【技术实现步骤摘要】
基于改进模拟退火算法的车间开放式设备布局优化方法
[0001]本专利技术属于车间布局优化
,尤其涉及一种基于改进模拟退火算法的车间开放式设备布局优化方法。
技术介绍
[0002]机械加工车间属于制造企业中十分核心的产品生产车间,具有设备种类繁多、设备密集程度高、生产产品结构复杂、工序庞杂、单车道、多车道等特点,相比于其它类型车间,它占有最大的产值创造比,这使得该类型的车间成为制造业的关注焦点。通过对某汽车制造企业某个机加车间现场调研发现,在生产现场存在这样的现象:某加工设备上完成某产品的某道工序后需要送到距离其较远的加工设备上完成剩下的工序。而这较远的运输距离必然会造成诸多浪费现象,例如较远的运输距离首先会增加搬运设备的能耗;其次更远的运输距离必然需要更多的运输时间,进一步的增加加工设备的等待时间,从而降低加工设备的生产效率;除此之外较远的运输距离会导致该批产品占用搬运设备时间增长,影响下一批次或其他种类产品的搬运工作,进而影响到其它产品的加工生产。若要改善这一局面,使机加车间发挥最大效能,高效低成本地完成所有产品生产,则需要将车间中设备布局按照车间紧凑性原则或以车间总物流成本最小为目标进行布局。因此,研究机械加工车间的设备布局问题具有现实意义和实际工程应用价值。
[0003]机械加工车间中存在双行、多行、环形、开放式等多种设备布局形式。不同的布局形式,造成的施工成本差异并不显著,但对机加车间制造系统的运行有着深刻影响。制造系统以不同的操作顺序处理大批量零件的情形下,采用具有自由型物流路径网络特征的开放 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进模拟退火算法的车间开放式设备布局优化方法,其特征在于,包括以下步骤:步骤1:以服务单元为布局对象构建考虑服务单元内物料装卸点位的面向物流成本最优的服务单元布局模型;服务单元布局模型目标函数为:P=min{P
h
,P
v
}
·
α
ꢀꢀꢀꢀꢀꢀ
(2)(2)式中,c
ij
表示设备i至设备j的单位距离单次搬运物流成本,f
ij
表示服务单元i至服务单元j的物流密度,d
ij
表示沿物流网络从服务单元i的装料点到服务单元j的装料点的最短路径距离,P表示惩罚项,P
h
表示布局服务单元在水平方向嵌入限制区域的惩罚值,P
v
表示布局服务单元在垂直方向嵌入限制区域的惩罚值,α是一个足够大的正数,(x
i
,y
i
)表示服务单元i的中心位置绝对坐标,(x
oi
,y
oi
)表示限制区域i的中心坐标,l
i
表示服务单元i处于初始姿态的长度,w
i
表示服务单元i处于初始姿态的宽度,θ
i
表示服务单元i姿态,l
oi
表示布局限制区域i长度,w
oi
表示布局限制区域i宽度;服务单元布局模型约束条件:(1)服务单元摆放方向约束车间中布局的任何服务单元具有四种不同的摆放方向,分别是单元的初始方向、90
°
方向、180
°
方向、270
°
方向,其约束应满足:(2)服务单元形状尺寸约束确定服务单元单元的x
′
i
,y
′
i
后,为了满足服务单元在改变摆放方向后仍保持形状尺寸不发生变化,则需要满足约束:x
i
=x
′
i
+(l
i
|sinθ
i
|+w
i
|cosθ
i
|)/2
ꢀꢀꢀꢀ
(6)y
i
=y
′
i
+(w
i
|sinθ
i
|+l
i
|cosθ
i
|)/2
ꢀꢀꢀꢀ
(7)其中,(x
′
i
,y
′
i
)为服务单元i的左下角绝对坐标;(3)服务单元物料装卸点位约束不同种类的服务单元所考虑的装卸点位设定有所不同,对于生产服务单元,生产服务单元i装载点相对于处于初始姿态的单元i的位置生产服务单元i卸载点相对于处于初始姿态的单元i的位置是给定值,是通过生产服务单元确定形成过程中可以直接得出的,而对于仓储服务单元,是变量值,对于对于而在物流成本的计算过程中仅有装卸料的相对位置无法计算出物流成本这一目标,需要根据每个服务单元的绝对坐标计算求出;
