发动机总装车间中转库房布局优化.pdf

中国新技术新产品2024 NO.2（下）-129-技 术 经 济 与 管 理 库房布局优化是现代制造企业面临的重要且复杂的问题之一，合理的总装车间中转库房布局能够提高生产效率并降低制造成本1。实际汽车制造企业对中转库房内的物料摆放不够重视，造成配送过程中的物流浪费。因此，很多企业开始重视对中转库房布局的研究。很多学者对车间中转库房布局优化进行相应的研究。董舒豪等2用传统的系统布置分析法（Systematic Layout Planning）对不同区域间的物流量关系强度进行分析，从而对传统车间布局不足的问题进行优化，并用仿真分析的方法进行弥补；Wang 等3利用遗传算法来解决以总成本最小为目标函数的布局规划模型；卢义桢等4用自适应遗传模拟退火算法对车间设施布局问题进行求解，给出了公司的车间设施布局优化案例。本文以实践应用为视角，分析发动机总装车间中转库房布局现有存在的问题，根据约束条件结合实际情况抽出合理的数学模型。以最短配送时间为目标函数，采用适用模型的自适应粒子群算法使求解过程更精准，得出的优化结果验证了方法的有效性。本文结论对加快物料流通，对实际总装车间中转库房的布局优化问题有指导意义。1 中转库房布局规划1.1 现有库房布局问题现状由于总装车间物料繁多，现有发动机总装车间中转库房原有物料布局是随意的，主要通过员工经验等主观因素进行摆放。当物料配送时需要小车在整个中转库房大范围拣货，再根据地面物流通道按固定的顺序到相应的各工位运送一圈回到库房，影响配送效率和时间。需要对中转库房布局进行规划。1.2 以工位组合的布局分区思路以工位为中心进行整合的分区思路是库房内物料依据生产计划确定的每个工位的物料需求量和操作时间进行分组。分区内将工位组合所需全部物料按照工序成套安放，配送小车在分区内装货配送到总装配线上，中转库房内的物料以箱为单位进行假设。假设 1 和 7 工序的工位操作时间耗时相同，就可以将 1 和 7 组合成一个组，将物料放到同一个分区内。中转库房分区内直接对应相同节拍工位的物料配送，减少小车在中转库房的作业时间，可以明显提高效率。文中以总装线的工位消耗时间作为主要分区依据。根据发动机总装车间中转库房布局优化王红梅郝梁（东北林业大学机电工程学院，黑龙江 哈尔滨 150040）摘 要：本文针对发动机总装车间的中转库房的布局和约束条件，采用自适应变异粒子群算法进行求解，得出中转库房的更优布局。考虑工位物料消耗时间将总装线有效工位进行分组，根据分组对中转库房进行分区，抽出合理的数学模型，通过比较可知，优化后的搬运时间明显降低，提高了中转库房的运作能力。通过实际数据的应用验证了模型和算法的有效性，中转库房的分区思想有明确的改善效果，可以作为实际车间布局的参考。关键词：车间优化布局；粒子群算法；仓库规划中图分类号：TH181文献标志码：A氧化硫污染指数为 1.61，一氧化碳指数为 1.60，平均为 2.76，同比下降 12.3%，衡阳市农村环境空气质量明显改善。2.4 环境空气污染原因分析细颗粒物、可吸入颗粒物是影响衡阳市农村环境空气质量的主要因素，细颗粒物来源可能既包括污染源直接排放的一次颗粒物，又包括由二氧化硫、氮氧化物、挥发性有机物以及氨气等在大气中转化形成的二次颗粒物；可吸入颗粒物的来源众多，本地累积气态污染物在高湿静稳气态条件下二次转化、燃烧源影响为主，同时存在省内渗透传输影响，即受本地污染物积累叠加外源性输入污染和不利气象扩散条件共同影响，还有施工造成建筑粉尘，随风飞扬的堆放粉尘，以及房地产的开发建设及道路的新建及改造均加重了颗粒物的污染5。3 结论衡阳市农村环境空气质量总体改善明显，2022 年，衡阳市 8 个村庄环境空气质量指数范围 15186，优良天数比例范围为 87.9%100%，平均优良天数比例为 90.5%，与 2021年相比，空气优良率增加 2.5%，未出现重度污染和严重污染；3 种类型村庄环境空气质量优良率由大到小依次为生态型商业旅游型种植型；8 个村庄环境空气质量综合指数在 2.003.63，与 2021 年相比，变化率在-62.0%5.4%，影响环境空气质量的主要污染物为细颗粒物（PM10）、可吸入颗粒物（PM2.5）、臭氧（O3）。建议进一步加强农村环境空气质量监测，不断完善农村空气监测网络建设，完善防污治污机制，减少扬尘污染。参考文献1 赵卜，韩芹芹，李凡，等.乌鲁木齐市农村环境空气质量现状分析 J.