面向大批量定制的产品族装配线平衡优化

针对产品族混合装配线平衡问题,建立了产品族装配线平衡模型,提出了一种改进的双种群遗传算法对产品族装配线进行优化。首先,通过研究分析产品族装配线的特点,重点考虑了作业之间的相关性;在遗传算法优化过程中,以最小化工作站数、最小化站间和站内负荷指数为优化目标,通过新译码方式弥补传统译码方式的不足,并在双种群中进行个体交换,提高了种群多样性,加快了算法的搜索速度和优化效率。最后,通过小型轮式装载机产品族装配线的平衡优化问题进一步验证了该算法的有效性和可行性。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型.提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略.实例仿真表明该算法具有比其他遗传算法更高的求解质量.     

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...     

基于Bagging集成聚类的改进遗传算法在装配线平衡中的应用

针对装配线平衡优化问题中传统遗传算法搜索深度不足的问题,提出一种基于Bagging集成聚类的改进遗传算法,用于平衡优化。通过Bagging对几个K均值算法基学习器进行集成学习,建立一种基于Bagging集成聚类算法的种群聚类分析方法,然后建立双目标装配线平衡优化模型,利用种群聚类分析方法来改进遗传算法的交叉环节,以提高搜索深度。在实例中验证了改进遗传算法在求解双目标装配线平衡问题中的有效性和搜索性能。     

采用遗传算法的混流装配线平衡多目标优化

针对混流装配线操作人数已知、生产节拍待定情况下的平衡问题,研究了混流装配线第二类平衡问题的优化方法,以均衡各工作站的加权平均负荷、最小化生产节拍为优化目标,建立了求解加权平均负荷与生产节拍加权和的数学模型,并运用遗传算法对其进行求解.各优化目标数量级的统一,简化了算法求解过程,在保证解的有效性的同时提高了算法求解效率.算例分析验证了算法的有效性.     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

基于改进遗传算法的装配线平衡优化研究

为实现装配线生产工序的平衡优化，采用改进遗传算法，以装配线生产节拍、平衡率和平滑指数为优化目标，建立装配线平衡优化模型。采用基于紧前工序约束的交换变异方法，并与父代进行优劣对比，有效避免无效基因的产生。引入精英保留策略，提高算法寻优能力及收敛速度。以波轮洗衣机机芯装配线的平衡优化为例，验证前述算法的可行性。结果表明：与原方案相比，优化后的生产节拍为17.2 s，减少了0.8 s；生产平衡率达到90%，提高了18%；平滑指数从1.3减少到0.72，验证了所提出的模型算法可以有效优化该装配线的生产节拍、平衡率、平滑指数，从而优化其生产效率。     

仿真环境下混流装配线平衡和排序的优化研究

针对某企业风电制动器混流装配过程中工位负载不均衡而导致排队时间过长、装配效率低、无法满足顾客订单需求的问题，提出在并行考虑混流装配线平衡和排序相互影响的基础上，建立最小化最大完工时间、最小化工位负荷指数的多目标优化模型，提出一种基于Pareto改进的果蝇优化算法，采用混合并联编码由工位数量、工位类型及载料框上料顺序三部分组成，并引入多种群策略、自适应步长、精英保留策略，确保优良个体不被破坏。基于实例分析及数据基础，通过Python语言开发环境进行开发算法程序，将得到新的平衡和排序方案与标准遗传算法求得的平衡和排序方案，在离散系统仿真软件Plant Simulation平台上对以上两种算法得到的最优平衡和排序方案进行仿真，验证该算法的有效性。     

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。     

基于ε-约束法的多目标双边装配线再平衡问题

由于市场需求变化、产品更新和工艺改进等因素,装配线原有平衡被破坏,导致装配线的运行效率降低。为了尽快调整装配任务的分配、重建装配线平衡,使其在新环境下保持高效运行,分析了双边装配线及其再平衡问题的特点,以最小化节拍时间和移动任务数为目标,构建了多目标双边装配线再平衡模型,提出基于ε-约束法的双边装配线再平衡启发式算法,设计了装配任务重新分配的启发式规则,制定了松弛节拍约束的解空间搜索策略。通过对经典问题的求解验证了所提方法的可行性与有效性。     

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。     

基于改进遗传算法的混流装配线的优化设计

兼顾混流装配线的负荷平衡和投产排序两个方面,建立了以最小化闲置与超载时间之和为优化目标的优化模型,优化目标包括了一次投产循环中,各工位上最后一个产品可能引起的超载时间,从而有效地保证了混流装配线装配过程的连续性。设计了一种引入小生境技术的改进遗传算法,对混流装配线进行了协同优化设计。实例研究表明:引入小生境技术的改进遗传算法在收敛速度和收敛可靠性方面均优于简单遗传算法和保留最佳个体的简单遗传算法;在给定等长工作站个数的情况下,混流装配线的闲置与超载时间之和随各工作站长度的增加而减小,最后趋于收敛。     

