基于遺傳基因理論的汽車(chē)維護(hù)生產(chǎn)系統(tǒng)優(yōu)化仿真

張立斌，韓 玲，劉義才，葛淑斌，李 昱

（1.吉林大學(xué) 交通學(xué)院，長(zhǎng)春 130022；2.中國(guó)人民解放軍65316部隊(duì) 裝備部輪式車(chē)輛科，長(zhǎng)春 130000；3.上海大眾汽車(chē)有限公司 整車(chē)分部，上海 201805；4.中國(guó)人民解放軍徐州空軍學(xué)院 航空兵軍交運(yùn)輸指揮系，江蘇 徐州 221000）

我國(guó)運(yùn)輸車(chē)輛執(zhí)行的是“定期檢查、強(qiáng)制維護(hù)、視情修理”的汽車(chē)維修制度，汽車(chē)二級(jí)維護(hù)是其中核心內(nèi)容［1］。車(chē)輛技術(shù)狀況下降，不安全隱患增多，所以必須加強(qiáng)二級(jí)維護(hù)管理。國(guó)內(nèi)汽車(chē)檢測(cè)線標(biāo)準(zhǔn)不一，目前雖然已有相關(guān)生產(chǎn)線的研究?jī)?nèi)容，但多數(shù)只是闡述二級(jí)維護(hù)作業(yè)的違規(guī)操作［2-4］。這些研究?jī)H是對(duì)汽車(chē)維護(hù)人員職業(yè)道德的一種行為規(guī)范，并沒(méi)有涉及生產(chǎn)線調(diào)度的理論研究。針對(duì)上述問(wèn)題，本文提出了一種基于遺傳基因理論優(yōu)化汽車(chē)二級(jí)維護(hù)生產(chǎn)線調(diào)度平衡的方法，并在汽車(chē)生產(chǎn)線調(diào)度問(wèn)題上進(jìn)行初步試驗(yàn)，試驗(yàn)結(jié)果證明該調(diào)度方法使二級(jí)維護(hù)生產(chǎn)線的效率得到顯著提高。

1 生產(chǎn)線建模

汽車(chē)維護(hù)任務(wù)就是合理安排汽車(chē)生產(chǎn)線的車(chē)間調(diào)度，提高生產(chǎn)率，使維護(hù)車(chē)輛數(shù)最多。二級(jí)維護(hù)基本項(xiàng)目有作業(yè)11項(xiàng)，共48個(gè)步驟。對(duì)于生產(chǎn)線上每個(gè)工位的作業(yè)時(shí)間，本文取其平均值，所得作業(yè)時(shí)間更為精確化。生產(chǎn)線各工位的作業(yè)時(shí)間安排如圖1所示。

由圖1可看出，整輛車(chē)檢完需183min。第2工位維護(hù)時(shí)間較長(zhǎng)，其前設(shè)立暫存區(qū)。第4、5工位維護(hù)作業(yè)時(shí)間較短，平衡優(yōu)化時(shí)可考慮合并，其后設(shè)立暫存區(qū)。第7工位維護(hù)作業(yè)時(shí)間最長(zhǎng)，是整條生產(chǎn)線的“瓶頸”，在其前設(shè)立暫存區(qū)。

為了對(duì)二級(jí)維護(hù)生產(chǎn)線進(jìn)行優(yōu)化，需要對(duì)該生產(chǎn)線系統(tǒng)建立數(shù)學(xué)模型，然后通過(guò)計(jì)算機(jī)進(jìn)行仿真。生產(chǎn)線系統(tǒng)建模的原則如下［5-6］：本系統(tǒng)模型包括1條主線、1個(gè)發(fā)生器（source）、11個(gè)處理器（processor）、4個(gè)暫存區(qū)（queue）和1個(gè)吸收器（sink）。根據(jù)以上模型實(shí)體與生產(chǎn)線工位對(duì)應(yīng)關(guān)系建立仿真模型。仿真流程模型如圖2所示，實(shí)體模型對(duì)象間的黑色線條表示各對(duì)象間已經(jīng)連接。

