CN108564232A - 一种基于遗传算法的飞机部件装配车间总体布局优化方法 - Google Patents
一种基于遗传算法的飞机部件装配车间总体布局优化方法 Download PDFInfo
- Publication number
- CN108564232A CN108564232A CN201810417652.3A CN201810417652A CN108564232A CN 108564232 A CN108564232 A CN 108564232A CN 201810417652 A CN201810417652 A CN 201810417652A CN 108564232 A CN108564232 A CN 108564232A
- Authority
- CN
- China
- Prior art keywords
- erect
- region
- assembly shop
- matrix
- genetic algorithm
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 22
- 230000002068 genetic effect Effects 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000035772 mutation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012913 prioritisation Methods 0.000 abstract description 3
- 238000011002 quantification Methods 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于遗传算法的飞机部件装配车间总体布局优化方法,涉及飞机数字化装配技术领域,首先,获取飞机装配车间及装配站位的面积信息,建立基于总物流成本最小的布局优化模型;其次,运用遗传算法对问题进行求解,得到最优解;最后,对最优解进行仿真评估验证,形成飞机部件装配车间总体布局优化方案。本发明相比传统的基于人员经验的布局评价方式提供了一种定量化的装配车间布局评价标准,提高了计算的效率和计算结果的准确性,有效缩短了飞机装配车间布局规划工作的周期,提供了一系列与生产过程相关信息,能够更有效的指导生产作业。
Description
技术领域
本发明涉及飞机数字化装配技术领域,特别涉及一种基于遗传算法的飞机部件装配车间总体布局优化方法。
背景技术
飞机部件装配车间总体布局优化是运用布局优化和物流分析的理论,在分析现有工厂布局经验基础上对装配车间布局规划进行研究和设计,从而充分利用空间、降低成本、提高生产效率。由于飞机装配过程具有涉及零部件种类与数量较多、生产周期较长、协调响应难度大等特点,因此对飞机装配系统的布局规划与物流规划有较高的要求。
目前,现有的基于二维图纸的装配车间布局方法主要依靠设计人员的经验,已经不能满足生产实际的需求,主要存在以下问题:
1.依靠人员经验的规划方法容易造成规划周期长、耗费成本高、规划效果准确性差以及资源浪费等问题;
2.在装配车间投产前,无法对装配系统的产能、物流效率及物流成本等性能进行有效准确的评估,从而难以保障实际生产的需求,所以就需要一种更精确的飞机部件装配车间总体布局优化方法。
发明内容
本发明实施例提供了一种基于遗传算法的飞机部件装配车间总体布局优化方法,用以解决现有技术中存在的问题。
一种基于遗传算法的飞机部件装配车间总体布局优化方法,步骤如下:
(1)、获取飞机部件装配车间区域面积及飞机部件装配站位占地面积,对车间按照站位数量进行区域划分:
1)、将划分区域及站位采用抽象矩阵Z和S表示:
Z=[Z1 Z2 … Zn],S=[S1 S2 … Sn]
其中,Z为1×n(n=1,2…)矩阵,表示车间由n个面积相等的区域组成;S为1×n(n=1,2…)矩阵,表示在每一个区域将会放置一个站位;
2)、任意区域Zn的面积都大于任意站位Sn的占地面积;
(2)、测量任意区域之间的距离并统计站位之间的物流量:
1)、将任意区域之间的距离采用抽象矩阵D表示:
其中,D为n×n(n=1,2…)矩阵,表示车间内n个区域中任意两个区域之间的距离;
2)、将任意站位之间的物流量采用抽象矩阵W表示:
其中,W为n×n(n=1,2…)矩阵,表示车间内n个站位中任意两个站位之间的物流量;
(3)、根据总物流成本最小的原则,建立总物流成本优化模型:
C为最小总物流成本,等于所有不同的两个站位之间物流量与距离的乘积的总和的最小值;
(4)、将上述参数导入仿真平台建立布局仿真模型,并利用遗传算法模块进行求解:
1)、按照站位在车间区域放置的顺序组成编码;
2)、随机生成初始化种群;
3)、计算种群中每个个体的适应度:
即适应度f(i)为总物流成本的倒数;
4)、按照遗传算法模块默认设置选择适应度高的个体进行交叉和变异
操作,生成新的个体;判断新的个体是否满足预定的终止条件,若满足则
