基于遗传算法的多目标过程的能耗和车间生产优化外文翻译资料

 2021-11-28 09:11

基于遗传算法的多目标过程的能耗和车间生产优化

摘要：

能源价格的上涨和减少排放的要求是制造企业面临的新挑战。由于机器利用不足，造成大量的能源浪费。因此，当机器闲置相对较长时间时，可以通过关闭机器来实现节能。但是，关闭机器并重新打开将比让它保持闲置消耗更多能量。因此，在系统中降低能耗的有效方法是采用能够将机器上的分段短空闲时段整合为一段更长的时间的智能调度技术。这种调度将在保持生产能力的同时关闭未被充分利用的资源。本文介绍了一种双目标优化问题模型，该模型可以最大限度地减少加工车间的非加工电力消耗和总加权延迟。关闭/开启是一种节电方法。开发了一种基于NSGA-II的新型多目标遗传算法。为了扩展解决方案池然后选择精英解决方案，引入了两个新步骤。本文提出的研究主要集中在经典的车间环境，这种环境在制造业中得到广泛应用，并为节能提供了可能。该算法有效运用在作业车间问题实例上并得到验证。

关键词：

节能生产计划，可持续化生产，工作车间调度，多目标优化，遗传算法

1.简介

能源价格的上涨和当前的可持续发展趋势给制造企业带来了新的压力（Kilian，2008）。 因此，许多现代制造公司的目标是降低能耗，以节省成本并变得更加环保（Mouzon等，2007）。 基于之前的研究（Fang 等，2011; Mouzon和Yildirim，2008），已经证明这种方法对于降低制造公司的能耗是可行和有效的。 尤其是对于大规模生产的情况，其中超过85％的能源被与组件生产无直接关系的功能消耗（Gutowski等，2005）。

我们的研究主要集中在典型工作车间的多目标调度方法，因为从减少能耗的角度来看，他们没有得到很好的研究。另外，从实际角度看，绝大多数公司都具有加工车间生产环境的特点。在作者之前的研究中，已经引入了考虑最小化总加权延迟（TWT）和总非加工电力消耗（电力消耗和延迟-ECT）的作业车间调度问题（Liu 等，2014）。在那个阶段，非加工电力消耗（NPE）仅包括机器闲置时的电力消耗。多目标优化算法NSGA-II已被证明通过计算在每台机器上作业的最佳处理顺序来有效地减少NPE。但是，如果同时应用“关闭/开启”，则可以更好地解决ECT问题（Mouzon，2008）。因此，关闭和打开机器所消耗的电力也应包括在NPE中。这就需要开发新的多目标优化算法及其相应的调度技术，以更好地使用“关闭/开启”和调度方法。在本文中，ECT问题的电力消耗模型被扩展到整合“关闭/开启”所消耗的电力。提出了一种新的工作车间生产节电的多目标遗传算法（GAEJP）。该算法是基于NSGA-II算法设计的，为解决新的ECT问题我们扩展了两个新的步骤。在标题为“构建从1到n的调度”的算法中，新步骤的目标是双重的。首先，它创造了足够长的空闲时间让机器关闭，从而节约未被充分利用的资源。其次，它通过为系统中的每个个体制定多个调度计划来扩展可行解决方案的范围。它完成了半活动的调度的构建并将其与规则一起用作改进生产调度的规则。标题为“整体而非单个”的新增步骤旨在将优秀的解决方案保留在扩大的可行调度范围内。本文提出的优化框架在降低电力消耗方面优于NSGA-II，同时保持了经典调度目标的良好价值。

在本文的其余部分，第2节给出研究背景和动机，之后是第3节中对研究问题和模型的描述。在第4节中，描述了为解决上述生物目标调度问题而开发的GAEJP。 第5节介绍了证明该算法有效性的实验结果。第6节介绍了未来研究工作的推论和讨论。

2.背景和动机

Mouzon等（2007）发现，在许多制造公司中，非瓶颈机器总是处于闲置状态。作者收集了小型零件飞机供应商的四台数控机床车间的时间和耗电量数据。根据数据，平均而言，机器在8小时轮班期间保持16％的空闲时间。这部分电力属于非生产用电量，可以通过调整计划来减少。基于一个铸造节能的工业案例，Artigues等人（2013）推广考虑能源和节省成本的并联机器模型。通过树搜索使用分支方案的调度已被用作节能方法。Tang等人（2000）和Tang和Wang（2008）研究了调度、生产计划和配料方法，以提高钢铁生产的能源和成本效率。然而，以环境为导向的目标进行调度的研究数量仍处于起步阶段，不过呈现出增长的趋势。例如，Fang等人（2011）考虑减少流水车间的峰值功率负荷。Bruzzone等人（2012）开发了一种方法来修改柔性流水车间的作业计划，以便调整到最大峰值功率约束。Du等人（2011）开发了偏好矢量蚁群系统，以最小化混合流水车间的制造跨度和能量消耗。另一项关于流水车间的工作是由Mansouri等人开发的（2016）。作者考虑节能模拟了一个序列相关的两个机器排列流水车间。并提出了一种建设性的启发式方法来弥补完工时间和能源消耗。Dai等人（2014）提出了一种结合了遗传算法和模拟退火算法，以提高车间的能源效率的新的解决方案。 Subaiuml;等人（2006）考虑在表面处理过程中通过减少能量消耗和废物的产生的优化调度问题，而不改变原始生产率。Zhang等人（2012）在考虑了能耗的降低和调度效率的提高的同时为柔性制造系统中的动态调度开发了目标规划数学模型。王等人（2011）提出了一个选择适当的批次和顺序，提高油漆质量和减少重新涂漆的方法，从而减少汽车涂装车间的能源和材料消耗的最佳调度程序。 Zanoni等（2014）建模并研究了由两台串联机器和三台存储组成的系统。针对不同情况，让系统的生产，存储和能量成本的最小化，从而导出最佳批量大小。Luo（2013）和Liu等人（2015）提出了分别在混合流水车间和作业车间环境中存在使用时间的电价来降低电力成本的新的元启发式算法。Gahm等人最近提供了关于节能调度发展的全面综述（2016）。

