一个单件车间生产作业计划优化模拟系统

针对中小批量单件车间生产作业计划生成与再生问题,集成Visual Foxpro5.0与Siman 3.51开发了一个系统原型,包括模拟模型生成器、时间参数推算器和禁忌搜索算法。用模拟模型生成器得到一个比较详细的中小批量单件车间生产作业计划方案,以此为初始可行解,再用时间参数推算器和禁忌搜索算法进行优化,得到一个优化了的车间生产作业计划方案。实验表明,本系统较好地解决了中小批量单件车间生产作业计划生成问题。     

生产作业计划问题的知识表示研究

根据生产作业计划问题的特点, 引入人工智能与知识工程的知识表示理论, 以提高生产作业计划编制方法及其软件系统的动态适应性为目标, 以解决工艺流程、产品构成图等符号化知识在计算机中的表示以及问题的辨识处理和信息的扩充为突破口, 提出一种基于知识的生产作业计划问题的树状表示法, 设计建立相应的问题知识表示支持系统, 为建立面向动态环境的生产作业计划编制系统奠定研究基础, 有利于深化生产过程实时控制与生产调度研究.     

Make-to-Order 模式下多产品占线生产策略研究

本文研究的是按订单生产模式企业面对需求不确定条件下的生产决策问题.这类企业经常会遇到如下情形:客户的产品订单需求变动具有不可预期性,同时生产单批产品的固定成本较高,企业在承担一定的延期惩罚费用的条件下可以延期交货.因此需要考虑采用某种适当的生产策略来减少成本损失,即需要研究在未来产品订单需求不确定的条件下确定在什么时间对哪个产品进行生产使得总的固定生产成本及延期惩罚成本最优的决策问题.以往的研究一般都是假设包括订单到达时刻和订单需求量等需求信息是随机波动的,而实际情况中这些信息常常是不可预测且不能用概率分布刻画的.因此,本文从占线理论出发考虑了未来订单需求信息未知情形下的最优生产决策问题,构造了相应的数学模型,设计了一个竞争策略,证明了其具有较好的常数竞争比.数值分析进一步验证了该策略的有效性.     

基于不确定纯语言混合调和平均算子的多属性群决策方法

在现实生活中,由于决策者对一些特定领域问题的熟悉度和时间限制等因素制约,决策信息一般以不确定纯语言的形式给出,即专家权重、属性权重及属性值均为语言标度的形式. 本文研究了不确定纯语言环境下的多属性群决策问题,给出了不确定环境下的纯语言有序加权调和平均(UPLOWHA)算子,纯语言混合调和平均(UPLHHA)算子等,研究了基于这些算子的纯语言多属性群决策问题,提出了相应的多属性群决策方法. 该方法计算方便且能充分利用已有语言决策信息. 同时,将该方法应用于解决虚拟企业中的合作伙伴选择问题,并通过与其他方法的比较分析,说明此方法的有效性.     

考虑不同碳排放处理模式的动态供应商选择及采购批量问题研究

不同的碳排放处理模式及不确定的市场需求等因素影响下,如何选择供应商并确定采购批量直接影响企业的运营和效益。本文在多时间周期、多产品种类、多供应商及随机需求情形下,同时考虑不同碳排放处理模式,分析动态供应商选择及采购批量等最优决策问题,构建混合整数非线性规划模型。通过设计变异算子和扰动因子来改进粒子群算法,力求在短时间内求解大规模决策问题。针对不同规模供应商选择及采购批量决策问题,采用精确方法、近似方法和改进粒子群算法求解。数值实验验证了模型及改进粒子群算法的有效性和可行性,分析了碳税、碳交易价格及碳限额对供应链管理的影响,并给出了供应商选择及碳排放处理的决策参考建议。     

允许缺货且具有随机缺陷率的EOQ模型研究

生产系统不完善、自然灾害、运输等因素对传统EOQ模型中产品质量100%合格的假设提出了巨大的挑战.本文考虑了含有缺陷率且允许缺货的库存模型,其中产品检验过程与补货过程同步进行,时间范围是无限的,每个订货周期可以看成是一个更新过程.通过建立具有随机缺陷率的模型,运用更新酬劳过程方法得到期望利润表达式,确定最优订购策略,并且运用具体算例进行了验证,最后通过实验仿真探讨了不同均值和方差下缺陷率对最优订购策略的影响,同时还研究了检验速率和单位持有成本对最优订购策略和期望总利润的影响.     

