Z企業(yè)配電箱作業(yè)車(chē)間調(diào)度問(wèn)題優(yōu)化研究

徐 璜

（安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232000）

0 引言

1950年起，發(fā)達(dá)國(guó)家對(duì)生產(chǎn)效率提出了新需求，有學(xué)者開(kāi)始研究作業(yè)車(chē)間調(diào)度問(wèn)題（Job-Shop Scheduling Problem，JSP）。國(guó)際生產(chǎn)學(xué)會(huì)（CIRP）根據(jù)生產(chǎn)型國(guó)家對(duì)現(xiàn)代制造系統(tǒng)進(jìn)行研究，總結(jié)了多達(dá)34種先進(jìn)制造模式。這些模式為實(shí)現(xiàn)制造企業(yè)的現(xiàn)代化轉(zhuǎn)型和發(fā)展帶來(lái)了十分重要的理論價(jià)值和現(xiàn)實(shí)意義[1]。

20世紀(jì)末，我國(guó)制造業(yè)開(kāi)始崛起，產(chǎn)業(yè)進(jìn)入高速發(fā)展時(shí)期。制造業(yè)開(kāi)始成為國(guó)民經(jīng)濟(jì)向好發(fā)展的重要力量[2]。隨著制造業(yè)發(fā)展及物流運(yùn)輸系統(tǒng)的完善，國(guó)內(nèi)制造業(yè)產(chǎn)業(yè)集聚程度不斷提高[3]。隨后，經(jīng)濟(jì)全球化，制造業(yè)競(jìng)爭(zhēng)加大，給我國(guó)制造業(yè)帶來(lái)沖擊和挑戰(zhàn)。這就要求企業(yè)降低生產(chǎn)制造成本、保證產(chǎn)品長(zhǎng)期品質(zhì)、適應(yīng)市場(chǎng)和提供高附加服務(wù)，由此車(chē)間調(diào)度問(wèn)題研究在國(guó)內(nèi)進(jìn)入新階段。

該文基于JSP的優(yōu)化策略幫助Z企業(yè)改進(jìn)作業(yè)車(chē)間調(diào)度問(wèn)題，提高產(chǎn)能，增強(qiáng)公司綜合競(jìng)爭(zhēng)力。

1 Z企業(yè)作業(yè)車(chē)間調(diào)度現(xiàn)狀

Z企業(yè)是生產(chǎn)高低壓成套配電設(shè)備的國(guó)企，近年來(lái)，隨著公司產(chǎn)能擴(kuò)張，作業(yè)車(chē)間沿用的傳統(tǒng)管理模式難以滿(mǎn)足需要。作業(yè)車(chē)間陸續(xù)出現(xiàn)產(chǎn)能積壓、訂單順序紊亂以及加急貨物難以?xún)?yōu)先生產(chǎn)等問(wèn)題。其中，制定生產(chǎn)調(diào)度方案是影響優(yōu)化加工時(shí)間、提高積壓庫(kù)存流轉(zhuǎn)以及盡可能滿(mǎn)足產(chǎn)品交貨期的重要因素[4]。同時(shí)，Z企業(yè)管理層每過(guò)幾年會(huì)有不同程度的人員流動(dòng)，這種流動(dòng)嚴(yán)重影響了生產(chǎn)管理工作效率，因此需要弱化崗位經(jīng)驗(yàn)對(duì)崗位的影響。

為解決該問(wèn)題，公司試行了ERP+MES計(jì)算機(jī)輔助軟件，同時(shí)引入更多新的管理策略，雖然取得了一定成效，但是仍無(wú)法解決公司日益擴(kuò)大規(guī)模對(duì)產(chǎn)能的要求、作業(yè)車(chē)間調(diào)度管理力度不足之間的矛盾和非長(zhǎng)期從事該崗位的新管理人員帶來(lái)的管理效率降低的問(wèn)題。因此，研究基于人工智能算法的作業(yè)車(chē)間調(diào)度問(wèn)題，為Z企業(yè)提供生產(chǎn)管理解決方案非常必要。

