导　　师： 陈新; 刘强

授予学位： 博士

作　　者： ;

机构地区： 广东工业大学

摘　　要： 板式产品是指以板材为主要原料,以平面加工为主要加工形式,由多种板式配件经过装配而形成的一类产品,常见于PCB电路板、板式家具、3C家电、玻璃、钣金、建材与印刷等诸多产品。板式产品制造企业常面临着“多品种小批量”的定制生产需求,生产订单变更频繁、交货期紧迫,这一生产特征导致生产过程批次多、换产频繁,进而导致原材料利用率与生产效率低下、设备稼动率不平衡、资源配置不合理、交期保障困难等一系列问题,迫切需要提高订单组批能力,降低生产批次。下料排样是板式产品制造过程的首道工序,直接影响生产批次构成和后续工艺流程的执行,进行订单组批与排样的协同优化有利于实现板式产品定制生产过程的系统性优化,同步提高原材料利用率和减少生产批次,降低生产成本,提高生产效率,研究订单组批与排样的协同优化问题具有重要的理论研究价值和实际工程意义。论文重点研究板式产品定制化生产中排样优化问题、订单组批问题以及组批与排样协同优化方法。主要的研究工作如下:(1)研究与分析了板式产品定制化生产的共性需求与优化问题。对板式家具、中空玻璃、PCB样品板三类主要板式类产品生产的定制设计需要与优化问题进行了深入的分析,研究了板式产品生产特征的相似性传递过程(几何-工艺-运动-优化),揭示了这一类定制产品生产过程的共性耦合优化问题“组批-排样-X优化”,并提出了涵盖子问题求解算法和解耦算法的求解思路。(2)针对满足“一刀切”板材长度可变的二维矩形排样优化问题,提出了基于组化的改进型启发式搜索算法BBHSA。在BBHSA中,矩形件被合拼成块,这些块提供了良好的布局元素,并作为启发式搜索过程中构造树的基本组成部分。排样过程中使用了排放和分割、放宽和收缩以及在线组块三个基本操作进行搜索,以加快搜索速度,提高解的质量。该算法对Benchmark上零浪费情况下案例具有较好的计算效率,能够对文献中提及的几乎所有的零废料标准案例得到最优解。(3)针对考虑叠板组批的切割与排样协同优化问题,提出了一种基于叠板数分层的多叉树递归搜索算法。建立了使用原材料和切割加工时间造成总成本最小化的数学模型;提出了一种基于叠板数分层的排样递归搜索方法;采用基于多叉树结构的分层迭代式协同优化机制,并利用多个利用率阀值进行多叉树分层迭代。与行业主流软件计算对比表明,该方法能提高原材料利用率和切割效率,降低生产总成本。(4)针对大规模排样优化计算时间长等问题,提出了一种基于机器学习的排样下料率预测代理模型。通过学习实际生产订单中的排样历史数据,运用RandomForest模型、XGBboost模型与Lightgbm模型对历史订单排样经验数据进行分析与学习,能快速的对新订单任务的排样优化结果进行精准预测。(5)针对板式产品定制化生产中订单组批与排样协同优化问题,提出了一种基于下料率代理模型的订单组批与排样迭代优化方法。提出了一种满足交货期与生产工艺约束的凝聚层次聚类算法进行订单组批优化,利用代理模型对组批方案进行排样利用率预测与方案评估,通过代理模型对组批方案筛选,再进行组批与排样问题的迭代优化,能大幅缩短搜索时间。基于上述订单组批与排样协同优化方法,开发了相关系统并在企业开展实际应用,验证了算法的工程应用价值。论文相关方法/算法能够为板式类产品相关企业提供高效的订单组批与排样优化服务。更多还原

关 键 词： 板式产品 订单组批 [2862433]排样优化 协同优化 [29091]代理模型

分 类 号： [F273;TP18]

领　　域： [] []