流水线车间管理制度

流水线车间管理制度（精选7篇）

流水线车间管理制度 第1篇

车间工艺优化改革方案

针对我公司现有生产状态，随着我们上新的管理系统、对生产的管控将越来越精细，为全速提升产能、计划对生产基地现有的生产分工序分阶段地进行工艺改革，改变以往无序的生产作业流向，最大限度地提升现有的生产潜力。

车间生产优化改革思路：主要分为安全生产、质量管控、电装流水生产和机组总装工艺优化四部分。

一、安全生产实施思路：

1、安全的重要性

安全是生产的前提，因此安全生产标志告示在车间作业区最醒目的位置。让每一个进入生产基地的人员都在第一时间开始把人生安全放在第一位。对于生产车间的警示建议分为安全标语、安全生产规范、安全工作检查流程、人员安全作业图示这这几方面。

2、标示标语

对车间内设备使用区域如（铜牌机、行吊、焊机、负载柜等等）对应挂设安全生产标语、作业图案、危险警示标示等安全标示。

3、执行做法

在进入车间大门的左侧墙壁上通过告示栏目形式展示生产工作服正确着装、安全鞋、帽的正确佩带图示、布置安全生产法规等国家性标准。在图示的旁边布置布置安全生产流程图示及对应负责人以及车间安全月板报等。（参见车间布局图）

安全生产口号：（仅供参考）

2.1生产类：安全是幸福的保障，治理隐患保障安全；宁可千日慎重，不可一时大意；消除一切安全隐患，保障生产工作安全；安全是一种责任，为己为家为他人；企业效益最重要，安全生产第一条；事事落到实处，安全有备无患。安全生产 生产蒸蒸日上，文明建设 建设欣欣向荣；高高兴兴上班来，平平安安回家去。

2.2消防类：遇有火情不要慌，就近出口找方向；消防知识掌握好，减灾增效双提高；消防安全抓不好，隐患事故少不了；消防安全抓不住，隐患事故堵不住；消防工作时时抓，工厂安全年年佳；消防安全记心上，平安幸福有保障；发展需要千日功，火烧就要一日穷。

二、质量管控（建议执行部门：品控部、PMC部）

1、质量的重要性

在质量管理的发展过程中，我司的质量管理思路要转变，从产品质量有“检验”到“预防”，由“堵”到“疏”，再到生产的“全面质量管理”，在生产过程中的精细化要求与质量水平要求越来越高。

质量管理应由事后质量检验把关控制转变为“预防式”的事前控制和事中控制；质量管理如同医生看病，治标不能忘治本，我们要避免虽然高悬着“质量是企业的生命”的标语，而现实中存在“头疼医头、脚疼医脚”的“重结果轻过程”质量管理误区。为了彻底走出“事后控制”的误区，提高事前控制和事中控制的执行力，企业必须在质量管理中推行了全面质量管理模式，层层把关，人人负责，才能使质量控制在每一个产生的源头。

质量问题的处理“由堵向疏”的转变。由质量问题责任追究和结果考核，向原因分析、持续推行质量改进的转变。质量问题的发生必然有其产生的原因，如果一味追究责任和进行经济处罚，会导致隐瞒小问题，最终集结成大质量事故，为此倡导提出问题，商讨改进和预防措施，避免同样的问题重复发生。采用定期召开质量分析会的方式，对产生的或可能产生的质量问题进行原因剖析，找出问题产生的根源，研究制定质量问题的解决方法和预防措施。由于现实竞争中对于价格的竞争尤为激烈，在制造过程中必须严格控制成本，且需要每一个人都要有主人翁意识，对于自己所用的辅助材料价格怎么样，成本怎样算都应该去了解，这样，才知道应该怎样去控制，从那个方面去控制，鼓励持续改进，不断对所有细节问题进行改进，降低所有能够降低的生产成本。在生产过程中减少质量问题，也能相对的降低生产成本。

2、质量管控的布局

2.1质量管理体系

我司执行的标准体系：如ISO9001体系、及其他（请品控部补充），布置在车间的行车轨道梁上。标准体系是体现我们公司质量指标的基础，应使用较大的醒目的文字，给人以惊醒。

2.2生产车间的质量管理制度

质量管理的流程和制度是体现质量管理水平的重要依据，因此建议在流水车间的支持柱上及之间的位置制作挂牌和看板，分别详述质量流程和制度。

2.3不合格品陈列对比台和质量报表看板

电气物料生产中常出现的质量问题，可以做成不合格品对比台，放置在电气流水生产平台的周侧，起到对比警示的作用。在车间的中部增加质量月度和周报告看板

2.4质量管控报告

品控部作为质量监控的直接部门，对于产品质量负有主要责任，同时品控部对于出现质量异常情况需做出事故判断，并及时通报，并按时间点进行总结，积极反馈给直接领导者和相关责任人。建议将典型质量事例做成报表或者其他可以展现的模式进行通报，以儆效尤。

三、电气流水生产线（建议执行部门：PMC部、研发部）

我司的自主业务主要为发电机组和相关电气产品。电气产品作为我司的主要生产业务之一，在流水线生产中占有非常重要的一环。我司的电气业务主要分为发电机组配套电气产品和其他配电产品柜。其中发电机组配套的电气产品是发电机组标准配置，根据发电机组的功率段不一样分为了几种常规产品。流水线生产主要针对这一块的控制箱，开关箱和其他线束半成品的制作。其他配电产品柜则根据客户的不同需求制作非标产品。

1.线束区规划

由于线束的制作方法都是一致，只是线束长短不一，因此我们将线束独立作为一个区域进行加工处理，在线束制作区放置对应的线束制作工艺看板（建议将这一块的质量看板和工艺看板合并）。为提供工艺水平，加快工人技术熟练度，建议专人专业，不同线束安排不同人员进行置产。在线束区放置看盘，按规格梳理放置，方便快速统计和运输至仓储。对完成的线束按设计种类进行分类仓储，统计数量。

