【基于SLP的企业车间布局优化研究的相关理论基础5000字】

PAGEPAGE15基于SLP的企业车间布局优化研究的相关理论基础综述1设施布置理论1.1设施布置的概念和方法（1）设施布置的概念一般意义上的设施是人们为了特定目的聚集在一起的建筑[29]，在设施内进行的活动通常也需要各种设备（家具、机器、材料等）的存在和使用，管理良好的设施是实现更高生产率的一种手段，这激发了人们对设施布局的深入研究[30]。设施布置是指在确定的生产作业区域内根据企业实际的生产计划和设定的业务目标，针对生产流程中所涉及到的原材料入库、零部件组装以及最终产品检测、包装到发货的过程中所相关的物料、人员和作业单元进行合适的分配管理，以获得最大的生产效率[31]。（2）设施布置的方法常用的车间设施布置方法主要四种，分别是摆样法、系统布置设计法(SLP)、数学模型法和图解法，以下将进一步对四种方法进行介绍：1）摆样法摆样法是一种将需要研究的对象如机械设备、生产车间、通道等按照一定的比例制作成样片摆放在在二维平面内进行模拟的方法，通过分析比较不断调整样片的位置，最终找到合适的布置方案[32]。摆样法是使用最早的布局方法，其容易操作，但实际运用过程中会花费较长时间且结果具有不确切性。2）系统布置设计法（SLP）系统布置设计是MUTHER.R于20世纪60年代提出来的一种布置方法，该方法将作业单元关系分为物流关系和非物流关系，并通过作业单元间相关关系分析和等级划分，使设施布置的发展由定性阶段扩展到定量阶段，是目前车间布局优化中常用的方法[33]。3）数学模型法数学模型法主要利用系统工程、数学以及运筹学中的相关理论知识建立模型，将与设施布置有关的因素进行有效量化并计算，结果较为准确，可实施性较强[34]。4）图解法图解法最早开始于20世纪50年代，主要有简化布置法、运输行程图和螺线规划图三种方法,该方法将摆样法与数学模型进行了结合，但操作复杂，实践中应用较少[35]。1.2设施布置的原则对企业设施布置进行优化研究就是为了使生产过程中的人员、物料等资源得到有效合理的利用，以达到最小化生产成本、最大化竞争优势的目的。因此，在设施布置的过程中，需要根据企业实际生产方式和流程，遵守一定的设施布置原则，具体原则如下：（1）满足正常生产的需求。在对企业作业单元进行优化设计过程中尽可能使各个环节衔接顺畅，相关工作员工及时交流沟通信息，避免生产过程中产生物料搬运路线迂回或者积压暂存的现象，尽量提高生产效率，在合同期限内按时发货。（2）合理的占有生产空间面积。必须根据企业实际车间面积和生产模式对企业作业单元进行划分，避免出现作业区域面积不足或者过剩的情况。（3）保证物料最小移动距离。对于生产制造型企业而言，物料在生产过程中的移动距离会影响到生产效率，进而影响产品交货时间。因此，在对车间布局进行优化时要尽量避免物料在工序衔接过程中的长距离移动，以此降低物料搬运强度，减少物料搬运成本。（4）确保生产的柔性化。目前企业生产方式逐渐转为多品种小批量，为了较好满足客户的柔性需求，必须确保生产过程中可以及时有效的对产能、生产流程进行调整。（5）实现管理的便利性。除了需要尽可能保证最小化搬运距离和最大化生产效益，还需要考虑各个作业单元布局优化后是否便于相关人员对其的管理。（6）生产环境的安全性和舒适性。生产环境的安全性和舒适性作为提高工人生产积极性的重要途径也是要遵循的原则之一。1.3设施布置的基本形式对制造型企业而言,车间设施布局按照企业实际生产规模的基本形式如下所示：（1）产品布置产品布置也叫流水线布置，是一种较为传统的布置方式[36]。这种布置形式适合大批量连续生产、生产流程按照产品生产且布置的关注点为生产线平衡的企业，在生产过程中，可以保证物料的工序衔接顺畅，极大缩短生产周期，且对于员工的技能要求不高，但会出现因生产线路一处发生故障而导致整个生产线中断，生产过程的柔性较差，无法应对市场需求的突发状况，工人工作乏味单调等现象。