HTML
-
制造业是国之根本,是国民经济的基础,是国家综合国力的重要体现。随着市场经济的快速发展,制造订单越来越呈现多品种、变批量的结构模式,产品种类层出不穷,产品生产周期不断缩短,传统的大批量规模式生产已经无法适应当前的市场需求,很多企业迫切需要进行制造方式的转型,即转变为面向订单的大规模定制生产模式,以便更快速地适应市场变化、更高效地响应客户个性化需求。
为了追求生产效率、质量一致性和生产柔性之间的平衡,企业多利用成组技术将工艺路径相似的工件归为同一零件族,然后将各个零件族中的零件加工需要的设备划分在一起,形成制造单元,零件族在各制造单元中独立完成。可见制造单元的划分多取决于需求订单的稳定性,其组成随着订单结构的变化而进行相应的调整。但面对市场需求的瞬息万变、产品种类的快速迭代,使得大多数企业难以应对构建持续变化的物理单元带来的时间和成本损失[1]。Altom首次提出了虚拟制造单元[2],虚拟制造单元是逻辑型制造单元,零件在其中进行流水式生产,但单元内的设备并不像物理单元那样具有物理上的构型。因此,当订单结构发生变化时,虚拟制造单元的构成随之变化,但设备的物理位置等硬件条件却无需发生改变,这使得虚拟单元的演变和继承变得简单[3]。
尤其是在航天精导武器系统特别是光电制导或光电观测产品等典型产品的研制生产过程中,由于零件加工精度高,为了保证加工精度及其质量的一致性,建设了专门的制造单元进行生产。但随着多批次碎片化订单成为常态,专门制造单元及其内部的设备利用率难以始终保持满负荷利用而出现下降趋势,其核心原因在于物理单元的配置限制了其内设备的灵活运用问题。
因此,在客户需求多样性、订单及批量多变的背景下,根据车间的实际约束情况,根据订单需求的变化,构建持续性变化的虚拟制造单元,使得关键零件、紧急订单在虚拟制造单元中进行高效流水式生产,非关重件进行离散式生产,实现低成本、高效率生产目标。
图1为虚拟制造单元持续性重构示意图。文中研究的虚拟制造单元重构调度问题涉及两个方面的内容:
(1)面向持续变化的订单结构,基于原制造单元构建方案对制造单元进行继承性重构
Ratchev[4]针对虚拟制造单元的动态演变,提出了一种四阶段方法。Safaei等[5]研究了制造单元的动态重构问题,采用模拟退火算法对提出的混合整数规划模型进行求解,通过案例验证了所提模型与算法的有效性。Deep和Singh[6]针对动态单元制造系统中多个阶段的单元构建问题,提出了一种整数规划模型。Nomden等[7]对即将进入系统的工件数据进行分析,完成零件族的划分,并在此基础上提出了一种新的基于零件族的调度方法,并考虑订单的交付期约束。Kesen等[8]提出了一种基于启发式规则的遗传算法,求解了具有并行机和工件分批的VMCs调度问题,并通过对比验证了所提算法性能优于混合整数规划模型。考虑到订单的动态到达,Baykasoğlu和Gorkemli[9]提出了一种基于代理的建模方法,实现了零件族建立、VMCs构建和VMCs调度过程的协调。Delgoshaei等[10]利用遗传算法和模拟退火算法的混合算法实现了DCMS的调度。Azadeh等[11]在多目标DCMS中加入考虑了加工人员的可靠性,并使用非支配排序遗传算法和多目标粒子群优化算法提供了解决方案。Bayram和Şahin[12]针对多阶段单元制造系统设计问题,提出了线性规划模拟退火算法和遗传算法,实现了流水式工件作业模式下的VMCs的持续构建。
(2)基于重构后的制造单元的任务调度
Kesen S E [8]提出了一个多目标混合整数规划模型,解决了具有并行机及任务分批的虚拟制造单元调度问题。Zhu J等[13]研究了生产调度周期动态变化过程中的调度问题。Kesen S E[8]还针对制造单元调度问题,建立以最小化物流距离和工件总完工时间为目标的数学模型,采用改进的遗传算法进行求解,通过案例验证了算法的可行性与有效性。针对同样的问题,Aksoy A 等[14]建立了以最小化交货延期时间和物流距离为目标的调度模型,结合混合模拟退火算法进行求解,并通过实际案例验证了所提模型与算法的可行性与优越性。Sakhaii等[15]针对制造单元调度问题建立了以最小化总成本为目标的设备存在不稳定性的调度模型。Jiang等[16]提出了一种具有自适应算子和可变搜索深度的人工蜂群算法(Artificial Bee Colony,ABC),通过将可变搜索深度方法引入雇佣蜂的搜索阶段,使得相应的搜索深度能够根据历史信息自适应的确定,解决了具有有限运输能力的单元调度问题。Tang等[17]考虑了零件的跨单元次数,使用分散搜索算法解决了以最小化总加权拖期时间为目标的作业车间单元调度问题。
综上,文中针对虚拟制造单元重构调度的背景与现状,重点研究虚拟制造单元继承性重构调度问题,以最小化
$ {C}_{max} $ 和最小化重构前后虚拟制造单元构成差异性为目标,提出一种基于继承性重构解码策略的改进的遗传算法。该算法通过对原制造单元重构的继承性进行量化,在保证调度目标的同时,最大的继承了原制造单元划分方案,实现订单结构变化下的虚拟制造单元的继承性重构与计划排产。 -
文中结合某企业光电观测产品的机加零件生产车间,对文中所提的虚拟制造单元继承性重构调度问题的算法与策略进行了验证。该光电观测产品零件生产具有较高的加工精度,为了保证加工效率同时兼顾加工柔性,采用针对部分零件进行逻辑制造单元的构建,并随任务的结束与解散,同时支持新订单组合模式下制造单元的继承性演变,提高系统的动态优化配置能力。下面以该车间规模为
$ 12\times 8\times 4 $ 的一组数据为例说明文中所提模型的建立和算法的求解过程。该车间共有8种类型的共12台加工设备,各个设备种类与加工设备之间的映射关系如表1所示。
