一、基于多目标优化的企业生产方式决策研究（论文文献综述）
徐明晓[1]（2021）在《装配式建筑预制构件生产调度多目标优化研究》文中认为装配式建筑生产方式作为我国建筑业转型升级的重要手段,被广泛推广和使用。预制构件生产是装配式建筑建造的核心环节,其进度安排科学性对整个工程进度具有重要影响,进而影响装配式建筑项目成本和效益。目前装配式预制构件生产进度安排主要依赖调度人员的过往经验,系统性、科学性和持续优化往往考虑不足,容易出现构件生产难以匹配施工进度、施工成本增加和生产效率降低等问题。预制构件生产进度计划安排的科学性和合理性有利于预制构件生产运输效率提升,对装配式建筑发展具有重要意义。本文首先分析了预制构件生产过程及工艺特点,并借鉴传统流水车间生产调度理论构建了装配式预制构件生产调度模型。模型系统考虑模具种类和数量、养护窑数量、缓冲空间、工作时间等约束条件的限制,以及工人负荷对构件各工序加工时间的影响,建立了以最小化生产完工时间和最小化惩罚成本为目标的双目标生产调度优化模型。其次,基于所构建的构件生产调度数学模型,采用带有精英策略的非支配遗传算法进行调度方案优化计算。根据构件生产特点设计编码和解码方式,分析构件调度的算法实现过程,通过论述算法的非支配排序过程和精英保留策略,选择适合预制构件的遗传操作方法进行调度模型的算法实现。最后,对北京市某装配式建筑项目的预制构件生产过程进行案例研究。应用Matlab软件进行了该案例中某批次预制构件的生产调度优化计算,得到了多组Pareto构件生产排序,同时分析了各约束条件对优化目标的影响。该案例应用结果表明,本文建立的预制构件生产调度多目标优化模型可以为预制构件生产调度多目标优化提供有效的解决方案,可满足缩短生产完工时间和减少惩罚成的需求。本文的主要创新点是:相较于已有的装配式建筑预制构件生产调度优化研究,本文进一步完善了预制构件生产过程的约束条件,并考虑工人负荷对预制构件各工序加工时间的影响。
刘强[2]（2020）在《复杂产品总装生产线资源配置优化研究》文中研究表明飞机、轮船和汽车等大型复杂产品的装配制造对于提升国家整体工业水平、促进科技进步和带动产业升级具有重大的意义。复杂产品总装对于最终产品质量、成本和交付时间具有决定性影响,总装过程普遍具有人工安装环节多、工作空间受限和作业周期长等特点,广泛存在资源利用率低、停工等待现象多等问题。随着制造业产能需求结构的变化,复杂产品由传统单品种、大批量的生产模式,转变成多品种、变批量的生产模式。由于我国复杂产品的装配制造过程中长期存在生产周期长、资源利用率低的特点,难以满足市场变动产能需求。为此,本文研究复杂产品总装线的资源配置优化,提升复杂产品总装线对市场变动产能需求的快速响应能力。本文主要研究工作如下:（1）本文结合国内外装配线平衡问题和多目标优化问题研究现状,分析了复杂产品总装线资源配置过程中存在的难点问题,并从流程角度阐述了复杂产品总装线的资源配置优化方法,针对总装线中的资源配置优化问题构建数学模型,并对其求解方法进行进一步研究。（2）针对复杂产品总装线的资源配置优化问题,建立了基于多目标优化算法NSGA-Ⅱ的求解框架:在考虑装配顺序约束的条件下,以装配线节拍最小和资源总量最少为优化目标,构建多目标优化数学模型,并通过NSGA-Ⅱ算法求解数学模型。（3）通过充分调研某飞机公司的总装车间,根据真实的飞机总装工艺数据,简化实际装配过程中的复杂约束后改写飞机总装工艺数据,并以此为测试数据,运用NSGA-Ⅱ算法验证本文提出的资源配置优化方法。验证结果显示,优化后与优化前相比,在相同的节拍下,资源总量降低12.24%,装配线平衡率提升7%,装配线平滑性指数降低65.02%。通过分析与测试验证,证明了本文提出的资源配置优化方法可以有效降低复杂产品总装线的资源消耗,提升装配效率。
刘岩峰[3]（2020）在《多重不确定性需求下装备制造企业多品种生产计划方法研究》文中进行了进一步梳理企业战略目标的实现依赖于对战略指导下的生产经营活动的计划及实施。生产系统运行管理的首要职能就是对系统生产活动的计划管理。企业生产计划又是企业的总体生产大纲,在实际应用中使用较为广泛的如企业资源计划ERP、制造执行系统MES等,都需要依据生产计划大纲才能转化为可具体执行的生产作业计划并加以实施和控制。作为制造业的核心,装备制造企业在国民经济和工业建设中的地位及其重要。伴随着工业革命持续推进,客户对产品的需求也逐渐定制化、多样化,使得生产变得复杂化、分散化,装备制造企业开始转向多品种小批量生产,装备产品生产越来越柔性。产品生产的发展特征也逐渐表现出个性化、多样化。与此同时,也使装备制造企业多品种生产计划面临着客户需求多样个性、动态多变和难以预见的新挑战。但通过对覆盖了7个大类装备制造业137个企业进行访谈和问卷调查表明:相对于最终消费品制造企业而言,装备制造企业由于其产品知识密集,产品比较专业化和复杂化,设计制造上顾客参与度低以及需求变更、修改订单等原因,生产计划制定仍然面临着诸多的不确定性需求问题。当前企业都面临着市场需求的多样化、定制化和持续多变的环境问题。为了能够快速应对外部需求不断变化,如何制定计划是企业组织生产活动和生产过程的永恒主题。因此,迄今已有众多关于生产计划方法方面的研究成果,但这些方法主要是针对确定性需求或是需求数量不确定、需求数量-期限不确定情形下的生产计划制定,生产实际中大多还是基于经验或数学方法,并通过反复实验或称“试错法”来制定生产计划。面对客户需求品种、质量、数量、期限上的多重不确定性,如何描述客户需求的多重不确定性以及多重不确定性需求之间的关系?如何将这些多重不确定性需求关系及其需求共性反映到生产计划制定之中?又如何建立多重不确定性需求下多品种生产计划模型?这是生产计划管理理论和实践上亟待破解的难题。本文围绕装备制造企业多品种生产中,面临多重不确定性需求下迫切需要解决的生产计划方法问题开展研究,研究完成的主要工作有以下四个方面:（1）对多重不确定性需求以及装备制造企业多重不确定性需求概念进行了界定。首先,对不确定基本概念与相关理论基础进行了分析,主要从单重不确定性研究扩展到多重不确定研究,从常用的随机性和模糊性,也拓展到了粗糙性。然后,分别根据研究对象的不同和对象属性不同的特点进行了分类和划分,以及对相关文献的梳理,从而界定了多重不确定性和多重不确定性需求的概念。最后,通过对现实中的装备制造企业的需求问题进行了提炼和归纳,给出了装备制造企业多重不确定性需求的概念界定。（2）分析了制造企业多重不确定性需求以及它们相互之间的关系,并提出了生产计划应对的生产策略。首先,分别对生产计划制定的不确定性的品种、数量、质量、交货期等需求要素分析。其次,按照制造企业客户需求的影响过程,逐一明确各种需求之间的关系及相互影响,从而建立制造企业客户多重不确定性需求之间的关系模型。再次,采用动态情景分析描述装备制造企业多重不确定性需求的作用关系,提出了多重不确定性需求的各情景下的生产计划应对策略。最后,采用动态随机规划方法建立了多重不确定性需求下生产计划动态规划模型;并针对装备制造企业的实际问题,采用了不同的生产计划安排策略,包括先来先服务、短作业优先、需求时间优先以及最小转换成本策略等,并采用了算例模拟对比分析。研究表明:品种、数量、交货期、质量等需求要素存在着不确定性并且是相关影响的,算例结果证明该模型有效且有实用价值。（3）根据装备制造企业的订单变动和紧急订货情景,建立了多重不确定性需求下装备制造企业多品种生产计划模型。首先,对装备制造企业订单变动和紧急订货情景下产生的品种、数量、交货期和质量的需求变化进行分析。其次,根据满足客户需求、生产计划成本最小、产品生产周期最短、利润最大化四个生产目标,建立了具有多重不确定性的装备制造企业多目标生产计划模型。再次,在该模型中,不仅考虑了各种生产约束条件,还采用数学表达方式描述模糊不确定性数量需求,模糊不确定性交货期、由于客户和企业的认知不同产生的粗糙不确定性质量,以及在一定范围内波动的模糊价格需求等。最后,模型算例模拟求解采用了带精英策略的快速非支配排序遗传算法（NSGA-II）算法,结果表明该模型的有效性和可行性;同时将运算结果对比了带罚函数的粒子群算法求解该模型的模拟运算结果,对比结果表明NSGA-II算法求解本模型更适用。（4）构建了多重不确定性需求下装备制造企业多品种相似性生产计划模型。首先,针对装备制造企业分析了客户的离散随机的品种需求、模糊的交货期需求、随机的数量需求、模糊的质量需求。其次,对装备制造企业的产品和组件的相似性分析,建立了产品或组件的相似性计算模型。再次,针对产品或组件的相似性距离和多重不确定性需求的相似性,建立了基于FCM（模糊C-均值模糊聚类）的聚类模型。然后,根据聚类模型建立了相似生产计划模型,并利用多层编码遗传算法求解。最后,对比了SAGA（基于遗传模拟退火算法的聚类算法）的聚类分析,结果表明:SAGA聚类算法比FCM算法求解该聚类模型优越性更明显;对各模型进行模拟求解验证了模型的可行性和实用性。
