《用多种方法实现S公司铝件生产线的精益平衡优化》19000字（论文）

[28]。见表4-3。表4-35W1H提问技术Table4-35W1Hquestioningtechniques研究对象第一次提问第二次提问第三次提问目的什么事情是否由必要做是否可以做别的原因什么原因为什么这样做是否非做不可时间什么时候为什么在这个时间到底什么时间做地点什么地点为什么在这个地点到底改在哪里做人员什么人为什么让他做到底由那个人员负责方法怎么做为什么用这个方式有无更好的方法具体分析如下：问：防锈油和包装区域之间长时间的搬运是不是浪费行为。答：是。问：为什么会造成布局不合理？答：因为车间空间有限，处在当前的现实背景下而熔化注型和喷塑需要大量空间，因此最后只能将包装和防锈油安排到现在的位置。问：是否可以进行调整？答：可以。问：如何进行调整？答：将包装区域和去毛刺区域进行交换。问：为何这样调整？答：因为熔化车间和喷塑车间的机器太大，难以调整，钻孔和抛光都是车床，也不方便移动，防锈油和喷塑是前后工序，以你需要布置在一个车间，所以将去毛刺和包装区域进行调换，而且去毛刺和熔化注型是前后工序，因此不需要将一定数量的注件冷却至一定温度再一起送到去毛刺车间，由上述分析呈现的信息可知这样就避免了去毛刺工序的等待时间，就解决了堆积问题，并且包装区域的调整，也使得包装和防锈油区域的距离拉近，减少了搬运距离和时间的，也就减少了浪费(陈志浩,张子韬,2022)。本论文在既定理论框架之上，搭建了本次的研究模型，无论在信息流转路径还是数据解析技术上，都体现出了对前人研究成就的尊重与延续，并在该基础上实现了创新与拓展。在信息流转设计上，本文吸收了经典的信息处理理念，确保了信息从采集、传输到分析的各个环节均高效精准。通过严格的数据源筛选和标准化处理流程，本文有效保障了信息质量，进而提升了信息流的透明度与可追溯性。调整后的现场布局见图4-4。图4-4优化后的现场布局Figure4-4Theoptimizedsitelayout3生产现场的改善生产现状的不合理会对员工造成极大的影响，比如环境问题，新员工的培训问题等，都会造成生产的停滞，从而能影响生产线平衡（李天宇,张晓峰,2022)。这在某种程度上勾勒出生产线存在的问题如下：(1)人员问题因为铝件生产是流水线作业，因此会频繁出现老员工的离职和新员工的入职，而操作员是生产线上最有价值的资源。因此该公司应该对入职员工进行全面而又规范的培训，让员工能够快速安全的上手(杨俊杰,许欣怡,2022)。流水线生产需要长时间的重复作业，是的操作员会产生疲劳乏味，因此可以制定可行的奖惩机制，这在一部分程度上揭示了不仅让员工能产生成就感，也提高了员工的归属感。对于新员工而言，操作数熟练度随着时间会越来越高，每名员工操作时间都与学习率相关，生产线的平衡和产量的增加都受到学习率的影响。这在一部分程度上揭示了因此本文对作业人员进行5天的调查，通过加工时间、加工数量以及累计时间和数量进行学习率的计算。于数据分析阶段，本文运用了多种统计途径来校验数据的有效性，且辨识潜在的异常数据。通过深刻分析数据分布的特性，本文能够顺利排除那些明显偏离正常范围的数据点，并且维持具有代表性的样本情况。此外，本文还利用敏感性分析来衡定不同参数变动对研究结果的影响程度，保障最终结论的稳健性与普适化。完成生产节拍的重新制定，使得新员工的生产能够及时跟上实际所需生产。以抛光工位为例，进行学习率的计算(郑雯静,邓思源,2022)。见表4-4。表4-4作业时间Table4-4Operatingtime天数加工量累计加工量作业时间累计时间128328313.513.522875701326.5328987912.5394296117511.550.55300147511.261.7学习曲线表达式：y=α(4.1)当学习比例为85%，可以计算得出学习系数b=-0.234根据学习曲线，设第三天测量时间为y1，产量为x1，第五天测量时间为y2，产量为x2。y1=α(4.2)y2=α(4.3)由(4.2)(4.3)得出y2=(x2x1)−by通过计算可知，随着产量的逐渐增加，这在一定程度上显露操作员工的生产时间也会随之减少，因此可以得出手工作业会受到学习曲线的明显影响。