CN101923342B - 一种降低汽车混流装配线产品切换次数的方法 - Google Patents
一种降低汽车混流装配线产品切换次数的方法 Download PDFInfo
- Publication number
- CN101923342B CN101923342B CN2010102230870A CN201010223087A CN101923342B CN 101923342 B CN101923342 B CN 101923342B CN 2010102230870 A CN2010102230870 A CN 2010102230870A CN 201010223087 A CN201010223087 A CN 201010223087A CN 101923342 B CN101923342 B CN 101923342B
- Authority
- CN
- China
- Prior art keywords
- population
- individual
- production
- assembly line
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于先进制造技术领域与信息技术领域,为一种降低汽车混流装配线产品切换次数的方法。该方法围绕复杂产品生产过程中涉及多车间(或装配线)的关联优化问题,利用环形缓冲区并结合混合递进多目标遗传算法降低混流装配线产品切换次数。本发明利用混合递进多目标进化算法,对汽车混流装配线的车型生产进行优化排序,考虑了生产线的物料平衡、生产负荷平衡及准时制生产环境的相关标准,使得投产的车型序列能保证物料消耗平顺化、车型调整时间最小化,达到降低生产线产品切换次数的目的。
Description
技术领域
本发明属于先进制造与信息技术领域,具体地,涉及一种利用环形缓冲区降低汽车混流装配线产品切换次数的方法。
技术背景
混流装配线用于装配同一类型的多种产品,这样的装配线因装配大量的同类型产品,因此装配时生产线需要根据不同的产品型号进行产品切换,产品切换需更换相应的零部件和部分设备,影响生产的效率,同时切换过程中容易造成相似零部件的混装,影响产品质量,因此在产品装配时,应尽量减少产品的切换次数。目前混流装配生产线通常采用排产软件得到的排产计划经常存在产品切换频繁或因减少切换次数而导致生产率降低等问题,而且对优化参数的稳定性要求较高;此外,排产软件只有在可变参数较为可控的情况下,才能保证最优解的有效性。对于制造系统而言,由于系统可变参数的随机性和不可预知性比一般优化模型更大,同时制造系统各运行参数之间的关联关系也更为复杂,因此,微小的扰动就可能导致整个排产计划由最优解变为不可行解。
总之,现有技术中存在无法有效解决混流装配中产品频繁切换问题和生产线排产计划的不稳定问题。
发明内容
本发明针对现有技术和方法的不足,提出一种降低汽车混流装配线产品切换次数的方法,该方法使其解决现有背景技术中的不足,提高生产线的效率和产品质量。
本发明提供的一种降低汽车混流装配线产品切换次数的方法,其特征在于,该方法包括下述步骤:
步骤1提取装配线目标函数,建立装配线生产调度的多目标模型;
步骤2读取上游生产线生产计划,把上游生产线下线的车型计划作为下游装配线排产计划的初始条件,同时读取当前或即将下线的车型型号信息,并把型号信息反馈到下游装配线;
步骤3获取装配线生产计划;
步骤4从装配线生产计划中读取装配线当前装配任务,确定下一辆所需装配的车型型号信息;
步骤5根据当前装配任务和上游生产线的下线车型,判断上游生产线的下线车型是否满足当前装配任务,如果是,转步骤7,否则转步骤6;
步骤6进行缓冲区调度,包括入站调度和出站调度两部分:
入站调度具体包括过程A1至A5:
A1判断环形缓冲区是否有车,若无车,则转步骤A5,否则读取缓冲区中车型信息;
A2判断缓冲区中是否有环形通道,且环形通道保留有与下线车型同型号的未满通道,若有则转步骤A5,否则,读取缓冲区信息;
A3判断是否空车道信息,若有,则转步骤A5,若无,则读取各车道末端车型型号信息;
A4判断各末端车型号是否和下线的车型型号相同,若相同,则转步骤A5,否则向最近的车道进车;
A5向缓冲区进车,然后进入步骤4;
出站调度具体包括过程B1至B4::
B1读取下游装配线需要装配的车型型号信息;
B2判断等待进入缓冲区的车型型号是否有下游装配线所需要的车型型号.若有满足下游装配所需求的车型型号,则转步骤7,否则,进入下一步;
