基本信息
- 項目名稱：
- 汽車4S店維修車間的優(yōu)化調(diào)度分析
- 小類：
- 管理
- 簡介：
- 針對汽車4S店調(diào)度缺乏科學規(guī)劃，導致較長的客戶等待時間和較低的設備利用率的問題進行了研究。首先，從調(diào)度目標、機器環(huán)境、加工特征和約束幾方面分析了問題的特征，建立了最優(yōu)化調(diào)度模型。接著，設計了基于分解法和約束引導的啟發(fā)式算法相結(jié)合的調(diào)度算法。最后，通過實例分析驗證了算法的可行性，同時仿真結(jié)果展示了所用算法在優(yōu)化目標值上的優(yōu)越性。
- 詳細介紹：
- 針對汽車4S店調(diào)度缺乏科學規(guī)劃，導致較長的客戶等待時間和較低的設備利用率的問題進行了研究。通過對4S店維修車間的調(diào)查，并與實際情況相結(jié)合確定了研究的目標，即最小化延遲時間和最小化加權(quán)實際維修完成時間。然后對問題進行分析，結(jié)合收集的數(shù)據(jù)進行邏輯驗證后，建立了相應的模型，并完成了相關算法的設計。從4S店收集的數(shù)據(jù)中進行截取，即產(chǎn)生了相應的實例問題?；谌蝿盏男再|(zhì)，對其進行分解，然后完成子問題的求解，綜合子問題，完成解的整合。最后與現(xiàn)行方法進行比較，則可以看出改進后的算法優(yōu)于現(xiàn)有規(guī)則。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 服務組織調(diào)度問題的一般化形式是柔性加工車間調(diào)度問題。這類問題的復雜性能反映實際需求，具有實際研究意義。本作品以汽車4S站的售后維修車間為實例，進行分析研究。今后會嘗試將該問題的解決思路應用于不同服務組織的調(diào)度問題。 首先，從多方面分析了問題的特征，建立了數(shù)學模型。接著，設計了相應的調(diào)度算法。最后，以實例驗證了算法的可行性，仿真結(jié)果展示了設計算法在優(yōu)化目標函數(shù)值上的優(yōu)越性。
科學性、先進性及獨特之處
- 1、研究具有獨特性，作品分析了汽車維修車間調(diào)度問題的特征，設計了問題模型，目前國內(nèi)外對該問題的研究還很少。 2、問題的求解方法具有科學性，針對汽車維修車間的多目標調(diào)度問題，運用分解法和約束引導的啟發(fā)式算法相結(jié)合的調(diào)度算法獲得目標的最優(yōu)調(diào)度方案。 3、以仿真實例驗證了模型和算法的先進性。分析驗證了算法的可行性，并通過調(diào)度目標函數(shù)值的比較驗證了算法的優(yōu)越性。
應用價值和現(xiàn)實意義
- 1、論文針對汽車維修車間進行研究，通過仿真驗證了所提算法比現(xiàn)行調(diào)度方法優(yōu)越。結(jié)合不同服務組織，改進該方法，可以拓展其應用范圍。對提高資源的利用效率，減少服務對象的等待時間具有一定的實際意義和指導意義。 2、FJSP問題是對經(jīng)典JSP問題的擴展。論文研究了如何結(jié)合運用分解法和約束引導的啟發(fā)式算法，分析求解該調(diào)度問題，研究具有一定的理論意義。目前，該論文已公開發(fā)表并被EI檢索。
作品摘要
- 摘 要: 調(diào)度研究的問題是將稀缺資源分配給在一定時間內(nèi)的不同任務。它是一個決策過程，其目的是優(yōu)化一個或多個目標。針對4S店調(diào)度缺乏科學規(guī)劃，導致較長的客戶等待時間和較低的設備利用率的問題，進行了研究。首先，從調(diào)度目標、機器環(huán)境、加工特征和約束幾方面分析了問題的特征，建立了對應的最優(yōu)化調(diào)度模型。接著，設計了基于分解法和約束引導的啟發(fā)式算法相結(jié)合的調(diào)度算法。最后，通過實例分析驗證了算法的可行性，同時仿真結(jié)果展示了所用算法在優(yōu)化目標函數(shù)值上的優(yōu)越性。
獲獎情況及評定結(jié)果
- 該作品發(fā)表在2010物流工程與管理國際學術會議（該會議舉行于2010年10月，由西南交通大學、ASCE、IEEE、NACOTA共同主辦）論文集中，目前已被EI檢索。檢索號為：20105013491085。
參考文獻
