留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应遗传模拟退火算法的多目标车间布局优化

卢义桢 李西兴 朱传军 吴锐

卢义桢, 李西兴, 朱传军, 吴锐. 基于自适应遗传模拟退火算法的多目标车间布局优化[J]. 制造技术与机床, 2022, (7): 173-179. doi: 10.19287/j.mtmt.1005-2402.2022.07.029
引用本文: 卢义桢, 李西兴, 朱传军, 吴锐. 基于自适应遗传模拟退火算法的多目标车间布局优化[J]. 制造技术与机床, 2022, (7): 173-179. doi: 10.19287/j.mtmt.1005-2402.2022.07.029
LU Yizhen, LI Xixing, ZHU Chuanjun, WU Rui. Multi-objective workshop layout optimization based on adaptive genetic simulated annealing algorithm[J]. Manufacturing Technology & Machine Tool, 2022, (7): 173-179. doi: 10.19287/j.mtmt.1005-2402.2022.07.029
Citation: LU Yizhen, LI Xixing, ZHU Chuanjun, WU Rui. Multi-objective workshop layout optimization based on adaptive genetic simulated annealing algorithm[J]. Manufacturing Technology & Machine Tool, 2022, (7): 173-179. doi: 10.19287/j.mtmt.1005-2402.2022.07.029

基于自适应遗传模拟退火算法的多目标车间布局优化

doi: 10.19287/j.mtmt.1005-2402.2022.07.029
基金项目: 国家自然科学基金资助项目(51805152);湖北工业大学高层次人才科研基金(GCRC2020009)
详细信息
    作者简介:

    卢义桢,男,1998年生,硕士研究生,研究方向为智能算法、运营管理。E-mail:112108538@mail2.gdut.edu.cn

    通讯作者:

    李西兴,男,1990年生,博士后,副教授,硕士研究生导师,研究方向:生产调度与优化、制造业信息化。E-mail:li_xi_xing@126.com

  • 中图分类号: TH181

Multi-objective workshop layout optimization based on adaptive genetic simulated annealing algorithm

  • 摘要: 良好的车间设施布局能有效改善制造工艺流程、降低加工设备间物流运输成本,进而增强制造企业精益化程度。基于FK公司制造车间实际情况设计布局约束条件,构造以最小化车间物流成本和缩短搬运时间为优化目标的车间布局数学模型,并提出改进的遗传模拟退火算法对模型进行优化求解。该算法一方面引入自适应遗传算子策略,实现算法求解过程中遗传算子的动态修正;另一方面借用模拟退火算法的概率突跳性避免算法过早收敛,提高其全局寻优能力,进一步增强算法求解性能。通过设计对比试验及实际应用案例验证分析了模型与算法的可行性、有效性,结果表明该算法具有良好的寻优能力,可以有效降低车间物流成本和缩短搬运时间,对实际车间布局具有良好的改进作用。

     

  • 图  1  车间设施布局

    图  2  算法计算流程

    图  3  编码示例对应的车间布局图

    图  4  交叉过程

    图  5  变异过程

    图  6  车间原始布局

    图  7  算法优化过程迭代图

    图  8  优化后车间作业单元布局

    表  1  作业单元尺寸表

    序号名称长度/m宽度/m
    1原材料区62
    23号车床区43
    32号铣床区54
    4数控加工中心43.5
    53号磨床区32
    6剪床区4.51
    72号车床区4.53.5
    81号铣床区44
    92号磨床区43
    101号车床区4.53
    11钻床区54
    121号磨床区43.5
    13产品储存区5.53.8
    下载: 导出CSV

    表  2  作业单元间的单位费用 元/m

    序号12345678910111213
    13.55.44.82.86
    23.15.57.33.4
    37
    42.85.6
    58.3
    656.59.6
    7909.35.66.8
    807.5
    906.1
    106.1126.3
    115.85.37.38.7
    126.4
    13
    下载: 导出CSV

    表  3  作业单元间的搬运频率 次/天

    序号12345678910111213
    1685357430
    215261421
    36011
    43626
    538
    6471542
    78918
    810
    912
    10454
    11354
    125
    13
    下载: 导出CSV

    表  4  作业单元间的搬运速度 m/s

    序号12345678910111213
    1555555555555
    2323211122211
    3112323211212
    4112111112131
    5111212113112
    6222112121112
    7212231211212
    8221412311232
    9121212121112
    10223111121211
    11131112211212
    12212112121121
    13555555555555
    下载: 导出CSV

