生產(chǎn)計劃與調(diào)度管理制度(文件)
【正文】 核實生產(chǎn)計劃的實際完成情況。，計劃調(diào)度員有權召開臨時生產(chǎn)調(diào)度會議。、匯總當天主機下線、入庫的情況，及時上報有關部門和主管領導。，目的是檢查、協(xié)調(diào)生產(chǎn)進度，了解存在的問題，針對生產(chǎn)中的薄弱環(huán)節(jié)，制定有效措施，予以解決。、總成計劃完成情況當天漏報一次，扣50元。第四篇：生產(chǎn)計劃調(diào)度目前大多數(shù)仿真是以靜態(tài)方式運行的：仿真系統(tǒng)僅以啟動時確定下來的靜態(tài)數(shù)據(jù)集作為輸入，仿真運行過程中不能動態(tài)地向系統(tǒng)注入數(shù)據(jù)。各單元模塊的功能如下1．控制單元：控制仿真模型運行，抽取模型的狀態(tài)特征數(shù)據(jù)與注入數(shù)據(jù)對比分析，據(jù)此調(diào)整模型和分辨率；控制實際生產(chǎn)線運行，根據(jù)仿真結果數(shù)據(jù)反饋生產(chǎn)線調(diào)度優(yōu)化方案；控制數(shù)據(jù)采集，根據(jù)仿真結果數(shù)據(jù)產(chǎn)生數(shù)據(jù)采集策略，反饋數(shù)據(jù)采集模塊執(zhí)行。3．人機接口單元：顯示仿真結果，支持用戶對仿真策略進行調(diào)整和控制，支持用戶根據(jù)仿真結果對生產(chǎn)線運行進行控制，支持用戶根據(jù)仿真結果對數(shù)據(jù)采集策略進行選擇控制。其中，調(diào)度模塊包括相互協(xié)同的兩個層次：上層模塊是生產(chǎn)計劃調(diào)度器，采用全局優(yōu)化的方法，利用群體智能蟻群算法進行尋優(yōu)，可產(chǎn)生一個靜態(tài)的調(diào)度計劃，其尋優(yōu)時間長的問題可以通過多Agent建模的分布式計算能力得到解決。整個過程是一個動態(tài)反饋過程。(二)動態(tài)數(shù)據(jù)驅動仿真控制單元由中心推理機和輔助功能Agent組成，共同構成一個調(diào)度決策支持系統(tǒng)。短期優(yōu)化目標包括：最大化生產(chǎn)量、最大化WIP移動步數(shù)、最小訂單交貨延遲率、降低加工周期、降低加工周期方差、降低WIP水平等。同時，它也在不斷地動態(tài)調(diào)整，保持與生產(chǎn)線當前的實際生產(chǎn)情況一致，完成這個任務需要中心推理機的協(xié)同，如基于案例庫的推理等。與傳統(tǒng)仿真不同，動態(tài)數(shù)據(jù)驅動仿真是一種與生產(chǎn)線生產(chǎn)過程并行的仿真方法。同時，將調(diào)度因素反饋給數(shù)據(jù)采集策略Agent，由后者按一定的策略完成下一步的生產(chǎn)線數(shù)據(jù)采集工作。使用戶可以實時地控制仿真的整個過程，并利用仿真結果指導生產(chǎn)和數(shù)據(jù)采集過程。其中，仿真模型根據(jù)動態(tài)注入的生產(chǎn)數(shù)據(jù)完成自適應調(diào)整是整個DDDAS的核心，本文采用分層優(yōu)化的思想生成調(diào)度方案，同時達到全局和局部的優(yōu)化目標。一方面，通過真實系統(tǒng)運行過程中產(chǎn)生的參數(shù)同步地對仿真系統(tǒng)進行調(diào)整，可以大大提高仿真的準確性、時效性、智能化；另一方面，通過仿真提供的數(shù)據(jù)同步地為真實系統(tǒng)地運行提供決策支持，這些將大大地擴展仿真系統(tǒng)的應用能力。因此JIT生產(chǎn)是指在生產(chǎn)組織的各個層面上，采用通用性強、自動化程度高的機器設備，以不斷降低成本、無廢品和零庫存為目標的一種生產(chǎn)方式。比如遺傳算法與模擬退火算法的混合，就是將遺傳算法的全局搜索能力與模擬退火算法的局部搜索能力結合起來，形成一種強大的算法。c)選擇運算:將選擇算子作用于群體。遺傳算法中起核心作用的就是交叉算子。f)終止條件判斷:若t=T,則以進化過程中所得到的具有最大適應度個體作為最優(yōu)解輸出，終止計算。即是對群體中的個體串的某些基因座上的基因值作變動。選擇操作是建立在群體中個體的適應度評估基礎上的。遺傳算法的基本運算過程如下：a)初始化：設置進化代數(shù)計數(shù)器t=0，設置最大進化代數(shù)T，隨機生成M個個體作為初始群體P(0)。JIT生產(chǎn)的核心是消除一切浪費，其實現(xiàn)途徑就是通過實現(xiàn)“標。JIT生產(chǎn)的基本原理來源于超級市場以需定供的管理方式，即供方依據(jù)訂貨傳票（看板）的要求，在規(guī)定的時間將貨品配送到需要的地點。不僅下層的調(diào)度方案建立在上層調(diào)度方案的基礎上；同時，上層的調(diào)度模塊接受下層調(diào)度方案的局部優(yōu)化解作為啟發(fā)信息引導搜索過程，以加快收斂，在較短的時間內(nèi)得到全局的優(yōu)化解。仿真系統(tǒng)根據(jù)一定的時鐘節(jié)拍采樣生產(chǎn)線上的數(shù)據(jù)；然后，將仿真數(shù)據(jù)與生產(chǎn)線數(shù)據(jù)作比較，使用因素分析Agent分析原因。由于柔性制造系統(tǒng)生產(chǎn)線由上百個生產(chǎn)設備構成，如果對所有的生產(chǎn)數(shù)據(jù)進行采集必然影響數(shù)據(jù)的采集效率，所以采用移動Agent既縮短時間又提高數(shù)據(jù)的精確性，同時還可以根據(jù)需要對數(shù)據(jù)作一定的預處理以縮小傳遞的數(shù)據(jù)量。對多劇情仿真的管理由仿真劇情管理Agent實現(xiàn)；同時，仿真參數(shù)和得到的結果也將作為知識保存在案例庫中。優(yōu)化策略管理Agent根據(jù)控制模塊設定的優(yōu)化目標或調(diào)度模塊反饋的優(yōu)化目標的達成情況，在中心推理機的幫助下，按照推理規(guī)則，進行模型和算法的調(diào)整，實現(xiàn)全局優(yōu)化算法和局部優(yōu)化算法之間的動態(tài)協(xié)作，當滿足一定的條件時，返回優(yōu)化的調(diào)度方案作為當前的最優(yōu)解。各目標權值的大小比例是一個動態(tài)調(diào)適的過程。多目標管理Agent：負責控制當前調(diào)度優(yōu)化的方向，對調(diào)度方案評價函數(shù)中多個不同目標的權重進行動態(tài)的參數(shù)調(diào)整，實現(xiàn)調(diào)度目標與當前生產(chǎn)線的實際生產(chǎn)情況一致。上層的調(diào)度結果不僅會指導下層的調(diào)度過程，即帶啟發(fā)式規(guī)則的仿真是對智能蟻群算法產(chǎn)生的調(diào)度計劃的局部修改；而且下層的調(diào)度結
醫(yī)療健康相關推薦
鄂ICP備17016276號-1