张慧梅[4]（2020）在《装配式预制构件生产调度与设备预防性维护联合优化研究》文中研究表明为实现可持续发展,我国积极推广装配式建筑,但现阶段装配式建筑预制构件的生产管理效率低,缺乏科学有效的指导,在预制构件生产过程中普遍存在生产调度不合理、生产效率低等问题,这不仅增加了预制构件生产成本,同时限制着装配式建筑的发展。所以,在预制构件生产中,实现科学有效的管理,制定合理的预制构件生产计划对进一步发展装配式建筑具有重要意义。本文首先在分析装配式建筑预制构件生产流程及工序特点的基础上,建立了预制构件生产调度模型,考虑到生产过程中工人学习对加工时间的影响,在调度模型中引入了学习效应。为更加贴合生产实际,基于生产过程中生产调度与设备维护相互影响的关系,考虑设备维护的限制,以最小化总完工时间、最小化总惩罚成本和最小化总维护成本为优化目标,构建了预制构件生产调度与设备预防性维护联合优化模型,以综合决策与优化预制构件生产调度序列与预防性维护决策序列。然后,针对构建的联合优化模型,结合模型特点,改进并设计了一种多目标骨干粒子群优化算法（BB-MOPSO）以求解模型。基于骨干粒子群算法框架,采取基于ROV规则的整数编码方式,拥挤距离-锦标赛选择机制,引入了时变高斯变异算子提高种群多样性。通过利用多目标测试函数进行实验测试,将其与目前广泛应用于多目标优化求解的NSGA-Ⅱ（快速非支配排序遗传算法）进行结果对比,对比结果表明,所提算法求解性能更优。最后,将模型及算法应用于陕西省X公司的实际生产案例,运用MATLAB软件编程进行模拟仿真。与独立决策模型下决策结果进行对比,结果表明,运用本文联合优化模型可求得更优的解,且在总维护成本上优化效果最佳,优化率达20.77%。由此证明了本文模型可为决策者提供更满意的生产方案,验证了模型的合理性和有效性。为验证本文算法的可行性和有效性,将所提算法求解结果与NSGA-Ⅱ求解结果进行对比,通过在5种性能评价指标与迭代过程的多方面比较,验证了本文算法在收敛性、搜索能力和非支配解集分布性上的优异性。本文的研究为装配式预制构件生产企业制定生产调度和设备预防性维护计划提供了新的方法和思路,同时为解决实际的多目标优化问题提供了新的求解方法。
张启启[5]（2020）在《面向定制下模块化智能重组与优化方法研究》文中提出铜/铝工业是现阶段国民经济的支柱产业,在国民经济崛起过程中发挥着不可替代的作用。板带材个性化定制是企业发展必由之路,模块化产品工艺配置的性能对制造业的生产效率产生直接影响,同时产品工艺配置与工艺路线、工艺参数、轧机和轧辊等众多因素有关,各个因素相互影响、相互约束。模块化工艺配置作为制造业确保产品质量、提高效率、降低成本的关键技术,现已成为大规模定制与模块化制造领域的重要研究热点。（1）以面向定制产品的模块化工艺智能重组与优化为目标,在产品工艺智能模块划分与模块化工艺库的基础上,结合实际应用与后期算法实现需求的基础上,构建了以产品性能最大化、生产成本和加工耗时最小化为目标的模块化产品工艺优化重组数学模型。（2）提出了一种基于改进遗传算法的模块化智能重组方法。首先针对传统遗传算法的缺点进行改进,主要包括对染色体编码设计、遗传算子改进、优化遗传策略,同时结合免疫算法,改进染色体距离和距离权重调节系数使染色体均匀分布,引入亲和力指标和期望繁殖率,增加解的浓度,并通设计外部专用变量空间种群,避免陷入局部最优,最终获得最优解。（3）提出一种改进的多目标蚁狮算法来进行模块化工艺智能重组。在原有蚁狮算法的基础上,通过改变蚂蚁游走时的函数和增加蚁狮周围蚂蚁的密度与加速蚁狮捕食蚂蚁的过程,加快算法的收敛速度,同时引入外部种群,对精英种群进行复制操作,增强算法全局搜索能力,并保证了局部搜索能力,增加了最优解的精度。（4）依托科研项目实施,结合企业具体应用需求,同时为验证上述算法的有效性,开发了面向定制下客户需求产品的模块化工艺智能重组设计平台系统来验证上述重组策略的有效性,阐述了该系统的应用背景,并给出了平台系统的组织结构及其重要功能模块的主要功能,结果证明,上述所设计的重组策略能够在实际生产过程中有效为定制产品工艺提供可靠的数值参考。
常宇[6]（2020）在《煤炭绿色生产动态高维多目标模型及其优化算法研究》文中提出煤炭作为基础能源,在我国工业化发展过程中发挥着重要的作用。然而在之前的煤炭生产研究中存在两个问题:一是最多只构建了两到三个目标的煤炭生产模型,对四个及以上目标的煤炭生产模型没有研究;二是只集中于静态问题的解决,缺乏对煤炭生产过程中动态问题的研究。为此,本文提出了煤炭绿色生产动态高维多目标模型,并提出相应的算法进行优化求解。针对煤炭生产研究缺少动态高维多目标优化模型的问题,论文构建了煤炭绿色生产动态高维多目标模型。该模型考虑了经济、能源、环境、资源回收、安全五个目标,并引入煤炭生产过程中随时间变化的动态参数,为煤炭生产配置提供系统全面的指导。为了验证模型的可行性,论文以山西某煤矿的生产数据为例,使用了经典的DNSGA-II动态优化算法对所提出的模型进行了优化求解,实验结果表明该模型有效可行。为了求解煤炭绿色生产动态高维多目标模型,论文提出了基于簇中心预测的动态算法。在环境改变时,该算法使用参考点策略对种群分簇,并利用历史信息通过梯度预测方法对新环境中的簇中心进行预测。在新的簇中心生成后,利用个体高斯扰动和簇中心均匀分布两种方法对种群进行重新初始化,增强了算法跟踪Pareto前沿的能力。最后,把11个经典的静态高维多目标进化算法和基于簇中心预测的动态算法相结合,求解了煤炭绿色生产动态高维多目标模型,实验结果表明One-by-one进化算法与基于簇中心预测的动态算法相结合时具有最优的收敛性和多样性,且性能远远优于DNSGA-II。针对基于簇中心预测的动态算法需要构建参考点的方法具有局限性的问题,论文提出了一种新的算法,基于K-means聚类中心预测的动态算法。当环境变化时,用K-means聚类方法对种群进行聚类,并利用历史信息预测新环境的聚类中心。在重新初始化过程中,引入预测误差加强了预测的准确性。实验通过11个经典的静态高维多目标进化算法和基于K-means聚类中心预测的动态算法有效结合,求解了煤炭绿色生产动态高维多目标模型。实验结果表明One-by-one进化算法与基于K-means聚类中心预测的动态算法相结合时具有最优的性能。最后通过比较得出,基于K-means聚类中心预测的动态算法在收敛性和多样性方面都优于基于簇中心预测的动态算法。
刘正超[7]（2020）在《面向分布式制造的建材装备集团绿色生产调度研究》文中研究表明建材装备制造业是建材工业的重要支柱,是为建筑材料及其相关制品提供生产设备及技术支持的基础性产业。近些年,我国建材装备制造业面临着规模型企业占比小、制造资源集中度低、局部产能过剩以及企业间无序竞争等问题。因此,该产业正逐步通过集团式重组、合并等方式进行发展,由此形成了集团分布式制造模式。与此同时,随着温室效应、资源枯竭以及环境恶化成为全球性的难题,我国建材装备制造业作为传统的高投入、高消耗、高排放行业,其节能减排和绿色发展问题已经迫在眉睫。但是,由于该产业正处于集团式发展的初级阶段,集团企业内部组织机构的功能分配不够完善、集团总部对下属企业的管理能力不足等缺陷,导致了集团内部制造任务与制造资源的匹配度偏低,以及集团下属企业的制造目标不统一、协同制造水平较差等问题的凸显,进一步增加了建材装备集团企业的绿色转型难度。因此,本文针对建材装备集团分布式制造模式的特点,主要从多主体制造任务分配、执行以及协同生产管理三个方面对建材装备集团的绿色生产调度问题展开研究与探索,具体研究内容包括:（1）结合建材装备集团分布式制造模式的特征,对建材装备集团分布式生产调度过程的决策重点进行了研究。