、 数量多;
5) 相同工序码 (ST EPCOD E ) 的工序均可在有 同一工序码的 k 台设备中任一台加工。
以上几点, 基本上模拟了实际的生产现场。 2. 最小时钟推进仿真排序与安排法 1) 作业生产任务已由生产计划系统排出, 并放 入作业任务信息库 D 1中: D 1 = {L ( i, j) [ ST EPNO ( i, j) , CLA SS ( i, j) , ST EPCOD E (i, j) ,W COD E (i, j) , t ( i, j) , T b ( i, j) , T d (i, j) , T R (i, j) , R ( i, j) ], i= 1, 2,. . . k } 其中L ( i, j) 为零件 i 的第 j 道工序的有关信息, ST EPNO ( i, j) 为工序号, CLA SS ( i, j) 为作业优先 级, ST EPCOD E ( i, j) 为工序码, W COD E ( i, j) 为作 业 码, t ( i, j) 为额定工时, T b ( i, j) 为就绪时间, T d ( i, j) 为最晚完成时间, T R ( i, j) 为最小间隔, R ( i, j) 为剩 余工序数。 2) 设备信息库 D 2: D 2= {M ( i, j) (SCOD E ( i, j) , B EG IN T IM E ( i, j) ) ; i= 1, 2,. . . m , j = 1, 2,. . . . i(m ) ; } 其中M ( i, j) 为 i 类第 j 台设备, SCOD E 为设备 适用工序码, B EG IN T IM E 为设备最早可用时间。
生产运作管理---第十一章流水作业的排序问题

假设条件
1.一个工件不能同时在几台不同的机器上加工。 2.工件在加工过程中采取平行移动方式,即当上一道工
序完工后,立即送下道工序加工。 3.不允许中断。当一个工件一旦开始加工,必须一直进
行到完工,不得中途停止插入其它工件。 4.每道工序只在一台机器上完成。 5.工件数、机器数和加工时间已知,加工时间与加工顺
Fi----工件Ji 的流程时间,即工件在车间的实际停留时间,在工
件都已到达的情况下, Fi= Pi+ Wi
Li----工件Ji 的延误时间, Li= Ci- di , Li<=0 按期或完成提前;
Li>0 延误
Fmax----最长流程时间, Fmax=max{Fi}
二、排序问题的分类和表示法
1、排序问题的分类:
排序问题常用四个符号来描述: n/m/A/B
其中, n-----工件数; m-----机器数; A----车间类型; F=流水型排序, P=排列排序 G=一般类型,即单件型排序 B-----目标函数
三、流水作业排序问题
1、最长流程时间Fmax的计算
举例:有一个6/4/p/ Fmax问题,其加工时 间如下表所示。当按顺序S=(6,1,5, 2,4,3)加工时,求Fmax。
(a) J1 - J2 - J3- J4 - J5
A B
30
(b) J4 - J2 - J3- J5 - J1
A B
26
比较
可以看出,初始作业顺序的总加工周期是 30,用约翰逊法排出的作业顺序总加工周 期是26,显然后者的结果优于前者。
两台机器排序问题的算法(续)
I
1
2
3
4
5
6
Ai
大规模定制家具OPF生产锯图排序优化

大规模定制家具OPF生产锯图排序优化欧阳周洲;吴义强;陶涛;戴向东;陈星艳;蔡丰;王迅【期刊名称】《中南林业科技大学学报》【年(卷),期】2024(44)3【摘要】【目的】大规模定制是家具制造业转型升级的重要模式,高度自动化的OPF生产是其智能制造的主要发展方向之一。
揉单生产是定制家具提升板材利用率从而缩减生产成本的重要手段,在OPF生产中对分拣工序提出了较高的要求。
本研究着眼于大规模定制家具OPF生产中揉单与分拣的矛盾,通过锯图排序优化实现分拣来料的有序,进而使订单齐套进程更为平顺,缩减分拣仓峰值库存,达到缓解分拣压力、压缩分拣仓库容和扩大揉单规模的目的,推动实现大规模定制家具OPF生产的稳定。