资源节约与环保，2021（9）：13-14.2 黎宁，蒋越华，秦旭芝，等.广西农村环境空气质量状况分析 J.农业研究与应用，2015（4）：57-61.3 徐曼，杨帆.内蒙古自治区农村环境空气质量现状分析 J.环境与发展，2022（6）：72-76.4 马云霞，申进朝，魏杰，等.豫北地区农村环境空气质量监测与评价 J.轻功学报，2020，35（2）：59-65.5 芦亚舒.周口市城市与农村环境空气质量对比分析 J.黑龙江科学，2023，14（3）：148-149，158.中国新技术新产品2024 NO.2（下）-130-技 术 经 济 与 管 理实际情况，总装线共设有 22 个装配工位，总成装配线呈环形布置。由于气缸线上线、外观检查、气密性测试、安装变速器总成、发动机总成下线以及小车送回 6 个工位没有物料运输需求的环节，因此缩减记成 16 个工位，并将 16 个工位根据生产计划内容进行整合。总装车间中转库房被规划整合为 7 个分区，分区内包括的工位见表 1，耗时相同的工位所需的物料全部存放在同一个分区内。表 1 总装车间工位分组信息中转库房分区号分区内包括的工位相同的工位耗时/s分区1OP20OP30220分区2OP400P50175分区3OP60OP70OP80140分区4OP90OP100OP130158分区5OP120OP160OP170160分区6OP140OP150125分区7OP1802601.3 存储区布局规划的数学建模1.3.1 模型假设为了研究多行设备布局问题，本文对实际的车间库房布局进行了简化，模型假设如下。1）假设库房分区后的各分区形状均为长和宽均已知的标准矩形。在 X 轴上横向平行，在 Y 轴上纵向平行。2）考虑到库房内四周需要预留物流通道，假定各分区都在一个虚拟的矩形空间固定矩形空间，空间与库房四周墙壁的左下距离为固定值。3）矩形空间按布局需要，以宽度不等，分成若干行。4）分区矩形之间的距离受空间约束是固定值，取决于边缘最近的 2 个分区矩形的距离。5）假设小车搬运物料的路径与车间边界相互平行。搬运小车一次只服务 1 组工位，从分区内取出对应的组合所需的全部物料。建立数学模型如图 1 所示。1.3.2 模型构建数学模型的目标函数及约束条件如公式（1）公式（9）所示。拣配MinTTTQDDVaujminauiuij?11/min （1）Qau=MK（2）DPosxxPosyyaujmaujmaujm?111 （3）（4）xxz zlli jNabakbkab?121,yyz zwwi jNabakbkab?121,（5）nalLxlaaa1,22=（6）wywwanaaa221?,（7）若物料超市在第 k 行若物料超市不在第 k 行Zan kcak?0111,;（8）zanakkc?111,xa、ya0，a=1.n （9）式中：n 为分区的个数；u 为库房出口、M 为小车固定物料量；m 为总装线数量；Qau 为分区 a 到库房出口 u 的物流量；Dau为分区矩形中心坐标 a 到库房出口 u 的直角距离和；Vij为人工推车运行速度（按平均速度取值）；Diu为库房出口至总装线的物流通道总长度；K 为中转库房分区的搬运频次；xa和 xb为 a、b 分区矩形中心的横坐标5；Posxa和 Posya分别为中转库房分区矩形中心 a 的横坐标矩阵和纵坐标矩阵；注：L、W为库房的长、宽；矩形分别为分区a、分区b；Lb、Wb为分区b的长、宽；Xa、Ya为a分区矩形中心的横坐标、纵坐标；Xb、Yb为b分区矩形中心的横坐标、纵坐标；U为库房出口；Xu为a分区矩形中心到库房出口u的横坐标；分区之间的行间距为d。图 1 数学模型图WULxbxuxayaybWbLbd分区b分区a中国新技术新产品2024 NO.2（下）-131-技 术 经 济 与 管 理k 为空间内行数，zak为决策变量。式（1）表示总配送时间最短的数学模型的优化目标；式（2）表示各中转库房分区矩形到中转库房出口的物流量；式（3）表示各中转库房分区矩形到库房出口的直角距离，即两点间的直角距离等于纵坐标差的绝对值加上横坐标差的绝对值之和；式（4）表示分区矩形横坐标的约束条件，以防分区矩形在水平方向重合；式（5）为分区矩形纵坐标的约束条件，不同行的分区矩形在竖直方向保持距离5；式（6）和式（7）将中转库房分区矩形限制在布局场所内；式（8）和式（9）表示每个作业单位只出现一次。