管控一体柔性装配线平衡问题研究

针对影响管控一体柔性装配线平衡因素的复杂性与多样性问题,提出一种基于实时分析工序装配柔性因子的管控策略和改进型遗传算法的优化处理方法。首先综合权衡管控一体柔性装配线不平衡的各类因素,为装配工序建立装配次数-预期时间函数与平衡模型;其次在管控决策台对平衡状态实时分析的基础上,构建了基于改进型遗传算法的优化处理模型,并给出基于动态工位分割算法和动态交叉、变异概率的算法改进步骤。     

基于遗传算法的混装线平衡与排序研究

混合装配生产是实现多品种、小批量、准时生产的最佳策略之一.为实现混合装配线上的精准作业,以均衡工作站负荷和最小化制造周期为目标,分别建立平衡与排序数学模型,再用遗传算法求解上述模型,从而导出模型的近优解.最后通过实例证明了所构造模型和算法的有效性.     

基于遗传算法的飞机脉动式装配线平衡

为解决飞机脉动式装配线平衡问题,建立了飞机脉动式装配线站位内平衡问题模型。在考虑装配线节拍和日可用工时的约束下,以最大化班组效率和班组任务分配均衡为目标,建立多目标优化数学模型,求解站位内最佳的班组数量和最优的作业顺序,从而实现脉动式装配线站位内的装配线平衡。在求解模型时采用基于可行序列编码方式的遗传算法,在染色体的初始化、交叉和变异进化过程中均考虑了染色体基因序列的可行性,有效提高了遗传算法的求解效率。通过案例验证了算法的可行性和有效性。     

面向成本的双边装配线平衡和员工分配

员工工资是装配成本中的重要组成部分,如何实现工资支出最小化得到越来越多的关注。同时在实际生产中,员工技能的差异也导致对相同操作不同的加工效率,进一步导致了员工最优化分配问题。针对面向成本的双边装配线平衡和员工分配问题,构建了最小化员工成本的数学模型,同步考虑装配线负载均衡,形成多目标的优化模型。提出一种改进的重启模拟退火算法,设计了新的邻域结构和重启机制。在邻域结构中,设计了3种邻域结构;在重启机制中,根据聚集距离优先选择较离散的个体,以获得分布性更好的帕累托解集。最后对7组随机生成的实例进行求解,将重启模拟退火算法与快速非支配排序遗传算法进行对比,验证所提算法的高性能。     

带有区间不确定任务时间的装配线鲁棒平衡

为解决任务完成时间为连续区间参数的第二类装配线平衡问题,提出了装配线鲁棒平衡的思想.采用最小化最大后悔值的鲁棒决策准则,建立了装配线鲁棒平衡的数学模型,提出了计算给定任务分配方案对应节拍时间最大后悔值的策略,并设计了基于遗传算法的求解方法.通过一系列测试问题和某实际汽车总装生产线平衡问题,验证了所提方法的可行性和有效性.     

基于多目标优化的改进遗传算法求解柔性车间调度问题

文章主要研究多目标的柔性车间调度问题。在实际生产过程中,调度结果受完工时间、机器负荷、成本控制和资源消耗等多方面因素影响,因此提出了一种基于多目标优化的改进遗传算法,针对最小化最大完成时间、最小化机器负荷和最小化资源消耗3个目标函数进行优化,结合改进的Pareto多目标优化方法,以及最短加工时间变异和邻域变异方法,提高了算法的寻优能力。最后通过实验验证了算法适用于求解多目标的柔性车间调度问题。     

基于模拟退火算法的装配线平衡方法

复杂产品装配线的平衡问题一直是制约车间生产效率的重要因素之一。针对复杂产品装配线平衡问题,在均衡各工作站位负荷、工作站数和最少损失时间等优化目标基础上,建立了多目标优化模型,采用模拟退火算法对模型进行优化求解。以发动机装配为例进行算法验证,计算结果中各工作站损失时间较低,装配线趋于平衡,表明此模拟退火算法有效。     

基于遗传算法和仿真分析的混合装配线平衡问题研究

为兼顾混合装配线平均负荷平衡和瞬时负荷平衡,提出了一种综合运用遗传算法和仿真分析的混合装配线平衡问题的求解方法.首先,基于综合作业顺序图和多品种产品在每个作业任务上的平均作业时间,采用遗传算法求解混合装配线平衡问题,其优化目标是均衡各工作站平均作业时间;然后,对遗传算法求解的一组较优解,从瞬时负荷平衡方面进行仿真分析,其优化目标是最大化各工作站利用率;最后,综合两个优化目标确定混合装配线平衡问题的最优解.通过算例分析,验证了求解方法的有效性.