基于改进SLP的YQ公司生产车间布局优化研究

摘要随着科学技术的不断进步，现代工业模式不再仅局限于满足基本需求，而是需要面对多样化、个性化需求的挑战。因此，设施布局成为了影响生产效益的重要因素。本研究以YQ公司滚筒洗衣机车间为对象，分析了存在的设计问题与挑战，并运用SLP方法及遗传算法相结合的方法对其进行重新规划。通过优化设计过程，得出了比SLP方法更优的最终车间布置方案，可帮助企业降低生产成本并提高作业效率。实验结果表明，遗传算法介入SLP方法优化的车间布置方案能够有效提升生产系统经济效益。本研究对于传统制造业转型升级具有一定的意义和参考价值。关键词：SLP；遗传算法；设施布局；车间规划AbstractWith

the

continuous

progress

of

science

and

technology,

modern

industrial

modes

are

no

longer

limited

to

meeting

basic

needs,

but

face

challenges

of

diversified

and

personalized

demands.

Therefore,

facility

layout

has

become

an

important

factor

affecting

production

efficiency.

This

study

takes

YQ

company's

drum

washing

machine

workshop

as

the

object,

analyzes

the

existing

design

problems

and

challenges,

and

replans

it

using

the

combination

of

SLP

method

and

genetic

algorithm.

By

optimizing

the

design

process,

a

final

workshop

layout

plan

better

than

the

SLP

method

is

obtained,

which

can

help

companies

reduce

production

costs

and

improve

operational

efficiency.

The

experimental

results

show

that

the

genetic

algorithm

intervention

in

the

SLP

method

optimized

workshop

layout

plan

can

effectively

improve

the

economic

benefits

of

the

production

system.

This

study

has

certain

significance

and

reference

value

for

the

transformation

and

upgrading

of

traditional

manufacturing

industries.Keywords：SLP;

Genetic

algorithm;

Facility

layout;

Workshop

planning;