具有不确定信息的风险型多目标决策理论及应用

具有不确定信息的多目标决策问题是一类常见的决策问题。给出该决策问题指标的分类方法和指标值的规格化公式,建立方案的距优距劣综合加权距离为最小的目标函数,从而得到一类求解这一问题的数学模型,并给出了一种目标权重的确定方法,很适用于实际问题,为解决不确定性系统的多目标决策问题提供了一种思路和方法。最后将其应用到水资源系统风险决策的一个实例中,表明了方法的可行性。     

目标规划在阶段评标中的应用

目前在集中招标项目的招投标阶段,传统评标方法中存在一些缺陷.本文在集中招标项目的评标中引入了3个评标因素:资源可用量,质保期,承包商过去业绩.为解决此多目标决策问题,本文构造了一个目标规划模型,对投标方案进行排序.该方法有利于科学、公平、公正地进行评标,确定中标人,且易于在计算机上实现.     

基于时空约束的大规模农产品时间柔性生产计划网络优化研究

随着农村土地有偿流转, 农民专业合作社、农业企业等各农村经济实体拥有大规模的土地, 为实现农产品规模化生产和集约化经营, 各农村经济实体需要根据土地资源、农业信息、生产技术制定农产品生产计划。鉴于此, 本文主要针对农产品生产计划决策问题先后建立网络、线性和非线性模型。首先根据农产品生产的时空特性和农产品生产时间柔性引入网络流规划构建网络模型;通过网络流量平衡分析, 推导网络模型应满足的约束条件, 结合各农产品的定量化控制, 对大规模农产品生产网络模型进行线性优化;再进一步考虑农产品生产率的影响因素, 构建非线性约束和目标函数对线性模型进行扩展;最后通过具体实例诠释大规模农产品生产计划拟订过程。结果表明, 土地满负荷生产农产品将打破市场的供需平衡, 容易造成"丰产不丰收"现象;利用本文模型制定农产品生产计划, 虽土地有闲置, 但在土地闲置期间, 土地肥力能得到恢复, 各种有机质能得到再生, 有利于为农产品持续生产提供良好的生产条件和环境, 有利于提高农产品的质量和产量, 增加经济效益。     

基于机会约束规划的制造/再制造混合系统生产决策

在经济利益和环境效益的双重驱动下,许多原始设备制造商纷纷开始从事再制造活动,其原有的单一制造系统因而转变为制造/再制造混合系统,传统的生产计划面临着一些新的挑战.本文针对制造/再制造混合系统的生产决策问题展开研究,考虑处置策略以及回收和需求的不确定性,建立问题的机会约束规划模型,并设计遗传算法进行模型求解,最后给出了算例验证其有效性.     

基于CVaR与矩匹配方法的外汇储备资产配置动态随机优化模型

本文建立了一个动态的随机优化模型,对我国外汇储备在国际资产中的配置问题进行研究。采用基于矩匹配方法生成的情景树代表资产价格波动与币种间汇率变动的不确定性,将管理当局对于外汇储备安全性、流动性、收益性的要求统一纳入模型中,最终计算出外汇储备各资产的动态配置比例。结果表明,运用动态随机优化模型对我国外汇资产进行动态配置灵活、有效。     

资产负债管理多阶段模型研究

综述了资产负债管理多阶段模型及应用的研究状况,评述了相关的研究文献。分别从资产负债管理多阶段模型、银行资产负债管理、养老金与保险公司、金融计划、动态的资产配置以及情景生成几个方面进行了探讨。最后结合我国有关的研究与应用现状,提出一些待研究的方向。     

Intelligent scheduling model and algorithm for manufacturing

This paper puts forward an intelligent scheduling model based on Hopfield neural network and a unified algorithm for manufacturing. The energy computation function and its dynamic state equation are derived and discussed in detail about their coefficients (parameters) and steps (Delta t) in iteration towards convergence. The unified model is focused on the structure of the above function and equation, in which the goal and penalty items must be involved and meet different schedule models. The applications to different schedule mode including jobshop static scheduling, scheduling with due-date constraint or priority constraint, dynamic scheduling, and JIT (just in time) scheduling are discussed, and a series of examples with Gantt charts are illustrated.     

Improving Performance in Outpatient Appointment Services with a Simulation Optimization Approach

Outpatient health care service providers face increasing pressure to improve the quality of their service through effective scheduling of appointments. In this paper, a simulation optimization approach is used to determine optimal rules for a stochastic appointment scheduling problem. This approach allows for the consideration of more variables and factors in modeling this system than in prior studies, providing more flexibility in setting policy under various problem settings and environmental factors. Results show that the dome scheduling rule proposed in prior literature is robust, but practitioners could benefit from considering a flatter, “plateau‐dome.” The plateau–dome scheduling pattern is shown to be robust over many different performance measures and scenarios. Furthermore, because this is the first application of simulation optimization to appointment scheduling, other insights are gleaned that were not possible with prior methodologies.     