B3读取缓冲区及相应通道的信息,判断缓冲区是否有保存有车,若缓冲区保存有车,若无车,则转入站调度,发出入站调度指令,若有车则读取车型型号信息和车型保存车道的信息;
B4判断缓冲区中保存的车型型号信息是否满足下游生产装配线的要求,若保存的车型型号不满足装配的要求,则转入站调度,发出入站调度指令,若满足要求,则转步骤7;
步骤7向装配线进车;
步骤8循环执行步骤4至7,直至生产线停止生产。
本发明利用环形缓冲区,下游生产进行计划排产时以上游生产线的生产作为先决条件,同时以中间的环形缓冲区为纽带,把上下游生产线关联起来,减少产品的切换次数,进而提高生产线的效率和产品质量。具体而言,本发明的技术效果体现在以下几个方面:
1.混流装配线装配时常常需要频繁切换产品型号,切换型号需要更换相应的工装夹具,导致生产率降低,利用环形缓冲区排序后降低了产品切换次数,提高了生产线的生产效率。
2.混流装配线进行产品切换时,需相应更换相应的产品零部件,而类似产品零部件的相似性较大,频繁的产品切换容易导致工人装配时的错装现象,因此利用环形缓冲区降低产品的切换次数可以减少产品的错装情况,提高生产线效率的同时也减少了产品重装的情况,提高了生产的质量。
3.目前混流装配线采用的排产软件进行排产时考虑的优化条件考虑的是单目标优化,本方法扩展到多目标,同时考虑综合了物料平整化、最小车型调整切换时间等各个目标,采用多层次划分问题空间的方法处理各类优化参数之间的组合约束关系,提高了排产的效率,且有利于保持生产计划的稳健性。
附图说明
图1是利用环形缓冲区降低产品切换次数方法的总流程图;
图2是环形缓冲区示意图;
图3是环形缓冲区入站调度示意图;
图4是环形缓冲区出站调度示意图;
图5是混合递进进化算法流程图。
具体实施方式
本发明方法包括上游生产线的入站调度,下游生产线的排产计划和基于中间环形缓冲区的关联优化与出站调度。
结合附图和技术方案,以下对本发明方法具体实施作进一步的描述:
步骤1:提取装配线目标函数,建立装配线生产调度的多目标模型;
一般来说,混流装配常用的目标函数有以产品各工位的不同加工时间为参数的混合模型排序(Mixed-model sequencing),与消耗的重要部件相关的汽车生产排序,为保持稳定的零部件消耗速度为目标的物料消耗平准化排序和减少生产准备时间的最小化车型调整切换时间排序。本方法以这些常用的单目标模型为基础建立混流装配排序的多目标优化模型如下:
f=min(f1,f2,f3)
式中j:生产线中工作站编号,j=1,2...J,J:工作站总数;
i:生产序列中的产品编号,i=1,2...I,I:产品投产序列;
m:生产序列中的产品种类数量,M:第m种产品的生产数量;
k:生产阶段,k=1,2...K,K:生产阶段总数
ovtij:生产序列中第i个产品Ii在工作站j中需要的工作时间
idtij:生产序列中第i个产品Ii在工作站j中的闲置时间
gmk:第m种产品到第k个生产阶段的产量
rmk:第m种产品在第k生产阶段的理想产量比率
xjimr:在工作站j中,生产序列中第i个产品从型号m切换到型号r的转换成本。
步骤2:读取上游生产线生产计划。把上游生产线下线的车型计划作为下游装配线排产计划的初始条件,同时读取当前或即将下线的车型型号信息,并把型号信息反馈到下游装配线。
步骤3:获取装配线生产计划。
下面以混合递进多目标进化算法为例,说明获取装配线初始生产计划的过程,但本发明也可以采用现有的技术中多种方法获取装配线初始生产计划。
如图5所示,混合递进多目标进化算法包含以下具体过程:
A:确定编码解码方式:算法采用字符串编码方式,即每个染色体为一个字符串,每个字符串表示一个完整的生产序列,染色体的每一个基因代表一个待生产的产品型号。将装配线装配的车型种类进行编号,以A B C DE F G...表示车型的种类,每一个字母代表一种车型。
B:确定编码长度及初始种群。种群规模大小根据编码长度和优化的情况确定,编码长度根据混流装配线的特点确定,混流装配过程是按一定的顺序循环生产的过程,设一个循环所生产的车数n,则编码长度可设为n。例如M种车型一天或一个班的需求分别是D1,D2...DM,最大公约数为d,令ri=Di/d(i=1,2...M),则一个循环生产的车数为在生产中只需针对一个循环流程的车型排序,重复进行d个流程,即可得到所有产品的投产顺序。初始种群规模可以自行设定为正整数,其取值范围通常为100~n!,根据初始种群规模建立初始种群,一般是采用随机方法建立初始种群P0。
C:初始阶段,其具体过程为:
C1输入进化操作参数:交叉概率pc,变异概率pm,进化代数n进,进化结束条件n结,第一阈值和第二阈值;通常pc可取0.8,pm可取0.1,进化代数n进=0,n结可取种群规模的整数倍,取值越大,整个算法运算时间越长,计算结果精度越高,一般取值在300~10000;
C3初始阶段交叉操作:随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
C4初始阶段变异操作:采用互换的变异方式,随机的选择染色体上的两个位置,将这两个位置上的基因互换,同时统计进化代数n进=n进+1;
C5初始阶段种群操作:以C1步骤中确定的适应度函数计算C3、C4步骤产生的子代个体适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,并同时把父代个体删去,保留群体规模大小不变,反之则删掉子代个体,更新进化种群为Pct;
C6初始阶段判断:对C5步骤产生的新群体中的个体进行非支配比较,得到非支配解,统计群体中非支配解所占群体规模的比例r,依据r值进行判断,若r值小于预先设定的第一阈值,则转步骤C2,否则转步骤D。第一阈值通常为0.1至0.2;
D:前中间阶段,其具体过程为:
D1初始化外部种群:外部种群是用来存储中间阶段进化过程中发现的非支配个体,其种群规模与进化种群P0相同,初始化外部种群即设置外部种群为空,以便步骤D6操作;
D2确定由C产生的种群Pct中个体的适应度值,Pct中任意个体xm的适应度值为:
D3前中间阶段交叉操作:先随机选取两个父代个体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
D4前中间阶段变异操作:采用互换的变异方式,随机的选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
D5前中间阶段进化种群操作:以步骤D2中确定的适应度函数计算D3、D4步骤产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PDt;
D6前中间阶段外部种群操作:对由步骤D4产生的PDt进行非支配比较操作,复制其中的非支配个体到外部种群Q外中;
D7前中间阶段判断:统计外部群体Q外中非支配解所占外部群体规模的比例r,依据比例r值进行判断,若r值小于预先设置第二阈值,则转D3,否则转E。第二阈值通常取值范围为0.45至0.6之间。
E:后中间阶段,其具体过程为:
E2后中间阶段交叉操作:先随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
E3后中间阶段变异操作:采用互换的变异方式,随机选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
E4后中间阶段种群操作:以步骤E1中确定的适应度函数计算步骤E2、E3产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PEt;
E5后中间阶段外部种群操作:对由步骤E4产生的PEt进行非支配比较操作,复制其中的非支配个体到外部种群Q外中;
E6后中间阶段反馈操作:随机从保存非支配解的外部群体Q外中选择mf个非支配个体加入到进化的种群中,并同时删掉进化种群中mf个适应值最差的个体,使进化种群的群体规模固定不变;
E7后中间阶段判断:统计外部群体Q外中非支配解所占外部群体规模的比例r,依据r值进行判断,若r值小于1,则转步骤E2,否则转步骤F。
F:收敛阶段,具体如下:
F2收敛阶段交叉操作:先随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
F3收敛阶段变异操作:采用互换的变异方式,随机选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
F4收敛阶段种群操作:以步骤F1中确定的适应度函数计算步骤F2、F3产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PFt;
F5收敛阶段拥挤距离:拥挤距离计算则只针对保存非支配解的外部种群Q外,当步骤F2、F3产生了新的非支配解时,先计算该个体在外部群体中的拥挤距离,在计算拥挤距离前,先用小生境技术删去解集中存在的一些不合理的极端解,在计算拥挤距离时,边缘上个体拥挤距离给定一个无穷大的数,对于排序中间的个体,拥挤距离的计算公式为:
l:解集中的个体,H[l+1]解集中第l+1个体的在第s个目标函数值空间的距离,s:目标函数,s=1,2,....