由于限制了总装车间中转库房的大小，因此将长设为 L、宽设为 W。1.4 粒子群算法及改进粒子群算法6（Particle Swarm Optimization，PSO）是Eberhart 博士提出的一种模拟鸟群飞行觅食的具有启发式特征的随机搜索算法。在 D 维的搜索空间中，总粒子数为 n，每个粒子和每个粒子对应的速度分别表示为 xi和 vi，第 i 个粒子在迭代过程中追随自身的个体最优值 Pbest表示为 Pi，粒子群截至目前搜索到的全局最优位置为 Pj，称为群体全局最优值 Gbest。式（10）为第 i 个粒子7在 D 维中经历 k 次迭代的粒子速度和位置的更新公式，如公式（10）所示。vidk+1=wvidk+c1r1（Pi-xidk）+c2r2（Pj-xidk）vidk+1=xidk+vidk+1（10）式中：w 为惯性权重；c1为个体加速因子，c2为群体加速因子；适当的加速因子可以防止陷入局部最优的状态；r1 和 r2为 0，1 相互独立的随机数。1.4.1 自适应变异粒子群算法由于自适应变异粒子群优化算法结合了粒子群算法和变异操作，对解空间进行全面探索以及具有更好的收敛性能，能够更快地找到全局最优解或接近最优解，从而找到更优的布局结果，因此本文在考虑布局优化问题上引用自适应变异粒子群算法更合适。大部分粒子追随可行空间的最优粒子而运动，容易陷入过早收敛，将自适应变异机制引入粒子群算法中，防止出现过早收敛的情况。对粒子群算法在如下方面进行改进：自惯性权重的调整。自适应权重8是指根据算法所处的状态动态调整权重的一种策略。如果某个参数的历史梯度较大，则学习率就会被缩小，以避免步长过大而错过最优解。式（11）中自适应权重可以使算法更智能地选择每一次迭代更新时的权重，从而提高算法的性能，如公式（11）所示。w=wa-（wa-wb）Ni/Nmax（11）式中：Nmax为最大迭代次数；Ni为当前迭代的次数；wa为初始惯性权重；wb为粒子迭代最大的惯性权重。1.4.2 粒子变异引入变异粒子也要根据种群的聚集程度来决定，这样才能允许粒子在算法被卡住的情况下朝着新的方向进行搜寻。变异概率的大小会随 2的变化而变化，这里采用的变异概率 pm如公式（12）所示。pppnppnpmm?maxminminmaxmax/?222 （12）式中：pm为群体最值的变异概率；m2为适应度方差在第 m次迭代；Pmax、Pmin为目前变异概率的最大值、最小值。式（12）可以看出，适应度方差和全局极值的变异概率呈反比关系8。算法可以根据群体中粒子的位置状态自适应的调整变异概率，避免局部最优解。由于粒子的全局速度随着迭代越来越低，一开始先形成全局搜索，当接近收敛时粒子速度降低，使粒子在近似最优解的局部充分搜索，权重阻尼系数取 0.99。文中自适应变异算法流程如图 2 所示。2 数值实例和结果分析2.1 数值实例F 发动机总装车间中转库房是长度为 11m、宽度为 8m的矩形仓库。仓库有出口门，采用单边进出的方式，仓库出口的坐标是固定的，具体实际约束条件和文中假设状态见表2。F 公司总装车间中转库房的原有布局是无序的，物料混乱摆放的。初始库房内物料按照种类和体积记作九个区域，初始化布局如图3 所示。原始布局的序号仅代表物料摆放的表 2 中转库房信息和约束条件车间长度l/m车间长度l/m矩形行间距s/m矩形到坐标边缘的最小距离s/m门的长度/m门的中心坐标小车速度/（ms-1）1180.81.51（1，0）0.9图 2 算法流程图设定好算法原始参数，随机初 始化每个粒子的速度和位置根据目标函数组成的列向量，计算各个粒子的适应度函数值计算各粒子适应度值，选出粒子的个体最优值和群体最优值根据式（12）更新惯性权重输出全局最优解结束变异率大于r经典算法更新粒子位置和速度变异操作更新粒子位置和速度是否满足选代次数或者算法收敛否是中国新技术新产品2024 NO.2（下）-132-技 术 经 济 与 管 理位置，不代表分区。用改进算法进行求解所得的一组坐标就是优化后的各矩形最优位置的中心坐标。库房至装配线的小车走的物流通道长度（这里假设仓库外配送距离都是固定值）39m，小车的最大装载容量以体积为单位，设 q 为 30。由于一个小车的物流量就是存储区内各分区的搬运频次乘以车的满载量，再乘以各分区到出口的距离就是物料分区的总物料搬运量。将总装配线的有效工位按前面发动机总装线工位组合分成 7 个工位组，将这 7 个工位编组设为 7 个大件矩形分区，进行编号并对 7 个矩形的布局进行满足目标条件的重新排列。