工业工程生产线中英文对照外文翻译文献

1、中英文对照外文翻译(文档含英文原文和中文翻译)A solution= procedure for type E simpleassembly line balancing problemAbstract:This paper presents a type E simple assembly line balancing problem (SALBP-E) that combines models SALBP-1 and SALBP-2. Furthermore, this study develops a soluti on procedure for the proposed model.

2、The proposed model provides a better un dersta nding of man ageme nt practice that optimizes assembly line efficiency while simultaneously minimizing total idle time. Computatio nal results in dicated that, un der the give n upper bound of cycle time (ctmax), the proposed model can solve problems op

3、timally with minimal variables, constraints, and computing time.Keywords Simple assembly line bala ncing problem, Type E simple assembly line bala ncing problem,Ma nu facturi ng optimizati on.1.1 ntroductionIt has been over five decades since researchersfirst discussed the assembly line balancing pr

4、oblem (ALBP). Of all kinds of ALBP, the most basic is the simple assembly line balancing problem (SALBP). Bryton defined and studied SALBP as early as 1954. In the followi ng year (1955), Salvers on built the first mathematical model of SALBP and presented quantitative solving steps, which attracted

5、 great interest. After Gutjahr and Nemhauser (1964) stated that SALBP is an NP-hard comb in ati on optimizati on problem, the majority of researchers hoped to develop an efficient method to obtain the best solution and efficiently solve variant assembly line problems (e.g. Baybars, 1986; Boysen, Fli

6、edner, & Scholl, 2007, 2008; Erel & Sari n, 1998; Ghosh & Gag non, 1989; Scholl & Becker, 2005, 2006; Toksari, Isleyen, G ner, & Bayko?, 2008; Yeh & Kao, 2009). During subsequent years, SALBP became a popular topic. Kim, Kim, and Kim (1996) divided SALBP into five kinds of pr

7、oblems, of which type I problem (SALBP-1) and type II problem (SALBP-2) are the two basic optimizati on problems.Researchershave published many studies on the soluti on for the SALBP-1 problem. Salvers on (1955) used in teger program ming (IP) to solve the workstatio n assig nment problem. Jacks on

8、(1956) proposed dyn amic program ming (DP) to solve SALBP-1. Bowma n (1960) developed two mathematical models and introduced 0 variables to guarantee that no tasks took the same time and that no tasks were performed at different workstations. Talbot and Patters on (1984) prese nted a mathematical mo

9、del with a si ngle decision variable, and used it to calculate the number of tasks assigned to workstations.Essafi, Delorme, Dolgui, and Guschinskaya (2010) proposed a mixed-integer program for solving a novel line balancing problem composed of identical CNC machines. Hackma n, Magaz ine, and Wee (1

10、989)used a branch and bound (BB) scheme to solve SALBP-1. To reduce the size of the branch tree, they developed heuristic depth measurement techniques that provided an efficient solution. Betts and Mahmoud (1989), Scholl and Klein (1997, 1999), Ege, Azizoglu, and Ozdemirel (2009) have suggested BB m

11、ethods for application. Other heuristics have been developed for solving the variant problems. These may include simulated ann eali ng (Cakir, Altiparmak, & Den giz, 2011; Saeid & An war, 1997; Suresh & Sahu, 1994, Genetic Algorithm (McGovern & Gupta, 2007; Sabuncuoglu, Erel, & T

12、ayner, 2000), and ant colony optimization algorithm ( Sabuncuoglu, Erel, & Alp, 2009; Simaria & Vilarinho,2009). Recently, multiple-objective problems have emerged from the diversified dema nd of customers. For example, Rahimi-Vahed and Mirzaei (2007) proposed a hybrid multi-objective algori

13、thm that considers the minimization of total utility work, total product ion rate variatio n, and total setup cost. Chica, Cordon, and Damas (2011)developed a model that invo Ives the joi nt optimizati on of conflicting objectives such as the cycle time, the number of stations,and/or the area of the

14、se stations. Another interesting exte nsion is the mixed-model problem, which is a special case of assembly line bala ncing problem with differe nt models of the product allowed moving on the same line. Aimed at the mixed-model assembly line problem, Erel and G?k?en (1999) studied on mixed-model ass

15、embly line problem and established 0 integer program ming coupled with a comb ined precede nee diagram to reduce decisi on variables and con stra ints to in crease solvi ng efficie ncyKim and Jeong (2007) con sidered the problem of optimiz ing the in put sequenee of jobs in mixed-model assembly line