F6收敛阶段外部种群操作:对由步骤F4产生的PFt进行非支配比较操作,选择其中的非支配个体到外部种群Q外中,并按步骤F5的方式计算个体的拥挤距离,保留拥挤距离较大的个体,同时维持外部种群Q外规模大小不变;
F7结束判断:若n进<n结,则转步骤F2,否则转步骤G
G:优化结束,此时的外部种群Q外就是一组帕累托(Pareto)解集,即最佳投产序列解集,然后对Pareto解集进行切换次数计算,将切换次数最小的解作为装配线生产计划;
设Di是帕累托(Pareto)解集中的第i个解,其中的元素记为dv
f切(v)的计算公式如下:
f切(v)为1时,表示二个产品型号不同,需要切换,f切(v)为0时,表示二个产品型号相同,不需要切换。
步骤4:从装配线生产计划中读取装配线当前装配任务,确定下一辆所需装配的车型型号信息;
步骤5:型号判断。根据当前装配任务和上游生产线的下线车型,判断上游生产线的下线车型是否满足当前装配任务,如果是,转步骤7,否则转步骤6。
步骤6:发出缓冲区调度指令;
缓冲区调度包括入站调度A和出站调度B两部分,见附图3、4。
A:入站调度,具体包括以下过程:
A1)判断环形缓冲区是否有车,若无车,则转A5,否则读取缓冲区中车型信息。
A2)判断缓冲区中是否有环形通道,且环形通道保留有与下线车型同型号的未满通道,若有则转A5,否则,读取缓冲区信息
A3)判断是否空车道信息,若有,则转A5,若无,则读取各车道末端车型型号信息;
A4)判断各末端车型号是否和下线的车型型号相同,若相同,则转A5,否则向最近的车道进车;
A5)向缓冲区进车,然后进入步骤(4);
B:出站调度,具体包括以下过程:
B1)读取下游装配线需要装配的车型型号信息;
B2)判断等待进入缓冲区的车型型号是否有下游装配线所需要的车型型号.若有满足下游装配所需求的车型型号,则转步骤7,否则,进入下一步;
B3)读取缓冲区及相应通道的信息,判断缓冲区是否有保存有车,若缓冲区保存有车,若无车,则转步骤A,发出入站调度指令,若有车则读取车型型号信息和车型保存车道的信息;
B4)判断缓冲区中保存的车型型号信息是否满足下游生产装配线的要求,若保存的车型型号不满足装配的要求,则转A,发出入站调度指令,若满足要求,则转步骤7;
步骤7:向装配线进车;
步骤8循环执行步骤4至7,直至生产线停止生产。
实例:
某汽车厂上游涂装车间计划生产序列为ABCDCDBBEAEDDEBEDBABACDEBDDACC,共有30辆车,如果直接投入下游装配生产线,则产品切换次数为26次。
表1车辆代码与车型的对应关系
车型名称 | 车型代码 |
7座豪华手动档暖银灰(06款豪华配置) | A |
8座标配暖银灰商务车 | B |
7座标配金香槟车 | C |
11座简配富贵白车 | D |
7二代豪华自动档暖银灰商务车 | E |
运用上面所发明的方法,其中环形缓冲区容量为10,车辆代码与车型的对应关系如表1所示,设定第一阈值为0.15,第二阈值为0.55,利用混合进化算法对这个案例进行求解,得到的解其解码后的车辆序列为:BBBDDDDEEEEAABBBCCCAADDDDAEBCC排序后的车型变化次数为11次,产品切换次数减少了15次。
本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变化或更改的设计,都落入本发明保护的范围。
Claims (1)
1.一种降低汽车混流装配线产品切换次数的方法,其特征在于,该方法包括下述步骤:
步骤1提取装配线目标函数,建立装配线生产调度的多目标模型;
步骤2读取上游生产线生产计划,把上游生产线下线的车型计划作为下游装配线排产计划的初始条件,同时读取当前或即将下线的车型型号信息,并把型号信息反馈到下游装配线;
步骤3获取装配线生产计划;
步骤4从装配线生产计划中读取装配线当前装配任务,确定下一辆所需装配的车型型号信息;
步骤5根据当前装配任务和上游生产线的下线车型,判断上游生产线的下线车型是否满足当前装配任务,如果是,转步骤7,否则转步骤6;
步骤6进行缓冲区调度,包括入站调度和出站调度两部分:
入站调度具体包括过程A1至A5:
A1判断环形缓冲区是否有车,若无车,则转步骤A5,否则读取缓冲区中车型信息;
A2判断缓冲区中是否有环形通道,且环形通道保留有与下线车型同型号的未满通道,若有则转步骤A5,否则,读取缓冲区信息;
A3判断是否空车道信息,若有,则转步骤A5,若无,则读取各车道末端车型型号信息;