目录摘要 1Abstract 21、绪论 51.1研究背景 51.2研究目的和意义 51.3国内外研究现状 61.3.1设施布局优化研究现状 61.3.2SLP方法的研究现状 81.4研究综述 81.5研究的主要内容和技术路线 91.5.1研究内容 91.5.2技术路线 92.相关理论基础 102.1设施布置理论 102.1.1设施布置的相关概念 102.2SLP方法理论 112.2.1 SLP方法概念及基本要素 112.3遗传算法理论 132.3.1遗传算法的概念和原理 132.3.2遗传算法的优缺点 132.3.3遗传算法的实施流程 132.4SLP与GA结合设计 153.YQ公司生产现状及问题分析 153.1YQ公司基本情况 153.1.1公司概况 153.1.2公司总体布局图 163.2YQ公司车间布局现状 163.2.1总装车间布局现状 163.2.2滚筒总装车间布局 173.3YQ公司生产流程现状及问题分析 183.3.1物流流程分析 183.3.2搬运路线分析 193.4问题总结 214.基于SLP的YQ公司车间布局优化 224.1车间物流关系分析 224.1.1作业单位面积需求分析 224.1.2作业单位物流强度分析 224.2车间非物流关系分析 264.3车间综合物流关系分析 284.4作业单位相关图 324.4.1作业单位位置相关图 334.4.2作业单位面积相关图 344.5初始车间布局方案 355.基于遗传算法的YQ公司最终布局优化与评价 375.1基于遗传算法的车间布局优化模型构建 375.1.1车间设施布置的建模思想 375.1.2模型假设 375.1.3目标函数的构建 385.1.4约束条件 415.2基于遗传算法的模型求解过程 425.2.1编码方式 425.2.2初始种群 425.2.3适应度函数 435.2.4遗传算子 445.3模型应用与结果分析 465.3.1生产线数据准备 465.3.2运行过程和结果 496.总结与展望 526.1总结 526.2展望 521、绪论1.1研究背景随着科学和技术的进步，工业模式在军事、空气空间、武器、机械控制、运输、采矿、能源等领域得到广泛使用。随着新兴技术的快速发展，如智能制造业、4.0产业和互联网+，许多新的应用领域随着传统制造业的出现而出现。将新出现的技术，如大数据、虚拟现实和虚拟模拟软件结合起来，填补了传统制造行业的空白，并在实时监测、数据传输、服务管理和反馈保存方面发挥了重要作用。基于此，企业间的竞争已经不再局限于能不能满足使用者的基础需求，而是要看是否能不能满足使用者的多样化、个性化的需求，所以，如何提升生产线的生产效率，降低因生产过程转换而造成的损失，成为了当前企业面临的首要问题。改善生产线设备布置，能有效地减少生产过程中的无用材料流动，并能有效地降低附加费用，缩短产品制造周期。此外，合理的布局还能够减少各种物质流在生产线上的碰撞和阻碍，对生产空间进行优化，从而更充分地提高公司的利润能力。设施布局的优劣能够对生产系统的经济效益产生直接的影响，一个好的设施布局方案，不仅对后期生产的产品质量有很大保证，还能够为企业带来更高的效益。1.2研究目的和意义本课题的研究目的是，通过分析YQ公司生产车间的布局现状，找到其目前存在的问题，用SLP与遗传算法相结合的方法对布局做进一步优化，从而验证该方法对设施布局优化的有效性。在激烈的市场竞争中，一个灵活的、高强度的、高效率的生产体系显得尤为重要。而整个公司的工厂规划，则是在一开始就确定了这个生产体系应该具有的特征，其中既有新建企业的工厂布局规划，也有企业在发展过程中对设施设备的更新。在不同层次上的布置，例如车间内的机械设备布置，厂区内的生产单元布置等，将对企业的生产效率提高和未来发展起到决定性作用。基于这种思考，此研究的意义在于进一步拓展了SLP法和遗传算法优化应用范围。同时，该研究还为制造商提高生产效率、优化工厂布局提供了一种新思路，并为未来的相关研究提供了实践基础和启示。此外，研究结果可以对其他类似企业的车间布局优化提供参考，促成行业内更广泛的生产效率提升。1.3国内外研究现状1.3.1设施布局优化研究现状对于工厂设备的最优布置，国内外学者已经进行了很长时间的研究，并且随着企业的发展，各种布置方法也得到了很大的改进。现在，在设施布局规划方面的研究，学者们已经有了较为深刻的认识。比如，根据场地层数的不同，可以将其划分为单层和多层布局问题等。(1)单层和多层设施布局研究在实际的生产过程中，布局问题所涉及到的大部分都是单层的设施布局，但是因为受生产条件的制约，为了节省厂房的占地面积，许多工厂都被设计成了多层的布局，楼层与楼层之间的物流通过电梯来实现，因此，既存在着横向的物流，又存在着纵向的物流，这为布局优化带来了一定的困难。Bozer等人(1994)提出了MULTPLE方法，这是一种解决多层次设备布置问题的方法。该方法不仅适用于单层次设备布置问题，而且适用于多层次设备布置问题。然后，将该算法与启发式布局法相结合，并将该算法进行了改进，形成了SABLE算法，降低了对初始布局的依赖程度。Patsiatzis(2002)在对多层建筑结构的最优布置进行了分析，认为建筑结构的层数应根据用地大小、设备数目等因素来确定。Lee(2005)在研究多层设备布局时，考虑到了厂房内的墙体和走廊设计对布局的影响，选择了改进的遗传算法来解决，并对各个楼层中的走廊位置和设施数目进行编码。金俊娜(2014)提出了基于SLP的多层工厂车间布局优化方案，并将该方案应用于多层工厂，从而有效地解决了因设备布置不合理而引起的各类“瓶颈”问题。吕品，李谷雨(2016)以某城市的一家糕点工厂为案例，采用层次划分法，将每一层的操作单元划分出来，并在此基础上，采用SLP法，对每一层的操作单元进行了优化。最终获得多层厂房的最优布置方案，以解决当前食品制造企业中存在的冷热交互、噪声干扰和物流运输路线迂回等问题。丁洪伟(2021)以散热器类制造企业多栋多层厂房为研究对象，基于设施布局相关理论，结合企业实际现状和需求，综合考虑各方面影响因素，采用两阶段MFLP方法，构建适用于多栋多层厂房设施布局两阶段数学规划模型，并设计GA-SA混合求解算法，为多栋多层厂房设施布局问题提供科学解决方案。(2)单目标与多目标设施布局问题研究当前，对设施布局规划的研究主要集中于单一目标，然而，在实际的布局设计中，设施布局规划往往是一个多目标、多因素共同作用下的多目标优化问题。Rosenblatt(1986)首先提出了一个多目标的工厂布局规划问题，提出了一个以最低物流处理费用、最大设备紧密度为目标的最优方案，并给出了相应的求解算法。于瑞峰(2004)在考虑物流要素的同时，引入了生产操作要素，并对其进行了定量化处理，建立了一个兼顾物流要素和人工要素的人力要素的人力资源设备优化模型，并且用改进过的遗传算法进行了解决。叶慕静，周根贵(2005)将物流成本和非物流关系作为优化目标，提出了一种基于局部寻优的多目标遗传算法。