基于蚁群算法的肇东市伊利乳业车间生产调度问题研究.doc

基于蚁群算法的肇东市伊利乳业车间生产调度问题研究摘 要生产调度其实在很大程度上决定着产品的质量和生产效益，一个好的生产调度方案，不仅仅可以降低企业的生产成本，而且还能提高企按时交货的能力，从而增强企业的竞争力。为了达到合理的利用资源、减少浪费，该论文利用采集的车间生产数据及其追踪记录的酸奶质量情况，通过建立模型，并且利用蚁群算法对酸奶生产进行调度。将蚁群算法在酸奶生产中的调度与人工调度效果进行比较，显示了蚁群算法在酸奶生产调度中的可行性。该研究为企业合理地安排生产、制定生产计划提供了一定的依据。关键词：乳品行业；酸奶生产；生产调度；蚁群算法0 引言11.生产调度概念与研究方法41.1 车间调度基本概念41.1.1生产调度的基本概念41.1.2车间生产调度的分类41.1.3车间生产调度的特点51.2 蚁群算法的基本思想和特点51.2.1蚁群算法的基本思想51.2.2蚁群算法的特点62肇东伊利乳业车间生产调度现状与问题分析62.1企业生产车间调度现状62.1.1酸奶的生产过程62.1.2 目前酸奶生产所采用的生产调度方法92.2 需要解决的问题与问题分析103 改进方案113.1 生产调度问题描述及数学模型113.2 生产调度问题的参数设定123.3 目标函数133.3.1加工区生产调度子模型133.3.2过滤包装区生产调度子模型143.4 生产调度的蚁群算法流程154 结论及展望180 引言一个好的生产调度方案，不仅仅可以降低企业的生产成本，而且还能提高企业的按时交货能力，并且增强企业的竞争力；另一方面生产调度问题作为生产管理中最困难的问题，目前尚无有效的求解策略，而对生产调度问题进行研究可寻找有效的求解策略来应对企业时而紧张时而放松的生产状况。0.1 背景概述0.1.1 课题研究的背景有关资料显示，制造过程有95的时间消耗在非加工过程中。有效的调度方法与优化技术的研究和应用，已经成为先进制造技术实践的基础和关键，所以对它的研究具有非常重要的理论和实用价值。牛奶行业亦是如此，在生产调度的过程中等待，搬运，不良品，库存的浪费都颇为严重，于是生产调度问题的研究就显得尤为重要。伊利乳业生产的牛奶采用的是现今最先进的生产设备，全部都是瑞典进口的利乐无菌灌装系统。但是，不是最先进的就是最完美的，生产的过程中肯定还是有需要改进的地方，在拉动式的生产背景下，顺利完成订单，并且保证质量的生产，调度问题依旧是生产企业最需要好好解决的大问题。0.1.2 课题研究的意义一个好的生产调度方案，在可以降低企业的生产成本的同时，而且还可以提高企业的按时交货能力，进而增强企业的竞争力；另一方面生产调度问题作为生产管理中最困难的问题，目前尚无有效的求解策略，而对生产调度问题进行研究可以寻找有效的求解策略对于企业时而紧张时而放松的生产状况。对质量的保证情况让我产生了研究此题目的兴趣，怎样的生产调度才能既保证企业的正常生产又能保证产品的质量，怎样才能保证全局生产任务调度问题的顺利进行，在研究的过程中我发现了蚁群算法，作为乳制品生产行业的一种新的算法，希望蚁群算法可以很好的结合企业现有的数据进行分析，进行最合理的生产调度，分析出最优的解决方案。0.1.3 肇东市伊利乳业有限责任公司简介 肇东市伊利乳业有限责任公司成立于2001年6月13日，拥有纯天然、无污染的优质奶源，及先进生产设备和加工工艺。2005年10月伊利集团在黑龙江省肇东市投资3.2亿元，年产三十万吨的液态奶项目现已竣工,已经进入生产阶段，此项目建成后公司拥有近30条生产线，将形成日产850吨UHT奶和150吨酸奶的生产能力，年生产能力超过30万吨，主要设备均采用国际上最先进的乳制品设备，将实现年销售收入13亿。