基于深度学习的柔性流水车间排产优化问题研究

摘要: 求解柔性流水车间排产优化问题的全局优化算法常采用群体进化算法或数学规划算法，但对新的投产任务进行排产优化过程中，这些优化方法每次都需重新进行耗时的迭代寻优计算，因此提出了一种基于深度学习的智能排产优化方法，通过历史生产数据训练基于门控循环单元构建的序列到序列深度学习模型，重点研究排产数据中生产任务信息、工艺信息与排产结果的相关性，并将其作为模型编码器的输入；模型解码器的输出为工件的上线序，依据该上线序可以快速给出有效的排产结果，并通过引入注意力机制进一步提高寻优的精度和速率。仿真实验结果表明，基于深度学习的柔性流水车间排产优化方法可以快速获取较好的排产优化结果。

• 关键词: 
• 深度学习  /  
• 排产优化  /  
• 加工上线序  /  
• 柔性流水车间  /  
• 门控循环单元  /  
• 序列到序列  /  
• 注意力机制  /  
• 历史生产数据  

为面对不断加剧的市场竞争压力，企业除了改进现有制造工艺和生产设备技术水平，还可以通过引入基于人工智能的排产优化算法来缩短加工时间、降低能耗、制定出更契合企业实际生产运作规律的生产计划，进一步挖掘企业现有的生产潜力。对新的投产任务进行排产优化过程中，基于常规群体进化算法或数学规划算法的