得到最优解。若不满足则返回上一步;
(5)、根据上述求解结果进行仿真评估最后形成飞机部件装配车间总体布局优化方案。
本发明有益效果:
1、根据总物流成本最小的原则建立总物流成本优化模型,相比传统的基于人员经验的布局评价方式提供了一种定量化的装配车间布局评价标准;
2、运用遗传算法对装配车间布局问题进行求解,提高了计算的效率和计算结果的准确性,有效缩短了飞机装配车间布局规划工作的周期;
3、通过将最优解进行仿真验证并以飞机部件装配车间总体布局优化方案输出,提供了一系列与生产过程相关信息,能够更有效的指导生产作业。
附图说明
图1为本发明实施例提供的一种基于遗传算法的飞机部件装配车间总体布局优化方法的流程示意图;
图2为本发明实施例提供的一种基于遗传算法的飞机部件装配车间总体布局优化方法中遗传算法的流程示意图。
具体实施方式
下面结合发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
参照图1和图2,本发明提供了一种基于遗传算法的飞机部件装配车间总体布局优化方法,首先,获取飞机装配车间及装配站位的面积信息,建立基于总物流成本最小的布局优化模型;其次,运用遗传算法对问题进行求解,得到最优解;最后,对最优解进行仿真评估验证,形成飞机部件装配车间总体布局优化方案。
步骤如下:
(1)、获取飞机部件装配车间区域面积及飞机部件装配站位占地面积,对车间按照站位数量进行区域划分:
1)、将划分区域及站位采用抽象矩阵Z和S表示:
Z=[Z1 Z2 … Zn],S=[S1 S2 … Sn]
其中,Z为1×n(n=1,2…)矩阵,表示车间由n个面积相等的区域组成;S为1×n(n=1,2…)矩阵,表示在每一个区域将会放置一个站位;
2)、任意区域Zn的面积都大于任意站位Sn的占地面积。
本实例中飞机部件装配车间面积为1520m2,站位13个,除去过道及库存等区域后规划了13个10m×10m的用于放置站位的区域,站位矩阵S为[底壁板装配站侧壁板装配站顶壁板装配站气密地板装配站地板总梁装配站地板装配站龙骨梁盒体装配站龙骨梁壁板装配站龙骨架装配站应急门框装配站机身框装配站中机身总装站中机身架外装配站],并且已确保每个站位的占地面积均小于100m2。
(2)、测量任意区域之间的距离并统计站位之间的物流量:
1)、将任意区域之间的距离采用抽象矩阵D表示:
其中,D为n×n(n=1,2…)矩阵,表示车间内n个区域中任意两个区域之间的距离;
本实例中D为13×13矩阵,任意区域之间的距离统计矩阵为:
2)、将任意站位之间的物流量采用抽象矩阵W表示:
其中,W为n×n(n=1,2…)矩阵,表示车间内n个站位中任意两个站位之间的物流量;
本实例中W为13×13矩阵,车间内任意两个站位之间的物流量统计矩阵为:
(3)、根据总物流成本最小的原则,建立总物流成本优化模型:
C为最小总物流成本,等于所有不同的两个站位之间物流量与距离的乘积的总和的最小值。
(4)、将上述参数导入仿真平台建立布局仿真模型,并利用遗传算法模块进行求解:
1)、按照站位在车间区域放置的顺序组成编码;
2)、随机生成初始化种群;
本实例中初始种群为[底壁板装配站-区域1侧壁板装配站-区域2顶壁板装配站-区域3气密地板装配站-区域4地板装配站-区域5地板总梁装配站-区域6龙骨梁盒体装配站-区域7龙骨梁壁板装配站-区域8龙骨架装配站-区域9机身框装配站-区域10中机身总装站-区域11中机身架外装配站-区域12应急门框装配站-区域13]
3)、计算种群中每个个体的适应度:
即适应度f(i)为总物流成本的倒数;
4)、按照遗传算法模块默认设置选择适应度高的个体进行交叉和变异操作,生成新的个体;判断新的个体是否满足预定的终止条件,若满足则得到最优解。若不满足则返回上一步;
本实例中通过遗传算法求解得到的最优解为[顶壁板装配站-区域1侧壁板装配站-区域2底壁板装配站-区域3气密地板装配站-区域4地板总梁装配站-区域5地板装配站-区域6龙骨梁盒体装配站-区域7龙骨架装配站-区域8龙骨梁壁板装配站-区域9应急门框装配站-区域10中机身总装站-区域11中机身架外装配站-区域12机身框装配站-区域13]。
(5)、根据上述求解结果进行仿真评估最后形成飞机部件装配车间总体布局优化方案。
综上所述,本发明根据总物流成本最小的原则建立总物流成本优化模型,相比传统的基于人员经验的布局评价方式提供了一种定量化的装配车间布局评价标准,运用遗传算法对装配车间布局问题进行求解,提高了计算的效率和计算结果的准确性,有效缩短了飞机装配车间布局规划工作的周期,通过将最优解进行仿真验证并以飞机部件装配车间总体布局优化方案输出,提供了一系列与生产过程相关信息,能够更有效的指导生产作业。
以上公开的仅为本发明的一个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (1)
1.一种基于遗传算法的飞机部件装配车间总体布局优化方法,其特征在于,步骤如下:
(1)、获取飞机部件装配车间区域面积及飞机部件装配站位占地面积,对车间按照站位数量进行区域划分:
1)、将划分区域及站位采用抽象矩阵Z和S表示:
Z=[Z1 Z2 … Zn],S=[S1 S2 … Sn]
其中,Z为1×n矩阵,n=1,2…,表示车间由n个面积相等的区域组成;S为1×n矩阵,表示在每一个区域将会放置一个站位;
2)、任意区域Zn的面积都大于任意站位Sn的占地面积;
(2)、测量任意区域之间的距离并统计站位之间的物流量:
1)、将任意区域之间的距离采用抽象矩阵D表示:
其中,D为n×n矩阵,表示车间内n个区域中任意两个区域之间的距离;
2)、将任意站位之间的物流量采用抽象矩阵W表示:
其中,W为n×n矩阵,表示车间内n个站位中任意两个站位之间的物流量;
(3)、根据总物流成本最小的原则,建立总物流成本优化模型:
i≠j
C为最小总物流成本,等于所有不同的两个站位之间物流量与距离的乘积的总和的最小值;
(4)、将上述参数导入仿真平台建立布局仿真模型,并利用遗传算法模块进行求解:
1)、按照站位在车间区域放置的顺序组成编码;
2)、随机生成初始化种群;
3)、计算种群中每个个体的适应度:
即适应度f(i)为总物流成本的倒数;
4)、按照遗传算法模块默认设置选择适应度高的个体进行交叉和变异操作,生成新的个体;判断新的个体是否满足预定的终止条件,若满足则得到最优解,若不满足则返回上一步;
(5)、根据上述求解结果进行仿真评估,最后形成飞机部件装配车间总体布局优化方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810417652.3A CN108564232A (zh) | 2018-05-04 | 2018-05-04 | 一种基于遗传算法的飞机部件装配车间总体布局优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810417652.3A CN108564232A (zh) | 2018-05-04 | 2018-05-04 | 一种基于遗传算法的飞机部件装配车间总体布局优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108564232A true CN108564232A (zh) | 2018-09-21 |
Family
ID=63537593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810417652.3A Pending CN108564232A (zh) | 2018-05-04 | 2018-05-04 | 一种基于遗传算法的飞机部件装配车间总体布局优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564232A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348126A (zh) * | 2019-07-12 | 2019-10-18 | 中冶赛迪重庆信息技术有限公司 | 钢厂原料堆位布局优化方法、系统、设备及存储介质 |
CN113313286A (zh) * | 2021-04-23 | 2021-08-27 | 北京国信云服科技有限公司 | 基于遗传算法的末端物流网点布局方法、装置、设备及介质 |
WO2022036476A1 (zh) * | 2020-08-17 | 2022-02-24 | 南京翱翔智能制造科技有限公司 | 一种基于分布式增强现实的模拟飞行器装配系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808627A (zh) * | 2015-04-20 | 2015-07-29 | 海安县申菱电器制造有限公司 | 一种离散制造系统的车间布局方法 |
CN106875071A (zh) * | 2017-03-31 | 2017-06-20 | 华南理工大学 | 一种自适应遗传算法的车间设备多目标优化布局方法 |
-
2018
- 2018-05-04 CN CN201810417652.3A patent/CN108564232A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104808627A (zh) * | 2015-04-20 | 2015-07-29 | 海安县申菱电器制造有限公司 | 一种离散制造系统的车间布局方法 |
CN106875071A (zh) * | 2017-03-31 | 2017-06-20 | 华南理工大学 | 一种自适应遗传算法的车间设备多目标优化布局方法 |
Non-Patent Citations (2)
Title |
---|
周娜等: "基于遗传算法的车间布局多目标优化", 《工业工程》 * |
邱胜海等: "遗传算法在车间设施布局优化中的应用", 《机械设计与制造工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348126A (zh) * | 2019-07-12 | 2019-10-18 | 中冶赛迪重庆信息技术有限公司 | 钢厂原料堆位布局优化方法、系统、设备及存储介质 |
