徐挖装配车间布局设计研究

年美国缪瑟提出了极具代表性的系统布置理论，该方法提供了个适用性很强的布置程序模式，至今为止在实践中被广泛运用于各个领域并且在理论上得到不断地研究和扩展。

罗军荣史烽等将法应用于制造车间的布局研究郑松涛汤文成陈昀将法应用于风电塔筒厂区总平面布置中罗勇程国全将法应用于钢材配送中心总体规划设计中。

法被广泛应用到我国的各个行业当中，随着研究与应用的深入，在布置的方案评价处的缺点是主观因素占很大作用，所以有学者研究出了与模糊评价相结合的布置手段，如杨建华彭丽静杨永清将和结合用于企业物流系统平面布置设计。

中国矿业大学届本科生毕业论文第页另方面，伴随着计算机技术的发展，车间布局开始转向计算机系统布置，将理论与计算机相结合，产生了计算机辅助设施规划设计的新思路。

从世纪年代许多学者专注研究各种设施布置的模型和算法，分析更加细致合理，加上借助技术完成布置方案的自动绘制，出现了系列的商用软件包，如构建新布局的程序和改进布局的程序，形成计算机辅助布置方法，为生产系统的设施新建与重新布置提供了强有力的技术支持。

另外随着仿真技术的发展，生产系统的物流仿真也被应用进来，许多学者将物流仿真软件应用到布局方案的效果评价当中。

周鑫利用理论和软件对车间设施布置进行改善研究唐秋华肖飞王雪兰运用和进行车间重构研究魏斌季寿文申金升对配送中心布局和设备配置仿真优化。

，研究了部分组合生产过程中的设施二次分配问题，对各部分单元尺寸确定，整体建模提出套方案，并采用智能交换算法进行优化等人研究了设备布局和物料搬运中的不确定问题，指出了不确定条件下的车间布局优化方法考虑不稳定因素对装焊生产系统设施随机布置问题进行了优化，研究了车间设施的重构模型与算法。

在模型的研究方面发展了类，如表所示。

表设施布置分类模型类别模型内容第类理想的块状布置模型二次分配模型二次集合覆盖模型先行整数规划模型混合整数规划模型图论模型第二类扩展模型动态布置模型随机布置模型多准则多目标鲁棒性及柔性布置模型第三类特定情形模型流线行列及环形布置模型机器布置模型单元布置模型第类模型的建立是依据布置目标是物流成本最小的静态问题，在问题研究中存在很多不符合现代系统的现实要求，此后根据现实问题发展了许多第二类扩展模型，针对多目标优化问题且目标之间存在矛盾现象构造的多种多目标布置模型由于经营发展需求波动以及生产混合动态特性，设备之间随着生产计划变化而变化发展出了随机布置模型当产品混合机器发生故障周期性波动和需求发生变化，针对不确定性发展了随机布置模型鲁棒性及柔性布置模型。

此外因为目前构造通用的布置模型很困难，所以现在针对特定的类型制造系统开发具体实用的第三类模型较多。

设施布置未来发展趋势是发展完善理论和战略设施规划，结合计算机辅助设施布置，克服软件只能布置矩形设施和缺乏图形接口的缺点根据实际情中国矿业大学届本科生毕业论文第页况构建更好的布置模型，结合功能强大的优化算法进行布局方案的筛选企业正在进行流程再造，加强可重构布局敏捷布局分布式布局模块化布局的研究，增强布局的柔性，使企业的车间布局适应多样化产品的变化。

算法研究现状及趋势最初解决设施布局问题使用的是分支定界法，分支定界法是上世纪年代初由和等人提出的，但是这种算法计算效率低且未必能求出最优解，另外还有割平面法应用在布局规划中，它通过加入线性约束修改原问题的可行域，使其只有整数解减少了计算量。

由于车间布局问题的计算量大，最优化算法容易受到维数灾难的限制，因此近年来许多学者研究次优的启发式算法求解设施布局问题。

启发式算法有改进算法图论算法混合算法和构造算法四种算法。

随着研究的深入，许多学者提出了求解范围更广的智能优化算法元启发算法。

常用的元启发算法有遗传算法蚁群算法粒子群算法差异演化算法模拟退火算法等。

周亦波在制造单元布局设计中利用模拟退火算法解决问题许立将优化算法逐渐扩大。

在设施规划领域中，车间布局车间调度物流规划等也有采用遗传算法或改进遗传算法探讨与解决问题的研究，但是目前对遗传算法在该领域的运用多数停留在理论层次的研究，本文则针对徐挖企业进行具体车间布局方案的研究。

中国矿业大学届本科生毕业论文第页遗传算法基本思想遗传算法流程相对较为简单，其基本思想是将大规模问题的个解作为个染色体，将解的构成要素作为基因构建初始种群，即问题的有限解构成的解集设置适应度函数，计算个体的适应度值以适应度值相互比较，选择复制优良个体，淘汰不适合环境的劣质个体，从而得到较优的群体以交叉方法和交叉概率进行染色体的繁殖和基因的遗传，达到优质基因传递给下代的目的，最终向最优个体收敛以变异方法和变异概率对染色体进行操作，丰富种群多样性，避免陷入局部搜索输出满足终止条件的最优个体具体流程如图所示问题确定问题进行编码初始种群的生成适应度函数评价根据适应度值选择种群是否满足终止条件交叉变异输出最优解是否图遗传算法流程遗传算法具体设计编码编码表达采用设备符号和净距离两个列表的扩展换位表达方式其中，代表设备。

