CN109460859B

CN109460859B - 一种车间布局优化方法

Info

Publication number: CN109460859B
Application number: CN201811214116.XA
Authority: CN
Inventors: 张青雷; 段建国; 党文君; 张帆; 周莹
Original assignee: Shanghai Maritime University
Current assignee: Shanghai Maritime University
Priority date: 2018-10-18
Filing date: 2018-10-18
Publication date: 2022-11-01
Anticipated expiration: 2038-10-18
Also published as: CN109460859A

Abstract

本发明提供一种车间布局优化方法控制方法，应用于车间布局优化技术领域，所述方法包括：构成设备单元的决策变量矩阵；构建车间物流成本所对应的成本函数、车间内总搬运时间函数；根据所述成本函数、所述总搬运时间函数，构建间布局的总和目标函数；采用实数编码的方式，分别对设备单元的序列符号和设备单元净间距进行编码；设置所述目标函数的倒数为车间布局的适应度函数、设定进化次数；随机产生N个初设设备单元的排列序列及设备单元净间距组成初始种群；遗传操作过程；自适应遗传算法的交叉率P_c和变异率P_m，获得车间布局的最优解。应用本发明实施例，通过建立数学模型时同时考虑物料搬运成本及搬运时间两个因素，使布置方案更合理。

Description

一种车间布局优化方法

技术领域

本发明涉及智能家居技术领域，特别是涉及一种车间布局优化方法。

背景技术

设备布局问题是现代制造业面临的一个非常重要的问题，为了全面的提高现代机械制造技术水平，提高机械产业的整体竞争力，降低车间内生产制造的生产成本，就需要合理的利用车间内的生产资源。

现有的大型关重件生产车间一般具有以下特点：1.通常为单件小批量生产；2.每个工件的每道工序所需加工时间较长，加工设备不唯一；3.工件的体积较大；4.生产过程中的物流、信息流复杂,控制较为困难。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种车间布局优化方法，旨在通过建立数学模型时同时考虑物料搬运成本及搬运时间两个因素，使布置方案更合理。

为实现上述目的及其他相关目的，本发明提供一种车间布局优化方法，其特征在于，所述方法包括：

根据设备单元的目标个数、所述目标个数个设备单元所分布的行数，构成设备单元的决策变量矩阵；

构建车间物流成本所对应的成本函数、车间内总搬运时间函数；

根据所述成本函数、所述总搬运时间函数，构建间布局的总和目标函数；

采用实数编码的方式，分别对设备单元的序列符号和设备单元净间距进行编码；

设置所述目标函数的倒数为车间布局的适应度函数、设定进化次数；

随机产生N个初设设备单元的排列序列及设备单元净间距组成初始种群；

遗传操作过程包括：

选择运算：采用轮盘赌选择法进行选择运算；

交叉运算：对于设备单元排列顺序采用部分匹配交叉算法，对于净间距，采用算数交叉的方法；

变异运算：采用互换变异法对净间距进行变异操作；

自适应遗传算法的交叉率P_c和变异率P_m随适应度函数值进行自动改变，获得车间布局的最优解；

其中，

f_max表示群体中最大的适应度值，f_avg为每代群体的平均适应度值，f′表示交叉的两个个体中较大的适应度值，f表示将要变异的个体的适应度值；

通过自适应遗传算法进行计算，当算法中最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升或趋于稳定，或者迭代次数达到预设的代数时，算法终止，最优个体即为最优解。

