基于机器故障下板式定制家具混合流水车间动态调度研究北大核心

针对板式定制家具混合流水车间在制造过程中出现的机器故障问题,通过分别对三种典型的机器故障场景进行了对比分析,生成三种重调度方案。在此基础上,以最小完工时间为目标,构建了一个考虑故障可恢复性的动态调度模型,并采用一种融合ICA算法和完全重调度策略的方法进行求解。结果表明:提出的模型与方法能够有效降低机器故障对生产的影响,使三种故障场景下的调度效率分别提高了8%,16.3%和14.5%,达到了提高车间调度效率,缩短板件完工时间的目的。研究结果可为优化机器故障下板式定制家具企业生产调度问题提供参考。     

基于WOA-BP神经网络的板式定制家具车间电力预测模型

为落实家具行业的“双碳”战略，实现家具产业的结构优化升级，本文提出了一种基于WOA-BP神经网络的板式定制家具车间电力预测模型，该模型引入鲸鱼优化算法（Whale Optimization Algorithm,WOA）对传统BP神经网络进行改进，建立了WOA-BP神经网络电力预测模型。在此基础上，使用采集的试验数据对模型进行了验证。结果表明：优化后的预测模型预测准确率可达到99%以上。因此，本文提出的基于WOA-BP神经网络预测模型在板式定制家具生产车间的电力节能和管理优化问题上具有较大的参考价值和实际意义。