2 配電箱作業(yè)車(chē)間調(diào)度問(wèn)題的數(shù)學(xué)模型

Z企業(yè)長(zhǎng)期使用的作業(yè)車(chē)間調(diào)度數(shù)學(xué)模型可歸于基于啟發(fā)式算法的優(yōu)先分派規(guī)則法（Priority Dispatch Rulers，PDR）。該模型在實(shí)際應(yīng)用中常用的規(guī)則有RS、SPT、LPT、EDD和FCFS等。EDD是Z企業(yè)實(shí)際車(chē)間調(diào)度中擁有最高優(yōu)先級(jí)的規(guī)則，即當(dāng)出現(xiàn)加急訂單時(shí)，作業(yè)車(chē)間管理者會(huì)安排無(wú)條件優(yōu)先加工該加急訂單；在無(wú)加急訂單的情況下，作業(yè)車(chē)間管理者使用FCFS法則安排加工生產(chǎn)，即先到的訂單先安排生產(chǎn)；同時(shí)，根據(jù)實(shí)際觀察，在同等情況出現(xiàn)多個(gè)可選作業(yè)班組時(shí)一般會(huì)使用RS規(guī)則，即隨機(jī)選擇；作業(yè)班組/作業(yè)人員在面對(duì)多個(gè)訂單時(shí)常常自發(fā)使用SPT法則，即最快能加工完成的優(yōu)先加工，以在當(dāng)前計(jì)件模式下謀求最高收益。

Z企業(yè)為解決作業(yè)車(chē)間調(diào)度問(wèn)題引入ERP系統(tǒng)后，同時(shí)使用了ERP系統(tǒng)中的生產(chǎn)調(diào)度輔助工具，形成新的調(diào)度方法（以下簡(jiǎn)稱(chēng)ERP輔助法）。ERP輔助法融合了SPT法則、EDD法則、MOR法則和FCFS法則形成的新法則，可部分提高配電箱作業(yè)車(chē)間調(diào)度效率。

2.1 變量描述

n為工件總數(shù)，m為機(jī)器總數(shù)，Cj為每個(gè)工件的完工時(shí)間，Cmax為最大完工時(shí)間，Ojh為第j個(gè)工件的第h道工序，Mijh為第j個(gè)工件的第h道工序在機(jī)器“i”上加工，Pijh為第j個(gè)工件的第h道工序在機(jī)器“i”上加工的時(shí)間，Cjh為第j個(gè)工件的第h道工序完工時(shí)間。

2.2 配電箱作業(yè)車(chē)間調(diào)度問(wèn)題的約束條件和數(shù)學(xué)描述

配電箱作業(yè)車(chē)間調(diào)度問(wèn)題的約束條件和數(shù)學(xué)描述如公式（1）所示。

Cmax表述的是在作業(yè)車(chē)間內(nèi)制造加工全部的工件所需要花費(fèi)的最多時(shí)間，即所有工件工序數(shù)都為h，工件總數(shù)為j，所有配電箱的所有工序在機(jī)器上加工的時(shí)間都不為0，且每道工序都需要經(jīng)過(guò)i臺(tái)機(jī)器。

j臺(tái)不同的配電箱在i臺(tái)設(shè)備上加工，要滿(mǎn)足工序的約束條件，即加工每個(gè)配電箱需要經(jīng)過(guò)h道工序，因?yàn)楣に囈?，所以配電箱有自己的工序先后順序，每道工序可選用的加工機(jī)器不止1臺(tái)，根據(jù)機(jī)器的不同工序所用時(shí)長(zhǎng)也不同。工序的約束條件如下：1） 任一時(shí)刻，一道工序能且只能在唯一一臺(tái)機(jī)器上加工，且工序加工作業(yè)不能中斷。2） 任一時(shí)刻，1臺(tái)機(jī)器上只能加工一道工序，不考慮工序間轉(zhuǎn)運(yùn)時(shí)間。3） 同一工件的工序先后順序是固定的，而不同的工件間加工工序無(wú)先后順序約束。4） 不考慮作業(yè)現(xiàn)場(chǎng)隨機(jī)性因素。

配電箱作業(yè)車(chē)間調(diào)度問(wèn)題調(diào)度目標(biāo)是明確每臺(tái)機(jī)器上工序加工順序和工序?qū)?yīng)的開(kāi)工時(shí)間，使Cmax盡可能小。

