一种车间作业单元多目标布局优化方法及电子设备技术

本发明专利技术提供一种车间作业单元多目标布局优化方法及电子设备，将SLP（设置布置理论）法与启发式MBO算法（候鸟优化算法）相结合，向通过SLP法定量与定性分析得到车间的布局方案,再将其作为MBO算法的初始解,MBO算法利用候鸟在飞行过程中不断进化的特点，对优化目标进行迭代寻优求解，得到的解精度更高、种群更多样化、局部和全局搜索能力更强，有效解决车间作业单元布局优化问题。业单元布局优化问题。业单元布局优化问题。

【技术实现步骤摘要】
一种车间作业单元多目标布局优化方法及电子设备

：
[0001]本专利技术涉及物流系统布局规划设计领域，更具体涉及一种基于SLP法和MBO算法的车间作业单元多目标布局优化方法。

技术介绍
：
[0002]制造企业通常以工艺流程改善、新产品研发、设备维护以及新市场开拓为主要方向改善企业经营效益，而很少重视车间布局的不合理性产生的物流成本；通常，车间作业单元的布置形式、物流路线规划等因素是制约束企业经营效益增长的关键原因；因此，车间作业单元的合理布置是企业提升核心竞争力的重要手段。大量研究案例表明，在产品生产过程中，大约20％
‑
25％的时间处于价值增加状态，而大约55％
‑
75％的时间处于搬运或等待状态，增值时间比例过低严重限制了企业经营效益的提高，而合理的车间布局能有效降低车间总物流成本的40％
‑
60％，并提高车间面积利用率，减少作业单元之间的物料搬运距离。因此，合理规划车间布局，使作业单元、作业人员、设备、物料得到合理的分配使用，使生产过程高效有序运行，是制造企业改革创新的重点工作。
[0003]在专利文献CN201910274587.8公开了一种基于改进的SLP和遗传算法的洗消站装配设施布局方法，利用SLP法得出洗消单元之间综合相互关系，通过遗传算法对洗消单元布局进行初步求解，并利用Flexsim动态模拟仿真，得到洗消站装备设施布局最终方案。在专利技术专利CN202210091392.1公开了一种基于SLP理论的物流设施规划系统及其设备，通过建立双目标函数对SLP法改进，使用遗传算法对目标函数进行求解，得到优化后的设备布置方案。
[0004]由以上已公开的关于设施布局的技术可见，现有技术通常将SLP法与GA算法(遗传算法)结合，以解决车间设备布局优化问题，未考虑将SLP法求解得到布局方案作为GA算法(遗传算法)的初始种群，会导致GA算法(遗传算法)局部搜索能力较弱，易陷入局部最优，难以寻得全局最优解。

