基于改进水波算法的复杂多人共站装配线平衡研究

针对实际装配环境中存在多人协同装配和共站的情况,研究了考虑工序复杂程度与工人能力差异的多人协作共站装配线平衡问题。首先,考虑到装配工序的复杂程度需指派不同规模和类型的工人组,建立了以最小化工作站数量和工人数量为目标函数的多目标优化数学模型;在此基础上,提出一种改进的离散水波优化算法,对算子进行了离散化改造,并设计了基于拓扑排序的编码方案和启发式的解码方案,同时引入扰动个体和路径重连的搜索策略来增加解的多样性,进而提高解的质量;最后,通过求解两类测试用例,以线效率和平滑指数作为性能指标,验证了改进离散水波算法在求解复杂多人共站装配线平衡问题上的可行性与有效性,并将算法应用到动车装配线平衡优化中。

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。

考虑工时不确定性的混流U型装配线平衡的分布鲁棒优化方法

在以人工装配为主的流水线生产中,工时的不确定性是影响生产节拍的重要因素。考虑到随机优化要求精确的概率分布信息和较高的鲁棒优化保守性,本文针对工时不确定条件下混流U型装配线平衡问题,采用以经验分布为中心、Wasserstein距离为半径的模糊集对工时的不确定性进行描述,并以最小化生产节拍为优化目标,建立装配线平衡问题的分布鲁棒优化模型。为了降低模型的复杂性,利用强对偶理论将模型转换为易于求解的形式;为保证解的鲁棒性,设计了一种鲁棒性指标并将其作为模型的约束条件。针对上述模型,通过设计一种基于区间数的解码方式,并引入自适应交叉和变异概率,给出了一种改进的遗传算法。最后通过标准算例和断路器抽架生产实例进行了数值仿真实验,结果表明相较于随机优化和鲁棒优化方法,所建立模型在降低结果保守性的同时保持较高的鲁棒性,并且针对问题所提出的改进遗传算法具有良好的寻优能力。

混流装配线负荷平衡与投产排序的优化研究

介绍了混流装配线的最新进展情况 ,阐述了混流装配线负荷平衡和投产排序问题之间的关系 .说明了混流装配线负荷平衡的分类、目标函数及求解方法 ;建立了排序问题的模型 ,分析了三种常用的排序目标函数和各种求解算法 .本文指出了混流装配线应进一步研究的问题及未来的发展方向 .

混流装配线平衡和排序问题研究综述

系统地总结了现有的混装线平衡和排序的主要研究内容,从混装线平衡、混装线排序及混装线平衡与排序的集成三个方面对现有了研究进展与研究方法进行了分析和总结,并对一些特殊形式的混装线进行了分析.最后提出了混装线平衡与排序问题需要进一步研究的几个方向.

第Ⅱ类机器人混流装配线的平衡与排序联合决策

为了提高第Ⅱ类机器人混流装配线系统能效,界定工业机器人5种工作状态,量化不同状态下的机器人能源消耗值,引入关停策略和考虑产品切换,以最小化最大工作时间和能源消耗为目标,构建平衡与排序联合决策双目标优化模型.设计改进的非支配排序遗传算法Ⅱ,通过同类算法对比分析,验证改进算法的有效性.结合算例,揭示关停策略和产品切换准备作业对机器人混流装配线系统的技术影响。关停策略能够减少能耗,在装配线平衡性下降时的效果愈加明显,最大能耗节约率达到16.68%;考虑产品切换准备作业的影响,有利于机器人混流装配线作业效率和能源消耗的整体优化.

基于改进NSAG-Ⅱ算法的多目标混流装配线平衡优化研究

针对混流装配线平衡问题,提出了基于NSAG-Ⅱ算法的多目标混流装配线平衡优化方法。以混流装配线的生产节拍、线平衡和均衡系数为适应度目标函数,建立遗传算法优化模型,算法基于传统遗传算法的缺点进行针对性改善和用光机混流装配线实例和Flexsim仿真验证了算法的可行性。结果表明,该改进遗传算法可对混流装配线平衡进行优化,可整体提高混流装配线生产效率。

基于复合规则和强化学习的混流装配线调度方法

针对混流装配线的平衡与排序问题,提出了一种基于复合规则和强化学习的智能调度方法。根据数学模型,设计了平衡规则库与排序规则库,提出了规则加权组合的近端策略优化(PPO)算法,并利用具有Actor-Critic训练流程和优先经验回放机制的强化学习过程,实现了复合规则权值参数的调控优化,生成了平衡与排序方案。所提方法与PPO+单一规则算法、复合规则和遗传算法的对比实验验证了所提方法的有效性。