机器设备因为机器运转时间是固定的，因此不能通过学习曲线计算(周浩宇,林思涵,2022)。根据实际生产数据得出产量工时对照表，见表4-5；这些迹象表明了并依此绘出产量工时变化曲线，见图4-5。表4-5产量工时对照表Table4-5Comparisontableofoutputandworkinghours累计产量与初始产量比值11.11.21.31.41.51.61.71.81.92.0新工时与初始工时比值10.980.960.940.920.910.900.880.870.860.85 图4-5产量工时变化曲线Figure4-5Curveofproductionandworkinghours由图4-9可知，新工时的减少会随着产量的增加而趋于稳定，当产量提升到2%时，就需要制定新的生产工时，这在一定水平上揭露使得生产节拍跟得上订单的增加。以5次测量取平均值，评比系数取1，宽放率取5%。新的生产节拍见表4-6。表4-6新生产工时Table4-6Newproductionman-hours工站工站作业工站时间(分)工位(人)工序工序作业工序工时(分)1铝块融化11将铝块放入熔炉熔解2浇注成型6.712换模0.23将熔液浇注模具6.54取出放置冷却3去毛刺15.915用切割机切去飞边，用锉刀锉平12.86换件3.14抛光11.717用抛光机去除表面热处理氧化部分8.58换件3.25喷塑4719将铝件放入喷塑机中810自动喷塑3011换件512铝件外观检查46钻孔25.8113将铝件放入钻孔机中6.814钻孔13.515换件5.57防锈油11.6116检查钻孔质量5.117合格后清洗擦防锈油6.58包装14.8118用缠绕膜包裹铝件819装箱6.8该工厂拥有5条生产线，每日工作8h。得出以下数据：旧生产节拍=50min旧日产能=8ⅹ5ⅹ60ⅹ30/50=1440件由第一部分改进可知改进后喷塑时间为41min新生产节拍=41min新日产能=8ⅹ5ⅹ60ⅹ30/41=1756件由以上数据可知调整新的生产工时之后，生产节拍从50min降为41min，降低了18%，日产能从1440件增加到1756件，增加了21.9%，这一点透露出有着明显的改善。通过对前期研究的系统总结，本文为接下来的研究工作提供了重要的参考。在研究方法上，本文识别出了多个改进与完善的方向。过去的探索阶段为本文留下了宝贵的经验财富，指出了哪些方法有效，哪些需要调整或淘汰。例如，在数据收集环节，本文应更加关注样本的广泛性与代表性，确保所选样本能够真实反映目标群体的整体特征。此外，根据不同研究问题的需求，灵活运用多种数据收集手段，有助于提高数据的全面性和可靠性。(2)方法问题不仅要对员工进行培训，还要编写工艺指导书作为员工的作业规范。工艺指导书对于生产是十分重要的，不仅是员工上岗的教材，也是质量改进的基础，更是杜绝不良品的关键。因此，车间负责人需要定期考察，鉴于目前形势对不按照工艺指导书生产的员工进行记录和处罚(赵云昊,吴婧琪,2024)。同时，也需要再不断地作业中对工艺指导书进行调整和改善，再反馈到员工的普遍操作中。考虑到时间因素的深远影响，本文对前文结论的验证暂不详细展开。科学研究通常是一个持久的过程，尤其在探索复杂问题或新领域时，需要充足的时间来观察现象、分析数据并得出稳健的结论。尽管本研究已取得一些初步成果，但要对所有结论进行深入且全面的验证，仍需更长时间的持续研究と反复实验。这不仅有助于排除偶然因素的干扰，也能确保研究成果具有更高的可信度和广泛适用性。同时，技术手段的发展水平也对结论验证产生重要影响。随着科技的不断进步，新的研究工具和技术的涌现为科学研究提供了更多可能性(3)环境问题熔化车间是高温作业，因此对于熔化车间的员工要定时休息，保证与员工身体安全。对于抛光、钻孔车间的员工，可以提供耳塞来隔离噪音。去毛刺、钻孔、抛光车间在作业时会产生大量边角料和铝屑，因此需要进行及时的清理，在午休和下班前都要对作业区域进行清理，处在当前的现实背景下将边角料回收再利用，将铝屑清扫干净，保证员工在干净整洁的车间进行作业，达到提高员工积极性的目的(高雅婷，孙志杰,2024)。