将每个矩形的几何中心点作为过程中每个区的优化位置。表3为总装车间中转库房各分区大小以及物料搬运的具体信息。表 3 分区面积大小与搬运频率分区编号分区矩形长宽/m搬运频率/次分区13.224分区21.225分区32.826分区41.22.27分区51.127分区61.91.95分区72.12.242.2 结果分析在 MATLAB 中编程求解布局优化问题，根据自适应变异粒子群算法的原理以及积累的经验，其主要参数设置见表 4。总装车间中转库房在没有约束条件情况下的各初始位置坐标为 9.9，2，1，1.6，1，3.2768，8.6384，6.3621，1，7.1，6.2089，1.6，0.70555，5.1674，10.5，6.9，4.0218，6.5。原始布局下的物料搬运最短时间为 74925.5472 s。引入自适应权重的粒子群算法经过 1500 次数的反复迭代的结果如图 4 所示，从第 611 次到第 1500 次迭代的迭代曲线逐渐趋向不变，可以判定此时的值即为近似最优解，此时目标函数的值为 58888.2808s。与优化布局之前的搬运时间74925.5472s 相比减少 16037.2664s 的物料搬运时间，优化后效果明显的布局示意如图 5 所示。由此可知，采用自适应变异粒子群算法得出的结果，总配送时间较初始状态的布局缩短了 21.4%。经调整后的中转库房最优布局图中各分区的中心坐标为第 1 个存储区的中心位置坐标为 8.1456，6.0395，第 2 个存储区的中心位置坐标为 5.5，2.1，第 3 个存储区的中心位置坐标为 5.3036，4.9195，第 4 个存储区的中心位置坐标为 2.6，2.1，第 5 个存储区的中心位置坐标为 2.5，4.0507，第 6 个存储区的中心位置坐标为 2.45，6.3508，第7 个存储区的中心位置坐标为 8.4028，2.55。根据结果表现，采用自适应变异粒子群算法得出的结果，总配送时间较初始状态的布局缩短了 21.4%。由此可见，按照工位组合对中转库房布局进行改进优于原始布局状态，该文设计的模型也是科学有效的。3 结论针对实际发动机总装车间中转库房布局优化问题，以工位消耗物料的时间为依据，对工位分组进而对库房进行分区建模是可靠的。以最短配送时间为优化目标，不仅考虑中转库房内的物料搬运时间，还考虑仓库外不同物流量会造成的不同影响。用自适应变异粒子群算法进行求解，给出 F 公司实际中转库房的布局最优图，运行效果显著缩短了 21.4%，证明了模型的有效性和分区的想法的可行性，可以为实际企图 3 初始布局图表 4 算法参数设置表参数名参数值迭代次数1500种群规模300惯性权重w=1.0加速度因子c1=1.7，c2=1.9权重阻尼比例=0.99中国新技术新产品2024 NO.2（下）-133-技 术 经 济 与 管 理业车间提高市场竞争力。参考文献1 葛晓梅，李世豪.基于改进遗传算法的多目标车间布局优化问题研究 J.现代制造工程，2021（3）：10-14.2 董舒豪，徐志刚，秦开仲，等.基于 SLP 与 SHA 的农机车间布置优化及仿真研究 J.现代制造工程，2020，2020（1）：50-57.3WANG M J，HU M H，KU M Y.A solution to the unequal area facilities layout problem by genetic algorithmJ.Computers in industry，2005，56（2）：207-220.4 卢义桢，李西兴，朱传军，等.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）：173-179.5 孟祥超.L 企业机加车间设施布局优化研究 D.重庆：重庆理工大学，2020.6 贺春光，韩光，赵阳，等.双碳背景下计及新能源大规模接入的电量趋势预测与分析 J.可再生能，2022，40（11）：1554-1562.7 邬月春.基于自适应变异粒子群算法的物流配送路径优化 J.兰州交通大学学报，2012，31（1）：114-117.8 王铁君，邬月春.基于混沌自适应变异粒子群算法的铁路空车调配 J.计算机应用研究，2011，28（4）：1276-1278，1282.图 5 算法最优布局图图 4 粒子群算法优化过程最短时间/s