【方法】通过在定制家具生产一线展开长期研究,从OPF生产下的制造基本逻辑着手,探索基于现有设备条件在不引起板材利用率损失的前提下实施优化,提出以各订单板件在批次加工中的离散程度最小化为目标开展锯图排序优化,形成相关基础数据的采集与处理方法,构建锯图排序优化问题数学模型,运用遗传算法实现问题的求解并从订单板件离散程度、订单齐套进程以及分拣仓峰值库存3个维度进行优化效果评价,实现了大规模定制家具OPF生产锯图排序优化问题的求解。
【结果】从欧派家居集团柜身生产线采集基础数据并进行处理,通过小规模测试验证可行性,并通过大规模测试测定总体效果。
3个批次的小规模测试表明本研究提出的锯图排序优化方法具有可行性,各批次中订单板件的离散程度不同程度的缩小,批次订单齐套进程相比优化前更为平滑,分拣仓峰值库存相比优化前明显降低。
3个工作日共51个批次的大规模测试各批次平均分散度缩减21.73%;首单及批次1/4订单齐套所需锯图数量降低37.27%与19.86%;分拣仓峰值库存平均降低105.25张板件,降低15.17%,表明锯图排序优化具有普遍适用性。
【结论】通过锯图排序优化,可以在OPF生产的现有设备条件和板材利用率不变的前提下,以降低订单板件离散程度为目标实现有序化加工,从而平滑订单齐套进程,缓解机器人分拣前后段出入库严重失衡现象,实现分拣仓库容的压缩或揉单规模的进一步扩大,对于推动大规模定制家具智能制造的发展具有一定的借鉴意义。
算法最优加工顺序例题

算法最优加工顺序例题算法最优加工顺序是指在一系列待加工任务中,找出最优的加工顺序,使得总加工时间最短或总成本最低。
这是一个在生产、制造和排程领域中常见的问题,它可以有效地提高生产效率和资源利用率。
在实际应用中,解决最优加工顺序问题的算法有很多种。
以下是一些常见的参考内容:1. 贪心算法(Greedy Algorithm):贪心算法是一种常见的算法思想,它在每一步选择中都采取当前状态下的最优解,从而希望最终能够得到全局最优解。
在最优加工顺序问题中,可以使用贪心算法来选择加工任务的顺序,比如按照加工时间或加工成本来排序,然后依次选择加工时间或成本最小的任务进行加工。
2. 动态规划(Dynamic Programming):动态规划是一种将问题分解为子问题并保存子问题解以便重复使用的算法。
在最优加工顺序问题中,可以使用动态规划来构建一个状态转移方程,计算每个子问题的最优解,然后利用子问题的最优解构建整个问题的最优解。
3. 图论算法(Graph Algorithms):在最优加工顺序问题中,可以将待加工的任务看作图中的节点,加工任务之间的依赖关系可以看作是图中的边。
可以使用图论算法来解决最优加工顺序问题,比如拓扑排序、最短路径算法等。
拓扑排序可以找到任务的一个线性序列,使得任意一对相邻的任务中,前者总是在后者之前完成。
最短路径算法可以找到从一个任务到另一个任务的最短路径,即最短的加工顺序。
4. 遗传算法(Genetic Algorithm):遗传算法是一种模拟自然界生物进化过程的算法,通过不断地进行选择、交叉和变异来搜索最优解。
在最优加工顺序问题中,可以将每个加工任务看作一个个体,通过遗传算法来优化加工顺序。
通过不断地迭代和适应度函数的评价,可以找到最优的加工顺序。
5. 混合整数规划(Mixed Integer Programming):混合整数规划是一种数学优化模型,它通过将问题转化为一个整数规划问题来求解最优解。
带有交货期和加工时间可控的单机排序问题

本科毕业设计论文题目带有交货期和加工时间可控的单机排序问题专业名称学生姓名指导教师毕业时间毕业设计论文任务计划书一、题目带有交货期和加工时间可控的单机排序问题二、指导思想和目的要求毕业设计(论文)是培养学生自学能力、综合应用能力、独立工作能力的重要教学实践环节。
在毕业设计中,学生应独立承担一部分比较完整的工程技术设计任务。
要求学生发挥主观能动性,积极性和创造性,在毕业设计中着重培养独立工作能力和分析解决问题的能力,严谨踏实的工作作风,理论联系实际,以严谨认真的科学态度,进行有创造性的工作,认真、按时完成任务。
三、主要技术指标1、优化数学模型;2、算法的优化程序;3、仿真程序;4、仿真验证结果;5、设计说明书一份;四、进度和要求第01周----第02周:撰写毕业设计开题报告;第03周----第04周:文献翻译;第05周----第06周:分析并确定优化的目标函数,根据约束条件建立优化数学模型;第07周----第09周:编制算法的优化程序;第10周----第11周:学习使用软件,设计相应的调度方案;第12周----第13周:搭建仿真程序,进行仿真、验证;第14周----第16周:撰写毕业设计论文,论文答辩。