3 基于遺傳算法的作業(yè)車(chē)間調(diào)度優(yōu)化

遺傳算法屬于啟發(fā)式算法，最早是從生物遺傳學(xué)和“物競(jìng)天擇，適者生存”等生物學(xué)概念獲得啟發(fā)的，模型的解就是遺傳算法中的“染色體”，通過(guò)遺傳過(guò)程中自然選擇、交叉以及基因變異等現(xiàn)象來(lái)提高個(gè)體存活率，經(jīng)過(guò)一代代的傳遞，逐步發(fā)現(xiàn)最優(yōu)的子代（解）的過(guò)程。1954年，學(xué)者Johnson針對(duì)2臺(tái)機(jī)器有序加工的流水車(chē)間調(diào)度的問(wèn)題進(jìn)行了研究，隨后各國(guó)的學(xué)者在對(duì)車(chē)間調(diào)度問(wèn)題進(jìn)行了后續(xù)的相關(guān)研究，也取得了比較顯著的研究成果[5]。車(chē)間調(diào)度問(wèn)題衍生出流水線車(chē)間調(diào)度問(wèn)題、柔性作業(yè)車(chē)間調(diào)度問(wèn)題等，但都是以經(jīng)典作業(yè)車(chē)間調(diào)度問(wèn)題（Job-Shop Scheduling Problem，JSP）為基礎(chǔ)進(jìn)行研究的。在經(jīng)典作業(yè)車(chē)間調(diào)度問(wèn)題中，每件工件的每道工序僅能在1臺(tái)機(jī)器上加工，且僅能加工1次，同時(shí)加工時(shí)間t是一個(gè)固定值[6]。

當(dāng)使用遺傳算法求解時(shí)，從1組隨機(jī)數(shù)中產(chǎn)生的初代種群開(kāi)始進(jìn)行演化。產(chǎn)生的每個(gè)個(gè)體（individual）都表示模型的1個(gè)解，稱(chēng)為染色體（chromosome）[7]。種群通過(guò)不斷地演化和進(jìn)化過(guò)程，每次都會(huì)產(chǎn)生新的一代（generation）。在模擬自然界對(duì)物種進(jìn)行篩選的自然法則啟發(fā)下，使用適應(yīng)度函數(shù)（fitness function）或目標(biāo)函數(shù)（objective function）對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)，適應(yīng)度值高的個(gè)體生存下來(lái)的概率高，也就意味著問(wèn)題的這個(gè)解被選中的概率高。演化產(chǎn)生出的下一代被稱(chēng)為子代（offspring）。上一代經(jīng)過(guò)選擇（selection）、交叉（crossover）以及變異（mutation）等操作產(chǎn)生子代。遺傳算法共有5個(gè)基本要素，首先，是編碼和解碼。其次，是對(duì)種群初始化的方法。再次，是適應(yīng)度函數(shù)的選擇。從次，是選擇、交叉和變異等遺傳算子。最后，是種群的規(guī)模、交叉變異等算子的概率設(shè)置。

設(shè)定D為種群的規(guī)模，t為當(dāng)前一代，D（t）和C（t）代表第t代的父代和子代，遺傳算法的步驟如下。

步驟1：初始化產(chǎn)生初始種群D（t）t=0。

步驟2：評(píng)價(jià)種群D（t），計(jì)算每個(gè)個(gè)體的適應(yīng)度值。

步驟3：判斷是否滿(mǎn)足終止條件，不滿(mǎn)足就轉(zhuǎn)步驟4，滿(mǎn)足就直接輸出結(jié)果。

步驟4 ：選擇、交叉和變異3個(gè)遺傳算子產(chǎn)生子代C（t）。

步驟5：D（t）=C（t）轉(zhuǎn)步驟2t=t+1。

車(chē)間調(diào)度問(wèn)題是通過(guò)優(yōu)化在每個(gè)機(jī)器上工序加工順序和對(duì)應(yīng)工序開(kāi)工時(shí)間，使Cmax盡可能取較小值。

3.1 約束條件

約束條件如公式（2）所示。

式中：i=1，2，3，…，m；j=1，2，3，…，n；h=1，2，3，…h(huán)j；Sjh為第j個(gè)工件的第h道工序加工開(kāi)始的時(shí)間；Xijh為第j個(gè)工件的第h道工序在機(jī)器i上加工；Pijh為第j個(gè)工件的第h道工序在機(jī)器i上加工的時(shí)間；Cjh為第j個(gè)工件的第h道工序完工時(shí)間。

第j個(gè)工件的第h道工序完工時(shí)間Cjh如公式（3）所示。

Cjh≤S（h+1）（3）式中：S（h+1）為第j個(gè)工件的第h+1道工序開(kāi)始時(shí)間（j=1，2，3，…，n；h=1，2，3，…，hj-1）。

