论文部分内容阅读
大型装备大修模式下的任务调度问题,作为一类非典型的作业调度问题,区别于传统的车间作业调度问题(JSSP)和流水作业调度问题(FSSP),由于大修过程中,维修需求的高度不确定性,复杂的工艺约束和作业环境,在研究者和企业界中一直没有针对可行的解决方法。随着制造服务业对MRO过程支持技术需求的不断增长,该问题成了制约MRO行业发展的突出瓶颈。该类不确定性复杂作业调度问题难以用传统的车间调度方法进行建模和求解,主要的困难在于作业过程的有效表示和问题复杂解空间的约减,对此,本文提出基于DBR和启发式规则的不确定环境下装备大修任务两阶段调度方法,突破上述两个难点,实现装备大修作业的有效调度管理,保证企业绩效目标的实现。
第一阶段,从当前装备大修行业任务调度工作现状及特点入手,针对大修系统存在作业能力瓶颈这一情况,设计了面向装备大修作业系统的分层瓶颈识别体系,将作业系统的瓶颈划分为系统性瓶颈、任务性瓶颈、随机性瓶颈等3类,实现快速、准确、低成本的瓶颈识别。有效的瓶颈识别是使用DBR工具的起点,在成功识别作业系统瓶颈的基础上,针对瓶颈设置时间缓冲和库存缓冲两种机制,以保护瓶颈。同时针对维修过程中存在的协同、回流以及交货工作需求,在大修过程的DBR模型中增加针对三者的缓冲设计,以防范波动因素对系统处理能力的影响。
第二阶段,对瓶颈进行优化调度。DBR是通过增加瓶颈处理批量降低处理批次,以减少设备调整时间达到瓶颈吞吐能力的提升的,但是DBR的瓶颈批量处理策略并不适合装备大修的一台或少量几台的订单维修方式,为此,本文设计基于启发式规则的瓶颈调度算法,也可显著提升瓶颈的处理能力。同时,基于协同工作的关系,建立非瓶颈的排程方法。
最后,针对基于DBR和规则的装备大修任务两阶段装备调度方法,以某机车厂的机车大修任务调度工作过程为例,利用Extend软件进行建模仿真,实验表明该方法在环境参数不断变化的情况下具有较高的稳定性(Robustness),较低的计算资源需求,较快的反应时间,可满足不确定环境下装备大修的任务调度工作需求。