大型水电设备制造企业递阶生产计划管理系统及应用研究

论文摘要

大型水电设备制造企业具有生产需求多变、生产形式多样、企业规模庞大、产品结构复杂等特点,研究探索其生产计划管理模式和方法,对于提高整个复杂装备制造业的生产计划管理水平具有重要的应用意义和参考价值。本文在分析了国内外同类型企业生产计划管理中存在问题的基础上,针对大型水电设备制造企业的生产特点,提出了基于关键设备约束的递阶生产计划管理方法体系（Key Equipment Constrained Hierarchical Production Planning Management,KEC-HPPM）,并对若干关键技术进行了研究。首先,将约束理论引入到递阶生产计划模式中,综合运用网络计划、物料需求计划和动态调度思想,构建了由公司计划层、分厂计划层和车间调度层组成的递阶生产计划管理模型,阐述了模型的工作原理和信息流程,并建立了相应的网络图/BOM数据模型,为后续的应用开发和关键技术研究奠定了理论基础。公司计划层的核心问题是关键设备约束下的多项目平衡问题,当问题规模较大时非常难于求解。本文针对这个问题设计了一种基于遗传算法和快速适配值估计方法的求解算法,该算法根据子代染色体与父代染色体的相似度,基于插值原理估算适配值,有效的减少了适配值评价环节的计算量。仿真试验表明,该算法具有较快的求解速度,适用于求解大规模项目计划问题。在关键工序前安插合理的缓冲时间可以有效降低生产波动,保障关键设备计划准确执行。考虑到现有方法都是经验性的,本文提出了一种基于可用度理论的缓冲时间估算方法。首先,根据进给工序的四种不同形式建立了关键工序缓冲时间的计算公式,然后提出了一种改进模糊概率PERT法对缓冲时间的可靠性加以验证,最后以最小化关键设备空闲惩罚和在制品的额外存储费用为目标,建立了缓冲时间的最优化模型。仿真实验表明,利用所提方法计算得到的缓冲时间合理、可靠。在分析分厂计划层任务构成和工作目标的基础上,建立了由落实关键设备计划、物料需求计划、分厂作业计划三个步骤组成的分厂计划层工作模型,并给出了相应的物料需求和作业计划编制算法。此外,针对外协生产中的合作企业优选问题,引入区间数和多属性决策理论,提出了决策属性具有不确定性时的合作企业优选方法。针对车间调度环境复杂多变的特点,建立了基于多Agent技术和Q-学习算法的动态调度模型。该模型中,设备Agent采用改进合同网机制和基于Q-学习算法的标书选择策略进行协商调度。此外,为了提高Q-学习算法在动态调度环境下的学习效果,提出了基于聚类方法的状态空间划分方式和基于状态隶属度的状态-动作对值更新策略。最后,以哈尔滨电机厂有限责任公司为案例企业,开发了基于关键设备约束的生产计划调度系统,探讨了KEC-HPPM方法在大型水电设备制造企业的应用。对哈电机的生产计划管理需求进行了分析,介绍了系统的功能模块、体系结构和详细设计过程,并给出了系统运行实例和应用效果分析,验证了论文中技术、理论与方法的正确性和有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源与应用背景
• 1.1.1 课题来源
• 1.1.2 生产计划管理技术的发展趋势
• 1.1.3 大型水电设备制造企业的特殊性
• 1.1.4 同类型企业生产计划管理研究现状
• 1.2 研究目的和意义
• 1.3 生产计划管理理论综述
• 1.3.1 MRP/MRPII理论
• 1.3.2 JIT理论
• 1.3.3 OPT/TOC理论
• 1.3.4 项目管理理论
• 1.3.5 网络计划理论
• 1.4 调度问题及其优化算法综述
• 1.4.1 调度问题定义
• 1.4.2 调度算法综述
• 1.5 本文的主要研究内容
• 第2章 大型水电设备制造企业生产计划体系研究
• 2.1 需求分析
• 2.2 基于关键设备约束的递阶生产计划管理体系
• 2.3 基于网络图/BOM的数据模型研究
• 2.3.1 主件网络图及其规范化
• 2.3.2 制造BOM及其规范化
• 2.3.3 制造BOM与主件网络图的映射规则
• 2.3.4 制造BOM向主件网络图的映射算法
