工厂工业4.0启发式算法生产排程排产系统

本研究着重于解决工厂生产计划与车间排程问题，产品结构的多个终端产品。在该情况下的工作中心的能力是有限的，多个工作阶段是顺序是相关的，在这项研究中提出的算法能够计划工作，同时最大限度地减少延迟时间，周期时间，并提前。本研究提出一个启发式算法，称为启发式的工厂规划算法（HFPA），解决了工厂规划问题。原型构建和测试，以表明HFPA的有效性和效率。这被证明使用计算和复杂性分析算法。
在供应链运作中，包括材料供应商，制造商，分销商，批发商，零售商和客户的参与，努力降低成本和实现利润最大化。但是，各利益相关方可能有相互冲突的目标，并对整个供应链的利润可能会受到不同的利益相关者，不能带入协议和协调。为了应对这些挑战，高级计划与排程（APS）方法的发展，以整合整个供应链的规划活动，提供强有力的规划程序和方法，能够迅速作出反应，例外异常情况。一个完整的APS系统包括四个主要模块：战略规划（SP），需求计划（DP），总体规划（MP），和工厂规划（FP）。在这四个模块，FP是最重要的一个真实世界的生产实际问题环境。 FP产生一个典型的序列相关的调度问题解决工厂时间表，决定如何安排所有的工作，在每一个时期，同时满足的优先约束。 FP的问题进行了研究，在各种行业为宗旨最大限度地降低成本。例如，研究了生产调度问题COMPAL SA，一家食品厂设在葡萄牙里斯本，Tahamassebi描述了一个系统的生产计划，在联合利华，一家国际公司生产营养，卫生，个人护理产品等。FP问题的解决热塑性塑料的工厂。由于巨大复杂的现实世界中的调度问题，FP也是在APS的最困难的模块之一。单机总延迟时间的问题已经被证明是NP-hard问题，而更复杂的多机问题，其中包括优先约束，也有资格为NP-hard问题。更困难的是，调度的问题，需要考虑现实的制约，如设置，多种的目标。
以往的研究通常采用的线性规划（LP），非线性规划（NLP），或在他们的解决方案过程中的混合整数规划（MIP）。 Tahamassebi构建了MIP模式来解决FP一个简单的问题，但该模型需要15个小时以上，生成解决方案。研究的APO工具的使用LP优化引擎开发的CPLEX解决MP问题。总的计算时间为在10小时和20小时之间，在现实世界中的规划环境，这是不能接受的。研究人员还要求精确算法能够产生最佳的解决方案FP在多项式时间内的问题，有时会是成功的。例如，与Johnson的著名的规则，它是有可能实现的最小完工时间为两机流水车间调度问题。然而，约翰逊的规则，不能一概而论产生最优调度一般涉及两个以上机器的流水车间问题。基于MIP，LP和精确的算法是不切实际的，启发式算法常常被所采用的补充。最广泛采用的启发式遗传算法（GA）。已经开发了基于遗传算法的方法。以解决各类工厂的供应链网络的规划问题。效率低下，GA工业4.0为基础的方法已被忽略，在越来越多的客户需求的情况下，例如，Vercellis用于解决生产计划一个MIP制定的问题，在每两个阶段的制造系统与并行机和多个产品流依次通过两个阶段。