基于遗传算法的ERP生产计划系统的优化研究

论文摘要

生产计划系统是企业ERP系统的关键部分,直接关系着企业的生产、经营和管理效率。其中有效的计划算法能最大限度地降低生产成本,增强市场竞争力。而现有的ERP软件继承了MRPII的计划管理模型,其编制计划的方法仍然采用MRP和MPS计算物料的需求、发布补充订单等。这种传统的生产计划制定方法跟调度是分开的,在制定计划时不考虑详细的调度约束,因此制定的生产计划往往得不到可行的调度解。基于此,将优化方法的理论研究引入到车间生产计划排产领域当中,改进算法性能、拓宽算法应用领域、完善算法体系,开发实现一种通用性好、智能化程度高的生产作业计划与调度的集成系统,是一个同时具有理论意义和应用价值的课题。本文在综述了现有计划调度问题求解算法的基础上,系统地研究了遗传算法的相关理论,提出了基于遗传算法的ERP生产计划系统的优化思路和方法。具体地,本文主要就以下几个方面进行了研究:首先,本文分析了生产计划系统的发展历史及其各自的优缺点,总结了现有的计划排产与调度算法,指出了选择遗传算法作为排产优化算法的优势。其次,本文着重研究了遗传算法的相关理论及其改进算法在生产计划与调度领域的应用现状,在此基础上,分别针对Job Shop和Flow Shop调度问题提出了改进的遗传算法,设计了算法的编码方法、交叉操作和变异操作等,并给出了详细的描述和改进算法流程图,最后用著名的标准问题对改进算法进行测试,验证了它们的可行性和相对其它算法的优越性。再次,用VC++为开发工具,开发实现了基于改进遗传算法的车间调度系统,详细介绍了各个模块的功能与操作,最后运用设备利用率验证了算法的可行性和实用性,为实现企业车间ERP系统计划与调度功能的集成优化奠定了基础。最后,对全文的工作进行了总结,并展望了遗传算法以及计划排产优化系统需要进一步研究的课题和发展方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 生产计划的发展历史及各自缺陷
• 1.2.2 生产计划排产模型和算法的国内外研究现状
• 1.3 研究内容和技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 1.4 研究方法
• 1.5 创新之处
• 第二章 遗传算法
• 2.1 遗传算法概述
• 2.2 遗传算法特点
• 2.3 遗传算法基本步骤
• 2.4 遗传算法的缺陷
• 2.5 改进遗传算法在生产计划优化排产中的应用研究现状
• 第三章 基于改进遗传算法的 Job Shop 调度问题
• 3.1 Job Shop 调度问题的描述
• 3.2 Job Shop 调度问题的混合遗传算法的研究概述
• 3.3 Job Shop 调度问题的混合遗传算法设计
• 3.3.1 基于调度优先级的编码与解码
• 3.3.2 算法其他操作设计
• 3.3.3 计算步骤
• 3.4 算例结果与分析
• 3.4.1 标准问题
• 3.4.2 算例一
• 3.4.3 算例二
• 3.5 小结
• 第四章 基于改进遗传算法的 Flow Shop 调度问题
• 4.1 Flow Shop 调度问题的描述
• 4.2 Flow Shop 调度问题的算法研究概述
• 4.3 Flow Shop 调度问题的混合遗传算法设计
• 4.3.1 启发式方法和随机方法共同产生初始种群
• 4.3.2 复合多交叉方式
• 4.3.3 模拟退火操作代替变异操作
• 4.3.4 具体步骤
• 4.4 算例
• 4.5 小结
• 第五章 基于改进遗传算法的ERP 生产计划优化系统的开发实现
• 5.1 车间调度系统设计与开发背景
• 5.1.1 系统背景及其支持环境
• 5.1.2 系统目标
• 5.1.3 系统开发的关键
• 5.2 系统设计的总体思想
• 5.3 车间调度系统流程图及其功能结构
• 5.4 车间调度系统数据库及其关系
• 5.5 系统的开发环境
• 5.6 车间调度系统的运行实例
• 5.7 实例应用中的设备利用率分析
• 第六章 结论与展望
• 6.1 全文总结
• 6.2 后续工作展望
• 参考文献
• 附录
• 发表论文和科研情况说明
• 致谢