多机流水车间中基于不确定生产与调度整合优化的机会性维护策略
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Integrated optimization of uncertain production and scheduling-based opportunistic maintenance strategy for a multi-machine flow shop
【字体:
大
中
小
】
时间:2026年08月11日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
•多机器流水线生产调度与维护的集成优化。•基于相邻机器之间的空闲时间来决定维护行动。•通过考虑不同的维护阈值来处理机器的异质性。•提出了一种混合GA-VNS-RL算法,以获得高效且稳健的优化结果。
引言
及时交付产品与降低成本是提升企业市场竞争力的两个重要因素。有效的调度能够确
•多机器流水线生产调度与维护的集成优化。•基于相邻机器之间的空闲时间来决定维护行动。•通过考虑不同的维护阈值来处理机器的异质性。•提出了一种混合GA-VNS-RL算法,以获得高效且稳健的优化结果。
引言
及时交付产品与降低成本是提升企业市场竞争力的两个重要因素。有效的调度能够确保产品按时交付,而恰当的维护策略则可有效降低生产系统的运营成本[1]。在生产调度中,大多数研究假设生产机器始终处于可用状态。然而实际上,由于意外故障和磨损,生产机器可能会突然停机或逐渐性能下降[2,3]。王指出[4],在生产过程中忽视维护活动可能会使总成本增加高达40%。同样,进行维护工作需要中断生产,这又会进一步影响调度规划。生产调度与机器维护策略是相互关联的,但大多数研究却将它们分开考察。Ouahabi等人[5]指出,关于多机器系统生产调度与机器维护联合优化的研究相当有限。因此,对生产调度与维护策略的集成优化问题进行深入研究,对于提升企业生产效率具有重要意义,本文试图在生产调度与维护规划之间找到平衡点。
这项研究的灵感来源于一个实际场景:一批任务需要按相同顺序在不同的机器上加工,例如半导体晶圆、印刷电路板(PCB)以及发动机缸体。迄今为止,一些学者主要研究任务调度与维护策略的简单优化问题。例如,张、张和甘[1]共同优化了单机器调度与基于状态的维护策略。陈、王和杨[6]研究了在单机器系统可用性约束下的最小总延迟问题。Revera-Gómez H等人[7]则考虑了抽样策略,以优化单机器制造系统的生产计划与维护策略。不过,大多数研究都集中在单个机器或相同的多台机器的决策问题上。上述研究多针对简单系统[8,9],而忽略了不同机器之间的差异性。
尽管有一些学者将多单元生产调度纳入维护策略的研究中,但大多数研究探讨的都是确定性问题,即所有信息都是确定的。Mishra和Shrivastava[10]是最早在特定故障信息下研究多机器系统ABM策略与生产序列的学者。后来,李等人[11]研究了由多台不同机器组成的流水线的集成优化问题。张、张和甘[11]研究了单机器多单元系统的调度问题,并通过采用不同的更换阈值来保障生产流程的顺利进行。此外,Boufellouh和Belkaid[12]提出了新的集成优化问题,以便在固定周期内制定维护行动与调度计划。然而,生产机器会受到环境冲击和磨损的影响而逐渐性能下降,其故障时间通常具有随机性。Ghaleb等人[13]指出,由于机器性能下降或故障,加工时间与能耗都会存在不确定性。由于不同机器的退化路径各不相同,因此每台机器的维护阈值也有所差异。对于多机器流水线而言,考虑不同的维护阈值并将调度问题与维护相结合是很有必要的。
到目前为止,许多研究都聚焦于生产调度中的基于寿命的维护(ABM)策略,如Ghaleb、Zolfagharinia和Taghipour[13]、Mishra和Shrivastava[14]、Mishra等人[15]的研究,这些研究都忽略了机器状态对生产机器的影响。得益于机器性能下降实时监测技术的发展,基于状态的维护(CBM)能够提前发现故障,从而确保生产机器的可用性[16]。Wang等人[17]也证明,与ABM策略相比,CBM策略能够有效降低维护成本。因此,在生产调度中,将CBM策略与生产计划相结合,能够提升系统可靠性并降低总体运营成本。不过,同时整合生产调度与CBM的相关研究相对较少。我们的研究通过将CBM应用于生产调度,填补了这一空白,同时还提出了一种基于相邻任务之间空闲时间的新型机会型维护策略。在可靠性领域,机会型维护窗口通常是由其他机器的退化状态决定的。然而在生产调度中,机会型维护行动是在空闲时间内进行的,这种空闲时间是由于后续工作的开始时间晚于前序工作的完成时间而产生的。据我们所知,在集成调度-维护模型中,针对由调度产生的空闲时间所引发的机会型维护,目前还鲜有研究关注。