在此基础上,进一步对建材装备集团的绿色生产调度关键问题进行提炼,建立了面向分布式制造的建材装备集团绿色生产调度体系,为下文的研究提供了理论基础。（2）针对建材装备集团总部在制造任务分配过程中的绿色制造需求和多目标组合分配决策问题,提出了一种新型的集成多目标优化和人工神经网络的绿色制造任务分配优化方法,首先通过多目标优化获取大量包含决策者偏好特征的绿色制造任务分配仿真数据,随后设计相关的人工神经网络结构,并使用仿真数据对其训练,最后使用受训的人工神经网络对候选制造任务分配方案进行绿色优选,实现了建材装备集团制造任务分配过程的绿色优化。（3）针对建材装备集团下属企业在制造任务执行过程中的车间生产资源浪费问题,重点研究了考虑车间内部加工过程和运输过程综合能耗的绿色集成调度优化方法,构建了集成加工机器和运输设备调度的绿色优化模型,并设计了一种新型的带有绿色运输调度启发式策略的改进遗传算法对模型进行求解,实现了建材装备集团制造任务执行过程的绿色优化。（4）针对建材装备集团在绿色生产调度过程中发生的多主体协作冲突问题,建立了集成多目标优化和非合作博弈理论的冲突协调模型,并提出了一种新型的基于NSGA-和纳什均衡的冲突协调求解算法,通过调度优化、冲突检测、冲突协调三个过程为建材装备集团的绿色生产调度提供配套的冲突协调方案,实现了建材装备集团分布式制造的绿色协同生产管理。（5）根据论文中提出的优化理论与方法,以国内某建材装备集团企业的实际应用需求为基础,设计开发了面向分布式制造模式的建材装备集团绿色生产调度平台原型系统,重点研究了平台系统的软硬件架构及功能框架设计,并结合开发实例对平台系统的主要功能和应用效果进行了相关的展示说明。
张旭靖[8]（2019）在《服装缝制生产低碳目标管理分析与技术方法》文中提出在国际工业4.0的大背景下,我国提出了中国制造2025战略计划,服装制造业作为国民经济的重要组成部分,尚未摆脱密集型劳动力、高强度作业、生产效率低、高能耗、高排放的行业格局。加之近年来,劳动力成本和原材料成本急剧上涨,低碳经济理念深入人心,对服装生产传统的管理模式提出了挑战,服装制造业迫切需要提高生产管理的数字化、智能化水平,实现高效绿色生产,满足快速变化的市场需求。因此,本文通过建立优化模型、应用分析与计算对服装缝制生产低碳目标管理进行了系统的研究,为服装数字化、智能化、低碳化生产提供依据。首先对服装缝制生产的组织形式及其管理目标进行了分析。从生产线组织形式和生产线布局两个方面梳理了服装缝制生产线的基础。对最大生产产量目标、最少作业人数目标、最大生产效率目标和最小碳排放量目标的影响因素以及目标的层次进行了分析,并分析了单目标管理和多目标管理的技术方法。其次对单目标管理的技术方法在服装缝制生产管理方面的应用进行了研究。分别建立了以缝制生产线时间损耗率最小、缝制生产线平滑指数最小和工作地利用率最大为目标的缝制生产线平衡单目标优化模型。结合缝制生产的特点对遗传算法进行设计,并对平衡优化模型进行求解。以按照工序流程、工艺种类和服装部件工作地布置方式的男式衬衫生产线为例进行应用分析。结果表明,按照工序流程、工艺种类和服装部件工作地方式布置工作地,生产线平衡效果都很好。然后对多目标管理的技术方法在服装缝制生产管理方面的应用进行了研究。建立了以缝制生产线时间损耗率最小、缝制生产线平滑指数最小和工作地利用率最大为目标的缝制生产线平衡多目标优化模型,采用带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）进行求解。以按照工序流程、工艺种类和服装部件工作地布置方式的男式衬衫、男式西裤和男式西服缝制生产线为例进行应用分析。结果表明:同时满足三个目标的情况下,按照工序流程和工艺种类方式布置工作地,缝制生产线编制效率均高于90%;按照服装部件方式布置工作地,缝制生产线平衡效果略低于其他两种工作地布置方式的缝制生产线,但远远高于企业对生产线最低编制效率的要求。然后对服装缝制生产目标管理进行了仿真研究。对仿真模型进行了分析,确定了仿真模型构建步骤。根据服装缝制生产线的运行规则,设定仿真目标、假设条件和仿真参数,采用Anylogic仿真软件建立了男式衬衫缝制生产线仿真模型并运行。根据运行过程观察以及仿真结果分析可知,仿真生产线存在的问题与实际生产过程相吻合。根据本文提出的缝制生产线优化方案,对优化后的缝制生产线建立了仿真模型并运行。仿真结果分析可知,优化后的缝制生产线的日产量和设备利用率均高于未优化的缝制生产线。按照服装部件方式布置工作地的缝制生产线半成品传送距离短,其日产量最高。按照工艺种类方式布置工作地的缝制生产线设备利用率最高。最后对服装缝制生产低碳目标管理进行了系统的研究。根据碳排放的评价标准和核算方法,对服装缝制生产碳排放涉及的面料、辅料、缝制设备、运输、作业人员和照明设备等影响因素进行了分析,同时分别建立了碳排放评估模型。从低碳生产角度出发,建立以半成品传送过程产生的碳排放量最少和生产线面积最小为目标的缝制生产线布局多目标优化模型。按照大批量、中批量和小批量的生产模式,建立工序流程、工艺种类、服装部件三种工作地布置方式下的缝制生产线布局多目标优化模型,每种工作地布置方式又分别建立了多行、U型三行（奇数）、U型两行、U型三行四种情况的多目标优化模型。在此基础上又建立了以缝制物料配送过程产生的碳排放量最少和配送车辆（配送人员）数量最小为目标的物料配送路径多目标优化模型,以男式衬衫、男式西裤和男式西服平衡多目标优化后的缝制生产线为例进行应用分析。本文从服装缝制生产目标管理分析、单目标管理、多目标管理、目标管理仿真和低碳目标管理五个方面进行了系统的研究。建立了服装缝制生产线平衡的单目标优化模型和多目标优化模型,建立了服装缝制生产线仿真模型和仿真优化模型,建立了完整的服装缝制生产碳排放评估模型。为服装企业生产系统平稳高效地运行,降低生产成本,实现低碳生产提供理论借鉴。
任慧[9]（2019）在《Seru生产柔性分析与鲁棒性系统构建》文中指出在制造业的发展进程中,高效率的装配流水线曾推动了整个工业化的进程。然而,在当今多品种小批量市场需求下,装配线的刚性弊端日益彰显。Seru生产是基于装配线的一种新兴生产方式,综合了单件生产的柔性与批量生产的高效性,能较好地适应当前市场环境。大量企业通过实施Seru生产获得了可观利润,因此Seru生产的相关研究成为了当今运营管理中最活跃的研究领域之一。虽然Seru生产的产生背景、实施条件、Line-Seru转换等多个问题已被阐明,但是Seru生产优于装配流水线的内在机理并未得到过系统阐述。基于Seru生产的实施经验和大量研究成果,本研究先证实Seru生产相对于装配流水线的有效性。随后对Seru生产有效性的内在机理——柔性和鲁棒性进行了深入研究。首先,对多品种小批量的柔性生产环境下Seru生产的有效性进行研究。根据Seru生产与装配流水线这两个生产系统的流程设计特点以及批量产品随机到达的实际情况,以产品等待服务时间为指标比较这两个生产系统。利用排队论和马尔可夫链理论分别构建出两个系统的产品平均等待队长公式。设置不同场景对应的公式参数,并分析各场景下Line-Seru转换改变的平均等待队长。最终证明Seru生产更适应当前多品种、小批量的柔性生产环境,进而证实了Seru生产相对于装配流水线的有效性。其次,对Seru生产系统的柔性展开研究。本研究根据Seru生产系统内每个单元负责生产的产品种类数确定柔性生产结构。考虑到柔性生产结构的效率,本文关注了称为d-链的一类对称柔性结构。由于最大预期销售量表示最大程度满足需求且不产生库存的产品生产数量,本文以d-链实现的Seru生产系统最大预期销售量来度量该结构的柔性性能。先研究2-链结构,发现系统最大预期销售量可以通过求解最大流问题确定。由于2-链属于封闭链,不易研究最大流。本文研究结构近似的2-开链,并利用马尔可夫链理论获得2-开链的最大流。最终得到2-链下系统最大预期销售量,即2-链性能的度量表达式。随后,将2-链柔性的研究思想扩展到任意d-链柔性的研究中。不同的是d-链结构对应的开链具有模块化属性,需要对每部分利用马尔可夫链理论。通过数值模拟得出以下结论:（1）随着d-链d值和系统规模的增加,Seru生产系统的最大预期销售量逐渐增大。（2）需求离散程度越大,就需要配置柔性程度越高的对称链来提升系统柔性。利用本文提出的d-链性能度量方法,研究一般柔性生产策略和部分备货生产策略下Seru生产系统的柔性配置决策。