CN110348126B (zh) * | 2019-07-12 | 2023-10-24 | 中冶赛迪信息技术(重庆)有限公司 | 钢厂原料堆位布局优化方法、系统、设备及存储介质 |
WO2022036476A1 (zh) * | 2020-08-17 | 2022-02-24 | 南京翱翔智能制造科技有限公司 | 一种基于分布式增强现实的模拟飞行器装配系统 |
CN113313286A (zh) * | 2021-04-23 | 2021-08-27 | 北京国信云服科技有限公司 | 基于遗传算法的末端物流网点布局方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10915096B2 (en) | Method and system for quick customized-design of intelligent workshop | |
CN108564232A (zh) | 一种基于遗传算法的飞机部件装配车间总体布局优化方法 | |
US20070276755A1 (en) | Systems and methods for assignment generation in a value flow environment | |
CN115311027B (zh) | 一种基于数字孪生的供应链管理方法及系统 | |
CN104808627A (zh) | 一种离散制造系统的车间布局方法 | |
Wilson et al. | How to generate a thousand master plans: A framework for computational urban design | |
CN110533389A (zh) | 项目造价的确定方法及装置 | |
CN113902321A (zh) | 风电场的微观选址评估方法和装置、计算机可读存储介质 | |
CN111177967B (zh) | 网格单元的批量修改方法,其装置及电子设备 | |
CN103020399A (zh) | 基于模块化的机床设计方法 | |
CN109801364B (zh) | 一种三维数字建模方法和数字化车间管理系统 | |
Yang et al. | Solving a multi-objective simulation model using a hybrid response surface method and lexicographical goal programming approach—a case study on integrated circuit ink-marking machines | |
WO2017141070A1 (en) | Method and system for rapid prototyping via virtual simulation | |
CN112484695A (zh) | 一种基于bim模型的建筑室内空间净高分析方法及装置 | |
CN108121874A (zh) | 一种母线参数化物料清单与工艺路线自动生成方法 | |
Caldas et al. | A simulation approach for spare parts supply chain management | |
CN105589989B (zh) | 工艺模型构建方法和系统 | |
Li et al. | Integration of industry 4.0 and assessment model for product safety | |
JP2007265127A (ja) | サプライチェーンの最適化支援方法 | |
CN115194910A (zh) | 一种用于定制家具的板材加工控制系统 | |
CN115342971A (zh) | 基于卫星三维模型的质量特性仿真系统 | |
Lukac et al. | Digital twins in control cabinet construction | |
RU146672U1 (ru) | Устройство выбора предпочтительного варианта построения элемента комплекса средств автоматизации командного пункта части противовоздушной обороны | |
JP2007226718A (ja) | サプライチェーンの最適化支援方法 | |
Juszczyński et al. | Achieving desired cycle times by modelling production systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |