基于粒子群算法的车间布局优化应用研究[精选].docVIP

基于粒子群算法的车间布局优化应用研究 李建荣，廖达雄，陈冰，王刚 (西北工业大学 机电学院，陕西 西安 710072) 摘要：研究了某机加车间零件生产工艺路线，以典型加工工艺为主要参考，构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法，在粒子群搜索的不同阶段给予粒子不同的惯性权值，对模型进行计算求解，提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型，验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。 关键词：典型工艺；设备布局优化；粒子群优化算法 中图分类号：TP39 文献标识码：A 制造系统布局设计是制造企业信息化技术研究和实践的一个重要领域。长期以来，制造系统的布局设计一直被作为制造企业中非常关键和非常困难的设计任务之一。车间生产线布局是影响制造企业及其产品竞争力的一个重要因素，是制造资源管理的一个重要组成部分。 车间设备布局问题是一个典型的多目标复杂优化问题，属于NP完全问题。在布局规划和设计过程中，最终目的是要提高车间面积利用率，增加车间的设备冗余能力。要达到这样的目的，首先要合理设计物流路径，使得车间物流畅通，同时要合理安排辅助设施，提高物流效率以减少费用。 对于解决设备布局问题，合理地确定设备的布置位置是关键。对设备位置优化设计，多采用优化算法进行优化计算。本文采用粒子群优化算法对设备布局问题进行优化求解，根据车间典型零件生产工艺对设备布局问题建立数学模型，编程进行求解、计算、验证。 粒子群优化算法(Particle Swarm Optimization, PSO)是一种高效的进化计算技术，是由Kennedy和Eberhart在研究鸟类和鱼类的群体行为的基础上于1995年提出的一种智能算法[1]，其主要思想是通过粒子的协作来使群体达到最优。与其他进化算法类似，PSO也是一种基于迭代的优化方法。系统初始化为一组随机解，通过迭代计算搜寻最优值，粒子在解空间里为寻找最优的粒子进行搜索，最终进化到全局最优。 1 问题描述及数学模型建立 根据设备布局模式，制造系统布局主要分为3类：（1）生产线布局，如流水生产线；（2）功能布局，即机群式布局；（3）单元式布局，即将机床设备根据工艺计划划分为若干子单元，从而减少和改善物流量。当前许多现代化工厂大都采用单元式布局。对于单元式设备布局建模可分为2步：第1步是单元构建，将车间设备依据工艺分为子单元，首先对这些子单元在车间平面进行优化布局；第2步就是将单元内的设备抽象为基本线性模型，从而对单元内设备进行布局设计。 典型的生产线布局类型主要包括：线性单行布局、线性多行布局、环形布局、U形布局、蛇形布局等。其中，环形布局、U形布局和蛇形布局都可以看作是线性单行布局的变形，对这几种类型的设备布局优化设计问题都可以线性单行布局模型来解决。在广泛采用的单元式车间布局中，单个加工单元大都是采用环形、U形或者蛇形布局方案，因此本文就以典型的单行环形设备布局模型为例，对车间加工单元设备排布进行优化求解。 对于单行设备布局问题建模，首先对某机加车间生产工艺计划进行分析，将有协同关系的设备划分为若干布局单元，对单元内的设备建立布局约束模型。首先要考虑车间主要零件加工工艺对设备布局的约束影响，例如对数控镗床这样的精加工设备，其加工时间周期较长，容易出现排队等待。因此布局模型中必须对该设备预留较大的缓冲区，在优化处理中体现在对该设备的长度进行放大；另外，还应考虑车间现场因素对布局的影响，例如对于有辅助设施的设备的放置应做特殊对待，以避免工艺流程中的物流搬运干涉。 综合上述约束条件，可以得到车间单元布局优化函数为： (1) 式中：cij为设备i和设备j之间单位距离的物流费用；fij为物料在设备i和设备j之间的运输次数。 该问题就是求在几何约束下布局优化函数的最小值。考虑到布局约束，由于是单行布局模型，因此只考虑第1行的设备。首先，相邻设备之间有最小距离约束dFij，以保证设备之间不出现干涉或重叠；其次，设备在X方向的布置总长度不超过单元长度H。约束描述为： (2) (3) 式中Si 为设备i的长度。 确定了单元布局模型及布局约束，然后就应用优化算法对布局问题进行优化求解[2]。本文采用一种基于分工合作的粒子群优化算法对所述模型进行优化计算。 2 基于分工合作的粒子群算法 2.1 基本粒子群算法 粒子群优化算法是由Kennedy和Eberhart于1995年提出的一种群智能算法，算法模拟鸟群飞行觅食的行为，通过鸟群之间的集体协作使群体达到最优。在基本的PSO算法中，每个解都