基于遺傳算法的家具生產線優化設計研究

張珂

摘要：家具生產線的運行效率，直接決定著家具的生產效率以及生產成本，為了提升家具生產效益，需要對其進行優化.基于此，本文將首先介紹家具生產線運行現狀，其次，進行家具生產線平衡分析，最后，分析遺傳算法基礎上家具生產線的優化措施，最終達到對家具生產線進行有效優化的目的.

關鍵詞：家具生產線;遺傳算法;優化設計

中圖分類號：TP18;TS664.01? 文獻標識碼：A? 文章編號：1673-260X（2019）06-0111-03

目前我國經濟發展的速度較快，企業在實際發展的過程中需要根據時代的發展不斷完善，只有這樣才能保證自身的經營發展質量.本文將以家具生產線為例，在遺傳算法的基礎上對家具生產線進行優化，提升家具生產線的運行質量以及運行成本，不斷提升家具生產企業的經營效益，促進我國經濟的發展.

1 家具生產線運行現狀

本次研究的家具生產線主要生產的家具為沙發，該沙發在實際生產的過程中，由左三位、右三位以及腳踏構成，在左三位上安裝兩個枕頭.整個沙發的生產過程共需要24道工序，在實際研究的過程中，針對每道工序進行時間測量，針對一項工序共測量6次，進而保證時間檢測的準確性，根據6次的測量結果計算平均值，將其作為實際工作時間[1].圖1為沙發組裝圖.

在實際沙發制作的過程中，可以將24道工序分為10部分進行，第一，取木架，第二，釘白紗布、裝彈簧、釘網以及安裝松緊帶.第三，噴澆水、貼三位棉、安裝腳踏步.第四，套粘布.第五，釘粘布.第六，釘腳、安裝五金架，第七，安裝頭枕、安裝外套，第八，放粘子、放靠包，第九，檢驗，第十，包裝.以上步驟為沙發制作的大致流程，在研究家具生產線優化的過程中，需要根據以上步驟作為主要對象，利用遺傳算法對其進行研究[2].

2 家具生產線平衡分析

通過分析家具生產線中各流程使用的時間發現，以上十個流程平均使用的時間分別為243s，526s，398s，375s，500s，410s，339s，140s，99s，270s.通過以上時間分析能夠看出，在實際家具生產中，第二階段所用的時間最長，是影響生產效率的主要影響因素，另外，各個工作流程中所用時間的差異性較大，最少用時為99s，與549s相差450s，這也是導致平均加工時間增加的主要因素之一.在計算家具生產線平衡率的過程中，需要用總時間/最大時間與總人數的乘積=5251s/（526x15）=66.55%，因此家具生產線平衡率為66.55%，則平衡損失率為1-66.55%=33.45%.通過以上計算能夠得出，在生產該家具的過程中，平衡損失率為33.45%，平衡損失率為20%，由于33.45%大于20%，因此該項家具生產線處于時間浪費超標的情況，整個家具生產線的效率較低，也就是說，根據這一生產時間，每生產一套沙發，浪費的時間為2639s，整體生產平衡的效果較差，因此需要對其進行優化[3].

在整個生產過程中，最嚴重的問題就是工作流程時間分配不均衡的問題，時間差異較大，整個家具生產線的生產效率無法提升，另外，這種情況還會導致工作流程之間的加工商品堆積或者供應不足，浪費生產空間以及生產時間，提升生產勞動成本的同時，降低經營利潤，最終對企業生產效益產生影響.因此在實際家具生產線優化的過程中，需要針對加工時間分配不均勻這一問題進行有效解決，提升整個家具生產線的生產力，減少時間浪費的情況，最終降低生產成本，提升經企業的經濟效益.

3 遺傳算法基礎上家具生產線的優化措施

3.1 家具生產線優化模型的建立

由于本次家具生產線優化主要針對的對象為時間和指定生產元素，因此需要根據生產的產量，計算相應的生產節拍，保證各個生產流程的獨立進行，其中作業元素只能與一個工作站相互對應.在分配工作站時間的過程中，必須滿足相應的約束條件，各個工作站的生產時間不能大于約束條件，在此基礎上確定工作站數量的最小值.工作站使用矩陣利用B來表示，B（J）=0/1，J=1，2，3…M.如果B=0，則說明該工作站上并不存在作業，當B=1時，則說明該工作站上存在一項工作，I表示工作作業元素的合集，J為工作站的合集.其中I=“1，2，fi，fN，J=”1，2，fj，fM，其中i為時間元素.如果約束條件的計算結果為1，則說明一個工作站智能對應一項作業，在分配作業的過程中，必須將約束條件作為前提條件，同時工作站的運行時間需要與生產節拍相等或者小于生產節拍.根據家具生產線的實際運行情況，可以采用遺傳算法數學模型對其進行計算[4].表1為相關參數在遺傳算法中的對應關系.