某汽车座椅混流装配线多目标排产优化

针对某汽车座椅混流装配线多型号多批次混流装配周期长、订单多样化、难以满足客户需求等问题,建立以产品最小完工时间和等待时间为目标的排产优化模型,并设计一种基于循环拥挤排序的改进快速非支配排序遗传算法进行求解.以某企业混流装配线为例,运用多种算法进行优化前后排产方案的对比分析,验证所提模型及算法的可行性.应用Plant Simulation对所提排产优化模型与算法实用性进行验证,仿真结果表明,文中模型及算法能有效缩短装配周期,提高装配线资源利用率.

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。

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。

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。

基于改进粒子群优化算法的混流装配线演进平衡

随着产品需求的多样化、装配工艺及技术进步、设备更新等动态变化,装配线平衡方案需不断调整,甚至重新规划与演进平衡。为了探究上述因素对混流装配线演进平衡的影响,提出了实现装配线演进平衡的方法,建立了以最小化装配线的生产节拍、站间平滑指数、演进平衡调整成本为优化目标的混流装配线演进平衡数学模型,并通过改进粒子群优化算法进行优化。在该算法中,为增加粒子的多样性和搜索能力,克服传统粒子群优化算法快速收敛等问题,以粒子进化的成功率来更新算法中的惯性因子,将群体中非最优粒子中的有利信息迁移到群体中的最优粒子上,从而加快算法的搜索速度。结合某企业的生产实例验证了该方法的有效性和可行性。

面向大规模定制的混流装配线平衡研究

为解决面向大规模定制的混流装配线的平衡问题,分析了这一类装配线的特点,并综合考虑工作站的数量、工作站的负荷及装配线效率三个因素,提出了面向大规模定制的混流装配线的平衡模型和优化装配线平衡的混合遗传算法。该算法将模拟退火算法和遗传算法相结合,采用了交叉概率和变异概率的自适应重构策略,有效避免了算法的早熟,增强了算法全局寻优能力。实例仿真计算表明,该算法比标准的遗传算法和模拟退火算法具有更高的求解质量和求解效率。

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题。提出改进离散微粒群优化算法来解决混流装配线多目标排序问题。提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率。引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能。分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围。提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法。改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性。

汽车混流装配线的混合布谷鸟算法排序研究

为解决汽车混流装配线作业者工作负荷不均衡的问题,构建了最小化违背装配频率上限次数的优化模型,提出了布谷鸟算法与遗传算法相结合的混合算法。该方法将遗传算法的选择与交叉思想引入布谷鸟算法的迭代过程,以克服布谷鸟算法寻优过程中收敛速度慢和容易陷入局部最优的问题。测试函数的对比求解和合作汽车企业的优化实例表明该改进算法具有更高的求解精度和更快的收敛速度,能有效地解决大规模的汽车混流装配线排序优化问题。

混流装配线平衡问题的多目标优化方法研究

针对混流装配线上由于不同品种产品在作业时间上存在差异而导致装配线瞬时负荷不平衡的问题,研究了混流装配线平衡问题的多目标优化方法,提出了均衡各工作站的加权平均负荷、最小化装配线实际节拍和最小化工作站的空闲时间三个优化目标,建立了多目标优化模型,并采用遗传算法对多目标优化模型进行求解。通过多目标优化方法,可提高混流装配线的利用率和平衡率,达到加权平均负荷与瞬时负荷同时平衡的目的。算例分析验证了所提出方法的有效性。

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。

物料不齐套引起的混流装配线重排序问题

针对混流装配线由于物料不齐套导致将要执行的生产排序性能恶化或不可行的问题,为保证从初始排序过渡到重排序时生产准备过程的稳定性,提出基于最小化排序偏差指标的混流装配线重排序模型。采用非支配遗传算法进行求解,为避免当前周期的能力剩余和下一周期能力不足等问题,保证生产线的整体排序性能和充分利用当前周期的装配能力,采用两周期联合优化策略和基于装配能力的分解策略。针对某空调混流装配线实例,采用所提方法求解物料不齐套引起的重排序,得到性能良好的非支配Pareto解集,并与企业现有的启发式规则的重排序结果进行比较,表明所提方法能够有效解决物料不齐套对装配线排序性能的影响。