基于遗传算法及仿真技术的服装生产流水线平衡

针对大部分服装企业存在生产流水线编制效率较低以及生产周期长的普遍现象,提出一种服装工序编排方案自动生成和单件流生产线仿真运行的方法。首先分析服装生产工序编排方法和影响因素,采用拓扑方法和遗传算法相结合,在MatLab(R2016b)软件中建立自动优化模型,实现工序的自动编排;然后考虑服装生产数量和生产线设备情况,采用仿真技术,在Plant Simulation仿真软件中,根据实际生产对工序编排方案进行流水线仿真运行,得出直观可视的仿真结果,实现流水线平衡再优化。生产实例验证表明,流水线编制效率为90.8%,比原有效率提高12.8%,节省流水线编排方案在投产前的平衡调试时间,生产周期缩短。     

基于遗传算法的服装生产混合流水线平衡设计

针对服装企业生产多款式服装的需要,建立在工位数确定的前提下,以节拍、等待时间最小为目标的混合流水线平衡模型,并且以工人综合技能熟练度最大为目标进行工人分配。设计自适应遗传算法对具体实例进行工序编排及工人分配。结果表明,设计的混合流水线编制效率达到98.9%,工人的综合熟练度达到158。该模型及算法在保证各工位作业时间均衡的情况下,使工人最大化适配于混合流水线。     

一种自适应的遗传算法

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,提出一种基于交叉概率和变异概率的自适应遗传算法.该算法通过将交叉概率和变异概率随适应度自动改变,实现有目标地对不同个体进行交叉和变异操作,以达到快速扩大搜索空间、稳定群体中个体多样性的目的.仿真结果表明,该算法的收敛性能优于基本遗传算法,有效地避免了基本遗传算法中因选择压力过大造成未成熟收敛现象,显著提高了遗传算法对全局最优解的搜索能力和收敛速度.     

基于模块化的服装混合流水线平衡优化

针对服装生产存在的多品种、小批量、短周期等普遍现象,提出以模块化为基础的服装智能生产编排算法,以实现混合流水线下多款服装的快速生产.以服装模块划分为基础,建立模块化服装生产排序与工序分配的联合优化数学模型,设计目标追踪遗传算法求解模型,实现模块化服装在同一流水线上的投产排序优化及服装加工工序的自动化编排.以2款相近衬衫...     

基于虚拟仿真的服装缝制流水线优化

服装缝制流水线不同于一般的直线流水线,在实际生产中必定存在逆工序,因而采用常见的优化目标不一定能达到最终优化目标———生产时间最短。提出直接以生产时间最短为工序编排的优化目标,并用遗传算法来进行流水线优化设计,以虚拟流水生产过程记时得到生产时间,最后用MatLab进行实例编程计算验证其可行性。     

服装缝制流水线仿真与评价指标

为准确描述服装缝制流水线生产效率,通过数学公式计算和仿真模型运行得到流水线的评价指标,采用指数化分析和相关性分析对评价指标进行了研究。在梳理平衡度和生产效率两方面的评价指标及计算方法的基础上,提出了能够体现服装缝制流水线生产特点的仿真建模方法。利用所建立的模型,针对T恤衫生产线进行了仿真实践,并探究了各项平衡度指标之间及这些指标与生产效率的关系,分析了各项平衡度指标在生产效率评价方面的准确性、适用性和互替性,提出了可以用于评价流水线编制方案的平衡度指标。     

缝纫生产流水线平衡方法的研究

根据服装生产线平衡的理论，结合服务生产中的不同条件，提出三种可行的缝纫生产流水线的平衡方法。     

蒙古族定制服装模块化缝制流水线的编制

针对目前蒙古族定制服装生产形式单一,生产效率低下,无法适应现代化工业生产的需求,从工业化生产角度,分析蒙古族服装加工特色、缝制工艺特点,结合模块化生产理论概括出蒙古族定制服装模块化缝制流水线的划分方法,提出模块内工序优化编制原则;以W公司蒙古族定制男装上衣为例,对其进行验证,结果表明:衣身模块、领袖模块、连接模块、盘扣模块的编制效率分别为94.6%、97.6%、97.7%、100%;均衡指数分别为40.07、15.17、12.04、0,满足现代服装企业精益生产的要求,实现蒙古族定制服装工业化缝制流水线的快速优化设计。     

基于遗传算法的服装缝制生产线平衡优化

为解决服装缝制生产线作业间不平衡产生的效率损失问题,建立以最小化平衡损耗率为目标的平衡优化模型。采用遗传算法进行求解,以男式衬衫按照工序流程、工艺种类和服装部件3种工作地布置方式的生产线为例进行应用分析。结果表明:按工序流程方式和工艺种类方式布置工作地,生产线平衡后有14个工作地。按服装部件方式布置工作地,生产线平衡后有15个工作地,同样需要的作业人员数量和机器设备数量要多于其他2种工作地布置方式。按照工序流程方式布置工作地的时间损耗率为8.74%,按照工艺种类方式布置工作地的时间损耗率为11.79%,按照服装部件方式布置工作地的时间损耗率为20.32%,但仍高于企业对生产线最低编制效率的要求。通过仿真模型验证可知,经过优化的3种工作地布置方式均可运用到实际生产中,有效降低企业生产成本。     

