没有合适的资源?快使用搜索试试~ 我知道了~
动态环境下的稳健机床布局设计
专家系统与应用:X 3(2019)100015动态环境下的稳健机床布局设计:动态客户需求和机床维护Srisatja Vitayasaka, Pupong Pongcharoenb,Chang, Christian Hicksc,daNaresuan大学工学院工业工程系运筹学和工业应用中心Phitsanulok 65000,泰国bNaresuan大学工程学院工业工程系,Phitsanulok 65000,泰国纽卡斯尔大学商学院,纽卡斯尔大学,NE1 7RU,英国d印度理工学院管理研究系,新德里,德里,110016,印度Ar t iclei n f o ab st r act文章历史记录:收到2019年2019年8月3日修订2019年8月3日接受在线预订2019年保留字:机器布局坚固的设计预防性和纠正性维护动态需求遗传算法制造设施的布局对制造绩效有很大的影响。布局设计过程产生一个块计划,显示资源的相对定位,可以发展成一个详细的布局图。总物料搬运距离通常用于测量物料流量。制造系统受到外部和内部不确定性的影响,包括-需求和机器故障。不确定性和材料运输路线的改变会产生影响材料搬运距离。以前的研究没有通过多个时期的动态需求与机器维护规划集成稳健的机器布局设计。本文提出一个强大的机器布局设计工具,使用遗传算法(GA)最大限度地减少材料的流动距离,考虑到需求的不确定性和机器维护。使用11个基准数据集进行实验,考虑三种情况:预防性维护(PM),纠正性维护(CM)和PM和CM。对结果进行统计学分析几种维护方案的影响,检查了基于生产量的PM(QPM)的数量、具有CM的机器的百分比(%CM)、以及PMM/QPM比率和%CM对材料流动距离的组合结果表明,考虑维护的稳健布局设计可缩短物料的流动距离。对于PM、CM和PM/CM情景,距离分别减少了30.91%、9.8%和20.7%。PPM/QPM比率、%CM以及PPM/QPM和%CM的组合显著导致几乎所有数据集上的材料流动距离© 2019作者由Elsevier Ltd.发布。这是CC BY-NC-ND许可下的开放获取文章。(http://creativecommons.org/licenses/by-nc-nd/4.0/)的网站上进行了介绍。1. 介绍与物料搬运相关的成本通常占总制造运营费用的20%-50%。有 效 的 布 局 可 以 减 少 至 少 10-30% 的 物 料 搬 运 成 本 &(Tompkins,White,Bozer Tanchoco,2010)。材料移动的总距离是衡量布局效率的常用指标(Drira,Pierreval& Hajri-Gabouj,2007)。制造环境的变化可能是由内部或外部因素引起的,这些因素会破坏生产的有效流程。∗通讯作者。电 子 邮 件 地 址 : srisatjav@nu.ac.th ( S.Vitayasak ) , pupongp@nu.ac.th ( P.Pongcharoen),Chris. ncl.ac.uk(C.Hicks)。材料(Kulturel-Konak,2007年)。外部不确定因素包括:客户需求和产品组合的变化;产品设计的变化;产品生命周期缩短;产品停产;或新产品的引入(Sahin& Turkbey,2009)。内部干扰,如机器故障,减少可用机器的数量,这可能导致排队,导致不均匀的工作量,更长的排队时间,更低的生产率和更高的生产成本。当物流中断时,下游资源可能缺乏在制品,从而降低利用率。维护活动可以是计划的或纠正性的当它破碎时,它就会破碎&这两种类型的维护都会减少可用机器的数量,这可能会扰乱流程。通过预防性维护,生产计划可以考虑停机时间,而纠正性维护随机发生,需要通过控制措施来解决https://doi.org/10.1016/j.eswax.2019.1000152590-1885/© 2019作者。出版社:Elsevier Ltd这是一篇CC BY-NC-ND许可下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)的网站上进行了介绍。可在ScienceDirect上获得目录列表专家系统与应用:X期刊主页:www.elsevier.com/locate/eswax2S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)100015为维持生产性能,可采用替代路线以避免中断,但运输距离可能会增加。