燃氣輪機生產(chǎn)車間布局設(shè)計

李濤，胡濤，萬松，李沨

燃氣輪機生產(chǎn)車間布局設(shè)計

李濤，胡濤，萬松，李沨

應(yīng)用SLP方法對燃氣輪機生產(chǎn)車間進行初始布局設(shè)計，針對車間布局優(yōu)化建立數(shù)學模型和仿真模型，運用遺傳算法進行仿真優(yōu)化求解，為車間布局設(shè)計提供定量依據(jù)，優(yōu)化后的車間布局總物流量相比初始布局降低了19.5%。

SLP方法；車間布局；遺傳算法；仿真優(yōu)化；物流量

制造型企業(yè)20%～50%的生產(chǎn)成本用于物料運輸，而合理的車間布局可以將生產(chǎn)成本降低10%～30%，生產(chǎn)效率提高3倍[1-3]。特別是離散的制造車間，生產(chǎn)流程不連續(xù)，物流無法避免存在交叉和迂回，物料運輸成本更高，所以在車間規(guī)劃階段，合理地進行車間布局顯得至關(guān)重要。

國內(nèi)對車間布局問題的研究側(cè)重于SLP方法的應(yīng)用，以及優(yōu)化算法的研究與應(yīng)用[4-10]，研究主要以少品種大批量的流程制造車間為研究對象，物流集中在生產(chǎn)線內(nèi)，流向單一，布局設(shè)計以生產(chǎn)線平衡為目標。而多品種小批量的離散制造車間，由于工藝不連續(xù)，物料無固定流向，物流復(fù)雜，使車間布局尤為困難，這方面的研究較少。為此，結(jié)合我公司燃氣輪機生產(chǎn)車間的布局設(shè)計，分析離散制造車間的通用布局設(shè)計方法，首先應(yīng)用SLP方法求解車間初步布局，再通過仿真結(jié)合遺傳算法對車間布局進行優(yōu)化設(shè)計。

1 SLP求解車間初始布局

燃氣輪機生產(chǎn)車間產(chǎn)品種類繁多但產(chǎn)量少，包含機加工、焊接、熱處理、裝配等多個專業(yè)，屬于典型的離散制造車間。在設(shè)備類型和數(shù)量已確定的基礎(chǔ)上，可按照以下步驟進行此類車間的布局設(shè)計：①作業(yè)單元設(shè)計；②使用SLP方法進行車間初始布局設(shè)計；③應(yīng)用仿真對初始布局進行優(yōu)化；④作業(yè)單元內(nèi)部詳細設(shè)備布局設(shè)計。

1.1 作業(yè)單元設(shè)計及物流分析

燃氣輪機產(chǎn)品工藝以頻繁的數(shù)控車、車銑，以及退火、焊接、裝配為主，無法成線布置，但根據(jù)不同的制造階段也存在一定的順序，即焊前粗加工→焊接→退火→焊后半精加工→焊后精加工。因此按照工藝原則布置和產(chǎn)品原則布置相結(jié)合的方式，將車間設(shè)備劃分為12個作業(yè)單元(見表1)，其中焊后小/大型立車、焊后小/中/大型車銑屬于焊后半精加工。

表1 車間作業(yè)單元

作業(yè)單元內(nèi)不僅包括設(shè)備，還設(shè)置有在制品和工裝暫存區(qū)，各作業(yè)單元的面積相近。由于作業(yè)單元內(nèi)部各設(shè)備之間無相互關(guān)系，設(shè)備布置無固定原則，因此作業(yè)單元內(nèi)部的詳細設(shè)備布局設(shè)計本文不做研究。

根據(jù)產(chǎn)品的工藝流程統(tǒng)計物料在兩兩作業(yè)單元之間的運輸次數(shù)，形成物料運輸量從至表(見表2)，并根據(jù)物流運輸量所占比例[11]劃分為A、E、I、O、U(由強至弱)5個物流強度等級。