16、 using a conveyor system with seque nce-depe ndent setup time.zca n and Toklu (2009) presented a mathematical model for solving the mixed-model two-sided assembly line balancing problem with the objectives of mini mizi ng the nu mber of mated-statio ns and the nu mber of stati ons for a give n cycle

17、 time.Un like SALBP-1, the goal of SALBP-2 is to mi ni mize cycle time give n a nu mber of workstati ons. Most studies focused on soluti ons for SALBP-1, and not SALBP-2, because SALBP-2 may be solved with SALBP-1 by gradually increasing the cycle time until the assembly line is bala need (Hackma n

18、et al., 1989). Helges on and Bimie prese nted a heuristic algorithm to solve SALBP-2 as early as 1961 .Scholl (1999) presented several decision problems regarding the installation and utilization of assembly line systems, indicating that balancing problem is especially important in paced assembly li

19、ne cases. Scholl used task oriented BB to solve SALBP-2 and compared it with existing solution procedures. Klein and Scholl (1996) adopted new statistical methods as a soluti on procedure and developed a generalized BB method for directly solving SALBP-2. In addition, G?k?en and Agpak (2006) used go

20、al programming (GP) to solve simple U-type assembly line balancing problems, in which decision makers must consider several conflicting goals at the same time. Nearchou (2007) proposed a heuristic method to solve SALBP-2 based on differe ntial evolution (DE). In the follow ingyear, Nearchou (2008) a

21、dvaneed a new population heuristic method base on the multi-goal DE method to solve type II problems. Gao, Sun, Wang, and Gen (2009) prese nted a robotic assembly line bala ncing problem, in which the assembly tasks have to be assig ned to workstations and each workstation needs to select one of the

22、 available robots to process the assigned tasks with the objective of mi nimum cycle time. Several other methods have bee n reported in the literature. For example, Bock (2000) proposed the Tabu Search (TS) for solving SALBP-2 and extended TS using new parallel breadth, which can be used to improve

23、exist ing TS programs for assembly line problems. Levitin, Rubinovitz, and Shnits (2006) developed a genetic algorithm (GA) to solve large, complex machine assembly line balancing problems by adopting a simple principle of evolution and the BB method. A complete review of GA to assembly line balanci

24、ng problems can be found in Tasan and Tunali (2008).The rest of the paper is organized as follows. Section 2 introduces SALBP-E formulation and its solution procedure. Section 3 presents solutions to a notebook computer assembly model and some test problems using small- to medium-sized for numerical

25、 calculati ons. Fin ally, this paper con cludes with a summary of the approach.2.Formulationand solution procedure of SALBP-EThe SALBP-E model integrates the SALBP-1 and SALBP-2 models. For this purpose, the following notations and variables are defi ned as follows:Notati ons:nNumberoftasks (imNumbe

26、rofstati ons(jmmaxUpperboundof stati onsmminLowerboundof stati ons=1,.1,.,n),m)(j=1,.,mmax)(j=1,.,mmin)tiOperati on time of task iCtCycle timegive n the direct precede neePSubset of task (i, k),relati onsDecisi on variables: xij £0, 1 1 if task i is assigned to station j 0otherwise ( "i; j

27、 = mmi n, . , m max)yj £0, 1 1 if any task i is assigned to station j 0 otherwise (j = 1, . . . , mmax)ct > Cycle time is set to greater than or equal to 0M* Mini mal nu mber of stati onsThe original SALBP-1 model is as follows:SALBP-1:6生产线设备选择多目标的方法摘要：考虑10 一月2012 一个新的问题，处理设计的可重构自动 加工线这种线是由工

28、作站顺序处理。每个工作站都需要最合适的设 备。每个可用的设备的特点是它的成本，可以执行的一组操作，需 要给定级别的维护技能。提出了一种多目标的方法来分配任务，选择和分配设备工作站考虑所有参数和约束的问题。发达的技术 是基于一个NSGA-II类型的遗传算法。NSGA-II建议也结合本地 搜索。这两个遗传算法（有或没有本地搜索）测试了好几行两个版本的示例和考虑问题：bi-objective 和4个 客观情况。数值测试的结果报告。最有趣的是，这些算法的评估是通过使用三个衡量标准：差距的直接措施,这些措施Zitzler和 蒂埃尔提出的在1999年和2002年里瑟建议的距离。关键词：生产线设计、生产线平

