基于装配关系复杂性测度的多目标混流装配线平衡优化

在混流装配线中,各工作站装配关系复杂性会影响作业效率和工人负荷.基于信息熵对装配关系复杂性进行度量,以最小化生产节拍、装配线平滑指数和装配关系复杂性平滑指数为优化目标,建立多目标混流装配线平衡优化模型,运用第二代非支配排序遗传算法(NSGA 2)设计求解,并结合某企业混流装配线实例验证方法的有效性.研究结果表明该优化方...     

混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。     

Kitting物料配送在混流装配线的应用研究

对混流装配过程中由物料配送不及时引起的生产计划不连续的问题进行了研究,在分析了混流装配生产模式后,构造出了在该生产模式下的混流装配线线旁物料kitting(齐套性)算法,再根据物料kitting(齐套性)算法预求出混流装配线各个工艺点物料消耗,在此基础上求出各个工艺点物料需求,从而带动物料配送;最后通过实例,验证上述方法的可行性和实用性.     

ATO的物料需求预测与混流装配线排序研究

研究了面向订单装配有效实现的关键技术——物料需求预测分析、混流装配线的排序。用假设检验实现物料需求分析,以保持各种零部件的消耗率均匀为目标函数,用遗传算法进行混流装配线排序计算,结果表明了该方法的有效性。     

不确定环境下混流装配生产车间的动态物料配送策略

为使生产车间的物料配送环节适应当前多品种小批量生产和个性化市场的需求,从分析生产车间环境的复杂性和不确定性入手,通过建立不确定环境下的配送成本期望模型,确定了物料的最佳配送区间;结合混流装配生产线的特点,设计了基于动态周期的物料配送策略;基于该策略,建立了以最小化配送成本和最大化满载率为目标,物料需求时间和线边库存容积以及行进路径为约束的优化模型,并针对该模型的设计了基于遗传算法的求解算法。最后,针对实际应用场景,通过eM-plant软件搭建仿真模型,分别模拟传统的配送策略和所设计的配送策略,对比结果验证了本文所提策略的优越性和有效性。     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

混流汽车总装过程的物料协同配送与管理信息系统研究

文章在分析汽车生产过程的物料流的基础上,根据物料的不同形状和需求将物料划分为直接供货件、排序件及捆扎件,并建立了不同的配送方法。为实现混流汽车总装配线上物料及时准确地配送,建立了汽车装配过程的的物料拉动方法及大件物料的看板控制流程。采用基于现场总线信息融合技术,建立3层网络结构的物料信息采集与管理信息系统,实现了汽车混流装配过程的物料协同配送与精细化管理。     

求解多目标混流装配线平衡问题的VPS-PSO算法

为了更有效地减少工作站数目、提高装配线效率,提出了一种基于多目标混流装配线平衡问题的方法。针对混流装配线平衡问题,采用工作站损失指数、装配线损失效率和平滑指数的评价指标作为混流装配线平衡优化问题的适应度函数,在给定节拍和装配优先顺序的前提下建立多目标优化模型。提出一种基于变种群策略的改进粒子群(VPS-PSO)算法能有效地维持种群的多样性,提高粒子群算法的全局搜索寻优能力。案例表明,该算法相对于PSO算法具有更好的寻优能力和求解效率,可以更高效地得到合理的装配线平衡方案。     

小生境遗传算法在混流装配线排序中的应用

在总结混流装配线排序问题的基础上,根据汽车制造业的实际情况建立一种新的汽车装配线排序模型.根据装配车型的关键件不同,引入车型相似度的概念,并将小生境遗传算法用于以最大化相似度总和为目标的混流装配线优化排序问题,同时将简单遗传算法和小生境遗传算法性能进行比较.最后通过在某汽车制造厂中的应用,验证小生境遗传算法在解决混流装配线生产排序问题中的有效性.     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

SPS模式下物料消耗平准化的混流装配线车型排序

在混流生产过程中,针对零部件供应不能实现JIT的问题,提出在SPS物料配送模式下,提高零部件消耗平准化程度。在汽车混流装配线中最重要的目标是零部件消耗速率平准化,建立了混流装配线车辆排序模型。结合W公司实际案例,验证了车型排序在平准化物料消耗中的重要意义。     