装卸料点相对位置坐标与绝对位置坐标之间的存在如下关系,对于装料点有对于卸料点有上述是在单元摆放方向未发生变化情况下满足,当在布局中单元摆放方向发生θ
i
变化时,应满足约束:变化时,应满足约束:变化时,应满足约束:变化时,应满足约束:(4)服务单元间非重叠约束在布局模型构建过程中引入了变量出lf
ij
和dw
ij
用来表示各单元之间的相对位置,它们需要满足以下约束才能避免服务单元在布局过程中出现重叠的情况;lf
ij
+lf
ji
+dw
ij
+dw
ji
≥1
ꢀꢀꢀꢀꢀꢀꢀꢀ
(12)式中,lf
ij
为二进制变量,若取值为1表示服务单元i位于服务单元j左侧,dw
ij
为二进制变量,若取值为1表示服务单元i位于服务单元j下侧;(5)服务单元布局区域约束所有服务单元的布局都需要在给定车间布局范围之内,因此它们的布局坐标需要满足约束:x
′
i
+l
i
|sinθ
i
|+w
i
|cosθ
i
|≤lf
ij
x'
j
+(1
‑
lf
ij
)L
ꢀꢀꢀꢀ
(13)y
′
i
+l
i
|cosθ
i
|+w
i
|sinθ
i
|≤dw
ij
y'
j
+(1
‑
dw
ij
)W
ꢀꢀꢀꢀ
(14)x
′
i
≥0
ꢀꢀꢀꢀ
(15)y
′
i
≥0
ꢀꢀꢀꢀ
(16)式中,L表示布局车间的长度,W表示布局车间的宽度;步骤2:基于改进的多温度模拟退火算法IMTSA对模型求解;所述改进的多温度模拟退火算法IMTSA具体步骤为:Step1:设置初始化参数:包括初始温度T0,冷却因子α,回火因子β,终止温度T
end
,马氏链长度L,退火阈值R
out
,抽样阈值R
in
,种群数P
size
,搜索终止结束时间t
end
;Step2:生成初始解集:随机产生一组解,形成初始解集,计算解集中每个解的目标值,给初始解集中每个解按照初始温度值T0附上温度属性,从初始解集中选最优解作为全局最优解和当前最优解;Step3:判断运行时间t是否已经达到搜索终止结束时间t
end
,若是则令q=0,c
in
=0,c
out
=0,转Step8结束,否则进入Step4;Step4:初始累计抽样次数q是否不大于最大抽样次数L,若是则转Step5,否则转Step6;Step5:采用改进的自适应搜索方法对当前最优解领域搜索生成新解,判断并更新最优解;具体方法如下:采用一种自适应搜索策略代替传统SA中固定的马氏链长度;改进的自适
应搜索解抽样规则如下:首先确定最大抽样次数L并令初始累计抽样次数q=0,从初始解集中选择其中最优解作为全局最优解S
best
和当前最优解S
′
best
;其次进入Metropolis抽样过程,采用轮盘赌注从初始解集中选择一个解S
i
作为当前解S
curr
,对S
curr
邻域搜索产生新解S
new
并计算目标增量,即ΔC=f(S
new
)
‑
f(S
curr
),若ΔC<0或ΔC≥0且以均匀分布在0到1间产生的随机数rand≤exp(
‑
ΔC/T
i
),则接受新解且更新解集中第i个解,同时将累计抽样次数重置为0,即S
i
=S
curr
=S
new
,q=0;否则不接受新解且保持解集中选取的第i个解不变并更新q值,让q=q+1;然后比较f(S
′
best
)与f(S
curr
)大小,若f(S
curr
)<f(S
′
best
)则更新当前最优解,即S
′
best
=S
curr
并比较抽样次数与抽样长度的大小,若q≥L,则输出当前最优解S
′
best
,否则回到上一步;最后为了在保证求解质量前提下,消除多余迭代次数以提高算法求解效率,即在上一步骤中引入变量c
in
用于记录当前最优解连续未更新的次数,若记录的次数达到抽样阈值R
in
,则提前退出当前温度T
...
【专利技术属性】
技术研发人员:付建林,吴豪,谢家翔,陈鑫昊,杨大治,潘家庆,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。