Type $ {K}_{1} $ $ {K}_{2} $ $ {K}_{3} $ $ {K}_{4} $ $ {K}_{5} $ $ {K}_{6} $ $ {K}_{7} $ $ {K}_{8} $ Number $ {M}_{2},\; {M}_{7}$ $ {M}_{5} $ $ {M}_{8} $ $ {M}_{4} ,\;{M}_{6}$ $ {M}_{11} $ $ {M}_{9},\;{M}_{12} $ $ {M}_{1} ,\;{M}_{10}$ $ {M}_{3} $ Table 1. Mapping relationship between each equipment type and processing equipment
统计了车间原有的制造单元的信息与各个设备之间距离信息,如表2、表3所示。原有制造单元对应的零件族的基本信息如表4所示。文中所涉及的需要排产的新订单的基本信息如表5所示。
Equipment number $ {M}_{1} $ $ {M}_{2} $ $ {M}_{3} $ $ {M}_{4} $ $ {M}_{5} $ $ {M}_{6} $ $ {M}_{7} $ $ {M}_{8} $ $ {M}_{9} $ $ {M}_{10} $ $ {M}_{11} $ $ {M}_{12} $ $ {M}_{1} $ 0 - - - - - - - - - - - $ {M}_{2} $ 3 0 - - - - - - - - - - $ {M}_{3} $ 10 8 0 - - - - - - - - - $ {M}_{4} $ 12 11 2 0 - - - - - - - - $ {M}_{5} $ 10 13 4 3 0 - - - - - - - $ {M}_{6} $ 8 9 13 15 15 0 - - - - - - $ {M}_{7} $ 10 12 9 12 9 3 0 - - - - - $ {M}_{8} $ 8 7 12 14 11 4 2 0 - - - - $ {M}_{9} $ 19 16 23 26 25 17 14 12 0 - - - $ {M}_{10} $ 17 15 19 16 17 9 11 14 23 0 - - $ {M}_{11} $ 5 8 10 12 13 8 7 10 15 17 0 - $ {M}_{12} $ 18 20 13 14 16 6 7 9 19 26 5 0 Table 2. Distance of each equipment
Manufacturing
cellCell 1 Cell 2 Part family $ {J}_{1} $,$ {J}_{5} $ $ {J}_{2} $,$ {J}_{3} $,$ {J}_{4} $,$ {J}_{6} $ Machine $ {M}_{2} $,$ {M}_{3} $,$ {M}_{7} $,$ {M}_{10} $,$ {M}_{11} $ $ {M}_{4} $,$ {M}_{6} $,$ {M}_{9} $,$ {M}_{12} $ Table 3. Original manufacturing unit information
Order Count Process Can use machine Time $ {J}_{1} $ 39 $ {O}_{11} $ $ {M}_{1} $/$ {M}_{2} $ 152 $ {O}_{12} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 222 $ {O}_{13} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 277 $ {O}_{14} $ $ {M}_{10} $ 207 $ {O}_{15} $ $ {M}_{11} $ 126 $ {J}_{2} $ 54 $ {O}_{21} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 150 $ {O}_{22} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 223 $ {O}_{23} $ $ {M}_{9} $ 171 $ {J}_{3} $ 45 $ {O}_{31} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 190 $ {O}_{32} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 260 $ {O}_{33} $ $ {M}_{9} $ 168 $ {O}_{34} $ $ {M}_{12} $ 216 $ {J}_{4} $ 138 $ {O}_{41} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 100 $ {O}_{42} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 130 $ {O}_{43} $ $ {M}_{9} $ 150 $ {J}_{5} $ 75 $ {O}_{51} $ $ {M}_{1} $/$ {M}_{2} $ 260 $ {O}_{52} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 340 $ {O}_{53} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 204 $ {J}_{6} $ 36 $ {O}_{61} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 279 $ {O}_{62} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 126 $ {O}_{63} $ $ {M}_{12} $ 457 $ {O}_{64} $ $ {M}_{9} $ 105 $ {O}_{65} $ $ {M}_{11} $ 568 Table 4. Basic information of the part family corresponding to the original manufacturing unit