本发明的一种实现方式中，当设备单元i所对应的决策变量值Z_ik为1时，表示该设备单元在k行，否则，决策变量值Z_ik为0。

本发明的一种实现方式中，每个设备单元均布置在一个位置上，且每行最多布置的设备单元数量小于预设数量。

本发明的一种实现方式中，同一行内任意两个设备单元之间的距离需大于第一基本间距，且同一行中设备单元的布置不能超出第一车间范围。

本发明的一种实现方式中，同一行中，所有设备单元的y坐标相同。

本发明的一种实现方式中，在不同行中，任意两个设备单元在y轴方向上的间距需大于第二基本间距，且在不同行中的设备单元在y轴方向不能超出第二车间范围。

如上所述，本发明实施例提供的一种车间布局优化方法的控制方法，1.将车间内的设备根据需要加工的零件的工艺计划将具有相似工艺特征的零件合并为一个零件族，然后将具有密切加工工艺关系的机器构建成设备单元，对车间内的各个设备单元进行布局。2.建立数学模型时同时考虑物料搬运成本及搬运时间两个因素，使布置方案更合理。3.使用一种改进的自适应遗传算法进行求解，其交叉率和变异率可以随适应度的值自动改变，使得算法能够跳出局部最优解，有效的提高算法整体寻优能力。4.有效的利用车间内的生产资源，提高生产效率，本文建立车间布局模型时同时考虑了物料搬运成本及搬运时间两个因素。对于标准遗传算法存在早熟收敛和后期进化缓慢的问题，使用一种改进的自适应遗传算法进行求解，有效的提高了算法整体寻优能力。

附图说明

图1是本发明实施例的一种车间布局优化方法的控制方法的一种流程示意图。

图2是本发明实施例的一种车间布局优化方法的控制方法的一种具体实施方式。

图3是本发明实施例的一种车间布局优化方法的控制方法的一种具体实施方式。

图4是本发明实施例的一种车间布局优化方法的控制方法的一种具体实施方式。

图5是本发明实施例的一种车间布局优化方法的控制方法的一种具体实施方式。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

请参阅图1-5。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

需要说明的是，设施布局是制造系统设计和优化的主要内容，它是指企业根据经营目标和生产纲领，在有限的空间内，将空间合理地组合与分配给人员、设备、物料等生产要素，以满足从原材料的接收、零件和产品的制造直到成品的包装、发运的全过程中各生产要素所需空间，并获得最大的生产经济效益。

因此，科学、合理的车间布置方案，就可以有效的利用车间内的生产资源，提高生产效率，还可以减少车间内的劳动及运输成本。因此，科学合理的设备布局对实际的生产具有很大意义。

如图1所示，本发明时候实施例提供一种车间布局优化方法，所述方法包括步骤如下：

S101，根据设备单元的目标个数、所述目标个数个设备单元所分布的行数，构成设备单元的决策变量矩阵。设车间有n个设备单元，布置为r行，引入一决策变量Z_ik，其中，

i表示设备单元的序号，共n个设备单元，i＝1,2,…,n；k＝1,2,…,r，k表示设备单元的行数，共r行。

如图2所示，车间的总长度为L，宽为H，车间内其中一个设备单元的长为S_j，宽为Q_j，其中，一个设备单元i的坐标中心为(x_i，y_i)，一个设备单元j的坐标中心为(x_i，y_i)。将整个车间置入一直角坐标系中，行方向为x轴正方向，列方向为y轴正方向，设备单元的位置由其中心的坐标确定。

S102，构建车间物流成本所对应的成本函数、车间内总搬运时间函数。车间布局的目标就是建立合理的物流路径,满足各设备单元间的总物料搬运成本最小化。因此,车间布局问题的数学模型可表达为:

式中Q为物流成本；c_ij为单位距离的运输成本；f_ij为单元间的物流频率；d_ij为单元间的距离，d_ij＝|x_i-x_j|+|y_i-y_j|；p_ij为单元间运输物料的重量。

车间内的搬运时间主要有搬运距离、搬运频率与搬运速度有关，为优化车间布局，应使车间内搬运时间最短，其数学模型为：

其中，T为车间内总搬运时间；V为零件的搬运速度，取决于搬运设备。

S103，根据所述成本函数、所述总搬运时间函数，构建间布局的总和目标函数。车间布局的总和目标函数为

W＝ω₁Q+ω₂T

ω_i为权重值，且ω₁+ω₂＝1。

S104，采用实数编码的方式，分别对设备单元的序列符号和设备单元净间距进行编码。该步骤为确定染色体编码方案，具体采用实数编码的方式。编码包括表示不同设备序列的符号和设备净间距两部分，采用如下的编码方式：