该公司是液奶及酸奶综合性公司，公司现有600多名员工，随着生产线的增加，员工也在逐渐增多，大中专以上文化程度占30%以上。现有生产线27条，包括6条TBA/22、5条TBA/19、4条中亚、3条利乐枕及9条酸奶生产线。在管理上，该公司秉承集团公司“团结、尊重、效率”的管理理念与“信任、约束、成长”的人才理念，在公司内外双向选择、择优上岗，注重发现新人，培养锻炼后备人才，推行“5S管理”(即整理、整顿、清扫、清洁、素养)，强化厂规厂纪，使员工树立“我靠伊利生存、伊利靠我发展”的信念，全员上下一心、团结协作，使公司充满活力和生机。公司的主体设备引进德国KF公司提供的超高温灭菌机和瑞典利乐提供的TBA/22、TBA/19型无菌灌装机组，是全封闭、全自动、代表着国际一流水平的超高温无菌奶生产设备，还引进了百利以及酸奶设备，包括优酸乳、纯牛奶、百利包、杯酸、大果粒、桶酸六大系列。在如此多的生产线中，生产调度大多采用的是人工调度的传统调度方法，效率低下，效果不显著，尤其是酸奶生产线。酸奶的生产过程工序比较多，所需的时间也长短不一，其中杀菌、发酵、均质、储存、包装五大步骤之间的连接就显得很重要。在目前的生产过程中，等待，超前生产的浪费很严重，经常有很多不良品的产生，所以，企业需要一个好的生产调度计划和调度方法，这样才能保证企业的正常生产。 0.2国内外研究综述调度问题的研究开始于20世纪50年代，奠定了调度理论发展的基础，之后有学者Johnson提出了解决n/2/F/Cmax和一些特殊的n/3/F/Cmax问题的优化算法，代表了调度理论研究的开始；6070年代这个研究过程建立了调度理论的主体(经典调度理论)并且重视调度复杂性的研究。随着70年代末期调度理论研究的深入和各种交叉学科的发展，又涌现出了许多新颖的车间调度理论与方法。80年代初期，调度理论与实际的相结合成为了调度研究的首要问题。在90年代中，调度问题的研究在我国的发展逐渐并进入高潮。研究的主要方法有：启发式方法、经典最优化方法、基于仿真的方法、邻域搜索法。Dirk C Mattfeld利用遗传算法来解决了车间生产调度中搜索空间过大的不足的问题。同样的问题，Pwzzella采用了遗传算法来解决，并且在新个体繁殖、种群初始化和个体选择等操作上结合了不同的策略，实验结果表明相对于禁忌算法，该算法较优。Felix T S针对多平行机器调度问题，试图去实现加工路线和加工序列的柔性化选择，并设计了一种基于遗传算法的调度器。Carl A Petri 博士在 1962 年提出了一种系统分析和描述的工具-Petri网。 Petri 网采用的可视化图形描述但是却受形式化数学方法的支持，表达出离散事件动态系统静态结构和动态变化 它适于描述并发、加工途径多样性、资源共享等离散事件的动态系统的许多特征，因此非常适用于 FMS( Flexible Manufacturing System) 的制造调度优化人工蜂群算法( Artificial bee colony，ABC) 是通过模拟蜂群的采蜜过程，对不同角色蜜蜂之间的交流和协作来完成群集智能，目前在生产调度中的应用也比较广泛。免疫算法是近些年出现的一种新的随机优化算法，它通过模拟生物免疫系统，用亲和力来表达抗体与抗原相互之间的匹配程度，在国内具有非常广泛的前景。模拟退火算法(SA) 、禁忌搜索算法(TS)、蚁群优化算法(ant colonyoptimization algorithms)和人工神经网络(artificialneural networks)等优化算法目前在生产调度中的应用比例越来越高，并且表现出了很好的适应性和鲁棒性。0.3 论文的内容安排本论文主要分为五个部分，每个部分的基本内容为：第一部分“引言”，讲述了本研究课题的研究背景以及意义。