1.2 作業(yè)單元綜合互相關(guān)系分析

作業(yè)單元之間不僅存在物流相互關(guān)系，還因某些位置約束條件而存在非物流相互關(guān)系，見表3。

位置約束條件由作業(yè)性質(zhì)相似程度，交互密切程度，是否產(chǎn)生光、熱、煙塵等實際生產(chǎn)因素確定。

由于物流因素對生產(chǎn)效率影響較大，取物流與非物流相互關(guān)系的相對重要性比值為2∶1，A、E、I、O、U一般取值為4、3、2、1、0，加權(quán)計算得到作業(yè)單元綜合相互關(guān)系，見圖1。

1.3 車間初始布局

車間面積為225 m×96 m，廠房采用網(wǎng)架式結(jié)構(gòu)，可設(shè)置兩個48 m跨，每跨對稱分為兩部分，中間為物流通道。各作業(yè)單元的面積相近，所以把車間分為A～L共12個面積相等的區(qū)域(設(shè)施規(guī)劃中稱為工作地)，用于布置12個作業(yè)單元。AGV小車在2條橫向物流通道和4條縱向物流通道內(nèi)運行，其運行路徑見圖2。

每個區(qū)域靠近橫向物流通道的一側(cè)中點設(shè)置一個AGV站臺，作為天車和AGV小車的作業(yè)分界點。區(qū)域內(nèi)部物流由天車負責，跨區(qū)域物流由AGV小車負責。

根據(jù)作業(yè)單元綜合相互關(guān)系圖，優(yōu)先確定級別高的作業(yè)單元的位置，再結(jié)合位置約束條件，得到車間初始布局方案，見圖2。

2 車間布局問題及數(shù)學模型

2.1 問題描述

SLP方法雖然給出了系統(tǒng)的布局設(shè)計步驟，但只是定性分析，布局設(shè)計很大程度上依賴設(shè)計人員的經(jīng)驗，無法定量評價，即在車間初始布局下總物流量是否最小、還有沒有更優(yōu)化的結(jié)果無法判斷。

現(xiàn)在已知12個作業(yè)單元兩兩之間的物料運輸量，以及12個工作地和工作地相互間的距離(根據(jù)AGV站臺位置和AGV小車運行路徑計算，可得到12個工作地的距離從至表)。布局問題就是將12個作業(yè)單元分配到12個工作地，理論上存在12！種布局方案，從中選擇總物流量最小的方案，屬于典型的二次分配問題(QAP)。

2.2 數(shù)學模型

在車間各作業(yè)單元面積相近的條件下，車間布局應(yīng)遵循以下兩個原則[12]：①物流量最小原則；②位置約束，有些作業(yè)單元位置有特殊要求，需要考慮布局中固定約束的情況[8,13]。據(jù)此建立車間布局數(shù)學模型。

1)車間各作業(yè)單元之間總物流量最小

(1)

式中：Wij、Dij為作業(yè)單元i與作業(yè)單元j之間的物料運輸量和距離；n為作業(yè)單元總數(shù)量。

①鈑金成型焊接(M1)和立體倉庫(M12)靠角布置約束條件。

(2)

表示M1和M12在排序時均布置在工作地A、C、J或L其中之一。

②熱處理(M2)和焊后精加工(M11)靠邊布置約束條件。

(3)

表示M2和M11在排序時均布置在工作地A、B、C、J、K或L其中之一。

③考慮到廠區(qū)道路位置和毛坯進車間方向，焊前粗加工(M3)盡量布置在靠近主道路一邊的約束條件。

(4)

表示M3在排序時均布置在工作地A、B、C、D、E或F其中之一。

④同一個作業(yè)單元只能布置在一個工作地的約束條件。

總之，學術(shù)論文摘要作為信息來源，是論文學術(shù)質(zhì)量的反映，成為介紹或了解國內(nèi)外學術(shù)成就非常有效的途徑。學術(shù)論文摘要的翻譯應(yīng)遵循目的法則、連貫法則和忠實法則，應(yīng)按照英文摘要的普遍標準和特征來進行翻譯。

