-
公开(公告)号：CN119809259A
公开(公告)日：2025-04-11
申请号：CN202411946866.1
申请日：2024-12-27
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/10 , G06Q50/04
Abstract: 本发明涉及一种面向飞机脉动装配线的生产调度和工人分配联合优化方法，包括以下步骤：获取飞机脉动装配线的装配任务数据和资源数据，资源即工人；构建字典顺序双目标优化整数规划模型，以最小化脉动周期和总资源消耗作为目标函数；求解字典顺序双目标优化整数规划模型，实现资源专享政策下的工人分配和飞机脉动总装线中多模式装配任务的联合优化：估计每个工作站的资源‑工期映射，根据估计映射确定初始资源分配；采用遗传操作搜索调度方案；采用映射更新策略完善映射；经过一个预定的进化周期后，执行资源重分配，以调整和优化资源分配。与现有技术相比，本发明具有调度结果生产效率高、节约了计算开销等优点。
-
公开(公告)号：CN119781386A
公开(公告)日：2025-04-08
申请号：CN202411736234.2
申请日：2024-11-29
Applicant: 同济大学
IPC: G05B19/418 , G06Q10/083 , G06Q10/087 , G06Q10/047 , G06N3/126
Abstract: 本发明涉及一种面向车间内准时化物料配送的无冲突AGV调度方法，包括以下步骤：获取物料配送任务，将决策周期划分为多个阶段；在每个阶段内利用独立的调度算法进行AGV调度，优化每辆AGV每趟出行所配送的任务和发车时间，并规划无冲突的最优路径，实现最小化时间窗惩罚和配送成本的AGV调度方案，其中，调度算法包括任务分配和路径规划，任务分配中，基于发车时间预估进行行程划分，并基于启发式规则进行每个行程的AGV指派，路径规划中，根据任务分配的结果，采用A*算法进行初始路径规划，并基于路径时间窗进行冲突检测，结合等待和局部重规划进行冲突解决。与现有技术相比，本发明实现了准时化配送要求下任务分配和路径规划的协同，且可以提高计算效率和资源利用率。
-
公开(公告)号：CN119758902A
公开(公告)日：2025-04-04
申请号：CN202411851136.3
申请日：2024-12-16
Applicant: 同济大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于双层生产‑维护迭代式优化的阻塞流水车间调度方法，依次通过多样型搜索和增强型搜索对多目标阻塞流水车间调度模型进行求解；所述多样型搜索和所述增强型搜索分别为基于加工序列和基于加工片段颗粒度变邻域搜索的生产‑维护迭代优化模式，生产‑维护迭代优化模式包括生产调度优化‑维护活动跟随模块和维护计划优化‑生产活动跟随模块，前者中多次重复以下步骤：通过局部搜索算子进行变邻域搜索以获得加工序列，根据机器最低可靠性原则生成相应的维护序列；后者中多次重复以下步骤：根据前向调整条件调节维护序列，调整加工序列。与现有技术相比，本发明可以将维护信息有效嵌入调度决策中，高效获得科学的集成调度方案。
-
公开(公告)号：CN119740829A
公开(公告)日：2025-04-01
申请号：CN202411902091.8
申请日：2024-12-23
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本发明涉及一种考虑退化与维护协同优化的多目标不相关并行批调度方法，包括以下步骤：获取生产任务数据：建立最小化最大完工时间、总完工时间和总能耗的三目标优化模型：对多目标不相关并行批调度问题进行子问题分解；基于子问题的特征分别设计工件指派、批次形成以及批次排序的启发式规则；结合启发式规则，设计MOEA/D‑VNS算法对三目标优化模型进行求解，以解决工件划分和协同优化问题，得到综合考虑退化与维护协同优化的多目标不相关并行批调度方案。与现有技术相比，本发明具有能够协同优化批调度和维护活动，确保生产稳定高效、提高能源效率等优点。
-
公开(公告)号：CN119338156A
公开(公告)日：2025-01-21
申请号：CN202411255437.X
申请日：2024-09-09
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q10/083 , G06N3/092 , G06Q50/04
