基于改进粒子群算法的装配线优化方法研究

蒋菡　张兰英

【摘 要】针对单一确定型装配线平衡问题，建立装配线平衡模型，该模型以最小节拍和最小均衡指数为目标函数，并运用改进的粒子群算法对模型进行求解，采用基于优先权重的编码方式对粒子位置进行编码，确保粒子在解码后总是可行的作业序列。最后，通过实例证明该方法使装配均衡性更高，同时验证其有效性和可行性。

【关键词】装配线优化；粒子群算法；均衡

中图分类号：TH185，TP205 文献标识码： A 文章编号： 2095-2457（2018）36-0121-002

DOI：10.19694/j.cnki.issn2095-2457.2018.36.051

Research on assembly line optimization method based on Improved Particle Swarm Optimization

JIANG Han ZHANG Lan-ying

（School of Mechanical & Electrical Engineering，Xian Polytechnic University，Xian Shaanxi 710048， China）

【Abstract】Establish an assembly line balance model for a single-determined assembly line balancing problem. The model takes the minimum beat and minimum equilibrium index as the objective function， and uses the improved particle swarm optimization algorithm to solve the model. The particle position is encoded using a priority-based coding scheme to ensure that the particle is always a feasible sequence of operations after decoding. Finally， it is proved by examples that the method makes the assembly more balanced and verifies its effectiveness and feasibility.

【Key words】Assembly Line Optimization； Particle Swarm Optimization； Equilibrium

0 引言

據统计，我国企业装配线的平衡率普遍不是很高。所以，装配线平衡也是制造企业一直关注的热点问题，它直接关系到设施利用率和生产效率[1-2]。近些年，人们对装配线平衡问题进行了大量的研究，文献[3]对遗传算法进行改进，解决了ALBP；文献[4]以完工率作为约束条件，以各工位空闲时间最少和未完工率最小为优化目标，使用蚁群算法进行求解。粒子群算法精度高收敛快，在解决实际问题中展现了它的优越性。本文针对已给定工作站数的装配线平衡问题，首先建立装配线平衡模型，为使装配线负荷均衡，除最小节拍外使用最小装配线均衡指数作为优化目标，并运用改进的粒子群算法对模型进行求解。最后，结合实例对模型和方法的有效性进行检验和分析。

1 问题描述与建模

装配线平衡问题是在满足约束条件的前提下，将一系列的作业任务分配到一定数量的工作站，以使各工作站工时尽可能相等或各相关指数最优[5]。本文以单一确定型装配线平衡问题为研究对象，以最小节拍和最小装配线均衡指数为目标进行优化研究。其数学模型一般为：已知工作站数k，确定作业元素集E={1，2，…，n}的一个划分E=∪=1Sj，使一定的目标得到优化，同时满足一定的约束条件，如下：

2 算法设计

粒子群算法是从鸟类和鱼群的觅食行为中抽象出来的一种群体智能算法。粒子群算法的步骤如下：

步骤1：随机初始化种群中各粒子的位置和速度，对粒子编码。

步骤2：解码并计算每个粒子的适应值。

步骤3：对每个粒子将其适应值和其经历过的最：好位置的适应值进行比较，若较好，则将其作为当前的最好位置。对每个粒子将其适应值和全局经历过的最好位置的适应值进行比较，若较好，则将其作为当前的全局最好位置。

步骤4：分别对粒子的速度和位置进行更新。

步骤5：如果满足终止条件，则输出解，否则返回步骤2。

粒子位置的编码和解码：一个粒子是由N个0-1的随机数依次排列组成。粒子各维生成方式采用优先权重的方式编码。解码规则是将粒子位置中的各作业元素分配到若干工作站内，输出一个工作站划分集合，得到分配方案，本文采用通过不断迭代，使得n个作业几乎均匀地分配给m个工作站，完成解码。

3 应用算例

下面以某玩具装配为例进行实例求解，该玩具由16个工序构成，车间有6个装配工作站，目标是寻求最小节拍，最小工作站负荷的分配方案。其作业时间和作业顺序如图1所示。

在MATLAB中编程求解，算法的参数设定为：初始粒子数mp=20，迭代次数N=100，惯性权重ω=0.8，自身学习因子c1=2，社会学习因子c2=2；按工作站数目m=6，优化后的分配方案为：{1，2，3}{4，5，6}{10，7，11}{8，12，14}{9，13}{15，16}，节拍CT=60s，工作站均衡指数为13.93

根据以上结果，优化前节拍为62s，均衡指数为16.34。在装配过程中，装配线波动严重，导致平衡方案有效性降低。优化后，节拍减小2s，工作站负荷减少17%，各工作站均衡程度明显提升，使装配过程更加平稳。

4 结束语

本文的方法针对传统装配线装配过程中的不足，以节拍最小和均衡指数最小为目标构建多目标优化模型，通过改进的粒子群算法求解得到了装配作业的最优划分方案。该方法从系统角度出发，比传统方法减少了节拍，均衡了各工作站负荷，从而使装配系统更加均衡，实现装配系统的平衡。

【参考文献】

[1]SAIF U，GUSN Z，LIU W，et al.Pareto based artificial bee colony algorithm for multi objective single model assembly line balancing with uncertain task times [J].Computers&industrial Engineering，2014，76（c）：1.

[2]NILS Boysen，MALTE Fliedner，ARMIN Scholl. Assembly line balancing： Which model to use when[J].Int.J.Production Economics， 2008（111）：509-528.

[3]范维博，周俊，许正良.应用遗传算法求解第一类装配线平衡问题[J].计算机技术与发展，2010（2）：194-201.

[4]邓福平.基于蚁群算法的装配线平衡问题研究[D].武汉：华中科技大学，2011.

[5]岳磊.基于精益生产的装配线平衡分析与改善应用研究[D].重庆：重庆交通大学，2013.