遗传算法优化的汽车混流装配线投产排序决策

采用遗传算法,以车辆完成装配的总等待时间最少为目标,对汽车混流装配线进行投产排序优化,通过AutoMod仿真软件和遗传算法优化,得出了优化方案,其目标值减少69.5%,大大提高了企业生产效率,从而证明了遗传优化算法的有效性。

混流装配线的双目标投产排序决策模型

为优化生产计划,考虑物料平准化和换装成本,提出双目标混流装配线投产排序决策模型。给出了基于客户重要性程度和交货提前期的产品类别细分方法,综合最小生产循环原理、目标追踪法和产品部件组件差异,建立了物料消耗方差和换装成本最小化的双目标投产排序决策模型,用遗传算法求解获得了投产排序最优解集。该模型体现了物料供应平准化、产品族、换装成本和顾客需求等因素对生产计划的影响,改善了生产计划观测指标,从而验证了模型的有效性。

JIT生产方式混流生产线投产排序必要性分析

JIT生产方式运用混流生产线进行生产。因此,通过对混流生产线的研究可以更好地发挥JIT生产方式的优势。以汽车制造企业为重点,通过对混流生产线运作方式进行分析,并结合汽车总装配线混流生产的例子,总结出JIT生产方式混流生产线必须制定合理的投产排序方案的结论。

混流单元生产线作业单元布局及其投产排序

针对某公司继电器装配的实际情况,系统分析了多品种混流生产线采用单元生产方式时,其作业单元布局的方法与步骤,同时对其柔性和平衡性进行了分析;采用循环排序法对不同品种的继电器进行投产排序,在此基础上,借助Flexsim仿真软件对采用单元布局的混流生产线作业单元布局的继电器装配过程进行仿真,找到其最佳的投产排序。

基于模拟退火算法的混流生产线投产排序研究

建立了混流生产线投产排序数学模型,并运用解大规模组合优化问题,特别是NP组合优化问题的有效近似算法--模拟退火算法对该问题进行求解。通过算例比对,该方法在求解质量上优于目标追迹算法,从而证明模拟退火算法是一种能够有效解决混流生产线投产排序问题的新方法。

基于NSGA-Ⅱ算法的汽车内饰装配线投产排序研究

以某汽车企业的内饰混合装配线为对象,同时考虑零件消耗速率均匀化和最小生产循环周期最短两个目标,对内饰混合装配线的投产排序问题进行研究。构建了混流排序的数学模型,采用NSGA-Ⅱ算法求解,得到一组Pareto解集,给出了各优化解在两个目标下的函数值。该方法避免了采用加权法求解多目标问题时,权重难以合理确定的问题。同时该方法可以提供多个投产顺序,供决策者选择。最后通过实例验证了该方法的有效性。

汽车混流总装线投产排序优化研究

汽车混流总装线上交替装配不同型号的汽车产品,不同型号的汽车在同一装配工位上装配的零部件可能不同,如果不对车型的投产顺序加以优化排序,连续投入一种相同的车型,会使同一个工位的零部件消耗率严重不均衡。为了使各装配工位的零部件消耗率达到均匀化和平准化,本文采用模拟退火优化算法,对车型上线序列进行优化,最后的实例验证表明算法是可行的。

基于Flexsim的混流装配线投产排序研究

在制造型企业中,混流装配能够提高物料的调配效率,合理地安排投产顺序能够提高作业人员的利用率,进而提高企业的生产效率。以某公司一条汽车座椅混合装配线为例,系统分析混合装配线的特点,采用最小生产单元排序法对不同型号的座椅进行投产排序。在此基础上,借助Flexsim仿真软件,建立汽车座椅混合装配线模型,对座椅装配过程进行仿真,找到最优的生产排序方案。证明了合理的投产顺序能够减少工位的空闲时间,同时也提供了一种混流装配生产线的产品排序方法。

基于强化学习的航天产品装配线投产排序研究

针对以最小化工位过载时间为目标的航天产品混流装配线投产排序问题,提出了一种基于改进Actor-Critic的深度强化学习算法。在Actor部分设计了两种排序策略学习机制,综合基于Critic网络的on-policy和基于较好实例的off-policy,提升算法的学习和搜索效率,生成合理产品投产序列;在Critic部分,分别根据时序差分误差以及较好实例的时序差分序列指导排序策略更新。在算例验证中,对比分析了改进Actor-Critic的深度强化学习算法与传统Actor-Critic算法、Deep Q-Network算法和遗传算法的求解得到了更好的排序结果,验证了改进Actor-Critic的深度强化学习算法有效性。

基于客户满意度的混装线投产排序问题研究

在考虑客户满意度和生产过程中不确定性因素前提下研究了混装线投产排序问题.以三角模糊数表示加工时间、六点模糊数表示完工时间,建立了基于交货期的客户满意度评价方法.并进一步以满意度为优化目标,结合模糊不确定因素,建立了混装线投产排序问题数学模型,并通过遗传算法进行求解.最后,通过数据实例分析了客户满意度与完工时间的相互影响,主要从三个角度对结果进行分析:(1)最小生产单元MPS(Minimum Product Set)内产品比例的均衡性对客户满意度和模糊完工时间的影响;(2)MPS内产品比例相同的条件下,模糊交货期区间权重比例对客户满意度的影响;(3)相同条件下,客户满意度和模糊完工时间分别作为优化目标时两者之间的差异.从而验证了该模型的有效性.