Kordonowy（2003）开发了一种方法来改变加工过程的总用电量。继Mouzon（2008）和He等人的这项工作和研究之后（2012），我们将机床的电力消耗分为两个部分：非处理电力消耗（NPE）和处理电力消耗（PE）（Liu等，2014）。 NPE与机器启动，关闭和空转相关。它也可以从以前的工作中识别，在系统中，典型的节电方法包括：调度，关闭/开启和处理路线选择。通过改变机器上的作业顺序，调度方法可以减少制造系统中的总闲置电力消耗。关闭/打开（Mouzon，2008）允许机床在闲置时关闭以节省电力。调度和关闭/开启可应用于任何类型的制造系统以减少NPE。但是，对于工艺路线选择有一个限制，它不适用于没有替代路线的车间，也不适用于具有相同替代工作路线的车间。它需要优化方法以使上述三种方法最佳地用于实现电力消耗减少。 Mouzon等人提出了调度规则，遗传算法和随机自适应搜索程序（2007）和Mouzon（2008）最佳地使用这三种方法来减少单机和并行机环境中的总NPE和PE。He等人（2012）使用PRS来降低多变的工作车间环境中的总体PE和总NPE。

阅读相关文献可以得出结论，在没有并行机器的典型作业车间环境中采用运行研究方法来降低总能耗尚未得到很好的研究。 作者提出了考虑最小化TWT和总闲置电力消耗的作业车间调度问题的一般模型（Liu等，2014）。之前的工作证明，在基础工作车间，通过调整调度计划可以减少总NPE，NSGA-II有效地实现了这一目标。 然而，通过观察NSGA-II提供的解决方案，可以发现，如果以最佳方式一起应用调度和关闭/开启，则可以进一步减少NPE。 这导致描述遵循下一节中提出的ECT问题的新数学模型的NSGA-II实质性改变。

3.符号和问题陈述

问题陈述中使用的符号，算法描述和整篇论文如下：

工作车间问题：

i, k, l

工作，机器和工作业务的指数

J

一组有限的n个工作，

M

一组有限的m台机器，

的有序操作的有限列表，

在机器上处理的作业的第l次操作

处理操作时间

将作业的释放时间释放到系统中

工作的截止时间

重量，即工作的重要性

s

可行的时间表

时间表s中作业的完成时间（即，的最后一次作业的完成时间）

作业的延迟，定义为

决策变量，表示机器上预定义的操作分配; 如果在上处理作业的第l个操作，则，否则为0

在机器上处理的有限操作列表，

在可行的时间表s中在机器上处理的第r次操作

在机器上开始操作时间

在机器上完成操作时间

能源消耗：

t

时间

机器的输入功率

机器的空转功率

关闭机器并再次打开所需的时间

机器关闭再重启耗电量

机器在经济上合理的关闭/开启的非空转的平衡时间段

关闭/开启应用于和之间的空闲时间，决策变量，否则为0

遗传算法：

N

数量规模

第t代的个体p

分配给的有限解决方案，

在1到n解码之后分配给的解决方案的数量

对应的个体的第v个可行解决方案

家族成员人数，

在中的第v个家庭成员

N#39;

创建家族后的数量规模，

N#39;#39;

将“基于非支配排序的个体拒绝”应用于数量中的N#39;个体后的种群规模

Pareto前置中的边界解，具有所选目标函数中的最小值

Pareto前置中的边界解，具有所选目标函数中的最大值

，

分别为第一组和第二组的

Liu等人正式定义了双目标ECT问题（2014）。然而，在该研究中，NPE仅包括机器闲置时的电力消耗。在本文提出的研究中，关闭/开启应用于节电，其消耗的电量包括在NPE的计算中。该模型的第一部分描述了经典的作业车间调度问题，其中有限的一组n个作业将按照预定义的顺序在有限的一组m个机器上处理。每个作业被定义为一组有限的有序操作，其中是在机器上处理的作业的第l个操作，并且需要处理时间。每个作业都有一个进入系统的释放时间和一个必须处理它的截止日期。可以使用重要性因子来区分不同的作业。给定可行的时间表s，让表示在时间表s中工作的完成时间。作业的延迟定义为。第一个优化目标是最小化所有作业的总加权延迟：
最小化

读者可以参考Pinedo（2012）了解有关作业车间模型的更多详细信息。

ECT模型的第二部分描述了电力消耗。它包括关闭/开启所消耗的电力。机器的功率输入模型Mk当它处理操作时假设每台机器具有三个恒定的功耗水平：空闲时间，切换运行模式和执行实际切割操作（Kordonowy，2003）。机器随时间需要的输入功率被定义为由图1中的红线表示的阶梯函数。机器的空闲功率水平由定义。总处理时间被定义为冷却液开启和关闭之间的时间间隔。通过减少非处理电力消耗总量（NPE），可以实现降低ECT总耗电量的目标。因此，最小化工作车间中执行给定时间表的总NPE的目标可表示为：
最小化

式中为调度s的机器的NPE。NPE是调度计划的函数，需要用计划在机器上处理的不同操作的顺序来表示。设表示将在上处理的有

英语原文共 14 页

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章