JIT最终装配计划中投产顺序的研究

针对 JIT的准时供货、减少在制品量和缩短调整时间等要求 ,分析了最终装配计划中比较实用的 3种投产顺序方法。对以最大延迟时间最短为目标的算法进行了证明 ,并分别介绍了以保持各种零部件的出现率不变为目标和使总的调整时间最短为目标的启发式投产顺序算法。

Minimizing Products Rates Variation in Just-in-Time Mixed-Model Manufacturing

Mixed-Model assembly lines are often used in manufacturing based on just-in-time techniques. The effective utilization of these lines requires a schedule for assembling the different models be determined. The objective is to minimize the total deviation of actual production rates from the desired production rates. Mathematical method with the optimization algorithm is proposed here to solve this problem. To prove the efficiency of the proposed algorithm, a number of test problems are solved. The results show that the proposed algorithm is an efficient and effective algorithm which gives better results with the large problem sizes. This paper presents a practical procedure to minimize total product variation rates, and easy to use by practitioner.

机器人人工拣选环境下混流装配线齐套物料配送优化

为了提高汽车制造企业配送的智能化水平、解决混流装配线齐套物料人工拣选效率低、成本高的问题,引入基于齐套物料配送策略的机器人人工拣选模式,通过优化自动拣选机器人、工人的配置数量及配送周期,使包含机器人使用成本、劳动力成本和在制品库存成本在内的总成本最小。为求解该配送优化问题,提出了改进量子蚁群算法,利用量子比特的叠加性增加种群多样性,避免算法陷入局部最优,同时设计了改进量子旋转门更新机制和基于差分进化操作的非最优个体优化策略,提高了算法收敛速度和寻优质量。最后,通过算例分析验证了模型的正确性与算法的有效性,并分析了拣选批量对总成本的影响。

蚁群算法在混流装配线调度问题中的应用

混流装配线的调度问题是 JIT生产方式中的一个重要问题 ,蚁群算法具有通用性、鲁棒性、并行搜索的优点 ,可以解决多种组合优化问题 .本文利用新颖的蚁群算法解决了混流装配线的调度问题 ,得到了较优的可行解 (优于目标追随法、模拟退火算法和遗传算法 ) .

不确定环境下混流装配生产车间的动态物料配送策略

为使生产车间的物料配送环节适应当前多品种小批量生产和个性化市场的需求,从分析生产车间环境的复杂性和不确定性入手,通过建立不确定环境下的配送成本期望模型,确定了物料的最佳配送区间;结合混流装配生产线的特点,设计了基于动态周期的物料配送策略;基于该策略,建立了以最小化配送成本和最大化满载率为目标,物料需求时间和线边库存容积以及行进路径为约束的优化模型,并针对该模型的设计了基于遗传算法的求解算法。最后,针对实际应用场景,通过eM-plant软件搭建仿真模型,分别模拟传统的配送策略和所设计的配送策略,对比结果验证了本文所提策略的优越性和有效性。

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。

准时生产方式下混流装配线的调度问题

混流装配线的调度问题是 JIT生产方式中的一个重要问题 .本文建立了多级混流装配线的调度模型 ,其目标是使不同生产级上各零部件的消耗量尽可能保持均匀 ,并用遗传算法和模拟退火进行求解 .试验表明 :遗传算法和模拟退火算法的求解质量比“目标追随法”

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。

混流柔性生产线排产优化

在分析多品种小批量混流柔性生产线特点的基础上,致力于研究以整体生产时间最小化的排产优化问题。为使研究更具有实际应用价值,力求建立符合实际生产要求的排产优化模型,并对传统遗传算法进行改进,分别提出了改进遗传算法和改进的模拟退火遗传混合算法对该问题进行求解。最后,通过MATLAB进行了多种产品数量的排产仿真,并对三个算法得出的整体生产时间的平均值、最优值、最差值、结果的波动率、算法的计算时间进行了综合分析以验证,仿真结果表明,改进模拟退火遗传算法比传统遗传算法和改进遗传算法更加有效。

基于蚁群算法求解混流装配线传送带中断问题

将可扩展工作域概念引入混流装配线中的传送带中断问题,研究了该问题的相关性质:装配线中断发生的充分必要条件,目标函数的边界等.在此基础上,设计了约束集-蚁群算法求解环型油漆车身缓冲区约束下,以传送带中断时间最短为目标的汽车制造排程问题.算例验证了文中解决策略的优越性,同时显示了物料流平准化对传送带中断的影响.

