許 霄,夏 明,2,

(1.東華大學(xué) 服裝與藝術(shù)設(shè)計學(xué)院,上海 200051;

2.東華大學(xué) 現(xiàn)代服裝設(shè)計與技術(shù)教育部重點實驗室,上海 200051)

生產(chǎn)線平衡是在考慮生產(chǎn)作業(yè)有效時間的前提下,對產(chǎn)量、質(zhì)量和生產(chǎn)效率進(jìn)行全面優(yōu)化的過程[1]。長期以來,服裝生產(chǎn)過程中流水線的設(shè)計及平衡的控制在很大程度上依賴于生產(chǎn)技術(shù)人員的個人經(jīng)驗[2]。然而,應(yīng)用這種經(jīng)驗知識得到的生產(chǎn)線編排結(jié)果通常很不理想,難以確保每個工作站都可以達(dá)到相同的生產(chǎn)速度,從而實現(xiàn)真正的平衡,需要經(jīng)過不斷的調(diào)整試驗,才能達(dá)到相對理想的狀態(tài)[3]。

啟發(fā)式算法在求解具有復(fù)雜組織結(jié)構(gòu)的生產(chǎn)線系統(tǒng)問題上具有很大的優(yōu)勢。啟發(fā)式算法是以直觀或經(jīng)驗構(gòu)造的,在可行的時間和計算空間內(nèi)為問題提供可行的解決方案[4]。啟發(fā)式算法在生產(chǎn)線平衡問題中得到了廣泛應(yīng)用,并取得了良好效果,可以有效實現(xiàn)生產(chǎn)線的自動化設(shè)計,提高企業(yè)的適應(yīng)性和市場競爭力,對服裝企業(yè)的發(fā)展和信息化管理具有重要意義[5]。

概括了生產(chǎn)線平衡問題的定義與分類、服裝生產(chǎn)線平衡的目的與方法,綜述了近年來國內(nèi)外生產(chǎn)線平衡問題的研究進(jìn)展,以及啟發(fā)式算法在服裝縫紉流水線優(yōu)化編排研究中的應(yīng)用現(xiàn)狀,從研究對象、目標(biāo)與方法層面對現(xiàn)有研究進(jìn)行了系統(tǒng)的分析,并設(shè)想了未來服裝生產(chǎn)線平衡優(yōu)化研究的發(fā)展方向。

1 生產(chǎn)線平衡優(yōu)化

1.1 生產(chǎn)線平衡問題

生產(chǎn)線平衡是通過均衡生產(chǎn)線各工序和作業(yè)負(fù)荷,使各作業(yè)時間與進(jìn)度盡可能一致,從而降低生產(chǎn)成本、提高生產(chǎn)效率的重要手段。生產(chǎn)線平衡問題關(guān)系著生產(chǎn)活動中綜合決策和企業(yè)生產(chǎn)的可持續(xù)性。

在實際的工業(yè)生產(chǎn)中,生產(chǎn)線可以有多種分類方法。從不同的布置方式來看,有直線型生產(chǎn)線、U型生產(chǎn)線和平行生產(chǎn)線;從加工產(chǎn)品的品種來看,有單模型生產(chǎn)線(只生產(chǎn)一種產(chǎn)品)、多模型生產(chǎn)線(不同種產(chǎn)品分批生產(chǎn))和混合模型生產(chǎn)線(同一時間同時生產(chǎn)多種產(chǎn)品)。

生產(chǎn)線平衡問題[6]主要分為兩類:第1類(Type-1)是在給定的循環(huán)時間內(nèi),以最小化工作站的數(shù)量為目標(biāo)的平衡優(yōu)化;第2類(Type-2)是對于給定數(shù)量的工作站,以最小化生產(chǎn)周期時間為目標(biāo)的平衡優(yōu)化。

1.2 服裝生產(chǎn)線平衡原理

服裝生產(chǎn)線平衡是指合理安排各工位的人員、設(shè)備及工序,使各工作地的生產(chǎn)時間和進(jìn)度實現(xiàn)最大程度的平衡統(tǒng)一。目的是實現(xiàn)工作量的均衡分配,減少人員流動所需的時間,提高工作地的空間利用率。

具體的平衡優(yōu)化方法[7]包括以下幾種:(1)將可以在同一工作地的小工序合并,將難以協(xié)調(diào)完成的大工序拆分;(2)將綜合技術(shù)能力強(qiáng)的工人安排在負(fù)荷較大的工作地;(3)減少生產(chǎn)作業(yè)過程中的無效動作;(4)改良工作組織結(jié)構(gòu);(5)制造或引入先進(jìn)設(shè)備。

