孫檜茹 馮國紅
(東北林業(yè)大學(xué),黑龍江 哈爾濱 150000)
車間設(shè)施布局是制造系統(tǒng)的重要組成,對(duì)生產(chǎn)系統(tǒng)的運(yùn)行質(zhì)量產(chǎn)生直接影響[1]。合理的車間設(shè)施布局可以降低物流成本,對(duì)提高企業(yè)生產(chǎn)效率和企業(yè)綜合競爭力有積極作用?;诩扔醒芯拷Y(jié)果表明,車間設(shè)施布局欠佳產(chǎn)生的費(fèi)用占總運(yùn)行費(fèi)用的30%~48%,通過車間設(shè)施布局優(yōu)化可以降低10%~25%,有必要深入研究車間的設(shè)施布局優(yōu)化。該文以實(shí)踐應(yīng)用為視角,闡述了車間設(shè)備布局原理,分析了存在的問題并使用遺傳算法優(yōu)化車間設(shè)施布局,使用Flexsim軟件進(jìn)行仿真評(píng)價(jià),希望為企業(yè)的車間設(shè)施布局優(yōu)化提供參考。
車間設(shè)施布局是企業(yè)對(duì)生產(chǎn)車間內(nèi)部各個(gè)主要生產(chǎn)設(shè)備、輔助設(shè)備進(jìn)行統(tǒng)籌規(guī)劃并合理安排其相應(yīng)位置與面積等,進(jìn)而實(shí)現(xiàn)信息流、物流等生產(chǎn)系統(tǒng)各工作車間通暢的實(shí)踐方式[2]。設(shè)施布局指的是對(duì)車間的空間進(jìn)行重新布局,可以實(shí)現(xiàn)車間設(shè)備的有效組合,提高生產(chǎn)效率,實(shí)現(xiàn)經(jīng)濟(jì)效益最大化。車間設(shè)施布局應(yīng)該與生產(chǎn)制造系統(tǒng)整體及工作緊密聯(lián)系、相輔相成,應(yīng)該充分考慮工藝設(shè)計(jì)、產(chǎn)品設(shè)計(jì)和物流系統(tǒng)設(shè)計(jì),物流系統(tǒng)會(huì)對(duì)布局形式產(chǎn)生影響,當(dāng)設(shè)計(jì)時(shí)應(yīng)以最大限度減少物流環(huán)節(jié)為主要原則,確保設(shè)計(jì)的物流系統(tǒng)的合理性,減少搬運(yùn)成本,增加物料處理時(shí)間。
以某公司的連桿生產(chǎn)線布局圖35 m×20 m的車間為例,其間共分布不同面積的工作區(qū)共16個(gè),工作區(qū)大小、在制品搬運(yùn)頻率與搬運(yùn)距離見表1。由此可知,各個(gè)工作區(qū)在制品的搬運(yùn)頻率與搬運(yùn)距離具有顯著的不均衡性,形成時(shí)間和成本的巨大浪費(fèi),該公司生產(chǎn)綱領(lǐng)為月產(chǎn)量1.2萬件,工作日日平產(chǎn)552件,當(dāng)前該車間最大日產(chǎn)量是350件,遠(yuǎn)不能滿足生產(chǎn)綱領(lǐng)要求,須優(yōu)化配置車間布局,實(shí)現(xiàn)生產(chǎn)效率提高并節(jié)約物流成本。
表1 工作區(qū)大小及在制品搬運(yùn)頻率與搬運(yùn)距離表
遺傳算法模擬了生物遺傳進(jìn)化論,堅(jiān)持優(yōu)勝劣汰的原則,即在遺傳過程中,能夠適應(yīng)遺傳環(huán)境的個(gè)體得以保留并繼續(xù)進(jìn)行遺傳操作,淘汰無法適應(yīng)遺傳環(huán)境的個(gè)體[3]。經(jīng)過層層篩選,最優(yōu)個(gè)體陸續(xù)得到繁殖,下一代繼續(xù)重復(fù)上述步驟,當(dāng)滿足終止條件后,遺傳過程將停止,所得結(jié)果即為最優(yōu)[4]。其工序如下。
