摘 要 装配流水线于1913年诞生于福特公司,在流水线生产方式中,工人作业内容相对固定,得益于学习曲线,作业熟练度逐步提升,大大提高了生产效率。自流水线诞生以来,人们就对工序平衡的解决方法进行不断研究、探索。本文探讨了总装工序平衡问题的相关解决方法。
关键词 总装工序;平衡;方法
1 工序平衡问题定义
工序平衡指在约束条件下,将有限的任务分配到一定数量的工位中,以使每个工位的作业时间满足一定的要求[1]。
2 工序平衡问题的分类
第一类问题:给定生产节拍,在满足生产线约束的条件下最小化工位数量。此类问题一般出现在生产线的设计阶段,主要考虑使生产能力满足市场需求。
第二类问题:给定工位数量,在满足生产线约束条件的前提下最小化生产节拍时间。这类问题主要发生在装配生产线安装后,当生产线上的操作人员技能走向熟练,在工位数确定的条件下最小化装配线的节拍时间。
第三类问题:给定工位数量,最小化装配线的均衡指数,提高工作人员公平感,提高员工士气。
随着生产的发展及问题研究的深入,一些学者在平衡目标中增加了一些新的要素,如林金在《汽车装配线平衡方法的研究与应用》中,将作业难度均衡参数融入平衡目标中,提出作业时间均衡与作业难度均衡的双目标优化问题[2]。
3 工序平衡问题的解决方法
工序平衡问题的解决方法大致可分为:工业工程方法、数学分析法、启发式方法。
3.1 工业工程方法
将工业工程技术中的工作研究、时间研究和流程分析等应用于于生产装配线的平衡中,其一般措施有:改善瓶颈工序,分解瓶颈工序,合并相关的工序,拆解去除,重新安排生产工序,改进布局。
3.2 数学分析法
指通过建立数学模型,经过大量数学计算来寻找问题最优解。主要包括线性规划、动态规划等。
线性规划问题是目标函数和约束条件都是线性的最优化问题。线性规划是最优化问题领域中重要的范畴之一,其约束条件和目标函数建立容易,但运算量很大,只能求解作业元素个数较少的线平衡问题,故此法在实际应用中所取得的效果不是很理想。
动态规划算法是解决多阶段决策过程最优化问题的一种常用方法,其优点在于把一个多维决策问题转化成多个一维最优化问题来求解,而且能够求出全局极大或极小,优于其他优化方法,也是许多求极值方法无法做到的,但其数学模型的建立比较困难。
3.3 启发式方法
启发式方法指人在解决问题时所采取的一种根据经验规则进行发现的方法,其特点是在解决问题时,利用过去的经验,选择已经行之有效的方法,而不是系统地、以确定的步骤去寻求答案。Judea Pearl对启发式算法进行了详细的讨论。他认为,所谓启发式算法是指一组指导算法搜索方向的、建议性质的规则集,通常按照这个规则集,计算机可在解空间中寻找到一个较好解,启发式方法是在有限的搜索空间内,大大减少尝试的数量,能迅速地解决问题[3]。
启发式方法以其简便、易懂、快速赢得了众多管理人员的信赖和欢迎, 并被广泛应用于各个领域。启发式方法主要包括分级位置权法、遗传算法、禁忌搜索算法、蚁群算法等。
分级位置权法的原理是按作业工序的分级位置权值高低作为向工作站分配的优先顺序。作业元素的分级位置权值是该工序时间与所有后续工序时间之和,作业元素的位置加权值越高,所在的工作站就越靠前,采用这种方法可以有效减少工作站数目。乔建平在《基于分级位置权法的车辆生产装配线的平衡性研究》中采用分级位置权法对重型商用车装配线平衡性进行了优化计算分析,使装配线工位平均负荷率提高了23.8%。
遗传算法是一种根据生物界进化规律,即适者生存、优胜劣汰的遗传机制演变而来的随机搜索方法。目前,许多研究人员采用遗传算法解决流水线工序平衡问题。如王谦在《复杂装配流水线平衡问题的研究与优化》中运用改进遗传算法对两方面问题:复杂装配流水线任务工作站分配和混合产品的投产排序进行了平衡与优化。肖中华在《基于改进遗传算法的汽车装配线平衡问题研究》中,构建了基于改进遗传算法的装配线平衡问题求解框架;以基本遗传算法为基础,增加动态分割方法和优先关系约束保证所有解的可行性,并基于此实现三类装配平衡数学模型的求解。
禁忌搜索算法是对局部邻域搜索的一种扩展,是一种全局逐步寻优算法,是对人类智力过程的一种模拟。算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索,并通过特赦原则来赦免一些被禁忌的优良状态,进而保证多样化的有效探索以最终实现全局优化。宋华明等在《多目标装配线平衡的优化算法》中,运用禁忌搜索算法对单一、确定型的多目标装配线平衡问题进行优化,针对3种不同的平衡目标,运用了3 种邻域搜索规则和一个特赦原则求解平衡问题,显著提高了生产线的效率和平衡程度[4]。
蚁群算法是学者受到蚁群凭借自身分泌信息素强弱的引导,在寻找食物时找出最短路径的启发,提出的一种启发式搜索算法。蚁群算法一般包括三个阶段:第一阶段是初始化阶段,设置算法的蚁群大小、运行参数和终止条件等;第二阶段是搜索阶段,按照设计的概率转移公式计算由当前节点转移至下一个可选节点的概率,直到产生一个可行解;第三阶段是更新阶段,在一批蚁群完成所有的可行解搜索后,对可行解进行更新。该算法可求解不同领域的工程问题,能够与其他算法结合使用,具有很强的可扩展性。陈志楚等人在《基于一种新蚁群算法的装配線平衡研究》中,提出了一种改进蚁群算法求解第一类平衡问题。李英德等人在《求解第二类装配线平衡问题的改进蚁群算法》中,提出一种改进蚁群算法,并利用实例进行测试,其算法可有效地对不同规模的第二类平衡问题进行求解,具有较好的全局寻优能力和搜索速度。
参考文献
[1] 林金.汽车装配线平衡方法的研究与应用[D].长沙:湖南大学,2011.
[2] 刘文平.混合品种汽车装配线平衡与排序问题研究[D].济南:山东大学,2009.
[3] 朱华炳,王龙,涂学明,等.基于ECRS原则与工序重组的电机装配线产线平衡改善[J].机械设计与制造,2013,(1):224-229.
[4] 乔建平.基于分级位置权法的车辆生产装配线的平衡性研究[D].西安:长安大学,2013.