【调度】经典作业车间调度问题VS柔性作业车间调度问题

经典作业车间调度问题

在传统车间调度模型中，假设工序加工所需要的资源是不具备柔性的资源，工件的所有工序的加工机器是唯一的，且机器顺序是已知的，则可通过确定工序在每台机器上的加工顺序来优化完工时间等系统目标。随着大批量连续生产时代正逐渐被适应市场动态变化的多品种、小批量离散生产所替代，一个制造企业的生存能力和竞争能力在很大程度上取决于它是否能在较短的生产周期内，生产出较低成本、较高质量的多个产品品种的能力。

柔性作业车间调度问题

柔性作业车间调度问题（ｆｌｅｘｉｂｌｅｊｏｂｓｈｏｐｓｃｈｅｄｕ－ｌｉｎｇｐｒｏｂｌｅｍ，ＦＪＳＰ）也就成为研究重点，它是ＪＳＰ问题的扩展，工件的每道工序可以在多台机器上进行加工，且在每台机器上的加工时间不一定相同。实际生产中可以按照资源负荷情况，灵活地进行资源的选择，提高加工的灵活性。工件的每道工序可以在多台机器上加工的情况在实际生产中有明显的优点：
（１）提高设备的利用率，机床一旦空闲就可以安排工件进行加工，减少设备闲置和等待的时间；
（２）具有维持生产稳定的能力，当一台或多台机器发生故障时，工序可以绕过故障机器，在其他机器上进行加工，使生产得以继续，保证生产的稳定；
（３）提高产品质量和缩短生产周期，与经典的ＪＳＰ模型相比，同一工件的多道工序可以在同一台机床上连续进行加工，减少了中间装卸和搬运等而造成的时间消耗

柔性作业车间调度问题是一个ＮＰ－ｈａｒｄ问题，不可能找到精确求得ＦＪＳＰ最优解的多项式时间算法。研究人员为解决这个难题已付出了几十年的努力，但至今最先进的算法仍很难得到规模较小问题的最优解。近十几年以来，通过模拟自然界中生物或物理过程而发展起来的元启发式算法用于研究ＦＪＳＰ，如遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ，ＧＡ）、蚁群优化算法（ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）、禁忌搜索算法（ｔａｂｕｓｅａｒｃｈ，ＴＳ）、粒子群优化算法（ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）、模拟退火算法（ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ，ＳＡ）、ＤＮＡ算法等

柔性作业车间调度问题特点

１．计算复杂
柔性作业车间调度问题是作业车间调度问题的扩展，它不仅需要确定工序加工的顺序，还要给每道工序分配机器，是比ＪＳＰ更为复杂的ＮＰ－ｈａｒｄ问题

２．多目标
实际生产中经常考虑多项性能指标要求，且各项要求可能彼此冲突。常用的调度性能指标包括：最大完工时间、交货期、机器总负荷、生产成本、延迟或拖期、库存等。
３．不确定性
实际制造中存在广泛的不确定性因素，如机器故障、操作人员的熟练程度、原材料的差异、刀具磨损等因素的影响，确定的加工信息很少能获得。
４．动态性
实际生产制造过程是一个动态的过程，加工工件通常是依次进入待加工状态的，各种工件不断进入制造系统接受加工，已加工完的工件又不断地离开制造系统。
目前车间静态、不确定随机、动态调度范围的定义存在多种不同的分类模型，而这些模型直接影响解决问题的复杂性，因此要求模型简单，接近实际生产过程。一种简单、实用的动态和不确定调度分类模型如图１．３所示，图中可清晰区分静态调度、动态调度、多目标调度、不确定调度、多目标不确定调度的范围