圖1 各工位時(shí)間表Fig.1 Time table of work stations

由圖2可看出，生產(chǎn)線運(yùn)行混亂，工序堆積嚴(yán)重，各工位作業(yè)量差別較大，因此有進(jìn)一步提升的空間。

從表1可知，除第7工位空閑率較低外其余各工位的空閑率過(guò)高，工位沒(méi)能完全充分利用。

圖2 二級(jí)維護(hù)生產(chǎn)仿真流程模型Fig.2 Vehicle maintenance simulation model

2 遺傳基因預(yù)處理

表1 各工位空閑率Table 1 Idle time ratio of work stations

2.1 工位模型精簡(jiǎn)

為更好地發(fā)揮遺傳基因理論的作用，需要對(duì)待檢汽車(chē)的工位進(jìn)行化簡(jiǎn)。首先根據(jù)每天需維護(hù)的車(chē)輛數(shù)計(jì)算該二級(jí)生產(chǎn)線的節(jié)拍，把待檢元素利用平衡理論和啟發(fā)式算法進(jìn)行平衡安排［7］。該生產(chǎn)線計(jì)劃待檢汽車(chē)為16輛，工作制為8h，節(jié)拍為：8×60÷16＝30min。

第11工位內(nèi)容即全車(chē)潤(rùn)滑，均可在各個(gè)工位上進(jìn)行，安排一名工人隨車(chē)作業(yè)。第4、5工位的工時(shí)較短，將它們作為工作元素安排。第7工位由于工時(shí)較長(zhǎng)，安排兩名工人維護(hù)。平衡后工位縮減到5項(xiàng)，工人減少至6名。

2.2 精簡(jiǎn)后的仿真驗(yàn)證

生產(chǎn)線工位進(jìn)行平衡后［8］，各工位時(shí)間如圖3所示。

圖4為Flexsim軟件仿真平衡后的工作過(guò)程，對(duì)比圖2可知，各工位運(yùn)行有序。

圖3 平衡后各工位時(shí)間表Fig.3 Time table of work stations after balance

圖4 Flexsim仿真平衡后的工作過(guò)程Fig.4 Working process of Flexsim simulation after balance

表2為平衡后各工位空閑率，工位平衡后空閑率大幅度減少，生產(chǎn)效率得到提高。

表2 平衡后各工位空閑率Table 2 Idle time ratio of work stations after balance

3 遺傳基因理論應(yīng)用

3.1 生產(chǎn)線車(chē)間調(diào)度描述

由于遺傳算法不能直接處理生產(chǎn)調(diào)度問(wèn)題的參數(shù)，所以必須通過(guò)編碼將它們表示成遺傳空間中由基因按一定結(jié)構(gòu)組成的染色體［9-11］。如果是對(duì)6個(gè)工件進(jìn)行生產(chǎn)調(diào)度，它們的加工順序是j2、j4、j1、j5、j3、j6則它的編 碼為：Vi＝ ［241536］。

本文生產(chǎn)線共有待檢汽車(chē)5輛，則基因串長(zhǎng)度為5。隨機(jī)選定等待檢測(cè)的5輛汽車(chē)的維護(hù)內(nèi)容和維護(hù)時(shí)間不一樣，所以這里的維護(hù)時(shí)間和簡(jiǎn)單啟發(fā)式算法中待檢汽車(chē)的維護(hù)時(shí)間有所不同。將車(chē)間調(diào)度描述為5輛待檢汽車(chē)在5個(gè)工位上的流水車(chē)間調(diào)度問(wèn)題，其中n為待檢汽車(chē)數(shù)量（n＝5），m為工位數(shù)量（m ＝5）。

令c（ji，k）表示ji在工位k上的加工完成時(shí)間，｛j1，j2，…，jn｝表示待檢汽車(chē)的調(diào)度，那么n輛待檢汽車(chē)、m個(gè)工位的流水車(chē)間調(diào)度問(wèn)題的完工時(shí)間可表示為