    表  5  算法参数设定对比

    参数方案1方案2方案3方案4
    算法类型GAGAGAGA-SA
    $ {\mathit{P}}_{\mathit{c}} $0.4$ {P}_{c}=\left\{\begin{array}{l}0.4 ,g \leqslant \dfrac{2}{5}G\\ 0.2,\dfrac{2}{5}G < g \leqslant \dfrac{4}{5}G\\ 0.15,\dfrac{4}{5}G < g \leqslant G\end{array}\right. $自适应取值法(本文式(13))自适应取值法(本文式(13))
    $ {\mathit{P}}_{\mathit{m}} $0.15$ {P}_{m}=\left\{\begin{array}{l}0.15,g \leqslant \dfrac{2}{5}G\\ 0.25,\dfrac{2}{5}G\le g \leqslant \dfrac{4}{5}G\\ 0.3,\dfrac{4}{5}G\leqslant g \leqslant G\end{array}\right. $自适应取值法(本文式(14))自适应取值法(本文式(14))
    $ \mathit{g}\mathit{e}\mathit{n} $500500500500
    $ \mathit{t} $///3 000
    ${\mathit{T} }_{{\rm{end}} }$///1 000
    λ///0.8
    下载: 导出CSV

    表  6  优化后作业单元位置坐标

    序号作业单元横坐标纵坐标所属行数
    1原材料区18.52.51
    23号车床区23.392
    32号铣床区7.810.52
    4数控加工中心39.82
    53号磨床区3.33.51
    6剪床区1292
    72号车床区7.8173
    81号铣床区29.510.51
    92号磨床区3173
    101号车床区13.53.51
    11钻床区23.82.81
    121号磨床区17.393
    13产品储存区8.52.51
    下载: 导出CSV

    表  7  优化前后对比

    项目搬运费用/元搬运时间/s
    原布局60 5275 605
    优化布局54 4864 435
    优化效果降低9.98%减少20.8%
    下载: 导出CSV
  • [1] 谢洁明, 陈庆新, 毛宁, 等. 基于GMADS与问题信息的车间单元上下料口布局优化方法[J]. 计算机集成制造系统, 2021(4): 1-18.
    [2] 郭源源, 王谦, 梁峰. 基于粒子群优化算法的车间布局设计[J]. 计算机集成制造系统, 2012(11): 2477-2484.
    [3] 陈勇, 程子文, 姜枞聪, 等. 考虑布局熵的多态性车间布局稳健优化模型与算法[J]. 中国机械工程, 2019, 30(15): 1837-1848. doi: 10.3969/j.issn.1004-132X.2019.15.010
    [4] Frederico Galaxe Paes, Artur Alves Pessoa, Thibaut Vidal. A hybrid genetic algorithm with decomposition phases for the unequal area facility layout problem[J]. European Journal of Operational Research, 2016, 256: 742-756.
    [5] Jose Fernando Goncalves, Resende M G C. A biased random-key genetic algorithm for the unequal area facility layout problem[J]. European Journal of Operational Research, 2015, 246(1): 86-107. doi: 10.1016/j.ejor.2015.04.029
    [6] 徐立云, 杨守银, 李爱平, 等. 生产车间布局多目标优化及其仿真分析[J]. 机械设计与研究, 2011, 27(6): 55-59.
    [7] Jerzy Grobelny, Rafał Michalski, A novel version of simulated annealing based on linguistic patterns for solving facility layout problems[J]. Knowledge-Based Systems, 2017, 3: 1-36.
    [8] 马淑梅, 蔡惠森, 张一帆, 等. 不确定需求下的设备动态布局方法[J]. 中国机械工程, 2015, 26(11): 1494-1502. doi: 10.3969/j.issn.1004-132X.2015.11.012
    [9] Betul Turanoglu, Gokay Akkaya. A new hybrid heuristic algorithm based on bacterial foraging optimization for the dynamic facility layout problem[J]. Expert System With Applications,2018, 4: 10-33.
    [10] Chao Guan, Zeqiang Zhang, Silu Liu, et al. Multi-objective particle swarm optimization for multi-Workshop facility layout problem[J]. Journal of Manufacturing System, 2019, 53: 32-48. doi: 10.1016/j.jmsy.2019.09.004
  • 加载中
图(8) / 表(7)
计量
  • 文章访问数:  83
  • HTML全文浏览量:  25
  • PDF下载量:  36
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-01-06
  • 录用日期:  2022-03-15

目录

    /

    返回文章
    返回