基于分散搜索算法的单元构建与布局设计的并行研究

《基于分散搜索算法的单元构建与布局设计的并行研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于分散搜索法的单元构建与布局设计的并行研究摘要：设计单元制造系统的两个决定性因素是单元成形和单元布局。在解决单元构建问题时，决定了机器组和和相应的零件族；在解决设备布局问题时，决定了设备在单元内的位置与单元之间的相对位置。实际生产中，这两个问题是互相影响的，并行的解决单元构建与单元布局能够设计出一个高效的单元制造系统。一些非常重要和实际的因素例如单元内的布局、单元间的布局、操作顺序、零件需求量、物流批量、单元数、单元大小和可选操作路径等都结合在了数学模型中。分别用多目标分散搜索法、非支配遗传算法（NSGA-II）、-

2、约束法求解。有文献采用了这些方法解决这九个问题。对这个问题的参数进行敏感性分析，能够得到参数对于目标函数值的影响。结果表明，多目标分散搜索法比非支配遗传算法（NSGA-II）更易于操作，并且得到更优的目标值。关键词：单元制造系统单元构建布局设计多目标规划分散搜索法NSGA-II1背景介绍单元制造是成组技术在制造领域中的一个重要应用。在单元制造系统中，相似的零部件被聚类为零件族。同样地，机器组成机器单元。零件族是在相应的机器单元内加工。单元制造系统具有流水线生产和加工车间生产优点，能够像流水线生产那样高效，也具备了加工车

3、间的柔性。因此，单元制造模式是一个能够减少在制品数、缩短反应时间，减少加工成本、降低瑕疵率、缩短斜升时间和工件运输时间、简化操作和提高产品质量的比较令人满意的制造哲学[1,2]。Wemmerlove和Hyer[3]把单元制造系统的相关问题归结为以下四类：1、单元成形：把零件划分为零件族并将机器组成机器组；2、布局设计：包括单元内的布局设计与单元间的布局设计；3、成组时序安排：零件根据相应的生产计划进行生产；4资源的分配。Singh[4]定义了三个设计单元制造系统的问题：1—单元成形；2—单元内的布局；3—单元间的布局。

4、Heragu[5]和Jajodiaetal.[6]在设计单元制造系统中定义了三个相似的阶段，在第一阶段对零件和机器聚类，在后续的两个阶段最优化零件加工成本。通过对上述学者的观点分类，可知单元成形和单元布局是能否成功设计单元制造系统的决定性因素。针对单元成形问题，零件划分为零件族和机器划分为机器组是就零件之间的可视相似性和操作顺序而言的。很多学者已经针对这个问题构建了不同的模型方法。Selimetal[7]针对这些方法做了相关总结，Papaioannou和Wilson[8]也对解决单元成形的方法做了归纳，单元成形问题的解

5、决结果通常表示为零件—机器分块矩阵，分块矩阵的每一个块代表一个制造单元。块外的元素叫做例外元素表明了单元间的物流，如图1所示。研究者在解决单元成形问题时，往往通过减少例外元素个数或者最大化单元内的相似系数。Miltnberg和Zhang[9]、Shafer和Regres[10]以及YinandYasuda[11]针对零件的相似系数做了大量工作，读者可以参考。布局设计问题包括单元间的布局设计和单元内的布局设计。单元内的布局设计是指机器在制造单元内的位置，单元间的布局设计是单元的位置。布局设计的目标是减少物料的流动费用。布

6、局的形式线型、并行和环形等。Hassan[12]针对单元制造系统的不同布局形式做了相关比较。在单元制造系统的单元成形与布局设计之间存在一定的交互作用。Arvind和Irani[13]对设计单元制造系统的交互作用做了深入的研究。通过解决单元成形问题决定了零件族和机器组。当机器单元发生改变，意味着需要把一个机器从一个单元移动到另一个单元，则单元内的布局也就发生改变。例如，假设单元内的布局方式是直线型的，当改变单元成形结果，直线型布局中的最优次序的机器位置就会不同。同样，为了减少单元间的物流成本，单元间的布局也需要重新规划。

7、此外，每个单元的大小受单元内的机器种类以及数量的影响。另一方面，为了减少原材料总的处理成本，机器有时会需要移动到其它的单元内。当出现物料的反向流动、机器不匹配、机器重复时这种交互作用变的更明显。在单元内布局与单元间布局同样地也存在交互作用。当单元之间有物料流动时，单元内的布局发生改变，单元间的布局也会发生改变。单元间的重新布局是为了减少单元间的物流成本。同样地，单元间的布局也会影响单元内的布局。2.相关文献国内外的学者针对单元制造系统做了大量的研究工作，主要集中在单元成形和单元布局这两个问题上。Vakharia和Wem

8、merlov[14]研究了单元制造系统的三个问题：零件族、机器组和直线型布局。他们使用四阶段分析法来解决这个问题。基于操作次序的相似性系数也被应用在方法中。目标函数是最小化单元的闲置率与成本。Akturk和Balkose[15]使用多目标数学模型解决单元成形和单元布局问题，并使用遗传算法求解模型。模型中优化的六个目标是最小化基于设