虚拟重排在混合型装配线上的应用研究
发布时间：2021-09-19 01:11
为满足用户对于多品种、小批量产品的需求,汽车装配厂通常采用混合型装配线组织生产,在同一条装配线上混合加工结构相似且工艺相近的不同类型产品。由于不同生产部门对产品投产序列的偏好不同,实际生产中常常需要通过重排序来调整上游产品序列以满足下游车间的排序要求。物理重排序和虚拟重排序是两种基本的重排序形式。相比于物理重排序,虚拟重排序具有无需高昂设备投资且可节约生产车间面积等优点。本文以汽车混合型装配线为对象,对于在不同生产车间如何根据其排序要求有效使用虚拟重排来实现序列调整开展了一系列研究。建立了不同环境和要求下虚拟重排序问题的数学优化模型,提出了用于快速求解的多种启发式算法,并通过设计算例对所提算法的性能进行了测试。本文主要研究工作和成果如下:（1）进一步深入研究了涂装车间前通过虚拟重排实现按颜色分批的优化问题,提出了一种行之有效的蚁群算法。算例计算结果表明,对于中小规模的按颜色分批问题,该算法可迅速获得与商务软件CPLEX求解质量相当的重排效果;对于大规模问题,在滚动规划周期内连续使用该算法可获得与使用线性缓冲区的物理重排序相近似的重排效果。此外,联合使用虚拟重排序与物理重排序的集成重排方...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
常见的物理重排序方法示意图
第二章涂装车间前的虚拟重排序19图2-3静态规划周期另一种解决方案是使用长度为h的滚动规划周期（如图2-4所示）进行虚拟重排序（以下简称为滚动虚拟重排序）。和前者不同的是，在这种方法中虽然对于规划周期内的所有车辆都执行了虚拟重排，但是只有排在最前面的x辆同色白车身的颜色被最终确定下来。剩余的h-x辆车身加上原始序列中后续的x辆车身组合成为下一次虚拟重排的规划周期。需要指出的是，此处x的值取决于每个虚拟重排子问题的求解，因此是个变量。图2-4滚动规划周期在这一组试验中，每个算例中包括500辆车，近似等于汽车装配厂在一个8小时班次内生产的车辆数。试验中车身类型数量（nb）的三个水平设为4，6，10，而颜色数量（nc）的两个水平取为10和20。和上一组试验一样，分别考虑了颜色和车身类型的两种分布方式。对于表2-7中的每一个参数组合随机生成10个算例。使用修改过的蚁群算法求解这些算例，对于每一个虚拟排序子问题使用的规划周期（h）为30。另外，为了横向比较虚拟重排序与物理重排序的颜色分批效果，试验中还应用了基于线性缓冲区的物理重排序对每个算例序列进行调整。在实际汽车生产中，线性缓冲区被广泛应用于车辆序列的物理重排过程。试验中线性缓冲区的容量设为30，缓冲区由5条车道组成，每条车道可容纳的最大车辆数为6。车辆进入和离开该缓冲区时，采用工业实践中常用的简单规则[26]进行决策。在实际生产中，缓冲区内需要至少保持一定数量的在制品（workinprogress,WIP），以确保生产的持续进行。有研究表明当使用简单规则指导线性缓冲区的重排序时，在制品水平（缓冲区内在制品数量与容量之比）为50%时，线性缓冲区的重排序效果最好[26,49]。因此在这组试验中，将WIP设为50%。对于本组试验中的所有算例，分别使用静
第二章涂装车间前的虚拟重排序21图2-5是滚动虚拟重排序结果中nb,Db,nc,和Dc四个因子的主效应图。图中可以看出nb和nc均有正的主效应，这意味着nb或nc的增长会破坏虚拟重排序的效果。而当车型或颜色是均匀分布时，虚拟重排序的效果更差，这意味着顾客对于颜色或车型的不同偏好对于虚拟重排序具有正向影响。图2-5nb,Db,nc,和Dc的主效应图四个参数的两因子交互作用如图2-6所示。图中可以看出nc和Dc之间具有较为显著的交互作用，且当nc为20时，Dc水平变化引起的重排序效果的变化量明显比nc为10时大。另一方面，当nb为高水平时，Db水平变化导致的平均CC的差异比于nb为低水平时更加明显，这表明nb和Db之间有小的交互作用。除此之外，其他因子间的交互作用可以忽略不计。图2-6nb,Db,nc,和Dc的交互作用图综上所述，在其它参数保持不变的条件下，较小的nb或nc，不平均的Db或Dc会使虚拟重排序获得更好的结果。另外，颜色参数和车型参数之间的交互作用不明显，换言之，这两类参数分别独立影响颜色分批的效果。此外，当nb或nc较高时，具有不平均的Db或Dc更有价值。