同时采用自动换行策略，即如果在同行的各设备长度和相互实际间距之和超过了最大横向空间长度限制，本行最后台设备自动进入下行。

初始种群随机产生。

为了加快遗传算法的收敛过程，可以先用个其他方法得到的中国矿业大学届本科生毕业论文第页比较优的设备符号序列来代替初始种群中第个染色体设备符号序列。

惩罚项采用自动换行策略，在方向上不会发生设备超出车间区域，因此，只要判断最后行在方向上是否超出车间区域。

其中，为车间的宽度，为不合理惩罚项，为正的惩罚值适应度函数对于染色体的适应度函数定义为其中，为目标函数选择采用轮转法选择机制，即各个个体被选中的概率与其适应度大小成正比。

设群体大小为。

个体的适应度为，则个体被选中的概率，。

也就是说，此种群按此概率进行选择，得到新的种群，适应度越高的个体被选中的概率越大。

交叉用部分映射交叉方法处理设备排列序列交叉操作用算术交叉方法处理净间距序列。

遗传算法使用的本质问题是排序，即将进行排序，同时将净间距进行排序，作为染色体即个体，然后进行布置考虑约束在内，之后计算适应度，对适应度高的进行交叉与变异，进行下轮的重复操作。

部分映射交叉随机选取两个交叉点，两点内为需要交叉部分，然后按顺序先逐个进行交叉，同时修改交叉后的重叠部分，如图所示。

图部分交叉映射示意部分映射交叉的操作过程如下随机得到两竖线位置为交叉点，两线之间部分的所有元素需逐个交叉。

交叉的本质是对每个个体的元素将变成，将变成，和是两个基因，当然也可以更多，但都是在两条竖线之间，也就是说竖线之间的基因组构成交叉片段如构成交叉片段，当然也可存在多个交叉组。

首先交叉和，交叉结束后将竖线外的重叠元素修改，如第行会出现两个，第二行会出现两个，然后进行修改，使每行元素不重复。

以此继续交叉，最终得到新的个体。

算术交叉假如在两个个体，之间进行算术交叉，则交叉运算后产生的新个体是中国矿业大学届本科生毕业论文第页其中，。

变异只是对设备净距离间距进行变异操作，假设给定染色体的净间距序列是，依变异概率指定其变异点，是个给定的整数是设备净间距的取值范围，则在该区间内可随机产生个净间距，，用他们分别取代变异点，可产生个新染色体，从这个新染色体中挑选最好的个取代原来的染色体。

，徐挖装配车间的布置与优化徐挖装配车间现状分析徐挖装配车间现状徐州挖掘机械有限公司的新厂区位于徐州经济开发区，新厂区现在已经施工完成，且已投产的有两个装配车间，且两个装配车间并列对称分布。

此外另有两个装配车间正在施工，预计投产后将生产中大型系列产品。

装配车间现由上车区下车区工作装置区合车区小件分拣区大件库存区组成。

其装配流程为上车架由装配车间西侧入口进入上车区，下车架则由西侧入口进入下车区，分拣区库存区的零件则配送到上车部装区和下车部装区以及工作装置部装区，上车部装区将安装好的零部件与上车架结合，并在合车区里与下车部分和工作装置部分进行整装。

由于分拣区高低位货架区库存区的零部件种类繁多，运输供应到上车区的零部件占据大部分，现场运输路线交叉重叠过多和运输量过大，因此本论文有针对性的对上车区域布局改善研究。

根据现场调研，上车区与库存区分拣区之间的布局情况和零部件运输情况如图所示，其中带箭头的曲线为零件运输路线，矩形框代表作业区。

图现场布局与运输路线中国矿业大学届本科生毕业论文第页当产品系列发生改变或者产量增加时，上车区运输路线上会明显出现运输频繁密集和运输等待等现象的发生。

通过观察分析得知上车区存在如下问题上车区内各部装区库存区分拣区布局不合理，路径交叉重叠较为突出。

由于生产的零部件种类杂数量多体积与重量大小不，因此搬运路线的反复不仅增加了搬运距离，提高了搬运费用，也在定程度上对物料移动的流畅性造成影响，从而生产能力降低。

各个作业单元之间的流动模式比较单，多数是直线流动模式。

这样流动模式直接影响作业区布局，容易造成车间面积利用率低下，增加企业的设计建筑成本。

另外这种流动模式使物料搬运距离增长，从而导致物流成本增加。

在设计之初并没有对设施布置有重要影响的因素考虑进去。

例如新作业区的增加或生产工艺的改变，因此作业区的布置缺乏科学系统的规划，对环境改变的适应性较差。

装配车间生产情况分析上车区各工位是将运送过来的零部件组装的过程。

具体工作内容如下表所示表工序工作内容代码工作描述上车清理护套喇叭布线布管减震器铭牌管夹上车二安装阀块布管上车三连接液压软管上车四安装回转马达预紧终紧上车五安装主阀动臂油缸管路上车六连接液压管路上车七安装发动机发动机电器液压管路上车八安装散热器水管气管连接电磁阀电器插接上车九液压油箱