Исследование оптимизации расписания в цехе обработки судовых листов на основе усовершенствованного алгоритма NSGA-II

Почему верфям нужны более разумные графики

Современные верфи обрабатывают тысячи тяжёлых стальных листов, которые нужно точно в нужном порядке маркировать, резать и перемещать. Любое небольшое нарушение — например, поломка станка или срочный заказ — может вызвать каскадный эффект в цехе, приводя к перерасходу энергии, чрезмерной загрузке отдельных машин и риску сорвать сроки поставки. В этой статье предложен новый способ автоматической реорганизации работ в цехе по обработке судовых листов при возникновении таких сбоев, с использованием усовершенствованного эволюционного алгоритма, чтобы сохранять производство быстрым, надёжным и эффективным.

Поддержание стабильности производства при неполадках

Судостроение — это сложный производственный процесс с частыми остановками и перезапусками. Листы различаются по размерам и форме, а различные станки разделяют между собой объём работ. Сегодня при неожиданностях многие верфи по‑прежнему полагаются на опыт персонала, который вручную перестраивает план. Это требует времени и часто приводит к неравномерной загрузке машин и росту затрат. Авторы сосредотачиваются на ключевом вопросе: когда цех подвергается событиям вроде отказов оборудования, переделок или задержки материалов, как компьютер быстро сгенерирует новый план, который успеет к сроку, сохранит низкое энергопотребление и не перегрузит отдельные машины?

Преобразование цеха в цифровой двойник

Чтобы решить эту задачу, исследователи сначала превращают цех по обработке листов в детальную цифровую модель. Они создают трёхмерную схему расположения станков и потоков материалов с помощью инженерного ПО и связывают её с платформой Интернета вещей (IoT), которая собирает данные в реальном времени со столов резки, кранов и другого оборудования. Так появляется своего рода «цифровой двойник» цеха: виртуальная среда, зеркально отражающая происходящее на производстве. Производственные данные поступают в систему планирования, где оптимизационные алгоритмы предлагают исходный рабочий план. Этот план затем тестируют в симуляции, чтобы проверить соблюдение сроков и рациональное использование станков, прежде чем вернуть его для управления реальным цехом.

Балансировка времени, затрат и загрузки машин

Сердце исследования — математическая модель движения листов по цеху. Каждый лист проходит несколько операций на разных станках, и план должен учитывать порядок операций, пропускную способность каждого станка и обещанный срок поставки. Авторы формулируют три целевых показателя одновременно: сократить общее время завершения, уменьшить суммарное энергопотребление в процессе и режиме ожидания, а также избежать длительных периодов простоя или перегрузки машин. Такая многокритериальная задача не имеет единственного идеального решения. Вместо этого она даёт набор компромиссов — например, более раннее завершение ценой повышенного энергопотребления. Цель алгоритма — наметить эти компромиссы, чтобы планировщики могли выбрать график, который лучше всего соответствует их приоритетам.

Обучение алгоритма адаптироваться как эксперт

Для поиска в огромном пространстве возможных расписаний авторы дорабатывают популярный эволюционный метод NSGA-II, который эволюционирует популяцию кандидатных планов на протяжении многих поколений. Традиционные версии используют фиксированные настройки для частоты скрещивания и мутаций и сохраняют лучшие планы простым способом. Это может привести к преждевременному «залипанию» поиска. В предлагаемом подходе вероятности скрещивания и мутаций автоматически адаптируются по ходу поиска, стимулируя широкое исследование в начале и более тщательную доработку позже. Одновременно новая «элитная» стратегия отбора, вдохновлённая методом имитации отжига, регулирует, какое число лучших планов сохраняется из поколения в поколение. Это помогает поддерживать разнообразие среди перспективных расписаний и не допускать слишком быстрого сходимости алгоритма к субоптимальному решению.

Подтверждение метода в тестах и на реальной верфи

Усовершенствованный подход проверен двумя способами. Во‑первых, он запущен на наборе стандартных бенчмарков по планированию, широко используемых исследователями. В большинстве этих тестов он находит более разнообразные и качественные решения компромиссов по сравнению как с оригинальным NSGA-II, так и с более новой его вариантной NSGA-III. Во‑вторых, команда применяет его к реальному производственному заказу, включающему 16 листов и семь станков на верфи, затем вводит реалистичные сбои: срочные переделки и серьёзную поломку оборудования. В каждом случае система сначала пытается сдвинуть затронутые задачи вправо; если это привело бы к пропуску срока, запускается полное переназначение с использованием улучшенного алгоритма. По сравнению с традиционными стратегиями новый метод обеспечивает сокращение времени выполнения, снижение или сопоставимое энергопотребление и более равномерную загрузку станков, при этом рассчитывая планы достаточно быстро для практического применения.

Что это означает для судостроения

Для неспециалистов ключевая мысль в том, что цеха по обработке судовых листов теперь могут реагировать на непредвиденные ситуации более автоматически и надёжно. Комбинируя поток живых данных с производства, реалистичную цифровую модель и более умный эволюционный алгоритм, метод позволяет удерживать производство в графике с меньшим количеством ручных «пожарных» вмешательств. В долгосрочной перспективе такое динамическое планирование может помочь верфям сокращать задержки, экономить энергию и лучше использовать дорогостоящее оборудование — это конкретный шаг к более интеллектуальному и устойчивому производству.

Цитирование: Dong, L., Liu, J., Gu, S. et al. Research on scheduling optimization of ship plate processing workshop based on improved NSGA-II algorithm. Sci Rep 16, 5549 (2026). https://doi.org/10.1038/s41598-026-35278-y

Ключевые слова: судостроение, планирование производства, генетический алгоритм, умное производство, динамическая оптимизация