技术实现思路
：
[0005]鉴于上述现有技术存在的问题，本专利技术专利的目的在于提供一种基于SLP法(设施布置理论)和MBO算法(候鸟优化算法)结合的车间作业单元多目标布局优化方法，使得到的解精度更高、种群更多样化，并且增强局部和全局搜索能力，解决任意场景下的车间作业单元布局优化问题，降低车间物流系统的搬运成本和距离，减少作业人员负荷。
[0006]本专利技术的技术方案如下：
[0007]本专利技术以方面提供一种车间作业单元多目标布局优化方法，所述方法主要包括如下步骤：
[0008]步骤1，确定车间作业单元划分及面积需求。
[0009]步骤2，分析作业单元之间物流关系。
[0010]步骤3，分析作业单元之间非物流关系。
[0011]步骤4，分析作业单元之间综合相互关系。
[0012]步骤5，绘制设施布置相关图。
[0013]通过以上步骤，得到的根据SLP法的布局优化方案。
[0014]步骤6，模型假设及构建。
[0015]步骤7，确定目标函数及约束条件。
[0016]步骤8，MBO算法迭代，包括：
[0017](1)种群初始化：将SLP法得到的车间初始布局方案作为MBO算法的初始种群，初始化鸟群(种群)，并对种群中个体排序成V型编队，设置算法参数和终止条件；
[0018](2)领飞鸟和更飞鸟更新；
[0019](3)判断是否达到巡回次数，若达到巡回次数则跳出巡回，否则继续搜索；
[0020](4)选取种群最优解更新领飞鸟，按照种群适应度值大小进行重新编队。
[0021](5)当达到设定的迭代次数时跳出循环，输出最优解。
[0022]步骤9，MBO算法改进，包括：
[0023](1)种群编码：将车间作业单元的位置关系转换为初始种群个体的编码形式，初始种群编码采用实值和净间距两个列表扩展换位表达方式进行编码，编码机制如下式所示。
[0024]X＝[v,{m1,m2,...m
n
},{Δ1,Δ2,...Δ
n
}][0025]其中，v为分隔符，表示某作业单元的换行位置；m
i
表示作业单元，以整数的形式表示；Δ
i
表示作业单元i和i
‑
1之间的净间距；
[0026](2)种群解码：根据步骤7的模型约束条件，MBO算法寻优，作业单元从车间左下角开始至右依次进行布局，同时，MBO算法遵循自动换行策略，直至完成所有作业单元布局；
[0027](3)惩罚函数：在寻优过程中，若违背步骤7的约束条件，则设置惩罚函数用于去掉不可行解；
[0028](4)领飞鸟全局最优搜索：任意选取领飞鸟个体中的某一编码，将其随机插入到其他编码数字之间得到新的交叉结果，形成新的种群个体；
[0029](5)对跟飞鸟采用局部最优搜索。
[0030]步骤10，模型求解：通过车间作业单元布局实例验证，得到车间作业单元布局最优方案。
[0031]本专利技术方法适用于以下车间布局场景：(1)车间作业单元布局复杂；(2)工艺具有连续性；(3)尤其适用于解决车间作业单元多目标布局这类典型的NP难问题。
[0032]本专利技术在另一方面还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本申请第一方面所述的方法。
[0033]本专利技术的优点如下：
[0034]本专利技术将SLP(设置布置理论)法与启发式MBO算法(候鸟优化算法)相结合，解决车间作业单元布局优化问题。其中，SLP法具有定量与定性分析的优势，是解决设施布局常用的理论方法；而MBO算法利用候鸟在飞行过程中不断进化的特点，对优化目标进行迭代寻优求解；将SLP法与MBO算法相结合，得到的解精度更高、种群更多样化、局部和全局搜索能力更强。本专利技术的具体改进至少包括如下几方面：
[0035]1.本专利技术中步骤1
‑
5通过SLP法可以得到车间的布局方案,将其作为MBO算法的初始解,通过示例验证，得到的目标函数更优。
[0036]2.现有技术一般是将MBO算法布局在流水线调度、平衡领域，未考虑将MBO算法的寻优特点用于求解车间生产单元布局优化。
[0037]3.本专利技术在步骤6的模型假设中，为适配MBO算法的求解特点和过程，对车间的假设布局进行改进:将任何车间现有布局都模拟看作一个直角坐标系，作业单元视为坐标系中的一个坐标点。使模型假设更加合理，精确。
[0038]4.本专利技术在步骤6的模型构建中,引入作业单元净间距，并将作业单元和净间距结合,形成新的编码机制,确保了作业单元在算法迭代过程中不会部分重叠和完全重叠布置。