质检要求，按照概率统计学规定随机抽检样品，确保产品合格率。

2控制箱和开关箱装配区

我司法定机组大部分标配控制箱为6020控制箱模块，因此将6020模块控制箱作为我司电气流水线标准产品生产。在生产区放置专用看板，使得工作人员及管理者能及时看到工艺并根据要求完成工作。根据工艺要求，从箱体上线，装配模块，安装连接线，安装线束固定夹等步骤流水生产，专人专职。在流水线尾端放置看盘，按规格梳理放置，方便快速统计和运输至仓储。对完成的控制箱按设计种类进行分类仓储，统计数量。

开关箱有研发部负责配置标准，安装不同规格开关箱（预计不超过10种）。由于开关箱的种类较多，适用于专用看板，建议在通用看板上留有专用工业挂靠夹。现场根据实际生产计划和物料计划安排不同专用工艺。流水线切换到开关箱生产，根据工艺要求，从箱体上线，开关装配，连接电缆等，专人专职。在流水线尾端放置看盘，按规格梳理放置，方便快速统计和运输至仓储。对完成的开关箱按设计种类进行分类仓储，统计数量。

控制模块箱和开关箱流水生产安装概率统计学抽检，重点项目需全检。

3.配电产品柜的生产计划

配电产品柜安装分为铜牌制作和柜体制作安装。铜牌制作部分需增加图纸看板和图纸收藏柜，已经铜渣收集箱。配电产品柜的柜体制作也增加可移动工艺看板，确保施工可以根据工艺要求流转。安装完成的柜体又PMC部安排叉运到待检区域待检。

质检要求：非标产品根据公司对产品质量要求进行全检，统计合格率，及时总结，规划责任积极整改不良产品。

四、发电机组的流水生产

我司目前的发电机组业务安装机组形式分为开式机组和静音型机组以及集装箱机组三种形式。考虑到流水生产的流水方式以及静音型机组的大小，建议将集装箱机组按照物流流水的形式进行生产，小功率开式机组按照机组流转的形式进行流水生产，而大型开式机组及集装箱机组则按照机停人流转的形式进行流转。

1、静音式机组

静音箱机组的装配可以分为机组对中落座—电装—箱体合装—调试四个步骤，建议划分明确区域，对工作人员进行详细分工，确保专人专职，提高工作效率。在对应的工装中布置对应的工艺看板，以及专用工艺夹板，确保工作现场可以直接查询到相关资料，及时发现问题解决问题。改变现在根据经验进行工作的习惯。同时增加吊装和运输辅助工具，加速物料流转速度。每一步工装都安排质检严格把关，质检要求是全检。以确保我司产品在竞争中处于优势地位。

需要增加设备：固定式工艺看板（含板夹），吊装工具，运输工具，箱体推车，看盘等。

质检要求：全检，品控部对问题进行汇总分析，按规定时间发布相关信息及相关整改措施。

研发部提供标准机组工艺和具体的工装工艺，指导生产。

PMC及时安排送检和合格品入库等工作。

2、小功率开式机组

小功率开式机组的装配可以分为机组对中落座—电装—调试三个步骤，建议划分明确区域，对工作人员进行详细分工，确保专人专职，提高工作效率。在对应的工装中布置对应的工艺看板，以及专用工艺夹板，确保工作现场可以直接查询到相关资料，及时发现问题解决问题。改变现在根据经验进行工作的习惯。同时增加吊装和运输辅助工具，加速物料流转速度。每一步工装都安排质检严格把关，质检要求是全检。以确保我司产品在竞争中处于优势地位。

需要增加设备：固定式工艺看板（含板夹），吊装工具，运输工具等。

质检要求：全检，品控部对问题进行汇总分析，按规定时间发布相关信息及相关整改措施。

研发部提供标准机组工艺和具体的工装工艺，指导生产。

PMC及时安排送检和合格品入库等工作。

3、大功率开式机组的流水生产

大功率开式机组的装配也分为机组对中落座—电装—调试三个步骤，但大功率开式机组由于机组较大，发动机和电机的对中工作难度大，移动较为困难，因此采用人流水，机器不动的方式进行。具体实施办法为，在待装区安排生产物料，在安装区域设置非标工艺看板（移动式），设置停工待料区。工作要求，每一步相关人员完成对应工作后再工艺卡上署名完工并将完工标示贴在机组的明显区域，质检人员快速查看到后进行检验，检验完成后发放工序检验合格卡（或不合格待整改标示），下一道工序见到质检合格后迅速开展工作，直至调试完工，发放产品合格证。需要增加设备：移动式工艺看板（含板夹），吊装工具，运输工具等。

质检要求：全检，品控部对问题进行汇总分析，按规定时间发布相关信息及相关整改措施。

研发部提供标准机组工艺和具体的工装工艺，指导生产。

PMC及时安排送检和合格品入库等工作。

4、集装箱型机组的生产方式

我司的集装箱型机组一般都是项目性质，因此不建议进行流水化生产。

流水线车间管理制度 第2篇

水泵车间流水线工段长工作总结及工作计划在欢天喜地的鞭炮声中，2010已画上了完美句号的同时，也迎来了崭新的2011.回首往事，在过去的一年中，有着许多值得我们去深思去铭记的事情；春在任水泵车间流水线工段长期间，本人带领着共计三十几人的装配和包装线员工，以每天产出成品地面泵和潜水泵1000余台的产能，提前约半个月的时间完成了24400台地面泵和约30000台SBI250/SBI370潜水泵。我满怀自豪的在2月1号请假回老家欢度春节，可当我还沉浸在佳节的余悦中回公司上班所后，听到的第一个消息就让我大吃一惊，节前还引以为豪产出的24400台地面泵，因双电压标示上的所标230V与电泵出厂设置转换开关上的115V不相对应，误导了用户，造成用户安装后刚一使用就烧毁电机，客诉接连不断，退货和返工给公司造成2000多万美元巨大的经济损失，更使企业形象严重受损。