29、衡、设备选择、多目标优化。他生产系统设计与分析已经被广泛讨论的文献1 - 6。制定了一些标准的科学问题如最优流程规划、设施布局、线平衡、缓 冲区分配、设备选择等.本文论述了生产线平衡和在设计时加工线时设备选型。请注 意，我们认为一个比较普遍的情况： 每一块设备不仅可以用来完成一个，而是一组不同的技术任 务。-在线路设计阶段，每个任务都有一组不同类型的设备都可以用 来执行任务，一个设备必须服从一组。在以前的作品中，我们已经研究的模型和算法与一个单一的标 准和几个标准加工线组合优化。在本文中，我们专注于生产线的 平衡和设备选型问题的一种特殊类型的线：可重构在每个自动化加工生产线的可用设备，我们知道

30、任务 可否执行与设备关系最大，但在每一个设计的决定，我们只使用 的任务的一个子集。我们提出了先前提出的多目标算法的一些调 整和改进，通过一系列数值试验研究其有效性。此外，比较这些 测量技术算法的不同将被用来提供一个更广泛的角度。当一个新的加工线设计（或现有的线重新配置一个新产品 ）相 应的生产线平衡和设备选择问题必须得到解决。因为任务之间的 优先约束和为每个工作站需要选择设备，我们不得不考虑这些约 束以及其他相关设备的兼容性。这将导致一个非常复杂的组合优 化问题。这种线是设计（或改造）为制造一个给定的产品。在任何设计或重新设计开始之初，所有的工作就是对本产品的 制造要应已知。那么，是要定义工作

31、站问题，即分配任务和设备 工作站这样一个标准（或几个标准）优化。本文其余部分安排如下，第2部分提出了在这一领域的艺术状态 的分析。在第三节，问题陈述了在考虑加工线情况下建立的帕累 托优化模型。优化算法简要解释在第 4节。第五节给出了测试和 比较，。在第6节提出了可能的扩展方法的一些讨论。最后，结 论是在7节报道。艺术的状态和动力在文学中,类似的简化问题被称为装配线平衡（ALB）。简单的装 配线平衡问题（SALBP）处理分组的任务（non-divisible工作元素）为工作站考虑优先级任务之间的关系和约束线周期时间或数量 的工作站。在每个工作站的任务执行顺序，组装线的周期时间是 由工作站的最大工

32、作负载决定的。两个主要类型的研究最小化工 作站的数量需要周期TO,虽然SALBP-2试图减少周期时间对于一 个给定的数w的工作站。在这些问题上的全面调查上，他们对此一概而论的发表，例如， 在（7 - 13）。然而,实际工业问题通常是更复杂的。通常情况下， 任务的分配工作站需要为每个站设备的选择是通过所需的工作 效率的。这也应该考虑设备兼容性约束能力的设备来执行任务，等。在这种情况下，我们有一个比SALBP更复杂的组合问题，通 常被称为生产线平衡和设备选择的问题。最近，一些新的概括，ALB,命名为传输线平衡问题，提出了 大规模生产加工线。在【14-15】研究了在每一台设备的顺序激 活线，。随着各

33、站的设备激活平行线在16 认为。在每一站的 混合设备激活线在17解决，等一些特异性的加工线有：I ） 相同设备的任务（多轴头）是并联的，即同时执行的，因此设备 工作时间等于其任务时间的最大值；II ）如果选择一个线的设备 设计，该设备的所有任务的执行将在这里（我们不能只执行一次 套装备任务）。因此，不同的ALB模型的装配线充斥着文学对工作顺序的标准， 我们也有一些经验，应用白蛋白的方法大规模生产加工线与并行 执行任务在工作站，生产线平衡和设备选型问题的研究。然而， 可以发现，通常，考虑问题时，组装和 /或加工生产线平衡和设 备选型，开发只有标量优化技术。他们优化只有下列条件之一： 设备成本（投

34、资），占地面积，工作站负荷，等，参见20 18-。再次，在现实生活中的工业场合，该问题通常是更复杂的， 因为有几个相互冲突的标准，都应同时考虑因此,这个工作的动机是建议多目标生产线平衡和设备选择的 方法可重构自动加工线。将被考虑线上所有设备的每个工作站的 同时激活。然而，我们以前的工作是致力于设计与批量生产加工 线,在本文处理的情况下，只有一个子集的任务可以使用每一块 设备,不一定所有的任务都需要。这对于设计的决策提供更大的 灵活性,简化了未来修改和可重构加工线的属性。 在这项研究中，将处理多个目标函数。在文学作品中，多目标优 化问题通常是减少到一个相应的单目标优化问题通过一个初始 的标准21