2 生產(chǎn)線平衡優(yōu)化研究現(xiàn)狀

2.1 以工作站數(shù)量最小化為目標(biāo)

Neda Manavizadeh等[8]根據(jù)綜合技術(shù)能力,將工人分為4類,每個工作站的標(biāo)識標(biāo)明了允許在該工作站工作的工人類型。將模擬退火算法應(yīng)用在確定工作站數(shù)、合理化工人分配、設(shè)計平衡過程庫存的基于看板的告警系統(tǒng)3個階段中,可以有效提高混合模型生產(chǎn)線的效率。該算法考慮了永久和臨時兩種類型的操作人員,將工人進(jìn)行分類,并設(shè)計了一個報警系統(tǒng),對于問題的處理方面考慮得十分完善,可用于平衡同時生產(chǎn)由不同客戶訂購的不同商品的混合模型生產(chǎn)線,并最小化其直接人工成本。

Zixiang Li等[9]提出了兩種新的壓縮搜索空間的譯碼方案,以平衡匹配站內(nèi)的工作負(fù)載,減少序列相關(guān)的空閑時間,并使用分級目標(biāo)來保留對解決方案的微小改進(jìn)。對雙邊裝配線平衡問題擴(kuò)展了一個簡單的迭代貪婪算法(IG),得到了一個高質(zhì)量的初始解,并進(jìn)一步提出了改進(jìn)的局部搜索算法,計算結(jié)果證明了所提出的譯碼方案、新的分級目標(biāo)和改進(jìn)的迭代貪婪算法的有效性。在未來的研究中,可以使用所提出的IG算法來研究其他雙邊裝配線平衡問題,例如雙邊裝配線中的動態(tài)、模糊和隨機(jī)數(shù)據(jù)等。

唐秋華等[10]針對第1類混流雙邊裝配線平衡問題,提出了一種改進(jìn)的局部搜索迭代算法,在給定工位數(shù)的條件下,通過引入新的二級目標(biāo),改進(jìn)最優(yōu)解。提出了一種基于站點的啟發(fā)式解碼方法來平衡配對站點的負(fù)荷,在解碼過程中,通過最終的配對站點調(diào)整策略進(jìn)一步減少了站點數(shù)量。設(shè)計了一種改進(jìn)的啟發(fā)式初始化和局部搜索方法,并驗證了該方法的合理性。后續(xù)可針對混流雙邊裝配線平衡問題中存在的多約束或不確定因素問題開展進(jìn)一步研究。

Jianping Dou等[11]提出了一種新型的面向任務(wù)序列(FTS)的粒子群算法(FTSOPSA),它直接記錄一個粒子的FTS,命名為直接離散PSA(DDPSA),用于求解SALBP-1問題。在DDPSA中,提出了一種新的基于多片段交叉的更新機(jī)制,并將片段突變納入到DDPSA中,提高了探索能力。通過對FTSOPSA和現(xiàn)有的兩種遺傳算法進(jìn)行比較,發(fā)現(xiàn)提出的DDPSA對SALBP-1的性能有較高的期望,同時也表明FTS的直接編碼似乎比基于優(yōu)先級的間接編碼的FTS對SALBP-1的解法更有優(yōu)勢。

2.2 以周期時間最小化為目標(biāo)

Sebnem Demirkol Akyol等[12]提出了一種基于多規(guī)則的結(jié)構(gòu)型隨機(jī)搜索算法來求解生產(chǎn)線工人分配和平衡問題,使用39條工序優(yōu)先級規(guī)則和4條工人優(yōu)先級規(guī)則來排序工序和選擇工人,將生產(chǎn)線的周期時間降到最低,并用該方法對文獻(xiàn)中每一個測試實例進(jìn)行試驗。結(jié)果表明,提出的算法均優(yōu)于文獻(xiàn)中的所有其他算法,可應(yīng)用于需要考慮人工效率的生產(chǎn)線。此外可以在啟發(fā)式算法中加入一些其他任務(wù)或工序選擇規(guī)則,將啟發(fā)式算法擴(kuò)展到解決不同生產(chǎn)線平衡問題,如U型、隨機(jī)工人可用性、混合型生產(chǎn)線等。