3.2 家具生產線優化算法設計

家具生產線優化過程中的算法設計主要包括以下內容;

第一，編碼，這一過程需要利用作業元素序列進行，將作業元素根據工作站的實際情況進行分配，并將其中對應的序號排列成染色體，其中各項作業元素與染色體的基因位置相互對應.編碼完成之后，染色體中的各項作業元素需要滿足優先級別的條件，編碼染色體的呈現形式1，2，3，4，5，6，8，9，12， 10，13，7，11，14，15，16，17，18，19，20，21，22，23，24.其中每個數字代表著一項作業元素，例如2對應著第二個作業項目元素，根據編碼的順序進行工作站排列.

第二，編碼翻譯，由于以上染色體中只能將作業元素的順序顯示出來，因此在翻譯編碼的過程中，需要將染色體分配到相應的工作站中，根據對應的生產節拍原則進行翻譯.其中作業時間用tt表示，M的初始值為0，翻譯過程包括以下步驟，第一，tt=tt+time（xi），若tt≤CT<tt+time（xi+1），則M=M+1，tt=0.若i=N-1，M=M+1，符合以上要求進行第二部分翻譯.：i=i+1.若i≤N-1，將其轉到第一步翻譯中，如果最終結果i=N，則完成全部翻譯.

第三，選擇算子，可以使用保存最優的方法進行選擇，在相應函數值的基礎上，除去種群中的劣質個體，保存優質的個體，在遺傳算法中，保留最優算法能夠將工作站數值中的最小M值代替M值中的最大個體[5].

第四，交叉算子，在此過程中需要利用交叉概率進行，利用Pc針對個體進行相互匹配，兩個兩個為一對，進而出現新生的個體，采用交叉算子的方式能夠將群體中的優質基因保存下來.例如，進行交叉算子相互匹配的個體分別為A1，A2，則得到的新個體為A1’，A2’.在此過程中需要在這兩個父代序列中選擇交叉點，在[1，N-1]的范圍中選擇，假如m=8，則二者之間的交叉點為如下所示.

3.3 家具生產線優化算法計算

在算法求解的過程中，需要根據遺傳算法理論進行，根據家具生產線的實際情況進行，采用MATLAB進行編程，程序中的生產節拍時間為418秒，s=100，進化代數為200，最優個體數為15，交叉概率為0.8，變異概率為0.06.在實際平衡的過程中，工作站從15個變為14個，最小的工作站數量為14個，節拍時間為410s，平衡率為91.5%，平滑系數ST=157.7.圖2為優化完成后個工作站工作對應的時間.

3.4 家具生產線優化效果對比

優化完成之后，家具生產線的運行效益得到了有效提升，在經濟方面，家具生產線優化提升效益為29.4%x14x3500x12=172930元，（效益提升數量x作業人數x人均月薪x每年工作月數）.由此可以看出，利用遺傳算法對家具生產線進行優化，取得了顯著的研究效果，無論在經濟效益還是在人工勞動成本中，都取得了非常明顯的提升，促進家具生產線能夠高效的運行，不斷提升企業的經濟效益，促進我國經濟的穩定發展[6].

綜上所述，隨著人們對家具生產線的關注程度逐漸提升，如何提升家具生產線的運行效率，成為有關人員關注的重點問題.本文通過研究遺傳算法基礎上家具生產線的優化措施發現，對其進行研究，能夠大大提升家具生產線的生產質量，促進今后遺傳算法在家具生產線優化中的發展.

參考文獻：

〔1〕蘇冬勝.家具模塊化設計的應用與發展[J].廣西輕工業，2008（11）：100-101.

〔2〕歐立華科技.安通為瑞典家具巨頭Kinnarps提供一站式板式家具生產線[J].林產工業，2017，44（05）：54.

〔3〕林時峰.河南襄城始建年產15萬m～3秸稈生態板及70萬套環保成品家具項目[J].林產工業，2016，41（04）：43.

〔4〕劉林.基于先進制造理念的板式家具生產線的規劃與設計[D].中南林業科技大學，2016.

〔5〕魏玲.基于EM-Plant的家具自動化生產線的仿真研究[J].哈爾濱理工大學學報，2015，15（02）：110-114.

〔6〕林海.家具模塊化設計方法實例分析[J].家具與室內裝飾，2005（09）：20-22.