混流裝配-加工系統(tǒng)運行優(yōu)化方法與應用研究.pdf

1、需求個性化逐漸成為市場主流，制造企業(yè)面臨著越來越激烈的競爭，產(chǎn)品多樣性與交貨速度漸漸成為與制造成本及質(zhì)量同等關鍵的因素，以最低的制造成本確保最大的產(chǎn)品交付能力與生產(chǎn)柔性是生產(chǎn)系統(tǒng)運行的目標。混流生產(chǎn)線通過改變生產(chǎn)組織方式就能夠充分利用原有的設施設備實現(xiàn)多品種高效率的生產(chǎn)，已經(jīng)成為眾多制造企業(yè)實現(xiàn)制造柔性的一種重要策略，其中一種典型的方式即是關鍵零部件自制、并最終與外購零部件一起裝配的混流裝配-加工系統(tǒng)，在發(fā)動機、汽車、空調(diào)等行業(yè)中應用極

2、為廣泛，深入研究這類系統(tǒng)的運行規(guī)律和優(yōu)化方法，無疑具有重要的理論價值和現(xiàn)實意義。本文以轎車發(fā)動機制造企業(yè)為研究背景，對混流裝配-加工系統(tǒng)運行優(yōu)化中存在的若干關鍵問題展開深入的研究。
　　首先，分析了混流裝配-加工系統(tǒng)與傳統(tǒng)單一品種大批量生產(chǎn)系統(tǒng)的顯著差異，歸納了混流裝配-加工系統(tǒng)運行中亟需解決的若干關鍵問題，分別從混流裝配系統(tǒng)批量優(yōu)化、裝配-加工系統(tǒng)批量計劃集成優(yōu)化、并行加工系統(tǒng)排序優(yōu)化、裝配物料配送調(diào)度優(yōu)化等角度對國內(nèi)外相關的研

3、究現(xiàn)狀進行了系統(tǒng)的綜述，并指出各個領域內(nèi)存在的不足。
　　針對混流裝配系統(tǒng)的批量優(yōu)化問題，本文考慮混流裝所配面臨的日益顯著的需求不確定性，以最小化成品庫存持有成本為目標，基于模糊可信性理論，建立了混流裝配線生產(chǎn)批量優(yōu)化的非線性模糊機會約束模型，基于NEH調(diào)度算法、徑向基函數(shù)網(wǎng)絡(RBFN)及粒子群(PSO)算法，提出了一種求解該模型的混合算法，其中，在驗證候選解是否滿足產(chǎn)能約束時，采用由NEH算法結果作為樣本訓練的RBFN來逼近相

4、應的產(chǎn)能消耗；在處理不確定性時，采用由可信性模擬技術訓練的RBFN來逼近不確定的服務水平約束以及庫存持有成本的臨界值。應用奇瑞第二發(fā)動機公司的實際生產(chǎn)數(shù)據(jù)進行優(yōu)化計算，并將優(yōu)化結果與兩種簡化方式進行比較，對比顯示所提出的模型充分體現(xiàn)了成本與風險間的權衡，求解算法也具有較高的效率。
　　針對混流裝配-加工系統(tǒng)批量計劃集成優(yōu)化問題，本文以成品庫存與在制品庫存成本最小化目標，建立了混流裝配-加工計劃集成優(yōu)化模型，并將其表述為一個兩級模糊

5、機會約束規(guī)劃模型，充分考慮裝配線批量計劃與零部件加工線批量計劃間的相互影響，采用迭代策略求解該兩級規(guī)劃模型，其中，零部件加工線對應的子模型使用基于交叉熵(CE)算法與RBFN的混合算法求解，裝配線對應的父模型采用基于RBFN和PSO的混合算法，其中粒子適應度的評價即包含子模型的求解結果。應用實際生產(chǎn)數(shù)據(jù)進行優(yōu)化計算，并與奇瑞第二發(fā)動機公司原有的計劃模式以及采用層次策略求解的結果進行比較，對比顯示集成優(yōu)化模型明顯優(yōu)于原有的計劃模式，所提出

6、的求解算法也優(yōu)于采用層次策略的方法。
　　針對面向混流裝配的并行加工系統(tǒng)排序優(yōu)化問題，本文分析了齊套性的概念，提出了一種用于評價多條并行混流零部件加工線的齊套性評價指標，并用算例驗證了該指標與裝配線缺料等待時間的相關性，并應用該評價指標建立了并行混流加工線作業(yè)排序的齊套性優(yōu)化模型，并開發(fā)了一種基于海明距離的小生境遺傳算法(NGA)，算法中為增加種群的多樣性，對一定“距離”范圍內(nèi)的較劣個體實施懲罰。應用奇瑞第二發(fā)動機公司實際生產(chǎn)數(shù)據(jù)

7、進行優(yōu)化計算，并與該公司原有排序方式進行對比，結果表明本文所提出算法具有較高的效率，所求得的結果明顯優(yōu)于原有方式。
　　針對混流裝配線物料配送調(diào)度問題，本文考慮線邊零部件庫存成本最小化為目標，建立了單小車多工位配送調(diào)度優(yōu)化模型，并推導了該模型中小車調(diào)度的四條性質(zhì)，涉及最優(yōu)調(diào)度的出發(fā)時間、累計配送量、出發(fā)時間下界、最優(yōu)解中配送順序等，基于這些性質(zhì)，提出了一種逆序回溯算法，通過小規(guī)模的算例展示了各條性質(zhì)在加快搜索速度上所起的作用。為求

8、解大規(guī)模的實例，還提出了一種基于遺傳算法和模擬退火算法的混合算法(GASA)，其中引入了調(diào)度的“密度”這一概念，并在算法的鄰域搜索過程中應用了一條基于密度的啟發(fā)式規(guī)則。應用奇瑞第二發(fā)動機公司實際生產(chǎn)數(shù)據(jù)分別使用上述兩種算法進行優(yōu)化計算，所提出的GASA算法在速度和解的質(zhì)量上表現(xiàn)出更高的性能。
　　針對混流裝配-加工系統(tǒng)運行優(yōu)化的需求，基于Struts、Hibernate及JBPM等技術設計了混流加工-裝配系統(tǒng)運行優(yōu)化平臺，并應用本