Mayron César O等[13]針對殘疾人工作中心裝配線的工人分配和平衡問題,提出了一種基于任務(wù)和工人分配優(yōu)先規(guī)則的啟發(fā)式框架,并比較了在3種可能用途上的性能:作為獨立方法、作為元啟發(fā)法的初始解決方案生成器以及作為混合遺傳算法的解碼器。結(jié)果表明,該方法是快速的,可有效降低生產(chǎn)線的周期時間。

Xiaokun DUAN等[14]提出了一種改進(jìn)的基于Max TF啟發(fā)式規(guī)則的人工蜂群(IABC)算法,Max TF規(guī)則定義了優(yōu)先級權(quán)重,使任務(wù)分配合理,初始解質(zhì)量高,并進(jìn)一步提出了一種設(shè)計合理的偵察蜂隨機(jī)策略來規(guī)避局部最優(yōu)解。試驗結(jié)果表明,基于所提出的Max TF規(guī)則的IABC算法用于求解TALBP-2問題有良好的有效性和穩(wěn)定性。但該模型沒有考慮到一些現(xiàn)實因素,例如同步任務(wù)約束、概率任務(wù)時間、每個工作站的不同工人數(shù)量以及工人的行走時間。此外,還可以考慮其他目標(biāo)優(yōu)化,例如最大化平衡效率、最小化總空閑時間和最大化工作負(fù)載平滑度指數(shù)。

Qiaoxian Zheng等[15]提出了一種改進(jìn)的工位蟻群優(yōu)化算法,用于求解ALBP-2問題,蟻群算法被用來為每個工作站尋找不同任務(wù)的更好組合,并提出了一種迭代壓縮機(jī)制來減少搜索空間,算法基于3個啟發(fā)式因素:任務(wù)時間、后繼者的數(shù)量及可發(fā)布后繼者的數(shù)量,采用兩種信息素及任務(wù)分配機(jī)制,為每個工作站尋找更好的組件解決方案,并通過與文獻(xiàn)比較,驗證了該算法的有效性。

Zixiang Li等[16]建立了雙面機(jī)器人裝配線的混合整數(shù)規(guī)劃模型來最小化生產(chǎn)周期,針對非多項式性質(zhì)的問題,提出了一種協(xié)同進(jìn)化的粒子群優(yōu)化算法,該算法利用全局最優(yōu)個體的局部搜索來增強(qiáng)搜索強(qiáng)度,修改全局最優(yōu)來強(qiáng)調(diào)搜索,重新啟動機(jī)制來逃避局部最優(yōu)。將所提出的算法與其他已有的5種著名的元啟發(fā)式算法進(jìn)行了比較,計算和統(tǒng)計結(jié)果表明,在研究中考慮的大多數(shù)問題上所提出的共同進(jìn)化粒子群優(yōu)化算法都優(yōu)于其他大多數(shù)元啟發(fā)式算法。今后的研究,可以通過在實際應(yīng)用中考慮更多的約束條件來解決現(xiàn)實問題,研究多目標(biāo)合作共進(jìn)化算法來解決多目標(biāo)雙邊機(jī)器人裝配線平衡問題,例如多模型、混合多模型的雙面機(jī)器人裝配線或同時擁有機(jī)器人和工人的裝配線等。

Hager Triki等[17]提出了ALBP-2問題的一個新擴(kuò)展,即所謂的多目標(biāo)裝配線資源分配和2型平衡問題(MOALRABP-2),其目的是盡量同時減少一條線路的周期時間、平均絕對偏差和時間單位成本,以滿足任務(wù)之間的優(yōu)先次序和資源之間的兼容性限制。提出了混合多目標(biāo)進(jìn)化算法(HMOEA)來得到一組不同的最優(yōu)解,試驗結(jié)果表明,該方法具有良好的性能。

3 服裝生產(chǎn)線優(yōu)化研究現(xiàn)狀

Selin Hanife Eryuruk[18]利用Arena仿真程序?qū)δ撤b生產(chǎn)線進(jìn)行了仿真,將“概率行平衡技術(shù)”和“最大集合規(guī)則算法”兩種啟發(fā)式生產(chǎn)線平衡技術(shù)綜合應(yīng)用于多模型生產(chǎn)線設(shè)計,通過迭代有效減少了工作站數(shù)量,獲得有效的生產(chǎn)線平衡結(jié)果。但第一次應(yīng)用概率行平衡技術(shù)后,進(jìn)行操作合并和增加機(jī)器數(shù)量的過程沒有運(yùn)用合適的算法,而是通過人工進(jìn)行修正,沒能實現(xiàn)系統(tǒng)全過程自動化。該混合算法適用于解決僅生產(chǎn)一款產(chǎn)品的單模型生產(chǎn)線。