流水线车间管理制度 第3篇

制造执行系统(Manufacturing Execution System,MES)是“能够通过信息的传递对从产品开始投入生产一直到产品完成的整个生产过程进行优化管理，并根据当前准确的实时数据，MES对企业的生产活动做出指导、反应和报告，这样对变化的生产条件做出快速响应能够减少企业内部无效的生产行为，从而推动生产操作和过程的有效进行”。它主要用于对车间的生产、质量、设备等方面进行详细作业计划、实时信息反馈和数据分析，通过控制包括物料、设备、人员、流程指令和设施在内的所有工厂资源来提高制造竞争力，提供了一种系统地在统一平台上集成诸如质量控制、文档管理、生产调度等功能的方式。当前MES广泛采用的技术模型如图一所示：

制造执行系统集成了车间中生产调度、质量管理、设备维护、过程控制等相互独立的系统，如图二所示。

2 MES系统体系结构

MES系统体系结构如图三所示，其描述如下：

计划层(MRPⅡ/ERP)：强调企业的计划性。它以客户订单和市场需求为计划源头,充分利用企业内的各种资源,降低库存,提高企业效益。主要功能包括市场预测、订单处理、财务分析、库存管理、生成BOM和生产工艺文件，以及制定生产计划和采购计划等。

执行层(MES)：强调计划的执行。通过MES把ERP/MRPⅡ与企业的现场控制有机地集成起来。

控制层(Control)：强调设备的控制。包括PLC、数据采集器、条形码、各种计量及检测仪器、机械手等的控制。

3 装配流水线调度与MES的关系

流水装配线(Flow Assembly Line)是一种先进的生产组织形式，一般由数十个装配工作站构成，装配加工的所有因素都在工作站上进行组合，形成装配生产功能。装配工作站(Assembly Work station)是流水装配线的最基本单元，工艺上又称为一个装配工位，每个工作站必须具备装配生产所需的一切资源：装配加工的设备与工具、装配操作人员、装配所需要的物料机器存放容器、需要进行装配加工的在制品(WIP:Work-In-Process)，在制品一般安置在一个可以随装配线运动的托盘上。因此，一条生产线上的在制品总数总是小于托盘总数。

在MES系统中，调度应用的实现如图四所示，其中框内部分描述了调度应用的主要场景。调度在工序作业计划到作业安排之间进行应用，其中包括两次：“调度I”主要实现有限能力计划，即获得资源能力平衡条件下的作业时间安排;“调度Ⅱ”主要实现资源分配，并同时实现作业排序。调度的应用功能以及约束条件的选择都可以根据具体应用情况进行具体的选择。

4 装配流水线调度的内容

人工操作或半自动的装配线、各工作站的作业时间会受多种因素影响而存在差异，各工作站的作业时间带有随机性。此外，不同品种产品的工序是不相同，从而引起各品种的产品在工作站上作业时间的波动。因此，在实际生产过程中，要做到所有工作站的作业时间完全相同是不可能的。实际生产运行中调度系统可以通过控制和指挥生产来保证流水装配线的均衡高效运行。具体有以下几方面：

(1）改进节拍计算方法

以作业线的科学、精确的计算分析代替模糊的传统经验推断，应用生产节拍概念及作业线平衡原理，发现瓶颈作业，找到最好的解决方案。

(2）解决装配线调度问题———产品投产顺序问题

用有效的算法解决装配线的调度排序问题(Assembly Line Scheduling Problem，简称ALS问题)是提高装配线性能的基本要求。

(3）解决装配线平衡问题———负荷平衡

在工艺条件的约束下，将所有基本工作单元分派到各个工作站，使每个工作站的作业时间满足一定的节拍要求，以减少工作站的闲置时间和超载时间，使平滑性指标最小化。

(4）物料的合理配送，包括工位配送和物料传输

将模块化的传送带按模块分为线性传送带模块和连接传送带模块。通过改变模块的方向和位置，快速调整传输路线，并且通过二维传送带和三维传送带的组合形成各种类型的空间运输路线。

(5）装配线的合理布局

采用装配线模块化，将传统的汽车装配生产线按照功能分解成小型生产线模块，整个生产线的生产保持一定的节拍。在每个模块内部，采用自由节拍的方式，充分发挥模块内部的自治功能。每个工件的加工时间由操作者掌握，在遇到紧急任务的情况下，操作可进行局部调整或并行执行工作流程。但是，必须保证单个模块的生产节拍符合整个制造系统的生产规划。

(6）采用信息技术

企业采用信息技术(包括计算机、通讯、自动化技术等)来改善设计过程、加工制造过程和管理决策过程，并在网络和数据库的支持下实现信息集成，从而优化生产，改善TQCS(Time、Quality、Cost&Service)，提高企业的市场应变能力。在生产过程中，通过科学、系统的程序化管理，节约各个环节的操纵时间，达到实时信息管理调度。

5 结束语

随着市场竞争的加剧，企业的生产正朝着多品种、小批量方向发展。在离散型制造企业尤其是机械行业，生产的产品品种多、批量小，并且绝大部分是按订单进行生产，因此当前MES流水线调度中面临很多问题。如：订单的随机性使得工作难度大，计划的及时性、应变性差;生产的动态多变性使得生产计划的制订与生产任务的管理工作繁重;品种杂而多变，产品的生产过程和工艺路线就相差很大;生产的不均衡性使得生产任务无法在时间上进行均衡地分派。

目前车间调度问题形成了以下一些策略和发展趋势：

(1)并行或分布策略;

(2)分解与成组策略;

(3)人机交互策略;

(4)动态重调度策略;

(5)生产计划与调度集成策略;

(6)多目标权衡决策;

(7)异地生产调度策略。

作为AM模式的关键技术之一，异地生产调度策略成为近期的研究热点，具有比较广阔的应用前景。

摘要：本文介绍了MES与装配流水线的内容、相互之间的关系,详细说明了面向MES的装配流水线车间调度系统模型和应用实现,并指出了目前存在的问题和发展趋势。

关键词：MES,流水线,调度系统

参考文献

[1]林洪,武彦峰.制造执行系统调度研究[J].MES技术,2004(,6).