Efficient jobshop dispatching rules: Further developments

Many dispatching rules for scheduling in dynamic jobshops have been proposed over many years. The research issues in jobshop scheduling seem to be still open in the sense that no single rule has been found to be the best under all shopfloor conditions even with respect to one single measure of performance. Added to this problem, there are several measures of performance, e.g. the minimizations of mean, maximum and variance of flowtime, percentage of tardy jobs, and mean, maximum and variance of tardiness of jobs. Recent studies have reported the development of more efficient dispatching rules than the popular rules, e.g. SPT, COVERT, MOD and ATC. This study is an attempt to improve some of the recently reported dispatching rules. An extensive simulation study reveals that the improved rules developed in the present study appear to be quite effective in minimizing mean flowtime, and maximum tardiness and variance of tardiness of jobs.     

Randomized selection algorithm for online stochastic unrelated machines scheduling

Journal of Combinatorial Optimization - We consider an online stochastic unrelated machines scheduling problem. Specifically, a set of jobs arriving online over time must be randomly scheduled on...     

作业车间的模糊动态调度问题研究

本文针对作业车间的模糊动态调度问题,给出了该问题的生产系统描述、建模,给出了基于工件到达时间三角模糊数的计算确定重调度时段划分点的模糊动态调度策略,通过一种基于时间分解的策略将作业车间的模糊动态调度问题转化为一系列不一定被完全执行的静态模糊子调度问题求解。针对模型的求解给出了改进的G&T算法,将改进的基于关键路径的邻域交换技术引入遗传算法变异算子的设计,改善了算法解的局部寻优能力。仿真实验结果表明,本文给出的作业车间模糊动态调度模型是正确的,提出的算法有效,且动态调度策略具有鲁棒性。     

Scheduling and performance analysis under a stochastic model for electric vehicle charging stations

Wide-spread infrastructures for electric vehicle battery charging stations are essential in order to significantly increase the implementation of electric vehicles (EVs) in the foreseeable future. Therefore, we propose a stochastic model and charge scheduling methods for an EV battery charging system. We utilize a flexible Poisson process with a hidden Markov chain for modeling the complexity of the time-varying behavior of the EV stream into the system. Relevant random factors and constraints, which include parking times, requested amounts of electricity, the number of parking lots (charging facilities), and maximal demand level, are considered within the proposed stochastic model. Performance measures for the proposed charge scheduling are analytically derived by obtaining stationary distributions of states concerning the number of inbound EVs, waiting time distributions, and the joint distributions of parking time and electricity charged during random parking times.     

Scenario aggregation in single-resource production planning models with uncertain demand

In this paper we present an application of the scenario aggregation approach proposed by Rockafellar and Wets to a simple standard multi-product multi-period production planning problem with uncertain demand and setup cost modelled by logical zero-one variables. The uncertainty in demand is expressed by a number of demand scenarios. As compared with more traditional approaches that require distributional assumptions and/or estimates of parameters from historical demand data, the scenario approach offers greater flexibility and makes it possible to take subjective information into account. The scenario aggregation principle and the corresponding progressive hedging algorithm offer a theoretically sound basis for generating consistent solutions for production planning models with uncertain demand. Since the production planning problem studied in this paper is of mixed-integer type the original scenario aggregation approach cannot be applied directly. However, since the integer variables in the production planning model are indirectly coupled to the continuous production decisions an alternative method in which only the production quantities are used to couple the different realizations can be used. This paper is a first attempt to perform this form of coupling. We illustrate the ideas on a small example and use this example to demonstrate how the solution can be evaluated in terms of flexibility measures.     

绿色供应链中不对称需求预测下的信息共享研究

研究了由一个制造商和一个零售商组成的绿色供应链和他们的需求预测信息共享问题。考虑了两种方案：订货型生产方案和库存型生产方案，两种方案下分别考虑了无信息共享和信息共享两种情况。分析了预测信息对两种方案下制造商利润、零售商利润和信息共享价值的影响，同时研究了绿色成本系数对信息共享的影响。研究表明，两种方案中制造商始终能从信息共享中获利，而零售商只有在制造商绿色成本系数较低时才会自愿共享预测信息。当绿色成本系数较高时，制造商可以通过一个讨价还价合同，促进零售商进行信息共享。当绿色成本系数很高时，供应链成员之间不存在信息共享。此外，库存型生产方案中信息共享带来的总收益增量要高于订货型生产方案，因此，库存型生产方案中参与者信息共享的可能性要高于订货型生产方案。