可重构制造系统的可分级生产功能安排的研究

可重构制造系统的可分级生产功能安排的研究摘要：在今天的全球化经济中对所有制造系统而言在节省成本上对高速变化的市场作出快速反应成为一个关键的成功因素。可重构制造系统（RMSs）是指为能适应市场的需求变化，按系统规划的要求，对制造系统进行模块化和可分级的设计，即在机器组件分级水平上的设计对激烈竞争的市场迅速和有效地起反应。 本文研究RMSs是如何以低成本的方式系统地处理它们的性能和可测量性。提议 能力塑造的一种方法是，不同于更早的方法，不简单的假设可测量性功能是功能模块的特定的增加的功能。 基于模型，一种利用基因算法的优化技术的计算机工具正在发展。这种工具在帮助系统设计师在决定何时为了增减性能而重新构造系统，并且用一个低成本的方式通过增减程度来满足市场要求.成果显示，根据成本,在RMS中的理想可测量性功能对弹性生产系统(FMSs)采取的无论确切的理想需求功能的可测量性方法还是供应方法都需要的计划初期所有必需的性能都要优良.成果还显示一个RMS通过减少这些新系统的重新配置的费用实现低成本运行. 关键词：可重构制造系统 可测量性 再生点和基因算法引言 更短的生产周期、变化莫测的需求和定制化的产品强迫制造系统更加高效率地运行以适应改变的要求。 全球性竞争导致了更加对用户满意注意，其中快速反应和定制服务是关键。 传统的制造系统象专业化的生产线(DMLs)或蜂窝制造系统(CMSs)不可能应付这些新市场特征。 柔性制造系统(FMSs)不可能以有效的方式应付这些新的要求。 要接受这些现代挑战，可重构制造系统(RMSs)是个选择。 RMSs瞄准以结合DML的高生产量与FMS的灵活性，维护能力为目标，以有效的方式应付各种各样的产品和功能。当它需要时，通过在它的结构上的迅速变化，即它的硬件和软件元件的变化，以快速适应确切的可分级性和功能的调整.Shabaka和ElMaraghy 2通过分类重组过程解释制造系统的重组的维度介绍它的物理配置和逻辑配置。 物理配置的例子包括布局配置，增加或去除机器，增加或者去除机器的工具或组件和原材料处理系统的重组。逻辑配置的例子包括重编程序机器、再计划，重新编排，改线和增长的或者减少的转移或者工作者的数量。 RMSs的关键特征是模块化，完整性，可变换性、定制和判断力 3。早期特征使RMSs有不固定的生产能力,功能，以及，系统元件的模块结构负责对物理可测量性因而，他们假设是可升级的系统。 而现代开放式体系结构控制A. M. Deif。 W. ElMaraghy智能的制造系统(IMS)研究中心，工业&制造系统， Windsor大学， Windsor，加拿大大学的部门技术是为逻辑或软件可测量性的主要工具。 本文焦点在RMS的塑造能力的可测量性。制造系统中的可测量性生产能力问题 可测量性生产能力仅仅是适应变化的需求的能力。 一个典型制造系统的可测量性生产能力包括处理，何时，何地以及测量多少可测量性生产能力的问题。 在RMSs之前，范围的这个问题限制了到生产能力的扩展。关于RMSs，从另一方面讲，可测量性生产能力除生产能力的减少以外还处理它的扩展。 两个趋向之间的另一个主要区别是使RMS通过它的模件和开放控制结构不仅在系统级,而且能在机器水平测量生产能力。生产能力扩展的费用传统上由增加的生产能力的经济效益证明。 在RMS中，它假设可测量性生产能力通过减少短缺费用来证明，因为当有需要时就提供生产能力并且减少未充分利用的生产能力的费用,即具体的生产能力能在需要的地方使用。 后者给RMS的好处胜过FMSs。 可测量性生产能力的成本效益，与功能可测量性一起，在RMS中通过范围经济的概念实现。早期可测量性生产能力塑造方法回顾大量的关于古典生产能力扩展问题的文献调查在Manne 4， Freidenfelds 5和Luss 6被找到。 在FMSs中塑造生产能力的有些方法的例子由Leachman和Carnon 7， Roundy 8和Liberopoulos 9 等提出。关于RMSs，son和他的同事 10 建议相同的位置在一个时期内以输送管制造系统作为一种可能的称生产能力方法，他提到作为一条同类的并行流线(HPFL)。 Asl和Ulsoy 11 根据对反馈控制理论的用途对塑造在RMS中的可测量性生产能力处理可测量性生产能力问题提出了一种方法。 根据他们的方法，他们假设，在RMS上的生产能力变化是使量子化的相等的能力单元。 根据这个假设，他们以极少的费用在RMS中开发了一个确定连续的时间可测量性生产能力模型产生生产能力方式。Asl和Ulsoy根据随机的市场需求也提出 了RMS中生产能力管理的另一种方法 12，为根据Markov决策理论的可测量性生产能力管理提出了一个最佳方案。 他们也考虑了在生产能力被定购和它被提供的时间之间的延迟。他们的工作提出了作为代表优选的生产能力扩展和减少水平的优选的界限的最优策略。费用和理想界限时间的延迟的变化的影响在生产能力管理上显现出来。 他们的工作被认为是Rocklin和Kashper的方法的拓展13，因为他们集成了它他们的早先动态模型可测量性生产能力的地方.早先的方法是被考虑作为可适用对RMSs中生产能力可测量性塑造的主要方法。 早期模型的主要的缺点在是假设生产能力可测量性是确定能力单元的的增加的功能。 在实用的可重构制造环境中，这不是实际情形，因为系统水平上有不同的生产能力模块，在机器水平上也一样，可以用于测量生产能力。 并且，当具体地测量生产能力时其中一些方法没有运行，并且这是RMSs的其中一个主要特征。模型体现了这些缺点. 因此。本文描写一种新的塑造RMS的生产能力可测量性方法。 焦点在系统的具体可测量性的生产能力而不是考虑他们的生产能力逻辑结构。 塑造的宗旨是根据市场需求变化包括何时测量系统生产能力和测量多少生产能力开发优选的生产能力计划，。 这些计划是由一个根据基因算法优化技术的计算机工具产生的。生产能力可测量性模型的提出推荐模型是根据需求方法的任意增长的时间路径的优选的设备规模，如Manne和Veinott提出的模型14，修改模型以适应论及在RMSs中生产能力可测量性的问题。 模型的一个基本的数学基础是其中一凹面或凹面设置特征情况：如果C (。) 是一个在闭合的一定凹面集合V有有限地许多极值点的凹函数，然后C (。)达到它的极小值在增值范围的一个极值点V。41模型的假定条件下面是模型假定的条件:时间(或生产能力规划范围)被理想化为不连续的阶段1， 2， T。需求在阶段t (要求之间的区别在期间t和t1)被认作为Dt， Dt0且： (1)生产能力可测量性决定是一套可变物Vt， t=1,2 T。Zt表示超额能力的期间的结尾。 在RMSs中， Zt倾向于零: (t=1,2T) (2)一个可行的生产能力可测量性计划或计划是在这里： (3)且 (4)让V表示集合RMS的可行的生产能力计划。 从Eqs。 2， 3和4，因为集合对线性平等和不平等一个有限系统的解答是一个凸面集合并且有有限地许多极值点，它可能说V是封闭的，一定凹面集合4.2费用系统作用C (v)代表生产能力第v.级的费用。 它随时间变化并且根据费用的当前价值如时间1表达。 这种价值函数由二个组分组成，一个反映系统计算的物理功能单位的费用，而第二个代表与系统的这些物理结构联系或系统重组的相关费用。 因此，毎个阶段t的费用主要是有可以被测量（上升或下降)的生产能力第v级期间的费用。 例如，这结构可以做到增加或去除一台机器的另一个纺锤，增加或者去除机器，甚至增加达到去除一个小组机器。 因此，价值函数的第一个期限是这个能力单位数的物理费用的表示。另一方面，期间CR代表同这些结构联系在一起重组的其他费用且基本上包括其他相关费用参量，例如停工期的费用重新调节系统或对舷梯新的配置以新的生产能力、人工成本介入的和为那重组或结构需要的尝试。要重点注意到的是，期间CR的变化基于重组水平的要求。 在本文，简而言之，这个期限表达为在生产能力水平上的一个可靠的线性函数。本文第6页将在学术上讨论这个假定。 价值函数可以被写如下： (5)那里n是生产能力可测量性的数字指向且nT.这种价值函数假设是凹面。 Manne支持这个假定4，他表示，不同的研究性产业的生产能力加法的价值函数被表达为一个功率函数或作为功率函数拼合为一个线性函数(仅在这种情况下)，而这两个都是凹函数。 同样， Luss 6阐明，大多生产能力扩展(可测量性)是凹面函数，代表扩展大小的经济尺度。RMS中生产能力可测量性价值函数的所有复杂的参量确切的演算(以它的二个期限)还是一个需要做很多改进的研究性区域; 然而，这些演算超出本文的范围之外，且不会影响模型的有效性.4.3再生点(可测量性点)生产能力可测量性计划或计划v的再生点在期间t发生，如果Zt (期间超额能力的结尾) =0。 在RMS中，生产能力规划是一系列的再生点或可测量性点。 