[2]Maria Caridi,Andrea Sianesi.Multi-agent systems in production planning and control:An application to the scheduling of mixed-model assembly lines.Int.J.Production Economics,2000,68:29-42.

[3]曾佑琴.面向中小配套型企业制造执行系统的调度算法研究[D].重庆:重庆大学,2005.

流水线车间管理制度 第4篇

【关键词】置换流水车间调度；分布估计算法；遗传算法；模糊逻辑控制

0.前言

置换流水车间调度问题（PFSP）是对经典的流水车间调度问题进行简化后得到的一类子问题，最早在石化工业中得到应用，随后扩展到制造系统、生产线组装和信息设备服务上[1]。该问题一般可以描述为，n个待加工工件需要在m台机器上进行加工。问题的目标是求出这n个工件在每台机器上的加工顺序，从而使得某个调度指标达到最优，最常用的指标为工件的总完工时间（makespan）最短。

PFSP最早由Johnson于1954年进行研究[2]，具有NP难性质[3]。求解方法主要有数学规划，启发式方法和基于人工智能的元启发式算法[4]。数学规划等适用于小规模问题，启发式方法计算便捷，却又无法保证解的质量。随着计算智能的发展，基于人工智能的元启发式优化算法成为研究的重点。

遗传算法（GA）是研究与应用得最为广泛的智能优化算法，利用遗传算法求解PFSP问题的研究也有很多。遗传算法具有操作简单、容易实现的优点，且求解时不受约束条件限制。然而，遗传算法通常存在着过早收敛，容易陷入局部最优的现象。导致这一现象的原因在于遗传算法的交叉、变异操作具有一定的随机性，在求解PFSP问题的过程中往往会破坏构造块，产生所谓的连锁问题。为了克服遗传算法的缺陷，研究人员提出了一种不进行遗传操作的分布估计算法[5]（EDA）。EDA是一种运用统计学习的新型优化算法。相比GA，EDA在全局搜索上有较大的优势，而局部搜索能力不足，同样会导致局部最优[6][7]。以混合优化为思路，本文将设计一种EDA与GA结合的混合算法来求解PFSP问题，混合算法通过EDA的概率模型和GA的交叉变异操作两种方式来生成个体，并引入模糊控制理论[8]来自适应调节两种算法生成个体的比例。

1.置换流水车间调度问题

PFSP问题通常假设：

（1）n台工件在m台机器上加工。

（2）每个工件以相同的顺序在m台机器上加工。

（3）每个工件在每台机器上的加工时间是预先确定的。

（4）每台机器只能同时加工一个工件。

2.混合算法设计

2.1种群初始化

初始种群含有PS个个体，利用经典的启发式方法NEH[9]算法产生1个个体，其余PS-1个个体采用随机初始化的方法生成。

2.2选择

根据PFSP问题所给的加工时间表计算出种群中所有个体的总完工时间Cmax，显然Cmax越小，个体的质量就越好，据此可将评价个体好坏的适应度函数设为1/Cmax。本文选择的是轮盘赌法，加工时间越小，适应度值越高，个体被选择的概率也就越大

2.3概率模型

2.4局部搜索

对概率模型采样即可得到新一代的个体，对个体进行局部搜索可以提高EDA的性能[11]，本文将对较好的个体进行局部搜索，分别有如下三种搜索方法：

插入：选择一个工件并随机插入到某一位置。

交换：随机选择两个工件并交换其所在位置。

倒置：随机选择两个工件，将这两个工件之间的序列反转。

2.5交叉算子

本文采用的交叉算子为次序保留交叉。例如，亲代个体为{2，3，5，1，4，9，8，6，7，10}和{1，2，4，5，6，7，8，3，9，10}，在交叉过程中保留的片段为{4，9，8，6}，则生成的子代个体为{1，2，5，7，4，9，8，6，3，10}和{2，3，4，5，6，1，8， 7，9，10}，图示如下：

2.6变异算子

本文选取的变异算子为移码变异，例如，变异前的个体为{6，8，9，10，7，4，3，1，2，5}，选择7，8这两个位点进行变异，变异后个体为{6， 9，10，7，8，4，3，1，2，5}，如下图所示：

2.7模糊逻辑控制

混合优化策略中，不同算法的比例是影响算法性能的关键，传统的算法比例混合方法主要包括固定比例和动态比例两种。使用固定比例时，比例值将在整个算法搜索过程中保持不变。这种方法需要进行试验来确定合适的比例值，其缺点在于为寻找到最佳比例值所需进行的试验多，耗时久。而动态比例调节则只需预先确定一个比例的初始值，而在运行过程中会根据搜索情况调节比例。调节方式又可以分为两种：一种是应用传统的启发式规则控制算法生成个体的比例，这些规则可以用确定的数学公式表示；而另一种是用人工智能技术自适应调整生成个体的比例，最常见的是将模糊逻辑应用于比例调节，能根据算法性能的变化来实现比例控制[12]。为了使混合算法具有优良的适应性，本文采用模糊逻辑控制来进行比例调节：在EDA表现良好时提高EDA生成个体的比例发挥其全局搜索的优势，在EDA求得解的质量下降时提高GA生成个体的比例，以避免出现局部最优。

3.EDA-GA混合算法

通过以上设计，EDA-GA混合算法的步骤如下：

3.1种群和概率模型的初始化

产生初始种群，迭代次数t=1，概率模型P中pij=1/n

3.2对种群个体进行评价并选择出优势个体

以轮盘赌法选择出用以更新EDA概率模型的优势个体和待进行交叉变异操作的父代个体。

3.3更新概率模型并对概率模型取样生成个体

对优势个体进行统计学习完成概率模型的更新，然后对概率模型抽样产生PS个个体，局部搜索后，把最好的rate（t）*PS个个体加入到下一代种群，rate（t）为当前EDA所生成个体的比例。