第j個(gè)工件的第h道工序完工時(shí)間小于加工總時(shí)間，如公式（4）所示。

式中：j=1，2，3，…，n；Cmax為最大完工時(shí)間。

同一時(shí)間、同一道工序僅能在1臺(tái)設(shè)備上加工，如公式（5）所示。

工件加工時(shí)間必須是正數(shù)，如公式（6）所示。

式中：h=1，2，3，…，hj；j=1，2，3，…，n。

3.2 染色體編碼方式

染色體編碼方法是遺傳算法首先需要解決的問(wèn)題。求解JSP問(wèn)題的常見(jiàn)編碼方式有MSOS編碼、表格編碼、A/B串編碼、三元組編碼和矩陣編碼等。該文選用MSOS編碼方式，如圖1所示。

圖1 基于MSOS的染色體編碼

其中，Qab為工件a的第b道工序，a={1，4}，b={1，3}；Mx為工序可選設(shè)備中的第x臺(tái)，x={1，6}；Jx為第x件工件，x={1，2}。

按機(jī)器選擇的機(jī)器編碼：每個(gè)工件的每道工序按順序排列，例如第一個(gè)工件的第一道工序?yàn)镺11，第j個(gè)工件的h道工序?yàn)镺jh。

按這個(gè)順序排列：O11，O12，O21，O22，O23……。每個(gè)框代表每個(gè)工序所選擇的機(jī)器，例如第一個(gè)框代表O11選擇的機(jī)器?？蚶锏臄?shù)字則代表該道工序能夠選擇的機(jī)器里的第幾個(gè)機(jī)器。例如O11能夠加工的機(jī)器為M1、M2、M3、M4、M5和M6，4代表為這6臺(tái)機(jī)器里的第四臺(tái)機(jī)器，為M4。O21工序能夠加工的機(jī)器為M2和M4，1則代表這2臺(tái)機(jī)器里的第二臺(tái)機(jī)器，為M2。以此生成MS這邊的染色體。

按工序排列的機(jī)器編碼：數(shù)字出現(xiàn)的順序就是工件的順序，數(shù)字幾就是第幾道工序。第一次出現(xiàn)數(shù)字“1”代表第一個(gè)工件的第一道工序，第二次出現(xiàn)數(shù)字“1”代表第一個(gè)工件的第二道工序，數(shù)字“2”第3次出現(xiàn)為第二個(gè)工件的第三道工序。

3.3 遺傳算子

3.3.1 選擇

選擇算子的第一步是先確定1個(gè)數(shù)組，數(shù)組的位數(shù)就是機(jī)器的總數(shù)量，數(shù)組的順序和機(jī)器順序?qū)?yīng)，數(shù)組上每個(gè)數(shù)字代表對(duì)應(yīng)機(jī)器上的加工時(shí)長(zhǎng)的數(shù)值。詳細(xì)步驟如下。步驟1：確定1個(gè)整型數(shù)組，數(shù)組的長(zhǎng)度就是機(jī)器總數(shù)m，依次為機(jī)器編號(hào)順序，數(shù)組對(duì)應(yīng)機(jī)器[M1，M2，…，Mm]上的總負(fù)荷。然后初始化數(shù)組，數(shù)組中每個(gè)元素的值初始化為0。再任選擇一臺(tái)工件的第一道工序，開(kāi)始。

步驟2：在當(dāng)前工序的可選加工機(jī)器集中，選擇加工機(jī)器所需要的加工時(shí)間和數(shù)組中相應(yīng)機(jī)器位置的時(shí)間數(shù)值相加，但是不更新數(shù)組。

步驟3：在相加后的時(shí)間中，選取對(duì)應(yīng)數(shù)值最小的機(jī)器為當(dāng)前工序的加工機(jī)器，將選中機(jī)器在可選機(jī)器集中的順序號(hào)設(shè)置為按工序排列的機(jī)器染色體編碼部分對(duì)應(yīng)基因上的數(shù)。

步驟4：將當(dāng)前被選擇的加工機(jī)器的加工時(shí)間加到數(shù)組中相應(yīng)位置機(jī)器的加工負(fù)荷中，同時(shí)更新數(shù)組作為下一次選擇的依據(jù)。

步驟5：繼續(xù)選擇該工件的下一工序，不斷重復(fù)步驟2~步驟4，直到該工件的所有工序的加工機(jī)器被選擇完，然后停止循環(huán)。

步驟6：從工件集中除去已被選擇的工件，從剩下的工件集中隨機(jī)選擇1個(gè)工件，同時(shí)選擇當(dāng)前工件的第一道工序，不斷重復(fù)步驟2~步驟5，直到工件集中的所有工件都被選擇。