最大流程時(shí)間為

調(diào)度目標(biāo)就是確定｛j1，j2，…，jn｝，使得cmax最小。算法的具體調(diào)度信息如表3所示。

表35 ×5調(diào)度問(wèn)題信息Table 35 ×5scheduling information

確定本文算法參數(shù)如下：初始群體規(guī)模為50，交叉概率為0.7，變異概率為0.006，交叉次數(shù)、變異次數(shù)、迭代次數(shù)分別為50、50、30。

通過(guò)遺傳算法計(jì)算得到最優(yōu)染色體為［42531］，對(duì)應(yīng)該染色體的目標(biāo)值為141min，即5輛汽車(chē)檢驗(yàn)完的時(shí)間為141min，甘特圖如5所示，Mi（i＝1，2，…，5）表示i工位。

5輛待檢汽車(chē)分別用1、2、3、4、5代表，通過(guò)遺傳算法中的選擇、交叉、變異操作得到的最優(yōu)染色體過(guò)程如圖6所示。

圖5 最優(yōu)染色體甘特圖Fig.5 Optimal chromosome of Gantt

圖6 基本遺傳算法過(guò)程圖Fig.6 Genetic algorithm process diagram

在以上5輛待選汽車(chē)選擇、交叉、變異操作時(shí)除最優(yōu)染色體［42531］外任選一條染色體［53124］，進(jìn)行優(yōu)化后的時(shí)間對(duì)比，則該染色體［53124］的目標(biāo)值為183min，得到的甘特圖如圖7所示。

圖7 非最優(yōu)染色體甘特圖Fig.7 Non－optimal chromosome of Gantt

綜上可知：應(yīng)用遺傳算法計(jì)算所得到的染色體為最優(yōu)。

3.2 仿真結(jié)果分析及車(chē)間動(dòng)態(tài)調(diào)度驗(yàn)證

仿真結(jié)果表明染色體［42531］的調(diào)度結(jié)果顯示為141min。因?yàn)樵O(shè)置暫存區(qū)的容量為5個(gè)，所以當(dāng)5輛待檢汽車(chē)全部維護(hù)完畢后，暫存區(qū)的車(chē)輛數(shù)目是5個(gè)。該例子中是對(duì)5輛待檢汽車(chē)A1、A2、A3、A4、A5進(jìn)行維護(hù)，它們歷經(jīng)各個(gè)工位的維護(hù)作業(yè)后，駛離生產(chǎn)線。若這5輛車(chē)還沒(méi)有全部維護(hù)完畢時(shí)，生產(chǎn)線外又到達(dá)n輛待檢汽車(chē)B1、B2、…、Bn，則就對(duì)這n輛進(jìn)行排序。假設(shè)順序?yàn)椋?3 n …1］。此時(shí)若在第一工位進(jìn)行維護(hù)的是5輛待檢汽車(chē)中的A1時(shí)，則把它排在n＋1輛待檢汽車(chē)的第一位，利用以上算法重新排列待檢汽車(chē)的作業(yè)順序，然后按順序進(jìn)行維護(hù)作業(yè)。這樣即可使整個(gè)生產(chǎn)線處于均衡滿負(fù)荷工作狀態(tài)。如圖8所示，在整個(gè)二級(jí)維護(hù)生產(chǎn)線上，車(chē)輛的調(diào)度是一個(gè)動(dòng)態(tài)過(guò)程。在維護(hù)的過(guò)程中，如果有維護(hù)任務(wù)追加或撤銷(xiāo)等情況時(shí)，只需要重新根據(jù)以上算法進(jìn)行調(diào)度規(guī)劃，重新排列待檢車(chē)輛的維護(hù)順序即可。

圖8 5個(gè)工位的待檢汽車(chē)維護(hù)作業(yè)Fig.8 Car maintenance of five work stations

4 結(jié)束語(yǔ)

利用Flexsim仿真軟件分析了生產(chǎn)線的不平衡，平衡前生產(chǎn)線整車(chē)檢驗(yàn)完畢需要183min?；谶z傳基因理論在汽車(chē)二級(jí)維護(hù)生產(chǎn)線上平衡優(yōu)化后，整車(chē)檢完需141min，提高了生產(chǎn)效率。充分證明了遺傳基因理論在生產(chǎn)線上應(yīng)用的合理性、高效性。另外這種方法可以用在各種調(diào)度領(lǐng)域，從而提高工作效率。

［1］顧國(guó)瑞.汽車(chē)診斷技術(shù)的應(yīng)用與發(fā)展［J］.云南交通科技，2001，16（1）：1－3.Gu Guo－rui.Apllication and development of automobile detection technology［J］.Yunan Communication Science and Technology，2001，16（1）：1－3.