第二部分“.生产调度概念与研究方法”，介绍了生产调度的的基本概念与研究的方法。第三部分“伊利（肇东）工业园车间生产调度现状与问题分析”，对于具体的企业进行了具体的现状与目前内部生产调度的问题的分析。第四部分“改进方案”，介绍了针对于第三部分提出的问题进行了改进，主要的方法就是应用蚁群算法对目前的的调度情况进行改进，并于之前的调度方式进行比较，从此来比较蚁群算法在生产调度中应用的优势之处。第五部分“结论”，对本论文的研究工作进行了归纳，并对以后要做的工作进行了展望。 这样的结构安排能够较容易的表明本文的只要观点和研究重点，并且会使读者较快的理解本文各主要部分的重点难点，由引言开始阐述本文的研究中心，在第一章进行生产调度的介绍，第二章对企业的现状进行分析，是问题的提出，提出以后就在第三章对问题进行解决，这样思路比较清晰，较容易阅读和被理解。1.生产调度概念与研究方法本章主要内容为生产调度的概念与研究方法，在众多的研究方法中选中蚁群算法进行研究，并且对蚁群算法的基本思想和应用的方法进行了说明。1.1 车间调度基本概念1.1.1生产调度的基本概念总的说来,车间调度其实就是对一个可用的加工机床集合在时间上进行加工任务集分配,来满足一个性能指标集。从数学规划的角度来看,车间调度问题也可表达为在等式或不等式的约束下,对目标函数进行优化。典型的车间调度问题包括一个要被完成的作业集,每个作业由一个操作集所组成,各操作的加工需要占用机床或其它资源,并且必须按一定可行的工艺次序进行加工;每台机床可加工工件的若干步骤,并且在不同的机床上能加工步骤作集可以不同。调度的目标是将作业合理的安排到各机床,并且合理安排作业的加工次序和加工的开始时间,使约束条件被满足,同时优化一些性能指标。1.1.2车间生产调度的分类车间生产调度按照不同的分类标准，可以分为以下6种类型：确定性调度、随机性调度。有序加工，无序加工。基于调度费用和基于调度性能的指标。开环车间和闭环车间。静态调度，动态实时调度。单台处理机、多台并行机、Flow shop和Job shop。现代车间调度类型多数是Job shop型的，其调度问题有以下特点：动态随机性。多约束性。建模复杂性。计算复杂性。多目标性。1.1.3车间生产调度的特点1) 动态随机性。2) 复杂性。由于车间调度问题是在等式或不等式约束下求性能指标的优化,在计算量上往往是NP2完全问题,因而使得一些常规的最优化方法往往无能为力。3)多目标。实际的车间调度往往是多目标的,并且这些目标间可能发生冲突。1.2 蚁群算法的基本思想和特点1.2.1蚁群算法的基本思想蚁群算法是受到自然界中蚂蚁的活动行为启发而发展出来的一种新的启发式优化算法，由意大利学者M.Dorigo等人最先提出的。它是一种随机搜索的方法，同其它的启发式的方法一样，通过由候选解组成的群体的进化过程来寻找最优解。虽然该算法的研究时间不长，但初步研究已经表明，该方法对求解组合优化问题有一定优势，是一种非常有发展前景的方法。蚂蚁是一种几乎没有视觉的动物，但它在寻找食物时却总可以找到从食物源头到巢穴间之间的最短距离。生态学家发现这是因为蚂蚁在寻找食物的过程中在返回巢穴时会在它走过的路上留下一种可以被自己和同伴识别的化学物质信息素。通过释放信息素，蚂蚁可以直接或简介间接地将信息传递给其它蚂蚁。信息素将会影响其它蚂蚁对路径的选择，通常蚂蚁会以比较大的概率选择信息素浓度高的路径，与此同时用它自己的信息素来加强该路径。这样，由大量蚂蚁组成的蚁群的集体行为便表现出一种自我催化的正反馈行为，在相等的时间范围内，较短路径上就会有较多的信息素累积，越来越多的蚂蚁选择信息素浓度高的路径，而其他路径上的信息素浓度却会随着时间衰减，最终蚁群能找到一条从食物源头到巢穴的最短路径。