李玉城

摘要：小型電機是多種電氣傳動的基礎(chǔ)部件，品種多，生產(chǎn)工藝和裝配過程復(fù)雜，隨著市場需求量的逐年增長，提高小型電機的裝配效率變得尤為重要。在深入分析W公司小型電機裝配流程的基礎(chǔ)上，采用遺傳算法構(gòu)建了以縮短生產(chǎn)周期為目標，以每個工作站最多加工一個工件且工件在裝配線上采用平行移動方式為約束的多品種排產(chǎn)優(yōu)化模型，編制了程序進行仿真優(yōu)化，結(jié)果顯示生產(chǎn)周期較原先縮短了8.3%，產(chǎn)能較原先提高了8.2%。

Abstract： Micro-motor is the basic part of a variety of electrical transmission， with many varieties， production process and assembly process is complex， with the market demand growth year by year， improving the assembly efficiency of micro-motor has become particularly important. On the basis of in-depth analysis on the assembly process of micro-motor of W company， genetic algorithm （ga） is used to construct the multi-variety production scheduling optimization model with shortening the production cycle as the goal， with each workstation at most an artifact and workpieces using parallel moving way on the assembly line as the constraints， the program is compiled to optimize the simulation and results show that the production cycle has been shortened by 8.3%， capacity is increased by 8.2%.

關(guān)鍵詞：遺傳算法;小型電機;排產(chǎn)優(yōu)化;裝配線

Key words： genetic algorithms;electrical machinery;production scheduling;assembly line

中圖分類號：V229? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0293-03

0? 引言

電機作為當前市場上電氣傳動的關(guān)鍵部件，是機電能量轉(zhuǎn)換的基礎(chǔ)裝置，應(yīng)用于多個領(lǐng)域，特點是具有較多的品種及繁雜的規(guī)格。電機生產(chǎn)企業(yè)數(shù)量龐大，產(chǎn)品涉及的細分行業(yè)較多，限制了該產(chǎn)業(yè)集中度，無明顯的周期性、區(qū)域性、季節(jié)性特征。目前中小型電動機保有量已經(jīng)達到16億千瓦，成為世界上最大的中小型電動機生產(chǎn)、使用和出口大國。

W公司是生產(chǎn)小型電機的企業(yè)，目前，電機產(chǎn)品銷量急速上漲，4種電機的需求量為每日共65臺以上，而車間每日產(chǎn)能僅有45臺。由于電機生產(chǎn)過程復(fù)雜，任務(wù)量的增加使得原有生產(chǎn)管理中的問題暴露出來。傳統(tǒng)的“直線型”模式拉長了整個空間維度，使生產(chǎn)線前后員工交流不便，信息傳遞不能快速及時;預(yù)裝區(qū)及物料暫存區(qū)所占空間較大，零部件大量堆積，場地混亂。因此優(yōu)化投產(chǎn)順序，提升4種型號電機產(chǎn)能變得刻不容緩。

生產(chǎn)線的效率很大程度上取決于排產(chǎn)優(yōu)化策略，已經(jīng)有諸多學者從不同的方面研究了生產(chǎn)線的排產(chǎn)優(yōu)化問題。祝勇和潘曉弘[1]針對其研究特點對粒子群優(yōu)化算法進行改良，通過改善PSO算法建立排產(chǎn)模型，為研究企業(yè)電子產(chǎn)品訂單排產(chǎn)提供了有效參考。潘寒[2]等基于遺傳算法對PC構(gòu)件進行工廠排產(chǎn)研究，選用貪心算法和遺傳算法的各自優(yōu)點，構(gòu)件排產(chǎn)優(yōu)化的數(shù)學模型，提高了傳統(tǒng)遺傳算法的收斂速度。韓忠華[3]等對路由緩沖期的客車制造車間進行排產(chǎn)研究，建立RBBMS數(shù)學模型，同時采用SPF算法進行局部尋優(yōu)，并在鯨魚算法的基礎(chǔ)上對其進行改良，便于有針對性的解決實際排產(chǎn)問題。但目前研究大部分是關(guān)于電子產(chǎn)品，建筑材料，汽車等產(chǎn)品的裝配線排產(chǎn)優(yōu)化問題，幾乎很少涉及多品種小型電機的排產(chǎn)優(yōu)化問題。

針對上述問題，本文研究了多品種小型電機混流裝配線的投產(chǎn)問題，以縮短生產(chǎn)周期為目標，以W公司的多品種小型電機生產(chǎn)車間為研究對象，通過建立數(shù)學模型并利用遺傳算法求得最優(yōu)排產(chǎn)方案，使企業(yè)的生產(chǎn)效率得到了顯著提升。

1? W公司電機生產(chǎn)工藝流程

小型電機裝配共有定子加工、處理、檢驗，產(chǎn)品的裝配、檢驗、噴漆、包裝等20道工序，如圖1所示。

各個型號產(chǎn)品在各個工作站上的加工時間如表1所示，時間單位為分鐘，表中最長加工工位是定子加工。

2? 目標函數(shù)構(gòu)建

假設(shè)裝配線由m個Mj（j=1，2，…，m）工作站組成，車間有A個Na（a=1，2，…，A）型號產(chǎn)品在該裝配線上加工。建立目標函數(shù)如下：