[{m₁，m₂，…，m_n}，{Δ₁，Δ₂，…，Δ_n}]

其中，{m₁，m₂，…，m_n}表示设备的排列顺序，{Δ₁，Δ₂，…，Δ_n}表示第i台设备单元与前一台设备单元的净间距。同时，采用自动换行的策略，即如果在同一行内的各设备长度和相互实际间距之和超过了车间的实际长度，本行的最后一台设备单元会自动进入下一行。

S105，设置所述目标函数的倒数为车间布局的适应度函数、设定进化次数。车间布局的适应度函数可以采取目标函数值的倒数的策略实现，即

S106，随机产生N个初设设备单元的排列序列及设备单元净间距组成初始种群。一般是由计算机随机产生N个初设设备的排列序列及净间距组成初始种群。

S107，遗传操作过程包括：选择运算：采用轮盘赌选择法进行选择运算；

交叉运算：对于设备单元排列顺序采用部分匹配交叉算法，对于净间距，采用算数交叉的方法；变异运算：采用互换变异法对净间距进行变异操作。

(1)选择运算：采用轮盘赌选择法进行选择运算。(2)交叉运算：对于设备排列顺序采用部分匹配交叉算法(PMX)；对于净间距，采用算数交叉的方法。(3)变异运算：采用互换变异法对净间距进行变异操作。

S108，自适应遗传算法的交叉率P_c和变异率P_m随适应度函数值进行自动改变，获得车间布局的最优解。

自适应遗传算法的交叉率P_c和变异率P_m可以随适应度自动改变：

其中，f_max表示群体中最大的适应度值，f_avg为每代群体的平均适应度值，f′表示交叉的两个个体中较大的适应度值，f表示将要变异的个体的适应度值。

P_c1，P_c2，P_m1，P_m2是自适应遗传算法开始时设置的交叉概率和变异概率初始值，一般人为选取合适的数值。一般情况下可取值P_c1＝0.9，P_c2＝0.6，P_m1＝0.1，P_m2＝0.01。当算法中最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升或趋于稳定，或者迭代次数达到预设的代数时，算法终止。根据具体的事件确定算法的迭代次数，预设的代数一般设置为100-500代。

进一步设定设备单元的约束条件，在行方向的约束，包括：

(1)每个设备单元只能布置在一个位置上且每行最多布置n个单元

i，j＝1，2，…，n；i≠j；k＝1，2，…，r.

(2)同一行内任意两个设备单元之间的距离需大于基本间距Δx

(3)同一行中单元布置不能超出车间范围

设备单元在列方向的约束，包括：

为使车间内设备单元布置较为整齐，同一行中单元的y坐标相同

y_iZ_ik＝y_jZ_jk

i，j＝1，2，…，n，i≠j，k＝1，2，…，r.

(2)在不同行中的任意两个设备单元在y轴方向上的间距需大于基本间距Δy

(3)在不同行中的设备单元在y轴方向不能超出车间范围

示例性的，某大型船用曲轴生产车间长为264m，宽为72m。根据产品的工艺性，现将车间划分成的11个区域，表1为区域名称及面积(单位为平方米)，车间的初始布局如图3所示。

表1

区域编号	区域名称	区域面积
			1	毛坯区	18*11
2	曲拐加工区	104*17
			3	曲拐加工修整区	47*17
4	曲拐成品区	30*12
			5	曲拐单套区	37*9
6	曲拐打磨区	37*14
			7	主轴颈加工区	103*15
8	曲轴红套区	35*11
			9	曲轴整体加工区	155*36
10	曲轴存放区	100*30