(4)建立5S检查表结合5S优化，规范员工的行为，保障生产秩序有条不紊。5S检查表见表4-7表4-75S检查表Table4-75Schecklist检查项目检查内容整理工具、物料摆放整齐在制品摆放要整齐不得出现不利于生产或对人身存在危害的物品整顿在制品摆放在指定区域且存放数量不能超过最大存放量工具、物料存放在指定区域清扫作业区域保持干净整洁工作台擦拭干净下班前对工作区域进行检查打扫清洁现场指示牌保持整洁素养员工按照作业指导书进行作业员工贯彻执行5S优化4本章小结本章通过学习曲线制定新的生产节拍，这些迹象表明了将日产能从1440件提升至1756件，提升了21.9%，并且通过对生产布局和布局现场的改善，减少了运输时间和库存堆积，通过基于工作者良好的生产环境来激发积极性，使得生产更加平稳，从而达到提高产量的目的。第五章基于0-1整数规划平衡优化本章通过以最小工作站为目标函数的整数规划建模，并通过Lingo求解，得出最优解。1线性规划的基本理论1.1线性规划的基本问题在生产过程遇到优化安排问题，都可以在一组约束条件下进行规划，找出最优方案。通过线性规划模型求解得出最优质，线性规划模型的一般形式如下REF_Ref72090681\r\h[28]：minZ=(5.1)s.t.x1.20-1整数规划0-1整数规划是决策变量取0或者1的特殊整数规划，这在一定水平上揭露因此变量也可以成为二进制变量。许多逻辑、顺序关系都可以通过0-1变量法反应出来，例如开关、有无以及是否能在一起等问题。在数据解析策略的抉择中，本研究不仅沿用了经典的统计解析工具，如描述性统计和回归分析，更融入了近年来迅猛发展的数据挖掘技术与算法。例如，借助聚类分析洞察数据中的潜在规律，或运用决策树算法预见未来走势。这些前沿方法为深入剖析复杂现象提供了坚实支撑，有效揭示了海量数据背后的深层次关联。此外，本文着重推行了混合方法策略，即融合定量与定性研究，以拓宽研究视野，实现更全面的认知。所以0-1整数规划可以运用在许多问题上，比如选址、人员安排以及是否合并等问题(任思明,王若婷,2021)。显枚举法又称完全枚举法，是通过列举所有的答案并逐一比较，这一点透露出最后找到最优解的方法。隐枚举法思路是让所有变量从零出发，依次指定一些变量为1，鉴于目前形势直到得到一个可行解，并以此作为最优解。隐枚举法通常应用于最小化问题，即先将所有变量取1，再依次检查变量取0的情况，直到出现能使目标函数保持约束的可行解（方宇辰，汤博文，2021）。2基于0-1整数规划数学建模的生产线平衡优化2.10-1整数规划模型参数及变量CT：生产节拍Task={1,2,n}:所有作业元素的集合；i和j：生产线上作业元素的排列序号，i和j可以取从1开始的所有正整数序号；ti：第i个作业元素的生产节拍，i可以取从1开始的所有正整数序号；Pred：生产线上各个作业元素之间的优先关系；K：生产线上工作站序号，k可以取从1到L的所有正整数序号。XikXCk:0-1变量，当k工作站已经安排作业元素，则Ck=1，否则Ck=0。2.2优化关系图经过改善之后的工序和生产节拍都发生了变化，处在当前的现实背景下前四道工序是机器运转且不停歇的工序，因此不做记录。作业元素的优先关系图见图5-1. 图5-1优先关系图Figure5-1Priorityrelationshipdiagram作业元素的约束如下：(1)所有作业元素只能单词分配在一个工作站上。表达式为：X(5.2)(2)生产节拍不能小于工作站时间，表达式为：X(5.3)(3)对作业元素的分配顺序进行约束，作业元素1必须在作业元素2之前分配且分配在作业元素2分配的工作站前（杨若琪，林丽娜，2021）。表达式为X(5.4) (4)当作业元素分配到工作站中，工作站CK指示值取值为1；如果没有，则是0。k=1L(5.5) 目标函数：minZ=(5.6) S.T.k=1(5.7)2.3基于Lingo软件对0-1整数模型的求解Lingo是美国Linda公司研发出来专门用于最优化问题求解的应用。Lingo不仅可以运用到线性规划和二次规划，由上述分析呈现的信息可知还可以运用到非线性规划的求解。整数规划又是Lingo软件最具有特色的地方（许文涛，刘婉澜，2023）。