虎门新数码印刷车间建设项目调度优化
  • 【摘要】

    当项目按原定的调度计划准备实施或正在实施时,由于客户对项目进度的紧急要求,决策者不得不对原有调度进行相应调整以应对这些意外变动.在项目资源约束给定的情况下,需要进行如下决策:(1)在不额外增加资源的基础上进行调度优化是否可以满足客户的进度要求?(2)如果不能满足,那么至少还需要增加多少资源才能达到客户对项目进度的要求.本文就上述问题讨论了项目调度问题的一些相关结果,并以虎门新数码印刷车间建设项目为... 展开>>当项目按原定的调度计划准备实施或正在实施时,由于客户对项目进度的紧急要求,决策者不得不对原有调度进行相应调整以应对这些意外变动.在项目资源约束给定的情况下,需要进行如下决策:(1)在不额外增加资源的基础上进行调度优化是否可以满足客户的进度要求?(2)如果不能满足,那么至少还需要增加多少资源才能达到客户对项目进度的要求.本文就上述问题讨论了项目调度问题的一些相关结果,并以虎门新数码印刷车间建设项目为例,用遗传算法进行了优化求解.主要的创新性工作如下:(1)建立了两个调度优化模型.本文为应对意外变动建立了两个优化模型,第一个优化模型以工期压缩量为优化目标,即在不额外增加资源的基础上能在多大程度上压缩工期;第二个优化模型以资源增加量为优化目标,即当第一个优化模型的结果不能满足客户要求时,最少需要额外增加多少资源才能满足客户要求.现有文献中仅仅以工期压缩量为目标建立模型进行优化,没有建立相应模型来应对优化结果不能满足工期要求的情况,因此不足以应对意外变动. (2)现有文献假设资源转移量和工期压缩量之间是线性变化关系,导致工期压缩量计算偏高,这显然不符合资源使用的边际收益递减规律.本文假定模型中资源转移量与工期压缩量之间为符合边际收益递减规律的某种函数关系,如二分之一次函数.因此,工期压缩量的计算更接近实际情况,所得结果也比现有文献更准确.(3)用遗传算法求解模型.大多数文章在研究将资源从非关键路径调到关键路径上以缩短工期时,采用的是线性规划或分支定界等来进行模型求解.本文用遗传算法进行求解,遗传算法不仅可以与本文中的非线性目标函数相适应,而且能够求得全局最优解,简化大型复杂项目的求解. 上述内容在实际案例中得到了应用,成功缩短了项目工期,使得项目按时完成,为以后遇到类似事件提供了决策依据 收起<<

  • 【作者】

    孙晓青 

  • 【学科专业】

    工业工程

  • 【授予学位】

    硕士

  • 【授予单位】

    西安交通大学

  • 【导师姓名】

    李鹏翔

  • 【学位年度】

    2012

  • 【语种】

    chi

  • 【关键词】

    项目调度%工期优化%非线性%遗传算法