可重入钢管生产线仿真优化:基于EM-plant的遗传算法调度研究
63 浏览量
更新于2024-09-04
收藏 486KB PDF 举报
"基于EM-plant的可重入钢管生产线仿真与调度"
本文探讨了在钢管生产过程中遇到的可重入性问题,并提出了利用仿真优化方法进行解决的策略。作者陈晓慧、张启忠和段鹰等人通过在eM-Plant仿真软件中构建模型,针对资源和策略进行了深入研究。他们运用遗传算法优化了投料策略和派工策略,以此提高生产线效率。
在无缝钢管生产中,由于市场需求的多样化,生产方式正转向多品种、小批量的面向订单制造。钢管的生产工艺复杂,涉及多种规格和步骤,包括管坯连铸、加热、穿孔等。这种复杂的生产流程导致了生产计划与调度问题的挑战性。
现有的研究主要集中在组批计划和轧批排序计划两个方面。组批计划关注如何将用户合同转化为合理的轧制批计划,而轧批排序计划则侧重于确定各个轧制批的生产顺序。尽管已有文献提出了启发式算法、遗传算法以及混合整数非线性规划模型等解决方案,但这些研究大多局限于单一的生产流程,例如JobShop或FlowShop调度模型。
然而,实际生产中,尤其是中小型企业,往往存在多道次加工的情况。以重庆钢铁集团三钢公司的冷拔无缝钢管生产线为例,热轧和精整阶段为一道次,但在冷拔阶段,由于设备限制和产品规格多样性,小径无缝钢管需要多次冷拔,这就产生了可重入生产现象。可重入生产意味着产品在某个阶段完成后,需要返回到之前的一个或多个阶段进行进一步加工,增加了调度的复杂性。
作者们在eM-Plant中模拟了这种可重入生产,通过遗传算法优化了投料和派工策略,结果显示,遗传算法在解决此类问题时表现出强大的优化能力和稳定性。这一工作不仅提升了生产效率,也为解决类似复杂生产环境中的调度问题提供了新的思路和方法。
关键词:可重入生产;EM-Plant;仿真;调度;遗传算法
通过这项研究,我们可以认识到在面对具有可重入特性的生产线调度问题时,利用先进的仿真工具和优化算法能有效提升生产效率,同时,对于实际工业场景中的复杂生产流程,需要结合企业实际情况,设计适应性强的调度策略。
2021-09-21 上传
2021-09-29 上传
2021-05-28 上传
2022-08-03 上传
2019-09-20 上传
2022-03-02 上传
2008-11-05 上传
点击了解资源详情
点击了解资源详情
weixin_38565801
- 粉丝: 3
- 资源: 970
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手