不仅仅如此，蚁群系统还能适应环境的变化，在初始最优路径上出现障碍物阻挡时可以很快地找到新的最优路径。 在众多的生产调度研究方法中，蚁群算法算是一种新的应用算法，尤其国内的乳品行业应用蚁群算法的还是比较少数的。应用的少并不代表不可以或者是不适合，蚁群算法的长处正好可以弥补乳品行业生产过程中运输、储存、发酵、灌装等生产过程中不协调的现状，所以蚁群算法在此行业中的应用值得期待。1.2.2蚁群算法的特点蚁群算法是一种自组织的算法，是一种本质上并行的算法，是一种正反馈的算法，并且具有较强的鲁棒性蚁群算法的优点：蚁群算法不依赖于所求问题的具体数学表达式描述，具有很强的找到全局最优解的优化能力。该算法具有正反馈、较强的鲁棒性、全局性、普遍性、优良的分布式并行计算机制、易于与其他方法相结合等诸多优点。蚁群算法的缺点：蚁群算法的成功主要在实验层次上，很少有理论来解释利用蚁群算法为什么能够成功的解决这些问题，它没有坚实的数学基础；蚁群算法的模型普适性不强，其模型不能应用于实际优化问题；蚁群算法的局部搜索能力不强，易于出现停滞和局部收敛、收敛速度慢等问题，因而往往需要嵌入一些专门的辅助技巧；长时间花在解的构造上，从而导致搜索时间过长，算法最先基于离散问题，不能直接解决连续化问题。2肇东伊利乳业车间生产调度现状与问题分析酸奶的生产过程比较复杂，而且各个阶段需要的时间长短不一，其中最主要的五个过程的加工质量对酸奶的影响很大，所以需要控制好生产的进度。2.1企业生产车间调度现状企业目前共有十三条瑞典利乐生产线，分3种不同型号，现针对酸奶的生产过程进行生产调度的分析。2.1.1酸奶的生产过程收奶欲巴氏处理合格不合格槽车待检暂存缸（3.5小时）冷却（T=124）泵送槽车（25吨/辆）过滤脱气计量预巴氏处理生奶暂存（T=4）泵送净乳预热（T=55）杀菌(7278/15s)冷却（T=4）巴氏奶暂存缸基料缸去配料配料脱脂奶缸基料暂存缸泵送泵送配料混合缸冷却（T=554）糖稳定剂蛋白粉加热（T=4050）混合 杀菌基料暂存缸预热（T=6070）均质（P=180210bar）保温（95/300s）杀菌（T=95）冷却（T=4332）发酵（T=4332）直投菌粉发酵发酵（T=4332）泵送翻缸冷却（T=2016）算奶暂存（T=1620）灌装速冷冷藏待检（T=4）合格出库2.1.2 目前酸奶生产所采用的生产调度方法流程工业生产的工艺过程，是连续进行不能中断的；工艺过程的加工顺序是固定不变的，生产设施按照工艺流程布置；物料按照固定的工艺流程，连续不断地通过一系列设备和装置被加工处理成为成品。这类生产一般是经过混合、分离、成型或化学反应使材料增值。生产过程通常需要严格的过程控制和大量的投资资本。流程工业主要包括：食品、造纸、化工、原油、橡胶、陶瓷、塑料、玻璃、冶金、能源、制药等行业。对于流程型工业生产，保证连续供料和确保每一生产环节在工作期闻正常运行是管理的重点，任何一个生产环节出现故障，都会引起整个生产过程的瘫痪。由于这类产品和生产工艺相对稳定，有条件采用各种自动化装置，以实现对生产过程的实时监控。与离散工业相比，流程工业具有设备大型化、自动化程度较高、生产周期较长、过程连续或批处理等特征，故中期生产计划十分关键。肇东市伊利乳业目前的车间生产调度还是主要以人工调度为主，这主要是因为每一条灌装生产先所对应连接的暂存罐都是相对固定的，加工频率也是稳定的，所有生产设备都可以通过系统软件直观的在计算机上显示出来，并且标注着各设备目前的加工状态，人工所能决策的就是在最初原奶进入暂存缸的时期进行选择，然后所有的加工状态都是有电子系统自动完成。这也是流程型加工企业的特点，管道式物料输送，生产设备比较先进，自动化程度高，生产连续性强，流程比较规范，工艺柔性比较小，产品比较单一，原料比较稳定。