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。

基于改进人工蜂群算法的人机协作装配线平衡优化

随着员工成本的增加,协作机器人逐步应用于装配线以独立完成或者协助员工完成装配操作。针对人机协作装配线平衡问题,构建了混合整数规划模型以优化生产节拍,该模型可精确求解小规模案例,同时提出改进人工蜂群算法求解大规模问题。该算法采用操作排序向量和装配模式向量双层编码方式以及有效的解码获得可行的调度方案,并在改进的观察蜂阶段保留较优的种群,在改进的侦察蜂阶段提升新解的性能,在局部搜索阶段提高算法的局部搜索能力。最后,通过与已有算法对比,表明改进人工蜂群算法具有优越性,可以高效求解人机协作装配线平衡问题。

基于改进候鸟迁徙算法的人机协作装配线平衡优化

随着员工成本的增加,协作机器人逐步应用于装配线以独立完成或者协助员工完成装配操作。针对多种机器人和并行协作的人机协作装配线平衡问题,构建了两个混合整数规划模型以优化生产节拍。模型均可实现小规模案例的精确求解,并且改进后的模型在求解时间上明显优于改进前的模型。同时,提出了改进的候鸟迁徙算法以实现大规模问题的求解。该算法采取任务分配向量和装配模式向量双层编码方式,并在解码中采取数学规划方法获得可行的调度方案。改进的候鸟迁徙算法采取改进的领鸟进化阶段和改进的个体进化阶段以加速种群的进化并防止陷入局部最优,采取重启机制增强算法的探索能力。为了测试改进算法的性能,该算法与延迟接受爬山算法、模拟退火算法、遗传算法、离散粒子群算法、原始人工蜂群算法和原始候鸟迁徙算法进行对比,测试结果表明改进算法优于对比算法,可实现人机协作装配线平衡问题的高效求解。

基于线性加权和法的装配线平衡问题求解

针对生产节拍确定条件下以提高装配线平衡程度为目的的装配线平衡问题,将装配线平滑系数和装配线平衡率作为优化目标,考虑装配作业分配、工作站数量等因素,使用线性加权和法,以两个优化目标的优先占比作为权重参数建立单目标装配线平衡优化模型;对遗传算法(Genetic Algorithm,GA)和蚁群(Ant Colony Optimization,ACO)算法的混合算法进行改进,构造新的适应度函数和距离信息矩阵对模型进行求解;最后对经典算例进行数值实验,实验结果与以往算法结果比较,平衡程度改进均值提高了5%,表明改进的模型及算法可以更好地提高装配线的平衡程度,验证了模型及算法的有效性。

基于遗传算法的汽车装配线快速自动平衡方法研究

在关于汽车装配线平衡问题的研究中,普遍存在建模与装配线实际情况偏差大等问题。本文根据汽车装配线的工艺特点建立符合装配线实际需求的第一类平衡问题的数学模型,该模型引入操作区域、车身高度以及装配约束条件等因子。以该模型为基础设计了基于工位动态分割的遗传算法,并采用Java语言验证了该算法,开发装配线快速自动平衡软件。算法不仅解决了装配平衡问题与实际运行状态不符的问题,而且以此为基础,开发了便于企业使用的软件工具。本文以某段整车装配工艺为对象,对算法和软件进行验证,取得了良好的效果。

基于混合优化算法的多目标装配线平衡问题求解模型

针对第一类装配线平衡问题,并结合第三类装配线平衡问题,以将遗传算法最终解作为蚁群算法最初信息素分布的方式将2种算法结合起来。该方法可有效改进蚁群算法前期收敛速度不足的问题。另外,在目标函数方面,本文在求解最小工作站数的基础上增加了装配线平衡率与平滑指数相结合的目标函数。经典算例的验证表明,GAACO混合优化算法模型对装配线平衡问题具有较好的求解效果。

考虑人因风险的装配线平衡优化方法

“人本智造”已成为智能制造的新研究方向,日常生产活动需要更多考虑人类工效学(Ergonomics)。目前装配生产线平衡优化主要以提高装配效率为目的,缺乏对装配过程中人类工效学的关注。给出职业重复动作(OCRA)方法详细计算过程,并基于OCRA方法从动作频率、尴尬姿势、体力消耗及额外风险等方面对装配过程的人因风险进行评估,考虑不同作业元素优先关系约束、工作站节拍约束、任务关联性约束和操作者人因风险约束等约束条件,以最小化工作站数为优化目标,建立考虑人因风险的Type-Ι装配线平衡优化模型,进而采用改进的遗传算法作为求解算法,在初始化种群阶段基于优先级规则初始化种群,以提高收敛速度。通过对比算例分析结果,表明提出的模型合理且算法有效。