刘军(2018)将车间设备布置问题作为研究对象，针对不同类型的设备布置问题，提出了相应的约束处理方法，从而实现设备布置的最优。在此基础上，本项目拟以多目标蚂蚁（MOACO）算法为全局最优解，并将局部寻优与多个启发式策略相融合，构造出一类新型的多目标蚂蚁优化算法。万浩然(2020)在GIS空间服务水平分析的基础上，针对研究区特点，采用遗传算法构建了多个目标的优化模型，实现了服务人口指标、服务可达时间指标和用地指标三个指标的有机统一，并在此基础上实现了空间服务水平的全面提高，并取得了较好的效果。(3)静态与动态设施布局问题研究静态布局是指工厂生产过程稳定以及需求不变的布置问题，而动态设施布置则指生产工艺和产品需求不断变化的布置问题。Lacksonen和Enscore(1993)针对动态设备布置问题使用了五种数学规划方法进行研究，并将不同方法的效果进行对比。结果表明，平面分割法优于其他方法（如分支定界、动态规划等）。陆皆炎,赵高晖等(2012)提出了利用VRML的虚拟现实技术来实现车间的动态规划，并在此基础上提出了新的解决方案。同时，通过多个4阶矩阵变换装置的坐标，建立了一个动态的虚拟车间，从而实现了车间的动态拖拉布局，为车间的流水线布局和管理提供了一个平台。刘景发,王大文(2018)针对不同区域下的设备布置特点和要求，建立了不等面积区域下动态设备布置的连续性模型，并给出了一种基于Wang-Landau采样的启发式算法，对其进行了数值模拟，验证了所提方法的有效性。赵旭,黄静韵等(2022)针对港口吞吐量的固定水平不能同时满足长期规划期间的需求变化，将港口吞吐量水平与港口吞吐量水平相结合，构建港口吞吐量水平的多目标、多阶段的动态优化模型，并将其应用于港口系统总成本、碳排放、顾客满意度等方面。(4)相等面积与不等面积设施布局问题研究相等面积设施布局问题是要在一个面积已知的区域内布置数量固定的设施，并让每个设施所占面积相等；不等面积设施布局问题是要在一个面积已知的区域内布置数量固定的设施，但每个设施所占面积可以不相等。Bazaraa和Elashafei(1979)提出了一种解决QAP问题的分枝定界方法，该方法将规划过程分成若干个步骤，每一步都决定一个设备的局部位置，直至全部设备都已确定。Burkard和Bonnimger(1983)提出了一种解决QAP问题的平面分割方法，该方法广泛应用于设备少于8个的布局问题，该方法能够得到更多的结果。张毕西、周艳等(2004)提出了一种基于缩小空间的最优布局方式，该方式将缩小空间划分为两步，利用智能优化算法，寻找缩小空间的最佳范围，从而确定每个生产单元的地理位置，然后按照每个生产单元的面积所占的比例，再将每个生产单元的面积归一化，从而获得最佳的尺寸。周洋(2019)针对不等面积设备布置问题，提出了一种新的柔性隔间结构表达式，在柔性隔间结构的基础上，引入了具有指向性的隔间，使同一个厂房可以同时布置多个不同的布置方案。1.3.2SLP方法的研究现状SLP法是由美国R.Muther于1961年提出的，该法从定性与定量两个方面对设施布局问题作了系统的研究。GuilhermeL(2008)将多目标决策理论引入到企业规划中的物流与信息流分析中，并将SLP方法应用于企业车间布局问题。西曼(2015)利用SLP法获得各运作单元间的整体紧密联系，构建了一个以总搬运量最小、总运作空间最小为目标函数的优化模型，并利用遗传算法对其进行求解，最终在eM-plant模拟软件的基础上，实现了可视化的规划结果。葛敬东,周炳海(2016)在对物流强度、非物流关系以及其它约束边界条件进行分析研究的基础上，采用SLP法对扩展后的布局进行优化，从而避免了物流路径在工艺过程中的交叉，降低了物流密度，提高了车间的空间利用率，提升了生产效率。李正军,赵凤(2018)从“中国制造2025”对制造业的新需求出发，探讨了基于SLP技术的工厂布局优化的新途径，并通过算例验证了SLP技术的有效性，从而验证了SLP技术的有效性。最后，指出了实施过程中的缺陷和所面临的难题。冷护基,颜文祺(2019)以多个加工区的车间布局问题为研究对象，采用基于SLP的4个最优布局方案，并将其转化为遗传算法的初选群体，从而克服SLP的主观因素，提高遗传算法的寻优效率和精确度。陈诚,林秋婷等人(2020)提出了一种EIQ-ABC-SLP法的钢铁物流园区仓库布置方案，先用EIQ与ABC相结合的方式，对园区仓库货物进行了统计，确定了各货物的流动频次，并通过计算出各货物之间的关联度，得出了各货物之间的关联度，进而采用SLP布置规划法实现了仓库的合理布置，并通过实际案例进行了验证。张永强,李星圆等人(2021)以林产品仓库为例，利用最优SLP和SHA相结合的方法，对其进行了再设计，并基于EIQ分析，以降低运输费用为目的，对多种方案进行了对比，确定了最优的配置方案。马晓恬,李涛,谭鹏(2022)以某试制工厂为研究对象，采用SLP分析法，收集了试制工厂所涉及的几个主要因素的数据，通过统计表格和分析模型等方法对其进行了梳理和分析，得出了最佳的工厂布置方案，从而达到提高工厂生产能力和工作效率的目的。1.4研究综述通过对已有文献的学习与分析，与研究方向相结合，我们可以看到，关于设施布置问题的研究并不是一个新兴领域中的问题，不管是在国内外，还是在我国，都有大量的文献开始对其展开了探讨。但是，我国在这方面的研究，多集中在传统设施布置的理论上。与此同时，由于布局问题及现实环境的复杂，传统SLP在实施中存在着许多缺陷，例如缺乏对物流策略的高层次规划，缺乏灵活性等。另外，传统的设备布局方式在最终的方案选取中有太多的主观性，很难客观地反映布局要求。很多学者运用遗传算法、模拟退火算法、粒子群算法等有关的算法来解决较优布局，即把SLP与智能算法结合起来，可以弥补SLP主观性较强的缺点，从定量和定性的两个角度来解决最优布局。在这些方法中，遗传算法是最典型的一种，它比较成熟，本文将采用这一启发式算法对设施布局优化问题展开研究。1.5研究的主要内容和技术路线1.5.1研究内容本文以YQ公司滚筒洗衣机车间布局为研究对象，详细分析了该公司的车间设施布局现状和存在的问题，并采用SLP和遗传算法相结合的方法对YQ公司车间布局进行重新规划，进而帮助该公司降低生产成本，提高作业效率。以下是本文研究的主要内容：第一章介绍了本课题的研究背景和研究意义，并基于国内外设施布局问题和SLP方法的研究现状，针对目前研究中仍然存在的问题，给出了本文的研究方法和思路。第二章简要阐述了本文所涉及到的相关理论，主要包括SLP法和遗传算法等。第三章对YQ公司的生产现状、生产流程、生产设备的布置等进行了详细的描述，并通过对生产车间的布置、物流流程的分析，得出了目前生产设备布置中的一些问题。第四章用SLP方法对车间物流要素和非物流要素进行分析，得出了作业单位间的综合物流关系，并给出了初步的布局优化方案。