2.2 需要解决的问题与问题分析流程型加工企业的生产特点是管道式运输，生产设备相对来说比较先进，自动化程度比较高，生产连续性很强，流程非常规范，但是工艺柔性较小，原料比较稳定。但是现在，随着市场经济的成熟化，拉动式生产已然成为一种趋势，对于具有一定生产周期的企业来说这是一个急需关注的问题。如何才能按时完成订单上的生产任务并且按时交货，在充分利用生产资源的同时，减少生产过程中的浪费，缩小生产成本，一个好的生产调度就显得至关重要。肇东伊利乳业目前所面临的生产调度问题就是流程型加工的普遍问题，由于自动化程度高，所有加工步骤都是有系统自动完成，再加上生产调度都是有人工进行调度，只在原奶入缸这一步骤进行了调度，这就导致在生产过程中可能发生等待或者超前生产的浪费，针对这一调度问题，目前并没有一些针对性的解决方法，因为生产的产品具有一定时间的保质期，而且没有特别着急的催货现象。不过对于一个现代化企业来讲，要尽量的完善生产过程中的不良现象，使生产过程趋于完美。肇东伊利乳业的问题在于没有一个好的车间生产调度方案，在生产过程中造成等待和超前生产的浪费，在生产过程中一直保持原有的生产规律，没有变化性，生产系统都是原有的固定模式，不会因为生产规模的不同而改变现状。3 改进方案在酸奶的生产过程中，设备管道比较复杂，但是工序还是比较单一的，发酵占到全部酸奶生产过程的85左右，由此主要针对发酵这一工序进行生产调度分析。3.1 生产调度问题描述及数学模型根据酸奶生产工艺及通常管路布局进行分析整理后, 本文将生产阶段简化成Flow-shop形式, 分为5个阶段, 分别是杀菌阶段、发酵阶段、均质阶段、储存阶段以及包装阶段, 如图3.1所示. 每个阶段有多台并行的设备可供选择, 并且各阶段并行设备的生产能力各不相同, 不同设备通过管道可以与后面阶段的其他任意的设备相连. 其输入区为生产计划中所规定的各品种生产批次、顺序, 输出区为订货的批次、顺序. 可见, 酸奶生产调度问题属于典型的混流车间调度问题, 属于NP-hard问题. 酸奶生产调度优化的目标是保证存储区库存的需要尽可能接于近理想库存, 并且酸奶成品量要求尽可能满足每个时刻的订单量, 以应对市场的波动. 考虑到生产过程中, 发酵阶段所占时间较长, 一般情况下占整个生产时间的85%左右, 而且发酵生产时间远大于生产调度模型的预测时间. 因而, 本文为了保证方案的实用性, 降低问题的复杂度, 以发酵工序为界可以将生产调度过程分为加工区、均质包装区两个相对独立的子过程, 图3.1输入区区区储存发酵均质包装Job1Job2设备设备设备设备杀菌设备设备设备设备设备设备输出区Job1Job23.2 生产调度问题的参数设定针对两个过程单独建立数学模型. 表1列出了模型参数说明i = 1,N 酸奶品种 t = 1, T 1 时间间隔长度u1 = 1,U1 酸奶杀菌设备编号 u2 = 1, U2 酸奶发酵罐编号u3 = 1, U3 酸奶均质工序设备编号 u4 = 1, , U4 酸奶存储设备编号u5 = 1,U5 酸奶包装线设备编号 Ptspi 品种i预期发酵总量Pspi 品种i预期半成品存储总量 tcu2,t 时刻t, 发酵罐u2封罐发酵时间Tci品种i所需发酵时间 Q1 目标函数各部分之间权重muu1杀菌设备u1单位时间产量 Fc 单个发酵罐标准存储量P1发酵罐区的最大存储量 Si各品种成品奶的预期库存量Q2 按时完成订单的权重系数 3u3过滤设备u3的单位过滤量5u5包装设备u5的单位包装量 P 储奶阶段单罐最大酸奶容量Pu2,t时刻t, 发酵罐u2中酸奶存储量 tcu2,t时刻t, 发酵罐u2中发酵时间Pu2,i发酵罐u2正在进行封罐 M1i,t时刻t, 