工业工程方法在DB空调外机装配线平衡分析与改善中的应用

针对DB空调外机生产过程中AB段装配线产能不足、负荷不均衡的问题,通过对工时的测定,以装配线平衡率、装配线平衡损失率等评价指标为具体参数,使用流程分析和ECRS等工业工程方法对其进行优化改善,有效解决了装配过程中不平衡的问题。在工序作业人员从11人减少到10人的同时,单班产能从681台上升到764台,效率提升了12.2%,装配线平衡率由78.6%上升至88.6%,作业瓶颈工时由37 s下降到33 s,装配线的平滑性指数由9.3降低到5.1。该方法很好地实现了合理分工,平衡装配线各工序的操作负荷、提高生产能力的目标。

基于智能算法的装配线平衡问题研究

为提高汽车发动机装配线的柔性程度,提出多目标混合整数线性规划模型.该模型考虑平衡问题的三个目标,即产品的节拍时间最小、将相同的工序尽可能放到同一个工作站、不同工作站间的工作负载均衡最大;采用粒子群算法进行装配线平衡优化.试验结果表明本文提出的多目标混合整数线性规划模型可以帮助决策者协调装配线的布局,实现生产效率的最大化.

考虑工人能力和工时随机波动的装配线平衡研究

工人的能力差异和操作工时的随机波动是装配线平衡过程进行工位设计和人员分配的难题。针对工人能力有差异且工时具有波动特征的装配线平衡问题展开研究,依据工人的能力和成本差异将工人划分为不同的等级,并结合操作工时的随机波动特征,以最小化给定完工概率下的产线节拍和人工成本为目标构建装配线平衡模型,并运用非快速支配排序遗传算法(NSGA-2)设计模型求解算法,通过设计动态遗传参数、改进精英保留策略提升算法性能,最后结合某打印机装配线实际案例以及不同规模算例,验证了所构建模型和算法的有效性。

超启发式三维EDA求解绿色双边装配线平衡问题

针对绿色机器人的第Ⅰ类双边装配线平衡问题(green robotic two-sided assembly line balancing problem of type-Ⅰ, GRTALBP-Ⅰ),建立问题模型并提出一种超启发式三维分布估计算法(hyperheuristic three dimensional estimation of distribution algorithm, HH3DEDA)进行求解。在HH3DEDA中,结合问题特征,设计基于工序选择因子的组合编码,进而设计高低分层结构的HH3DEDA。在高层,采用三维概率矩阵学习优质高层个体中块结构及其分布信息,后通过采样该矩阵以生成新的高层个体,其中高层个体由结合问题特点设计的12种启发式操作的排列构成;在低层,将高层每个个体所确定启发式操作排列作为一种新的启发式算法对GRTALBP-Ⅰ解空间执行较深入搜索。同时,引入机器人开关机节能策略,进一步提升所获取非支配解的质量。通过仿真对比实验,验证了所提算法的有效性。

基于DMAIC方法的装配线平衡改进研究

装配流水线生产是制造业广泛存在的一种生产制造模式,分工作业很大程度上降低了操作者的作业难度,提高了作业熟练程度,从而提升了单个工序的生产效率。但是由于产品工艺流程、装配线设计等固有条件的限制,要想使得装配线上各站位分配到的任务作业时间完全相同十分困难,因此产生了装配线平衡损失。将装配线平衡理论基础与六西格玛DMAIC改进模式相结合,并以某大型电子制造企业高端显示器装配线进行实证研究。结果表明,DMAIC方法可以有效提高装配线平衡率和生产效率,还能为企业实际操作提供一套完善的操作步骤,对企业在类似优化问题上进行推广有示范作用。