Mishra和Shrivastava[14]采用了基于教学学习的优化(TLBO)算法来解决生产调度与群体维护的集成优化问题。Wang等人[18]则引入了双重模因算法(DMA),用于优化混合流水线中的任务优先级与维护调度。Song等人使用了非支配排序遗传算法(NSGA-Ⅱ),来解决具有相同机器的灵活作业车间中最小化总完工时间与维护能耗的优化问题。然而,由于产品需要依次经过多台具有不同退化特性的机器加工,传统方法难以有效解决调度与维护的随机优化问题。为了解决这一问题,本文提出了一种结合遗传算法、变邻域搜索与强化学习(GA-VNS-RL)的混合智能算法。该算法利用遗传算法对解空间进行全局探索,借助变邻域搜索进行局部精细调整,并通过Q学习机制动态响应设备的实时退化状态。这种方法提升了在随机退化环境下的维护决策适应性以及整体调度性能。
本文的主要创新点如下:
1. 提出了多机器流水线生产调度与机会型维护策略的集成优化问题。
2. 设计了一种新的基于调度的机会型维护行动,该行动不仅取决于机器的退化程度,还与相邻机器之间的空闲时间有关。
3. 考虑到了不同机器的异质性,在制定维护策略时采用了不同的维护阈值。
4. 构建了一个带有成本约束的最小完工时间优化模型,并运用混合GA-VNS-RL算法来求解这一复杂的优化问题。
本文的其余结构如下:第2节概述了与维护策略及生产调度相关的现有文献。第3节首先介绍流水线调度系统,第3.2节则阐述维护策略。第4节推导出系统状态转移概率、最小化完工时间及相关成本的目标函数。第5节给出了相关的结构特性,为管理者提供更有价值的参考信息。第6节介绍了混合GA–VNS-RL算法,并给出了相应的伪代码图。第7节通过一个示例来演示所提出的模型。最后,第8节总结了研究成果并指出了未来的研究方向。
文献综述
现有关于维护问题与调度问题的文献大致可分为三类:旨在提升系统可靠性的纯维护问题、旨在最小化总完工时间的纯调度问题,以及维护与调度的集成优化问题。其中,维护与调度的集成优化模型又可分为两类:基于机器寿命的维护(ABM)与生产调度,以及基于机器状态的维护(CBM)与……
系统描述
在流水线调度系统中,有一组编号为J={1,2,?,i,?,n}的任务,需要由m台具有不同退化程度的机器K={1,2,...,k,...,m}依次加工。每个任务必须在所有机器上按照相同的顺序加工。根据流水线调度的定义,用[r],r=1,2,...,n表示任务在机器k上的加工顺序。此外,任务i在机器1上的到达时间为d1i,任务i的第k次加工的加工时间为……
生产机器的状态转移概率
定义1:当机器k没有进行任何维护操作时,从当前退化等级la,la< />Uki},k=1,2,…,m时,如果两个任务的截止日期都早于其完工时间,那么最优的调度方案就是加权最短加工时间优先(WSPT)方案。
证明:采用反证法来证明引理1。假设在调度计划π1={…,i,j,…}中,任务j在任务i之后加工。但在另一个调度计划π2={…,j,i,…}中,任务j却在任务i之前加工。由此可推出矛盾,因此引理成立。
一种混合GA–VNS -RL算法
在本文中,我们提出了一种模型,用于考虑机器退化差异的多机器流水线系统中调度与多种类型维护的联合优化。与传统的流水线调度问题相比,解决这一问题的难点主要在于以下几点:(1)任务加工序列的离散性与时序维护阈值的连续性共存;(2)维护触发条件之间的动态相互作用……
数值算例
为验证所提出集成模型的实际应用价值,本文以一个真实的汽车发动机加工系统作为案例进行研究。该生产过程源自文献[44]中记载的一套实际发动机装配线。所研究的装配线包含三个依次进行的加工阶段,分别对应发动机制造过程中的三个关键工序,即铸造、粗加工和精加工。如图6所示,生产过程为……
结论与未来研究
本研究探讨了一个考虑设备退化的流水线调度问题,其中多个具有不同特性的设备的退化过程被用具有不同参数的伽马过程来建模。研究的目的是在考虑成本约束的情况下最小化总完工时间。首先,本文提出了一种以生产调度为导向的机会型维护决策机制,将调度顺序与机会型维护阈值共同优化……
CRediT作者贡献声明
王静静:写作——审阅与编辑,写作——初稿撰写。宋丹丹:写作——审阅与编辑,写作——初稿撰写。张莫汉:写作——初稿撰写。杨利:可视化,验证。王静静|宋丹丹|张莫汉|杨利
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号