3.3.2 交叉

交叉是遺傳算法的核心操作，它可以決定遺傳算法的全局搜索能力。在作業(yè)車(chē)間調(diào)度問(wèn)題中設(shè)計(jì)交叉算子中需要留意是子代對(duì)父代優(yōu)良特征的繼承性。同時(shí)，使子代具有可行性。常用的交叉算子有JOX、SXX、SPX和PPX等，但是基于工序編碼的交叉算子POX（precedence operation crossover）可以保證所有工件在父代和子代中出現(xiàn)的次數(shù)相同，并保持任意工件工序之間的順序約束關(guān)系[8]，既具有優(yōu)秀的繼承父代優(yōu)良特征的特性，同時(shí)其子代均為可行解，因此該文選用POX交叉算子，如圖2所示。

假設(shè)父代m×n染色體父代1和父代2，POX產(chǎn)生子代1和子代2，POX交叉的具體流程如下：1） 把工件集{1，2，3，…，n}劃分為2個(gè)非空子集J1{2，3}和J2{1，4}。2） 復(fù)制父代1包括在J1{2，3}的工件到子代1，父代1包括在J2{1，4}的工件到子代2，保留它們的位置。3） 復(fù)制父代2包括在J2{1，4}的工件到子代1，父代2包括在J1{2，3}的工件到子代2，保留它們的順序。

其中，POX為基于工序編碼的交叉算子；J1為工件1；J2為工件2，父代和子代染色體由工件集{1，2，3，4，5，6}組成。

圖2展示4×6調(diào)度問(wèn)題的2個(gè)父代交叉過(guò)程。2個(gè)父代1、父代2交叉生成子代1染色體基因?yàn)閇3124231422]，子代2染色體基因?yàn)閇4132621426]。經(jīng)此得出優(yōu)先操作算子，保留了工件J1和工件J2在機(jī)器上的位置，子代繼承父代每臺(tái)機(jī)器上工件次序。

圖2 基于工序編碼的交叉算子POX

3.3.3 變異

在遺傳算法中，變異算子可以保持群體的多樣性。這里的變異操作，是針對(duì)單個(gè)染色體的不同基因序號(hào)進(jìn)行交換。變異可以使算法跳出局部最優(yōu)解，不同變異方式對(duì)算法能否求得全局最優(yōu)解有很大的影響。使用位置變異法作為變異算子，即從染色體中隨機(jī)產(chǎn)生2個(gè)位置并交換這2個(gè)位置的值。

4 示例仿真

以4個(gè)工件、6臺(tái)機(jī)器為例，各工件每道工序可選機(jī)器對(duì)應(yīng)的生產(chǎn)時(shí)間見(jiàn)表1。該實(shí)例從J1到J4共有4個(gè)工件，其中J1、J2各有2道工序，J3、J4各有3道工序，h為具體工序，表中數(shù)值表示各工序在機(jī)器M1到M6上的加工時(shí)間。

表1 4×6實(shí)例表

甘特圖是通過(guò)條狀圖來(lái)顯示項(xiàng)目進(jìn)度和其他時(shí)間相關(guān)信息的常用項(xiàng)目管理圖表，以上案例仿真結(jié)果均使用甘特圖來(lái)直觀展現(xiàn)作業(yè)車(chē)間調(diào)度問(wèn)題的優(yōu)化結(jié)果，如圖3所示。

圖3 仿真甘特圖

其中，J1為最早下單工件，J4為最晚下單工件，J2為加急訂單，工件轉(zhuǎn)運(yùn)時(shí)間遠(yuǎn)小于各工序加工時(shí)間，忽略不計(jì)。

4.1 原有經(jīng)驗(yàn)管理模式仿真

原有經(jīng)驗(yàn)管理模式情況下如公式（7）所示。

根據(jù)EDD規(guī)則，優(yōu)先生產(chǎn)J2；其余工件根據(jù)FCFS法則，按照J(rèn)1、J3和J4的順序加工。工件加工順序?yàn)镴2、J1、J3和J4，班組選擇順序?yàn)镸5、M1、M3和M4。

有經(jīng)驗(yàn)的管理者可以根據(jù)經(jīng)驗(yàn)很快安排出加工時(shí)間5 4 15 17，制造跨度（makespan）=17；無(wú)相關(guān)經(jīng)驗(yàn)的管理者依照PDR規(guī)則排出加工時(shí)間為5 4 16 19，makespan=19。