35、 的加权总和。这种方法的主要缺点在于难以获得所 需考虑的标准重量。此外，这种技术提供了唯一的解决方案。通 常，决策者选择一组可接受的解决方案，而不是一个单一的选择 应用。因此，本文的目标是开发一个 paretol优化方法。这种方 法提供了一整套的解决方案，使决策者留有一些决策的余地。在本文中，我们开发了多目标遗传算法基于帕累托最优的财 产。丰塞卡和弗莱明25提出了三种技术为这种类型的多目标进 化算法。第一，健康是决定通过一个聚合的目标解决方案（线性标 准之和）。第二个同时适用于不同人群，每个人口与一个标准。第 三是基于帕累托排名的一个人口 （利基技术排名）。袍26另一个 遗传算法基于帕累托最优

36、。综述基因技术用于解决多目标问题中可以找到的纸27。很明显,越来越多的使用,可以说是最强大的 是以下算法：NPGA角28,NSGA 斯和 Deb24,SPEA Zitzler 和蒂 埃尔29。存在多目标方法对装配线平衡。多目标线平衡问题研究了30,工作站的数量，总死亡时间和加载工作站之间的平滑。作者提出 了一个遗传算法使用一个方法基于加权和的标准。类似的方法提 出了本文的尤尼斯31柔性制造系统。他们的标准是：1）转移一 部分成本,从一站到另一个，和2）负载站之间的平滑。一群多目标 遗传算法（分公司）的混合装配线的设计建议32。该算法被引入 一个分支丰富，削减上来）和（优先排名组织浓缩方法评价）

37、技术。 在我们以前的出版物33和34,我们使用了众所周知的多头方 法一，两个和四个标准，确定最佳的参数设置。基于 NSGA-II算法 我们还建立了一个方法来治疗，有一定效果，设备选择的情况下， 唯一的问题（线平衡已经解决）。在这篇文章中，我们进一步发展 这个NSGAII更一般情况下的线平衡和设备选择。两个版本的算 法这里提供：与当地搜索（NSGALS）没有本地搜索（NSGAWLS）这两 种方法将测试一组随机生成问题，而使用三种类型不同的措施： 直接测量目标函数之间的差距，提出的措施Ziztler 蒂埃尔29 和里瑟35建议的距离。问题陈述背景类似的单一标准设备选择和线平衡优化问题是研究的论文3

38、3投资成本降到最低。三种方法，一个分支定界算法，基于截断 枚举,启发式遗传算法，提出了。在34,这个模型是新配方与帕 累托优化多目标设备选择的方法，但没有线平衡。提出了两种多 目标算法:aMulti-start算法来源于Sysoev和Dolgui22和一个NSGA-II类型的遗传算法（第二个版本控制的非排序遗传算法）,工作的启发36。本文提出的模型和算法都是基于一些初步想法 和34的结果。然而，他们更一般更现实的，因为我们认为这两个 生产线平衡和设备选择与额外的约束问题。问题公式化每一块设备可以用于处理一组任务。对于每个任务，都有一组可用的替代设备。任何设备都有其优点和缺点。加工线设计对于 一

39、个给定的产品，但可能重新配置的另一个产品在未来。这是可 行的，因为线的模块化原理设计和可能只使用部分设备已经安 装。让N的所有任务才能制造一项考虑产品,M组可用的设备。让n n = |制造一个产品所需要的数量的任务项和m m = | |可用类型的设备的数量，可以用于这条线，分别。让Eqj设备类型的j, M和SetEqj设置的所有任务 执行如果Eqj分配给工作站k,然后一个子集Nkj? SetEqj任务 将执行与该设备工作站k,k = 1,。，w。每个可用的块设备的特点 是它的成本，可以执行的一组操作，需要给定级别的维护技能。当 然,通常执行一个任务需要不同的时间用不同的设备。几个不同 类型的设

40、备安装在工作站上。我们还将使用以下符号:Ecj j 类型的设备成本，ProdL吞吐量 的线（每年生产的产品数量）,Areaj区域被j类型的设备,背景技 术的复杂性站k,这定义了一个工人的技术水平要求用于维护。 介 绍了以下假设：任务优先级关系（i = 1,从给出n,n）;-M集的所有可用设备给出；组操作成本和复杂性水平为每个设备类型是已知的；设备之间的兼容性约束是已知的；包含约束的任务要求执行某些任务的工作站也知道；任务处理时间是已知的、确定的和依赖于类型的设备使用；一个任务可以在任何执行工作站，如果车站提供合适的设 备；任务最长不超过预定的周期时间 TO;任务分组集，将执行所有的任务设置Nk