James C.Chen等[19]提出了一種使流水線平均絕對偏差最小化的分組遺傳算法,算法考慮了具有勞動技能水平的人工神經(jīng)網(wǎng)絡(luò),此外還對仿真結(jié)果進(jìn)行描述性統(tǒng)計和方差分析,確定了性能評估的主要作用和相互作用的影響因素。該分組遺傳算法適用于解決與該研究類似的單模型生產(chǎn)線平衡率問題,后續(xù)可將該算法原理進(jìn)一步拓展應(yīng)用在解決混合模型、多模型、單模型的生產(chǎn)線平衡率問題中。

Mahmut Kayar等[20]詳細(xì)分析了某企業(yè)襯衫生產(chǎn)工藝,確定了操作匝數(shù)、使用時間和使用的機(jī)器,并采用霍夫曼法和仿真法分別對襯衫生產(chǎn)線進(jìn)行了平衡,結(jié)果顯示,這兩種技術(shù)都可以有效用于生產(chǎn)線的平衡。仿真方法的最大優(yōu)點是能夠在生產(chǎn)線上嘗試新的腳本,但同時需要考慮每個操作的不同時間的可能性;而霍夫曼法對每個操作只考慮一個時間,流水線根據(jù)優(yōu)先級進(jìn)行平衡,該方法不需要使用不同的腳本。因此需根據(jù)企業(yè)生產(chǎn)目標(biāo)和產(chǎn)品模型特性對兩種方法進(jìn)行選擇。

閆亦農(nóng)等[21]分析了現(xiàn)有離散型服裝生產(chǎn)線,并在此基礎(chǔ)上建立了智能編制系統(tǒng)。以遺傳算法為參考,改進(jìn)了粒子群優(yōu)化的迭代機(jī)制,建立了服裝生產(chǎn)線編制的數(shù)學(xué)模型,為實現(xiàn)服裝縫制生產(chǎn)線的智能編譯,開發(fā)了相應(yīng)的服裝生產(chǎn)線編譯軟件,并應(yīng)用了具體的服裝生產(chǎn)實例。該研究結(jié)合服裝吊掛系統(tǒng),參考其他行業(yè)粒子群算法優(yōu)化生產(chǎn)思想,對服裝生產(chǎn)流水線進(jìn)行平衡優(yōu)化,服裝企業(yè)可利用該系統(tǒng)將工序、人、機(jī)器進(jìn)行智能化組合,減少員工等待時間,提高流水線整體效率。

張旭靖等[22]分別按照生產(chǎn)線3種不同的布置模式(工藝流程、工藝類型和服裝部件),使用遺傳算法對生產(chǎn)線進(jìn)行平衡優(yōu)化,有效減少了生產(chǎn)線縫制設(shè)備和人員的數(shù)量。其中,按工藝流程模式布置,對生產(chǎn)組織要求較高,適合單模型生產(chǎn)線;按照工藝類型模式布置,設(shè)備可同時用于多種工序,適合多模型生產(chǎn)線;按照服裝部件模式布置,生產(chǎn)周期短,反應(yīng)速度快,適合多品種小批量生產(chǎn)。以不同布置方式設(shè)計多種生產(chǎn)線方案,為企業(yè)的實際生產(chǎn)提供參考。

4 研究方法歸納與分析

通過對生產(chǎn)線平衡問題的研究,了解到生產(chǎn)線設(shè)計需要對工作站、設(shè)備、工人、工序進(jìn)行分配,以達(dá)到預(yù)定的目標(biāo),可以通過最小化工作站的數(shù)量、最小化生產(chǎn)線周期時間和最大化生產(chǎn)線平衡率等方式實現(xiàn)。同時還發(fā)現(xiàn),設(shè)備成本、生產(chǎn)效率、工人熟練度、任務(wù)時間與設(shè)備成本的相關(guān)性、柔性比等都需要引起重視。

ALBP問題的類型日益復(fù)雜,算法的高性能顯得尤為必要。表1顯示了生產(chǎn)線平衡優(yōu)化研究中使用的算法,其中使用最多的是遺傳算法和粒子群優(yōu)化算法。表2顯示了服裝生產(chǎn)線平衡研究中使用的算法,其中遺傳算法在服裝生產(chǎn)線優(yōu)化設(shè)計中應(yīng)用最廣。遺傳算法和粒子群優(yōu)化算法的高應(yīng)用價值顯示了這些方法在解決ALBP問題中的普及度和穩(wěn)定性。文獻(xiàn)中所選用的算法,包括著名算法和最新有效算法,在重新實施的過程中,都遵循著有效性和簡單性的原則進(jìn)行了一些必要的調(diào)整和改進(jìn)。