在研究探索中，本文对误差的驾驭依赖于一整套严密的方法与措施，以保障数据之真实、结果之可靠。本文细致规划了研究方案，并对可能引入误差的各类因素——如环境变量、操作差异、数据精度等——进行了彻底分析と评估。借助标准化流程与技术工具，本文维护了数据的一致性与重复性。为进一步提升数据质量，本文引入了双重录入与交叉验证机制，有效防范了人为疏忽或输入错误引发的数据偏离。并且Lingo具有使用简答、求解快速等特点，这在某种程度上勾勒出适用于实际遇到的优化问题。通过优先关系图得到的优先关系集合如下：Pred=((2,3)(3,5)(5,6)(6,7)(6.9)(6,13)(7,8)(9,12)(13,14)(14,15)(8,16)(12,16)(15,16)(16,17)(17,18)(18,19))。Lingo求解编程源代码如下：MODEL:!第I类铝件生产线平衡模型;SETS:!具有时间属性T的一个任务集合T;TASK/1..19/:T;!生产工艺流程之间的一个优先关系集合;PRED(TASK,TASK)/5,66,76,96,136,89,1213,1414,158,1612,1615,1616,1717,1818,19/:;!铝件生产线工作站集合;STATION/1..10/:A;TXS(TASK,STATION):X;!X是派生集合TXT的一个属性。如果X（I,K)=1,则表示第I个任务指派给第K个工作站完成;ENDSETSDATA:!任务123...的完成时间如下;T=12.83.18.53.2830546.813.55.55.16.586.8;方宇辰，汤博文time=41;ENDDATA!要满足每一个作业必须分派到一个工作站的条件（侯泽楷，黎雨馨，2021）;@FOR(TASK(I):@SUM(STATION(K):X(I,K))=1);!对于每一个存在优先关系的生产工艺流程而言，这在一部分程度上揭示了前者对应的工作站I必须小于后者对应的工作站J;@FOR(PRED(I,J):@SUM(STATION(K):K*X(J,K)-K*X(I,K))>=0);!对于生产线上的每一个工作站而言，其花费时间必须小于等于生产节拍;@FOR(STATION(K):@SUM(TXS(I,K):T(I)*X(I,K))<=方宇辰，汤博文TIME);@FOR(STATION(K):@SUM(TXS(I,K):X(I,K))<=@size(task)*A(k));!此模型的目标函数是求最小工站数;MIN=@sum(station(k):A(k));!指定X(I,J)、A为0/1变量;@FOR(TXS:@BIN(X));@for(station:@Bin(A));END2.4求解后的生产线平衡分析将源代码输入Lingo求解得到4个工作站为最优解。优化后的工作站见表5-1，调整工站工时见图5-2。表5-1最优工作站分配图Table5-1Optimalworkstationallocationdiagram工作站号作业元素作业时间总时间15，6，9，11，1212.8，3.1，8，5，432.927，13，14，158.5，6.8，13.5，5.534.338，16，17，18，193.2，5.1，6.5，8，6.829.64103030图5-2调整后工站工时Figure5-2Workstationhoursafteradjustment由上图可知，通过Lingo求解得出最优解为4个工作站，原来的8各工作站减少为4个工作站。生产节拍从41min变为34.3min。生产线平衡率=(32.9+34.3+29.6+30)/(4*34.3)=92.4%平滑指数=(34.3−32.9)2Lingo优化效果见表5-2，对比图见图5-3、5-4。