酸奶存储区对发酵罐区发酵的品种i存储量 的酸奶需求量Yi,t由生产计划, 时刻t需投料品 tsu1,u2,i杀菌设备u1生产品种i酸奶种i进入生产为1, 它为0 并投料到u2的开始时间tsu1,u2,i杀菌u1生产品种i酸奶, teu1,u2,i杀菌u1生产品种i酸奶, 完成并投料到发酵罐u2的开始时间 一批并到发酵罐u2的完成时间Pu4,t时刻t, 酸奶罐u4所存酸奶量 Mi,t t时刻内, 已经包装品种i质量xu2,u3,u4,t t时刻内, 发酵罐u2经过 xu4,i,t t时刻内, 酸奶罐u4存储的啤滤u3到酸奶罐u4为1, 其他为0 酒为品种i时为1, 其他为0xu2,i,tt时刻内, 发酵罐u2存储品种I xu4,u5,tt时刻内, 酸奶罐u4经包装线u5酸奶且完成发酵时为1, 其他为0 时为1, 其他为03.3 目标函数3.3.1加工区生产调度子模型目标函数目标函数如式(1)所示, 包含时间、存量两个方面的指标: 一方面, 保证品种i酸奶的发酵总量接近于Ptspi, 品种i酸奶的半成品存量接近于期望存量Ptspi,式中的第1部分表示的是两存量的偏差累计平方和, 同时需满足酸奶罐区的酸奶需求, 式中的第2部分表示的是供给与需求的偏差累计平方和; 另一方面, 由于所有生产原料是严格按照生产计划采购, 应尽可能按照生产计划进行生产才能保证各种原料的稳定供应,因此, 对糖化进料的品种需求和进料时间要尽可能与生产计划所规定的进料品种和时间相符, 如式中第3部分所示, 表示进料时间的累计偏差.约束条件每个时间间隔t内, 根据物料的平衡, 发酵罐u2中的存储量应该为杀菌设备向罐u2的投料量式(2),当发酵罐u2中存储着酸奶才能对发酵进行计时式(3); 仅当选择杀菌设备u1生产品种i的原奶并投料到发酵罐u2中后, 才表示罐u2中开始生产品种i的酸奶式(4); 杀菌设备u1生产一批次原奶的完成时间满足约束式(5); 由于发酵罐体积上的限制, 当原奶累计进料量达到标准容量时, 杀菌生产需停止,也表示杀菌完成一个批次生产式(6); 发酵区累计存储量满足体积约束式(7); 同一台杀菌设备同一时间只能为一个发酵罐提供原奶式(8).minJ=Q1 (Pu2,ttcu2,txu2,i,t+Pu2,itcu2,t-Ptsi-M1i,tTci)2+Q2 (Pu2,txu2,i,t+Pu2,i+Pspi-M1i,t)2+Q3 (Yi,t-xu1,u2,i,t)2 ， （1）Pu2,t = Pu2,t-1+u1xu1,u2,i,t ， （2）tcu2,t=tcu2,t-1+xu2,i,t ， （3）xu2,i,t= xu1,u2,i,t+ xu2,i,t , （4）teu1,u2,i= tsu1,u2,i+Fc/u1 ， （5）0Pu2,tFc ， （6）0P1 , （7）teu1,u2,itsu1,u2,i ， （8）3.3.2过滤包装区生产调度子模型目标函数目标函数如式(9)所示, 包含两方面指标: 一方面, 各品种的成品存储量应接近于预期存储量, 如式中第1部分所示, 表示两存量的偏差累计平方和;另一方面, 实际已包装的酸奶量应尽可能满足每个时刻的订单量, 如式中第2部分所示, 表示酸奶包装量与订单量的偏差累计平方和.minJ= Q4(Pu4,txu4,i,t-Si)2+Q5（Mi,t-Mi,t）2 （9）约束条件(Constraints)每个时间间隔t内, 各酸奶罐内的存奶量满足物料平衡式(10); 实际包装量满足约束式(11); 各发酵罐内的半成品存量满足物料平衡式(12); 各发酵罐内的半成品存量满足约束式(13); 各酸奶罐内的成品存量满足约束式(14).Pu4,t=Pu4,t-1+3u3xu2,u3,u4,txu2,i,t-5u5xu4,u5,txu4,i,t , （10）Mi,t=5u5xu4,u5,txu4,i,t , （11）Pu2,t= Pu2,t-1-3u3xu2,u3,u4,txu2,i,t , （12）Pu2,t0 ， （13）0Pu4,tP1 , （14）3.4 生产调度的蚁群算法流程应用蚁群算法优化生产调度之前, 首先需要将酸奶生产调度问题转变成图3.2(a)所示的形式. 