面向複雜生產系統設計與控制的仿真最佳化方法研究

《面向複雜生產系統設計與控制的仿真最佳化方法研究》是依託上海交通大學，由Andrea Matta擔任項目負責人的面上項目。

基本介紹

• 中文名：面向複雜生產系統設計與控制的仿真最佳化方法研究
• 項目類別：面上項目
• 項目負責人：Andrea Matta
• 依託單位：上海交通大學

項目摘要

市場競爭越來越激烈，這使得企業越來越關注其生產和庫存系統的配置及其使用方式。由於系統配置和控制系統的策略影響了大部分發生在生產周期中的成本，系統配置和控制系統策略的設計階段相互關聯。企業需要需要設計複雜生產系統和庫存系統，然而實際仿真最佳化方法並不能滿足公司的這個需求。由於具有大量的可選項、動態隨機性、非線性特徵、以及變數之間的隱性關係，企業通常使用仿真評估系統性能，然後基於經驗進行最佳化。針對該問題，本項目擬研究基於數學規劃和時間緩衝的仿真最佳化方法。首先構建能夠同時最佳化和仿真生產系統的數學模型；然後基於時間緩衝近似，即將生產部件間的同步機制轉化為事件之間的同步機制，以簡化數學模型中的仿真最佳化問題；這種近似使得帶有整數決策變數的複雜數學規劃模型可以轉化為便於最佳化算法快速求解的線性規劃模型。項目所提出方案能夠使得生產系統提高生產率，降低在制品水平，縮短訂單提前期，降低成本。

結題摘要

離散事件仿真是複雜隨機系統性能的主要評估工具之一。因此，仿真也越來越廣泛的被套用於生產與庫存系統設計和控制問題。本項目提出的離散事件最佳化（Discrete Event Optimization，DEO）方法是在一個數學規劃模型中整合仿真和最佳化的建模和求解框架。離散事件最佳化方法表明仿真不僅可以作為隨機系統的性能評估工具，還可以定義最佳化問題的可行域。DEO數學模型是仿真最佳化框架的核心，圍繞這一核心，本項目同時研究了建模方法和求解算法，並將建立的方法套用於多個生產與庫存系統設計和控制問題。 本項目首先建立了基於事件的建模方法和近似求解算法。近似算法提出了時間快取概念，即將兩個相關事件發生的時間差作為近似線性約束的方法。這一近似方法即可以被用於直接求近似解，也可以在算法的初始階段縮小可行域。拉式生產系統的庫存控制問題和串聯生產系統的快取分配問題的數值實驗表明，近似算法可以在合理時間內得到次優解。 其次，本項目建立了基於圖形的建模方法，簡化了生產於庫存系統設計和控制問題的建模和分析過程。圖論建模方法可以被廣泛套用於各種複雜系統，例如本項目建立了看板系統、閉環系統和裝配系統的圖論模型。 最後，本項目建立了基於Benders分解的算法，有效的縮小了問題的規模。仿真過程中事件之間的觸發關係被用來生成Benders約束，避免了使用求解器對數學規劃模型進行求解，進一步提高了算法效率。通過分解，最佳化部分的求解更具靈活性，本項目的一個案例使用鄰域搜尋算法求解了有限庫存下的快取分配問題。分解算法也被用來求解串聯繫統的瓶頸檢測問題，數值分析表明分解算法具備求解複雜問題的能力。