《可变间隔投放下混合装配线的研究》由会员分享，可在线阅读，更多相关《可变间隔投放下混合装配线的研究（80页珍藏版）》请在金锄头文库上搜索。
1、南京航空航天大学 硕士学位论文 可变间隔投放下混合装配线的研究 姓名：李嵘 申请学位级别：硕士 专业：工业工程 指导教师：庄长远 2011-03 南京航空航天大学硕士学位论文 I 摘 要 随着客户对产品个性化要求越来越高，Ford 式的大规模批量生产模式已经发生改变-从少 品种，大批量单一品种装配线生产模式向以满足客户需要为前提而又不增加库存量的多品种， 小批量混合装配线生产模式转变。混合装配线可在同一条装配线上混合连续地生产不同变型产 品，提高生产效率，减少了在制品的数量，增强了生产线的灵活性及适应性。混合装配线与单 一装配线相比，它具有更高的灵活性，线上的工作站可变性大，适应性高，有助于提
2、高产品质 量， 使得企业对市场的快速反应能力不再依赖成品库存， 提高企业对市场环境的快速反应能力， 实现 JIT 的目标。混合装配线广泛应用于欧美发达国家，主要应用在汽车行业。日本丰田汽车 就是最好的例子之一。早期，对于混合装配线的研究都是基于产品固定间隔投放或者省略间隔 投放时间，但是在研究中发现，通过合理调整间隔投放时间可以有效的减少“瓶颈”工位产生 和提高装配线的工作效率，本文正是在此基础上对混合装配线进行研究。 本文首先对于混合装配线的概念进行阐述，介绍混合装配线的发展过程，特征及研究内容 和意义。 其次，从平衡角度对可变间隔投放进行研究。研究新的平衡模型，不仅考虑装配线站间平 衡，还
3、考虑工作站内平衡。提出改进的遗传算法，设计中对以下方面作了改进：研究初始种群 的产生问题；设计独特的染色体编码规则和译码规则。 然后，从排序角度对可变间隔投放进行研究。研究新的排序模型，提出间隔投放算法，针 对排序的特点，采用改进的模拟退火算法进行排序问题的分析。 最后，通过企业实例，运用 Witness 仿真技术软件对企业生产进行仿真，发现企业在装配 过程中存在的问题，并提出解决方案，为企业提供有力决策。 研究结果表明，可变间隔投放下的混合装配线将更加高效和具有柔性，对于企业来说，能 获得更高的产能和更大的收益。 关键字： 混合装配线，平衡，排序，系统仿真 可变间隔投放下混合装配线的研究 I
4、I Abstract With the customers individual requirements increasing, Ford-style mass production model has changed -from a small species, large quantities of a single species model of assembly line to more variety, small batch production model of mixed-model assembly line, which can meet customers needs
5、 without increasing inventory levels. The mixed-model assembly line can continuously produce different products within a line, improves production efficiency and reduces the number of products to enhance the production flexibility and adaptability. Compared with single-model assembly line, the mixed
6、-model assembly line has a greater flexibility, high adaptability to help improve product quality, making the companys rapid response to the market, being independent on goods inventory, and improving the market environment of rapid response capability, to achieve the goal of JIT. It is widely used
7、in the European, American and other developed countries, the mainly application is in the automotive industry. Toyota is one of the best examples. Early studies for the mixed-model assembly line are running at a fixed launching interval or omitting the interval. However, the variable launching inter
8、val can effectively reduce the bottleneck station and improve work efficiency. Firstly, this paper describes the concept of mixed-model assembly lines. The development of the mixed-model assembly line, characteristics and research are introduced. Secondly, from the perspective of balance problem wit
