1绪论
1.1课题的来源、目的及意义
本文研究工作得到了以下科研项目的资助：(1)国家自然科学基金项目“集成式工艺规划与车间调度问题的理论、方法及其扩展研究”，项目编号：51005088;(2)国家自然科学基金项目“面向离散制造系统的集成式工艺规划与车间调度问题研究”，项目编号：51375004;本文在上述课题的支持下，深入研究了多目标IPPS问题，探索该问题在不同环境下的求解方法。首先研究了多目标IPPS问题的求解策略，在该策略的指导下分别对柔性工艺规划方法、多目标IPPS优化方法和多目标不确定IPPS优化方法进行了研究，并探讨了多目标IPPS决策方法。最后，将本文提出的多目标IPPS求解方法应用于具体的工程实例，为数字制造系统的研究与应用提供了一定的理论与技术支持。工艺规划和车间调度系统对制造系统的产品加工能力、资源利用率以及生产效率有着重要影响[1][2]。工艺规划的输入是产品的设计数据，输出为产品具体的制造信息，如产品加工路线，工序加工方法、机器工具、工艺参数等。计算机辅助工艺规划（Computer Aided Process Planning，CAPP)能够克服基于人工经验的传统工艺规划带来的一系列问题。CAPP的研究主要集中在三个方面：工艺计划信息模型的描述，CAPP与其他系统的集成以及工艺路线的优化与选择。在实际生产车间当中，零件的工艺路线往往是多样可变的。为了能够更好地适应车间的动态特性，CAPP必须能够为每个零件产生大量的柔性工艺路线，并且能够根据具体的生产需求进行优化与选择[5]。工艺路线的优化与选择不仅要对工件的加工工艺进行选择与排序，还要确定不同工艺的加工机器以及加工刀具，同时还会受到工艺优先关系约束的影响。
…………
1.2国内外研究现状
工艺规划和车间调度本身均为NP-Complete问题，IPPS问题也是NP-Complete问题[40]。考虑到IPPS问题本身的复杂性与重要性，对IPPS问题建模与求解方法的研究已经成为相关研究领域的难点和热点[41]。在制造企业中，工艺规划和车间调度往往是独立的两个部门，将两个部门完全进行整合并不现实。考虑到这一实际问题，IPPS的研究方法主要关注如何增加工艺规划与车间调度之间信息的交互。IPPS的研究方法主要可以分为三类[42]:非线性方法（Non-Linear Approach，NLA)、闭环式方法（Closed Loop Approach，CLA)以及分布式方法（Distributed Approach，DA)。在非线性方法当中，在工件进入车间之前，首先依据工件的多种工艺柔性确定工件的多条可行工艺路线[43]。然后，依据工艺规划的优化目标（加工时间、加工成本等），对工件的可行工艺路线赋予不同的优先级。当开始进行车间调度时，具有最高优先级的工艺路线最先被输入车间调度系统。如果选中的工艺路线不适合当前的车间状况，则选择次优的工艺路线重新进行调度决策，直到满足车间调度的需求[W。这种方法适合应用于具有独立工艺规划和车间调度部门的制造企业。它能够为生产车间提供尽可能多的可行工艺路线，有利于企业决策者找到更优的工艺路线以及调度方案。但是，当工件的工序数目较多时，工件的可行工艺路线数量会成指数倍数增加，问题的计算时间以及数据存储空间都会随之大大增加[45]。
…….
2多目标IPPS问题总体研究框架
2.1多目标IPPS问题模型研究
IPPS问题的研究方法主要可以分为三类[42]:非线性方法、闭环式方法以及分布式方法。其中，非线性方法的搜索空间最大，能够考虑尽可能多的工艺路线。在多目标IPPS问题中，决策者需要寻找到一组非支配的解集，对于解的多样性要求比较高。因此，非线性方法比较适合多目标IPPS问题的寻优，能够探索尽可能广阔的解空间，有利于寻找到更好的非支配解集。本文对于多目标IPPS问题的研究就是建立在非线性方法基础上的。基于非线性方法定义本文研究的多目标IPPS问题如下[135]:假设有n个工件需要在m台机器上进行加工。每个工件具有不同的加工特征，每个加工特征可以由不同的加工工艺加工完成，每道工序具有多个可选的加工机器(加工刀具、刀具进给方向等）。多目标IPPS的目的是为每个工件选择合适的工艺路线，同时根据选择的工艺路线确定每台机器上各个工件的开工时间和完工时间，寻找满足整个系统的多个性能指标（如最大完工时间、平均流程时间、总机器负载等）的均衡解。针对实际生产需求，本文所研究的多目标IPPS问题同时优化以下五个目标：缩短最大完工时间（makespan)和工件的总流程时间（total flow time，TFT)以提高生产效率；降低最大机器负荷（maximal machine workload, MMW)和总机器负荷（totalmachine workload，TMW)以提高设备利用率；减少总拖期时间（total tardiness)以提高客户满意度。
………..