A4判断各末端车型号是否和下线的车型型号相同,若相同,则转步骤A5,否则向最近的车道进车;
A5向缓冲区进车,然后进入步骤4;
出站调度具体包括过程B1至B4::
B1读取下游装配线需要装配的车型型号信息;
B2判断等待进入缓冲区的车型型号是否有下游装配线所需要的车型型号.若有满足下游装配所需求的车型型号,则转步骤7,否则,进入下一步;
B3读取缓冲区及相应通道的信息,判断缓冲区是否有保存有车,若缓冲区保存有车,若无车,则转入站调度,发出入站调度指令,若有车则读取车型型号信息和车型保存车道的信息;
B4判断缓冲区中保存的车型型号信息是否满足下游生产装配线的要求,若保存的车型型号不满足装配的要求,则转入站调度,发出入站调度指令,若满足要求,则转步骤7;
步骤7向装配线进车;
步骤8循环执行步骤4至7,直至生产线停止生产;
其中,步骤3中按照下述过程获取装配线生产计划:
A采用字符串编码方式,每个字符串表示一个完整的生产序列,染色体的每一个基因代表一个待生产的产品型号;
B确定编码长度及初始种群;
C初始阶段,其具体过程为C1至C6:
C1获取进化操作参数,包括交叉概率pc,变异概率pm,进化代数n进和进化结束条件n结;
C3初始阶段交叉操作:随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
C4初始阶段变异操作:采用互换的变异方式,随机的选择染色体上的两个位置,将这两个位置上的基因互换,同时统计进化代数n进=n进+1;
C5初始阶段种群操作:以步骤C2中确定的适应度函数计算步骤C3、C4产生的子代个体适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,并同时把父代个体删去,保留群体规模大小不变,反之则删掉子代个体,更新进化种群为Pct;
C6初始阶段判断:对步骤C5产生的新群体中的个体进行非支配比较,得到非支配解,统计群体中非支配解所占群体规模的比例r,依据r值进行判断,若r值小于预先设定的第一阈值,则转步骤C2,否则转步骤D;
D前中间阶段,其具体过程为D1至D7:
D1初始化外部种群;
D2确定由步骤C产生的进化种群Pct中个体的适应度值;
D3先随机选取两个父代个体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
D4采用互换的变异方式,随机的选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
D5以步骤D2中确定的适应度值计算步骤D3、D4产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PDt;
D6对由步骤D5产生的PDt进行非支配比较操作,复制其中的非支配个体到外部种群Q外中;
D7统计外部群体Q外中非支配解所占外部群体规模的比例r,依据r值进行判断,若r值小于预先预定的第二阈值,则转步骤D3,否则转步骤E;
E后中间阶段,具体过程为E1至E7:
E1确定由D产生的种群PDt中个体的适应度值,输入反馈个体数mf,mf为小于群体规模的自然数;
E2先随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
E3采用互换的变异方式,随机选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
E4以步骤E1中确定的适应度函数计算步骤E2、E3产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PEt;
E5对由步骤E4产生的PEt进行非支配比较操作,复制其中的非支配个体到外部种群Q外中;
E6随机从保存非支配解的外部群体Q外中选择mf个非支配个体加入到进化的种群中,并同时删掉进化种群中mf个适应值最差的个体,使进化种群的群体规模固定不变;
E7统计外部群体Q外中非支配解所占外部群体规模的比例r,依据r值进行判断,若r值小于1,则转步骤E2,否则转步骤F;
F收敛阶段,具体过程为F1至F7:
F1确定由E产生的种群PEt中个体的适应度值,PEt中任意个体的适应度值;
F2先随机选取两个父代染色体,然后按随机交叉的方式选取交叉点,进行交叉操作产生子代个体;
