李玉城

摘要：小型电机是多种电气传动的基础部件，品种多，生产工艺和装配过程复杂，随着市场需求量的逐年增长，提高小型电机的装配效率变得尤为重要。在深入分析W公司小型电机装配流程的基础上，采用遗传算法构建了以缩短生产周期为目标，以每个工作站最多加工一个工件且工件在装配线上采用平行移动方式为约束的多品种排产优化模型，编制了程序进行仿真优化，结果显示生产周期较原先缩短了8.3%，产能较原先提高了8.2%。

Abstract： Micro-motor is the basic part of a variety of electrical transmission， with many varieties， production process and assembly process is complex， with the market demand growth year by year， improving the assembly efficiency of micro-motor has become particularly important. On the basis of in-depth analysis on the assembly process of micro-motor of W company， genetic algorithm （ga） is used to construct the multi-variety production scheduling optimization model with shortening the production cycle as the goal， with each workstation at most an artifact and workpieces using parallel moving way on the assembly line as the constraints， the program is compiled to optimize the simulation and results show that the production cycle has been shortened by 8.3%， capacity is increased by 8.2%.

关键词：遗传算法;小型电机;排产优化;装配线

Key words： genetic algorithms;electrical machinery;production scheduling;assembly line

中图分类号：V229                                        文献标识码：A                                  文章编号：1006-4311（2020）04-0293-03

0  引言

电机作为当前市场上电气传动的关键部件，是机电能量转换的基础装置，应用于多个领域，特点是具有较多的品种及繁杂的规格。电机生产企业数量庞大，产品涉及的细分行业较多，限制了該产业集中度，无明显的周期性、区域性、季节性特征。目前中小型电动机保有量已经达到16亿千瓦，成为世界上最大的中小型电动机生产、使用和出口大国。

W公司是生产小型电机的企业，目前，电机产品销量急速上涨，4种电机的需求量为每日共65台以上，而车间每日产能仅有45台。由于电机生产过程复杂，任务量的增加使得原有生产管理中的问题暴露出来。传统的“直线型”模式拉长了整个空间维度，使生产线前后员工交流不便，信息传递不能快速及时;预装区及物料暂存区所占空间较大，零部件大量堆积，场地混乱。因此优化投产顺序，提升4种型号电机产能变得刻不容缓。

生产线的效率很大程度上取决于排产优化策略，已经有诸多学者从不同的方面研究了生产线的排产优化问题。祝勇和潘晓弘[1]针对其研究特点对粒子群优化算法进行改良，通过改善PSO算法建立排产模型，为研究企业电子产品订单排产提供了有效参考。潘寒[2]等基于遗传算法对PC构件进行工厂排产研究，选用贪心算法和遗传算法的各自优点，构件排产优化的数学模型，提高了传统遗传算法的收敛速度。韩忠华[3]等对路由缓冲期的客车制造车间进行排产研究，建立RBBMS数学模型，同时采用SPF算法进行局部寻优，并在鲸鱼算法的基础上对其进行改良，便于有针对性的解决实际排产问题。但目前研究大部分是关于电子产品，建筑材料，汽车等产品的装配线排产优化问题，几乎很少涉及多品种小型电机的排产优化问题。

针对上述问题，本文研究了多品种小型电机混流装配线的投产问题，以缩短生产周期为目标，以W公司的多品种小型电机生产车间为研究对象，通过建立数学模型并利用遗传算法求得最优排产方案，使企业的生产效率得到了显著提升。

1  W公司电机生产工艺流程

小型电机装配共有定子加工、处理、检验，产品的装配、检验、喷漆、包装等20道工序，如图1所示。

各个型号产品在各个工作站上的加工时间如表1所示，时间单位为分钟，表中最长加工工位是定子加工。

2  目标函数构建

假设装配线由m个Mj（j=1，2，…，m）工作站组成，车间有A个Na（a=1，2，…，A）型号产品在该装配线上加工。建立目标函数如下：

3  利用遗传算法解决排产问题

遗传算法是一种搜索启发式算法，属于计算机科学人工智能领域的自适应寻优算法[6]。本文根据车间实际问题分析，提出利用遗传算法优化排查问题。遗传算法大致流程如图2所示。

首先是编码，目前比较流行的编码规则有，矩阵编码、二进制编码、树形编码和量子比特编码等[7]。本文采用矩阵编码。

设置遗传算法中的各个基本参数，本文设置随机产生种群数目为100，初始解中完全随机的解占比为0.9，初始解中最小时间选择解占比为0.05，初始解中剩余加工时间最大优先选择解占比为0.05。最大迭代数目为200代，交叉率为0.7，变异率为0.02，最大邻域搜索范围为5。

建立基础数据结构体，生成初始解并开始计算目标函数值，若满足目标值，则输出最优解，若不满足最终值随则开始选择下一代种群、交叉、变异产生新一代种群，不停的迭代循环寻找最优解，若在最大迭代数之前达到终止条件，则稳定在某一值，迭代完成输出结果，如图3所示。

图中可以看出最优个体和总体均值在185.2时趋于稳定，即最优值为185.2。最优状态下的排产方案如图4所示。

4  结果分析

利用遗传算法对数学模型进行求解，得出图3图4相应数据。图3遗传算法结果图中，实线表示最优个体，虚线表示总体均值。通过图3结果可以看出原始投产顺序生产周期接近202，甚至更长。根据最优排序进行排产实验，结果显示优化后生产周期比优化前生产周期缩短了16.8，较之前缩短了8.3%，产能较之前提高了约8.2%，有效提高了生产效率。图4排产甘特图是最优状态下的排产方案，在图中可以看出各工件在各工作站之间传递顺畅，联系紧密。加工过程中存在合理空隙，保证了工人在工作期间的合理休息时间，缓解了因长时间作业造成的工作疲劳，同时降低了次品率，并且保证了机器的加工效率。综合优化排产结果，此排产方案较为合理。

5  结束语

针对电机厂制造过程中投产顺序不合理的问题，结合生产工艺流程，对生产线进行合理平面布局后，利用遗传算法对电机混流装配线的排产问题进行优化研究，根据实际情况建立函数并列出各约束条件，不断迭代循环得出最优解，计算得到最短耗时并且给出最优的排产方案。电机身为我国在工业未来发展中必不可少的机械用具，在今后将会较大的市场，提高电机产能对未来工业发展将会起到一定的促进作用。希望本文研究方案能对同类型制造业的调度问题起到积极作用。

参考文献：

[1]祝勇，潘晓弘.基于改进粒子群优化算法的电子产品排产研究[J].中国机械工程，2011，22（1）：49-54.

[2]潘寒，黄熙萍，靳華中，邹贻权，刘阳.基于遗传算法的PC构件工厂排产研究[J].土木建筑工程信息技术，2018，10（6）：114-115.

[3]韩忠华，张权，史海波，王世尧.具有路由缓冲区的客车制造车间排产优化问题研究[J].现代制造工程，2019（7）：12-23.

[4]姚丽丽，史海波，刘昶，等.烟草排产中嵌入规则的遗传算法应用研究[J].制造业自动化，2011，33（4）：89-93.

[5]王博.液压缸基础零件制造车间IVIES的研究与设计[D].南京：南京理工大学，2017.

[6]张超群，郑建国，钱洁.遗传算法编码方案比较[J].计算机应用研究，2011，28（3）：819-822.