在一般柔性生产策略中,基于经营杠杆构建以实现系统预期利润最大为目标的柔性配置决策模型,确定Seru生产系统最优的对称柔性结构。部分备货生产策略实质上是一个第一阶段备货生产、第二阶段柔性生产的两阶段生产。以随机需求与两阶段产能的预期错配数量度量d-链设计的Seru生产系统性能。通过数值模拟发现,虽然增加柔性程度（d值）可以减少预期错配成本,但与此同时也会增加配置成本。比较成本的增减,确定该策略下Seru生产系统理想的柔性生产结构。第三,对Seru生产系统进行鲁棒性构建研究。Seru生产系统的构建主要由设施建设和多能工配置组成。由于单元分散的Seru生产系统涉及多个地区,突发设施故障和多能工短缺的可能性较大且情况复杂,因此,本文着重从单元选址和多能工配置两方面研究该系统的鲁棒性构建。（1）研究了考虑备份供应策略下可靠的单元选址问题。为了应对设施故障导致的供应中断,采取给每个客户分配备份供应单元的鲁棒策略。实际中所有单元可能同时中断,因此存在客户需求无法满足的预期损失成本,进而提出新的客户分配准则。以单元构建、预期运输和预期损失的总成本最小为目标,建立了一个可靠的单元选址分配模型,设计遗传算法求解模型。以我国某个大型连锁企业构成的真实供应网为算例,确定最优单元位置和客户多级分配,验证模型的有效性。与已有选址分配模型对比,本文提出的模型考虑了单元能力约束,并且减少了总成本,说明本文模型更符合实际情况且优化方案具有经济效益。（2）研究了考虑预期调配策略下可靠的多能工配置问题。多能工短缺易导致外部服务损失,本文采用从正常单元调配部分多能工到受损单元的鲁棒策略来帮助恢复运营能力。针对这种情况,综合考虑受损单元初始分配人数和短缺人数,制定预期调配准则。构建以运营效率和预期调配成本为目标的多能工优化配置模型,设计NSGA-II求解模型。以某个大型企业对六个生产基地分配多能工为例,验证模型的有效性。Pareto解集中,极端追求预期调配成本最小的方案会导致部分多能工闲置,应根据实际情况设定运营效率的下界约束。对多能工短缺概率进行灵敏度分析,发现短缺概率偏小时预期调配成本较少,短缺状况对分配决策影响较小。小幅度增加短缺概率,预期调配成本明显增加,此时短缺状况将显着影响多能工的分配决策。Seru生产是一种新型生产组织形式,本论文研究成果将完善Seru生产系统理论体系,为进一步开展Seru生产研究和推进Seru生产的实施产生积极作用。
韩亚飞[10]（2019）在《基于仿真的SERU系统构建与流水线性能比较研究》文中进行了进一步梳理随着全球化进程的加快与居民生活水平的不断提高,制造业不仅面临国内外激烈的市场竞争,而且还将迎接市场需求波动的挑战。外来高科技产品的注入,顾客开始逐渐接受甚至青睐于国外产品;居民生活水平稳步提升,使得顾客的消费观念产生了巨大的改变,标准化、单一化的产品难以满足消费者多样化、个性化的需求;随着科学技术的不断发展,电子技术产品的升级速度加快,大大缩短了产品的生命周期,使市场上的产品更加多元化。因此,制造业的市场需求环境也逐渐表现出以下几个特征:产品种类多样、产品批量小、产品生命周期短、产品交付期短、产品质量要求高等。随着市场竞争变得日益激烈,制造企业将面临十分严峻的生存环境,急需增强自身在生产效率、生产成本以及生产稳定性等方面的核心竞争力。而传统的流水线生产方式难以适应复杂多变的市场需求环境,采用大规模生产的企业也开始暴露出众多问题,制造企业迫切需要对生产方式进行变革和创新。日本式SERU（赛汝）单元生产方式（简称赛汝单元生产）的提出,极大地改善了日本制造企业的生产环境。赛汝单元生产对传统的流水线生产进行了改造,使其同时具备了高效率和高柔性的特点,对多品种、小批量等市场需求环境表现出了极强的适应性。但目前相关研究只停留在确定型的生产场景下,缺乏对具有较强随机性生产场景的研究,而强随机性符合时代的发展趋势。因此,本文研究了在随机生产场景下流水线-单元转化的问题,使用仿真技术克服了精确数学模型难以描述随机性的缺陷,解决了随机生产场景下的单元构建问题,并通过与相同生产场景下流水线生产方式的性能比较与影响因素分析,以验证和解释赛汝生产方式的优势及应用场景,并为中国本土企业实施该生产方式提供指导和依据。本文研究作为国家自然科学基金重点国际合作项目（7141001024）的重要组成部分,以随机生产场景下流水线-单元转化问题为研究对象,研究其转化方法以及适用场景。本文研究的主要工作包括:1)、构建随机生产场景下描述和评价生产系统的指标体系。传统研究的性能指标主要聚焦于需求确定型订单的完工时间、总劳动时间等静态、一次性的指标。本文研究将站在随机生产场景的角度将其拓展为:单位产品生产用时的期望（TTPTR）、单位产品生产用时的变异系数（TTPTRV）、单位产品劳动力成本期望（TLCR）等三个评价指标。从不同角度丰富和发展了单元装配系统构建理论,进一步拓展了单元装配系统管理理论和方法的适用范围,为后续研究奠定理论基础。2)、优化构建随机场景下单元装配系统。本文研究将使用NSGA-Ⅱ与邻域搜索的混合启发式算法,对单元装配系统进行优化构建。将邻域搜索算法作为NSGA-Ⅱ算法迭代更新时的一种更新后代的算子进行算法嵌入,既提升了 NSGA-Ⅱ算法的局部寻优能力,又克服了邻域搜索算法依赖初始解结构的缺陷;且该混合启发式算法设置了邻域搜索概率参数,可以对求解效率和时间等性能进行权衡;一般邻域搜索概率越高,求解效率越高,而相对求解时间越长。通过对单元装配系统的构建问题进行优化求解,可求得多目标下可行的帕累托前沿解集,依据用户对不同目标的偏好选择单元装配系统的构建策略。3)、设计与建立仿真模型和仿真管理系统。为了便于比较两种生产方式的性能,需要对随机产生订单及生产现实场景进行模拟。因此,本文研究使用了仿真技术,使用Arena仿真软件建立了流水线-单元仿真模型,用以计算优化构建后单元装配系统和流水线的性能指标。同时,本文研究还设计开发了一套仿真管理系统,用于仿真模型的管理和使用,主要功能包括生产场景添加与加载、订单资源参数设置、优化构建单元装配系统、仿真运行管理、历史结果总览、设计实验、对比实验结果等,该系统简单易操作,将更有效率地帮助企业解决流水线-单元转化问题。4)、随机生产场景下单元装配系统与流水线性能比较分析。在不同的生产场景下,流水装配线的性能不一定低于赛汝单元装配系统的性能。因此,本文研究分析了工序数量、产品类型以及批次大小等生产因素在确定型生产场景（CERT）、批次大小波动型（LOT-VAR）、产品类型波动型（TYPE-VAR）以及共同波动型（CO-VAR）四种随机生产场景下对流水线-单元转化后PTTPTR（单位产品生产用时相对提升程度）以及PTLCR（单位产品劳动成本相对提升程度）的影响;同时还分析了确定型生产场景与随机生产场景在系统稳定性方面的结果,并得到以下结论:（1）流水线-单元转化总是会提升TLCR性能,然而在最小化TLCR的单元构建方案下,单元的TTPTR性能是低于流水线的。（2）工序数量对流水线-单元转化问题的TTPTR和TLCR性能提升都有正向影响,但当工序数量达到工人有效操作工序上限后,可能存在拐点。（3）产品类型对流水线-单元转化问题的TTPTR性能提升有正向影响,对TLCR基本没有影响。（4）批次大小对流水线-单元转化问题的TTPTR和TLCR性能提升都有负向影响。（5）需求确定型生产场景没有波动性,求得的最终解一般相对好;而其他随机生产场景都具有波动性,求得的解相对需求确定型会存在一定的偏差。（6）在随机生产场景下随着产品类型的增多,随机性变大,FCFS调度方式将使得单元生产丧失柔性的优势,而需求确定型生产场景一般不会出现这种问题。
二、基于多目标优化的企业生产方式决策研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于多目标优化的企业生产方式决策研究（论文提纲范文）
（1）装配式建筑预制构件生产调度多目标优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文选题背景及意义 |
| 1.1.1 论文背景 |
| 1.1.2 论文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及方法 |
| 1.3.1 研究方法 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 第二章 相关理论与方法 |