第五章基于SLP方法得到的初始布局方案，用遗传算法对布局问题进行建模、求解和评估，进而得出了最优的车间设施布置方案。第六章总结了本论文的研究结论，并探讨了研究中存在的不足之处，为今后的研究提供了方向。1.5.2技术路线本文以YQ公司滚筒洗衣机生产车间为研究对象，分析车间布局现状并总结存在的问题，希望能用SLP和遗传算法进行车间布局优化，从而达到提高生产效率，增加企业经济效益的目的。本文研究的技术路线如图1-1所示。图1-1技术路线2.相关理论基础2.1设施布置理论2.1.1设施布置的相关概念设施布置是将生产过程中所需的各种设备、工具和材料等有机地组合在一起，以形成一个有效、高效的生产环境，实现产品的生产。设施布置直接关系到生产效率、质量和成本，并需要根据不同的生产任务要求进行定制化设计，以尽可能满足不同的生产需求。常见的设施布置包括车间内部各项设备的摆放，输送带，灯光、通风系统、安全标志以及应急措施等。设施布置的合理性和高效性对企业的经营运作和生产流程至关重要。2.2SLP方法理论SLP方法概念及基本要素SLP方法介绍SLP方法以图表为分析操作工具，分析生产运作中的物流关系和非物流关系，并按一定的权重比例汇总，获得各个作业单位间的综合关系。最后，以这些关系的重要性为依据，对它们进行了分类，从而得出了不同工作之间的相对位置关系图。企业可以以作业单位面积的尺寸为依据，并结合实际情况，参照该位置关系图，来进行合理的位置布置。相对于以前的定性分析相比，SLP法对各个作业单元之间的各种联系进行了定量分析，使得设备布局更为科学、合理。(2)SLP法的基本要素1)P(产品、材料和服务):P是指公司生产各种产品的材料和服务因素。产品因素对生产体系的结构和各工作单元的相互关系，对设备的选择，材料的处理方式等都有一定的影响。

2)Q(物品的数量):Q是指所生产的产品或者所提供的服务，Q由生产规划决定，它对生产的多少，所需的设施数目等都有一定的影响。

3)R(生产的工艺路线):R代表产品的生产制造方式，与制造过程的设计有关。通常使用工艺流程图、路线图以及设备表等形式来表示。

4)S(辅助服务部门):S是指为生产提供辅助的各种要素，例如：办公室，维护部门，餐厅，宿舍等。这些部门是保证正常生产的重要部门，因此，在工厂布局时，也要给予足够的重视。

