本站所列毕业设计(论文)资料均属于原创者所有,初衷是为大家在毕业设计(论文)过程中参考和学习交流之用。

毕业设计我帮你

设计能工作的串行生产线:不同步的生产线平衡问题

www.bysj580.com / 2017-09-07
设计能工作的串行生产线:不同步的生产线平衡问题
摘要 可持续制造计划的主要要素之一是能源的利用。当操作时间已知时,可以设计生产某种速度的装配线,还可以提供不确定的任务,并提供可变的任务时间。因此,当任务时间有相当大的变化时,我们建议使用国际步调一致的同步线作为替代。尽管已经有大量的研究在同步生产线和非同步的生产线的生产线平衡问题上,但相对而言,相对较少的精力集中在不同步的同步化上,尽管它有实际的意义。本研究针对这类生产线,在随机任务完成时间的基础上,提出了一种适当的模型,并开发和评估了利用极限价值理论和仿真的各种解决方法,给出了计算结果,以了解非同步同步系统的设计和运行情况。
 
关键词:设施规划和设计   生产线线平衡   极值理论
1.引言
关于生产制造的设计和生产的研究从历史的角度来看是从生产力来考虑的。然而,最近,对制造业的环境影响的关注已经促使rms承担了可持续的制造业的生产。美国商务部国际贸易局(2014年)的“可持续制造”是一种“制造产品,使用时能够最小化对环境的造成负面影响,节约能源和自然资源,对雇员、社区和消费者来说都是安全的,而且在经济上是合理的。”
由于节能是“可持续发展的一个关键问题”(胡和高,2007),这一研究关注的是生产过程的“能量”,特别是重要产品生产线的设计。这一点很重要,因为“控制生产操作通常被认为是提高制造业能源效率的最有效方法之一”(陈和张,2013年)。此外,Bunse等人(2011)说,“改善他们的能源和汽车的碳足迹可以提高他们的地位,以应对挑战。”这是由当前和未来的二氧化碳排放法规造成的。国际标准化组织(2014)引用了ISO 50001标准时关于能源管理系统的标准,“旨在通过系统地管理能源来减少温室气体排放和其他相关的环境影响和能源成本。”
生产线的设计可以通过两种方式来影响能源的效率。首先,设备的大小是能源使用的主要决定因素。正如Oates、Despeisse和鲍尔(2013年)所指出的那样,“对一些制造业(例如:”制造电机vehi-克勒斯,电机,收音机,医疗设备),建筑再生能源(例如:空间加热和照明)大约占总能量消耗的40%-60%。Kawahara等人(1997)指出,生产系统的减少对环境的消耗产生了相当大的影响,“由于照明和空调以及运营商的数量的减少。”他们特别指出,当生产设备减少50%时,典型工厂的总节能可以从18%(家用电器制造)减少到71%(观察制造业)。因此,设计能满足能源需求的生产线将要求尽可能少的工作人员/工作站,以满足需求,并尽可能减少所产生的空间需求。
第二种方式是,用连续生产线的设计来影响能源的使用,这与生产效率和空闲时间有关。陈和张(2013)指出,“降低制造系统能耗的最简单方法是缩短机器的运行时间。”史密斯和鲍尔(2012)指出,“machining中心会消耗大量的电力,无论它们是在运营模式(金属切割)还是闲置模式(等待)。“袁、翟和Dornfeld(2012)将能源消费作为一种操作和运行时间的直接作用。”因此,为了减少空闲时间,适当的分配调度也能有效地减少rms的能量消耗。
简要设计串行生产线的传统方法是保持同步线的平衡。Klinbun、Suwannarongsri和Suwannarongsri(2014年)为泰国的一家汽车工厂提供了一个线平衡问题,并说明了“在减少周期时,每一产品的总能量和每个产品的支持能量都可以减少”。Fysikopoulos、Fysikopoulos、萨洛尼蒂斯和克莱斯勒(2012)进行了一项关于汽车组装线的能源消耗的实证研究。最终得出结论,通过适当的生产线平衡和规划,空闲时间可以被忽略,而瓶颈可以被识别,节省能源和降低成本。因为空闲时间每单位产出仅仅等于工作站的数量乘以周期任务之和,当任务时间不变时,减少一个周期的需求导致减少空闲时间,相当于每单位生产的周期时间。因此,通过最小化操作人员/工作站的数量,从而减少必要的空间需求和空闲时间,生产线平衡可以成为可持续发展的有效工具。
然而,当任务时间不确定时,生产线平衡程序的有效性就会受到影响。计算结果的可变性需要在每个工作中分配更少的任务,因此需要额外的工作,以确保工作可以完成。这反过来又会导致预期的空闲时间在工作站上显著增加。即使是完全加载的95%的工作站也会在单元上产生空闲时间。很明显,这与可持续生产的能源削减计划背道而驰。因此,当计划时间有相当大的变化时,我们建议利用未同步的同步生产线作为替代。我们将会发现,没有节奏的线条通常会产生更多能量的消耗。
下一节,我们将讨论系列生产线的研究文献。然后,我们在第3部分公式中解决了这个问题,这是一个适当的模型。在第4节中,为了解决线路平衡问题,建立了一种结构启发式。将极限值理论应用于具有一般分布的任务时间的特殊问题,然后将仿真作为一种更一般的方法。在这一节中也给出了计算结果的计算结果。在第5节中,对非同步线的一般性能进行了分析。最后,本文总结了今后的研究方向。
2.