明確問題展現(xiàn)方案:確定優(yōu)化對(duì)象有助于解決求助問題,即確定相關(guān)變量、約束條件和目標(biāo)函數(shù)等參數(shù),奠定編碼基礎(chǔ)。
編碼:將待求解問題解空間向遺傳算法的搜索空間轉(zhuǎn)換的過程即為編碼,便于求解。編碼的常見方式有一般數(shù)據(jù)結(jié)構(gòu)編碼、實(shí)數(shù)編碼、二進(jìn)制編碼及格雷碼編碼等[5]。遺傳算法最關(guān)鍵的一步是編碼,其決定了遺傳算法的搜索結(jié)果和速度。應(yīng)該根據(jù)具體問題選擇編碼方式,這對(duì)該算法具有重要意義。
初始物種產(chǎn)生:其問題的最初解即結(jié)束編碼,產(chǎn)生初始種群。影響其規(guī)模求解速度的是隨機(jī)產(chǎn)生的初級(jí)種群。最優(yōu)解無法主導(dǎo)全體進(jìn)化方向的原因往往是種族規(guī)模過大;遺傳算法過早是因?yàn)榉N群過小,這會(huì)影響到求解結(jié)果的準(zhǔn)確度。適種族規(guī)模的妥當(dāng)選擇十分重要,通常選取30~100為宜。
計(jì)算適應(yīng)度:即為相對(duì)應(yīng)值某染色體相較的種群優(yōu)劣,可用適應(yīng)度函數(shù)來計(jì)算個(gè)人適應(yīng)度值,如果進(jìn)行下一步遺傳操作,需要較高適應(yīng)度。
操作選擇:該步驟是優(yōu)勝劣汰群體中的個(gè)體頭的過程,高適應(yīng)度個(gè)體繼續(xù)遺傳至下一代群體的概率遠(yuǎn)高于低適應(yīng)度個(gè)體。進(jìn)行選擇通常是為了將高適應(yīng)度個(gè)體選擇出來,參與進(jìn)一步操作。
交叉操作:產(chǎn)生新個(gè)體的主要方法是遺傳算法中的交叉,根據(jù)上一步交叉概率任意選出的兩個(gè)個(gè)體中相同基因位置進(jìn)行交叉操作。交叉概率為0.4~0.99[6],根據(jù)待求解問題選擇合適參數(shù)。
變異操作:變異是當(dāng)進(jìn)化時(shí)輔助新個(gè)體產(chǎn)生的方式,發(fā)生率雖低卻必須存在,新個(gè)體微調(diào)通過交叉算子的方式產(chǎn)生,提高種群多樣性,遺傳算法中交叉算子的全局搜索能力起決定作用,同時(shí)使其具備部分搜索功能,防止部分最優(yōu)情況的出現(xiàn)。將0.0001~0.1設(shè)置為變異概率,防止變異概率較大而產(chǎn)生遺傳算法運(yùn)算量壓力[7]。在實(shí)際遺傳中,后續(xù)應(yīng)設(shè)置恰當(dāng)?shù)淖儺惛怕蕘碓O(shè)置遺傳算法參數(shù),防止遺傳基因的變異概率較低,經(jīng)過遺傳算子操作可以得到新種群,然后返回至選擇操作。
考慮設(shè)施實(shí)際布局的復(fù)雜性,假定車間和各個(gè)機(jī)床為長方形,數(shù)據(jù)收集均按照長方形的長和寬量取;機(jī)床位置與廠房呈平行位置;連桿在制品在兩個(gè)設(shè)備之間的流動(dòng)只能按照水平和豎直方向;設(shè)施間物流方向不與物流搬運(yùn)費(fèi)發(fā)生關(guān)系[8]。將生產(chǎn)車間左下角設(shè)置為坐標(biāo)原點(diǎn),結(jié)合模型約束條件來建立數(shù)學(xué)模型,如圖1所示。
圖1 車間設(shè)施布局?jǐn)?shù)學(xué)模型
圖1中,mi為機(jī)床;Li和Wi為機(jī)床的長度與寬度;Dxij和Dyij為機(jī)床在X軸方向和Y軸方向上的最小間距;xi、xj、yi和yj為工作區(qū)的中心坐標(biāo)。
當(dāng)進(jìn)行生產(chǎn)線布局時(shí),物流費(fèi)用作為目標(biāo)函數(shù)來評(píng)價(jià)布局效果,目標(biāo)值越小表明布局效果越好,可行性越高,如公式(1)和公式(2)所示。