[0039]5.本专利技术在步骤7确定目标函数中，引入非物流关系函数,目标函数权重占本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车间作业单元多目标布局优化方法，其特征在于，所述方法包括：步骤1，确定车间作业单元划分及面积需求；步骤2，分析作业单元之间物流关系；步骤3，分析作业单元之间非物流关系；步骤4，分析作业单元之间综合相互关系；步骤5，绘制设施布置相关图，即得到根据SLP法的布局优化方案；步骤6，模型假设及构建；步骤7，确定目标函数及约束条件；步骤8，MBO算法迭代，包括：(1)种群初始化：将SLP法得到的车间初始布局方案作为MBO算法的初始种群，初始化鸟群(种群)，并对种群中个体排序成V型编队，设置算法参数和终止条件；(2)领飞鸟和更飞鸟更新；(3)判断是否达到巡回次数，若达到巡回次数则跳出巡回，否则继续搜索；(4)选取种群最优解更新领飞鸟，按照种群适应度值大小进行重新编队。(5)当达到设定的迭代次数时跳出循环，输出最优解；步骤9，MBO算法改进，包括：(1)种群编码：将车间作业单元的位置关系转换为初始种群个体的编码形式，初始种群编码采用实值和净间距两个列表扩展换位表达方式进行编码，编码机制如下式所示。X＝[v,{m1,m2,...m
n
},{Δ1,Δ2,...Δ
n
}]其中，v为分隔符，表示某作业单元的换行位置；m
i
表示作业单元，以整数的形式表示；Δ
i
表示作业单元i和i
‑
1之间的净间距；(2)种群解码：根据步骤7的模型约束条件，MBO算法寻优，作业单元从车间左下角开始至右依次进行布局，同时，MBO算法遵循自动换行策略，直至完成所有作业单元布局；(3)惩罚函数：在寻优过程中，若违背步骤7的约束条件，则设置惩罚函数用于去掉不可行解；(4)领飞鸟全局最优搜索：任意选取领飞鸟个体中的某一编码，将其随机插入到其他编码数字之间得到新的交叉结果，形成新的种群个体；(5)对跟飞鸟采用局部最优搜索；步骤10，模型求解：通过车间作业单元布局实例验证，得到车间作业单元布局最优方案。2.根据权利要求1所述的车间作业单元多目标布局优化方法，其特征在于，所述步骤2中作业单元之间距离计算是采用曼哈顿计算准则：D
ij
＝|x
i
‑
x
j
|+|y
i
‑
y
j
|，i和j分别表示任意两个作业单元，(x
i
,y
i
)和(x
j
,y
j
)分别表示两作业单元的中心坐标；所述物流强度等级划分通常划分为A、E、I、O、U五类物流强度等级，分别表示超高、特高、较高、一般和较小等级物流强度。3.根据权利要求1所述的车间作业单元多目标布局优化方法，其特征在于，所述步骤3的非物流关系等级划分是依据建立在作业单元之间的密切程度，通常划分为A、E、I、O、U、X六个等级，分别表示超级重要、非常重要、重要、一般重要、不重要以及需要远离，其中A等级作业单元对占比2％
‑
5％；E等级作业单元对占比3％
‑
10％；I等级作业单元对占比5％
‑
15％；O等级作业单元对占比10％
‑
25％；U等级作业单元对占比45％
‑
85％。4.根据权利要求1所述的车间作业单元多目标布局优化方法，其特征在于，所述步骤4包括：(1)确定权重比例：作业单元之间物流关系与非物流关系权重比例不超过3:1或者1:3；(2)计算综合相互关系值：任意选取两个单元i与j(i≠j)，假设两者物流相关性等级数值为M
ij
，非物流相关性等级数值为N
ij
，综合关系量化值和作业单元对数量的计算公式如下式所示：R
ij
＝mM
ij
+nN
ij
和(3)综合相互关系等级划分：依据计算得到的综合相互关系值对作业单元对综合相互关系等级进行划分，按照比例将作业单元对划分为A、E、I、O、U、X五个等级；(4)综合关系图绘制：依据综合相互关系等级划分，绘制对应的综合相互关系图。5.根据权利要求1所述的车间作业单元多目标布局优化方法，其特征在于，所述步骤5包括：(1)综合接近程度计算：将综合相互关系等级以数值的方式进行量化，依据分值的高低确定各作业单元的...

【专利技术属性】
技术研发人员：谢杨，化海挺，张鹏，施利，李龙，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：