2.2多目标IPPS求解策略研究
在生产调度领域，决策者的主观偏好存在很多不确定的因素，比如在不同时期，决策者侧重考虑的目标会有所不同，或者在同时考虑几个目标时对不同的目标又有不同的主观偏好。因此，在求解生产调度领域的多目标优化问题时，应当充分挖掘问题本身的信息，并尽可能减少决策者的主观偏好对于问题求解的影响。多目标IPPS问题的求解不仅需要考虑工艺规划与车间调度的集成方法，还需要考虑如何同时优化多个目标。根据上文综述可知，多目标IPPS问题是一个复杂的NP-Complete问题，问题解空间非常庞大。如果釆用多目标优化方法中的先验法或者交互法，一旦决策者的主观偏好发生改变，则需要对问题重新进行寻优求解，会浪费大量的时间。因此，本文的研究采用后验法求解多目标IPPS问题，即先优化、后决策。在多目标IPPS优化阶段，柔性工艺规划不断地为车间调度提供近优的工艺路线指导车间调度的运行，然后使用多目标优化算法求得多目标IPPS问题的非支配解集，实现多目标工艺规划与车间调度的集成优化。在多目标IPPS决策阶段，使用决策准则从多目标优化阶段求得的非支配解集中挑选出最终方案。这种求解策略从多目标IPPS问题自身出发，求得的多目标IPPS非支配解集不仅能够客观上反映IPPS问题不同目标值之间的关系，从而为决策者提供合理的备选方案，而且能够降低目标之间相互制约的因素以及决策者主观不确定因素对于问题求解的影响。基于多目标IPPS问题的数学模型以及先优化后决策的求解思路，结合工艺规划与车间调度的集成优化方法[5]，建立了多目标IPPS问题求解流程。
……….
3基于HBMO算法的柔性工艺规划方法研究
3.1 引言........ 23
3.2柔性工艺规划问题........ 24
3.3基于HBMO算法求解柔性工艺规划问题........ 26
3.4计算结果与分析........ 34
3.5本章小结 ........42
4基于HBMO算法的多目标IPPS优化方法研究
4.1引言........ 43
4.2基于HBMO算法求解多目标IPPS问题........ 43
4.3计算结果与分析........ 51
4.4本章小结 ........61
5基于HBMO算法的多目标不确定IPPS优化方法研究
5.1引言........62
5.2多目标不确定IPPS问题........ 62
5.3基于HBMO算法求解多目标不确定IPPS问题........ 71
5.4计算结果与分析........ 72
5.5本章小结........ 78
7多目标IPPS实例
7.1应用背景简介
某包装机械上使用的成型模块如图7.1所示，该模块是自动化生产线上常用模块之一，通过驱动上下滚轮同步反向旋转完成高速滚压，并可在线调节上下滚轮之间的距离，广泛应用于滚切、滚压成型等生产过程。在实际生产过程当中，九种零件在车间中同时进行生产加工，不同零件的生产工艺有较大的差异，且具有多种可选的加工工艺和加工机器。通过调研，发现该机床厂在制定工艺计划时并没有考虑生产车间的实际情况，直接按照制定的工艺计划投放车间生产。另外，企业生产者希望能在满足客户交货需求的前提下提高现有资源的利用率、缩短生产加工时间。根据该生产车间的特征以及企业管理者的需求，通过对该车间生产零件的加工工艺卡进行调研，分析了该生产车间存在的多目标IPPS问题，将本文的理论成果应用到该生产车间存在的多目标IPPS问题。
……..
总结
本文围绕多目标IPPS问题，分别从柔性工艺规划问题、多目标IPPS优化问题、多目标不确定IPPS优化问题以及多目标决策问题这四个方面进行了系统深入的研究：首先，依据多目标优化理论和IPPS问题的特点，建立了多目标IPPS问题求解策略；然后，在多目标IPPS求解策略指导下，设计了基于HBMO算法的柔性工艺规划方法、多目标IPPS优化方法、多目标不确定IPPS优化方法，并提出了基于组合权重TOPSIS的多目标IPPS决策方法；最后，将本文的研究成果应用于某机床加工厂非标设备生产车间，验证了本文提出的多目标IPPS求解方法的有效性。本文的主要成果和结论如下：
(1)提出了先优化、后决策的多目标IPPS问题求解策略。该求解策略能够充分考虑工艺规划的多种柔性因素对车间调度的影响，实现多目标工艺规划与车间调度的集成优化。使用该求得策略获得的多目标IPPS非支配解集能够从客观上反映IPPS问题多个目标之间的关系，为决策者提供合理的备选方案，降低不确定的主观因素对于问题求解的影响。
(2)提出了基于HBMO算法的柔性工艺规划方法。有效的柔性工艺规划方法是求解多目标IPPS问题的基础。设计了多维编码方法分别处理工艺规划中的加工柔性、加工顺序柔性和加工机器柔性。针对编码方案中的不同序列，设计了相应的交叉操作生成幼蜂。提出了不同的局部搜索策略作为工蜂，对幼蜂进行培育。采用两组测试实例对提出的HBMO算法进行了测试。与其他算法比较，HBM?算法能够兼顾全局搜索和局部搜索，因此具有更高的求解效率和更好的稳定性。
…………
参考文献（略）