有大量的文献上的设施布局问题,并有几个全面的审查。Kusiak和Heragu(1987)综述了FLP的公式和求解确定性问题的算法。Meller和Gau(1996)回顾了考虑时间元素(动态布局)、不确定性(随机布局)或多个评估标准(多标准、稳健或可扩展布局)的方法、目标、算法和扩展动态布局问题考虑了物料搬运流程在多个时期内的变化稳健的布局旨在适应变化,而不需要昂贵的重组,而重新布局的方法产生了一系列的布局,为不同的时期(Kulturel-Konak,2007年)。Balakrishnan和Cheng(1998)对动态设施布局文献进行了早期回顾,根据以下方面对研究进行了分类:相等/不等规模部门;确定性/随机性材料流;以及采用的算法。Drira等人(2007年)使用一个框架对设施布局问题的文献进行了综述,该框架包括:制造系统类型;设施形状;布局配置;物料搬运系统;布局公式;约束条件和优化方法。Kulturel-Konak(2007)回顾了与动态和随机设施布局问题相关的研究。Hosseini-Nasab、Fereidouni、Fatemi Ghomi和Fakhrzad(2018)回顾了1987-2016年期间发表的250篇与FLP相关的论文,并根据以下内容进行了分层分类:布局演变(静态/动态);车间特征(形状和尺寸、车间运动、制造系统类型和材料处理方法);问题制定(目标函数、问题表示、建模方法、数据类型、约束);以及解决方法(多目标、多属性、单目标)。然而,文献没有考虑FLP与机器维护的集成,这是本文所解决的研究空白本文本文的目的是:(i)回顾有关设备布局设计、生产和维修政策中的不确定性的文献;(ii)概述基于遗传算法的布局设计(GALD)工具,该工具是为解决需求不确定和维修系统的鲁棒机器布局设计问题而开发的;(iii)描述用于测试具有纠正性、预防性和组合维护方案的稳健设计方法的实验设计;(iv)研究在每个维护方案中不可用机器的数量如何影响材料的流动距离。第2节批判性地回顾了相关文献。第三节概述了遗传算法工具的开发,用于解决设施布局问题,并与维护计划相结合。实验结果见第4节。第5节提供了一个讨论,并强调了工作的结论,并确定了未来研究的机会2. 文献综述Drira等人(2007年)和Kulturel-Konak(2007年)发表了关于设施布局问题文献的全面综述。使用ISI Web of Science数据库进行了一项系统综述,涵盖2007年至2018年5月期间,以确定文献的当前状态和研究差距。最初的搜索使用关键词“布局设计”和“设施布局”,发现308篇论文。设施布局问题的定义及其分类在2.1节中给出。对308篇论文进行了仔细筛选,以确定那些与动态布局设计相关的论文。所选论文的问题特征和解决方法见第2.2。2.1. 设施布局问题Azadivar和Wang(2000年,第4369页)将设施布局问题(FLP)定义为“确定多个工作站之间的相对位置和分配可用空间”。Singh和Sharma(2006年,第425页)指出,“输出是一个分区布局,指定每个部门的相对位置。通过指定通道结构和输入/输出点位置,也可以稍后获得部门的详细布局,其中可能包括流水线和机器布局问题。FLP可以被认为是一个静态的工厂布局问题(SPLP),它产生一个适合当前商业状态的最佳布局(Rosenblatt,1986)。然而,当随着时间的推移发生变化时,重要的是设计能够快速有效地适应的设施(Yin Khoo,2011年)。动态工厂布局问题(DPLP)涉及基于多周期规划水平的设施布局设计。 在此期间,布局中成对部门之间的物料处理流程可能会发生变化(Balakrishnan Cheng,2009)。有必要为每个时期确定适当的布局,在此期间,假设气流数据保持不变(Drira等人,2007年)。该DPLP可以是一个确定性或随机问题。是否改变布局的决定应该考虑与材料流动和布局重新安排相关的成本(Rosenblatt,1986)。有两种替代方法来解决DPLP:敏捷方法,其假设低重新布置成本并不时重新安置机器;以及稳健方法,其假设高重新安置成本并旨在使用单一布局在所有时期内最 小 化 总 材 料 处 理 成 本 ( Pillai , Hunagunda Krishnan ,2011 ) 。 Kouvelis , Kurawarwala and Gutiérrez ( 1992 ) ,p.287)将鲁棒布局定义为“对于各种需求情景而言‘良好’(或接近最佳)的布局,即使在任何特定需求情景下它可能不是最佳的”。一个稳健的布局设计方案试图在特定的规划范围内最大限度地减少总的预期材料处理成本(Yang Brett,1998),因此没有重新安排成本。为了保持最短的材料流动距离,可以定期重新设计布局。然而,由于设施移动和生产中断,这对生产时间和成本产生了影响。还可能需要专门的劳动力和设备,特别是对于大型或重型设施(McKendall、Shang Kuppusamy,2006年)。DPLPs已被公式化为数学模型。Balakrishnan(1992)提出了在预算的规划范围内约束条件和假设的同等规模设施。Balakrishnan和Cheng (1998 年)、McKendall等人(2006年)、Reza- zadeh、Ghazanfari、Saidi-Mehrabad和Sadjadi(2009年)、Sahin和Turkbey(2009年)以及Ulutas和Islier(2009年)采用了这一模型。在动态环境下的柔性设备布局问题被描述为一个二次分配问题,其中考虑了不等尺寸设备和设备位置约束(垂直或水平)(Yang& Brett,1998 ) 。 Dunker 、 Radons 和 Westkamper ( 2005 年 ) 以 及McKendall和Hakobyan(2010年)使用混合整数线性规划公式考虑了具有不等面积部门的动态设施布局问题。Baykasoglu,Dereli and Sabuncu(2006)研究了带约束的动态布局问题。Kia等人(2012)使用混合整数非线性规划模型设计动态单元制造系统布局。设施布局设计(FLD)问题是复杂的非确定性多项式时间困难(NP-困难)问题(Pourvaziri Naderi,2014),这意味着找到解决方案所需的计算时间随问题大小呈指数级增加因此,古代的元哲学已经被广泛S. Vitayasak,P.Pongcharoen和C. 希克斯/专家系统与应用:X 3(2019)1000153用于求解FLP的算法,包括:遗传算法;模拟退火;禁忌搜索;蚁群算法优化;粒子群优化;和基于生物地理学的优化(Sooncharoen,Vitayasak Pongcharoen,2015)。遗传算法已成为解决设备布局设计 问 题 的 一 种 流 行 方 法 。 Kia 、 Khaksar-Haghani 、 Javadian 和Tavakkoli-Moghani(2014)发现,对于几乎所有问题,GA都可以在比CPLEX软件少得多的计算时间内找到接近最优的解决方案。Lenin,Siva Kumar,Islam和Ravin-dran(2013)证明了GA解决单行布局设计问题的有效性。从遗传算法得到的结果是更有利的比其他方法。Dapa,Loreungthup,Vitayasak和Pongcharoen(2013)报告说,在多行布局设计中,GA优于蝙蝠算法和Shu Frog Leaping算法。Vitayasak和Pongcharoen(2016)研究了故障维护的影响,并为重新布局投资提供了基于成本的决策框架2.2.具有不确定性的设施布局设计表1列出了308篇FLP文章中的74篇,认为由于外部和/或内部变异性导致不确定性。有55篇论文只考虑了客户需求的变化。需求分布可以用材料流动矩阵、概率分布或经验数据来表示。内部因素包括机器数量、设置时间、设施规模、路由灵活性、机器维护、处理时间、等待时间、人为因素和机器可靠性。只有10 篇论文认为只中间,nal variabilities :Azadeh,Moghouseh,Nazari and Sheikhal-ishahi(2016)使用模 糊多 变 量 方法 优 化 具有 模 糊 数据 的 FLP; Azimi 和 Soo fi(2017)应用人工神经网络和混合非支配遗传算法优化布局和物 料 处 理; 蔡 和 里 根 ( 2016 年 ) , 考 虑 了 异 质 区 域 约 束 ;Chang,Wu和Wu(2013)考虑了细胞形成、布局和具有可变路径的细胞间序列;董、吴、侯(2009),考虑了每个时期的机器 添 加 / 删 除 ; Khaksar-Haghani , Kia , Mahdavi 和 Kazemi(2013)应用遗传算法优化具有替代工艺路线和灵活配置的多层板布局;李、谭和李(2018)使用人工蜂群算法优化布局,同时考虑到人类因素; Neghabi,Eshghi和Salmani(2014)采用了一种自适应算法来生成稳健的设施布局,而无需预先确定部门的长度和宽度; Salmani、Es-hghi和Neghabi(2015)使用混合线性规划,并考虑了部门尺寸的动态和不确定值; Wang、Shin和Moon(2016)考虑了不可靠机器的布局设计。只有9篇论文同时研究了FLP的外部和内部变量。有没有以前的研究,考虑布局问题的动态需求和机器维护。这就是本研究所考虑的研究空白.2.3.器械分解机器故障一直是灵活作业车间调度中研究最多的中断之一( Nouiri 等 人 , 2017 年 ) 。 机 器 故 障 率 由 泊 松 分 布 表 示(Schemeleva、Delorme、Dolgui Grimaud,2012)或随机生成(Nodem、Kenne Gharbi,2011)。机器使用寿命通常使用威布尔分布建模(Fitouhi& Nourellett,2012)。平均失效时间由正态分布或指数分布表示(Schemeleva等人, 2012年)。维修保养也已在鲁棒调度的背景下考虑了一个不确定的车间调度问题(熊,陈兴,2013)。在生产调度方面,机器故障是随机的,而预防性维护是有计划的(Sbihi Varnier,2008)。2.4.预防性维护政策机器会随着使用和老化而损坏。Garg和Deshlett(2006)回顾了大量关于维护的文献。预防性维护(PM)包括&PM是指在定期政策下,一个单元以固定的时间间隔进行预防性维护,如果出现中间故障,则进行修复,这称为固定周期维护或基于时间的维护(Safari Sadjadi,2011)。图1示出了客户需求(D)随时间段(P)的变化。PM政策可以是周期性的,也可以基于生产数量。在图1a中,每两个周期调度一次基于时间的PM(PPM)。在图1b中,根据预定的生产量(Q)执行维护操作,称为基于生产量的PM(QPM),按周期安排 3和5。该政策在工业环境中越来越受欢迎,因为这些政策可以降低维护活动的成本,而维护活动可能是运营预算的最大部分(SafariSadjadi,2011)。2.5.路由灵活性灵活性被定义为&灵活性有助于解决因机器故障、可变任务时间、排队延误、拒绝和返工而 产 生 的 内 部 干 扰 (Sethi&Sethi,1990年)。灵活性有十一种不同的类型:机器、物料搬运、操作、过程、产品、路线、数量、扩张、计划和市场。使用替代机器或工艺路线的灵活性有助于减轻当特定机器不可用时可能出现的物料流问题。Byrne和Chutima(1997年)认为替代机器是指能够执行相同操作的机器;而替代路线可以执行相同的操作序列。一个具有替代生产路线(灵活路线)的系统可以在一些机器发生故障或处于维修状态时保持高生产率(Chang,2007)。工艺路线灵活性已被公认为制造系统整体灵活性的基本特征,因为它增强了系统在不中断的情况下生产给定的一组零件类型或零件族的能力。当路线改变时,材料的流动时间和距离可能会改变。3. 求解布局设计问题遗传算法(GA)是一种基于种群的、受自然启发的算法(Goldberg,1989; Holland,1962)。一组可didate解决方案作为一个初始的解决方案,然后经历一个进化的搜索过程中产生。遗传算法使用概率转移规则来指导一个高度剥削性的搜索,并通过维护一个潜在的解决方案的人口进行多方向搜索。在搜索过程的每次迭代(生成)中,交叉算子帮助GA向局部最优移动(Hicks,2006),而变异算子倾向于将搜索移动到新的邻域,从而增加多样性(Hicks,2006; Islier,1998)。表1基于需求特征、动态条件、布局配置和优化方法的问题特征。作者外部因素内部因素方法流实证不Number设立设施路由机等待人类机鲁棒重新布局矩阵分布数据解释的时间大小可伸缩性保持,维持处理时间因素可靠性模棱两可布局设计功能机器Nance时间数据设计Abedzadeh,Mazi-//GAMS软件,纳尼,PVNS算法Moradinasab和03 The Dog(2013)阿尔通塔斯和//基于规则的数据03 The Dog(2012)采矿Asl,Wong和//协方差矩阵电影Tiwari(2016)适应进化Asl和//调制粒子黄(2017)群优化Ayodeji、Adeyeri和//动态电影Ogunsua(2017)编程Azadeh,Mote-///数据包络vali Haghighi和分析算法05 The Fantasy(2014)Azadeh等人(2016年)//模糊多元方法//二次阿泽维多、克里斯平和编程皮纽德索萨(2017)阿兹米、萨贝里和//混合粒子研究(2013年)群优化阿兹米和////人工神经苏菲(2017)网络混合遗传算法巴拉克里希南和//启发式和Cheng(2009)动态编程//禁忌搜索Bozorgi、Abedzadeh和03 The Dog(2015)Chang等人(二零一三年)//禁忌搜索Chae和//线性规划电影Regan(2016)战及//蒙特卡罗03 The Dog(2010)仿真陈(2013)//混合蚁群优化陈和罗(2014)//蚁群优化程英,AB-//模拟,分析Samat和层次分析法02 The Dog(2016)Dong等人(二零零九年)//Modified模拟退火德里拉、皮埃尔瓦尔和///模糊进化03 The Famous(2013)算法Emami,S. 和//GA,差分Nookabadi(2013)进化,SAFazlelahi,Pournader,//基于排列Gharakhani和GASadjadi(2016)Ghosh,Doloi和//GA和SA丹(2016)关、戴、丘、//修订Li(2012)电磁学-像机制Hanafy和//系统发育03 The Fantasy(2015)网络(接下页)4S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)100015表1(续)作者外部因素内部因素方法流实证不Number设立设施路由机等待人类机鲁棒重新布局矩阵分布数据解释的时间大小可伸缩性保持,维持处理时间因素可靠性模棱两可布局设计功能机器Nance时间数据设计侯赛尼和//多目标电影Seifbarghy(2016)水流状算法//邻域侯赛尼、哈立德和搜索和SA03 The Dog(2014)Hosseini-Nasab和//混合粒子爱米米(2013)群优化Jithavech和//模拟,遗传02 The Dog(2010)算法卡维、达尔法德和//遗传模糊03 The Dog(2014)仿真算法哈克萨//改进遗传算法Haghani等人(二零一三年)Kheirkhah和//竞争Bidgoli(2016)算法与模拟退火海尔哈//PSO和维迪和梅西协同进化Bidgoli(2015)算法Kia等人(2012年)////模拟退火起亚,爪哇,////模拟佩达尔和赛迪-退火03 The Dog(2013)Kia等人(2014年)///遗传算法起亚,设拉子,///模拟爪哇人和退火塔瓦科利-Moghanshan(2015)科瓦奇和//看板原则Kot(2017)//遗传算法Krishnan,Jithavech和Liao(2009)Kulturel-Konak和///混合SA03 The Fantasy(2015)Kumar和//Score-based辛格(2017)两阶段启发式方法Li等人(2018年)//人工蜂群算法刘,王,何,//组合薛(2017)算法和试探法Manoochehri和//仿真穆罕默德技术电影Fari(2017)//遗传算法Mazinani、Abedzadeh和03 The Dog(2013)McKendall和//禁忌搜索/Hakobyan(2010)边界搜索启发式穆罕默迪和////遗传算法03 The Dog(2014)Moslemipour和//模拟李(2012)退火////动态Moslemipour,Lee和方案拟订/龙(2017)模拟退火(接下页)S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)1000155表1(续)外部因素内部因素方法流实证不Number设立设施路由机等待人类机鲁棒重新布局矩阵分布数据解释的时间大小可伸缩性保持,维持处理时间因素可靠性模棱两可布局设计功能机器Nance时间数据设计//共生Nageshwaraniyer,Khilwani,算法和蒂瓦里、尚卡尔和克隆算法03 The Famous(2013)//自适应算法Neghabi等人(2014年)Nematian(2014)//修改后的分支定界法Pillai等人(2011年)///模拟退火Pourvaziri和//GA和SANederi(2014)Pourvaziri和//基于云皮埃尔瓦尔(2017)多目标SA拉巴尼,法罗基-//SA、PSO和HybridAsl,Rafiei和PSO电影Khaleghi(2017)//改进粒子Rezazadeh等人(二零零九年)群优化沙欣和//模拟03 The Dog(2009)退火(SA)和禁忌搜索Salmani等人(2015年)//混合整数线性编程//模糊禁忌萨马尔甘迪、塔巴扬和算法03 The Dog(2013)Sha figh,Defer-////模拟煞和退火(SA)穆萨(2017)塔瓦科利-//分支定界爪哇岛,莫卧儿方法dian,Javadi和03 The Dog(2007)Tayal和//综合消防系统辛格(2017)基于SA方法塔亚勒,古纳塞卡兰,//SA,混乱SA,辛格、杜比和混合SA和帕帕多普-MADM方法电影(2017)Turanogu和//杂交细菌电影Akkaya(2018)觅食优化乌卢塔斯和//克隆选择03 The Dog(2015)的算法乌卢塔斯和//克隆选择03 The Dog(2009)算法Vitayasak和///教学-学习-Pongcharoen(2018)基于优化//回溯搜索Vitayasak、Pongcharoen和算法与遗传算法Hicks(2017)王,杨和//混合整数张(2017)编程Wang等人(2016年)//排队论Xiao,Xie,//问题演变Kulturel-Konak和算法科纳克(2017)赵和//模拟华莱士(2014)退火赵和//近视入路电影Wallace(2016)这项工作/////遗传算法6S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)100015S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)1000157图1.一、 布局设计方法与预防性维护类型之间的关系。图二、鲁棒FLD 的遗传算法伪代码。图三. 染色体表示(基因表示机器编号)。在这项工作中,采用遗传算法解决设施布局设计(FLD)问题。基于GA的布局设计工具包括稳健和重新布局设计方法,用于处理动态客户需求和机器维护引起的不确定性(基于三种情况:仅预防性维护、仅纠正性维护以及预防性和纠正性维护)。GA伪代码的建议鲁棒设施布局设计(FLD)的问题,如图所示。 2具有以下步骤:(i) 问题编码-染色体产生,包括一个基因列表(每个代表一个机器编号);每个染色体中的基因数量等于要安排的机器数量(见图1)。 3)、(ii) 加载输入数据-机器数量(M)、机器尺寸(宽度:MW x长度:ML)、产品数量(N)、机器顺序(MS)和每台机器的预防性维护(PM)计划(iii) 指定遗传算法参数:群体大小(Pop)、代数(Gen)、交叉概率(Pc)、变异概率(Pm)、通道长度(F L)、通道宽度(FW)、机器之间的间隙(G)、周期数(P)和每个周期需要纠正性维护的机器百分比(%CM)。所有参数都可以通过程序的用户界面窗口识别,如图所示。 4个;(iv) 创建每个产品在每个时期的需求水平(Dgk);(v) 随机生成需要CM ac的机器列表根据%CM;(vi) 根据种群大小(Pop)随机生成初始染色体;(vii) 应用交叉和变异算子产生新的后代,考虑Pc和Pm。两点中心交叉算子(如图所示)。图5 a)和两个操作的随机交换变异算子(见图5 b)。(viii) 从左到右,从第一行开始,考虑FL,逐行顺序排列机器,相邻机器之间有间隙(G)。 机器宽度平行于x轴。机器长度与y轴平行。图6示出了与所示的子染色体中的基因相关的机器的放置。图 5 b)。当没有足够的空间放置排末的下一台机器时,将其放置在下一排。如果地板宽度(FW)不足,程序将报告放置所有机器所需的额外空间。在行之间移动的车辆从行的左侧或右侧移动,然后向上或向下移动到目的地行。计算最短路径的最短距离.例如,从机器4到机器11有两条路线;路线A将被选择,因为它更短。(ix) 用替代机器更换维修中的机器;一旦一台机器变成。不可用,例如正在维护,具有相同类型的替代机器8S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)100015. .. .见图4。 程序的用户界面窗口图五、 遗传算子的机制(Murata &Ishibuchi,1994)。MFD1。如果机器3不可用,则可以使用机器11作为替代,导致序列1-2-11。此路线的距离为MFD2。当机器3再次可用时,顺序返回到1-2-3。如果较低级别的机器只能执行所需的某些操作, 可能需要第二替代机器来覆盖在不可用机器上执行的剩余操作。图7提供了示例。如果机器8和机器9(8-9)是不可用机器3的替代机器,则新的机器序列是1-2-8-9。(x) 通过应用拟合函数,计算每个周期(d)中染色体(a)的拟合值(物质流动距离)。稳健布局设计效率的适应度 函 数 ( Z ) 最 大 限 度 地 减 少 了 总 材 料 流 动 距 离(MFD),如等式2所定义。(1).在机器维护的情况下,(1)仍然适用于确定总的材料流动距离(MFD但添加的星形符号有替代机器的维护情况与没有维护或替代机器的情况(MFD)。MMNP将被优先考虑。否则,将选择一组预定义的替代机器类型(例如,较低级别的机器)来覆盖不可用机器的所有操作。改变加工路线以反映替代机器。例如,图7假设机器序列1-2-3。物料搬运总距离最小化Z=dijgkfijgkDgk,(1)i=1j= 1g=1 k= 1M是机器的数量,i和j是机器索引(i和j=1,2,3,N是产品类型的数量,g是产品索引(g=1,2,3,S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)1000159图六、多行机器布局设计示例(Vitayasak &Pongcharoen,2015)。图7.第一次会议。 加工路线和材料流动距离变化的示例。.,P). d ijgk是在周期k中产品g从机器i到j的材料流动距离,f ijgk是在周期k中产品g从机器i到j的材料流动频率,并且D gk是客户在周期k中对产品g的需求。为了简化和计算问题,提出了以下假设:1)机器之间的物料搬运是通过位于机器质心处的上下料点(P/D点)进行的4)每台机器都有一台备用机器或一组备用机器; 5)在随机故障的情况下,在时间段内使用可用的备用机器;6)自动引导车辆沿着车间地板的周边在直线上移动;7)机器之间的间隙是恒定的; 8)预防性维护计划是周期性的(PPM)或基于生产数量的(QPM);以及9)对于QPM,当客户需求的总和等于预定的生产数量时,执行维护(xi) 根据等式中分选染色体的百分比(%精英)选择精英染色体。(2)使用精英选择机制。染色体根据物质流距离(MFD)进行排序。最佳染色体的MFD最短;精英染色体=精英% x群体大小(Pop)( 二)精英选择机制(图8)在下一代中再现最佳%精英染色体,其用于步骤xii)。使用了10%的值(xii) 选择染色体通过使用轮盘赌轮选择-选择一个人的概率是成正比的,10S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)100015图8.第八条。 精英选择和轮盘赌选择机制。相对适合性轮盘赌的轮盘被反复地“旋转”,以产生与初始种群相同大小的新种群。然后,新种群中的染色体根据它们的适合性进行排序。最不适合的染色体被精英染色体取代(xiii) GA过程在指定的代数之后终止,并且报告到目前为止最好的解决方案并以图形显示。遗传算法参数的选择(种群规模、世代数和遗传概率)交 叉 和 变 异 ) 对 它 们 的 性 能 有 很 大 的 影 响( Pongcharoen , Chainate Samranpun , 2007 ) 。 的appropri-表2数据集。数据集机器数量(M)产品数量(N)10M5N 10 510M10N 10 1020M10N 20 1020M20N 20 2020 M40 N 20 4030M15N 30 1530M30N 30 3040M20N 40 2040M40N 40 4050M25N 50 2550 M40 N 50 40为机器布局Vitayasak(2011)考虑了这些问题,其中方差分析(ANOVA)表明,交叉概率(Pc)和突变概率(Pm)应设为0.9,表310M5N的产品需求分布和机器序列汇总50条染色体、50代时,平均遗传力分别为0.5在这项工作中采用的遗传算子是两点中心交叉(2PCX)和 两 个 操 作 随 机 交 换 ( 2ORS ) ( VitayasakPongcharoen , 2011 ) 。 使 用工 具 命 令 语言 和 工 具 包(Tcl/Tk)编程语言(Ousterhout,2010)以模块化风格开发和编码基于GA的4. 实验设计和分析使用11个数据集(Vitayasak Pongcharoen,2018)进行了计算实验,这些数据集具有不同数量的不相同机器,具有各种产品类型,如表2所示。如表3所示,每类产品的需求概况和机器序列不同。可以使用经验数据或通过选择概率分布(指数分布、正态分布或均匀分布)将需求曲线上传到程序中。用户可以选择时间表的数量。在计算实验中,考虑了十个时间段。布局设计方法是基于“稳健设计”,没有机器搬迁。实验是在配备Intel Core i5 2.8 GHz CPU和4 GB DDR3 RAM的个人电脑。为了研究不可用机器的数量对材料流动距离的影响,考虑了以下三种维护场景:场景I:仅预防性维护(PM);场景II:仅纠正性维护(CM);以及场景III:PM和CM。对于场景I,在20/80、50/50和80/20三个水平下,研究了每个时期中基于周期PM的机器数量与基于生产量PM的机器数量的比率(PPM/QPM)。对于场景II,还考虑了三个水平,10%,20%和30%的机器的百分比与纠正性维护(%CM)。对于情景III,研究了两个水平的PMM/QPM比(20/80和80/20)和两个水平的%CM(10%和30%)。在维修期间,使用了替代机器,这需要改变路线。每个实验重复30次,使用不同的随机种子与全析因设计。有十一产品产品需求分布机序列1制服(100,200)2-1-6-5-8-9-3-42制服(50,100)10-8-7-5-9-6-13正常(180,50)9-2-7-44正常(300,120)8-10-5-9-65指数(1/200)2-4-8-10-7S. Vitayasak,P.Pongcharoen和C.希克斯/专家系统与应用:X 3(2019)10001511表4情景I:PM的MFD和MFD的比较MFD基于PPM/QPM(米)MFD基于PPM/QPM(米)20/8050/5080/2020/8050/5080/2010M5N是说732,542.5682,908.9671,328.9691,865.7668,652.3665,583.0SD24,647.620,695.920,238.04119.611,341.913,758.9Min713,598.0664,472.9654,634.8689,136.2661,275.3654,634.8Max832,939.7736,192.5722,275.7705,477.0702,680.3700,175.210M10N是说1,976,667.41,892,978.11,859,314.21,365,585.71,555,505.81,713,101.3SD49,187.616,297.420,541.530,343.518,713.414,422.8Min1,861,464.91,873,784.01,810,030.51,332,408.91,539,135.71,700,812.0Max2,016,763.91,932,690.01,881,312.61,455,138.81,635,094.61,742,679.420M10N是说4,001,771.73,940,840.13,729,899.93,592,326.63,634,375.63,614,821.5SD78,242.479,494.868,393.473,249.143,154.544,409.6Min3,829,033.93,821,550.93,599,206.33,465,857.23,539,722.13,539,102.4Max4,101,750.64,085,982.03,842,643.83,766,232.03,722,638.03,727,000.020M20N是说11,513,726.310,783,205.510,843,729.99,977,229.710,189,105.810,627,060.1SD299,771.8298,390.9240,696.3244,037.1121,587.8115,279.7Min11,071,694.110,333,942.910,463,019.19,597,502.49,989,522.610,432,751.3Max12,130,858.211,517,033.311,454,630.810,524,709.410,486,443.610,862,024.520M40N是说21,401,460.719,986,017.020,544,511.318,412,155.318,938,010.219,970,511.5SD512,797.8578,927.0323,605.9391,668.2230,848.5232,269.3Min20,603,13
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功