基于Flexsim的方向盤生產線平衡優化研究

杜倩妮+金輝+袁少華

摘 要：文章以某公司的方向盤生產線為研究對象，以Flexsim系統仿真軟件為工具，分析了生產線之中出現的瓶頸問題，通過測試和實驗將工作程序加以合并、簡化和平衡，以此提高生產線的效率，更好地適應現代化生產的要求，增加企業的經濟效益。

關鍵詞：生產線平衡；方向盤生產線；平衡率；Flexsim；系統仿真

1 概述

生產線平衡是對生產線的全部工序進行平均化，通過一定的技術手段與方法，調整工作中心的作業負荷，以使各工作中心的作業時間盡可能相等或相近，減少或消除各個作業間不平衡的效率損失以及生產過剩，消除或減少等待和浪費現象，達到生產效率最大化。生產線平衡問題其實就是平衡整個系統之中的人員與機器之間的各種相互關系，讓生產線達到一個理想的工作效率和水平，以滿足現代生產的需要。本文針對某安全氣囊公司方向盤生產車間的生產線平衡率偏低的實際問題，應用flexsim軟件進行仿真找出生產線的瓶頸，并運用改善各種手段提高生產線平衡率，提高公司的生產效率與效益。

2 汽車方向盤生產裝配線

某公司方向盤裝配線是手工裝配線主要對已經其他車間生產好的方向盤零部件進行組裝，該生產線目前由8個工序組成，主要包括裁皮、縫合、剪線、刷膠、粘合、縫制、熨平和檢查。其中相當部分的操作過程是在一個有著多個直線排列的裝配站和相符合的操作員組合而成的。有一個或者多名的操作人員位于一個工作站之中，來完成各自規定的任務。只有少數操作是坐著完成的，大部分裝配在移動中裝配。利用檢測將合格產品送入倉庫，而不合格產品需要返工。

通過對方向盤生產線的實際考察以及相應數據的調查與數據測量的具體情況進行分析，找出了該企業生產線所面臨的問題。第1、3、5工位時間較短，而第4、6工位時間較長，并且生產線的整體節拍不合理。第6工位生產時間最長，即生產線的生產節拍是1800S。方向盤生產線的平衡率為：33.5%。由此可見，方向盤裝配線的生產平衡率遠遠小于85%，大量物料和在制品只能在成型階段打包暫存，增加了現場場地的占用。

3 方向盤生產線生產系統實例仿真

3.1 應用Flexsim建立裝配線的仿真模型

（1）生成實體并連接端口，定義物流流程。

（2）參數設置。

a.處理器。在這里總的延遲時間被分成了兩個部分：預置時間和處理時間，處理器對應于每個生產線作業工位設備的操作時間。

b.緩存區容量：將緩存區的各參數設置量均設置為100000。

c.產品到達的時間間隔設置：服從均值為8秒的指數分布。

d.吸收器的參數設置：它的參數是默認的，不需要進行設置。

（3）編譯重置運行

方向盤裝配線每天一班，按8小時計算，每月21個天工作日，仿真時間T=604800秒。

仿真結果，在暫存區1，3，5，6區都存在了待加工半成品堆積問題，在仿真模型的運行過程中，設置暫存區參數時將最大堆積量設為10000個，此時暫存區已經達到了最大堆積量，并且一直維持最大堆積量。在1，3，5，6區之外的暫存區中都沒有發現堆積的待加工半成品，這種狀態一直保持在方向盤裝配線仿真模型的運行過程中。

由此可見，方向盤生產線各工位時間安排的非常不合理。因此，要對裝配生產線進行平衡改善，采用取消、合并、重排和簡化的方法來取消多余無用的操作動作，規范操作方法，使操作更加簡單、有效，對生產節拍進行調整，讓各個工作環節之間負荷被分擔，盡量地縮減產品的裝配時間，增加單位時間的產品產量，從而達到降低生產成本、提高生產效率的目的。

3.2 對裝配生產線改善

（1）劃分裝配生產線最小作業單元

需要對裝配線的工作進行再次組合，重新組合工作地。重新確定各個作業單元的手工作業時間，依據最小理論作業單元不可再細分的原則，將各個工作單元的作業時間進行重新確定，讓每個工位都得到最基本的工作單元，使得每個工位都處于一個忙碌的狀態，而不是閑忙不均，在最少的時間內完成最多的任務量，縮短生產的周期，讓各個工作單元都處于有序忙碌的工作狀態。結果將原來的15個工位分為20個最小作業單元。提升整體生產線效率和降低生產現場的各種浪費。