5)T(时间):T是指该产品在何时、何时、何时被制造出来。包括每个工作单元的运行时间，更换的批次等。在以上五个基本要素中，P和Q是其它因素或条件的依据。只有在对每一个因素进行了充分地调查，并获得了相应的数据之后，才能利用表格、图表以及数学模型来对这些因素进行分析和计算，最后得出一个适合的设计方案。2.2.2SLP的实施步骤

(1)准备原始材料在开始的时候，首先要收集上述五种基本元素的信息，并对作业单位的划分情况做初步分析。

(2)分析物流关系和非物流关系

在一些生产过程为主的企业中，物料搬运是生产流程中最重要的部分，因此需要对物流进行分析以缩短作业单位间的距离和运输量。但在一些物流运量较小的单位或服务企业中，非物流分析比较合适，对于那些辅助部门和生产部门之间有多次信息交换的制造部门，也需要考虑到非物流关系。对于系统设备布置而言，物流分析与非物流分析同样至关重要。(3)分析作业单位间的综合关系通过将物流关系表与非物流关系表按一定比例进行权重叠加，可以获得企业中不同工作单元之间的综合关系表。通常使用权重比例1:3或3:1，若权重太高或太低则会导致只考虑一种关系，因此要选取合适的权重。

(4)绘制位置关联图

在建立了综合关系之后，要按其规模进行定位关联。应指出，位置关联图只反映了各工序之间的相对位置，并没有考虑到各工序单元的面积及形状，所以在实际布局上，与此图可能会有一定的差别。

(5)绘制面积关联图

将每个工作单元的实际面积与形状，按一定比例加入到位置关联图中，即得面积关联图。

(6)修正

在此基础上，根据企业生产的实际情况以及其他未考虑到的细节加以修正，从而获得几种不同的选择。

(7)方案的评价和选择

根据目前所获得的多种备选方案，从费用、技术和成本等多角度综合考虑，并通过对比，确定最佳布置方案。SLP的实施程序如图1-2所示。图1-2系统布置设计实施程序2.3遗传算法理论2.3.1遗传算法的概念和原理遗传算法是在生物进化原理的基础上发展出来的搜索和优化算法，模拟自然界中个体繁殖、适应、选择、交叉和变异等过程。它通过不断产生新个体并筛选出适应度高的个体来实现对问题空间的探索和优化，因此适用于很多优化问题，如函数优化、组合优化、机器学习等领域。与其他优化方法相比，遗传算法不需要先验知识，且具有较强的全局搜索能力和自适应性，因此被广泛应用于实际问题的求解。生物个体的染色体中含有可以传给下一代的基因，每个基因有两个等位基因，分别来自个体的父母。生物个体的某些特征由这些基因所决定。当一个生物个体繁殖时，它的基因会随机地传递给下一代。有些基因会突变，导致下一代的遗传信息发生变化。基于这种遗传和进化的机制，遗传算法的原理就是基于以上所描述的生物现象，模仿生物个体的遗传和进化过程，在产生的新个体中不断迭代，逐步对单个个体进行搜索，最终获得全局最优解。2.3.2遗传算法的优缺点遗传算法的优点之一是可以解决包含多个优化目标和多种约束条件的优化问题，适应性较强。此外，遗传算法独特的产生新个体的方式能够有效避免陷入局部最优解，并以此实现全局搜索。同时，遗传算法天然适用于并行计算，可在不同硬件平台上进行高效实现。