- [1] Geoffrey Vilcot, Jean-Charles Billaut, A tabu search and a genetic algorithm for solving a bicriteria general job shop scheduling problem, European Journal of Operational Research[J], 2008 (190):398-411 [2] Jie Gao, Linyan Sun, Mitsuo Genb, A hybrid genetic and variable neighborhood descent algorithm for flexible job shop scheduling problems, Computers & Operations Research[J], 2008(35): 2892-2907 [3] Min Liu, JingHua Hao, Cheng Wu, A prediction based iterative decomposition algorithm for scheduling large-scale job shops, Mathematical and Computer Modeling[J],2008(47):411-421 [4] Jeffrey D.Kelly, Danielle Zyngier, Hierarchical decomposition heuristic for scheduling: Coordinated reasoning for decentralized and distributed decision-making problems, Computers and Chemical Engineering[J],2008(32):2684-2705
調(diào)查方式
- 現(xiàn)場采訪、人員介紹、親臨實踐、統(tǒng)計報表，其他
同類課題研究水平概述
- 汽車維修車間調(diào)度問題的一般化形式是FJSP(Flexible Job Shop Scheduling Problem, FJSP)問題。FJSP是一類典型的組合優(yōu)化問題，是對經(jīng)典JSP (Job Shop Scheduling Problem) 問題的擴展，且大部分是強 NP-hard。 Job shop調(diào)度算法包括最優(yōu)化算法和近似值啟發(fā)式算法兩大類。目前，大量的研究工作集中在近似值啟發(fā)式算法上。由于最優(yōu)化算法的局限性，大量的研究工作集中在 Job shop 問題近似解的獲取上，大量的啟發(fā)式算法相繼提出。Job shop 調(diào)度問題的啟發(fā)式算法主要分為兩類：構(gòu)造型啟發(fā)式算法和改進型啟發(fā)式算法。 構(gòu)造型啟發(fā)式算法包括插入法（insertion algorithm）、基于瓶頸的啟發(fā)式算法（bottleneck based heuristics）和優(yōu)先分派規(guī)則（priority dispatching rule）等。這類方法能快速建立問題的解，但為了確保解的質(zhì)量，要根據(jù)特定問題的特性建立復雜的啟發(fā)式規(guī)則。改進型啟發(fā)式方法分為兩類：人工智能(artificial intelligence)]和局部搜索(local search )方法。局部搜索算法主要包括遺傳算法（genetic algorithm）、模擬退火算法（simulated annealing）和禁忌搜索算法（tabu search）等。人工智能啟發(fā)式算法主要包括神經(jīng)網(wǎng)絡(neural networks)、專家系統(tǒng)(expert systems)和約束引導的啟發(fā)式搜索(constraint guided heuristic search)等。 最先對 FJSP 問題進行研究的是 Bruker 和Schlie。目前對此類問題的求解思路主要集中為兩類：分步法和集成法。分步法最先是由Brandimarte提出的，它將問題分成機器分配和工序調(diào)度兩部分，進行了這方面的研究。集成法采用矩陣式編碼的方式，將兩個問題統(tǒng)一起來同時解決，如 Mastrolilli的局部搜索法等。分步法和集成法的求解思路都是建立在Job shop調(diào)度算法的組合運用基礎之上的。