［2］盧榮生.淺談加強(qiáng)汽車(chē)二級(jí)維護(hù)和確定二級(jí)維護(hù)周期［J］.遼寧交通科技，1995（2）：38－40.Lu Rong－sheng.On the strengthening of two maintenance and vehicle maintenance cycle to determine the two［J］.Liaoning Communication Technology，1995（2）：38－40.

［3］張立斌，單洪穎，蘇建.汽車(chē)檢測(cè)線質(zhì)量認(rèn)證評(píng)價(jià)體系［J］.吉林大學(xué)學(xué)報(bào)：工學(xué)版2009，39（增刊2）：225－228.Zhang Li－bin，Shan Hong－ying，Su Jian.Vehicle inspection quality evaluation system［J］.Journal of Jilin University Engineering Science，2009，39（Sup.2）：225－228.

［4］李贊明.工業(yè)工程在生產(chǎn)實(shí)踐中的應(yīng)用［J］.機(jī)械工程，1997（5）：38－40.Li Zan－ming.The practice of industrial engineering applications in the production［J］.Industrial Engineering，1997（5）：38－40.

［5］李暄.基于Flexsim仿真軟件的配送中心系統(tǒng)優(yōu)化設(shè)計(jì)［J］.物流技術(shù)，2009（8）：66－68.Li Xuan.Flexsim simulation software based on the distribution center system optimization［J］.Logistics Technology，2009（8）：66－68.

［6］席忠民.應(yīng)用工業(yè)工程優(yōu)化總裝作業(yè)系統(tǒng)［J］.材料與工藝，2000（9）：47－49／63.Xi Zhong－min.Application of industrial engineering to optimize the operating system assembly［J］.Material and Process，2000（9）47－49／63.

［7］徐華，于勇.一種實(shí)用的啟發(fā)式資源平衡優(yōu)化算法的改進(jìn)［J］.哈爾濱商業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，20（4）：459－461／471.Xu Hua，Yu Yong.A practical heuristic optimization algorithm to improve resource balancing［J］.Harbin University of Commercec（Natural Science），2004，20（4）：459－461／471.

［8］葛樹(shù)斌.汽車(chē)二級(jí)維護(hù)作業(yè)流程優(yōu)化仿真模型研究［D］.長(zhǎng)春：吉林大學(xué)機(jī)械科學(xué)與工程學(xué)院，2011.Ge Shu－bin.Research on simulation model for process optimization of vehicle maintenance［D］.Changchun：College of Mechanical Science and Engineering，Jilin University，2011.

［9］羅春，楊軍.基于遺傳算法和覆蓋率驅(qū)動(dòng)的功能驗(yàn)證向量自動(dòng)生成算法［J］.應(yīng)用科學(xué)學(xué)報(bào)，2005，13（4）：375－379.Luo Chun，Yang Jun.Based on genetic algorithms and coverage－driven functional verification vector generation algorithm automatically［J］.Journal of Applied Sciences，2005，13（4）：375－379.

［10］徐永能，劉述芳，施樹(shù)明，等.遺傳算法在車(chē)輪定位參數(shù)測(cè)量中的應(yīng)用［J］.公路交通科技，2001，18（2）：52－55.Xu Yong－neng，Liu Shu－fang，Shi Shu－ming，et al.Genetic algorithms in the wheel alignment parameters Measurement［J］.Highway and Transportation Research，2001，18（2）：52－55.

［11］Graves S C.A review of production scheduling［J］.Operation Research，1981，29（4）：66－75.