(5)

表示Mi在排序時只能出現(xiàn)一次。

3 車間布局仿真優(yōu)化

3.1 遺傳算法的運用

遺傳算法是一種通用的解決組合優(yōu)化問題的算法，應(yīng)用遺傳算法求解QAP問題已經(jīng)比較成熟。

工作地位置不變，變化的只是工作地上分配的作業(yè)單元，以工作地的編碼順序作為染色體，作業(yè)單元編號作為染色體上的基因，則QAP問題就轉(zhuǎn)變成遺傳算法中最常見的排序問題。

利用遺傳算法進行尋優(yōu)時，編碼、選擇、交叉、變異是4個重要的步驟。QAP問題屬于單行作業(yè)單元排序，可以沿用單行編碼方式，即作業(yè)單元排序直接編碼，如[2,3,1,9,8,6,4,7,5,11,12,10]對應(yīng)了一種布局方式，表示M2,M3,…,M12,M10依次布置在工作地A,B,…,K,L，這里編碼對應(yīng)的是作業(yè)單元編號，基因位置對應(yīng)工作地位置。

Plant Simulation軟件提供了通用的遺傳算法求解工具GAwizard，本文應(yīng)用Plant Simulation軟件對車間初始布局進行仿真優(yōu)化。

3.2 仿真建模

在Plant Simulation 9中建立如圖3所示的仿真模型，用機器代表工作單元，在InitPartsTable中編寫程序，處理12臺機器在12個工作地的分配以及物流量的計算。12臺機器按照車間初始布局布置，仿真得到初始布局的總物流量為111 813。

利用Plant Simulation中的GASequence和GAwizard兩個工具添加遺傳算法，進行布局優(yōu)化設(shè)計。遺傳算法參數(shù)設(shè)置如下。

1) 約束條件。添加作業(yè)單元位置約束條件式(2)～式(5)。

2) 交叉因子。選擇順序交叉OX(Order Crossover)，交叉概率Pc=0.8。

3) 變異因子。選擇隨機變異，變異概率Pm=0.1。

4) 自適應(yīng)度函數(shù)。本文仿真優(yōu)化的目的是找出物流量更小的作業(yè)單元排序，所以GA優(yōu)化問題采用最小值描述，即優(yōu)化的目標函數(shù)值越小越好，目標函數(shù)為式(1)。本文直接將目標函數(shù)作為自適應(yīng)度函數(shù)。

5) 群體大小和代數(shù)。嘗試不同的群體大小和代數(shù)進行仿真，結(jié)果見表4。

3.3 結(jié)果分析

由表4可知，當群體大小和代數(shù)較小時，最小適應(yīng)度為值90 783；當群體大小超過60，代數(shù)超過80后，最小適應(yīng)度值為89 958，且并不隨著群體大小和代數(shù)的增加而變化，說明其對應(yīng)的最優(yōu)解可以代表12個作業(yè)單元12！種排序的最優(yōu)結(jié)果。

圖4所示為群體大小60共80代的仿真優(yōu)化結(jié)果，最優(yōu)解為[12,4,1,9,5,3,10,6,7,8,11,2]，對應(yīng)的總物流量為89 958。最優(yōu)解對應(yīng)的車間作業(yè)單元布局方案見圖5，優(yōu)化后的車間布局總物流量比初始布局降低了19.5%。

實際生產(chǎn)中，鈑金成型焊接(M1)、焊前粗加工(M3)、小型設(shè)備(M4)和鉗工裝配(M5)4個作業(yè)單元之間工序連接比較緊密，優(yōu)化后的車間布局中，這4個作業(yè)單元布置在一起，可見優(yōu)化結(jié)果既符合作業(yè)單元位置約束條件也滿足實際生產(chǎn)要求。