F3采用互换的变异方式,随机选择染色体上的两个位置,将这两个位置上的基因互换,并统计进化代数n进=n进+1;
F4以步骤F1中确定的适应度函数计算步骤F2、F3产生的子代个体的适应度值的大小并与相应的父代个体进行对比,若新产生的个体适应度值比父代个体的适应值大,则群体中保留新产生的子代个体,同时把父代个体删去,保留群体规模大小不变,反之则删掉子染色体,更新进化种群为PFt;
F5针对外部种群Q外计算拥挤距离;
F6对由步骤F4产生的PFt进行非支配比较操作,选择其中的非支配个体到外部种群Q外中,并计算个体的拥挤距离,保留拥挤距离较大的个体,同时维持外部种群Q外规模大小不变;
F7若n进<n结,则转步骤F2,否则转步骤G;
G将外部种群Q外作为最佳投产序列解集,然后对该解集进行切换次数计算,将切换次数最小的解作为装配线生产计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102230870A CN101923342B (zh) | 2010-07-12 | 2010-07-12 | 一种降低汽车混流装配线产品切换次数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102230870A CN101923342B (zh) | 2010-07-12 | 2010-07-12 | 一种降低汽车混流装配线产品切换次数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101923342A CN101923342A (zh) | 2010-12-22 |
CN101923342B true CN101923342B (zh) | 2012-03-07 |
Family
ID=43338325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102230870A Active CN101923342B (zh) | 2010-07-12 | 2010-07-12 | 一种降低汽车混流装配线产品切换次数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101923342B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104097712B (zh) * | 2014-04-15 | 2017-02-01 | 芜湖恒信汽车内饰制造有限公司 | 一种前端模块自动化装配及配送流水线 |
CN105353745B (zh) * | 2015-11-24 | 2018-03-02 | 四川长虹电器股份有限公司 | 多阶段混联生产线分布式协同决策控制系统及方法 |
CN106447211B (zh) * | 2016-10-11 | 2021-01-15 | 深圳同耕科技股份有限公司 | 一种产品制造企业生产车间之间缓存区内产品的排序系统及方法 |
CN108067770B (zh) * | 2016-11-17 | 2019-07-02 | 中国科学院沈阳自动化研究所 | 一种面向汽车顶盖焊装生产线多任务机器人协调调度方法 |
CN107247447A (zh) * | 2017-05-23 | 2017-10-13 | 长安大学 | 一种基于混合算法框架的混流装配调度控制方法 |
CN109447428B (zh) * | 2018-10-15 | 2021-07-20 | 宁波吉利汽车研究开发有限公司 | 整车生产线序排产的确定方法、装置及智能终端 |
CN109492939B (zh) * | 2018-12-06 | 2020-12-08 | 西门子工厂自动化工程有限公司 | 托盘管理系统及方法 |
CN109543921B (zh) * | 2018-12-11 | 2021-04-06 | 合肥工业大学 | 基于改进遗传算法的石油专用管流水车间的生产排产方法 |
CN109872046B (zh) * | 2019-01-21 | 2023-03-28 | 同济大学 | 混流装配线任务分配与投产排序集成优化方法 |
CN110286588B (zh) * | 2019-05-24 | 2021-11-09 | 同济大学 | 一种考虑能耗的装配线再平衡优化方法 |