| 2.1 生产调度理论 |
| 2.1.1 生产调度概念 |
| 2.1.2 车间调度问题的特点 |
| 2.1.3 车间调度分类及指标 |
| 2.1.4 求解方法 |
| 2.2 装配式建筑预制构件生产方法及过程分析 |
| 2.2.1 预制构件生产方法 |
| 2.2.2 预制构件生产过程分析 |
| 2.3 考虑工人负荷下的生产调度 |
| 2.3.1 工人负荷对流水生产调度的影响 |
| 2.3.2 生产中工人负荷的计算方法 |
| 2.4 多目标优化理论 |
| 2.5 本章小结 |
| 第三章 装配式建筑预制构件生产调度多目标优化模型 |
| 3.1 问题描述 |
| 3.1.1 问题描述 |
| 3.1.2 基本假设 |
| 3.2 装配式建筑预制构件生产调度模型构建 |
| 3.2.1 数学模型 |
| 3.2.2 资源约束 |
| 3.3 装配式建筑预制构件生产调度优化目标分析 |
| 3.3.1 优化目标分析 |
| 3.3.2 目标函数建立 |
| 3.4 本章小结 |
| 第四章 装配式建筑预制构件生产调度多目标优化算法 |
| 4.1 优化算法选择 |
| 4.2 算法机理 |
| 4.3 装配式预制构件生产调度算法设计 |
| 4.3.1 遗传编码及解码设计 |
| 4.3.2 初始种群的建立 |
| 4.3.3 适应度函数建立 |
| 4.3.4 遗传操作 |
| 4.4 本章小结 |
| 第五章 实证研究 |
| 5.1 案例背景 |
| 5.2 数据准备 |
| 5.3 求解结果分析 |
| 5.3.1 多目标优化分析 |
| 5.3.2 约束条件影响分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（2）复杂产品总装生产线资源配置优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂产品总装线资源配置优化问题概述 |
| 1.2.2 装配线平衡问题研究现状 |
| 1.2.3 多目标优化问题研究现状 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 研究内容及组织结构 |
| 第二章 装配线平衡问题与多目标优化问题概述 |
| 2.1 装配线平衡问题概述 |
| 2.1.1 装配线基本概念 |
| 2.1.2 装配线平衡问题的定义 |
| 2.1.3 装配线平衡问题的分类 |
| 2.2 多目标优化问题概述 |
| 2.2.1 多目标优化问题的数学描述 |
| 2.2.2 Pareto最优解集 |
| 2.2.3 多目标优化方法 |
| 2.3 本章小结 |
| 第三章 复杂产品总装线资源配置优化过程分析 |
| 3.1 资源配置优化内容及约束条件 |
| 3.1.1 资源配置优化内容 |
| 3.1.2 资源配置优化的约束条件 |
| 3.2 资源配置优化研究思路 |
| 3.3 AO节点约束与资源需求关联定义 |
| 3.3.1 装配网络顺序图的构建 |
| 3.3.2 装配任务与资源需求关系的定义 |
| 3.4 考虑节拍和资源的多目标优化过程 |
| 3.5 装配工艺的问题分析与改进建议 |
| 3.5.1 装配工艺的优化目标 |
| 3.5.2 存在问题分析 |
| 3.5.3 改进建议 |
| 3.6 本章小结 |
| 第四章 基于NSGA-Ⅱ的总装线资源配置建模 |
| 4.1 非支配排序遗传算法 |
| 4.2 资源配置优化问题定义与建模 |
| 4.2.1 模型假设 |
| 4.2.2 问题参数 |
| 4.2.3 数学模型 |
| 4.3 总装线多目标优化算法设计 |
| 4.3.1 编码和解码方案 |
| 4.3.2 初始化种群 |
| 4.3.3 选择操作 |
| 4.3.4 交叉操作 |
| 4.3.5 变异操作 |
| 4.4 本章小结 |
| 第五章 飞机总装线资源配置优化方案验证 |
| 5.1 引言 |
| 5.2 基于真实数据改写的飞机总装工艺测试数据 |
| 5.3 基于NSGA-Ⅱ的实例模型求解 |
| 5.3.1 优化模型及算法参数 |
| 5.3.2 优化结果分析与评价 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 研究成果及发表的学术论文 |
| 致谢 |
| 作者和导师简介 |
| 附件 |
（3）多重不确定性需求下装备制造企业多品种生产计划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 装备制造企业生产面临着持续多变的环境 |
| 1.1.2 装备制造企业多品种生产面临着多重不确定性需求 |
| 1.1.3 装备制造企业亟待解决多重不确定性需求下多品种生产计划问题 |
| 1.1.4 研究的前沿发展动态 |
| 1.2 问题的提出 |
| 1.3 研究的目标与意义 |
| 1.3.1 研究的目标 |
| 1.3.2 研究的意义 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究思路 |
| 1.4.3 研究方法 |
| 1.5 研究的创新性工作说明 |
| 第2章 相关研究文献综述 |
| 2.1 文献检索情况概述 |
| 2.1.1 文献检索范围 |
| 2.1.2 相关文献情况分析 |
| 2.1.3 学术趋势 |
| 2.2 关于不确定性需求研究 |
| 2.2.1 随机不确定性需求 |
| 2.2.2 模糊不确定性需求 |
| 2.2.3 粗糙不确定性需求 |
| 2.3 关于多重不确定性的研究 |
| 2.4 关于多品种生产计划的研究 |
| 2.5 关于装备制造企业生产计划的研究 |
| 2.6 已有研究的贡献与不足 |
| 2.6.1 已有研究贡献 |
| 2.6.2 已有研究不足 |
| 2.6.3 已有研究启示 |
| 2.7 本章小结 |
| 第3章 概念界定与相关理论基础 |
| 3.1 概念界定 |
| 3.1.1 多品种生产 |
| 3.1.2 生产计划 |
| 3.1.3 不确定性 |
| 3.1.4 多重不确定性需求 |
| 3.2 动态规划理论 |
| 3.3 多目标规划 |
| 3.4 本章小结 |
| 第4章 多重不确定性需求下生产应对策略和动态生产计划方法 |
| 4.1 多重不确定性需求之间影响关系 |
| 4.1.1 品种需求不确定的影响关系 |
| 4.1.2 数量需求不确定的影响关系 |
| 4.1.3 质量需求不确定的影响关系 |
| 4.1.4 交货期需求不确定的影响关系 |
| 4.2 多重不确定性需求下生产应对策略 |
| 4.3 多重不确定性需求下动态生产计划模型 |
| 4.4 模型求解 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 多重不确定性需求下装备制造企业多品种多目标生产计划方法 |
| 5.1 问题描述及假设 |
| 5.1.1 问题描述 |
| 5.1.2 问题假设 |
| 5.1.3 变量和参数说明 |
| 5.2 多品种多目标生产计划模型 |
| 5.2.1 目标函数 |
| 5.2.2 目标函数的约束条件 |
| 5.2.3 不确定性数量需求描述 |
| 5.2.4 不确定性交货期需求描述 |
| 5.2.5 不确定性质量需求描述 |
| 5.2.6 不确定性价格需求描述 |
| 5.3 模型求解 |
| 5.3.1 NSGA-II算法求解 |
| 5.3.2 带罚函数粒子群算法求解 |
| 5.4 算例分析 |
| 5.4.1 初始数据 |
| 5.4.2 运行结果 |
| 5.5 本章小结 |
| 第6章 多重不确定性需求下装备制造企业多品种相似生产计划方法 |
| 6.1 问题描述与假设 |
| 6.1.1 不确定性品种需求描述 |
| 6.1.2 不确定性交货期需求描述 |
| 6.1.3 不确定性数量需求描述 |
| 6.1.4 不确定性质量需求描述 |
| 6.2 多品种相似性与聚类分析 |
| 6.2.1 多品种相似性分析 |
| 6.2.2 不确定性需求聚类分析 |
| 6.3 多品种相似生产计划模型 |