这个事实使我们使用再生点定理说明:“有优选的生产能力计划存在再生点.” 14定理前提是设置的生产能力计划是闭合的，有限的凹面的集合，价值函数是一个凹函数且处理事先确定的特征。 根据再生点定理，生产能力计划的费用的极值点是可测量性点或者是那些系统生产能力计划者向上或向下测量生产能力的点，是极小值的点。 这样使用基因算法(GA)方法将发现最佳的计划。优选的容量可测量性的预定公式化工具让一可测量性点发生在期间i，并且下个可测量性点发生在期间k (令i k)。 然后，必要的，有整数i+1k，这样 (6)应当注意点t=0和t=T通常是再生点。5.1预定的容量可测量性的基因算法技术于在RMS中的应用基因算法(GA)是在解决方案空间使用选择且再结合算符引起新的样品点的一个基于整体的模型。一个GA通过染色体数据结构把一种可能的即决方案译码成一个具体的问题，并且通过某种方式处理基因算符到这些结构使信息保持流畅。 再生产机会是这样产生的，那些染色体结构声称对于目标问题的更好的解决方案是给再生产更多的机会而不是给那些拥有糟糕方案的染色体结构.。从巨大的研究空间来讲，GA是有潜力的探索式的最快地找出最佳的解答的方法，例如计划的问题。 为了关于GAs的一次完全讨论，读者提到了Gen和Cheng15.一般， GA由二个从属的主要成份组成: 内码问题和求值函数。 内码问题负责生成把可能的解决方案表现为最理想的问题内码表。 在本文，候选方案(即，染色体)被输入代表所有需求在容量可测量性计划展望期T的合法的日程表。 求值函数测量一种特殊方案的质量。 每个染色体同合理价值联系在一起，在这种情况下，是被测量的染色体代表对应的日程表的费用。 根据这研究，最低值的合理性代表获得的最佳的解答。 这里的“合理日程表”是根据物理费用(Ct (vt) 能力单位数和重组(CRi)的伴生的费用被计算过的候选方案。 图1使用GAs概述容量可测量性日程表世代5.2预定容量可测量性工具的发展早先分析用于发展采取以下输入的计算机工具:-唯一期间需求，在Dt (t=1， 2， T)时候， T是有限容量规划的地方。 简而言之它被假设是确定的。-容量可测量性价值函数C (v)。输出信号是RMS优选的容量可测量性日程表。 图2提出的工具是IDEF0表示法为确认工具，工具引起的结果与Manne和Veinott提出的专题研究比较的优选的结果14。 数据是如下： 在期间T=6， D1=0.5、D2=1.0、D3=1.5、D4=1.5、D5=1和D6=0.5和价值函数是： (7)为了能比较结果，代表重组(CR)的费用期限在工具的价值函数被省去。 工具引起的结果在表1显示。 结果确实是同Manne和Veinott给的优选的结果相同.6预定的RMS的容量可测量性的调查在制造系统的容量计划中，有三种方法。 第一种方法是在计划期间(t1)初修建与所有整个计划期间的被期望的需求相等的容量(即，固定的容量)。 这是FMSs中的实际情形。 第二种方法是，如果我们有极高的重组能力，在每点经过计划期间，你提供与当时时需求是相等的容量(即，在有要求时容量)。 第三种方法以极小的费用平衡以上二种方法满足市场需求，是提出的模型的实际情形的优选的容量日程表(合理的容量)。已开发的预定的容量可测量性工具通过计算与实施三项预定的方法每一项费用说明这种方法的优点。这通过比较不同的随机的需求情况每种预定的方法的费用实现。 表2显示一年引起的不同的确定需求价值.关于价值函数， Eq。 7被采取代表物理建筑费(Ct (vt) 而重组(CR)的费用应该由在每个可测量性点之间容量可测量性变动乘以根据实际变化的常数的一个线性函数代表(在本例中，常数合计2)。 容量可测量性水平之间的区别可能反映被执行的系统的物理重组适应需要的程度，因而，它用于以某一常数表达期限CR。 例如，如果优选的容量可测量性日程表应该由少量测量容量给权，一个另外的纺锤到机器可能满的费用足这需要，如果结构需要的相当数量很大，则可以增加一个另外的机器。 增加纺锤的费用低于增加机器到系统。 然而，表达CR的价值能由其他形式代表，并且应该由根据工业应用的容量算符表示。 价值函数是如下： (8)这里 |Ct| 是可测量性点T的容量可测量性变动。图3显示预定的每需求情况每种容量方法的费用已开发的工具引起的优选的容量可测量性日程表根据需求情况费用比其他容量预定的方法显示了更好的表现。可以预期，类似FMS的第一种方法总是最昂贵的方法和这是提出新的RM