基于改进鲸鱼优化算法的装配线再平衡方法

针对装配线再平衡问题,建立了可调整产能装配线模型,并提出了改进多目标鲸鱼优化算法进行求解。首先,依据任务分配规则建立以不同需求下的平均工作站数量和平均时间均衡指数为衡量指标的目标函数;然后,在原始鲸鱼算法中使用混沌映射初始化种群,并在鲸鱼搜索过程中引入动态距离控制系数和成对竞争机制来提高算法的收敛速度;最后,与其他方法进行了对比实验,结果表明,所提出的改进算法在Pareto解的数量和质量上优于其他算法,验证了算法的可行性和有效性。

基于多目标遗传算法的服装柔性车间装配线平衡优化

针对服装车间柔性工艺路线规划存在的问题,该文提出一种多目标遗传算法来解决装配线平衡优化问题,以实现机器调整路径最小化的目标。多目标遗传算法根据服装工艺特点改进变异和交叉操作,避免产生无效迭代。在迭代过程中,通过合理的工序拆分对瓶颈工位进行优化,工序分配符合工位对机器数量的严格限制,可以提高流水线的编制效率。通过分析服装案例证明多目标遗传算法的有效性和可行性。与人工分配过程相比,MOGA的编制效率至少提高了15%,同时还可以完成机器调整最短路径的优化工作,结果符合预期的优化效果。

基于遗传算法的装配线平衡与物料超市规划协同优化

近年来,企业开始广泛运用新型的物料超市来代替传统的中央仓库,以保证装配线上零件的准时化供应。在装配线设计阶段,装配线平衡方案会限定物料超市的布置,而物料超市的规划会影响装配线的物流效率和成本。目前大部分研究运用分阶段的方法将两者分开考虑,从而造成总成本的增加。本文提出了装配线平衡与物料超市规划协同优化的模型与算法。根据问题描述和相关假设构建了以工作站建设成本、物料超市建设成本与运输成本最小化为目标的混合整数规划模型。为求解大规模问题,提出了一种改进遗传算法对其进行优化。最后通过算例验证了所提协同优化方法的有效性。

面向第Ⅱ类装配线平衡问题的蚁群-禁忌搜索混合算法

针对第Ⅱ类装配线平衡问题,提出了一种基于蚁群-禁忌搜索的混合优化算法。算法利用蚁群算法正反馈,形成收敛趋势的特点,结合禁忌搜索算法加强其全局搜索能力,同时算子进行了适应性改进,一方面结合数学模型对蚁群游历方式、启发信息、禁忌域进行适应性改进,另一方面引入了信息素惩罚、奖励机制和改进了信息挥发因子以提高蚂蚁的自适应能力。通过算例比较,蚁群-禁忌搜索的混合算法具有更强的搜索能力,与基本算法对比试验说明蚁群-禁忌搜索的混合算法的有效性和稳定性。

混合离散粒子群算法求解机器人装配线平衡问题

以最小化总成本为目标,将一组工序和机器人分配至工作站上的问题称为面向成本的机器人装配线平衡问题(cRALBP),为了解决此NP难问题,提出一种混合离散粒子群优化(HDPSO)算法.首先,对于给定工序,设计动态规划方法直接获取工序对应的最优机器人分配方案,从而缩小搜索空间,提高算法的全局寻优能力.然后,提出一种新的算法框架,其通过融合路径重连加强算法的局部搜索能力,并通过汉明距离评估解之间的差异,选择采用多片段交叉算子或者片段变异算子进行粒子更新,取代随机选择算子的方法,从而实现算法全局搜索和局部搜索的平衡.将所提出的HDPSO算法与最新的粒子群、人工鱼群算法在144个算例上进行对比,验证了HDPSO算法的有效性和优越性.

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。

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。

基于改进果蝇算法的第一类装配线平衡率优化

为解决第一类装配线平衡问题,提出一种改进果蝇算法。改进果蝇算法采用基于权重的编码方式,使用自适应增长的权重更新策略,并将模拟退火算法融入基本的果蝇算法中。由于权重的不断累加,采用自适应增长的权重更新策略,保证算法的搜索步长一致;模拟退火算法的结合解决了果蝇算法收敛速度快,易陷入局部最优的问题,增加了果蝇算法的全局搜索性;然后使用标准案例验证混合算法的有效性,结果显示,混合果蝇算法与传统算法相比能有效降低最小工作站数,具有搜索能力强,求解精度高等优点;最后用混合果蝇算法对空调外机装配线生产实例进行求解,使装配线平衡率提升了23.36%。