基于改进NSGA-II算法的船舶板材加工车间调度优化研究

为什么造船厂需要更智能的调度

现代造船厂要处理成千上万吨重的钢板，这些钢板必须按恰当顺序进行标记、切割和搬运。任何小的扰动——比如切割机故障或加急订单——都可能在车间蔓延，浪费能源、导致部分设备过载并威胁交付期。本文提出了一种新的方法，在发生此类扰动时自动重组船舶板材加工车间的作业，通过改进的进化算法保持生产的快速性、可靠性和效率。

当发生问题时保持生产稳定

造船是复杂的、断断续续的制造过程。板材在尺寸和形状上各异，不同设备共享工作负荷。如今，当出现意外情况时，许多造船厂仍依赖经验丰富的人员手工调整计划。这既耗时又常导致设备利用不均和成本上升。作者关注一个关键问题：当车间遭遇设备故障、返工或材料延迟等事件时，计算机如何能够快速生成一个新的计划，既能按期完成、又能降低能耗并避免单台设备过载？

将车间转为数字孪生

为了解决这一问题，研究者首先把船舶板材车间构建为细致的数字模型。他们使用工程软件构建机器与物料流的三维布局，并将其与物联网（IoT）数据平台连接，从切割台、起重机及其它设备收集实时信息。这就创建了车间的“数字孪生”——一个反映现场运行情况的虚拟环境。生产数据流入调度系统，系统使用优化算法提出初步作业计划。该计划随后在仿真中检验，以确认是否满足交付期限并合理使用设备，然后再回传以控制真实车间。

平衡时间、成本与设备负荷

研究的核心是对板材在车间流动的数学描述。每块板材要经过多台不同设备的若干工序，计划必须遵守工序顺序、各设备的产能约束以及承诺的交货时间。作者同时定义了三个目标：缩短整体完工时间、减少加工与待机期间的总能耗、以及避免设备长时间闲置或过载。这类多目标问题不存在单一最优解，而是产生一组权衡——例如以更高能耗换取略早完工。算法的任务是勾勒出这些权衡，供计划者根据优先级选择最合适的调度方案。

让算法像专家一样学会自适应

为了在庞大的可能调度空间中进行搜索，作者改进了一种流行的进化方法NSGA-II，该方法通过让候选方案群体经过多代演化来工作。传统版本对方案交叉和变异的频率采用固定设置，并以简单方式保留优秀方案，这可能导致搜索过早“陷入”局部解。本文的改进在于随着搜索进展自动调整交叉与变异概率，鼓励在初期进行广泛探索，在后期进行更细致的优化。同时，引入了一种受模拟退火启发的新型“精英选择”规则，控制每代中保留多少优良方案。这有助于在有前景的调度中保持多样性，避免算法过快收敛到次优解。

在测试和真实造船厂中验证方法

改进方法通过两种方式进行测试。首先，将其应用于研究人员广泛使用的一组标准调度基准测试。在大多数测试中，它比原始NSGA-II和较新的变体NSGA-III找到更多样且质量更高的权衡解。其次，团队将其应用于某造船厂包含16块板材和7台设备的真实生产订单，并引入了真实的扰动情景：紧急返工任务和重大设备故障。在每种情况下，系统首先尝试对受影响任务进行简单的向后平移；若这样将错过交货期，则触发使用改进算法的全面重调度。与传统策略相比，新方法在保持计算速度适用于实际应用的同时，提供了更短的完工时间、相同或更低的能耗以及更平衡的设备负荷。

这对造船业意味着什么

对非专业读者而言，关键结论是船舶板材车间现在可以更自动、更可靠地应对突发情况。通过将工厂的实时数据流、逼真的数字模型和更智能的进化算法相结合，该方法减少了人工临时处理，使生产更加按期进行。从长远看，这类动态调度有助于造船厂减少延误、节约能源并更有效利用昂贵设备——这是走向更智能、更有韧性的制造业的实在一步。

引用: 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

关键词: 造船, 生产调度, 遗传算法, 智能制造, 动态优化