41、j j在工作站和设备 k;设置工具改变、材料处理、装卸时间可以忽略不计或者包含 在任务的处理时间；所有任务同时执行分配给设备，因此,设备时间等于最大的任务时间任务执行与此设备；目标线周期等于 TO = Av -时间/ ProdL,AvTime每年可用工 作时间的地方。考虑到一些建议多目标遗传算法的基本思想和技术已经发表在34 ,提出了只有一个简短的描述的改进算法和重点是这种方法 的合理性和应用，新思想和主要扩展的方法，但最重要的是实验 的测试算法，分析和讨论本研究的进一步发展。结论一种新的多目标问题，生产线平衡和设备选型（资源计划）介 绍。这个问题是自动加工线。每个工作站都可以包含一个或多个

42、设备。问题是，选择从一个给定的所有可用的设备，每个工作站 的碎片。我们的目标是配置一个加工线的一个产品在大批量生产 而优化的一些标准。该模型与文献中已知的区别在于我们使用的 一个子集的每个可用的块设备的任务和不必要的所有任务，该设 备可以执行。这是由于可重构制造系统的概念有了新的要求。可 能采用的一组给定的任务可以执行与选定的设备的任何子，有利 于未来重构的线。同时，这增加了问题的复杂性的组合的情况相 比，每件设备的任务的设置是固定的。提出问题的陈述后，一个NSGA-II类型的算法被开发。然后, 它是丰富的本地搜索改编过程多目标优化。我们比较算法的版本(NSGALS和没有(NSGAWLS)地搜

43、索使用三个测量标准 ：为每个 标准差距；距离里瑟和测量。他们是用来比较最优帕累托面前获 得NSGALS口最优帕累托NSGAWL8前,为每一个测试的例子。数 值测试的结果在几个家庭的随机生成的实例，证明了这些措施的基础上，额外的本地搜索的NSGA-II(NSGALS大大优于相同 NSGA-II没有这个本地搜索过程(NSGAWLS)有关观点，用其他启发方式，可能是未来研究的主题，是其他可 能的交叉或产生初始种群的测试。此外，它可能会增加其他行业 约束更接近实际工业情况有趣。此外，另一个追求希望的途径可 能是并行计算技术的这些NSGA-II算法的应用。本文的研究结果 鼓励的其他问题和不同类型的生产系

44、统使用类似的技术。与其他 多目标算法NPGA和SPEAR为全面的比较可能是有趣的。还检查 另一条路径是集成模型中的随机因素，如机器故障，维修时间，等 最后，它可能会考虑到一些用户偏好的交互使管理方法更具吸引 力。参考文献1 Askin R.G.,Standridge C.R.制造系统的建模和分析,约翰威利 & Sons,1993。2 K。制造系统工程,1996年泰勒和弗朗西斯。3 肖勒。生产线平衡和测序，1999年。4 D人工智能(Ed),21世纪机械制造技术的未来技术，施普林格,2003年。7精确算法的的一项调查显示，对于简单的装配线平衡，管理科学,32 岁,909 - 932 年,

45、909 年。托尔伯特F.B.8,帕特森J.H.,Gehrlein W.V.比较评估的启发式平衡技术,管理科学,32,430 - 454 年,430年。Ghosh9 o ,Gadnon R.J.的、全面的文献回顾和分析设计、装配 系统的平衡和调度，生产研究的国际期刊,27岁,637 - 670年,637 年。10 Erel E 。，萨林年代。的一项调查显示，装配线平衡的过程， 生产计划与控制、9(5),414 - 434 年,414年。11 Rekiek B 。 Dolgui 。 Delchambre。 Bratcu。,国家艺术装配 线的设计优化，年度审核控制,26(2),163 - 174 年

46、,163年。12 肖勒。贝克尔C。、先进的精确和启发式解决方案程序简单 的装配线平衡，欧洲运筹学杂志,168年,666 - 693年,666年。13 Guschinskaya O。Dolgui。Equilibrage 德涅德生产：状况 de l艺术品,欧洲甚至des系统玩法Automatis ',44岁,1081 - 1119年 ,1081 年。14 Dolgui o ,Fi nel Bo ,Gusch in sky NO 莱文 G ,Vernadat F。， 生产线平衡的启发式方法，智能制造学报,16岁,159 - 171年,159 年。15 Dolgui o ,Finel B。，Guschinsky N。莱文 G ,Vernadat F°,MIP 的方法来平衡传输线路和块的并行操作，国际教育协会事 务,38(10),869 - 882 年,869 年。16 Belmokhtar 年代。Do