2.串行生产线
Buzacott和尚蒂库玛(1993年)在不同的电台之间的工作方式之间进行了分类,也就是说,这些生产线可以是异步的或同步的(索引)。在分析同步线路中,站在不同位置之间的工作时间的安排是不协调的。一旦一份工作在一个车站完成,它就会被移到下一个站,如果它没有被堵塞的话(也就是说。在下一站或缓冲区中有物理空间可供使用,如果不饿的话,下一项工作就会立即启动(即:从上游站或缓冲区可以找到另一份工作)。异步线路设计中的关键决策是缓冲位置的缓冲能力,以及分配任务到工作站。已经表明,异步线路不变化是完美的平衡,从而使吞吐量最大化的;也就是说,存在一个“碗现象”这样的中间站线应该分配较少的处理时间比在开始和结束的(希利尔&怕冷,1966,1966)。斯珀特和珀金斯(1985)发现,在任务时间差异较低的过程中,这种现象不那么明显。关于缓冲区分配问题,康威,麦克斯韦,麦克莱恩,托马斯(1988)发现,小缓冲足以抵消大部分损失stochastic操作时间,和缓冲区的位置应该更大的平衡线对线的中心或接近瓶颈(Harris &鲍威尔,1999)。
在同步生产线上,各站之间的工作变动的时间是协调的,使得所有的工作都同时被编入索引。在这些线路中,应将任务分配给车站,这样车站的处理时间就会被处理。同步线可以被进一步分类为步调一致或步调一致的(布加特和山提库玛,1993)。大量的研究都涉及到开发和测试最优的和启发式的同步生产流水线,在这条线上有一个被索引的周期时间。在随机任务时间的情况下,在循环时间内没有完成任务的风险。这些模型通常是制定成本最小化目标(假设行停止,直到完成单位或离线站利用完成印康-系列单位)或通过最小化所需数量的电台受到限制的概率站超过周期时间。回顾一下关于基本的线平衡问题的文献,看看Scholl和贝克(2006年);对于广义的线平衡问题,包括对随机线平衡问题的简短回顾,看看贝克和Scholl(2006);以及对线平衡的分类——Scholl和杜吉(2013)。
一个不同步的同步生产线只在所有的站点都能完成任务的情况下才会取得进展。例如,康纳大道装配厂利用了这种生产方式:“总的来说,装配过程涉及到80个操作,每个操作在沿途的30个车站的37分钟内形成。这条线是由一盏灯系统控制的,这表明工作在一个车站正在进行中;绿色标志着在那个位置上所分配的任务已经完成。只有当整个线路是“绿色”的时候,汽车才会转到下一个站。”(Dear,2003)。
在这种生产模式下,将不会有不完整的单元,就像在一个有节奏的线上一样;所有的电台现在都必须等待——直到最后一个工作台完成了它的运作,而不是在一个周期的时间里。另一方面,当所有的站都被提升的时候,这条线就可以被索引,而不用等到周期的时间-皮雷。因此,与其平衡这条线,这样就会有很小的可能性超过周期时间(导致利用率降低和空闲时间增加),这条线必须基于前次的最大时间来完成所有站点的任务。虽然这导致了随机任务时间的可变吞吐量(不是一个被计算的周期时间),但是由于与流水线相关的高容量,这种可变性预计会对系统产生小的影响。
尽管有一些分析结果已经出现在了对不同步的同步生产线的操作中(见,例如。布卡科特和尚蒂库玛尔,1993年),很少有研究致力于平衡这一类型的线。Kouvelis和Karabati(1999)研究了非同步线的混合-模型循环调度,但是,它们没有合并线平衡方面。蒋、城市和徐(2012)开发了一种“禁忌搜索”元启发式算法,作为一种双目标线平衡模型的解决方案,该模型同时也被用来进行吞吐量最大化。杜尔、Klastorin和杂志(2000)开发出一种成本最小化line-balancing模型与工人差异,每日产量配额,并计划加班,和他们认为任务时间跟着shifted-exponential分布;我们的工作不同于我们模型的可变性对他们的任务,而不是工人,最小化的目标站的数量(符合典型的随机line-balancing文学)。
3.模型开发
不同步的同步线平衡问题类似于我的速度线模型(例如:最小化给定循环时间的次数)。有很多任务(i=1,N),每个任务都被分配给几个站点中的一个(j=1,M);让j是分配给j(决策变量)的任务集。完成每个任务的时间,假设是一个独立的随机变量。每个任务优先级关系,由一组命令代表表示不满,对任务,R = { 1,…,…,R | | },,R =(a,b)是有序对指示任务立即割让b。有一个给定的生产要求,D,必须满足。目标是在满足优先级关系的同时最小化满足生产需求的站点数量。
然而,不同步的同步生产线之间的区别在于节拍,只有当所有的电台都完成了他们的任务时,才会有一个不同步的线。因此生产线前进的时间,将是在任何一个车站完成任务的最佳时间:
由于任务时间是随机变量,它也会是一个随机变量。生产线的长期行容量(吞吐量)将是1,这是索引之间的平均时间(即:这条线的平均时间是用来提高线的平均时间)。
然后,在这段时间里,线的发展可以被表达为:而非同步的同步线平衡问题可以作为下列混合整数,非线性程序来表示:Mub是需要的数量的上限。约束集(4)确保每个任务的分配到一个且只有一个站。任务之间的优先关系是通过约束集(5).约束集(6)和(7)利用每个站(即:如果任务被分配到j站,wj=0如果没有的话,wj=1。最后,约束(8)确保了su吞吐量的吞吐量以满足生产需求。
正如上面所提到的,1/是预期的吞吐量,所以constraint(8)将确保长期吞吐量满足需求。对于高产量的装配线来说,长期的预期值可能是合适的吞吐量措施,当有了产品的安全库存时,就会产生更大的影响。另一方面,对于一个有小时或每日配额的系统,或者有可能需要在一个班次内进行的非抢占式任务的系统,这个值可能不适合作为这种短期生产方式的吞吐量的保证。考虑到特殊安装的特殊情况,可能是必要的。
如果任务时间是确定的,那么约束(8)可以用C代替,C是需要的周期时间,C=1/d。虽然是所有空间站的最大时间,但是约束(8)可以是取而代之的是一组等价的约束:
结果是一个混合整数线性规划。因此,抑制-米纳的同步线平衡问题等同于确定性的同步线平衡问题,以及为步调一致而开发的解决方案过程(参见:2006年,Scholl&贝克尔)可以用于不节奏的线条。
 