| 6.4 模型求解 |
| 6.5 算例分析 |
| 6.5.1 初始数据 |
| 6.5.2 运行结果 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文的主要结论 |
| 7.2 本文的主要贡献 |
| 7.3 后续研究工作展望 |
| 参考文献 |
| 附录 A 企业生产计划与调度控制的不确定性及风险调查问卷 |
| 在学研究成果 |
| 致谢 |
（4）装配式预制构件生产调度与设备预防性维护联合优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的和研究意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 国内外研究现状评述 |
| 1.4 研究内容 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 2 相关理论基础 |
| 2.1 装配式预制构件生产调度理论 |
| 2.1.1 经典流水车间生产调度理论 |
| 2.1.2 预制构件生产调度理论 |
| 2.2 设备维护相关理论 |
| 2.2.1 设备维护理论 |
| 2.2.2 可靠性理论 |
| 2.3 多目标优化理论及骨干粒子群算法 |
| 2.3.1 多目标优化理论 |
| 2.3.2 骨干粒子群算法 |
| 2.4 本章小结 |
| 3 装配式预制构件生产调度与设备预防性维护联合优化模型构建 |
| 3.1 问题描述 |
| 3.2 联合优化模型构建 |
| 3.2.1 考虑学习效应的工序实际操作时间 |
| 3.2.2 装配式预制构件生产调度模型 |
| 3.2.3 设备预防性维护模型 |
| 3.2.4 联合优化模型 |
| 3.3 本章小结 |
| 4 多目标骨干粒子群优化算法求解 |
| 4.1 算法求解 |
| 4.1.1 多目标骨干粒子群 |
| 4.1.2 算法设计 |
| 4.1.3 算法流程 |
| 4.2 算法性能指标 |
| 4.3 仿真结果与分析 |
| 4.4 本章小结 |
| 5 案例分析 |
| 5.1 案例概况 |
| 5.2 联合优化模型求解 |
| 5.2.1 基础数据 |
| 5.2.2 模型求解 |
| 5.3 模型及算法验证 |
| 5.3.1 独立决策模型对比 |
| 5.3.2 算法对比 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（5）面向定制下模块化智能重组与优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 制造业面对大规模定制的境况 |
| 1.2.1 制造业实现大规模定制的主要困难 |
| 1.2.2 课题研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 模块化建模方法 |
| 1.3.2 订单调度算法研究 |
| 1.3.3 产品模块化配置方法 |
| 1.3.4 工艺模块化配置方法 |
| 1.4 本文主要研究内容 |
| 第2章 定制产品模块化重组分析及数学模型建立 |
| 2.1 引言 |
| 2.2 定制产品模块化重组设计问题描述 |
| 2.3 质量控制模型 |
| 2.3.1 模块化工艺质量控制函数 |
| 2.3.2 模块化重组质量控制策略 |
| 2.4 模块化重组时间控制模型 |
| 2.5 模块化工艺重组成本控制函数 |
| 2.6 本章小结 |
| 第3章 基于改进遗传算法的模块化工艺重组研究 |
| 3.1 引言 |
| 3.2 定制产品工艺模块化重组建模 |
| 3.3 基于改进遗传算法的定制产品多目标模块化重组 |
| 3.3.1 定制产品多目标模块化智能重组函数构建 |
| 3.3.2 改进遗传算法 |
| 3.3.3 改进遗传算法约束条件的处理 |
| 3.3.4 改进遗传算法流程 |
| 3.3.5 算法收敛性分析 |
| 3.4 实例应用与分析 |
| 3.5 本章小结 |
| 第4章 基于客户需求分析的模块化工艺配置优化 |
| 4.1 引言 |
| 4.2 客户需求权重映射 |
| 4.3 基于多目标蚁狮算法(MOALO)的模块化工艺重组算法 |
| 4.3.1 改进多目标蚁狮算法算子 |
| 4.3.2 优化蚁狮算法(ALO)算法流程 |
| 4.4 应用实例分析 |
| 4.4.1 客户需求权重分析应用 |
| 4.4.2 模块化工艺参数获取与算法仿真结果输出 |
| 4.4.3 实例验证 |
| 4.5 本章小结 |
| 第5章 定制产品工艺智能重组平台系统设计 |
| 5.1 引言 |
| 5.2 应用背景与平台概述 |
| 5.2.1 系统应用背景 |
| 5.2.2 系统平台设计原理与架构概述 |
| 5.3 模块化智能重组与优化系统设计 |
| 5.3.1 系统主程序 |
| 5.3.2 全流程模型 |
| 5.3.3 工艺路线 |
| 5.3.4 熔铸 |
| 5.3.5 热轧 |
| 5.3.6 冷轧 |
| 5.3.7 热处理 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（6）煤炭绿色生产动态高维多目标模型及其优化算法研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 引言 |
| 1.1 煤炭绿色生产研究背景及意义 |
| 1.2 煤炭绿色生产国内外研究综述 |
| 1.3 动态多目标优化方法研究 |
| 1.3.1 多目标优化问题及算法 |
| 1.3.2 动态多目标优化问题 |
| 1.4 动态多目标优化算法研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 煤炭绿色生产动态高维多目标模型 |
| 2.1 煤炭绿色生产动态高维多目标模型的构建 |
| 2.2 约束条件 |
| 2.3 仿真实验 |
| 2.3.1 DNSGA-II动态算法 |
| 2.3.2 实验参数设置 |
| 2.3.3 煤炭绿色生产动态高维多目标模型的合理性分析 |
| 2.4 本章小结 |
| 第三章 基于簇中心预测的动态算法 |
| 3.1 基于簇中心预测动态算法流程 |
| 3.1.1 参考点的形成 |
| 3.1.2 自适应归一化 |
| 3.1.3 联合操作和计算簇中心策略 |
| 3.1.4 簇中心的预测 |
| 3.1.5 新环境中种群重新初始化 |
| 3.1.6 GCP动态算法流程 |
| 3.2 实验设计 |
| 3.2.1 实验参数设置 |
| 3.2.2 性能指标 |
| 3.2.3 算法性能测试与比较 |
| 3.3 本章小结 |
| 第四章 基于K-means聚类中心预测的动态算法 |
| 4.1 K-means聚类算法 |
| 4.2 基于K-means聚类中心预测动态算法流程 |
| 4.2.1 用改进的K-means算法计算聚类中心 |
| 4.2.2 聚类中心的预测方法 |
| 4.2.3 新环境中种群重新初始化 |
| 4.2.4 KCCP整体算法流程 |
| 4.3 实验设计 |
| 4.3.1 实验参数设置及性能指标 |
| 4.3.2 KCCP动态算法中的参数设置 |
| 4.3.3 算法性能测试与比较 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 后续工作及展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 个人简介及联系方式 |
（7）面向分布式制造的建材装备集团绿色生产调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 我国建材装备制造行业的发展现状 |
| 1.1.2 建材装备制造企业集团式发展面临的挑战 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 分布式制造模式概述 |
| 1.4.2 分布式生产调度理论研究现状 |
| 1.4.3 绿色生产调度优化理论研究现状 |
| 1.4.4 生产调度冲突协调方法研究现状 |