（2）確定各工位的正常作業時間

通過操作分析和動作分析實現裝配線作業標準化，操作分析應用雙手操作分析圖進行改善，動作分析通過雙手操作程序圖實現，而作業測定是在以上兩個步驟的基礎上進行。

（3）確定各個生產作業單元的標準作業時間

根據該企業的實際情況制定出合適的寬放率，在已知方向盤生產線各作業單元的正常時間情況下，確定出調整后各作業單元的標準時間，如表1所示。

（4）生產線平衡

進行生產線平衡要先安排那些后續作業較多和持續時間很長的作業，因為這些作業會限制生產裝配線平衡的實現。根據總空閑時間最少、物流快速、使得各工位負荷率最低和縮短生產周期的原則，對該方向盤裝配生產線進行改善，對各個作業崗位進行安排。利用取消、合并、重排、簡化的方法取消操作中的所有多余的操作動作，改善一切不合理的操作方法，使操作更簡單、更有效，實現了生產線的生產節拍的調整。方向盤裝配線時間平衡之后各工作站實際作業時間安排如表2所示。

3.3 平衡改進后的仿真模型分析

運用工作程序分析、操作者的操作分析和動作分析對裝配生產線進行了一系列的標準化改進，對各個工序的內容分別進行程序、動作、搬運和物流改善。

Flexsim仿真軟件仿真改善平衡后模型的仿真結果，各暫存區均無太多的待加工品堆積。改善之后的6個工位的加工處理時間占工位總時間的60%至90%，而且各個工位的空閑率不同程度地下降，工作地時間損失系數明顯下降，消除生產瓶頸﹐提高作業效率。

在平衡前各工位處理器的利用率圖1中，代表各工位處理器利用率的折現忽高忽低，看出生產線各工位處理器利用率極不均衡。由平衡后各工位處理器的利用率圖2可以看出，代表工位處理器利用率的折現沒有出現過高或者過低的現象，均衡的分布在60%～90%之間，可見經過平衡后生產線各工位負荷相對平衡了。

方向盤生產線經過仿真-平衡-再仿真，經過改善平衡后，裝配生產線的平衡程度大大提高，各工位的負荷得到了均衡，空閑時間減少了99.3374秒。生產線的平衡率由原來的66.8%提高到88.9%。生產效率明顯提高，平衡前每天只能生產8%個方向盤，平衡后每天能生產17%個方向盤，產量獲得明顯提高。

4 結束語

本文研究了某公司的方向盤生產線作業能力和平衡問題，應用Flexsim軟件仿真找到了生產線的瓶頸，對各個作業崗位進行安排，讓各個工作環節之間的負荷更加合理。通過仿真、平衡、再仿真之后，對平衡前與平衡后的重要指標及各工位利用率和空閑率比較分析表明，生產流程和管理工作更加有序，優化了材料、人員和機器的使用情況，方向盤生產線的平衡率明顯提高，生產線達到了高效和平衡。

參考文獻

[1]朱欣鈺.F公司減速器裝配線平衡研究[D].吉林大學，2014.

[2]鐘經寰.LM公司改善生產線平衡的案例研究[D].華南理工大學，2013.

[3]陳維余.DYC公司總裝生產線平衡問題研究[D].山東大學，2012.

[4]付郁.S公司發動機總裝線生產系統建模及改善研究[D].沈陽工業大學，2014.

[5]金輝，張曉丹，馬莉，等.生產線平衡與優化研究[J].新課程，2015，7：187.

[6]李菊芳，賀仁杰，姚鋒，等.成像衛星集成調度的變鄰域禁忌搜索算法[J].系統工程理論與實踐，2013（12）.

[7]陳捷.基于動態規劃算法的最值問題分析[J].電腦與信息技術，2013（06）.

[8]李明，李珊，夏緒輝，等.大規模工位裝配線平衡問題的規則組合算法[J].計算機集成制造系統，2013（11）.

[9]項昌毅，楊浩，程月華，等.基于啟發式算法的可重構性指標分配[J].空間控制技術與應用，2013（05）.

[10]公緒霞，齊二石，劉亮.基于模糊優化理論的裝配線平衡多目標優化[J].機械設計與制造，2013（07）.

[11]周爾民，徐翔斌，潘磊.汽車變速器裝配線可視化裝配工藝仿真技術的研究與應用[J].汽車技術，2012（07）.

[12]錢辰，李姝.線性規劃方法在企業生產中的應用[J].中國高新技術企業，2011（03）.

[13]Nils Boyscn， Maltc Fliedner. A versatile algorithm for assembly line balancing[J]. European Journal of Operational Research， 2006，11.

[14]Data driven production modeling and simulation of complex automobile general assembly plant[J] .Junfeng Wang，Qing Chang， Guoxian Xiao， Nan Wang，Shiqi Li. Computers in Industry，2011 （7）.

[15]Simulation optimization using particle swarm optimization algorithm with application to assembly line design[J] . R.J. Kuo，C.Y. Yang. Applied Soft Computing Journal，2009 （1）.

[16]Localization in Supermarket Based on RFID Technology[J].Wei Song，Mengli Li.Procedia Engineering，2012.

[17]Multi-scale， multi-modal neural modeling and simulation[J].Shin Ishii.Neural Networks，2011（9）.