該案例為4工件、6機(jī)器調(diào)度案例，機(jī)器數(shù)小于工件數(shù)，即同一時(shí)刻可由多個(gè)空閑設(shè)備可供選擇。而在實(shí)際生產(chǎn)中工件數(shù)往往遠(yuǎn)大于機(jī)器數(shù)，其調(diào)度負(fù)責(zé)程度更高，基于PDR規(guī)則的調(diào)度策略的精確度將會(huì)進(jìn)一步下降，同時(shí)不同管理者使用PDR規(guī)則得出的不同makespan也暴露PDR策略調(diào)度方案中對(duì)人的依賴(lài)較大，在復(fù)雜調(diào)度方案中往往只能依靠有豐富經(jīng)驗(yàn)的管理者才能得出較優(yōu)方案。在實(shí)際生產(chǎn)中，使用該策略顯然不利于公司產(chǎn)能擴(kuò)大。

4.2 使用計(jì)算機(jī)輔助管理模式仿真

建立優(yōu)先級(jí)。

將以上優(yōu)先級(jí)信息預(yù)先置于Z企業(yè)ERP生產(chǎn)管理工具箱中。

ERP中生產(chǎn)輔助工具需要先輸入各工件對(duì)應(yīng)的設(shè)備優(yōu)先級(jí)，在設(shè)備空閑情況下按照設(shè)備優(yōu)先級(jí)從高到低順序排列，遇到相同優(yōu)先級(jí)時(shí)按照設(shè)備序號(hào)排列。由于輔助功能的局限性，因此一般安排同一工件僅由同一臺(tái)設(shè)備完成。使用該方案仿真結(jié)果如圖4所示，每臺(tái)設(shè)備的所有工序均在同一臺(tái)機(jī)器加工，makespan=16。

圖4 使用計(jì)算機(jī)輔助管理模式的仿真甘特圖

使用ERP中生產(chǎn)輔助工具進(jìn)行生產(chǎn)調(diào)度在一定程度上規(guī)避了傳統(tǒng)方案中對(duì)有經(jīng)驗(yàn)管理者的過(guò)度依賴(lài)，在工件數(shù)不多的情況下可以更快捷地指定較為合適的調(diào)度方案。但是該方案的弊端依然明顯，在遇到工件數(shù)多的情況下，調(diào)度方案就會(huì)出現(xiàn)異常，makespan甚至可能高于傳統(tǒng)方案，此時(shí)依然需要有經(jīng)驗(yàn)管理者的介入。

4.3 GA-JSP方案管理模式仿真

設(shè)置子代數(shù)量為200，在第0代時(shí)就可得到最優(yōu)結(jié)果，makespan=15。

利用遺傳算法后優(yōu)化出的結(jié)果如圖5所示，在圖5（b）中可以看出最優(yōu)解很快收斂得出最終makespan=15，優(yōu)化結(jié)果略?xún)?yōu)于有豐富經(jīng)驗(yàn)的管理者制定的傳統(tǒng)方案和ERP輔助決策后的方案，遠(yuǎn)優(yōu)于無(wú)經(jīng)驗(yàn)管理者制定的傳統(tǒng)調(diào)度方案。同時(shí)，該仿真僅用在4×6調(diào)度問(wèn)題中，在調(diào)度方案更復(fù)雜的情況下，遺傳算法解決這類(lèi)問(wèn)題的優(yōu)勢(shì)將更明顯。

圖5 GA-JSP的仿真甘特圖

5 結(jié)語(yǔ)

針對(duì)Z企業(yè)配電箱作業(yè)調(diào)度采用的管理調(diào)度模式進(jìn)行優(yōu)化，通過(guò)引入遺傳算法的JSP模型，解決了原有調(diào)度模式下，面對(duì)較大訂單量時(shí)傳統(tǒng)調(diào)度模式效率過(guò)低的問(wèn)題，優(yōu)化了擁有不同經(jīng)驗(yàn)水平管理者對(duì)調(diào)度效率的影響，提高了調(diào)度策略在復(fù)雜環(huán)境下的適應(yīng)性。在Z企業(yè)后續(xù)面臨生產(chǎn)調(diào)度難題時(shí)提供了更高效的解決方案，同時(shí)針對(duì)這類(lèi)管理者對(duì)作業(yè)車(chē)間調(diào)度產(chǎn)生較大影響的問(wèn)題提供了新的解決思路。