（2）工艺布置工艺布置也称为机群式布置，是车间制造车间最常用的一种布置方式[37]。这种布置形式适合成品单件生产、生产流程按照订单生产且布置的关注点为生产柔性的企业，在生产过程中，可以保证设备数量较少，生产过程的柔性较高，但会出现物料搬运路线不稳定，搬运距离较长，生产计划与控制较为困难，生产周期较长等现象。（3）定位布置定位布置又称为固定式布置,这种布置方式会根据加工生产对象的特点将其固定在相应的位置，人员、材料、设备等都围绕在该产品周边[38]。这种布置形式适合项目型生产、生产流程按照项目生产且布置的关注点为生产管理的企业，若在生产过程中采用班组的方式可以保证对生产的连续性有所提高，且在班组完成相应的工作任务后，工作效率较高，且满足物料移动与生产柔性高的需求，但会出现增加库存需求面积和工序间存储面积，人员和设备的移动增加和高技能的员工等现象。（4）成组布置成组布置也称为成组单元，按照成组单元的相似性进行布置，并且按照事先规划好的工艺顺序来对设备的布置进行决定[39]。其适合批量适中多种类生产、生产流程按照加工单元生产且布置的关注点为效率与柔性的企业，在生产过程中，可以提高设备的利用率，生产工艺流程衔接通畅，不仅缩短了物料运输距离且提升了员工的操作技能，但需要提高相应的生产控制水平来对各个作业单元的生产流程进行平衡，同时也会减少了专用设备的使用机会。2系统布置设计（SLP）2.1系统布置设计（SLP）基本要素SLP方法有五种基本要素,分别是产品(P-Product)、产量(Q-Quantity)、工艺过程(R-Route)、辅助部门(S-Service)、时间安排(T-Time)。（1）产品（P-Product）。P是指来源于生产纲领和产品设计，企业生产产品所需的原材料或者生产过程中所需要的服务项目，对生产车间作业单元间的相互关系，物料搬运方式有一定的影响。（2）产量（Q-Quantity）。Q是指生产计划中的生产过程中所耗费的原材料、成品数量或者员工的工作时长，会影响对企业生产规模、设备数量、物流搬运量以及生产区域面积。（3）工艺过程（R-Route）。R可以用设备表或工艺过程图来表示生产工艺中按照设施布置所研究的生产规模划分出工艺过程以及物流搬运方式等，会对作业单元相互关系，物流路线等产生影响。（4）辅助部门（S-Service）。S是指除了生产所涉及到的内容以外的其他服务工作资源的总和，影响生产支持能力。（5）时间安排（T-Time）。T是指何时生产以及产品生产周期，用于平衡各工序的生产。2.2系统布置设计（SLP）实施步骤系统布置设计（SLP）实施可以分为以下几个步骤：（1）原始资料的准备在采用SLP方法对企业车间布局开始优化研究时，需要在确定相关背景企业研究的P、Q、R、S、T五个基本要素的同时根据生产车间布局实际情况以及相应区域的功能性对布局区域的作业单位进行划分,这些活动的开展即可称为系统布置设计的原始资料的准备。（2）作业单元物流关系分析作业单元物流关系分析包括：确定物料在工序之间移动的最有效顺序、搬运强度和搬运数量[40]。各个作业单元之间的相关关系密切程度可以通过物流搬运距离和搬运量来体现，故在企业生产过程中通过物流从至表展示物料搬运方向和搬运量数据后计算出物流量距积，根据划分的物流强度等级对各个作业单元之间的物流强度等级关系图进行绘制并分析。物流搬运距离和搬运量作为物流分析过程中的最基础的原始资料，在对物流相关性进行分析时不仅要考虑物料的移动过程，也需要遵循移动距离最小和物流强度最小两个最小原则。此外，可以通过对作业单元之间的物流相关性的分析初步确定作业单元之间的相对位置。（3）作业单元非物流关系分析在企业车间布局优化研究过程中，对于一些涉及到的物流强度很小甚至没有物流运输过程的作业单元，但是他们之间的非物流关系比较密切，故无法采用物流关系进行分析的作业单元，需要考虑由生产流程的连续性、人员接触密切、信息的交流沟通等因素所影响到的非物流关系。