9、hin variable launching interval. Researching a new model, the improved genetic algorithm is introduced. The following aspects are been improved: the initial population of a problem; design a unique chromosome coding rules /* 遗传基因 */ int pop_size; /* 种群大小 */ int g_length; /* 个体染色体长度 */ 可变间隔投放下混合装配线的研
10、究 32 double c_rate; /* 交叉概率 */ unsigned char *gene1; /* 父个体 1 的遗传基因指针变量 */ unsigned char *gene2; /* 父个体 1 的遗传基因指针变量 */ unsigned char work; /* 中间变量 */ int i,j; int c_pos; /* 交叉位置变量 */ double r; /* 随机数变量 */ for(i=0;ipop_size-1;i=i+2) r=random(10001)/10000.0; if(r=c_rate) gene1=gene+g_length*i; gene2=g
11、ene1+g_length; c_pos=random(g_length-2)+1; for(j=c_pos;j ， 11 0Z= 公式（4.2）保证队列中的每个产品都必须进入工作站；公式（4.3）保证在一个最小循 环生产中，每个型号产品的需求数量正确；公式（4.4）在每个工作站中，装配人员开始装 配的第一个产品是从上游顶端开始；公式（4.5）表示第 i 个产品结束装配后第 i+1 个产品开 始装配时间，需要考虑闲置与超载时间；公式（4.6）表示在第 i 个产品在工作站 j 的超载时 间；公式（4.7）表示当一个 MPS 结束时，在工作站 j 的超载时间；公式（4.8）表示在第 j 个工作站，
12、装配人员需要等待第 i 个产品进入工作站的时间。 从模型看出，与固定间隔投放相比较，间隔投放 i a变化为固定值即转化为固定间隔投 放的研究。 4.6 模型验证 使用 MSP 进行验证，即只针对一个循环进行装配验证。采用的数据来源于第三章，在 第三章中已经确定了产品类型为 3 类（A，B 和 C） ，各类产品在各个任务里的装配时间参 考表 3-3。 A d=6 ， B d=4 ， C d=1 ， ID C=1 ， U C=1 ， C v=1 。 各 个 工 作 站 的 长 度 设 为 () 1.5*max( .) jmcmj Lv t=，即为工作站 j 的长度为三种产品在此工作站最大装配长度的
13、 1.5 倍。使用 Lingo 8.0，对此进行演算。 部分代码如下： min=sum(link2(i,j):(Cid*ID(i,j)+Cu*U(i,j); for(product(i):sum(mod(m):x(i,m)=1); for(mod(m):sum(product(i):x(i,m)=1); for(station(j-1):sum(station(j-1):L(j)=Z(1,j); for(link2(i-1,j):(sum(mod(m):x(i,m)*t(m,j)-U(i,j)-a(i+1)+ID(i+1,j)*Vc+Z(i,j)=Z(i+ 1,j); for(link2(i-
14、1,j):(sum(mod(m):x(i,m)*t(m,j)*Vc)-sum(station(j):L(j)+Z(i,j)=Vc* U(i,j); K=size(station); for(station(j):(sum(mod(m):x(i,m)*t(m,j)*Vc)-sum(station(j-1):L(j)-Vc*a(K+1) +Z(K,j)=Vc*U(K,j); for(link2(i-1,j):(sum(station(j-1):L(j)-(Z(i-1,j)+(sum(mod(m):x(i,m)*t(m,j)*Vc)- Vc*U(i-1,j)-Vc*a(i)=Vc*ID(i,j);
15、南京航空航天大学硕士学位论文 45 for(link1:bin(x); Z(1,1)=0; 使用 B /* 遗传基因 */ int pop_size; /* 种群大小 */ int g_length; /* 个体染色体长度 */ int i,j; randomize(); for(i=0;ipop_size;i+) for(j=0;jg_length;j+) *(gene+i*g_length+j)=random(2); int gene_to_pheno(gene,g_length) /* 基因型到表现型的变换-解码 */ unsigned char *gene; /* 基因型 */ int g_length; /* 染色体长度 */ int i,pheno; pheno=0; for(i=0;ig_length;i+) pheno=pheno*2+*(gene+i); return(pheno); void calc_fitness(gene,fitness,pop_size,g_length,func, max_fit,avg_fit) /* 计算