五、主要参考书及参考资料[1]范雁鹏、赵传立.带有交货期和加工时间可控的单机排序问题.沈阳师范大学数学与系统科学学院,沈阳110034.[2] 何燕.基于遗传算法的车间调度优化及其仿真.武汉理工大学.2006[3] 欧阳珍.基于遗传算法的车间调度研究与应用.浙江大学.2004.[4]何少龙.具有安装时间和变量加工时间的单机排序问题.2011.[5] 潘全科.智能制造系统多目标车间调度研究.南京航空航天大学.2003.[6]Michael Pinedo(美).调度:原理、算法和系统(第二版).清华大学出版社.[7] 薛家兵、鄂明成.基于Flexsim仿真的FMS车间级控制开发系统.北京交通大学.机械与电子控制工程学院.北京.100044.2007.[8]唐恒永.赵传立.排序引论[M].北京:科学出版社.[9]Mor B,Mosheiov G.Scheduling a maintenance activity and due-window assignment based on commom flow allowance[J].International Jouranl of Production Economics.2012.135(1):220-230.[10] Hsu C J,Yang S J,Yang D L. Two due date assignment problemswith position- dependent processing time on a single-machine[J]. Computers & Industrial Engineering,2011,60(4):796–800.[11] Cheng T C E, Oguz C,Qi X D. Due-date assignment for scheduling on a single machine with compressible processing time[J].Internatio nal Journal of Production Economics.1996,43(2):107-113.[12] Shabtay D, Steiner G. The single-machine earliness-tardiness scheduling problem with due date assignment and resource-dependent processing times[J]. Annals of Operations Research,2008,159(1):25-40.学生指导教师摘要排序问题是一类重要的组合最优化问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
问题三四也都是将问题一二进行推广,因此只需将相应的数据用变量代替即可。
摘要
众所周知,对于一个加工企业而言,如何在最短时间内完成加工任务,是一个企业 提高竞争力和利润的关键。 本文就是一篇关于工件加工的排序优化问题, 即在给定的数据和做出符合实际生产 的条件下,合理的安排工件的加工顺序,使加工的效率或所获得的利润等指标达到最大 值。 问题一是在零件只加工一次, 如何合理安排加工顺序, 使得完成这批工件加工任务 所需的总时间最省或总价值最大。为此,我们引入了一个 0-1 变量表示加工工件的顺序 和工件的种类,求出该变量,即可得到在不同情况下加工顺序,然后对结果进行分析, 计算结果唯一(实际可能不唯一) 。问题一的一二问安排如下: 1)工件的加工顺序为 6-3-9-10-7-5-1-2-8-11-4-12 此时总时间最少,为 171.9 工件的加工时间为 33.1 2)在时间充足的情况下,总价值最大为 117,工件的加工顺序如下 9 1 12 3 7
12
min W = ∑ sj
j =1
约束条件:
n s sj = {sjti− ++ jnj ti t≥≤ js−j 1 1 s1 = t1 + n1 1 i −
i j =1
1
ti = ∑ bj nj = ∑ yijmi
j =1
12 12
12