基于自适应寻优遗传算法的牛肉变质区域识别方法

针对传统方法对牛肉变质区域识别的准确率低、用时长的问题,提出基于自适应寻优遗传算法的牛肉变质区域识别方法。将牛肉检测光谱数据子集作为染色体,引用二进制编码,计算群个体编码及种群初始化;通过适应度函数优化交叉与变异操作,为种群的不同个体计算单独的交叉概率与变异概,输出最终牛肉变质区域的检测光谱数据。实验数据表明,所提方法仅迭代40次可完成牛肉变质区域识别,且平均识别准确率为95.8%,识别用时为1.7 s,与两种传统方法相比,识别精度分别提高了28.72%和20.34%,识别耗时分别缩短了2.09 s和4.13 s;由此得出结论,所提方法具有收敛速度快,且适应度均值较高,全局搜索能力强;所提方法在识别牛肉变质区域方面具有识别率高、用时短的优势,具有较高的可靠性、科学性和可行性。     

模块化裤装缝制流水线的优化设计

为满足目前服装市场对于“多品种、小批量、短周期”的迫切需求,以基于规则的模块化划分方法,设定服装模块划分规则,并对其工序进行模块化划分;以服装大流水的编制方法为基础,总结概括出模块内工序的优化原则;通过优化各模块内工序,实现各工序的快速、高效编制;以女休闲裤缝制生产线为例对基于规则的模块化划分方法及模块内工序的优化原则进行验证。结果表明:部件模块1、部件模块2、连接模块的编制效率分别为94.1%、98.3%、95.5%,均衡指数分别为4.58、3.00、2.83,符合服装企业精益化生产要求。     

计算机辅助服装流水线平衡优化设计进展

概述了服装生产流水线生产平衡原理,详细介绍了国内外不同类型流水线平衡优化问题的研究进展,着重分析了计算机辅助服装缝纫流水线优化编排,最后讨论了该领域未来研究发展方向.     

基于精益管理下的服装生产流水线优化

以精益生产管理为视角,探讨服装生产流水线的优化理论。通过对某服装企业一款T恤衫流水线案例优化的分析,介绍了精益管理下服装流水线优化过程及方法,完善优化理论。     

服装缝纫流水线负荷平衡优化编排方法

提出一种服装缝纫流水线的优化新编排方法。它先由工序分析表简化后 ,再生成有向网络图 ,进而确定出优先权区域。最后 ,利用优先关系和优先权区域以及组合范围h进行编组。     

服装生产流水线的计算机仿真

针对服装生产流水线的特点,根据服装生产的实际情况,引入到达因子和服务台因子,建立服装生产流水线串联情形下的排队系统模型,并给出该模型的计算机仿真实例。     

基于遗传算法的服装大规模定制生产线平衡优化

为解决大规模服装定制混流生产过程中出现的产品在线时间长、节拍不均衡、生产成本高等问题,首先对大规模服装定制复杂生产线特点及问题进行分析,构建了具有多子组管理、多目标寻优、服装单件定制的混合生产线平衡优化模型;然后利用矩阵原理对工序进行约束编码,并给出从工序到工位转换的解码算法;接着通过轮盘赌选择、两点交叉和单点变异、多目标适应度函数等算法设计实现了混流生产线的生产平衡;最后以大规模西服定制生产线为例,借助MatLab技术进行编程实现。结果表明,各组子生产线中编制效率最高可达93.93%,总生产线平均编制效率为85.77%,满足企业工序编制要求,验证了本文模型可有效解决大规模服装定制生产线的生产平衡问题。     

基于遗传算法服装缝纫调度技术的研究

提出用遗传算法来求解服装缝纫流水线的优化调度问题的一种新的方法 ;给出了仿真实例 ,结果表明此法优于现有的算法 ,能求出调度问题的满意解     

衬衫吊挂流水线的自适应动态调度

针对服装大规模定制中的个性化订单实时到达、订单投产准时性差、瓶颈工位不确定等系列问题,提出了一种服装吊挂流水线的自适应滚动窗口机制解决上述问题。综合考虑了加工顺序、加工设备、人员技能、工序等级等服装生产中的约束条件,建立以最小化完工时间和设备等待时间为目标的多目标动态调度模型,运用工序和设备双层编码结构的非支配遗传算法对模型进行求解;以企业订单数据为基础模拟了21 600 s内个性化订单动态到达过程,对模型进行仿真实验。结果表明:自适应动态调度机制能够充分利用生产线设备信息对不同款式的实时订单动态排程;相较于固定周期调度机制在生产效率和设备利用率上有显著提升。     

基于流水线生产过程的《服装生产技术管理》课程考核改革与实践

将《服装生产技术管理》课程教学与考核通过生产流水线的形式贯穿起来,使学生真实体验服装流水线生产环境,更好地掌握服装工艺流程设计、工序组合、排料、裁剪、缝制、工序调整及质量控制等生产环节,形成一套较为完整的基于服装流水线生产过程的考核机制,提升了服装专业应用型人才的培养效果.