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。     

多重资源约束下的多目标U型装配线平衡

为处理因设备故障、订单变化等引起的任务量波动或生产中断问题,在关键工序设置多个并行可选设备、在生产子线设置助理,以保证装配线的生产率。针对该类问题,构建随机工时下基于资源分配的成本、效率双目标U型装配线平衡模型,并采用Benders分解法,将问题分解为设备和助理分配主问题、工序分配子问题,以降低模型求解的复杂度。提出基于Benders分解的快速非支配遗传算法,通过三层编码及解码来适应多决策变量;采用非回溯的Pareto层级构造和拥挤距离,实现种群评价与选择;提出基于概率的层次化遗传操作,以扩充邻域结构、增强寻优能力、避免局部优化。通过非支配解比率、Pareto前沿解收敛性和个体间距度量指标分析所提算法、多目标遗传算法和非支配排序遗传算法,证明算法获得了逼近Pareto最优前沿的非支配解集,且具有良好的收敛性和分布性。     

基于JIT多车间协同的混流装配线排序模型研究

对于多车间协同的混流装配线,由于各分装配线产出的产品数量和时间直接制约着总装配线的时间和效率,因此在考虑总装配线的生产排序时,不仅要考虑总装配车间的生产组织方式,而且还要考虑各分装车间的工艺装配特点。主要针对一汽解放有限公司卡车产的总装配车间、焊装车间、涂装车间的车型装配工艺,提出了多车间协同的混流装配线排序模型,并运用遗传(GA)算法验证了该模型的有效性。     

混流加工/装配系统集成优化研究

为解决由一条混流装配线和一条带相同并行机和有限中间缓冲区的部件加工线组成的拉式生产系统的集成优化问题,以平顺化混流装配线的部件消耗以及最小化加工线最大完工时间为优化目标,建立加工/装配系统集成优化框架和装配线优化数学模型,提出加工线调度方案的构造方法,设计一种多目标遗传算法用于求解该问题,在此算法中,提出一种三阶段的实数编码方法,同时将帕累托分级和共享函数的方法用于可行解适应度值的评价,并对选择、交叉、变异算子以及精英解保留策略进行设计,保证了非支配解集中个体分布性和均匀性.通过与多目标模拟退火算法的结果进行比较,证明了该多目标遗传算法的可行性和有效性,应用该算法可以获得满意的非支配解集.     

多目标模拟退火算法求解混装线平衡与排序

针对混流装配线平衡排序优化问题,提出了一种多目标模拟退火算法。考虑到工位负载影响装配线的生产效率、工人越过工位边界干扰生产等问题,建立了以最小工位绝对负载偏差与最小工位越界距离的优化目标。所提出的模拟退火算法在初始化中将启发式任务分配规则融入平衡问题,根据产品投产需求随机生成产品序列;引入了基于帕累托阶层和拥挤距离作为多目标适应度评价指标;对帕累托前沿解集进行重启操作,避免算法陷入局部最优;采用一种新的接受策略,提高了算法寻优能力。通过测试标准问题实验,对所提出的算法进行参数校验。将所提出的算法与快速非支配遗传算法进行对比,采用收敛性和多样性两个评价指标,验证所提出算法的优越性。     

不确定环境下混流装配线动态准时制物料配送系统

针对不确定环境下混流装配线物料配送准确性和及时性的问题,构建了一种基于射频识别技术的动态准时制物料配送控制系统。分析了混流装配线的物料配送特点及物料分类,阐述了生产计划变动、生产节拍波动、线边库存及物料需求量和时间等物料配送中的不确定因素。综合考虑各类不确定因素,构建了基于射频识别的动态准时制物料配送体系架构,建立了可视化装配过程监控系统,研究了物料配送方案运算模型,设计了物料配送控制系统的硬件架构和软件体系结构。以某公司的1.5TGDI发动机工厂的混流装配线为例,应用J2EE构架开发了基于射频识别的动态准时制物料配送系统,实现了物料配送管理和控制的一体化和可视化,验证了系统的可行性和有效性。     

基于混流生产模式的装配车间物料配送路径规划方法

合理规划物料配送路径能够提升车间生产效率,降低车间物流成本和生产成本。针对混流装配车间配送不及时、费用高等问题,提出基于混流生产模式的物料配送路径规划方法。以工位为物料配送对象,对混流装配车间物料配送环境进行分析,找出混流装配线的物料消耗规律,明确物料配送数量,简化物料配送过程。在此基础上,结合生产实际的时间窗约束,以最小化物料配送总费用为目标建立了物料配送模型,采用改进蚁群算法对该模型进行求解,最后以某视频控制卡混流装配车间为实例,验证了该方法的可行性和有效性。     

随机型混流装配线的仿真研究

针对随机型混流装配线平衡和排序问题的复杂性,利用Arena仿真软件建立了随机型混流装配线模型.该模型在现有的确定型混流装配线模型基础之上加入了实际装配过程中会遇到的不确定因素,如:不确定的产品投产时间、不确定的装配时间、不确定的传输时间、不确定的故障时间和不确定的返工时间等,使仿真结果更加符合实际生产情况.仿真结果表明...     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。