式中:C為總物流費(fèi)用;Pij為單位距離物流搬運(yùn)費(fèi)用;Qij為工作區(qū)i和j間物料搬運(yùn)頻率;Dij為工作區(qū)i和j間的搬運(yùn)距離。
車間的設(shè)施數(shù)量直接影響布置方案數(shù)量,設(shè)施多則布置方案復(fù)雜程度高,由于一般線性算法難以對(duì)車間內(nèi)設(shè)施布置優(yōu)化問題求解,因此使用遺傳算法計(jì)算。
首先將編碼問題解決在進(jìn)行遺傳算法的運(yùn)用,決定編碼方式的是問題類型,在遺傳算法中對(duì)遺傳算子操作方式產(chǎn)生直接影響的是編碼的質(zhì)量。會(huì)降低群體的穩(wěn)定性及其精準(zhǔn)度低是因運(yùn)用傳統(tǒng)的編碼方式進(jìn)行遺傳計(jì)算。該文包括為目標(biāo)組合優(yōu)化問題使車間設(shè)備的問題,屬非線性規(guī)劃問題,其目標(biāo)函數(shù)具有非連續(xù)性,解空間離散,應(yīng)該結(jié)合實(shí)際情況選擇編碼方式[9]。該文選擇等間距實(shí)數(shù)編碼方式,將設(shè)備最間距設(shè)定為1 m,根據(jù)車間需要布置設(shè)備,兩者相結(jié)合即為該文所使用的編碼方式,即混合編碼方式,如公式(3)所示。
式中:mn為第n臺(tái)機(jī)床;s=1為設(shè)備間距為1m。
在具體應(yīng)用遺傳算法的過程中,一個(gè)個(gè)體的優(yōu)良須靠個(gè)體適應(yīng)度值的大小來評(píng)價(jià)。在計(jì)算過程中,適應(yīng)度值大的個(gè)體被遺傳到下一代的可能性較大;適應(yīng)度值越小,個(gè)體被遺傳到下一代的概率越小。遺傳算法優(yōu)化進(jìn)程的重要依據(jù)是適應(yīng)度函數(shù)。例如在存在約束條件下的求解優(yōu)化進(jìn)程中,須先建一個(gè)無限制的函數(shù),再將該函數(shù)轉(zhuǎn)變成適應(yīng)度函數(shù),方便用于遺傳算法。
該文設(shè)置適應(yīng)度函數(shù)公式如公式(4)所示。
式中:T為不合理懲罰函數(shù)。
根據(jù)公式計(jì)算,可知各個(gè)工作區(qū)中心點(diǎn)的位置坐標(biāo),見表2。
表2 各個(gè)工作區(qū)中心點(diǎn)位置坐標(biāo)
該布局結(jié)果最終計(jì)算所得搬運(yùn)費(fèi)為4505.26元,相比優(yōu)化前降低了3434.56元。
判斷種群的進(jìn)化方向是遺傳算子的操作目標(biāo)。完成遺傳的方式是在父代種群中選擇優(yōu)秀的個(gè)體,在下一代群體中進(jìn)行復(fù)制,淘汰適應(yīng)度較低的父體中的算子。根據(jù)算子的計(jì)劃進(jìn)程選擇遺傳算法操作,能保證遺傳基因的優(yōu)良是需進(jìn)行多次積累和選擇的。不同問題選擇的操作方法、性質(zhì)及功能均不相同,為了解決該文存在的問題,可以采取精英保留法、輪盤賭法及確定式采樣選擇等方法。最終,該文確定使用輪盤賭法操作,假定個(gè)體適應(yīng)度值為fi,某群體大小為能n,則遺傳至子代與被選擇的個(gè)體概率如公式(5)所示。
分析公式(5)可知,較高概率遺傳到下一代的個(gè)體是種群中適應(yīng)度值較高的,這一特征與遺傳算法特點(diǎn)相吻合。
使用部分匹配交叉方法(PMX)應(yīng)確認(rèn)父體中的兩交叉點(diǎn),并交換交叉點(diǎn)中部基因順序,父體繼承的選定部分則存自個(gè)體中未確定的基因,通過基因遺傳計(jì)算,可得出個(gè)體與整體之間的關(guān)系。