考虑转换约束的汽车混流装配线投产排序研究

讨论了有生产线线边替补人员协助完成超载工作量的情况下,汽车混流装配线投产排序的问题,并且考虑工作人员行走占用的时间。通过对某整车厂进行实地调研,将汽车装配生产中的优化问题从以往文献中只考虑的总装车间向前延伸到涂装车间,给出连续喷涂某种颜色的车辆数的上界s。在此基础上,并考虑总装线线边物料消耗速率波动均衡和子装配工负荷均衡的约束条件,建立涂装切换成本和总装车间人工成本最小化的数学模型。最后,用CPLEX对模型进行优化求解,并分析得出生产节拍和工作站长度等参数与总成本之间的变化关系。

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。

实时负荷条件下混流装配线平衡方法研究

针对一般静态平衡方法未考虑工作站实时负荷差异对混流装配线平衡的影响问题,通过建立相应数学模型研究在混流装配线动态运作下各工作站的实际负荷情况,提出优化产品投产排序以及合理配置有限缓存区的方法平衡实时负荷差异,实现混流装配线的动态平衡;最后利用Promodel软件根据实例仿真验证理论分析的结果,设计了较优的产品投产顺序,确定了有限缓存区位置与容量,仿真结果证明了实验方案的有效性。

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款相近衬衫为例进行测试,结果表明:模块化服装混合流水线平滑系数和编制效率分别达到3.359和97.9%,相较于小批量的单件流生产,编制效率和流水线的平衡稳定性均有显著提升。本文研究可为服装智能制造与精益生产的推进提供理论参考。

混流生产线的Flexsim仿真应用研究

由于产品市场的变化,目前越来越多的工厂选择多品种,小批量的生产模式,混流生产线也被企业广泛采用。本文着重论述了混流生产线的投产排序问题,提出了影响其排序优劣的三种因素,并对每种因素对总加工时间的影响运用Flexsim仿真软件进行了研究,找出了寻求较优投产排序的方法。

A企业汽车混流装配线排产研究

投产排序问题在混流线中具有极其重要的地位。以A汽车制造企业为研究对象,对A企业投产顺序进行了分析,创立了混流装配线投产排序的数学模型,并应用目标追随法求解排产模型,得到该企业某天的装配线进行投产的顺序,为企业带来特定的生产效益,同时为其他企业的生产提供借鉴。

基于GA&SA的混流装配线平衡系统的研究与实现

在对柔性生产环境下的多品种混流装配线设计问题进行分析的基础上,结合4种不同型号的保险杠的装配工艺,提出结合当量节拍、可变装配站与固定工作站的设计技术,设计以装配线过载和闲置成本最低为目标的投产排序模型,并开发一个面向对象的投产排序系统,运用SA&GA混合算法对模型进行求解,得出最佳投产排序解决方案。

基于模拟退火算法及Flexsim仿真的混流装配线改善

以H公司冰箱厂生产中箱体装配车间作为研究对象,针对现状,建立该车间混流装配的多目标规划数学模型,应用模拟退火算法对该模型加以求解,并结合Flexsim仿真技术验证改善方案的可操作性及可靠性。经过改善,该公司生产效率得到有效提高、产品产能提升且物料消耗更加均衡。

免疫粒子群算法在混流装配线排序中的应用

混流装配线上的产品投产排序是影响装配线生产效率的重要因素。建立以最小化装配线总闲置-超载成本为优化目标的装配线排序模型,采用粒子群算法来解决混流装配线的投产排序问题。考虑到基本粒子群算法易陷入局部最优解的问题,引入免疫算法思想对其进行改进,根据抗体亲和性与浓度值的计算,及时进行粒子的替换以维持种群的多样性,防止粒子过早收敛于局部极值。利用某汽车零部件制造企业装配线的数据进行试验计算,并与其他方法相比较,仿真结果说明该方法可以有效、快速地解决装配线排序问题。

面向柔性定制的并行不等效客车混装线生产计划主从联合优化

针对客车制造过程中多条异构混装线之间加工能力、作业时间不等效的特征,提出面向柔性定制的并行不等效客车混装线生产计划模型。分析订单分解和投产排序的耦合关联机理;以产品紧急度、匹配度以及产线负荷为目标,建立以订单分解为主、投产排序为从的主从联合优化模型。针对模型特征提出一种结合Pareto前沿解的双层交互式遗传算法。为了提高遗传算法的性能,引入自适应调整方法对交叉概率和变异概率进行改进,并采用小生境技术保证种群多样性。利用客车混装线中的案例对提出的模型进行了验证,并与多阶段遗传算法以及企业的实际方案进行了比较。所提出的使用双层交互式遗传算法的模型可以真实地代表企业的实际情况,并最大限度地提高混装线的效率。