摘 要: | 离散型车间的生产调度对车间生产有至关重要的影响,该研究中车间调度指标用工时达成率来表示。加工工时、批次大小、加工设备数量、原材料到位情况、工人、设备的健康状况对工时达成率都有不同程度的影响,使得工时达成率有很大的不确定性。如果能够准确控制工时达成率的大小,生产决策者们就可以通过调整设备、批次大小、原材料的采购周期使得车间输出最大生产力。本文通过人工神经网络建立工时达成率预测模型,实现对车间工时达成率的预测,并探讨两种算法,寻找能够在降低训练时间的前提下提高神经网络模型准确性的算法,其中模拟退火算法(Simulated Annealing,SA)是首次以搜索初始值周围点获得最佳点的形式被应用,马克夸特(Levenberg-Marquardt)算法用来在特殊点中寻求局部最优,最后对比模拟退火算法和马克夸特混合算法及马克夸特算法,并通过调整神经网络的数量得到最佳的预测模型。
|