求解混流装配线调度问题的蚁群算法

以最小化总的传送中断时间为目标函数的混流装配线调度问题是丰田生产方式中自动化概念的一个重要问题,而新颖的蚁群算法具有通用性、鲁棒性、并行搜索以及易于与其他启发式算法结合的优点,可以解决多种组合优化问题,对其进行了改进,以便更适于求解混流装配线的调度问题。实验表明:改进的蚁群算法解决了混流装配线的调度问题,得到了优于分支定界法、模拟退火法和遗传算法的可行解。

基于混流装配线调度问题的新颖蚁群算法

研究混流装配线调度问题,提出了一种用于求解该问题的新颖蚁群算法;该算法定义了适合求解该问题的信息素表示方法和更新公式,并结合解的质量定义了兴趣度;结合每代所产生的最优解构建知识库,并给出每个具体分配方案所占的次数比重;结合兴趣度和比重定义了经验概率因子;通过对具体实例进行求解,说明了算法的可行性;同时,针对同一实例,结果发现:如果迭代次数相同,则该算法求得的目标函数值小于Ant求得的目标函数值,且该算法求得的结果优于其他算法;可见,该算法解决问题的性能较优。

蚁群算法在作业调度中应用研究

合理配置车间作业调度中的各种资源可提高生产设备利用率与生产效率,降低生产成本。本文提出了一种求解混流装配线作业调度的蚁群算法,从信息素更新、状态转移概率论证该算法。通过计算目标函数与目标追随法、遗传算法、模拟退火算法比较,结果证明该算法对作业调度能够起到优化作用。

基于蚁群算法的混流装配线排序研究

根据汽车企业装配线的实际需求,对混流装配线中的车辆及工人的移动轨迹进行模型化,建立以最小化传送带停止时间为目标的数学模型。针对蚁群算法容易出现早熟的缺点,提出小生境蚁群算法。最后通过案例验证小生境蚁群算法在求解汽车混流装配线排序问题中的有效性。

基于蚁群算法的混合品种装配线平衡问题研究

混合品种装配线平衡问题是一种典型的NP-Hard组合优化问题,文章采用蚁群算法,在给定工作节拍的条件下,以最小化工作站数为优化目标,采用启发式方法构造分配方案的生成策略,并且采用局部更新的信息素更新规则,达到提高装配线平衡率的目的。通过组合优先顺序图,将混合品种装配线平衡问题转变成单一品种装配线平衡问题进行求解。最后,通过实例验证了该算法的有效性。装配线平衡后,保持了生产线的柔性,同时提高了设备和人员的利用率。

混合型装配线的平准化重排序

针对混合型产品装配过程中使用线性缓冲区进行平准化重排序的问题进行了研究。建立了问题的数学规划模型,提出了用于近似求解的启发式规则和遗传算法,并通过数值实验对算法性能进行了测试。结果表明这两种算法均可实现有效重排,而其中遗传算法的重排效果更好。

基于空间蚁群算法的混流装配线组批排序方法

针对混流装配线按工作日历调度过程中,组批生产导致订单准时交付率差、加班时间长,以及缺料等干扰因素导致完工周期延长等问题,以零部件配套、按工作日历组批为约束,最小化完工周期、提前/拖期时间以及加班时间为多目标,建立工件排序数学优化模型。验证以完工周期最短为目标的流水线工件最优排序亦具有V型特征。提出空间蚁群权重设计方法,将蚂蚁沿不同的权重向量寻优,提高算法的全局搜索能力;并根据当前Pareto解在各权重子空间的分布情况动态调整各子空间的蚂蚁数量,避免陷入局部最优。通过与文献算法对比,验证空间蚁群算法具有良好的优化性能,并通过实例验证了排序方法的有效性。

基于线边集成超市的混流装配线动态物料配送调度

针对基于线边集成超市的混流装配线物料配送调度问题,提出了一种基于极限学习机和知识库的动态调度方法。首先,对动态物料配送调度问题进行描述,建立了数学模型,考虑设备的随机故障和装配时间的不稳定性,在产品配比和调度目标权重可变的条件下,最大化装配线产量和物流工人数的权重和;然后,构建了基于极限学习机和知识库的动态调度方法,考虑到极限学习机的缺陷,提出了基于精英反向学习的自适应差分进化算法优化极限学习机;最后,仿真实验结果证明了本文动态调度方法在动态调度过程中的可行性和有效性。