4启发式的发展
    当同步线平衡问题被认为是一个确定性问题时,不同步的同步线的问题是不确定的,但在随机的意义上它是非常不同的。与随机任务有关“瓶颈”也可能因一个周期的不同而不同,这取决于站时间的相对分布。在启发式解决方法中,我们将考虑两种方法
分析:(1)使用极端值理论来评估其均值在一定条件下最大站时间的分布(2)使用模拟作为分析的一般方法。
4.1单程的建筑的启发式
不同步的同步线平衡prob的目标与一个步调一致的线的目标是相同的(例如:因此,我们将演示如何改进针对同步线的启发式算法,以解决未解决的问题。许多传统的线平衡试探法是单一的,构建过程,在其中,任务被迭代地分配
对基于某些优先价值的站点,只要所有的预先的关系都是满意的,并且在该站中存在着可处理的处理时间。各种各样的优先规则都被提出,比如最大的任务时间,最多的任务,最大的po-体重,以及其他的(Talbot,帕特森,1986)。潜在的,对解决方案的改进也可以使用多通道试探法、可及的双向构造、元赫uri-tics等(Scholl&Becker,2006)。
摘要利用施工方法对随机的同步生产线路进行施工,是由于车站的相互连接而造成的。即使每个站点的预期吞吐量都是可以满足需求的,但是等待其他站点完成任务的时间可能会导致项目的不足。当然,这将取决于分配给每个站点的总任务时间的分配。因此,任务的全部任务必须在完成之前计算预期的吞吐量。绕过这个困难,我们提出一个迭代过程中赋值对于一个给定的周期时间,确定预期的吞吐量(下一节将讨论使用极值理论以及sim -较真这样做),如果预期的吞吐量是不够的,过程是重使用一个更小的周期时间。这种方法被采用,因为I型线平衡过程比II型过程更有效。对于不同步问题的单通道、施工过程可以描述如下:
步骤1。初始化:设置M=0和C=1/d。用ap来排序任务。
本体优先规则;在我们的实现中,我们使用一个等级的“权重优先级”功能:
ti=E(ti)是完成任务的平均时间,而Si是完成任务i的所有任务的集合。
步骤2。设M=M+1。设置I=C(我是期望的空闲时间在空间站里)。
步骤3。识别出所有之前的任务被分配的任务的集合,以及我的任务。如果没有这样的任务,就去第2步。步骤4。在步骤3中确定的任务中,将最高的任务分配给M,并设置I=I-ti。如果所有任务都被分配了
步骤5;否则,返回到步骤3。
 
