基于启发式算法与仿真分析的混合流水线平衡优化.pdf

《基于启发式算法与仿真分析的混合流水线平衡优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第2期组合机床与自动化加工技术NO．22013年2月ModularMachineTool&AutomaticManufacturingTechniqueFeb．2013文章编号：1001—2265(2013)02—0014—05基于启发式算法与仿真分析的混合流水线平衡优化木查靓，田行(三峡大学机械与材料学院，湖北宜昌443002)摘要：为快速求解混合流水线平衡问题，提出一种将启发式算法和仿真分析相结合的方法。首先将多产品的作业优先次序图转化为单一产品的综合作业优先次序图，然后利用基于关键路径的双向启发式算法

2、求得初始平衡方案，接着根据混合流水线运行特点建立仿真模型，通过仿真分析，辨识存在的问题并进行改进，得到优化平衡方案。最后通过一个案例验证了所提方法的有效性。关键词：混合流水线；平衡；启发式算法；仿真中图分类号：TH181；TP301．6文献标识码：AMixed．modelLineBalancingandOptimizationBasedonHeuristicandSimulationZHAJing，TIANHang(CollegeofMechanical＆MaterialEngineering，ThreeG

3、orgesUniversity，YichangHubei443002，China)Abstract：Inordertosolvemixed-modellinebalancingproblemquicklyandefficiently，thepaperpropo-sesamethodtocombineheuristicapproachandsimulationanalysis．Firstlycombineseveralproducts’precedencegraphtoasingleproduct’Sprec

4、edencegraph．Secondlyusebidirectionalheuristicapproachbasedoncriticalpathtogetapreliminaryresult．Thirdlysetupthemixed—modelline’Ssimulationmod—e1．Thebottleneckworkstationisidentifiedbysimulationandanalysis，andthenanimprovedresultisputforward．Finally，acasede

5、monstratesthemethod’Seffectiveness．Keywords：mixed—modelline；balancing；heuristic；simulation求解。ReakookHuang和HiroshiKatayama设计了0引言两阶段遗传算法求解多目标u型混合流水线平衡问混合流水线是指在不降低流水线效率的前提题。凌文曙利用遗传算法解决了某车桥混合装配下，在一条流水线上实现具有相似特征的多个产品线平衡问题。但是，智能算法计算复杂，耗时较长，或者是一个产品系列的不同品种的混合生产，与单

6、基于规则的启发式算法计算简单快捷，容易为生一产品流水线相比，能够在保持较低库存水平的情产实践者理解和掌握，在单一产品流水线平衡实际应况下更加柔性的应对顾客个性化和多样化的需求。用较多，但对混合流水线平衡优化精度不高，特别是对混合流水线平衡是混合流水线优化设计的重要问题不同产品在每个工作站的作业时间均衡效果不佳。因之一。这是因为混合流水线平衡有利于：(1)消除生此，本文提出一种将启发式算法和仿真分析相结合的产瓶颈，减少架线成本，提高生产效率。(2)提升员方法，首先将多产品的作业优先次序图转化为单一产工士气，稳

7、定产品质量。(3)加快物流周转，缩短生品综合作业优先次序图，然后利用基于规则的启发式产周期，减少或消除物料及半成品周转场所。算法求得初始平衡方案，接着根据混合流水线运行特混合产品流水线平衡远比单一产品流水线平衡点建立仿真模型，通过仿真分析，辨识存在的问题并进复杂，现有研究多采用遗传算法、蚁群算法、粒子群行改进，从而得到最终优化平衡方案。算法等智能算法进行求解。张则强等⋯提出了一种1混合流水线平衡问题的描述带信息素总合规则和混合搜索机制的蚁群算法进行求解。徐炜达和肖田元研究了带有跨工位操作，根据流水线上加工产

8、品品种的多少，流水线平且作业完成时间为随机量的混合装配线平衡问题，衡问题可分为单一产品、多产品和混合产品流水线结合随机模拟和遗传算法设计了混合遗传算法进行平衡问题。其中，单一产品流水线上只生产一种产收稿日期：2012—06—21；修回日期：2012一O7一l3十基金项目：国家自然科学基金资助项目(71071059)；三峡大学人才科研基金(KJ2011B03)；教育部博士点基金项目(20100172120040)；