| 1.5 现有研究存在的局限与不足 |
| 1.6 课题项目支撑 |
| 1.7 论文研究内容 |
| 第二章 面向分布式制造的建材装备集团绿色生产调度体系 |
| 2.1 概述 |
| 2.2 建材装备集团分布式制造模式分析 |
| 2.2.1 建材装备集团分布式制造模式特点 |
| 2.2.2 建材装备集团制造任务特征 |
| 2.2.3 面向分布式制造的建材装备集团生产调度决策重点 |
| 2.3 面向分布式制造的建材装备集团绿色生产调度体系设计 |
| 2.3.1 建材装备集团绿色生产调度关键问题分析 |
| 2.3.2 面向分布式制造的建材装备集团绿色生产调度体系结构 |
| 2.4 本章小结 |
| 第三章 面向分布式制造的集团总部绿色制造任务分配优化方法 |
| 3.1 概述 |
| 3.2 绿色制造任务分配优化方法 |
| 3.2.1 问题描述 |
| 3.2.2 优化方法总体流程 |
| 3.2.3 多目标优化执行过程 |
| 3.2.4 人工神经网络执行过程 |
| 3.3 相关执行算法设计 |
| 3.3.1 人工神经网络结构设计 |
| 3.3.2 动态步长萤火虫群优化算法设计 |
| 3.4 实例分析 |
| 3.4.1 实例数据 |
| 3.4.2 神经网络训练集构建 |
| 3.4.3 人工神经网络训练 |
| 3.4.4 人工神经网络应用 |
| 3.5 本章小结 |
| 第四章 面向分布式制造的集团下属企业绿色车间集成调度优化方法 |
| 4.1 概述 |
| 4.2 绿色车间集成调度优化模型 |
| 4.2.1 问题描述 |
| 4.2.2 车间集成调度环境影响分析 |
| 4.2.3 车间集成调度综合能耗优化模型 |
| 4.2.4 基于混合整数规划的绿色车间集成调度优化模型 |
| 4.3 模型求解算法设计 |
| 4.3.1 算法总体结构设计 |
| 4.3.2 编码方式 |
| 4.3.3 绿色运输调度启发式策略设计 |
| 4.3.4 遗传算法设计 |
| 4.3.5 萤火虫群优化算法设计 |
| 4.4 实例分析 |
| 4.4.1 实例数据 |
| 4.4.2 性能对比实验 |
| 4.4.3 能耗对比实验 |
| 4.4.4 综合对比实验 |
| 4.5 本章小结 |
| 第五章 面向分布式制造的集团绿色生产调度冲突协调方法 |
| 5.1 概述 |
| 5.2 绿色生产调度冲突协调模型 |
| 5.2.1 问题描述 |
| 5.2.2 模型假设 |
| 5.2.3 多目标集团生产调度优化模型 |
| 5.2.4 多主体协作冲突检测模型 |
| 5.2.5 基于非合作博弈的冲突协调模型 |
| 5.3 基于NSGA-和纳什均衡的求解算法 |
| 5.3.1 多导向NSGA-算法 |
| 5.3.2 冲突协调算法求解过程 |
| 5.4 实例分析 |
| 5.4.1 实例数据 |
| 5.4.2 多目标优化性能分析 |
| 5.4.3 非合作博弈分析 |
| 5.4.4 冲突协调结果分析 |
| 5.5 本章小结 |
| 第六章 面向分布式制造的集团绿色生产调度平台开发与应用 |
| 6.1 概述 |
| 6.2 平台开发背景与运行环境 |
| 6.2.1 平台开发背景 |
| 6.2.2 平台开发相关软硬件工具 |
| 6.2.3 平台开发环境与架构分析 |
| 6.3 平台开发设计与实现 |
| 6.3.1 平台功能框架设计 |
| 6.3.2 集团分布式绿色生产调度功能设计 |
| 6.3.3 集团绿色生产调度冲突协调功能设计 |
| 6.4 平台应用实例 |
| 6.4.1 集团制造任务信息构建 |
| 6.4.2 集团总部级绿色制造任务分配 |
| 6.4.3 下属企业级绿色车间集成调度 |
| 6.4.4 集团绿色生产调度冲突协调 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读学位期间发表的学术论文 |
| 附录 B:攻读学位期间参与的科研课题 |
| 附录 C:项目验收报告 |
| 附录 D:论文相关符号定义 |
（8）服装缝制生产低碳目标管理分析与技术方法（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关研究 |
| 1.2.1 服装缝制生产管理 |
| 1.2.2 服装缝制生产碳排放 |
| 1.2.3 服装缝制生产管理目标 |
| 1.2.4 服装缝制生产管理研究不足之处 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容、方法与路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 研究路线 |
| 1.5 论文创新点 |
| 第二章 服装缝制生产目标管理分析 |
| 2.1 服装缝制生产线的特征 |
| 2.1.1 缝制生产线的组织形式 |
| 2.1.2 缝制生产线的布局 |
| 2.2 服装缝制生产管理目标 |
| 2.2.1 最大生产产量目标 |
| 2.2.2 最少作业人数目标 |
| 2.2.3 最大生产效率目标 |
| 2.2.4 最小碳排放量目标 |
| 2.3 服装缝制生产目标管理的技术方法 |
| 2.3.1 管理目标层次分析 |
| 2.3.2 目标管理技术方法分析 |
| 2.4 本章小结 |
| 第三章 服装缝制生产单目标管理 |
| 3.1 缝制生产线平衡的基础 |
| 3.1.1 缝制生产线的平衡指标 |
| 3.1.2 缝制生产线的平衡类型 |
| 3.2 单目标管理优化算法 |
| 3.2.1 遗传算法的构成要素 |
| 3.2.2 遗传算法的流程 |
| 3.3 缝制生产线平衡单目标优化模型的算法设计 |
| 3.3.1 模型假设和参数设置 |
| 3.3.2 约束条件和目标函数 |
| 3.3.3 算法设计 |
| 3.4 缝制生产线平衡单目标优化模型应用 |
| 3.4.1 数据准备 |
| 3.4.2 参数设置 |
| 3.4.3 结果与分析 |
| 3.5 本章小结 |
| 第四章 服装缝制生产多目标管理 |
| 4.1 多目标管理优化算法 |
| 4.1.1 第二代快速非支配排序算法(NSGA-Ⅱ)的原理 |
| 4.1.2 第二代快速非支配排序算法(NSGA-Ⅱ)的流程 |
| 4.2 缝制生产线平衡多目标优化模型的算法设计 |
| 4.2.1 模型假设和参数设置 |
| 4.2.2 约束条件和目标函数 |
| 4.2.3 算法设计 |
| 4.3 缝制生产线平衡多目标优化模型应用 |
| 4.3.1 数据准备 |
| 4.3.2 参数设置 |
| 4.3.3 结果与分析 |
| 4.4 本章小结 |
| 第五章 服装缝制生产目标管理仿真 |
| 5.1 仿真模型构建原理 |
| 5.1.1 仿真模型的组成要素 |
| 5.1.2 仿真软件Anylogic的特点 |
| 5.1.3 仿真模型的构建步骤 |
| 5.2 缝制生产线仿真模型构建 |
| 5.2.1 仿真目标 |
| 5.2.2 仿真模型假设 |
| 5.2.3 仿真模型参数设置 |
| 5.3 缝制生产线仿真模型运行 |
| 5.3.1 仿真模型数据准备 |
| 5.3.2 仿真模型构建 |
| 5.3.3 仿真模型运行 |
| 5.3.4 仿真优化模型运行 |
| 5.4 本章小结 |
| 第六章 服装缝制生产低碳目标管理 |
| 6.1 缝制生产线碳排放评估基础 |
| 6.1.1 碳排放评价标准和核算方法对比分析 |
| 6.1.2 缝制生产碳排放影响因素 |
| 6.1.3 缝制生产碳排放评估准备 |
| 6.2 缝制生产碳排放评估模型的组成要素 |
| 6.2.1 原材料 |
| 6.2.2 缝制设备 |
| 6.2.3 运输环节和作业人员 |
| 6.2.4 照明设备 |
| 6.3 基于低碳目标的服装缝制生产线布局优化 |
| 6.3.1 缝制生产线布局基础 |
| 6.3.2 缝制生产线布局优化模型构建 |
| 6.3.3 缝制生产线布局优化模型应用 |
| 6.4 基于低碳目标的服装缝制生产线物料配送路径优化 |
| 6.4.1 缝制生产线物料配送基础 |
| 6.4.2 缝制生产线物料配送路径优化模型构建 |