4.2确定行吞吐量
 
不同步的同步线平衡问题的显著特征在于吞吐量(Eq.(8))的确定。正如上面所提到的,这条线前进的时间——因此,整个过程是一个随机变量,使得对任务的可选任务的评估显得有些繁重。每一个站都不能独立评估;因此,在确定之前,必须先确定轮胎的分配。我们将使用前-treme值理论来分析这个问题,然后考虑使用模拟在更一般情况下的使用。
4.2.1准备极值理论
与随机分析的方法来平衡unpaced同步线两个障碍:(1)确定时间完成任务的分布在每个工作站(2)确定的分布众多的应用极值理论在能源管理(如。陈和纳达拉,2015年,冯,魏,王,2012年),工程(Balakrishnan,Balakrishnan,Rocco,Rocco,2005),和Sarabia(Balakrishnan,2014),然而,在男性管理领域(2006年),很少有人做过。
大多数发现极值理论假定恒等分布的分布位置如果画几个样本人口或基于渐近分布或-统计数据(极大值的渐近极限分布是甘力克,f,和威布尔分布;特别是,极限分布的最大独立正态变量是耿贝尔分布)。
然而,为了平衡不同步的同步生产线,工作站时间将不会是不受控制的分布分布;实际上,处理时间的实际分布是这样的。
在一个指定的作业被提出之前,每个站都不知道。此外,最大限度的极限分布可能不能提供一个很好的近似于流水线上的车站的数量;费雪和Tippett(1928年)rst指出,对于一个正常的情况来说,渐近的10种状态是相当缓慢的。
克拉克(1961年)向rst提出了两个独立但并不一定是不受限制的、普通的变量的四个时刻。均值,方差,
标准的正态分布函数的分布函数。虽然这两个站点的正常工作站时间为两个站点提供了精确的值,但是典型的生产线将会有两个以上的站点。近似为N > 2例是由发现的均值和方差的最大的两个数据,然后把结果作为一个正常的变量(尽管实际上是稍微倾斜分布)和估计的均值和方差最大的结果,第三站时间我们——荷兰国际集团方程式。(12)和(13),重复这个直到所有的空间站时间都被包括进来。克拉克(1961)发现了这个近似,提供了三个或更多的正常变量平均值的精确估计(在N=10的范围内为0.14%),并且在某些情况下,为非正常的可变参数提供了一个合理的近似。有两个以上站点的生产线,以及通常的分布式任务时间的方法,ti,和方差,vi,如下所示:
步骤1。对于给定的作业,确定每个站的任务时间的平均值和方差几个站处理时间的价值。
注意,任务时间分配的任务时间分布可以被确定为独立的任务——包括正常的、伽马Poisson、二项(ni、p)和负二项(ri、p)分布。正常的“正常”是在平衡速度线中使用的(参见Wilhelm,1987年,在一个节奏平衡的上下文环境中,正常的正常情况);我们将使用正常的分布来进行可跟踪性的目的,在第5节中,考虑使用其他发行版的影响。
第二个障碍是对给定任务分配任务的最大任务时间分配的标识。然而,大多数关于串行生产线设计的研究都与中心倾向有关(即:平均生产时间),确定maxima的分布需要使用极端值统计信息(参见David&Nagaraja,2003,关于这个主题的详细信息)。
    如果任务时间通常是分布的,那么任务时间的总和(站时间)也会正常分布。