【参考文献】：
期刊论文
[1]一类无缓冲区涂装喷漆排序问题[J]. 黄刚,姚志力,郭虎,司尚文. 华中科技大学学报(自然科学版). 2008(07)
博士论文
[1]混流装配生产的计划排序及其执行过程管理[D]. 黄刚.华中科技大学 2007
本文编号：3400704
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
常见的物理重排序方法示意图
第二章涂装车间前的虚拟重排序19图2-3静态规划周期另一种解决方案是使用长度为h的滚动规划周期（如图2-4所示）进行虚拟重排序（以下简称为滚动虚拟重排序）。和前者不同的是，在这种方法中虽然对于规划周期内的所有车辆都执行了虚拟重排，但是只有排在最前面的x辆同色白车身的颜色被最终确定下来。剩余的h-x辆车身加上原始序列中后续的x辆车身组合成为下一次虚拟重排的规划周期。需要指出的是，此处x的值取决于每个虚拟重排子问题的求解，因此是个变量。图2-4滚动规划周期在这一组试验中，每个算例中包括500辆车，近似等于汽车装配厂在一个8小时班次内生产的车辆数。试验中车身类型数量（nb）的三个水平设为4，6，10，而颜色数量（nc）的两个水平取为10和20。和上一组试验一样，分别考虑了颜色和车身类型的两种分布方式。对于表2-7中的每一个参数组合随机生成10个算例。使用修改过的蚁群算法求解这些算例，对于每一个虚拟排序子问题使用的规划周期（h）为30。另外，为了横向比较虚拟重排序与物理重排序的颜色分批效果，试验中还应用了基于线性缓冲区的物理重排序对每个算例序列进行调整。在实际汽车生产中，线性缓冲区被广泛应用于车辆序列的物理重排过程。试验中线性缓冲区的容量设为30，缓冲区由5条车道组成，每条车道可容纳的最大车辆数为6。车辆进入和离开该缓冲区时，采用工业实践中常用的简单规则[26]进行决策。在实际生产中，缓冲区内需要至少保持一定数量的在制品（workinprogress,WIP），以确保生产的持续进行。有研究表明当使用简单规则指导线性缓冲区的重排序时，在制品水平（缓冲区内在制品数量与容量之比）为50%时，线性缓冲区的重排序效果最好[26,49]。因此在这组试验中，将WIP设为50%。对于本组试验中的所有算例，分别使用静
第二章涂装车间前的虚拟重排序21图2-5是滚动虚拟重排序结果中nb,Db,nc,和Dc四个因子的主效应图。图中可以看出nb和nc均有正的主效应，这意味着nb或nc的增长会破坏虚拟重排序的效果。而当车型或颜色是均匀分布时，虚拟重排序的效果更差，这意味着顾客对于颜色或车型的不同偏好对于虚拟重排序具有正向影响。图2-5nb,Db,nc,和Dc的主效应图四个参数的两因子交互作用如图2-6所示。图中可以看出nc和Dc之间具有较为显著的交互作用，且当nc为20时，Dc水平变化引起的重排序效果的变化量明显比nc为10时大。另一方面，当nb为高水平时，Db水平变化导致的平均CC的差异比于nb为低水平时更加明显，这表明nb和Db之间有小的交互作用。除此之外，其他因子间的交互作用可以忽略不计。图2-6nb,Db,nc,和Dc的交互作用图综上所述，在其它参数保持不变的条件下，较小的nb或nc，不平均的Db或Dc会使虚拟重排序获得更好的结果。另外，颜色参数和车型参数之间的交互作用不明显，换言之，这两类参数分别独立影响颜色分批的效果。此外，当nb或nc较高时，具有不平均的Db或Dc更有价值。
【参考文献】：
期刊论文
[1]一类无缓冲区涂装喷漆排序问题[J]. 黄刚,姚志力,郭虎,司尚文. 华中科技大学学报(自然科学版). 2008(07)
博士论文
[1]混流装配生产的计划排序及其执行过程管理[D]. 黄刚.华中科技大学 2007
本文编号：3400704
本文链接：https://www.wllwen.com/kejilunwen/qiche/3400704.html
