第6章 结论与展望
6.1 结论
压缩机零部件生产具有ETO模式、分布式加工的特点，通常订单是多品种大批量，导致不同工件和工艺频繁更换，导致运输时间的增加，进而生产效率低，同时产生大量能耗的浪费。因此，本文针对压缩机零部件生产的能耗和完工时间问题，分析了生产过程中主要零部件的工艺流程以及能耗产生机理，建立了静态、动态不同环境下的多目标调度模型并通过CPLEX求解器进行验证，最后提出了相应的智能优化方法，并对优化结果进行了分析，主要取得了如下研究成果：
（1）建立了考虑运输时间的分布式柔性作业车间调度模型，充分解析了运输时间对完工计划的影响，探究了最优运输方案，构建ETO模式下以完工时间最短为优化目标的MILP模型，并通过CPLEX对模型进行了求解及验证，证明了模型的正确性，解决了分布式柔性作业车间完工时间长、调度方案适用性差的问题，为后续多目标决策提供了基础。
（2）构建了以车间能耗最低、完工时间最短为目标的压缩机零部件分布式柔性作业车间静态调度模型。提出了一种基于佳点集法改进的NSGA-II优化算法，设计了改进NSGA-II与差分进化算法的对比实验，结果表明，所提改进NSGA-II优化算法可以有效缩短工件完工时间，降低车间总能耗；改进NSGA-II算法所得调度方案明显优于NSGA-II、DE算法所得方案，多目标整体优化效果分别提高了4.7%、12%，验证了改进NSGA-II算法的有效性。
（3）提出了一种基于NSGA-II算法的能耗优化动态调度方法。构建了以车间能耗最低、完工时间最短为目标的压缩机零部件分布式柔性作业车间动态调度模型。提出了一种改进的NSGA-II算法进行求解，通过优化种群分布来提高初始解质量，提高了求解速度和求解质量。以某压缩机企业实际案例进行求解，结果表明，所提改进NSGA-II算法能够在不同动态事件下获得适用性高的调度方案，以机器故障事件为例，与ABC和NSGA-II算法相比，改进后NSGA-II算法所得优化调度方案完工时间分别提高了3%、降低了5%，能耗降低了2.1%、0.4%。
参考文献（略）