4 結(jié)論

1)應(yīng)用SLP方法對燃氣輪機生產(chǎn)車間進行了初始布局設(shè)計。

2)建立了車間布局的數(shù)學模型和仿真模型，通過仿真對初始布局進行了優(yōu)化，相比車間初始布局總物流量降低了19.5%，為車間布局設(shè)計提供了定量依據(jù)。

3)車間布局數(shù)學模型和仿真優(yōu)化方法具有一定的通用性，只要對約束條件和作業(yè)單元數(shù)量做適當更改，就可以應(yīng)用于其他離散制造車間。

4)本文中各作業(yè)單元面積相近，車間布局問題可以簡化為QAP問題。針對作業(yè)單元面積相差較大的車間布局優(yōu)化問題還需進一步研究。

[1] 周金平.生產(chǎn)系統(tǒng)仿真:Plant Simulation應(yīng)用教程[M].北京:電子工業(yè)出版社,2011.

[2] Marcello Braglia, Simone Zanon, Lucio Zavanella. Layout design in dynamic environments: strategies and quantitative indices[J]. INT. J. PROD. RES.,2003,41(5):955-1016.

[3] 湯普金斯(Tompkins).設(shè)施規(guī)劃[M].3版.伊俊敏,袁海波，譯.北京:機械工業(yè)出版社,2007.

[4] 王偉.發(fā)動機車間布局設(shè)計優(yōu)化及應(yīng)用[D].北京:北京工業(yè)大學,2006.

[5] 胡震.發(fā)動機車間布局優(yōu)化設(shè)計研究[D].合肥:合肥工業(yè)大學,2005.

[6] 黃超,徐向陽.基于仿真的車間設(shè)備布局優(yōu)化設(shè)計[J].東北電力大學學報,2008,28(2):53-56.

[7] 李火生,李志華,鐘毅芳,等.生產(chǎn)車間設(shè)備布局線性模型及算法研究[J].計算機工程與應(yīng)用，2002(11):221-225.

[8] 許立,李經(jīng)民,王秀倫.基于遺傳算法的車間設(shè)備布局優(yōu)化設(shè)計[J].組合機床與自動化加工技術(shù),2004(12):45-48.

[9] 孫洪華.多品種中等批量機械制造車間設(shè)備布局優(yōu)化研究[D].哈爾濱:哈爾濱工業(yè)大學,2008.

[10] 黃冬梅.車間設(shè)備布局建模分析及基于eM-Plant的仿真優(yōu)化[D].武漢:華中科技大學，2012.

[11] 陳昆侖.基于仿真技術(shù)的制造車間布局優(yōu)化研究[D].武漢:武漢理工大學，2014.

[12] 徐立云,楊守銀,李愛平,等.生產(chǎn)車間布局多目標優(yōu)化及其仿真分析[J].機械設(shè)計與研究,2011,27(6):55-59.

[13] 余世根,魯建廈.基于GA的固定約束條件下多目標車間設(shè)備布局問題研究[J].浙江工業(yè)大學學報,2010,38(8):401-405.

(武漢船用機械有限責任公司，湖北 武漢 430084)

Layout Design of a Gas-turbine Workshop

LI Tao, HU Tao, WAN Song, LI Feng

(Wuhan Marine Machinery Plant Co., Ltd, Wuhan 430084, China)

The initial layout scheme of a gas-turbine workshop was designed by using SLP method. A simulation model was built to optimize the workshop layout. The genetic algorithm was used to solve the problem optimization, providing a quantitative evaluation indicator for the workshop layout design. The logistics volume of the optimized layout scheme was reduced by 19.5% then the initial one.

SLP; Workshop Layout; Genetic algorithm; Simulation optimization; Logistics

10.3963/j.issn.1671-7953.2017.01.019

2016-08-23

工業(yè)和信息化部項目(工信部裝函[2016]261號)

李濤(1991—)，男，碩士，工程師研究方向:設(shè)施布局，物流仿真

U673.1

A

1671-7953(2017)01-0076-05

修回日期：2016-09-08