吴昌钱,杨旺功,罗志伟

(1.闽南科技学院 计算机信息学院,福建 泉州 366200;2.北京林业大学 信息学院,北京100083;3.厦门理工学院 机械与汽车工程学院,福建 厦门 361000)

传统生产流程主要是通过生产任务分配生产人员、设备和原料等,生产环节主要是通过顺序流程,加工调度主要靠人力经验来判断决策,决策智能性不足。随着智能制造的提出,结合物联网技术,将物联网技术应用于智能车间的监测[1],通过监测获得实时生产数据,然后通过数据分析来为智能车间生产流程优化提供决策,这种方法提高了生产流程优化效率及精度。通过对车间设备、资源、人工和工艺环节等监测,实时掌握车间的生产情况,根据生产情况及新入任务适时地调整车间生产情况,以便能够在按时完成任务的同时最大限度地节省生产成本。对于生产所需的设备、物料、人工等调度分配是一个复杂问题,对于该问题的数学建模与求解还需要结合滚动的任务来优化车间生产流程,因此对于生产流程优化可考虑采用深度学习算法来完成[2]。

近年来,关于生产流程优化的方法较多,李彬等[3]采用神经网络算法对车间各条生产线的调度路径进行优化,降低了产品在生产线切换时的调度时间,节省了生产过程中的时间成本。童小英等[4]采用遗传算法在虚拟仿真环节中对混流装配线进行平衡优化研究,以优化所有装配线的生产效率,优化后的生产效率得到明显提升。但是,上述两种方法仅针对平均完工时间进行了优化,没有考虑生产成本问题的约束。……