表5-2Lingo优化效果对比Table5-2ComparisonofLingooptimizationeffect指标改善前改善后生产平衡率52%92.4%平滑指数57.196.52图5-3优化前后生产平衡率对比Figure5-3Comparisonofproductionbalanceratebeforeandafteroptimization图5-4优化前后平滑指数对比Figure5-4Comparisonofsmoothingindexbeforeandafteroptimization综上所述，改善前后生产线平衡率以及平滑指数都得到优化，得出改善方案是切实可行的，因此生产线平衡率得到提高，这在一定程度上显露通过改善达到了减员和降低生产节拍的目的，降低成本、提高产量，使得企业在市场中更具竞争力（宋子淳，徐嘉诚，2018）。3本章小结本章建立以最小工作站为目标函数的0-1整数规划模型，通过Lingo求解得出最优解。将得出的最优解与优化之前进行比较发现生产平衡率从原先的52%提升至92.4%，平滑指数从57.19降为6.52。结果表明优化效果显著。第六章结论与展望1研究成果本文通过对S公司铝件生产线进行研究分析，通过现场实习得出数据分线，该生产线存在作业负荷不平衡、生产布局不合理等问题。这些都影响着成本和产量。因此需要对生产线进行优化改善。基于精益生产的思想并使用工业工程的方法对生产线存在的问题进行改善，最后通过0-1整数模型的建立和Lingo求解得出最优方案，这在一定水平上揭露提高了生产线平衡率。研究成果主要如下：(1)通过生产线平衡的相关理论对生产现状进行分析。找出瓶颈工序为喷塑工序，而且问题是人机操作不合理，找出生产布局和生产现场都存在问题。(2)并通过人机作业的改善使得生产节拍从50min降为41min，提出一个人操作两台机器的优化方案，将人的利用率从36%提升至83%，机器的利用率从64%提升至73%。，并成功减员2人，降低了生产成本。(3)通过学习曲线重置生产节拍，对新来员工进行培训，鉴于目前形势使得日产能从原来的1440件变为1756件，产能有了明显提高。(4)通过流程程序图得知整个生产过程存在大量搬运，因此生产布局存在问题，通过对生产布局的重新调整，减少了搬运距离和时间，也解决了堆积问题。通过减少浪费，提高差产能、降低成本。(5)通过改善生产现场，建立5S优化表，整顿生产现场，使得现场更加干净有序，给予工作者更加舒适的生产环境，提高员工的生产积极性。(6)在优化的基础上通过建立0-1整数模型并依靠Lingo求解得出工作站为4时，生产线平衡提高至92.4%，平滑指数降为6.52，指标有着明显改善，实现了生产线平衡优化的目的。从以上研究成果可知通过数学建模并使用Lingo求解对生产线优化有着不错的帮助，并且结果对优化有着不错的成效。2展望本文以S公司铝件生产线平衡作为研究对象，由上述分析呈现的信息可知通过发现和研究生产线存在的问题，并提出改善方案，提升了生产线平衡率。但是由于时间和经验有限，因此改善中存在着不足，在日后的工作中还要深入进讨论以下问题：(1)本文以铝件生产线为研究对象，着重研究生产线各个工序之间以及生产现场的问题。但是企业的实际情况是生产中设备维护管理等都会对生产效率造成影响，因此，还需要深入研究。(2)本文没有涉及到出现不良品时应该怎么应对，不良品对生产线的影响，以及员工休息等实际情况。因此，在日后的优化研究中应该将这些因素都考虑在内。(3)因为实习和研究时间有限，并不能完全掌握出现的问题，因此，生产线还具有进一步优化的空间。所以需要更深入的研究进一步改进生产。参考文献：[1]柴忠梁.基于无人机的输电线路工程导引绳展放作业分析[J].电子技术,2024,53(11):138-139.[2]董睿渊，温丽娜.基于自动模板技术的缝纫作业效率[J].上海纺织科技,2023,52(10):56-60.[3]韩逸飞，郭元正.数字孪生技术下的输电线路无人机巡检数据聚合模型[J].电子设计工程,2024,32(17):102-106.[4]方宇辰，汤博文.基于Jack仿真的助浴产品作业过程人机优化设计[J].机电产品开发与创新,2022,37(04):52-55.[5]杨若琪，林丽娜.基于实证调研的床垫绗缝作业分析与优化[J].家具,2024,45(03):111-115.[6]许文涛，刘婉澜.基于作业分析法的M车间组装线优化研究[J].现代工业经济和信息化,2024,14(02):200-203.[7]侯泽楷，黎雨馨.“基础工业工程”课程中人机作业闲余能力计算的分析改进[J].物流技术,2022,41(11)