每个矩形方框代表一套生产设备, 例如F1, F2; 每套设备区域内又包含两列节点, 其中第1列节点代表该设备生产的酸奶品种,第2列表示该设备的起始生产时间, 圆圈的大小表示蚂蚁选择概率的大小. 因此, 把调度问题转化成图3.2(a)的形式以后, 蚂蚁从虚拟起始点S出发, 至最前列搜索到最后一列, 每一列至多且必须经过一个节点. 图3.2(b)表示蚂蚁最终收敛到的一条路径,其所代表的调度方案为在T2时刻开始用设备F2生产品种A的酸奶.图3.2SAT1111BT1ZZAT2T1BZZF1F2SZZT2AF1F2（a）（b）图3.3蚂蚁k是否完成搜索蚂蚁k是否满足约束条件是否所有蚂蚁都完成搜索输出结果初始化参数初始蚂蚁位置按照局部更尊长法则更新蚂蚁k的路径信息素蚂蚁k按照转移规则确定下一城市对全局最优路径进行全局信息素更新迭代次数是否达到最大迭代次数否否否否是是是是详细步骤如下:Step1初始化所有参数;Step2将M 只蚂蚁放在虚拟初始起始点, 初始化禁忌表atabaukStep3第k只蚂蚁按照转移规则自动确定下一移动节点;Step4当第k只蚂蚁是否完成了一个完整的计划搜索, 如果是就执行Step 5, 否则转Step 3;Step5第k只蚂蚁所寻找到的计划是否满足生产的约束条件, 如果是就对第k只蚂蚁经过的所有节点按照局部更新法进行信息素的更新, 并转Step 6, 否则转Step 4重新寻找合适的计划方案;Step6是不是所有M 只蚂蚁得到了完整的计划, 如果是则执行Step 7, 否则kk+1并且转Step 3;Step7找出目前发现的最优生产方案, 按照全局更新法则进行更新;Step8迭代次数是否达到了最大迭代次数, 达到就输出最优解, 否则转Step 2.某时刻, 本企业生产情况如表所示, 各设备的生产能力及状态如表所示. 其中目标函数(1)和(9)中参数根据企业提供资料设定为Q1 = 1/50000, Q2 = 0.01,Q3 = 0.05, Q4 = Q5 = 1/10000.本文借鉴文献中的蚁群算法经验参数，蚁群算法采用如下参数较合适, = 0.05, M = 10, 算法运行1000代, 路径初始信息素强度为1。表3.1 某时刻该企业生产状况表品种1品种2品种3品种4酸奶罐期望库存量/t1440960960960酸奶罐实际成品奶库存量/t1440960960480发酵罐期望库存量/t3840288024002400发酵罐期望发酵量/（t/d）38400288002400024000发酵罐实际发酵批次信息及时间480/16480/18480/16.5480/20480/14480/15480/13480/16480/11.5480/11480/10480/8480/10480/8480/7480/5480/8.5480/5.5480/5.5480/5480/3480/4480/2.5订单量/t20001000最佳交货期/h60100储存区最大容量/t6240表3.2 某时刻该厂设备生产能力状态杀菌1杀菌2均质1均质2包装1包装2包装3生产能力（t/h）60355030302015状态空闲空闲空闲空闲空闲空闲空闲4 结论及展望本文对相关乳品行业的生产方式以及基于B蚁群算法的建模方法进行了研究，后者为本文研究的重点，主要研究成果和结论有：1) 介绍了乳品企业的生产方式与现状，并且着重对蚁群算法的基本理论进行了阐述。