因为不要求每一种工件都加工,所以 ∑ yij ≤ 1, ∑ yij ≤ 1
i =1 j =1
12 12
因为第二问是在第一问的基础上,因此需要满足第一问的约束 bj = ∑ yijai , ej = ∑ yijci
i =1 i =1
12
完工时间约束 fj = ∑ y ijd i
i =1
5. 模型的建立与求解
5.1. 对于问题一
12
1)设 ti 为 i 工件实际完工时间,所以完成这批工件的总时间为 Z= ∑ti
i =1
而加工 i 工件在最优排列下所用的总时间 ti =b i −1 +b i =b i − 2 +b i −1 +b i =b 1 +b 2 +…+ bi
i
即 ti = ∑ bj
bj
mi
nj
qi
rj di
fj
sj
uj
ti
W P
在最优排列下第 j 种工件在完成钻床序的总时间 在最优排列下第 j 种工件在完成铣床序的总时间
为 i 工件在从最优排列下车床加工所用的总时间
完成这批工件加工任务所需的总时间 工件总价值
-4-
4. 模型假设
4.1. 不考虑的完工时间和工件的价值,安排工件加工的次序,使得完成这批工件加工 任务所需的总时间最省。 4.2. 工件在转换工序时所需的运输时间为零。 4.3. 机器加工完一种工件后,能及时另外一种零件。 4.4. 工件和机器在加工过程中不发生意外。
我们的参赛报名号为:
参赛队员
(签名) :
队员 1:***
队员 2:***
队员 3:***
湖南工学院数学建模竞赛
编 号 专 用 页
参赛队伍的参赛号码:(请各个参赛队提前填写好):
竞赛统一编号(由竞赛组委会送至评委团前编号):
竞赛评阅编号(由竞赛评委团评阅前进行编号) :
湖南工学院数学建模竞赛
工件加工的排序优化问题
12
完成这批工件加工任务所需的总时间最少 min W = ∑ sj
j =1
其中 sj 最优排列下第 j 种工件在完成钻工序的总时间 sj
i
=
n {s t ++ n
i j j −1
j
ti ≥ sj − 1 ti ≤ sj − 1 s1 = t1 + n1
ti 为 i 工件在从最优排列下车床加工所用的总时间 ti = ∑ bj
8
11
4
6
10
问题二三四是在问题一上的推广,因此我们运用前面算法归纳出 i 种工件,每种工 件需要 j 部机床的情况,只需在前面的程序中的工件顺序集里加入相应的属性,便能到 达目的。 对于 i 种工件,每种工件需要 j 部机床加工的情况我们建立的模型如下: 车床 M1 钻床 M2 铣床 M3 … Mj 1 2 3 … i
j =1
-6-
1
ni 为 i 工件在从最优排列下车床加工所用的总时间 nj =源自∑y mij n =1
i
mi 为 i 工件的钻床加工时间,根据前面第一问可知还有如下约束
12 12 12
bj = ∑ yij ai , ∑ yij = 1 , ∑ yij = 1
i =1 i =1 j =1
因此问题二的数学模型可以表述为 目标函数:
i =1 i =1
12
fj = ∑ y ijd i , ti ≤ f j (i=j)
i =1
对此数学模型用 lingo 编程, 运行程序即得完成这批工件的总价值以及相应的总时间和 加工顺序,程序见附录-程序二 5.2. 对于问题二 问题二要求完成任务使总时间最少,根据题意总时间为加工时间加上等待时间,所以有 如下式子
j =1
12
共 12 工件,第 i 工件加工顺序在 1 到 12 之间,即 ∑ yij =1 。
i
12
加工顺序为 j 是,一定有一个工件 i,即 ∑ yij = 1 。
j
12
最优排列下第 j 次加工的时间 bj =
∑ya
i =1
ij i
因此: 问题 1)的数学模型为
12
目标函数: 约束条件:
min Z= ∑ti
……
Max(M i,j-1,M i-1,j) + X i,j
Max(M 32 ,M 23 ) + X 33
……
……
M i -1,1 + X i1
Max(M i1 ,Mi-1,2 ) + Xi2
Max(M i2 ,M i-1,3 ) + X i3
关键词:0-1 变量、lingo、排序
-1-
1. 问题重述
湖南工学院数学建模竞赛
承
诺
书