Abstract: 本发明涉及一种面向动态柔性作业车间的生产和物流协同调度方法，包括以下步骤：获取动态柔性作业车间的实时信息，输入面向动态柔性作业车间的生产和物流协同调度问题模型，采用深度强化学习方法进行求解，获得车间调度方案；其中，所述面向动态柔性作业车间的生产和物流协同调度问题模型为生产活动和物流活动设置了各自的优化目标，并考虑了物流设备的故障场景及相应的处理策略，其求解过程具体如下：S301、设计适配的多智能体嵌套分层框架；S302、设计各智能体的马尔科夫决策过程关键要素；S303、利用多智能体近端策略优化算法对各智能体进行协同训练。与现有技术相比，本发明可以获得更加合理、有效的柔性作业调度方案。
-
Patent Agency Ranking
公开(公告)号：CN117952352A
公开(公告)日：2024-04-30
申请号：CN202410019341.7
申请日：2024-01-05
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/04 , G06N3/126
Abstract: 本发明涉及柔性作业车间调度技术领域，尤其是涉及一种柔性作业车间多目标调度优化方法、装置及存储介质。该方法以工人作息时间、请假休息为主要约束条件，兼顾考虑机器种类数量、工人数量和工人‑机器‑任务的匹配度，同时寻求最小化提前‑拖期惩罚和最小化用人成本，通过改进NSGA‑II算法求解一类柔性车间作业的调度方案。与现有技术相比，本发明具有约束考量更为全面，优化的柔性车间调度方案更加符合生产生活实际、准确性和可靠性更高等优点。
-
公开(公告)号：CN117519014A
公开(公告)日：2024-02-06
申请号：CN202311456113.8
申请日：2023-11-03
Applicant: 同济大学
IPC: G05B19/418
Abstract: 本发明涉及一种基于QMIX的飞机脉动装配线分布式调度方法，该方法包括：在装配线上的各站位设置分布式决策的站位agent，站位agent内包括排序子agent、分配子agent以及仿真模块和协同决策模块；仿真模块模拟装配过程并更新状态数据，两个子agent通过与仿真模块的交互输出调度规则；仿真模块将状态数据与调度规则保存至经验池中，协同决策模块对经验池中的数据进行采样，训练更新两个子模块的网络参数；最终经全局训练后的两个子agent输出优化后的工序加工顺序以及人员分配方案。与现有技术相比，本发明中各智能体通过与环境的交互能够根据生产环境调整调度决策，极大提高整个调度过程的自主性。
-
公开(公告)号：CN113505982A
公开(公告)日：2021-10-15
申请号：CN202110767035.8
申请日：2021-07-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于可持续生产调度框架的作业车间调度控制方法，该方法包括以下步骤：构建一可持续制造调度三维目标框架；基于作业车间决策信息，从所述可持续制造调度三维目标框架中选取与所述作业车间决策信息相适配的调度目标；基于所述调度目标求解获得最优调度方案，以该最优调度方案控制作业车间生产状态。与现有技术相比，本发明具有能够快速获得有效的调度目标以实现准确生产调度控制等优点。
-
公开(公告)号：CN119758920A
公开(公告)日：2025-04-04
申请号：CN202411926929.7
申请日：2024-12-25
Applicant: 同济大学
IPC: G05B19/418
Abstract: 本发明涉及一种面向多阶段制造系统的质量预测方法、设备和介质，包括以下步骤：获取原材料初始质量指标值和各制造阶段的设备状态参数，进行预处理后通过广播机制进行拼接，然后输入训练好的面向多阶段制造系统的质量预测模型，获得每个制造阶段的质量预测结果；该模型包括全量注意力模块和前馈神经网络，以及基于双向长短期记忆网络构建的编码器和解码器，编码器用于根据输入数据生成每个制造阶段的输出向量；全量注意力模块用于根据解码器的隐藏向量计算输出向量的注意力权重；解码器用于将加权后的输出向量进行解码，解码结果通过所述前馈神经网络输出为质量序列。与现有技术相比，本发明提高了复杂多阶段制造过程中质量预测的准确性。
-
公开(公告)号：CN104881707B
公开(公告)日：2018-07-03
申请号：CN201510225409.8
申请日：2015-05-04
Applicant: 同济大学
IPC: G06F17/00
Abstract: 本发明涉及一种基于集成模型的烧结能耗预测方法，该方法包括以下步骤：1)基于RReliefF的特征选择算法进行模型特征选择；2)根据所选模型特征的历史数据，建立改进极限学习机智能预测模型和回归型支持向量机智能预测模型；3)对多个单一智能预测模型进行加权集成，获得集成后的烧结能耗预测值。与现有技术相比，本发明基于信息熵的集成预测模型具有良好的预测精度和泛化能力，同时具有较高时间效率，在实际生产具有应用推广价值。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.027 seconds)
