基于遺傳算法的多品種小型電機裝配排產優化

李玉城

摘要：小型電機是多種電氣傳動的基礎部件，品種多，生產工藝和裝配過程復雜，隨著市場需求量的逐年增長，提高小型電機的裝配效率變得尤為重要。在深入分析W公司小型電機裝配流程的基礎上，采用遺傳算法構建了以縮短生產周期為目標，以每個工作站最多加工一個工件且工件在裝配線上采用平行移動方式為約束的多品種排產優化模型，編制了程序進行仿真優化，結果顯示生產周期較原先縮短了8.3%，產能較原先提高了8.2%。

Abstract： Micro-motor is the basic part of a variety of electrical transmission， with many varieties， production process and assembly process is complex， with the market demand growth year by year， improving the assembly efficiency of micro-motor has become particularly important. On the basis of in-depth analysis on the assembly process of micro-motor of W company， genetic algorithm （ga） is used to construct the multi-variety production scheduling optimization model with shortening the production cycle as the goal， with each workstation at most an artifact and workpieces using parallel moving way on the assembly line as the constraints， the program is compiled to optimize the simulation and results show that the production cycle has been shortened by 8.3%， capacity is increased by 8.2%.

關鍵詞：遺傳算法;小型電機;排產優化;裝配線

Key words： genetic algorithms;electrical machinery;production scheduling;assembly line

中圖分類號：V229? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）04-0293-03

0? 引言

電機作為當前市場上電氣傳動的關鍵部件，是機電能量轉換的基礎裝置，應用于多個領域，特點是具有較多的品種及繁雜的規格。電機生產企業數量龐大，產品涉及的細分行業較多，限制了該產業集中度，無明顯的周期性、區域性、季節性特征。目前中小型電動機保有量已經達到16億千瓦，成為世界上最大的中小型電動機生產、使用和出口大國。

W公司是生產小型電機的企業，目前，電機產品銷量急速上漲，4種電機的需求量為每日共65臺以上，而車間每日產能僅有45臺。由于電機生產過程復雜，任務量的增加使得原有生產管理中的問題暴露出來。傳統的“直線型”模式拉長了整個空間維度，使生產線前后員工交流不便，信息傳遞不能快速及時;預裝區及物料暫存區所占空間較大，零部件大量堆積，場地混亂。因此優化投產順序，提升4種型號電機產能變得刻不容緩。

生產線的效率很大程度上取決于排產優化策略，已經有諸多學者從不同的方面研究了生產線的排產優化問題。祝勇和潘曉弘[1]針對其研究特點對粒子群優化算法進行改良，通過改善PSO算法建立排產模型，為研究企業電子產品訂單排產提供了有效參考。潘寒[2]等基于遺傳算法對PC構件進行工廠排產研究，選用貪心算法和遺傳算法的各自優點，構件排產優化的數學模型，提高了傳統遺傳算法的收斂速度。韓忠華[3]等對路由緩沖期的客車制造車間進行排產研究，建立RBBMS數學模型，同時采用SPF算法進行局部尋優，并在鯨魚算法的基礎上對其進行改良，便于有針對性的解決實際排產問題。但目前研究大部分是關于電子產品，建筑材料，汽車等產品的裝配線排產優化問題，幾乎很少涉及多品種小型電機的排產優化問題。

針對上述問題，本文研究了多品種小型電機混流裝配線的投產問題，以縮短生產周期為目標，以W公司的多品種小型電機生產車間為研究對象，通過建立數學模型并利用遺傳算法求得最優排產方案，使企業的生產效率得到了顯著提升。

1? W公司電機生產工藝流程

小型電機裝配共有定子加工、處理、檢驗，產品的裝配、檢驗、噴漆、包裝等20道工序，如圖1所示。

各個型號產品在各個工作站上的加工時間如表1所示，時間單位為分鐘，表中最長加工工位是定子加工。

2? 目標函數構建

假設裝配線由m個Mj（j=1，2，…，m）工作站組成，車間有A個Na（a=1，2，…，A）型號產品在該裝配線上加工。建立目標函數如下：

3? 利用遺傳算法解決排產問題

遺傳算法是一種搜索啟發式算法，屬于計算機科學人工智能領域的自適應尋優算法[6]。本文根據車間實際問題分析，提出利用遺傳算法優化排查問題。遺傳算法大致流程如圖2所示。

首先是編碼，目前比較流行的編碼規則有，矩陣編碼、二進制編碼、樹形編碼和量子比特編碼等[7]。本文采用矩陣編碼。

設置遺傳算法中的各個基本參數，本文設置隨機產生種群數目為100，初始解中完全隨機的解占比為0.9，初始解中最小時間選擇解占比為0.05，初始解中剩余加工時間最大優先選擇解占比為0.05。最大迭代數目為200代，交叉率為0.7，變異率為0.02，最大鄰域搜索范圍為5。

建立基礎數據結構體，生成初始解并開始計算目標函數值，若滿足目標值，則輸出最優解，若不滿足最終值隨則開始選擇下一代種群、交叉、變異產生新一代種群，不停的迭代循環尋找最優解，若在最大迭代數之前達到終止條件，則穩定在某一值，迭代完成輸出結果，如圖3所示。

圖中可以看出最優個體和總體均值在185.2時趨于穩定，即最優值為185.2。最優狀態下的排產方案如圖4所示。

4? 結果分析

利用遺傳算法對數學模型進行求解，得出圖3圖4相應數據。圖3遺傳算法結果圖中，實線表示最優個體，虛線表示總體均值。通過圖3結果可以看出原始投產順序生產周期接近202，甚至更長。根據最優排序進行排產實驗，結果顯示優化后生產周期比優化前生產周期縮短了16.8，較之前縮短了8.3%，產能較之前提高了約8.2%，有效提高了生產效率。圖4排產甘特圖是最優狀態下的排產方案，在圖中可以看出各工件在各工作站之間傳遞順暢，聯系緊密。加工過程中存在合理空隙，保證了工人在工作期間的合理休息時間，緩解了因長時間作業造成的工作疲勞，同時降低了次品率，并且保證了機器的加工效率。綜合優化排產結果，此排產方案較為合理。

5? 結束語

針對電機廠制造過程中投產順序不合理的問題，結合生產工藝流程，對生產線進行合理平面布局后，利用遺傳算法對電機混流裝配線的排產問題進行優化研究，根據實際情況建立函數并列出各約束條件，不斷迭代循環得出最優解，計算得到最短耗時并且給出最優的排產方案。電機身為我國在工業未來發展中必不可少的機械用具，在今后將會較大的市場，提高電機產能對未來工業發展將會起到一定的促進作用。希望本文研究方案能對同類型制造業的調度問題起到積極作用。

參考文獻：

[1]祝勇，潘曉弘.基于改進粒子群優化算法的電子產品排產研究[J].中國機械工程，2011，22（1）：49-54.

[2]潘寒，黃熙萍，靳華中，鄒貽權，劉陽.基于遺傳算法的PC構件工廠排產研究[J].土木建筑工程信息技術，2018，10（6）：114-115.

[3]韓忠華，張權，史海波，王世堯.具有路由緩沖區的客車制造車間排產優化問題研究[J].現代制造工程，2019（7）：12-23.

[4]姚麗麗，史海波，劉昶，等.煙草排產中嵌入規則的遺傳算法應用研究[J].制造業自動化，2011，33（4）：89-93.

[5]王博.液壓缸基礎零件制造車間IVIES的研究與設計[D].南京：南京理工大學，2017.

[6]張超群，鄭建國，錢潔.遺傳算法編碼方案比較[J].計算機應用研究，2011，28（3）：819-822.