我们仔细阅读了第五届湖南工学院数学建模竞赛的竞赛规则。 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网 上咨询等)与本队以外的任何人(包括指导教师)研究、讨论与赛题有关的问题。 我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的 资料(包括网上查到的资料) ,必须按照规定的参考文献的表述方式在正文引用处和参 考文献中明确列出。 我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规 则的行为,我们愿意承担由此引起的一切后果。
-2-
工件 1 2 3 4 5 6 7 8 9 10 11 12
车床加工时间(h) 2.8 3.2 1.2 4 2.7 0.9 2.5 3.3 1.7 2.5 3.6 4.7 表2
钻床加工时间(h) 4 1.3 1.8 2.2 3 4.5 1.7 2.5 4.5 2.5 3.8 1.9
为该工厂安排工件加工的次序,使得完成这批工件加工任务所需的总时间最省。 建 立数学模型并给出相应的算法。 (三)如果这 12 种工件都要求先在车床上加工,然后再在钻床上加工,最后再在铣床 上加工,每种机器一次只能加工一种工件,这 12 种工件加工所需时间如表 3 所示: 工件 1 2 3 4 5 6 7 8 9 10 11 12 车床加工时间(h) 2.8 3.2 1.2 4 2.7 0.9 2.5 3.3 1.7 2.5 3.6 4.7 钻床加工时间(h) 4 1.3 1.8 2.2 3 4.5 1.7 2.5 4.5 2.5 0.9 1.9 表3 为该工厂安排工件加工的次序,使得完成这批工件加工任务所需的总时间最省。 建 立数学模型并给出相应的算法。 (四)对于上述问题你做出的数学模型和相应的算法给出评价。并将模型推广到 n 个工 件在 m 台机器上加工的一般的工件排序问题,给出你的想法和解决问题的思路。
3. 符号说明
yij ai
为 0/1 变量 为 i 工件的车床加工时间 在最优排列下第 j 次在车床加工的时间 为 i 工件的钻床加工时间 在最优排列下第 j 次在钻床加工的时间 为 i 工件的铣床加工时间 在最优排列下第 j 次在铣床加工的时间 第 i 种工件在车床的完工时间 在最优排列下第 j 种工件在车床工件的完工时间
计划排序问题中的车间作业问题,研究 n 个工件在 m 台机器上有序的加工问题, 每 个工件都有完工的日期(DD,Due date),加工的时间(PT,Processing time)和工件的 价值(VAL,Value if job is selected).车间作业计划研究一个工厂生产工序的计划和安 排,需要计划与合理安排各个工件在这些机器上加工的先后次序,即拟订加工工序, 通 过各个工件在各种机器上加工次序的合理安排,使得完成这批工件加工任务所需的总时 间最省(注:总时间即为各个零件的加工时间和加工其他零件时它们等待时间之和) 或 要求整个选择加工的工件价值最大。 有一个工厂现在有 12 种工件(编号为工件 1,工件 2,…,工件 12)需要在车床, 钻床,铣床几种不同的设备上加工。考虑下面的工件加工的排序问题: (一)这 12 种工件都要求在车床上加工,车床一次只能加工一种工件,这 12 种工件加 工所需时间,每个工件的完工时间和每个工件的价值如表 1 所示: 工件 1 2 3 4 5 6 7 8 9 10 11 12 加工时间(h) 2.8 3.2 1.2 4 2.7 0.9 2.5 3.3 1.7 2.5 3.6 4.7 完工时间(h) 9 7.5 15 23 10 22 17 33 7 18 25 11 表1 1、不考虑工件的完工时间和工件的价值,为该工厂安排工件加工的次序,使得完成这 批工件加工任务所需的总时间最省。建立数学模型并给出相应的算法。 2、由于工件必须在它们要求的时间内完工,按照表 1 的数据,为该工厂安排选择加工 工件的种类及加工的次序,使得整个选择加工的工件价值最大。建立数学模型并给出相 应的算法。 (二)如果这 12 种工件都要求先在车床上加工,然后再在钻床上加工(即工件在钻床 加工之前必须先在车床上加工过),每种机器一次只能加工一种工件,这 12 种工件加 工所需时间如表 2 所示: 工件价值 8 4 16 3 7 20 17 11 7 12 5 18