表1 生產(chǎn)線平衡優(yōu)化算法

表2 服裝生產(chǎn)線優(yōu)化研究算法

在以工作站數(shù)量最小化為目標(biāo)的Type-1問題研究中,多數(shù)文獻(xiàn)運(yùn)用了改進(jìn)的某種局部搜索算法(模擬退火、迭代局部搜索等)。局部搜索的做法是從初始解開始,對鄰域執(zhí)行搜索,如有更優(yōu)的解,則移動至該解,并繼續(xù)搜索該解的鄰域,否則返回當(dāng)前的解。局部搜索算法有簡單靈活、易于實現(xiàn)的優(yōu)點,但很容易陷入局部最優(yōu)解,初始解和鄰域結(jié)構(gòu)直接影響求得解的質(zhì)量。文獻(xiàn)中提出的改進(jìn)式局部搜索算法均已通過仿真模擬驗證了有效性,因此局部搜索算法適用于尋找工作站的數(shù)量。

在以生產(chǎn)周期時間最小化為目標(biāo)的Type-2問題研究中,多數(shù)文獻(xiàn)運(yùn)用改進(jìn)的某種啟發(fā)式仿生算法(遺傳算法、人工蜂群算法、粒子群優(yōu)化算法等)。由于搜索過程的不確定性,這些算法都是不確定的,它們都是通過仿生理論的記憶機(jī)制來強(qiáng)化局部搜索,或避免早熟收斂,得到全局最優(yōu)解。其優(yōu)點是獲得全局最優(yōu)解的機(jī)會較多,每個個體都通過相互互動來更好地適應(yīng)環(huán)境,最終的最優(yōu)目標(biāo)總是在個體行為的運(yùn)動中顯現(xiàn)出來。在Type-2問題中,多數(shù)文獻(xiàn)的研究對象都是單模型生產(chǎn)線,說明這類問題相較于第1類更加復(fù)雜,文獻(xiàn)中提出的算法也都通過仿真模擬驗證了有效性,因此這些啟發(fā)式仿生算法適用于縮短單模型生產(chǎn)線的周期時間。

目前基于啟發(fā)式算法的服裝生產(chǎn)線平衡優(yōu)化設(shè)計研究還較少,已有研究主要是針對只生產(chǎn)一款服裝的單模型生產(chǎn)線,多以提高生產(chǎn)線平衡率為優(yōu)化目標(biāo),且與其他領(lǐng)域的生產(chǎn)線平衡研究相比,運(yùn)用的算法較傳統(tǒng)且種類單一。雖然文獻(xiàn)中的研究采用傳統(tǒng)算法均得到了能夠提高生產(chǎn)平衡率的可行解,但目前的研究范圍還不夠廣泛,實際服裝生產(chǎn)情況更為復(fù)雜,因此還需要進(jìn)一步深入研究。

5 結(jié)束語

目前基于啟發(fā)式算法的服裝生產(chǎn)線平衡優(yōu)化應(yīng)用研究取得了一定的研究成果,但相比于其他領(lǐng)域,啟發(fā)式算法在服裝領(lǐng)域的研究較少,且研究對象、目標(biāo)及算法較為單一,缺乏系統(tǒng)性和全面性。

服裝生產(chǎn)具有小批量、多品種的特點,且生產(chǎn)中往往存在多個優(yōu)化目標(biāo),而現(xiàn)有的研究多針對以提高生產(chǎn)線平衡率為目標(biāo)的單模型生產(chǎn)線。未來可拓展研究范圍,根據(jù)服裝生產(chǎn)的實際需求,通過權(quán)重分配綜合多方面的優(yōu)化目標(biāo),進(jìn)一步研究多模型、混合模型生產(chǎn)線。

現(xiàn)有的服裝生產(chǎn)線平衡研究大部分直接采用傳統(tǒng)的啟發(fā)式算法,存在一定的局限性,少部分采用針對其他領(lǐng)域開發(fā)的改進(jìn)算法,但與服裝生產(chǎn)線的適配度不高。未來可結(jié)合各類算法的優(yōu)缺點,針對性地開發(fā)適用于服裝生產(chǎn)線的優(yōu)化算法,進(jìn)一步開展更符合服裝生產(chǎn)實際的系統(tǒng)性研究。