3.4交叉操作和变异操作

对父代分别进行交叉操作和变异操作，共产生（1-rate（t））*PS个个体，将这些个体加入到下一代种群中。

3.5模糊逻辑控制调节比例

新一代种群生成后，将种群平均完工时间与上一代进行比较，得到模糊输入量，根据模糊判断规则确定下一次迭代时EDA所生成个体的比例rate（t+1）。

3.6终止条件判断

若满足终止条件，输出此时得到的最优解；否则，t=t+1，进入步骤2）。

4.实验结果

4.1参数设置

将EDA-GA混合算法的参数设为种群大小PS=200，迭代次数iteration_times=300，优势个体所占比例为superior_rate=0.2，GA变异比例mutation_rate=0.1，EDA初始生成个体的比例rate=1，概率模型学习速率α=0.2。

4.2结果分析

PFSP问题的基准算例有很多，其中Car和Rec类算例运行时间段短，计算快捷，因此选用这两种算例來验证本文所设计混合算法的有效性。每个算例用matlab独立运行10次，并与GA，EDA的结果进行比较。测试结果如表3所示。其中，BRE=×100、ARE=×100为每种算法求得的最优解C与三种算法测试所得的最好解C*的相对偏差百分比的最小值和平均值。

从表3的实验结果可以看出，对测试问题Car1～Car8和Rec01～Rec37，本文设计的EDA-GA混合算法ARE与BRE均优于EDA和GA，说明GA的引入使得EDA的优化性能有了很大的改进。对于Rec39、Rec41，混合算法BRE不如GA，说明优化性能稍弱于GA，但相比EDA解的质量有显著提高。因此总体而言，EDA-GA混合算法的性能是要强于GA和EDA。

5.结论

针对EDA和GA各自在全局搜索和局部搜索的不同侧重，本文设计了一种EDA-GA混合算法对以最小化总完工时间为优化目标的PFSP问题进行了求解。在混合算法中， EDA和GA各自生成一定比例的个体进行混合，在两种算法比例的调节上使用了模糊逻辑控制的方法，其中模糊输入量为每一代种群个体总加工时间的平均值的变化，而模糊输出量为EDA在下一次迭代中所生成个体的比例。由此，混合算法综合了EDA和GA的优点，运用Car和Rec类进行算例仿真，实验结果证明上述EDA-GA混合算法是有效的。 [科]

【参考文献】

[1]Pan Q-K，Suganhan PN，Tasgetiren MF，Chua TJ.A discrete artificial bee colony algorithm for thelot-streaming flow shop scheduling problem. Information Sciences，2011，181（12）：2455-68.

[2]JohnsonS M.Optimal two-and three-stage production schedules with setup times included[J].Naval research logistics quarterly，1954，1（1）：61-68.

[3]Zhang Y，Li X.Estimation of distribution algorithm for permutation flow shops with total flow time minimization[J].Computers & Industrial Engineering，2011，60（4）：706-718.

[4]周驰，高亮，高海兵.基于 PSO 的置换流水车间调度算法[J].电子学报，2006，34（11）：2008-2011.

[5]LarranagaP，LozanoJA.Estimationofdistributionalgorithms：Anewtoolforevolutionary

computation[M].Springer，2002.

[6]叶宝林，高慧敏，王筱萍，等.基于分布估计算法的二阶段置换流水车间调度算法[J].计算机应用研究，2011，28（10）：3702-3706.

[7]ChenSH，ChenMC，Chang P C，et al.Guidelines for developing effective estimation of distribution algorithms in solving single machine scheduling problems[J].Expert Systems with Applications，2010，37（9）：6441-6451.

[8]Chan F T S，Prakash A，Mishra N.Priority-based scheduling in flexible system using AISwithFLCapproach[J].International Journal of Production Research，2013，51（16）：4880-4895.

[9]Nawaz M，Enscore Jr E E，Ham I.A heuristic algorithm for the m-machine，n-job flow-shop sequencing problem[J].Omega，1983，11（1）：91-95.

[10]王圣尧，王凌，许烨，等.求解混合流水车间调度问题的分布估计算法[J].自动化学报，2012，38（3）：437-443.

[11]Wang S，Wang L，Liu M，et al.An effective estimation of distribution algorithm for solving the distributedpermutationflow-shopscheduling problem [J]. International Journal of Production Economics，2013，145（1）：387-396.

[12]何宏，钱锋.遗传算法参数自适应控制的新方法[J].华东理工大学学报：自然科学版，2006，32（5）：601-606.

[13]Kim K W，Gen M，Yamazaki G.Hybrid genetic algorithm with fuzzy logic for resource-constrained project scheduling[J].Applied Soft Computing， 2003，2（3）：174-188.

流水线车间管理制度 第5篇

按生产工序去规定生产节拍, 通过每台车的节拍化流动, 消除滞留, 稳定作业的时间。有了生产节拍 (基准) 后, 就能发现哪一环节存在延迟 (异常) 。发现了异常之后, 就找到了问题产生的原因, 就可以有针对性地对这一环节进行改造。

钣喷生产线各工序流程的说明:

(1) 拆卸、钣金校正:钣金校正工位的技术人员会将车辆开上轨道进入流水线, 完成校正和拆卸工作后, 车辆顺着轨道移动到补土工位。

(2) 磨灰:技术人员检查钣金校正的质量后, 进行磨灰补土、打磨作业, 完成后将车辆移动到底漆作业工位。

(3) 底漆:底漆作业技术员检查磨灰的质量后, 进行底漆喷涂、打磨等作业, 完成后车辆顺着轨道移动到遮蔽工位。

(4) 遮蔽:遮蔽工位技术员检查底漆质量后进行非喷涂面的遮掩工作, 清洁、遮蔽完成后车辆顺着轨道移动到喷漆房内。

(5) 喷漆:喷漆技术员检查遮掩质量后, 清洁、喷涂、烘烤工作持续进行, 完成后车辆被开出烤漆房, 来到抛光工位。

(6) 抛光:抛光技术员检查喷漆质量后, 进行抛光、清洁作业, 完成后车辆被开往组装工位。

(7) 组装:组装技术员将拆卸的零件全部装配完毕, 修复工作就全部完成了。

2 存在的问题

下图是根据生产现场绘制的原生产车间状况, 突出的问题体现在:

· 在接待处滞留了等待开工维修的车辆

· 钣金作业和喷漆作业两大工序之间滞留严重

· 喷漆后等待装配其他车身附件车辆有滞留

· 等待交车的车辆滞留

· 停车位, 车间都停满了车辆

· 影响生产的车辆, 从一个位置被替换到另一个位置很麻烦 (浪费的作业)

· 即便是想进行修理也没有空间 (等待)

· 车辆渐渐地停得到处都是 (空间浪费)

· 作业完了, 车也很难开出来, 很难放入下一台车

· 业务接待员也不清楚交车时间, 回答不了客户

3 指导方向

3.1 提高技能、提高维修质量

加强钣喷维修质量管理的主要途径是:加强组织领导, 提高维修人员的综合素质、汽车维修服务环境人性化、汽车维修技术标准和服务项目标准化、汽车维修收费标准区域公示化;拖车和维修工时定额化;加强汽车维修返修率的考核;加强汽车维修的进厂、过程、竣工质量检测和监督;实行汽车维修竣工出厂合格证和质量保证期。

3.2 工序的流水线化

如前面传统生产方式的各项分析可以看出, 由于前一道工序和后一道工序之间的流动不顺畅, 所以各工序间会经常发生堆积和滞留的车辆, 导致从维修开工到维修任务完成的物流时间很不稳定。至于什么时候能完成作业, 回答出准确的交车时间更不可能了。

另外, 传统作业的滞留现象严重, 因钣喷车间是分成若干个维修小组, 当损伤程度不同的车辆进入钣喷车间, 调度在派工时就出现了派工不均的现象, 易做且工时相对较高的车辆首先会被抢走, 因此产生调度与班组, 班组与班组等诸多形式的分歧, 其他各工序之间同样存在该种现象, 人为干预的环节太多。所以每台车从开工到完工的时间都不一致, 从而导致不能准确回答客户交车时间。

3.3 根据损伤情况设定三条流水线

为了实现流水线作业方式, 还必须先统一每一个工序的作业量, 将事件属性归类。这里我们将根据事故车辆的损伤程度这一属性进行分类, 设定出流水线的条数, 最终选择了保险杠修理、小损伤修理、中大损伤修理共3条流水线。

3.4 作业计划及作业管理

小损伤线是这次公司改造的重点, 所以对于这条线开发了非常详细的作业计划表。该表内容包括作业顺序、车辆所在位置, 以及完成的时间, 做到车、人的状态可视化, 用看板实现精准的车辆与人员状态掌控。同时, 响应预警信息 (超时, 中断) 帮助车间主任及时了解现状, 及时调整。实现了工序清晰, 节拍时间段明确、维修线负荷提示等功能, 最大化地提高了工作效率。

4 结 论

某公司的生产流水线改造已完成, 并进行了几个月的试运行, 该钣喷流水线经过实践检验, 证明是科学的、合理的, 其优点可以归纳为以下几个方面:①确保生产安全。整条流水线的车辆无须作业人员开车移动而是在地轨上移动, 能够很好地避免因车间狭小、车辆在车间内移动而造成的安全事故;②质量可靠性增加, 稳定性提高;③技术依赖性小。即使是一般的技术工人, 通过短时间的强化培训就可以胜任单一岗位的工作;④占用面积小, 节约时间。工具设备呈立体式布置, 不用移动设备, 空间得到充分使用, 节约了移动工具所占用的时间。

参考文献

[1]张云, 李兴隆.过程分析方法[J].新疆钢铁 (过程方法应用专刊) , 2002 (3) .

流水线车间管理制度 第6篇

流水车间调度(FSP)已成为一个非常活跃的研究领域。在流水车间调度中,设为N的n个无关作业被设为M的m个机器处理。这些机器按串联的顺序排序,每个作业以相同的顺序依次访问这些机器。这个顺序设为1,…,m,因此,每个作业j,j∈N由m个任务组成。作业在机器上的加工时间是确定的和非负的,被表示为Pj,i,j∈N,i∈M。FSP细节如下:

(1)所有作业是独立的,在时间为零时都可以加工处理。

(2)机器可以持续工作(无故障)。

(3)每个机器同一时间仅可以加工处理一个作业。

(4)机器一旦开始加工给定的作业,就不可以被中断,持续到加工完成。

(5)准备时间是与加工序列无关的,它包括在加工时间内或者忽略不计。

(6)作业等待缓冲区容量足够大,不会出现堵塞等问题。

FSP的目标是获得N个作业在M个机器上的加工序列,使得给定的判定是最优的。一个加工序列通常明确到每个机器,因此每个机器有n!个可能的作业加工序列,总共的可能序列有(n!)m个。一个简化的问题是假设一个相同的作业加工序列在所有机器上都保持不变,其有效防止了作业加工序列在每个机器上都重新排序一次,所以总共的可能序列为n!。这个简化的问题被称为为置换流水车间调度问题。调度判断标准使用作业在机器上的完成时间,被标记为Cj,i,j∈N,i∈M。一旦作业加工序列被确定(π(j),序列为π,作业的位置为j),完成时间就可以很容易地计算出来:

PFSP研究的仅仅是一个工厂中的调度问题,所有的作业都在这一个工厂中加工。之后提出了分布式置换流水车间调度问题,作业首先被分配到工厂,然后工厂中再进行调度。在PFSP中,问题是安排作业在一组机器上的加工顺序,DPFSP添加了一个重要的决策———作业首先要分配到合适的工厂。因此,DPFSP的两个决策是作业分配到合适的工厂和工厂中的作业调度。

分布式置换流水车间调度被称为DPFSP,其定义如下:

在之前的计算中,我们计算了工厂可能没有被分配作业的情况,在现实情景中也不可能排除这种情况,但是关于Cmax优化判断,不可能存在空着的工厂。因为如果n≤F,每个作业分配到一个工厂,这就不需要去优化。所以在DPFSP中,我们设n>F。

通过计算,我们知道DPFSP的解集数量接近普通的PFSP。当n=1时,DPFSP变为普通的PFSP,因为PFSP是一个NP—完全问题,所以DPFSP也是一个NP—完全问题。

2 分布式置换流水车间调度问题模型描述[2]

数学模型能很自然地描述问题的详细特征。描述模型以前,我们列出了模型中所需要的参数如表1所示,模型中所需要的索引如表2所示。

目标函数是使最大加工时间最小化:

模型是基于位置的分布式置换流水车间调度。对于DPFSP中的两个决策,我们定义两个不同的二进制变量集合,分别处理作业在工厂间的分配和作业在工厂内的加工序列的排序。模型中的变量如下:

Xj,k:设为1,如果作业j在位置k,否则为0。

Yk,f:设为1,如果在位置k的作业在工厂f加工处理,否则为0。

Ck,i:表示位置k的作业在机器i上的完成时间。

具体模型如下:

目标函数:

服从:

3 总结与展望[3]

一般的置换流水车间调度问题都是单工厂的模式,而现实情况是复杂的,很少有单工厂模式,所以很有必要研究多个工厂的分布式置换流水车间调度问题。但是由于现实情况过于复杂,为了化简问题的难度,我们进行了很多的假设。随着问题的不断深入研究,我们所做的假设也将渐渐减少,越来越靠近真实环境中的复杂情况。

摘要：研究一个新的置换流水车间调度(PFSP)问题,被称为分布式置换流水车间调度(DPFSP)问题。一般情况下,假设有F个完全相同的工厂,每个工厂有M个机器。N个作业分配到这F个工厂加工处理,处理顺序由每个作业分配到每个工厂时决定。最优化准则是最小化最大完成时间,现描述DPFSP的特征和模型,以便进行相应算法的求解。

关键词：分布式置换流水车间调度(DPFSP),作业调度,工厂分配

参考文献

[1]Naderi B,Ruiz R.The distributed permutation flowshop scheduling problem[J].Computers&Operations Research,2010,37(4):754-768.

[2]Naderi B,Azab A.Modeling and heuristics for scheduling of distributed job shops[J].Expert Systems with Applications,2014,41(17):7754-7763.

流水线车间管理制度 第7篇

流水车间调度问题是一类重要的生产调度问题,在许多工业领域中有广泛的应用背景,受到了许多研究者的重视,提出了许多针对问题的有效求解方法,其中以求解单目标问题为主。而在实际生产环境中,往往存在着多个相互冲突的优化目标,研究多目标流水车间调度问题更加符合实际。通常,多目标优化问题的最优解不是单个解,而是一组Pareto最优解。进化算法具有隐含的并行性,单轮运行能够得到多个Pareto最优解,已成功地用于求解多目标优化问题。近年来,在多目标进化算法中使用局部搜索技术,以加快解的收敛速度和提高算法的全局搜索能力,引起了许多研究者的关注[1,5]。

本文提出了一种多目标混合遗传算法MOHGA(Multi-Objective Hybrid Genetic Algorithm)。该算法采用基于Pareto支配关系的适应度赋值方式,并采取非劣解并行局部搜索策略,以提高算法的搜索效率,产生数量较多、分布较广的Pareto最优解。通过对一组多目标流水车间问题的求解,与MOGLS[1]、J-MOGLS[3]、PFGA[6]算法进行比较,验证了MOHGA的有效性。

1 问题描述

流水车间调度问题可以描述为:n个工件通过m台不同的机器进行加工,每个工件要经过m道工序,每道工序要求不同的机器,n个工件在m台机器上的加工顺序相同。已知每个工件在机器上的加工时间和交货期,要求确定工件在机器上的加工顺序,使预定的目标函数最优。此类问题的解空间规模是n!。

设i是某个加工顺序中的第i个加工的工件,pi,j表示工件i在机器j上的加工时间,di表示工件i的交货期,则工件i在机器j上的完成时间Ci,j以及工件i的拖后时间Ti计算如下:

本文的优化目标是使最大完成时间(make span)和最大拖后时间(maximum tardiness)达到最小,即使函数f1=Cn,m和达到最小。最大完成时间反映了对机器的利用率,而最大拖后时间则反映了满足交货期的情况。

2 多目标混合遗传算法

2.1 遗传编码及其操作

本文流水车间调度问题的解个体采用基于工件加工顺序的自然数编码。以6个工件为例,编码(142635)表示加工顺序为1→4→2→6→3→5。遗传操作采用部分匹配交叉和插入(Shift)变异。

2.2 适应度赋值

个体的适应度赋值是多目标进化算法的关键技术之一。本文基于Pareto支配关系提出了个体适应度赋值的方法,先计算每一个体的排序数,再据个体周围的拥挤状况计算个体的密度值,最后综合确定个体的适应度值。具体方法如下:

(1)计算当前群体中每个个体i的伪排序数R′(i):R′(i)等于当前群体中支配个体i的个体数。

(2)计算个体i的排序数R(i):个体i的排序数R(i)等于个体i的伪排序数R′(i)与支配个体i的所有个体的伪排序数之和。

(3)将目标空间据群体规模NPOP划分成nc×nc×…×nc个网格区域,nc表示每维目标空间的网格数,取的整数部分,k表示目标数。每一个体都位于一个网格区域内,将每个个体所在的网格区域内的个体数作为该个体的密度值D(i)。

(4)个体i的适应度值确定为

排序数较小的个体其适应度较大,位于稀疏区域的个体适应度较大。这种适应度赋值方式既保证了群体朝着Pareto最优解逼近,又能在一定程度上保持群体多样性。反映到流水车间问题上,就是既保证可行调度向着调度目标的最小化方向靠近,又能找到尽可能多的最优调度。