然而，编码方式选取对算法的性能影响很大，如果选择错了可能会导致搜索空间过大、难以收敛等问题。参数调整也是使用遗传算法时需要面对的一个问题，需要根据实际情况进行折衷处理，来找到合适的设置。另外，由于种群内的每一个个体都需要进行评估，所以运算速度相对较慢，对于一些大规模优化问题，寻找最优解可能会花费比较长的时间。2.3.3遗传算法的实施流程(1)编码：算法开始前要先将问题的解进行编码，使其成为染色体（即基因序列），并将染色体表示成可处理的形式。例如，可以将一个解表示成一个二进制串，其中每个位表示一个决策变量的取值。(2)生成初始种群：通过预定或者随机生成一定数量的初始种群，这些个体（即染色体）将成为算法最初输入的量。种群的大小一般是事先设定的，并且应该足够大，确保算法结果能够收敛到最优解。(3)适应度评价：适合度是指对每一个个体的目标值进行测量，使其达到最小或最大。适合度评估用来决定哪些人可以进入下一阶段。计算每个个体的适应度，这通常是问题的优化目标。(4)选择：通过对各个体的适应度函数进行分类，选出最佳个体进行下一代的繁衍。在挑选的过程中，一般采用轮盘赌或者竞赛选择的方式。(5)交叉：交叉操作就是将两个个体的染色体进行重新组合，从而产生新的个体。该步骤的目的是保留较优的特征，并淘汰较差的特征。(6)变异：对新生成的个体进行突变操作，从而在群体中产生更多的多样性。变异运算一般是对特定的基因进行随意的修改。通过对变异运算，使算法具有更大的搜索空间。(7)终止运算：如果符合停止条件，就用当前种群中表现最好的个体作为最终解。可以反复进行上述步骤，直至满足结束条件(如最大循环个数或得到一个满意的解决方案）。该算法能在求解空间中不断地寻找，并不断地向最优解靠拢。该算法实施流程如图1-3所示：图1-3遗传算法实施流程2.4SLP与GA结合设计本文将遗传算法与SLP相结合，通过实际问题和数学模型的结合解决问题。这种方法兼具SLP方法的系统科学性和遗传算法的高效准确性，可得出接近最优的布局方案。二者结合的设施布局优化设计流程请参照图1-4。图1-4SLP与遗传算法相结合设施布局流程图3.YQ公司生产现状及问题分析3.1YQ公司基本情况3.1.1公司概况YQ公司是一家专门从事洗衣机生产的大型合资企业。主要产品为洗衣机、干衣机、滚筒洗衣机、变频洗衣机、双桶洗衣机。公司目标是形成年生产全自动洗衣机185万台、双桶洗衣机25万台、迷你洗衣机30万台、干衣机10万台，其中80%产品考虑在中国内销，20%产品考虑出口外销。3.1.2公司总体布局图YQ公司于今年圆满完成了新工厂的搬迁，公司占地30000平方米，拥有厂房15000平方米，办公楼2000平方米。公司总体布局如图3-2所示图3-2总体厂房布局图注：A——源泉楼：冲压·喷涂工场、成型工场；B——组立楼：金工·离合器工场、洗衣机工场、P板工场、零部件仓库；C——成品仓库：成品洗衣机、干衣机存放；D——福利楼：食堂、培训室、保健管理室、更衣室3.2YQ公司车间布局现状3.2.1总装车间布局现状本文所调研的为YQ公司滚筒洗制造科的自制件总装车间，当前车间布局图如图3-3所示，首先经板材冲压、滚筒冲焊和喷涂后，将生产好的桶体组件和底座组件分别存放在箱体库和底座仓库，同时到塑料粒子库领料后经注塑和桶体冷却操作后，分别将盛水桶组件和脱水桶组件运送至相应的仓库存放，待滚筒SUS线的滚筒组件生产好并达到一定的库存量后，将箱体、箱体底座、盛水桶和脱水桶按一定的批量运送至总装车间库，配合滚筒的生产节拍全部转运至滚筒线进行滚筒洗衣机的总体装配。图3-3生产车间布局图3.2.2滚筒总装车间布局滚筒总装车间内共设置三条装配线，21#线与22#线生产在国内销售的滚筒洗衣机，23#线生产出口欧洲及东南亚的滚筒洗衣机。21#线与22#线呈完全对称结构排列。三条装配线占据整个车间3/4左右面积，另外1/4为一个暂存仓库（又称之为内库）和办公室，暂存仓库存放大件、配送频率高的部分部品。车间一端与物流仓库（又称之为外库）相连，另一端与成品库相连。车间布局简图见图3-4。图3-4总装车间布局简图3.3YQ公司生产流程现状及问题分析如图3-7所示为滚筒洗衣机生产工艺流程简图。装配机身所用部品分为两类，一类是工厂自制的部品，包括箱体组件、底座组件、SUS滚筒组件、盛水桶组件、脱水桶框架。图3-7滚筒洗衣机生产工艺流程图五种自制件分属不同制造科，因此由各个制造车间按统一的生产计划生产。半成品存储于各自车间，在适当时候批量送入滚筒总装车间参与洗衣机总装。而外协件则由供应商运送至物流仓库，验收后存储，在适当时候批量送入滚筒总装车间参与洗衣机总装。3.3.1物流流程分析A公司的生产车间地面布局为两幢两层厂房——源泉楼和组立楼，厂房两头和中间以连廊相连。

源泉楼一楼为成型工场和冲喷工场。由于洗衣机桶体注塑成型后，需放置1小时至48小时不等的时间冷却，因此成型部品库存量较大。波轮洗衣机的桶体通过悬挂链运往二楼成型部品仓库存放，滚筒洗衣机桶体组件则使用平板车，通过电梯运往二楼。取用时，需要使用平板车，通过电梯运往一楼桶体暂存区，再分装至托盘，由叉车运往滚筒车间组装。其中，桶体组件在此过程中的装货过程有4次，卸货过程有4次，使得整体搬运时间过长，工人劳动力和劳动时间都存在一定的浪费。自制件从生产线上下线到运送至装配线线边暂存区之间的装卸过程和次数统计见表3-1表3-1自制件装卸过程和次数统计表在冲喷工场中，金属板材经开卷、冲压、焊接得到箱壳、底座白坯，然后运至喷涂线进行粉末喷涂。为防止表面划伤，每片箱壳和底座下线后都要用布袋包装，然后再码放入专用的铁架框中运至箱体暂存区。使用时，再运至滚筒总装车间暂存仓库，然后运至线边暂存区。

SUS滚筒制造线位于组立楼一楼，与滚筒总装车间相邻。铁皮冲孔、旋压成型后，叠放于平板车上。由于滚筒制造节拍小于装配线节拍，因此一般需要在过道等待一段时间再运往装配线线边暂存区。若装配线加班工作，滚筒制造线则将提前生产的滚筒存放于滚筒仓库。3.3.2搬运路线分析每次选择一种自制件，跟随它沿整个配送过程收集路线、搬运距离等资料，得到搬运路线图如图3-8所示。经过调研，箱体和底座组件、盛水桶组件和脱水桶框架在各自车间的存储区相似，且搬运路线相似，因此分别合并分析。 桶体配送路线桶体下线-存储路线箱体、底座配送路线图3-8自制件搬运路线图(1)箱体组件和底座组件：箱体和底座组件的搬运量最大，但是箱体冲压喷涂工场分布于源泉楼的最右边，与滚筒总装车间相距最远，搬运路线过长，如局部放大图3-11所示，使得搬运时间增加。为防止装配线因缺料产生中断，总装车间在暂存仓库中设立了箱体和底座暂存区，面积约26平方米，可同时存放13框铁架框。每线的箱体和底座（有部分洗衣机型号只有箱体）各存放一框作为缓存，这样占用6框的库位，另预留3个库位存放用完下线的空框，剩余4框的库位由冲喷科箱体配送人员根据线上情况机动配送。同时考虑到装配线可能临时切换生产型号，也需要一定的空位给换线时预先配送的下一个机型的产品。目前若三条装配线同时生产，需要配备三名工人进行配送。

由于产量的增大，总装车间23#线正在进行线体直线化的改进以增大产能，这样一来，暂存仓库成为面积上的限制因素。若能改变冲喷车间布局，优化搬运路线，从而缩短搬运时间，减少甚至取消箱体暂存区（直接运至线边），那么就能减少部分线体直线化的阻力。

(2)盛水桶组件和脱水桶框架：由于桶体一次配送量少，所以存储区域相对于其他自制件距离总装车间较近，且和箱体底座一样，在暂存仓库中也有12个托盘库位大小的暂存区域，约26平方米。除了1托叠放空托，1托叠放桶间分隔用的纸质插片外，其余10托都可用来存放备用桶体。一般也是每线存放2托，共占去6托库位，另外4托库位由配送人员以实际情况决定存放。桶体的配送路线较为简短，但是若自下线后开始跟踪桶体的搬运路线可以发现，桶体下线后，存放于生产线北部的冷却暂存区，用托盘分装后，又运至南部的三个暂存区，其中存在物流倒流现象，且脱水桶框架需要运至车间最南边，搬运路线过长。若在厂房设计布置之初能够调整好布局，那么这种现象可以得到避免。

