基于遗传算法的pp-lcd冲压生产线布局优化研究

基于遗传算法的pp-lcd冲压生产线布局优化研究

随着t-l行业技术水平的快速发展和提高，t-l患儿的价格持续下降，市场需求不断增长。传统的冲浪式生产线布局不能满足最近的t-l生产要求，严重制约了其生产效率，已成为一个必须尽快解决的问题。作为产品生产效率的一个重要因素，生产线布局综合了计算机图形学、操作技能、优化、模拟、逻辑、信息技术等诸多学科的知识，包括多目标组合的复杂优化问题。目前，国内外公司的生产线布局。局研究已取得大量研究成果.EhsanShahbazi调研现有车间布局及作业过程,建立车间布局数学模型,提出一种元启发式算法优化车间布局问题.KaziShahNawazRipon提出一种纳入跳跃基因的混合遗传算法,有效解决了动态设备布局问题.唐秋华采用染色体编码和遗传算子结合的改进型遗传算法求解布局问题,并结合凸轮轴加工车间实例验证了其有效性.徐立云对生产车间设备布局建立了多目标优化模型,应用自适应遗传算法对其进行了求解.张毅采用改进型自适应遗传算法对车间布局进行优化,并通过实例验证了改进适应型遗传算法的鲁棒性很好.陈幼平以车间最小化物流回溯总距离为优化目标,深入分析了回溯问题的内在特性,构建了一个新的单趟启发式算法RCA与多趟启发式算法BEA,通过实验验证,在不显著增加求解时间的前提下,能得到更优的布局结果.本文作者针对北京某公司TFT-LCD传统生产线布局优化改造进行研究,以遗传算法为基础,通过建立生产线布局的数学模型,并结合生产实际和自动化需求,提出生产线优化布局方案,并以背板和金属边框等实例验证改造后生产线布局的有效性.1现有生产线布局布局是将物体放置在长度、宽度、高度都是限定的空间中,物体的放置需遵循一定原则,以达到既定目标.在TFT-LCD生产过程中,冲压生产线布局是提高产品生产效率的关键步骤.因此,为更好地对传统冲压生产线进行优化布局,综合考虑影响生产线布局的因素,采用生产线平衡法对TFT-LCD冲压生产线进行评价.评价指标有工作总站数、生产线平衡率、平衡损失率和成本等.造成生产线不平衡的原因主要有产品结构发生变化、车间布置改变与产品产量发生变化等3个因素.目前很多企业均存在着生产线不平衡问题,以研究对象北京某TFT-LCD企业为例,其零件的典型加工过程如表1.由于加工零件较小,整个车间冲压生产线布局围绕着现有工艺排布设备,统一工序的设备集中放置于同一个区域,生产车间布局平面如图1所示.为进一步说明生产线不平衡问题,对金属边框及背板加工的工序时间用秒表测量,结果分别如表2和表3所示.设备均采用110T冲床及以上.依据表2数据,金属边框的生产线平衡率、平衡损失率与日产量分别为:平衡率Ρ=Ν∑i=1ΤiΝ×CΤ=75.488×16％=58.97％；P=∑i=1NTiN×CT=75.488×16％=58.97％；平衡损失率d=1-Ρ=41.03％；d=1−P=41.03％；日产量=8×60×6016=1800=8×60×6016=1800(片).式中:N为工作总站数,指生产线上工位的总数目;T为各工序时间;CT为流水线各工序生产单位产品所需要的时间.依据表3数据,背板的生产线平衡率、平衡损失率与日产量分别为:平衡率Ρ=Ν∑i=1ΤiΝ×CΤ=68.86×16％=71.66％；P=∑i=1NTiN×CT=68.86×16％=71.66％；平衡损失率d=1-Ρ=28.33％；d=1−P=28.33％；日产量=8×60×6016=1800=8×60×6016=1800(片).以160T冲床生产18.5英寸金属边框和背板为例,仅对产品冲压加工过程的直接加工费用进行成本分析,单片成本=(直接人工费+电费)/日产量.经计算,金属边框单片成本为￥1.59,背板单片成本为￥0.92.