變異算子是指將某一片段中的某些基因座的遺傳值替換為一個(gè)區(qū)域中的其他等位基因,并通過編碼染色體的方式創(chuàng)建出一個(gè)新的個(gè)體。變異算子采用的是基該位變異。
算法的具體設(shè)計(jì)內(nèi)容有以下6點(diǎn):第一,設(shè)置種群規(guī)模,初始化設(shè)計(jì)參數(shù),選擇最大值來得到變異和交叉概率;第二,涉及生成已經(jīng)設(shè)定種群規(guī)模數(shù)量的初始解,構(gòu)成初始種群;第三,將初始種群根據(jù)一定順序進(jìn)行排序,選取當(dāng)前解并隨機(jī)生成交叉概率,判斷其是否能夠滿足<0.4的要求。如果能夠滿足,則選擇其應(yīng)用于交叉解;如果不滿足,直接進(jìn)入下一步;第四,剖析上述產(chǎn)生的新個(gè)體的任意變異概率,判定是否符合<0.1的規(guī)定。如果符合,則處理單點(diǎn)變異,在這時(shí)產(chǎn)生新個(gè)體,使其加入種群。如果不滿足,則不需要進(jìn)行較差,可以支架加入新種群;第五,合并新舊種群,產(chǎn)生一個(gè)種群集合,集合內(nèi)各個(gè)個(gè)體以由大到小的順序排列,同時(shí)融合種群,輸出最小解作為最優(yōu)解并回到第二步驟;第六,當(dāng)?shù)螖?shù)滿足設(shè)定次數(shù)時(shí),結(jié)束迭代操作并輸出最小解,獲得唯一的排序。
某企業(yè)的螺桿車間生產(chǎn)設(shè)施位置按照公益配置原則進(jìn)行排列。已知螺桿車間的總布局為長21.0m、寬16.0m,車間內(nèi)共有8處設(shè)施。根據(jù)螺桿制造工藝分析,應(yīng)用SLP方法對(duì)車間進(jìn)行布局。但是在實(shí)際運(yùn)行過程中,存在物流運(yùn)輸頻繁、效率偏低和物流搬運(yùn)成本較高等問題??梢娪斜匾獌?yōu)化車間布局。
首先,變換各個(gè)設(shè)施的坐標(biāo),每次變換可以得到一個(gè)解,作為種群的一個(gè)個(gè)體,5個(gè)個(gè)體為一個(gè)種群,重復(fù)這一運(yùn)算,產(chǎn)生了125個(gè)群體,將其作為初始群體。
其次,對(duì)每個(gè)群體的適應(yīng)度函數(shù)進(jìn)行計(jì)算,計(jì)算其交叉變異和迭代。同時(shí),獲取個(gè)體的適度值。結(jié)合實(shí)際情況來說,物流成本越高,個(gè)體的適度值越低。需要選擇物流成本較低的個(gè)體適應(yīng)度。
再次,評(píng)價(jià)算法得到的解,判斷其是否是最小解,將各解連接后判斷其是否為收斂。
最后,對(duì)解進(jìn)行迭代計(jì)算,最終得出最優(yōu)布局,如圖2所示。
圖2 優(yōu)化后的車間設(shè)施布局
該文以實(shí)踐發(fā)展為視角、以遺傳算法為理論基礎(chǔ),結(jié)合車間設(shè)施布局理論來分析布局存在的問題,構(gòu)建車間設(shè)施布局模型。使用遺傳算法得到優(yōu)化后結(jié)果,使用Flexsim軟件對(duì)該結(jié)果做仿真分析,可知在車間設(shè)施布局優(yōu)化后,企業(yè)生產(chǎn)效率提高,運(yùn)輸成本降低,對(duì)企業(yè)可持續(xù)發(fā)展具有現(xiàn)實(shí)意義。但是整體來說,該研究簡化了模型的實(shí)際效果,且虛擬仿真設(shè)計(jì)在求解復(fù)雜不規(guī)則設(shè)備方面的能力存在不足,會(huì)對(duì)車間設(shè)施布局優(yōu)化方案的最優(yōu)性產(chǎn)生影響,需要在后續(xù)研究中進(jìn)行完善。