混合装配线平衡问题的启发式过程.docxVIP

混合装配线平衡问题的启发式过程 摘要： 为了迎合高的定制要求，混合装配线是迫切需要的。该类生产线以混合序列生产多种模型。设计一套装配线应包括其平衡过程研究：工作元素向工作站的分配。即使对于单一模式装配线而言，装配线平衡问题仍是NP难题（非多项式算法问题）因此启发式过程常用来避免棘手的多维问题。有效的启发式是解决平衡混合生产线的便利方法，因为在现实生活中，可行解决方案的检索一般是可以满足要求的。本文提出了7种优先规则，它可以与一个面向解决第二类混装线平衡问题（工作站数量已知（type-II））的工作站关联使用。优先规则和面向启发式工作站是基于这样一种理论：即仅仅最小化循环时间并不是混装线的全部目标。 关键词： 混装线，第二类平衡问题，启发式工作站 简介 单一的装配线已经不能适应客户不断提升的期望和为了满足大量客制化需求而进行的工业产能平行化。有多变种的模型可以吸引足够的客户以达到装配系统的盈利使用。变种一般仅仅是特殊定制的模型属性不同而都是同一模型平台的衍生物。两种模型的准备时间很小，可以忽略，最终这些模型可以安排在同一生产线混流装配。 设计装配线要考虑平衡过程，也就是工作元素向工作站的分配。装配线常用的目标函数为利用率的最大化。通过在给定的循环时间内最小少工作站数目（type-I）或者在工作站给定的情况下使循环时间最小化（type-II）。 不能将最小化循环时间（或工作站数量）当作混装条件下的唯一目标。阻塞和空闲：因不同模型到达生产线而造成（在工作站中装配时间各不相同）；使得准确评估装配线的吞吐量变得非常困难。工作站耗时严重依赖于所装配的不同模型，这会引起相应的短期混流排序问题（MSP）。因为MSP问题，人们要找到模型单元的投送顺序，以满足短期计划周期的模型流程所给定的要求，并优化某些目标。这些目标主要针对的是因多种模型的站内时间不同而造成的效率低下问题。 混合装配线平衡问题和排序问题（MSP）相互依存。一些学者建议同事考虑这两个问题。但是，这些问题通常源于不同的订单，有着特定的不同数据，因此排序问题会因每个订单、每天、每周的不同而出现。同时优化一般是不可行的，如它们通常会有完全不同的时间框架。 在更高的平衡水平上使用分层计划方法来预测排序结果看起来更加有意义。平衡化阶段的可变性目标已在文献【2,3,9,10】中提出，以减少在分层计划方法中安排排序所遇到的困难。 值得注意的另一个问题是，在JIT条件下，混装线要满足不断变化的动态要求。所以，JIT条件下装配线的设计过程不强调排序问题，其主要研究对象是平衡问题。 目前一些企业中的现有装配线需要解决方法，而这些方法不应是减少现有工作站，甚至当设备造价昂贵时还不得不增加工作站。 方法 本文致力于开发简单的启发式而非构造数学模型并以优化技术来解决问题。由于装配线平衡问题是NP难题，启发式过程通常用以避免维数问题，通过构建单一可行解。所以，是单一平衡。快速高效的启发式对于装配线平衡是有效的工具，因为一个可行解关注于所给工作站的数量和循环时间，在现实中，它的获取一般较容易。Gumussoy和Kabak研究了最优解的应用问题，这些最优解可以通过启发式方法来解决实际ALB问题，如Ranked Positional Weight(RPW)。参考工业实例，他们在论文中指出，一些最优解的寻找方法根本不能解决问题，如二进制公式和最短路径公式。 一种解决MALBP的方法是：绘制一个应用于所有模型及其平均任务次数的公用优先级图，以获得等效的单模型问题。这种从混合模型数据到单一平均模型数据的简单转化，确保了循环时间对于完成所有模型是足够的。但是，即使使用了平均模型的最优解，在实际的装配线操作过程中无疑会产生效率低下的问题。 本文中，尽管公用的优先级图用于定义所有优先级关系，但是当且仅当个体模型的任务次数少于或等于工作站中对应模型的可用时间时，才向工作站中分配任务。这种与简单地平均任务时间在方法上的差异，用于量化整条装配线在平衡阶段自身的效率低下问题，从而启发式过程可以试着消除，至少是减少这样的效率低下问题。 起初，工作站对于每个模型的可用时间被当做循环时间。工作站可用时间用一个行向量表示，其各列的数值与模型数相同。任务分配之后，用于进一步分配的可用时间（工作站中，对于每个模型的），将通过从工作站可用时间中减去模型任务时间计算得出。 面向启发式的工作站 第一步：输入工作站数（Nw），模型数（Nm），所有模型的所有任务时间，以及任务优先关系。 第二步：设定循环时间，作为所有模型理论最小循环时间的最大值。 第三步：分配循环时间值，作为所有工作站的可用时间。 第四步：打开1号工作站，分配任务。 第五步：找到可分配的任务。可分配的任务都应有前续工作站，并且其所有任务时间应小于工作站相应模型的可用时间。 第六步：令可分