2.3 精英策略

MOHGA使用两个群体:进化群体和外部群体。外部群体用来保存进化过程中产生的所有非劣解。在每次迭代中,从外部群体中选择一定数目的个体进入进化群体中,以提高算法的收敛性。

2.4 局部搜索

本文采取基于Pareto支配关系的搜索策略,只对非劣解进行局部搜索。基本思想是:对当前群体的非劣解集S中的每一个解x,产生一个邻域N(x),对该邻域内的解y,只要y不受S中的任何解支配,则接受y作为新解,放入集合S′中。用S′修正S,即将S′的解添加到S中,同时删除S中被支配的解,这样会得到改善的非劣解集S。再将S作为初始集合,重复上述搜索过程。具体步骤如下:

(1)初始化局部搜索的非劣解集合S,并将S加入到NDI中,令迭代次数t=1。

(2)置S′为空集。对S中每一个解xk,产生xk的邻域N(xk),对y∈N(xk),判断y是否处于受集合NDI支配。若y不被NDI中的任何解支配,且y"NDI,则将y加入到S′中。

(3)用S′修正NDI,即将S′的解添加到NDI中,剔除其中受支配的解。

(4)如果t小于最大迭代数,则用NDI代替S,t=t+1,返回步骤2。

2.5 MOHGA的实现步骤

(1)算法参数设定 群体规模Npop,交叉概率Pc,变异概率Pm,最大精英数Nelite,局部搜索的最大迭代数Niter。

(2)初始化 随机产生规模为Npop的初始群体,计算每个个体的目标值。初始化外部群体ND1=!,初始化精英解集E1="。

(3)求非劣解 求出当前群体Pt中的所有非劣解。

(4)修正外部群体NDt 将非劣解加入到NDt中,再从NDt中删去被支配的个体。

(5)适应度赋值 按2.2节的方法计算群体Pt中所有个体的适应度。

(6)选择、交叉和变异 将Pt中个体按适应度由大到小排序,选择前Npop个个体进入交配池,从交配池中选择两个不同的个体,依概率Pc进行交叉产生两个个体,依概率Pm进行变异组成中间群体MPt。

(7)精英策略 随机从外部群体NDt中选出Nelite个个体,存放于集合Et中。

(8)局部搜索 应用2.4节的方法对MPt∪Et的非劣解集S进行局部搜索,得到改善的非劣解集NDI。用NDI修正MPt∪Et,得到下一代群体Pt+1。

(9)停止准则若停止条件满足,则输出外部群体,否则Pt=Pt+1,返回步骤(3)。

3 实例仿真

本文按照文献[2]的方法产生6个规模不同的调度实例,包括机器数为10和20,工件数为20、40、60和80,每一问题表示成n×m。采用MOGLS[1]、J-MOGLS[3]以及PFGA[6]作为参考算法,检验本文MOHGA的优化性能。统一设定参数:群体规模Npop=30,交叉概率Pc=0.9,变异概率Pm=0.3,精英解的数目Nelite=3。对于J-MOGLS,群体的最大规模为Nmax=100,临时集合规模为6。对于MOHGA,局部搜索的最大迭代数Niter=3。所有算法使用相同的邻域操作,即对换两工件位置且搜索步长为2。计算终止条件均设定为评价100 000个解。每种算法在相同的初始条件下独立运行20次,得到各问题的非劣解。表1是每种算法产生的非劣解数量的比较。由表1可知,MOHGA均获得了多于其他三种验证算法获得的非劣解数量。

为进一步评价算法获得的解的质量,本文采用Knowles和Corne[8]提出的基于与参考集的距离指标D1R。合并每种算法产生的非劣解并剔除其中的劣解后,作为参考集。D1R可同时考察解集的收敛性和多样性。设S*是参考解集,Sj是评价的解集,则D1R定义如下:

其中dxy是解x和参考解y在N维标准化目标空间的距离。

其中是使用参考集进行标准化的第i个目标值。D1R(Sj)越小,解集Sj越好。

表2给出了评价指标D1R的计算结果。从中可以看出,MOHGA的指标D1R均好于其他三种算法,说明MOHGA产生的非劣解有较高的收敛速度和较广的分布。

4 结语

本文提出了一种多目标混合遗传算法MOHGA。MOHGA采用累计排序策略以及自适应密度评估进行适应度赋值,基于Pareto支配关系对非劣解进行局部搜索,以提高搜索效率。在进化过程中引入精英策略,进一步加快解的收敛速度。实验证明,MOHGA在求解多目标流水车间调度问题时能有效地产生数量较多分布较广的非劣解。

参考文献

[1]Ishibuchi H,Murata T A.Multi-objective genetic local search algorithm and its application to flowshop scheduling[J].IEEE Transactions on systems man and cybernetics part C:1998,28(3):392-403.

[2]Ishibuchi H,Yoshida T,Murata T.Balance between genetic search and local search in memetic algorithms for multiobjective permutation flowshop scheduling[J].IEEE Transactions on Evo-lutionary Computation,2003,7(2):204-223.

[3]Jaszkiewicz A.Genetic local search for multi-objective combi-natorial optimization[J].European Journal of Operational Re-search,2002,137(1):50-71.

[4]Knowles J,Corne D.M-PAES:A memetic algorithm for multi-objective optimization[A].Proceedings of the 2000 Congress on Evolutionary Computation[C].Piscataway,NJ,USA:IEEE,2000,325-332.

[5]Jaszkiewicz A.On the Performance of multiple-objective gengticlocal search on the 0/1 knapsack problem:a comparative experiment[J].IEEE Transactions on Evolutionary Computation,2002,6(4):402-412.

[6]Elaoud S,Loukil T,Teghem J.The Pareto fitness gengtic algorithm:Test function study[J].European Journal of Operational Research,2005.

[7]Framinan J,Leisten R.A heuristic for scheduling a permutation flowshop with makespan objective subject to maximum tardiness[J].International Journal of Production Economics,2006,99:28-40.