2) 研究了蚁群算法的建模、约束条件和其优、缺点。以酸奶生产调度为案例，构建了基于蚁群算法的生产调度模型。3) 本文的局限性： 出于条件的限制，本论文所收集的数据量不够多，因此对酸奶的生产过程进行了大体的区分，并没有对每个生产步骤进行分析。 本论文所建的模型：基于蚁群算法的酸奶生产调度模型有它的缺点，因此可以对现有的蚁群算法进行改进，这样可以起到扬长避短的作用，以及在调度中能够起到更好的协调与控制的效果。参考文献何霆 刘飞 马玉林 杨海 车间生产调度问题研究 J 机械工程学报 2000（5）姚建明 张秀敏 刘丽文 基于改进蚂蚁算法的拉动式供应链动态调度分析 J 中国管理科学 2006（6）陶莉 赵改平 基于蚁群算法的车间生产调度模型的研究与应用 J 上海大学机电工程与自动化学院 2012 赵 强 周 敏 基于蚁群算法的虚拟企业生产任务调度优化研究 J 武汉科技大学学报 2011（6）何霆 刘飞 马玉林 杨海 车间生产调度问题研究 J 机械工程学报 2000（5）姜 桦 李 莉 乔 非 吴启迪 蚁群算法在生产调度中的应用 J 计算机工程 2005 （3）张新敏 杜厚东 李志强 基于蚁群算法的连续时间生产计划优化 J 沈阳工业大学学报 2007（6）董 鹏 于昌利 董银红 崔春生 董乃全 赵良辉 制造业生产调度体系研究 J 广东广播电视大学学报 2011(6)徐俊刚 戴国忠 王宏安 生产调度理论和方法研究综述 J 计算机研究与发展 2004（2）郑 松 葛 铭 李春富 薛安克 啤酒生产调度数学模型及其优化 J 控制理论与应用 2011（4）罗书强 赵鹏 张根保 车间生产调度中动态小生境协同进化算法 J 重庆大学学报 2011（12） 曾强 杨育 王小磊 应用需求时间窗的柔性作业车间调度优化模型 J 重庆大学学报 2011，34（2）齐继阳 竺长安 基于 Petri 网和模拟退火算法的生产调度 J 江苏科技大学学报( 自然科学版) 2011(8)王丽艳 张 勇 基于免疫蜂群算法的冷轧生产调度优化方法 J 辽宁科技大学学报 2011（12）崔雪丽 基于混合遗传算法的车间生产计划调度 J 计算机工程与设计 2011, Vol.32, No7陈知美 顾幸生 基于蚁群算法的不确定条件下的Job Shop 调度 J 山东大学学报（工程版） 2005（8）闻亮亮 基于小波变换的酸奶生产调度决策 D 上海：上海交通大学 2010目 录第一章 总论51.1项目概要51.2可行性研究报告编制依据81.3综合评价8第二章 项目背景及必要性112.1项目建设背景112.2项目建设的必要性13第三章 建设条件163.1项目区概况163.2项目建设条件优劣势分析21第四章 市场分析与销售方案264.1市场分析264.2销售策略、营销方案和模式294.3风险分析30第五章 项目建设方案325.1建设任务和规模325.2建设规划和布局325.3工艺（技术）方案325.4建设内容355.5实施进度安排36第六章 环境影响评价386.1环境影响386.2环境保护与治理措施38第七章 项目组织与管理407.1组织机构与职能划分407.2劳动定员407.3经营管理模式417.4经营管理措施417.5技术培训427.6劳动保护、安全卫生与消防42第八章 投资概算与资金来源448.1投资概算依据448.2投资概算448.3资金来源46第九章 财务评价479.1财务评价依据479.2销售收入、销售税金和附加估算479.3总成本及经营成本估算489.4财务效益分析499.5不确定性分析509.6财务评价结论51第十章 社会效益评价5210.