• 2.4 本章小结
• 第3章 基于关键设备约束的多项目平衡算法研究
• 3.1 关键设备约束下多项目平衡问题的数学模型
• 3.2 面向FRCMPSP问题的遗传算法设计
• 3.2.1 遗传算法概述
• 3.2.2 遗传编码设计
• 3.2.3 遗传解码设计
• 3.2.4 遗传算子设计
• 3.2.5 算法流程设计
• 3.3 基于插值原理的快速适配值估计方法
• 3.4 算法性能验证
• 3.4.1 测试问题生成
• 3.4.2 算例结果分析
• 3.5 本章小结
• 第4章 基于可用度理论的关键工序缓冲时间估算
• 4.1 缓冲时间估算问题描述
• 4.2 可修系统的可用度分析
• 4.3 基于可用度的缓冲时间计算
• 4.3.1 仅一道进给工序时的缓冲时间估算
• 4.3.2 进给工序为串联结构时的缓冲时间估算
• 4.3.3 进给工序为并联结构时的缓冲时间估算
• 4.3.4 进给工序为混联结构时的缓冲时间估算
• 4.4 缓冲时间的可靠性验证
• 4.5 最优缓冲时间计算
• 4.5.1 风险惩罚
• 4.5.2 额外存储费用
• 4.5.3 优化模型
• 4.6 仿真实验
• 4.6.1 仿真案例设置
• 4.6.2 仿真验证
• 4.6.3 仿真结果比较
• 4.6.4 缓冲时间优化案例
• 4.7 本章小结
• 第5章 面向分厂计划层的生产作业计划研究
• 5.1 分厂计划层功能解析
• 5.1.1 分厂计划层的任务构成
• 5.1.2 分厂计划层的主要目标
• 5.1.3 分厂计划层的工作流程设计
• 5.2 关键设备计划约束下的物料需求计划
• 5.2.1 基于关键设备计划的零件产出进度推算
• 5.2.2 基于零件产出进度的物料需求计划
• 5.3 基于物料需求的分厂生产作业计划
• 5.3.1 设备负荷核算及瓶颈确认
• 5.3.2 瓶颈零部件生产计划
• 5.3.3 非瓶颈零部件生产计划
• 5.3.4 分厂双日滚动计划
• 5.4 外协计划中的合作企业优选研究
• 5.4.1 外协企业优选问题
• 5.4.2 区间数及区间数多属性决策问题的描述
• 5.4.3 区间数决策矩阵的规范化
• 5.4.4 基于可能度的区间数多属性决策方法
• 5.4.5 外协企业优选算例
• 5.5 本章小结
• 第6章 面向车间调度层的动态调度技术研究
• 6.1 动态调度问题描述
• 6.1.1 动态调度问题的定义及优化模型
• 6.1.2 动态调度问题的研究方法
• 6.2 基于多Agent技术的动态调度系统建模
• 6.2.1 多Agent技术简述
• 6.2.2 Agent功能设计
• 6.2.3 协商机制设计
• 6.3 基于聚类状态Q-学习的标书选择策略
• 6.3.1 Q-学习算法简述
• 6.3.2 基于聚类状态的Q-学习算法设计
• 6.3.3 基于CSQ的重调度方案生成算法
• 6.3.4 算法的收敛性和复杂度分析
• 6.4 基于状态隶属度的改进Q-学习算法
• 6.4.1 状态隶属度定义
• 6.4.2 基于状态隶属度的Q-值更新机制
• 6.4.3 收敛性分析
• 6.4.4 基于CSMQ的重调度方案生成算法
• 6.5 仿真实验
• 6.5.1 CSQ与规则策略的比较
• 6.5.2 CSQ与CSMQ的比较
• 6.6 本章小结
• 第7章 系统开发与应用
• 7.1 系统需求分析
• 7.1.1 哈电机生产特点
• 7.1.2 原有生产计划模式及其不足
• 7.2 系统设计与开发
• 7.2.1 系统功能模型设计
• 7.2.2 系统体系结构设计
• 7.2.3 产品数据管理分系统信息模型设计
• 7.2.4 关键设备计划分系统信息模型设计
• 7.2.5 公司级滚动计划分系统信息模型设计
• 7.2.6 分厂级生产计划分系统信息模型设计
• 7.2.7 车间级作业调度分系统信息模型设计
• 7.3 系统运行实例
• 7.4 系统应用效果
• 7.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的学术论文
• 致谢
• 个人简历