（4）作业单元综合关系分析根据企业生产车间的实际情况，按照一定比例对各个作业单元间的物流等级强度和非物流等级强度进行加和得到综合关系相关性，参考关系种类取值表对其综合关系等级进行划分，最后绘制出作业单元综合关系分析图。（5）绘制作业单元位置相关图在确定车间布局优化方案时,为了防止设计者按照自己的想法进行规划并且在此过程中受到其他因素的影响，首先采用现线图法在不考虑各个作业单元的实际形状以及所需面积的前提下，采用物流关系和非物流关系相结合的方法确定各个作业单元之间的相关性关系并确定其相对位置。（6）绘制作业单位面积相关图在实际的车间布局优化研究中，车间的总面积是确定的，在绘制作业单元面积相关图时，不仅要保证生产车间的长度和宽度保持不变，而且各个作业单元的长和宽也需要在保证其需求面积不变的同时保持不变。（7）作业单元布局方案确定考虑到很难在实际生产过程中对优化后的所有方案进行验证评价，因此只能通过相关理论方法对其布局方案进行比较抉择，并最终确定出一个最合理有效的布局。3遗传算法的理论遗传算法（GeneticAlgorithm,GA）是一种模拟自然界遗传机制和生物进化论而成的并行随机搜索最优化方法，1962年由美国Michigan大学的HOLLAND教授提出。3.1遗传算法的原理遗传算法主要以遗传学机理的生物进化过程和达尔文的自然选择学说中的遗传、变异、生存斗争与适者生存为基础，将“优胜劣汰，适者生存”的生物进化原理通过建立数学模型与计算机仿真运算相结合，根据研究对象所求结果的特性采用不同的编码机制将其串联到种群中，随机产生一个初始种群,按照目标函数的需要确定适应度函数,采用相应的选择操作方法，对保留下来的适应度值较高的个体继续进行交叉、变异等操作，以便产生更多的种群个体从而不断的提高种群中的个体适应度，这样不断循环往复,研究结果不断得到优化,直到达到我们所设定的迭代次数后最终获得最优解。虽然遗传算法具有易出现提前收敛以及易陷入局部最优解的缺陷，但因其对研究复杂问题提供了新的思路、全局搜索能力强以及适用性强等优点，仍然得到了国内外很多学者的重视，在函数优化、生产调度问题以及自动控制等领域应用广泛。3.2遗传算法的特点（1）遗传算法的运算并非针对参数本身，而是根据实际问题中求解结果的特点选择不同的编码机制以便更好的进行后续的操作，这就使得我们在优化求解过程中可以模仿自然界中生物的遗传和进化机理,借鉴生物学中染色体和基因等概念。（2）遗传算法可以根据实际需求随机产生很多个体组成一个初始群体以此开始最优解的运算过程，传统优化算法大都仅选取一个初始点开始最优解的迭代运算，而遗传算法特有的隐含并行性决定了其可以通过大规模并行得计算方式来提高计算速度，不会使运算过程局限在局部最优解中而停滞不前。（3）遗传算法可以直接对目标函数进行相应的转化确定适应度函数，且对需要优化的目标函数类型没有限制，即可更好的保留种群中的较优个体，因此具有广泛的应用范围。（4）遗传算法在求解运算过程中的选择、交叉和变异等相关操作均是通过一定的概率方式来进行，随着求解过程的进行，会与不同操作相结合进而产生更多良好的个体，增强了种群个体数量，使得运算过程具有较强的灵活性。3.3遗传算法的实施步骤采用遗传算法对实际问题进行优化求解一般实施流程可分为以下几个步骤：（1）将实际所需研究的问题转化为数学问题，确定合适的变量对优化结果进行表述，进而建立优化数学模型。（2）根据研究的实际问题，按照模型目标函数所需结果规模随机生成个体组成一个初始种群做出初始最优解，依照自然界中生物遗传和进化规则对个体进行染色体编码，选择合适的编码机制对算法求解质量和效率有很大影响。（3）根据适者生存原则选择下一代的个体，选取合适的方法对目标函数进行相应的转化得到适应度函数，计算出初始化种群中所有个体的适应度值以及在总体适应度值中的占比，使得适应度较高且占比较高的个体更容易被保留并遗传给下一代，反之，淘汰适应性较低且占比较少的种群个体。（4）对于（3）中所选中用于下一代繁殖的个体，对所有个体