假设，一段时间内工件在各区域间的物流频率和物料运输的重量如表2、表3所示。

表2

	1	2	3	4	5	6	7	8	9	10
											1	40				50
2			36
											3		32
4					29
											5				27
6								25
											7			34
8									5
											9						5
10

表3

	1	2	3	4	5	6	7	8	9	10
											1	340				250
2			297
											3		251
4					220
											5				350
6								340
											7			190
8									330
											9						310
10

运用matlab软件编写相应程序，对自适应遗传算法以及标准遗传算法进行运算。选取算法的参数，群体容量N＝50，最大遗传代数为300，自适应遗传算法中P_c1＝0.9，P_c2＝0.6，P_m1＝0.1，P_m2＝0.01；标准遗传算法中P_c＝0.6，P_m＝0.1；以上述参数运用两种算法对问题进行计算。

算法进化的过程如图4所示，对比两种算法的最优目标函数值，自适应遗传算法的优化程度明显高于标准遗传算法，达到最优解的进化代数也小于遗传算法，其收敛速度更快，克服了遗传算法收敛慢的弱点。

基于自适应遗传算法得出的车间布局的最优解为[10，9，7，3，4，8，1，2，5，6]，车间布局如图5所示，优化后的函数值由最初的101000减小为6300，优化后车间内的物料搬运成本与搬运时间比最初的布局减少35％，对车间内的生产效率有一定的提升。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims

1.一种车间布局优化方法，其特征在于，所述方法包括：

构建车间物流成本所对应的成本函数、车间内总搬运时间函数；根据所述成本函数、所述总搬运时间函数，构建间布局的总和目标函数；其中，所述搬运时间函数的数学模型为：

其中，f_ij为单元间的物流频率；d_ij为单元间的距离，T为车间内总搬运时间；v为零件的搬运速度，取决于搬运设备；

车间布局的总和目标函数为：

W＝ω₁Q+ω₂T

ω_i为权重值，且ω₁+ω₂＝1；

设置所述目标函数的倒数为车间布局的适应度函数、设定进化次数，车间布局的适应度函数采取目标函数值的倒数；

遗传操作过程包括：

选择运算：采用轮盘赌选择法进行选择运算；其基本思想是群体中的每个个体被选中的概率与其适应度函数值大小成正比，根据个体的适应度值来计算每个个体在子代中出现的概率，并按照此概率随机选择个体构成子代种群；

交叉运算：对于设备单元排列顺序采用部分匹配交叉算法，对于净间距，采用算数交叉的方法；将两条染色体中的基因进行随机交叉，以产生优良个体；

变异运算：采用互换变异法对净间距进行变异操作；

自适应遗传算法的交叉率P_c和变异率P_m随适应度函数值进行自动改变；其中，

f_max表示群体中最大的适应度值，f_avg为每代群体的平均适应度值，f′表示交叉的两个个体中较大的适应度值，f表示将要变异的个体的适应度值，P_c1、P_c2、P_m1、P_m2是自适应遗传算法开始时设置的交叉概率和变异概率初始值；

通过自适应遗传算法进行计算，当算法中最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升或趋于稳定，或者迭代次数达到预设的代数时，算法终止，最优个体即为最优解；

每个设备单元均布置在一个位置上，且每行最多布置的设备单元数量小于预设数量；在不同行中，任意两个设备单元在y轴方向上的间距需大于第二基本间距，且在不同行中的设备单元在y轴方向不能超出第二车间范围。

2.根据权利要求1所述的一种车间布局优化方法，其特征在于，当设备单元i所对应的决策变量值Z_ik为1时，表示该设备单元在k行，否则，决策变量值Z_ik为0。

3.根据权利要求1所述的一种车间布局优化方法，其特征在于，同一行内任意两个设备单元之间的距离需大于第一基本间距，且同一行中设备单元的布置不能超出第一车间范围。

4.根据权利要求1所述的一种车间布局优化方法，其特征在于，同一行中，所有设备单元的y坐标相同。