步骤2。如果两个或两个以上的站点具有零方差,则将所有这些数据排除在以下计算之外,除了最大的平均值之外,因为较小的确定性值永远不会超过较大的值(此外,这将避免在分母中为0的值)。
步骤3。j = 2。
步骤4。用方程式。(12)和(13),计算两个随机变量最大值的均值和方差。
第5步。如果j=N,那么就到第8步;否则,设置j=j+1。
步骤6。设置1=,12=2,2=j,22=j2。虽然两个正常变量的最大值是不正常的,但是Eqs。(12)和
(13)被迭代地使用,就像它一样。
步骤7。返回到步骤4。
步骤8。停止;对于给定赋值的索引之间的平均时间间隔。
4.2.2仿真
虽然极端值理论在任务时间normally分布时是有用的,但许多实际情况可能需要使用其他的分布。Risa和苏里(1987)指出,不规律的、轻的组装任务展示了各种各样的分布;Risa和Knott(2000)研究了一个海鲜加工厂,发现了被观察到的指数分布,比正常的分布更好。因此,一个分析可能需要使用多个分布,甚至可能使用经验数据。另外,诸如产量损失、装备失败等其他考虑因素可能是实际操作中重要的考虑因素——平衡装配系统。在这种情况下,一般的方法,例如模拟,变得更加合适,尽管它可能需要更大的计算能力。因此,我们将把一个模拟模块作为我们的排名权重启发式(步骤5)的一部分,作为一种可替代的方法,以达到极端的价值理论方法。
4.3。计算结果
为了简要评价不同步的同步线平衡问题的排序权重启发式的有效性,分析了速度线平衡文献中64个问题的标准集(Talbot等人,1986)。所需的吞吐量是基于使用数据集提供的循环时间的8小时工作日(即:D=480/c),与Doerr等人(2000)的分析一致。任务时间被假定为正常分布,提供数据集的时间被用作方法。这一任务是使用Carraway(1989)的方法生成的,即随机的值在两个范围内产生,从0到0到,从0到,分别称为低和高变化的场景。
表1给出了从排序权重(rpw)中获得的解决方案,使用极端值和模拟(使用100,000次迭代)方法来评估站点时间的最大值。为了评估这些解决方案的质量,给出了一个分支-绑定过程的解决步骤。如在附录中所讨论的那样,激光搜索是基于最优确定性解决方案的下界边界(从Scholl&Klein获得,2014)。由于任务时间的可变性,一些问题的解决方案对于小的循环时间是没有可行的解决方案的;即使所有的任务都分配到不同的站点,预期的吞吐量也会在不分解任务的情况下满足需求。CPU时间,以秒为例,每一个实例都使用Intel i7-980处理器,运行于4.0千兆赫,内存为12g。
很明显,在求解不同步的同步线平衡问题上,排序权重启发式是相当有效的。通过激光搜索技术,它能够识别出41个问题中的37个(超过90%)的解决方案。解决方案的时间是0.01秒或更少,对于所有的问题来说,使用极限价值理论来评估吞吐量。也明显(在比较表1 a和b)站的数量需要减少任务变异性降低;ex -充足,需要28站Arcus 111 -任务问题高方差的循环时间为8847例,仅21站所需低任务可变性,和18站将确定性任务所需时间。计算工作量也较少,因为任务可变性减少,与高方差的情况相比,低方差情况下所需的CPU时间大约有一半。
除了排名权重启发式之外,还有另外两种著名的优先级规则被评估:(1)执行最多的任务,以及(2)最大的平均任务时间。



上一篇: 二号高速铁路
收缩