3? 利用遺傳算法解決排產(chǎn)問題

遺傳算法是一種搜索啟發(fā)式算法，屬于計算機科學人工智能領(lǐng)域的自適應(yīng)尋優(yōu)算法[6]。本文根據(jù)車間實際問題分析，提出利用遺傳算法優(yōu)化排查問題。遺傳算法大致流程如圖2所示。

首先是編碼，目前比較流行的編碼規(guī)則有，矩陣編碼、二進制編碼、樹形編碼和量子比特編碼等[7]。本文采用矩陣編碼。

設(shè)置遺傳算法中的各個基本參數(shù)，本文設(shè)置隨機產(chǎn)生種群數(shù)目為100，初始解中完全隨機的解占比為0.9，初始解中最小時間選擇解占比為0.05，初始解中剩余加工時間最大優(yōu)先選擇解占比為0.05。最大迭代數(shù)目為200代，交叉率為0.7，變異率為0.02，最大鄰域搜索范圍為5。

建立基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)體，生成初始解并開始計算目標函數(shù)值，若滿足目標值，則輸出最優(yōu)解，若不滿足最終值隨則開始選擇下一代種群、交叉、變異產(chǎn)生新一代種群，不停的迭代循環(huán)尋找最優(yōu)解，若在最大迭代數(shù)之前達到終止條件，則穩(wěn)定在某一值，迭代完成輸出結(jié)果，如圖3所示。

圖中可以看出最優(yōu)個體和總體均值在185.2時趨于穩(wěn)定，即最優(yōu)值為185.2。最優(yōu)狀態(tài)下的排產(chǎn)方案如圖4所示。

4? 結(jié)果分析

利用遺傳算法對數(shù)學模型進行求解，得出圖3圖4相應(yīng)數(shù)據(jù)。圖3遺傳算法結(jié)果圖中，實線表示最優(yōu)個體，虛線表示總體均值。通過圖3結(jié)果可以看出原始投產(chǎn)順序生產(chǎn)周期接近202，甚至更長。根據(jù)最優(yōu)排序進行排產(chǎn)實驗，結(jié)果顯示優(yōu)化后生產(chǎn)周期比優(yōu)化前生產(chǎn)周期縮短了16.8，較之前縮短了8.3%，產(chǎn)能較之前提高了約8.2%，有效提高了生產(chǎn)效率。圖4排產(chǎn)甘特圖是最優(yōu)狀態(tài)下的排產(chǎn)方案，在圖中可以看出各工件在各工作站之間傳遞順暢，聯(lián)系緊密。加工過程中存在合理空隙，保證了工人在工作期間的合理休息時間，緩解了因長時間作業(yè)造成的工作疲勞，同時降低了次品率，并且保證了機器的加工效率。綜合優(yōu)化排產(chǎn)結(jié)果，此排產(chǎn)方案較為合理。

5? 結(jié)束語

針對電機廠制造過程中投產(chǎn)順序不合理的問題，結(jié)合生產(chǎn)工藝流程，對生產(chǎn)線進行合理平面布局后，利用遺傳算法對電機混流裝配線的排產(chǎn)問題進行優(yōu)化研究，根據(jù)實際情況建立函數(shù)并列出各約束條件，不斷迭代循環(huán)得出最優(yōu)解，計算得到最短耗時并且給出最優(yōu)的排產(chǎn)方案。電機身為我國在工業(yè)未來發(fā)展中必不可少的機械用具，在今后將會較大的市場，提高電機產(chǎn)能對未來工業(yè)發(fā)展將會起到一定的促進作用。希望本文研究方案能對同類型制造業(yè)的調(diào)度問題起到積極作用。

參考文獻：

[1]祝勇，潘曉弘.基于改進粒子群優(yōu)化算法的電子產(chǎn)品排產(chǎn)研究[J].中國機械工程，2011，22（1）：49-54.

[2]潘寒，黃熙萍，靳華中，鄒貽權(quán)，劉陽.基于遺傳算法的PC構(gòu)件工廠排產(chǎn)研究[J].土木建筑工程信息技術(shù)，2018，10（6）：114-115.

[3]韓忠華，張權(quán)，史海波，王世堯.具有路由緩沖區(qū)的客車制造車間排產(chǎn)優(yōu)化問題研究[J].現(xiàn)代制造工程，2019（7）：12-23.

[4]姚麗麗，史海波，劉昶，等.煙草排產(chǎn)中嵌入規(guī)則的遺傳算法應(yīng)用研究[J].制造業(yè)自動化，2011，33（4）：89-93.

[5]王博.液壓缸基礎(chǔ)零件制造車間IVIES的研究與設(shè)計[D].南京：南京理工大學，2017.

[6]張超群，鄭建國，錢潔.遺傳算法編碼方案比較[J].計算機應(yīng)用研究，2011，28（3）：819-822.