人工智能-机器学习-生产过程的智能决策与调度.pdf

人工智能-机器学习-生产过程的智能决策与调度 在实际生产过程中，生产管理与调度是企业综合自动化系统的核心。一个合理的调度方案能给企业带来很大的经济效益。在理论上，调度是一个多目标、多约束的优化问题，所以研究生产调度具有重要的理论意义和实用价值。 本文的研究工作的重点是如何体现人在生产调度中的决策作用，以及如何用多知识表达方式实现一个调度问题。本文主要包括以下内容： 1. 分级生产系统的研究 在研究生产系统的分级问题时，本文总结了一些分级原则，在此基础上给出了一个分级的生产系统。这种分级的生产系统不但层次清晰、任务明确，而且信息流向清楚，便于生产管理系统设计和分析时的应用。 2. 生产计划的研究 生产调度的执行离不开生产计划的指导，为此本文研究了长期生产计划和短期生产计划的混合整数线性规划模型。该模型结构清晰，易于扩展，具有较高的实用价值。 3. 动态甘特图的提出 为了解决由急件产品或设备故障引起的产品生产周期的动态决策问题，本文提出了动态甘特图。该动态甘特图形象、直观，能辅助决策者迅速作出新的决策。 4. 化工过程生产调度模型的研究 本文提出了以状态任务网为基础建立的化工过程生产调度的模型，该模型具有层状清晰、容易理解和易于扩展等特点。但是，该模型仍然摆脱不了维数爆炸或非线性问题。 5. 模拟退火算法的提出 为了解决化工过程生产调度模型中的维数爆炸或非线性问题，本文提出了具有约束指导的模拟退火算法，有效地解决了上述模型求解存在的问题。 6. 模糊决策支持系统的建立 为了充分体现决策者的智能作用，本文建立了一种以分散式模糊神经网络为核心的模糊决策支持的生产调度系统。该系统的最大特点在于能通过各网络的推理提取一些新的规则，进一步完善调度经验。 7. 面向约束的诚度稳定度概念的提出 为了减少重新调度次数，提高生产的稳定性，本文提出了面向约束的诚度稳定度概念，并应用这一概念进行谓度方案的选择。这使得被选调度方案不但有满意的目标值，而且也有较好的稳定性，更适于实际生产调度的应用。 本文的研究工作旨在解决生产调度中的智能决策问题，提供了一种新的研究方法和技术手段，旨在提高生产效率和经济效益。