论文部分内容阅读
通过分析国内外的相关研究,运用运筹学方法和人工智能技术主要进行了如下方面的创新和实践: (1)根据ETO企业的特点,提出企业内网络计划约束MRP计划的多层结构生产管理模式;根据关键物料在供应链上的时间约束关系,将多层计划从企业内部扩展到供应链,形成基于供应链的多级多层计划MHP(Multilevel hierarchical planning)体系,采用事前/事后双反馈控制结构以增强计划的一致性和鲁棒性;通过分析计划优化的约束因素和多层计划中不同层次的计划优化目标,建立多层计划的三类优化模型. (2)针对实际生产计划展望期内的网络图大多不是标准的单源单目标事项网络图,提出广义网络图的概念、广义网络图时间参数的计算方法和广义网络图关键路径的确定方法;为确定工序调度的优先级、增强网络计划的鲁棒性、减少计划调节的范围,提出网络图的局部性原理;基于该原理提出了关键子图/补子图的广义网络图的分解模式和广义网络计划的生成算法. (3)通过分析传统MRP存在的一些问题,结合面向物料的MRP和面向能力的层次式计划提出双反馈MRP模型和相应的分解算法; (4)考虑两类任务多机调度问题:同起点的独立任务多机调度问题SMSP(Simultaneous Multiprocessor Scheduling Problem)和非同起点的独立任务多机调度问题NMSP (Non-simultaneous Multiprocessor SchedulingProblem).结合解决SMSP的LPT、MULTIFIT和Bound Fit等典型算法,提出QUICKFIT算法.(5)将多智能体技术应用于多级多层计划体系以敏捷地反应计划的变化,提出agent类型、基于MAS的计划协调的功能图、基于MAS的多级多层计划协调的通信支撑结构以及基于MAS的多级多层计划生成、执行和主要例外情况处理流程.