(3)SUS滚筒：滚筒组件在配送到三条装配线的过程中，需要两次穿越线体，与装配流交叉时引起短暂停滞和堵塞，并且存在一定的安全隐患。并且在不久的将来，装配线体将改为自动化直线式，线体间就不会再存在通道可以供滚筒搬运所用，因此需要找到较为合理的方案来解决此问题。3.4问题总结根据以上分析，自制件在供应总装车间物料的过程中存在以下几点问题：

(1)箱体组件、底座组件的搬运量最大，但是搬运路线过长，且线路迂回，增加了单趟配送时间，不利于提高搬运效率。(2)联系紧密的作业单位间距过大，使得在产品生产和存储的流程不够连贯，从而产生了很多不必要的浪费。(3)盛水桶组件、脱水桶框架在生产、存储、分装过程中搬运活性系数过低，装卸次数过多，造成工作人员重复劳动。(4)作业单位区域的形状设计不够灵活，使得车间整体规划区域的面积利用率较低。

(5)SUS滚筒组件在搬运过程中两次穿越装配线，易引起装配流中断，且具有一定危险性。

(6)由于自制件配送花费时间较长，为避免因为配送不及时引起生产中断，总装车间中为其设置了暂存区，占用了较大面积，为生产线体直线化增加了阻力。随着YQ公司生产规模的扩大，因设备布局不合理而造成的物料搬运浪费问题也越来越突出。为此，本论文在第4、5章中，将SLP与遗传算法相结合，对工厂进行再规划，以期达到降低工厂资源浪费及工厂布局不合理的目的。4.基于SLP的YQ公司车间布局优化4.1车间物流关系分析4.1.1作业单位面积需求分析当前自制件总装车间是一个长为150m，宽为100m的矩形形状标准车间，占地面积为15000平方米。根据自制产品的工艺流程，生产部门下又分为16个作业单位，分别为滚筒板材冲压线，滚筒冲焊线，喷涂，箱体暂存，箱体底座暂存，塑料粒子库，注塑，桶体冷却暂存，盛水桶暂存，框架暂存，总装车间暂存，搁脚库，滚筒线，滚筒暂存，滚筒SUS线，车间办公室等。此外，一些作业单位与本文所研究对象的生产流程没有直接关系，在车间设施规划时不将其考虑在内。具体作业单位面积需求见表4-1。表4-1作业单位划分表4.1.2作业单位物流强度分析(1)汇总作业单位间的物流量由产品的工艺流程图和作业单位间的物流量，可以统计出各个作业单位之间的物流强度，并赋予每个作业单位一个代号，方便记录各作业单位之间的物流关系和强度，编号见表4-2。表4-2作业单位编号利用玛格数计算五种自制件的当量物流量。以盛水桶组件为例，一次运输为一托盘，数量为20个，总体积V=3.14×252×26×0.061×20=62250.5立方英寸。由于每个自制件单耗为1，因此为提高查表精确度，以30个的体积为准，查询玛格基本数图后，得A=48.0，取修正因素后，得到当量物流量为60吨/年。用相同的方法计算出其他自制件的当量物流量，并表示在产品的工艺流程图上，得到了工艺流程物流图如图4-1所示。图4-1工艺流程物流图根据工艺流程物流图，得到物流强度汇总表4-3。表4-3物流强度汇总表(2)划定物流强度等级根据上述汇总表，物流量大小不同，应划分强度等级来区分。可将其划分为A、E、I、O、U五个等级，等级由高到低对应的物流量逐渐减少。每个等级所占比例请参阅表4-4。表4-4物流强度等级划定表先把各个作业单位对之间的物流量按从大到小排序，然后根据上述的物流强度划分表给每个作业单位对划定等级，具体见表4-5。表4-5作业单位对物流强度分析表(3)绘制物流相关图根据上述分析，得到物流相关图如图4-2所示。图4-2作业单位物流关系相关图4.2车间非物流关系分析设施布局需要考虑物流因素对车间生产的影响，因此物流分析是SLP重要的依据。但单纯从物流方面考虑并不够全面，实际生产过程中还需考虑非物流因素。由于不同企业车间生产特点不同，因此不同作业单元间相互关系的影响因素也不相同，下面是一般影响因素：作业的相似性物料搬运量使用相同的设备使用相同的场所作业联系的频率安全性和污染方便监督和管理作业的连续性生产服务的频率和紧要程度噪音、震动及危险品根据YQ公司的特点，包括工作性质，有无噪音，污染等，得到车间内各作业单位的特点，如表4-6所示。表4-6车间各作业单位特点根据企业资料和车间实际情况，整理出4条非物流关系影响因素，具体见表4-7。表4-7作业单位非物流关系影响因素表在确定要考虑的影响因素后，划定关系密切程度为A、E、I、O、U、X六个等级，具体见表4-8。表4-8非物流关系等级与比例划分我们可以根据表中非物流关系重要程度等级，逐一分析四个实际的非物流关系因素对车间布局的影响，并判定其重要程度。例如，板材冲压和滚筒冲焊会产生噪声并具有较高的危险系数。为打造舒适整洁的办公环境，它们需要与车间办公区远离，因此它们的等级关系为X。确定各个作业单位对等级后，即可绘制出作业单位非物流关系相关图4-3。图4-3作业单位非物流关系相关图4.3车间综合物流关系分析综合物流关系分析是指考虑作业单位间的物流和非物流因素，可以通过将它们的重要性程度数量化并采用赋权求和的方法来确定它们的比例，可以得到综合关系等级，进而展开后续车间布置。(1)确定物流因素和非物流因素的权重。一般情况下，物流关系和非物流关系的重要程度比m:n理应介于1:3到3:1之间。基于该车间实际情况，物流因素较非物流因素在该生产车间中对各方面的影响更大，但非物流因素的影响不可忽略，故本文取二者重要程度比m:n=2:1；(2)量化综合关系等级。划分等级的取值和比例范围见关系种类取值表4-9。表4-9关系种类取值表(3)进行量化计算。具体综合关系计算如表4-10所示。表4-10作业单位综合关系计算表(4)根据上述计算表格对综合关系等级的对数和百分比进行汇总，汇总结果见表4-11。表4-11作业单位综合关系等级汇总表(5)根据上述分析，得到作业单位综合关系如图4-4所示。图4-4作业单位综合物流关系相关图4.4作业单位相关图在SLP法中，所得到的布局图称为各作业单位位置相关图，即布置的顺序只考虑了作业单位间的密切程度等级，而非其他因素。由于相同级别可能有多个作业单位，因此需要对它们进行综合接近程度的评分，并按照得分从高到低进行排名。排名越高，说明该作业单元与其他作业单元之间的关系越密切，在布局中的重要性也就越大，因此应将其布置优先性放在第一位。4.4.1作业单位位置相关图(1)定义各关系等级表示方式以及系数值基于上文所划定的关系等级A、E、I、O、U、X，它们的具体含义和表示方式见表4-12。表4-12关系等级表示(2)综合接近程度计算根据综合关系等级的划定和其所代表的数值，进行计算，得到各个作业单位接近程度综合分值，再由大到小对其进行排序，具体结果见表4-13。表4-13综合接近程度计算表(3)根据上述分析，得到作业单位位置相关图4-5。图4-5作业单位位置相关图4.4.2作业单位面积相关图根据各作业单位所需的面积分析，结合位置相关图，采用适当的比例和形状进行多次反复调整和重绘，最终得到了YQ公司车间作业单位面积相关图。总体生产区域矩形保持不变，但不同的作业单位可以在面积固定的情况下对长和宽进行适当调整。作业单位面积相关图如图4-6所示。图4-6作业单位面积相关图4.5初始车间布局方案基于上述两个关系图，可以得到初始优化布局方案如图4-7所示。图4-7初始优化布局图该方案与上文中的原始布局方案相比，有如下优势：(1)交换了桶体冷却暂存区与塑料粒子库的位置，既减少了盛水桶组件和脱水桶组件的搬运距离，又提高了其搬运活性系数。(2)将箱体暂存区和底座暂存区换到了冲压线和喷涂线之间的位置，这样大大减少了箱体和底座运往总装车间暂存区的搬运距离，从而降低了车间材料搬运成本，也使得车间生产效率得到了提高。由于这个初步的布局方案并没有考虑到充分的约束条件，每个作业单位也没有进行准确的计算，所以它带有很大的主观性，仅仅是一个理论上的理想布局方案，还需要对其做进一步的调整和优化。5.基于遗传算法的YQ公司最终布局优化与评价5.1基于遗传算法的车间布局优化模型构建5.1.1车间设施布置的建模思想工厂设备布置设计不仅是规划设计者们一直关注的焦点，而且是一个多学科交叉的课题。将车间设备布置问题分解成一个多目标以及多约束的组合优化问题，不仅包含了物流关系，还包含了非物流关系，并在满足某些约束的情况下，实现全局最优。本文所研究的布局类型是面积不等的连续多行布局，且目标函数值最小的问题。YQ公司的生产车间设备布置是以最小化整体物料搬运量为目的，同时提高相互关联的工作单位间的距离。