Order Count Process Can use machine Time $ {J}_{7} $ 45 $ {O}_{71} $ $ {M}_{1} $/$ {M}_{2} $ 176 $ {O}_{72} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 470 $ {O}_{73} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 300 $ {O}_{74} $ $ {M}_{11} $ 324 $ {J}_{8} $ 32 $ {O}_{81} $ $ {M}_{1} $/$ {M}_{2} $ 386 $ {O}_{82} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 160 $ {O}_{83} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 145 $ {O}_{84} $ $ {M}_{10} $ 78 $ {O}_{85} $ $ {M}_{11} $ 237 $ {J}_{9} $ 98 $ {O}_{91} $ $ {M}_{3} $/$ {M}_{4} $/$ {M}_{5} $ 90 $ {O}_{92} $ $ {M}_{6} $/$ {M}_{7} $/$ {M}_{8} $ 190 $ {O}_{93} $ $ {M}_{9} $ 93 $ {O}_{94} $ $ {M}_{12} $ 264 Table 5. Basic information of new order
-
所用算法使用C#进行编程,在64位windows操作系统、 Intel(R) Core(TM) i5-7600处理器、16 GB运行内存的环境中运行。算法参数设置为:初始种群规模为100,最大迭代次数为100,取
$ \varepsilon $ =0.57,$ \tau =0.43 $ 。 -
由表6可看出订单
$ {J}_{7} $ 的制造单元相似链为单元1→单元2,订单$ {J}_{8} $ 的制造单元相似链为单元1→单元2;订单$ {J}_{9} $ 的制造单元相似链为单元2→单元1。在执行基于继承性重构解码策略时,针对每一个订单的任意一个工序的安排设备时,优先考虑相似性大的单元。Original manufacturing cell Orders $ {J}_{7} $ $ {J}_{8} $ $ {J}_{9} $ Cell 1 0.49 0.31 0.13 Cell 2 0.22 0.04 0.89 Table 6. Similarity analysis between order and original manufacturing unit
-
将新增订单
$ {J}_{7} $ ,$ {J}_{8} $ ,$ {J}_{9} $ 的基本信息、原制造单元的基本信息及其对应的零件族的基本信息等信息作为算法的输入,使用文中所提算法进行求解,最终得到的排产结果甘特图如图7所示,对应的重构后的制造单元结果如表7所示,其继承关系如图8所示。算法运行的收敛图如图9所示。Manufacturing cell Content Cell 1 Cell 2 Cell 3 Original manufacturing cell Part family $ {J}_{1} $,$ {J}_{5} $ $ {J}_{2} $,$ {J}_{3} $,$ {J}_{4} $,$ {J}_{6} $ - Devices $ {M}_{2} $,$ {M}_{3} $,$ {M}_{7} $,
$ {M}_{10} $,$ {M}_{11} $$ {M}_{4} $,$ {M}_{6} $,$ {M}_{9} $,$ {M}_{12} $ - Reconfigurable cell Part family $ {J}_{5} $ $ {J}_{2} $,$ {J}_{3} $,$ {J}_{4} $, $ {J}_{1} $,$ {J}_{7} $, $ {J}_{9} $ Devices $ {M}_{2} $,$ {M}_{3} $,
$ {M}_{7} $,$ {M}_{10} $$ {M}_{4} $,$ {M}_{6} $,$ {M}_{9} $ $ {M}_{1} $,$ {M}_{5} $ Table 7. Comparison of manufacturing cell inheritance reconstruction
通过对比原制造单元和重构后制造单元,可以看出制造单元的构成形态具有较大的相似性,重构后的单元1和单元2对原制造单元具有完全的继承性,只是在具体设备方面具有一定的调整,这样不仅实现对原制造单元构成的继承,同时也继承了原制造单元所具有的协同团队生产的经验,对于支持精密光电观测产品零件的精密生产的精度一致性保证以及单元化生产效率的提升具有重要的促进作用。