| 6.4.3 缝制生产线物料配送路径优化模型应用 |
| 6.5 缝制生产碳排放评估模型应用 |
| 6.5.1 男式衬衫缝制生产线 |
| 6.5.2 男式西裤缝制生产线 |
| 6.5.3 男式西服缝制生产线 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要研究成果 |
| 7.2 不足与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间公开发表的论文 |
| 致谢 |
（9）Seru生产柔性分析与鲁棒性系统构建（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容和问题 |
| 1.3 论文研究思路、方法和技术路线 |
| 1.4 研究创新说明 |
| 2 文献综述 |
| 2.1 Seru生产的相关研究进展 |
| 2.1.1 Seru生产的产生 |
| 2.1.2 Line-Seru转换 |
| 2.1.3 Seru生产的实施 |
| 2.1.4 Seru生产的有效性 |
| 2.2 从客户角度研究Seru生产有效性借鉴的相关研究 |
| 2.3 研究Seru生产柔性借鉴的相关研究 |
| 2.4 研究单元分散的Seru生产系统鲁棒性构建借鉴的相关研究 |
| 2.4.1 供应中断下可靠的选址分配研究成果 |
| 2.4.2 劳动力配置研究成果 |
| 2.5 文献述评 |
| 3 Seru生产的有效性研究 |
| 3.1 问题描述 |
| 3.2 Line-Seru转换对平均等待队长的影响 |
| 3.2.1 成批到达装配流水线的排队模型 |
| 3.2.2 成批到达Seru生产的排队模型 |
| 3.2.3 平均等待队长改变量公式 |
| 3.3 转换场景下的数值分析 |
| 3.3.1 分析场景1下平均等待队长改变量 |
| 3.3.2 分析场景2下平均等待队长改变量 |
| 3.4 本章小结 |
| 4 Seru生产系统的柔性研究 |
| 4.1 Seru生产系统内柔性结构 |
| 4.2 对称柔性结构设计下Seru生产系统的柔性性能模型 |
| 4.2.1 2-链设计下Seru生产系统的最大预期销售量 |
| 2)设计下Seru生产系统的最大预期销售量'>4.2.2 d-链(d>2)设计下Seru生产系统的最大预期销售量 |
| 4.3 数值模拟对称柔性结构的柔性性能 |
| 4.3.1 d-链设计下Seru生产系统最大预期销售量 |
| 4.3.2 d-链设计下Seru生产系统柔性性能 |
| 4.4 基于经营杠杆的Seru生产系统柔性结构的决策研究 |
| 4.4.1 问题描述 |
| 4.4.2 模型构建 |
| 4.4.3 柔性结构决策的算例分析 |
| 4.5 部分备货策略下Seru生产系统柔性配置的决策研究 |
| 4.5.1 问题描述 |
| 4.5.2 模型构建 |
| 4.5.3 两阶段生产决策的算例分析 |
| 4.6 本章小结 |
| 5 单元分散的Seru生产系统的鲁棒性构建研究 |
| 5.1 考虑备份供应策略下可靠的单元选址分配问题 |
| 5.1.1 问题描述 |
| 5.1.2 构建模型 |
| 5.1.3 模型求解 |
| 5.1.4 RLA模型的算例分析及 |
| 5.2 考虑预期调配策略下可靠的多能工配置问题 |
| 5.2.1 问题描述和模型构建 |
| 5.2.2 模型求解 |
| 5.2.3 算例分析 |
| 5.3 本章小结 |
| 6 研究总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
（10）基于仿真的SERU系统构建与流水线性能比较研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景与问题提出 |
| 1.1.2 研究意义 |
| 1.2 研究目标与研究内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 研究方法和技术路线 |
| 1.4 主要创新点 |
| 1.5 本章小结 |
| 2 国内外研究现状分析 |
| 2.1 生产制造系统评价指标概述 |
| 2.2 生产组织与管理模式的演化 |
| 2.3 赛汝生产方式概述 |
| 2.3.1 赛汝生产的定义与类型 |
| 2.3.2 赛汝生产的适用范围 |
| 2.3.3 赛汝生产与流水线比较 |
| 2.4 流水线向赛汝单元转化的研究现状与发展趋势 |
| 2.4.1 流水线-赛汝单元转化的适用场景研究 |
| 2.4.2 流水线-赛汝单元转化的核心模型研究 |
| 2.4.3 纯赛汝单元装配系统的优化设计和算法研究 |
| 2.4.4 纯赛汝单元装配系统的批调度和优化算法研究 |
| 2.5 仿真优化的研究现状与发展趋势 |
| 2.5.1 仿真及仿真软件概述 |
| 2.5.2 Arena仿真软件的相关应用研究 |
| 2.6 本章小结 |
| 3 生产系统指标体系与单元装配系统构建 |
| 3.1 概述 |
| 3.2 随机生产场景下生产系统指标体系的构建 |
| 3.3 随机生产场景下的单元构建问题描述与模型建立 |
| 3.3.1 基于随机生产场景的背景描述 |
| 3.3.2 模型相关参数变量说明 |
| 3.3.3 模型构建 |
| 3.4 NSGA-Ⅱ算法结合邻域搜索算法求解赛汝单元构建问题 |
| 3.4.1 NSGA-Ⅱ算法的原理 |
| 3.4.2 邻域搜索算法的原理 |
| 3.4.3 NSGA-Ⅱ算法与邻域搜索算法的结合 |
| 3.5 仿真实验分析 |
| 3.5.1 基本参数设置 |
| 3.5.2 实验结果分析 |
| 3.5.3 算法对比 |
| 3.6 本章小结 |
| 4 生产仿真与管理系统设计与开发 |
| 4.1 概述 |
| 4.2 生产系统的仿真模型设计与开发 |
| 4.2.1 仿真模型逻辑设计 |
| 4.2.2 构建仿真模型 |
| 4.2.3 仿真模型的变量及资源设置 |
| 4.3 仿真管理系统的设计与开发 |
| 4.3.1 仿真管理系统架构设计 |
| 4.3.2 仿真管理系统界面开发 |
| 4.4 本章小结 |
| 5 随机场景下赛汝单元装配系统与流水线性能比较分析 |
| 5.1 概述 |
| 5.2 性能改进评估指标 |
| 5.3 实验场景设计与实验数据设置 |
| 5.3.1 实验场景设计 |
| 5.3.2 实验数据设置 |
| 5.4 实验结果分析 |
| 5.4.1 需求确定型生产场景实验结果分析 |
| 5.4.2 批次大小波动型生产场景实验结果分析 |
| 5.4.3 产品类型波动型生产场景实验结果分析 |
| 5.4.4 共同波动型生产场景实验结果分析 |
| 5.4.5 波动性对比分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
四、基于多目标优化的企业生产方式决策研究（论文参考文献）
- [1]装配式建筑预制构件生产调度多目标优化研究[D]. 徐明晓. 北方工业大学, 2021(01)
- [2]复杂产品总装生产线资源配置优化研究[D]. 刘强. 北京化工大学, 2020(02)
- [3]多重不确定性需求下装备制造企业多品种生产计划方法研究[D]. 刘岩峰. 沈阳工业大学, 2020(01)
- [4]装配式预制构件生产调度与设备预防性维护联合优化研究[D]. 张慧梅. 西安建筑科技大学, 2020(01)
- [5]面向定制下模块化智能重组与优化方法研究[D]. 张启启. 河南科技大学, 2020(07)
- [6]煤炭绿色生产动态高维多目标模型及其优化算法研究[D]. 常宇. 太原科技大学, 2020(05)
- [7]面向分布式制造的建材装备集团绿色生产调度研究[D]. 刘正超. 武汉理工大学, 2020
- [8]服装缝制生产低碳目标管理分析与技术方法[D]. 张旭靖. 苏州大学, 2019(06)
- [9]Seru生产柔性分析与鲁棒性系统构建[D]. 任慧. 西安理工大学, 2019
- [10]基于仿真的SERU系统构建与流水线性能比较研究[D]. 韩亚飞. 东北财经大学, 2019(07)