综上所述,现有生产线布局存在问题有:①现场工位没有按产品加工工艺顺序布置,不符合TFT-LCD产品的工艺特点,导致了物料搬运、人员走动等不增值活动频繁;②生产线存在不平衡的现象,造成每个工位都有半成品的堆积;③现时生产需要加班才能接近目标产量,增加了员工的劳动强度;④生产效率低,难以满足顾客的订单需求;⑤产品周转次数多,造成工序间不良品增多,合格率低.2多行设备布局模型的建立针对因生产线工位布置不合理所造成的产品周转次数多、生产效率低的问题,基于遗传算法,以车间布局物流费用最低为目标函数,建立生产线布局的数学模型,并对实际布局进行抽象与简化处理:①待布局的车间和设备均简化为矩形;②以厂房的一角为坐标原点,原点互为垂直的墙设为X方向及Y方向;③设备空间的大小及尺寸已知,设备的布置方向均是纵向的,同一行内所有设备的中心点处于同一条水平线上;④设备之间的运输费用与物流方向等因素无关,由设备之间的距离和运输频次确定;⑤设备之间的物流方向只平行或垂直于X和Y轴;⑥实际设备有操作面、非操作面之分,此处忽略不计,待设备位置确定后再考虑.简化后多行设备的布局如图2所示.xi,xj为设备i,j到垂直参考线的距离,yi,yj为设备i,j到水平参考线的距离,参照文献,多行设备布局物流费用的数学模型为minA(X)=n-1∑i=1n∑j=j+1fijpijWijdij(1)dij=|xi-xj|+|yi-yj|(2)minA(X)=∑i=1n−1∑j=j+1nfijpijWijdij(1)dij=|xi−xj|+|yi−yj|(2)式中:minA(X)为最低车间布局物流费用的目标函数;n为待布局设备的数量;fij为设备i与j之间的运输频率;dij为设备i与j之间的距离;pij为设备i与j之间单位重量产品运输一次的费用;Wij为设备i与j之间搬运物料的重量.当对多行布局的设备进行约束时,具体约束条件为:①某一台设备分配在某一行,且只能分配在其中一行,该行内能布置设备数量最多为n台设备;②同一行内的设备,不能出现干涉或重叠;③行内所有设备长度与设备之间最小间距之和小于车间总长度;④同一行内设备,中心点Y坐标相等;⑤相邻行之间设备不能出现干扰或重叠现象,还须留有维修、操作区域.参照文献,相邻行之间最小间距为ymj-y1i+wmj+w1i2≤Η(3)式中:ymj,y1i分别为第m行设备j和第1行设备i的Y坐标;wmj,w1i分别为第m行设备j和第1行设备i的宽度;H是布局车间的宽度.3遗传算法求解遗传算法在进化搜索中以适应度函数为依据,通过对目标函数适当变形得到.求解布局问题时,首先采用净间距进行编码,计算其适应度函数.其次,根据染色体编码解码,计算出所有设备的X、Y坐标,从而可以得到设备布置具体位置.然后,计算出总物流费用的目标函数A(X)与适应度函数1/A(X).当适应度函数越大时,说明布局结果的目标函数越小,总物流费用也越小.遗传算法中适应度大的个体被选中,遗传到下一代的概率较大.此处概率使用比例选择算子计算得到,即适应度为F(Xi)的个体以概率Pi被选择进入下一代,计算公式为Ρi=F(Xi)n∑i=1F(Xi)(4)以上步骤完成后,即可进行遗传运算求解.4生产配置优化4.1材料的类别及加工工艺某公司车间中现有能够满足LCD金属零件冲压要求的设备共计21台,设备布置在多行中,加工2种类别5种零件,设备外形尺寸如表4所示,零件产量及重量如表5所示.5种金属零件的加工工艺可分为3类:①14英寸、18.5英寸和19英寸金属边框产品结构近似,都需要经过激光焊接加工;②10.1英寸金属边框是非焊接式的框式零件;③18.5英寸背板.5种零件的加工流程见表6.4.2优化参数下的最小间距利用现有设备,对TFT-LCD生产线进行实际布局,初始条件确定为:①以车间的一角作为坐标原点,垂直的两面墙分别为X轴、Y轴;②初始种群M为100;③遗传算数终止代数500代;④车间长度36m,宽度24m;⑤交叉概率Pc=0.8,变异概率Pm=0.05;⑥由于车间宽度为24m,设备只能分为3行,行的最小间距为7m.冲床间最小间距的主要考虑以下因素:①留出维修空间,便于设备维护、维修;②设备间要保持安全距离;③冲床正面要安装模具,拆装模具需使用天车或叉车,需要预留空间,方便装卸模具;④设备行与行之间要保留人员通道、物流通道;⑤生产设备要便于操作.布置好设备间距离后,如图3所示,运用MATLAB编程求得最优解出现在416代.以物流费用最低为优化目标,优化前,在原有生产线布局下生产同样数量的产品,总物流费用33万元;优化后,总物流费用17.6万元是最低点,相比较,布局优化前后总物流费用降低了46.7%,优化效果明显.为验证优化后的生产线布局是否良好,对金属边框与背板的各工序时间进行统计测算,结果如表7和表8所示.优化后的布局如图4所示,实际生产中