于是，以物料搬运总量最小和非物流关系总和最大为目标，构建目标函数，并应用相关的设施布置理论，构建设施布局优化模型。构建模型的基本流程如图5-1所示。图5-1模型建立流程图5.1.2模型假设根据YQ公司车间的实际情况，本文所构建的模型假设条件有：(1)整个车间的形状可视为矩形。直角坐标系的原点在该矩形的最左下角，X轴为车间的长，Y轴为车间的宽。(2)每个作业单位的形状可视为平面矩形，并且它们边都是与X轴和Y轴平行的。(3)各作业单位之间在X轴方向上的间距已知，且在Y轴方向上的距离由实际情况决定，使得每一行作业单位具有相同的Y轴坐标。(4)假设所有物料的搬运路线都平行于X轴或Y轴。根据上述假设，YQ公司的生产车间布局示意图如图5-2描述。图5-2车间布局坐标示意图其中：i：第i个作业单位；xi：第i个作业单位的中心点到x轴的距离；yi：第i个作业单位的中心点到y轴的距离；Li：第i个作业单位平面矩形的长；Wi：第i个作业单位平面矩形的宽；xij：作业单位i和作业单位j的边界在x轴方向上的净间距；yij：作业单位i和作业单位j的边界在y轴方向上的净间距；下标为j的代号与上述同理。5.1.3目标函数的构建(1)物料总搬运量模型该模型所要实现的目标是总物料搬运量最小，其中搬运量可由搬运距离和物流量的乘积表示。假设有一个任意的车间布局方案s，该布局中有n个作业单位。取任意两个作业单位i和j，它们之间的物流量用fij（i,j=1,2,…，n）表示，搬运距离用dij（i,j=1,2,…，n）表示。得到作业单位流量矩阵和搬运距离矩阵如公式(5-1)和(5-2)所示。(5-1)(5-2)基于上述假设条件(4)可定义搬运距离公式为dij=xi-xj+|yi-yj|(5-3)非物流关系密切程度模型除物流关系外，车间作业单位的非物流关系也对总体布局产生影响，它由各作业单位之间的搬运距离和对应的非物流关系等级的乘积来表示。设Tij为作业单位i和j的非物流关系等级对应的系数值，则每个作业单位的非物流关系总和C2可用公式(5-4)表达。(5-4)在上述公式中，符号bij表示作业单位i和j之间的搬运距离和与之对应非物流关系等级的乘积因子，具体取值参考表格5-1和5-2。表5-1非物流关系等级量化表表5-2非物流关联因子取值dmax是指车间规划区域长和宽之和。基于以上分析，YQ公司车间设施布局优化目标为作业单位间总物料搬运量C1最小化和非物流关系总和C2最大化，具体表达式见(5-5)和(5-6)所示。(5-5)(5-6)在此基础上，可引入线性加权求和的思路，将两个目标转换成一个单一目标，从而达到简化函数计算的目的。因为这两个目标函数具有不同的量纲，在计算的时候会给结果造成误差。为避免由于量纲不同而产生差异，并使得每个目标函数值在（0,1）范围内，需要对两个目标函数进行归一化处理，使用归一因子、。此外，不同的优化目标在车间生产中还需考虑不同的权重，因此赋予这两个目标函数一个权重系数1和2，并确保它们之和为1。得到最终目标函数见(5-7)。(5-7)(5-8)(5-9)式中，1和2分别是物料搬运总量和作业单位非物流关系总和所占的比重，根据YQ公司车间生产实际情况以及前文SLP分析中定义物流关系和非物流的比重为2:1，故在此给定1为2/3，2为1/3。所以得到最终目标函数表达式为(5-10)所示。(5-10)5.1.4约束条件车间实际生产设施占地面积的边界约束以及作业单位布置合理性的约束是本模型的主要约束条件，具体如下：(1)边界约束(5-11)(5-12)(2)作业单位不重叠约束(5-13)(5-14)其中，L：生产车间总布局的长W：生产车间总布局的宽Li：作业单位i的长Wi：作业单位i的宽xij：作业单位i和作业单位j之间的横向距离yij：作业单位i和作业单位j之间的纵向距离5.2基于遗传算法的模型求解过程5.2.1编码方式编码就是用一种变换的方式来表示一个问题的可行解，也就是用一种变换的方式来表示该问题可能的的解决方案。在遗传算法中，首先要解决的问题就是如何对其进行编码，这也是遗传算法设计中的一个重要环节。本文所研究的设备布置问题，其核心是要确定不同工作单位间的相对位置，从而得出一个布局，它不是一个数值操作，因此，在利用遗传算法来解决这个问题的时候，它只涉及到了符号的位置，而不涉及到它所代表的数值，因此，本文采用符号编码的方法。用{1,2,3,4，…，16}来对YQ公司车间中的每一个作业单位进行编号，其排列顺序是以整个车间区域的左下角，也就是坐标原点为起点，从左到右，从下到上，并且与自动换行策略相结合，当同一行中的作业单位长度和间距的总和超过了所要规划安排的车间区域的长度时，后面的作业单元就会自动进入下一行。例如某个方案对应的个体染色体编码为{1,2,3,4,5,6}，则它的布局如图5-3所示。图5-3方案布局示意图5.2.2初始种群在遗传算法中，初始种群是一个初值，它的性质直接影响到了计算的效率和结果。如果选择较大的初值，则会导致算法的求解过程太过繁琐，且需要较长的收敛时间；在选择较少的初始群体时，由于算法的提前收敛，使得算法进入了局部极小值。通常情况下，最初的种群规模以20-100为宜。为提高遗传算法的运行效率和准确性，一般会采用预定或随机方式产生初始种群。对于布局优化问题，可以将用SLP方法得到的初始优化布置方案和随机产生的方案作为初始种群。本文的研究课题一共涉到了16个作业单位，分别对其编号：1板材冲压线，2滚筒冲焊线，3喷涂，4箱体暂存，5塑料粒子库，6注塑，7桶体冷却暂存，8滚筒SUS线，9滚筒暂存，10箱体底座暂存，11搁脚库，12框架暂存，13盛水桶暂存，14总装车间暂存，15滚筒线，16车间办公室。5.2.3适应度函数适应度函数也被叫做评价函数，它是一种以目标函数为基础，来判断群体中个体或解的好坏程度的标准。越是优秀的个体，适应度函数值就会越高，在遗传过程中将其传递给下一代的概率就会更大，这样才能让优秀的个体属性能够持续地遗传下来。目标函数值可能是负的，但适应性值不会是负的，因为目标函数可能是最大的，也可能是最小的，所以要把目标函数和适应性函数进行转化，主要有以下三种方法：(1)直接转换法。公式见(5-15)：(5-15)(2)界限构造法当目标函数为求最小值问题时，公式见(5-16)。(5-16)当目标函数为求最大值问题时，公式见(5-17)。(5-17)(3)倒数转换法当目标函数为求最小值问题时，公式见(5-18)。(5-18)当目标函数为求最大值问题时，公式见(5-19)。(5-19)根据对适应度函数的分析和本文研究问题的目标，建议采用倒数转换法中的第一中公式求目标函数的最小值。，即：(5-20)其中，5.2.4遗传算子遗传算法的主要遗传操作包括选择、交叉、变异和终止，下面对这四个步骤进行详细介绍。(1)选择选择是指通过何种方式来选择优秀的个体，从而将其从父母群传给下一代。各种选择法具有各自的特点和应用范围，文中选取了一种较为容易掌握的轮盘赌法作为遗传操作的工具。所谓的轮盘赌方法，也叫比例筛选法，就是一个人被选中的几率和他的适应性数值成正比，适应性数值越大，他所占的比重就越大，他被选中的几率就越大。如图5-4所示是轮盘赌方法的示意图，轮盘被划分成若干个大小不等的扇面，每个扇形区的大小表示各个体的适应度在总适应度中所占的比例。在进行遗传操作的时候，轮盘转动，当它停止的时候，指针所指的扇形就是被选择的个体。虽然不能确定哪个个体会被选中，但却可以通过扇形的大小，来判断出哪个被选中的几率，扇形的面积越大，就越有可能被选中。图5-4轮盘赌方法示意图轮盘赌操作过程如下：初始种群中个体i被选中遗传到下一代的概率计算公式见(5-21)： (5-21)式(5-21)中：：个体i所对应的适应度值；：为个体i被选择的概率；N：种群规模(2)交叉在遗传算法中，采用交叉运算的方法，将父代个体的遗传信息相互转换或合并，从而产生新的子代个体。交叉运算旨在提高基因间的信息交换，提高物种的多样性，在设计与实现过程中，必须针对特定的问题与目标，在保持现有算法的基础上，尽可能地生成更多的新个体。根据设施布置问题的特点，本文将采用部分匹配交叉来进行遗传操作，下面对该交叉方式作简要介绍。部分匹配交叉是在匹配的两个染色体上随机选择两个相交的点，用来决定匹配的区段，然后通过各基因与该区段之间的对应关系，置换与该区段相配的基因值，从而得到一个新个体。该交叉操作示意图如图5-5所示。图5-5部分匹配交叉示意图(3)变异在遗传算法中，通过对单个解的基因值进行随机调整，可以增加群体的多样性，并