CN112558559B (zh) * | 2020-11-11 | 2021-11-05 | 东南大学 | 一种串联线性缓冲区及其序列恢复方法 |
CN112950101B (zh) * | 2021-05-13 | 2021-08-17 | 北京富通东方科技有限公司 | 一种基于产量预测的汽车工厂混流线排产方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7280880B2 (en) * | 2005-12-21 | 2007-10-09 | Schmale Michael D | Manufacturing analysis using a part-process matrix |
CN101308367B (zh) * | 2008-07-04 | 2010-06-16 | 华中科技大学 | 一种具有可视化监控功能的混流装配线智能料架装置 |
JP5266959B2 (ja) * | 2008-08-22 | 2013-08-21 | マツダ株式会社 | 異種物品の溶接組立方法及びその装置 |
-
2010
- 2010-07-12 CN CN2010102230870A patent/CN101923342B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101923342A (zh) | 2010-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101923342B (zh) | 一种降低汽车混流装配线产品切换次数的方法 | |
CN110221585B (zh) | 一种用于混合流水车间考虑设备维护的节能调度控制方法 | |
CN102663574A (zh) | 基于遗传算法的多rgv动态调度方法 | |
CN105956689B (zh) | 一种基于改进粒子群优化的运输和生产协同调度方法 | |
CN110598941A (zh) | 一种基于仿生策略的粒子群优化制造系统双目标排产方法 | |
CN104751297A (zh) | 一种混流生产线产能分配方法 | |
CN110222938B (zh) | 一种梯级水电站群短期调峰调度协同优化方法和系统 | |
CN101599143B (zh) | 一种水库确定性优化调度的调度域确定方法及其设备 | |
CN106845712B (zh) | 面向大系统水库群的聚合分解调度规则的提取方法 | |
CN101901425A (zh) | 一种基于多种群协同进化的柔性作业车间调度方法 | |
CN110163420B (zh) | 一种基于分解文化进化算法的多目标生态调度方法和系统 | |
CN103258247A (zh) | 一种基于目标级联分析法的碳排放优化方法 | |
CN104572297A (zh) | 一种基于遗传算法的Hadoop作业调度方法 | |
CN103279818A (zh) | 基于启发式遗传算法的云工作流调度方法 | |
CN104111642A (zh) | 设备预防性维护与柔性作业车间控制集成优化方法 | |
CN105719091A (zh) | 一种梯级水电站群并行多目标优化调度方法 | |
CN109193807A (zh) | 一种电力系统经济调度方法及系统 | |
CN104504453A (zh) | 一种多目标优化的军事运输过程的优化调度方法 | |
CN101650805B (zh) | 用于路径规划的搜索方法 | |
CN106971243B (zh) | 一种降低生产用电成本的热轧优化调度方法 | |
CN104463414A (zh) | 一种分时电价下热轧生产经济负荷调度方法 | |
CN116070859A (zh) | 一种应急资源调度优化方法 | |
CN104035327A (zh) | 一种啤酒糖化过程的生产调度优化方法 | |
Fakhrzad et al. | A new multi-objective job shop scheduling with setup times using a hybrid genetic algorithm | |
CN113901728B (zh) | 基于迁移遗传算法的电脑第二类装配线平衡优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |