面向混批加工的裝夾方案選擇與線平衡集成優(yōu)化方法

張 恒 李愛平 傅 翔 邵 煥 劉雪梅

同濟大學機械與能源工程學院，上海，201804

0 引言

裝夾規(guī)劃與線平衡是生產(chǎn)線構(gòu)型選擇的熱點問題。裝夾規(guī)劃主要包括裝夾方案選擇、定位基準選擇、夾具設(shè)計、加工元分類與排序等[1]，其中，裝夾方案的選擇對加工元排序分配及定位基準的選擇有直接影響，線平衡是在裝夾規(guī)劃基礎(chǔ)上的后序優(yōu)化。對于單品種零件的裝夾規(guī)劃與線平衡問題，國內(nèi)外學者對其進行了研究，取得了豐碩的成果。HAJIMIRI等[2]在零件裝夾方案選擇中考慮了夾具可達性約束、特征之間的公差要求與幾何關(guān)系，以及定位基準面的選擇。黃風立等[3]針對基于加工特征的計算機輔助裝夾規(guī)劃問題，綜合考慮零件定位基準及進刀方向的選擇，以裝夾次數(shù)最小為目標，提出了一種基于多態(tài)蟻群算法的裝夾規(guī)劃優(yōu)化方法。李蓓智等[4]針對裝夾方案選擇對薄壁型零件加工過程中形變的影響，提出了一種裝夾方案與加工順序綜合優(yōu)化方法。

近年來，業(yè)內(nèi)學者提出了多種智能算法以解決單品種零件線平衡問題。ESSAFI等[5-6]針對機加工線平衡問題，提出了一種混合整數(shù)規(guī)劃的數(shù)學模型以及基于GRASP算法的啟發(fā)式算法。BORISOVSKY等[7-8]針對大規(guī)模機加工生產(chǎn)線平衡問題，提出了一種改進遺傳算法以及動態(tài)規(guī)劃法。DELORME等[9]基于貪婪隨機自適應搜索策略，應用啟發(fā)式算法來處理可重構(gòu)機加工生產(chǎn)線多目標平衡問題。?CHü等[10]總結(jié)了裝配線平衡與機加線平衡研究過程中存在優(yōu)化目標單一、魯棒性較差、經(jīng)濟性不高等問題。

針對裝夾方案選擇與線平衡集成優(yōu)化的研究主要關(guān)注于單品種零件的加工生產(chǎn)。ESSAFI等[11]針對大規(guī)模機加工生產(chǎn)線平衡問題，在結(jié)合路徑重構(gòu)技術(shù)和隨機自適應搜索策略的基礎(chǔ)上，比較了不同裝夾方案下的節(jié)拍、平衡率等指標情況。李愛平等[12]研究了不同裝夾方案的選擇對操作排序產(chǎn)生的影響，基于改進蟻群算法提出一種基于裝夾選擇的缸體零件柔性機加工生產(chǎn)線平衡優(yōu)化方法。LIU等[13]針對復雜箱體柔性加工線的平衡問題，考慮了多種裝夾方案組合及加工操作排序?qū)€平衡率的影響。

目前，混流生產(chǎn)線的研究多集中在裝配線領(lǐng)域，僅少量針對機加工生產(chǎn)線[14]，對解決多品種零件混批生產(chǎn)線裝夾方案選擇與線平衡集成問題的研究尚未深入。因此，研究解決多品種零件混批生產(chǎn)線的裝夾方案選擇與線平衡集成優(yōu)化問題具有重要的理論價值與實際意義。

本文針對一類混批加工缸體等箱體類同族零件的生產(chǎn)線平衡問題，將裝夾方案選擇與線平衡進行集成優(yōu)化研究，分析不同裝夾組合下各零件的生產(chǎn)指標，并引入多零件批量比重系數(shù)。考慮加工操作間的多種約束關(guān)系，以節(jié)拍、夾具種類、平衡率和整線平滑系數(shù)為優(yōu)化目標，構(gòu)建混批生產(chǎn)線裝夾方案選擇與線平衡集成優(yōu)化模型，并采用改進遺傳算法對模型進行求解。最后，以某企業(yè)發(fā)動機缸體混批生產(chǎn)線為例，針對裝夾方案選擇與線平衡集成優(yōu)化所得的生產(chǎn)線構(gòu)型方案進行進一步的篩選，最終獲取多種同族零件混批生產(chǎn)的生產(chǎn)線構(gòu)型與操作分配方案，從而驗證本文方法的有效性和高效性。

1 集成優(yōu)化模型

1.1 問題描述

零件混批加工受到諸多因素的影響，不僅需分多個工位依次加工(每個工位配備一臺或多臺并行機床，各工位以統(tǒng)一的節(jié)拍串行加工)，而且要考慮多種零件共線加工時的批量、夾具選擇、工位機床數(shù)配比，以期滿足實際生產(chǎn)需求并實現(xiàn)節(jié)拍較短、生產(chǎn)成本較低的目標。裝夾方案選擇與線平衡集成優(yōu)化前，各裝夾工具對應的零件姿態(tài)、可加工面及其定位基準等已經(jīng)確定，零件所有加工操作的加工方案(包括加工方法、加工時間、加工等級、所需刀具以及切削參數(shù)等)也已確定。在此基礎(chǔ)上，以節(jié)拍、裝夾種類數(shù)、平衡率、平滑系數(shù)為優(yōu)化目標，先確定若干組可行的生產(chǎn)線構(gòu)型方案(一個生產(chǎn)線構(gòu)型方案是由一個裝夾序列、多個工位以及每個工位配置若干機床的組合)；然后，將操作按照一定的約束條件分配至各工位；最后，從多個生產(chǎn)線構(gòu)型方案中選擇多種同族零件最優(yōu)的生產(chǎn)線構(gòu)型與操作分配方案。

1.2 數(shù)學建模

同族類零件具有相似的外形及加工部位，僅特征數(shù)量和尺寸略有不同[15]，因而可以用同一方式對其特征操作進行建模。設(shè)同族零件集合P={P1，P2，…，PL}，其中，L為零件個數(shù)。

假設(shè)一個零件有D個加工特征，可由向量F=(f1，f2，…，fD)表示，其中，fi為零件的第i個特征，i=1，2，…，D。第i個特征有m種加工方法，即加工鏈fi={O1，O2，…，Om}，其中，Oj表示特征fi的第j種加工鏈，j=1，2，…，m。由于加工鏈一般是由多個操作序列所組成的，因此Oj又可以表示為Oj=(O1,j,O2,j,…,Omj,j)，其中，Ok,j表示特征元fi第j種加工鏈中的第k(k=1，2，…，mj)個操作。為表述方便，直接用加工操作序列表示零件的加工工藝路線，即O=(O1，O2，…，On)，其中，n為加工操作總數(shù)。同時引入Oi=(IID,i,MTO,i,FFX,i,TTAD,i,TTI,i)詳細描述加工操作Oi的工藝信息，其中，IID,i為加工操作編號，MTO,i表示采用的刀具，F(xiàn)FX,i表示所采用的夾具，TTAD,i表示該加工操作所在工位刀具可進刀的方向，TTI,i為加工時間。

1.2.1約束模型

零件加工必須要滿足一定的約束條件才能保證其加工精度，獲得良好的經(jīng)濟效益。加工約束主要分為以下幾大類。

(1)工藝約束。根據(jù)特征之間的強弱關(guān)系，將工藝約束分為強制性約束和最優(yōu)性約束。強制性約束為加工特征時必須遵循的約束，違反該約束會導致零件加工質(zhì)量降低，甚至報廢。最優(yōu)性約束，即在加工過程中會影響加工經(jīng)濟性的約束，違反該約束不會對零件生產(chǎn)造成影響。

為更直觀地表示加工操作之間的優(yōu)先約束關(guān)系，引入加工順序圖G={O,S,Fp,Fb}。其中，S={S1,S2,…,Sns}為有向圖中加工操作之間的邊連線集合，ns為操作間的邊連線總數(shù)。若加工操作之間有實線連接，則操作之間存在明確的先后關(guān)系約束且不可更改，否則操作之間沒有明確的先后約束關(guān)系；Fp={Fp,1,Fp,2,…,Fp,np}為有向圖中加工操作點的前序操作集合，np為前序操作總數(shù)；Fb={Fb,1,Fb,2,…,Fb,nb}為后序操作集合，nb為后序操作總數(shù)。

為便于后續(xù)算法求解，將操作加工順序圖以優(yōu)先關(guān)系約束矩陣的形式保存。矩陣元素rij表示兩個操作之間的優(yōu)先關(guān)系，若加工操作Oi位于加工操作Oj之前，則rij=1，否則rij=0。按此規(guī)則得到零件加工操作的約束矩陣R=[rij]n×n。

據(jù)上所述，如果操作Oi屬于零件加工操作集合O且rij=1(i≠j)，則存在對應的前序操作集合并將其定義為Fp,i。同理，如果操作Oi屬于集合O，且rij=0 (i≠j)，則存在對應的后序操作集合并將其定義為Fb,i。

此外，還有一些特殊的工藝約束，如包含約束與不包含約束。定義包含約束為某些加工操作必須在同一裝夾定位下完成。規(guī)劃時，將包含約束合并為一個加工操作集，作為單個加工操作進行排序分配。不包含約束即對于某些特殊要求的加工操作，必須將其放于不同工位加工。對于不包含約束，在后續(xù)分配中應將它們分別分配至不同工位。

(2)裝夾約束。定位基準的選擇主要考慮工藝因素與結(jié)構(gòu)因素。工藝因素主要考慮零件的加工精度，需要遵循一系列工藝準則，例如基準統(tǒng)一、基準重合、互為基準等。結(jié)構(gòu)因素則考慮夾具結(jié)構(gòu)，確保夾具內(nèi)的工件定位準確、裝夾可靠、機床進刀以及調(diào)整方便。

混批生產(chǎn)線設(shè)計需要選擇一組柔性共用夾具FFX={FFX,1,FFX,2,…,FFX,nFX}以滿足多品種零件共線生產(chǎn)的需求。不同的夾具對應不同的定位基準集合，不同的定位基準對應不同的操作，則有FFX,i={OFX,1,OFX,2,…,OFX,mFX}，其中，OFX,w為夾具中第w(w=1,2,…,mFX)個定位基準所對應的操作，mFX為第i種夾具所對應的定位基準總數(shù)。為某一工位選擇夾具時，必須先確保其定位基準對應的特征在前序工位已加工完成，即存在定位基準約束。夾具在裝夾過程中會對零件特征中的某一部分產(chǎn)生遮擋，影響進刀路徑，形成刀具可達性約束。

(3)工位約束。由于生產(chǎn)節(jié)拍限制，需要對各工位分配時間進行約束，形成工位時間約束?？紤]車間空間布局限制，對各工位的機床數(shù)量進行限定，則有單工位最大機床數(shù)量約束。

工位時間約束可由工位機床數(shù)和理論節(jié)拍得到：

TP(k)=T0M(k)

(1)

式中，TP(k)為k工位的限制時間；T0為理論節(jié)拍；M(k)為k工位的機床數(shù)。

最小工位數(shù)量LB與目標節(jié)拍T0、單工位最大機床數(shù)n0以及操作的總時間Tsum有關(guān)，滿足

LB=Tsum/(T0n0)

(2)

為提高機床利用率，需對機床總數(shù)M進行限制。分析生產(chǎn)線布局可知，機床總數(shù)M不小于最大工位數(shù)。最大工位數(shù)可由生產(chǎn)對象的加工操作總時間和年產(chǎn)量得到。因此所需機床總數(shù)滿足

(3)

式中，TV為企業(yè)一年實際的生產(chǎn)時間；Vl為零件l的目標年產(chǎn)量；Tsum,l為零件l的加工總時間。

1.2.2單品種零件生產(chǎn)線的常用優(yōu)化目標

節(jié)拍是影響產(chǎn)量的最關(guān)鍵因素，平衡率是生產(chǎn)線平衡的重要技術(shù)指標。由于需要對夾具數(shù)量進行優(yōu)化，因此將柔性夾具種數(shù)作為優(yōu)化目標。整線平滑系數(shù)作為反映各工位負荷均衡情況的重要參考，也是本文所要考慮的，因此將生產(chǎn)節(jié)拍、夾具種數(shù)、平衡率和整線平滑系數(shù)作為優(yōu)化目標，各目標描述如下。

(1)最小化生產(chǎn)節(jié)拍

minTC=min max(Ti)

(4)

式中，TC為所有工位節(jié)拍的最大值；Ti為第i個工位的節(jié)拍。

生產(chǎn)節(jié)拍越小，生產(chǎn)線效率越高。

(2)最小化夾具種數(shù)。本文在夾具選擇時，對各工位可選夾具種類不做限制。一個生產(chǎn)線構(gòu)型方案所選用的夾具種數(shù)為nFX。夾具種類應越少越好，因此，夾具種類數(shù)優(yōu)化目標函數(shù)為minnFX。

(3)最大化平衡率為

(5)

PB反映整線的平衡情況，值越大，平衡效果越好。

(6)

為簡化評價體系，將上述多目標轉(zhuǎn)化為單個綜合評價目標。由于上述評價目標的量綱不同，因此需對其進行量綱一化處理。

1.2.3綜合優(yōu)化目標

(1)單品種零件生產(chǎn)線優(yōu)化目標。為解決單品種零件的多個構(gòu)型方案選擇問題，比較單個零件在不同構(gòu)型方案下的優(yōu)化指標情況，引入綜合優(yōu)化目標：

(7)

式中，優(yōu)化目標比重系數(shù)α、β、ε、φ由企業(yè)按照生產(chǎn)經(jīng)驗和實際需求給出；TCi、nFX,i、PBi、FB,i分別為第i個構(gòu)型方案對應的節(jié)拍、夾具種類數(shù)、平衡率與平滑系數(shù)；I為所有參與比較的構(gòu)型方案總數(shù)。

為統(tǒng)一各目標的收斂方向，在綜合目標中用1-PBi替換平衡率的目標值。

(2)多品種零件生產(chǎn)線構(gòu)型方案的選擇?；炫a(chǎn)線的構(gòu)型方案需滿足多種零件共線生產(chǎn)，故針對多品種零件在多種相同構(gòu)型方案下的優(yōu)化指標情況，引入多品種批量比重系數(shù)，建立優(yōu)化目標函數(shù)：

式中，Wl,i為零件l的第i種構(gòu)型方案的目標值；Con為所有零件相同構(gòu)型方案的數(shù)量；Wi為所有零件的第i種共同構(gòu)型方案目標值；λl為第l種零件的批量比重系數(shù)。

故本文的最終目標函數(shù)為

OF=min(W1,W2,…,WCon)

(9)

2 生產(chǎn)線集成優(yōu)化算法

2.1 生產(chǎn)線構(gòu)型選擇方法

先分別求出每一零件最優(yōu)的若干構(gòu)型方案，再找出所有零件的相同構(gòu)型方案，最后根據(jù)多品種綜合優(yōu)化目標選擇最佳的構(gòu)型方案。若遺傳算法未能求得相同構(gòu)型方案，則以目標產(chǎn)量最大的零件為對象，求出若干最優(yōu)構(gòu)型方案集合，再分別以該集合中的構(gòu)型方案去驗證其余同族零件在該方案下的優(yōu)化目標，從而篩選出最優(yōu)構(gòu)型方案。零件l的最優(yōu)可行構(gòu)型方案集合Ql={Q1,l，Q2,l，…，Qm,l}，所有零件相同構(gòu)型方案集合為

Q=Ω(Q1，Q2，…，QL)

(10)

式中，Ω(*)表示選出集合中相同元素。

2.2 改進遺傳算法

遺傳操作是遺傳算法的關(guān)鍵步驟，交叉變異算子對子代種群選擇起著重要作用，本文對交叉變異算子進行改進，使其自適應調(diào)整，便于算法全局尋優(yōu)。

(1)編碼過程即將零件所有需要加工的操作序列，按照工藝約束、裝夾約束、工位約束排列為一個向量，形成染色體個體。解碼過程即產(chǎn)生加工方案的過程，按照染色體個體中所有加工操作的先后順序，結(jié)合每個工位的裝夾約束與工位約束，依次將加工操作分配至各工位。

(2)采用最優(yōu)替換法將子代中若干最優(yōu)個體替換父代中相應數(shù)量的最差個體，該方法有利于較優(yōu)子代被遺傳下去，從而提高種群適應度。

(3)交叉算子Pc和變異算子Pm直接影響算法收斂性，故本文對其進行改進，使之自適應調(diào)整，加快算法全局尋優(yōu)。Pc和Pm的調(diào)整方法為

(11)

(12)

式中，Pc,max、Pc,min分別為交叉概率的上下限；Pm,max、Pm,min分別為變異概率的上下限；fmax為種群的最大適應度；favg為種群適應度的平均值；fc為參與交叉的兩個個體中較大的適應度；fm為參與變異的兩個個體中較大的適應度；A為自適應函數(shù)的變化系數(shù)。

根據(jù)研究對象的復雜性，采用兩點交叉策略，對2個染色體個體的編碼串隨機選取2個交叉點，然后交換雙方基因，從而增加后代多樣性，促使種群更好的繁衍。變異策略采取隨機變異點方式，隨機選取1個子代個體編碼串中某一點為變異點，將其提取后，按照操作之間的先后約束關(guān)系放在該編碼串的其他位置，從而形成新個體。

2.3 初始種群

為提高遺傳算法運行效率，加快收斂，本文采用一種啟發(fā)式方法生成初始種群。首先按照加工操作的先后約束關(guān)系將其分配至初始生成的可行構(gòu)型方案，然后將滿足可分配完所有加工操作的方案保留并按目標值升序排序，最后選擇若干最佳方案作為遺傳算法初始種群。為確保所生成的初始種群都為滿足所有約束要求的可行解，需對每一個初始染色體進行驗證。

2.4 算法流程

針對多品種零件混批加工的相關(guān)問題，對上述算法進行改進，本文設(shè)計的算法流程如圖1所示。首先按照約束條件隨機生成若干組可行的構(gòu)型方案，然后將加工操作按照一定的約束條件分配至上述構(gòu)型方案的工位，應用提出的混批策略對多個產(chǎn)品依次進行同樣的研究，選擇最佳的構(gòu)型方案作為多品種零件混批加工的最終設(shè)計方案。

圖1 算法流程Fig.1 Algorithm flowchart

3 實例分析

3.1 實例描述

本文以某企業(yè)2種典型同族發(fā)動機缸體零件混批生產(chǎn)線為例，對其進行裝夾方案選擇與線平衡集成優(yōu)化研究，對多種不同裝夾組合下的構(gòu)型方案進行對比，驗證本文方法與算法的有效性。

聚類處理后，同族缸體A總計有69個特征、149個加工操作，缸體B總計有78個特征、173個加工操作。在工藝路線的前期規(guī)劃過程中，已整理完成缸體所有待加工特征的加工操作信息，限于篇幅，此處不作贅述。

依據(jù)企業(yè)生產(chǎn)要求，限定單工位配備的最大機床數(shù)為2，根據(jù)式(2)，工位數(shù)限定為5～9。根據(jù)市場需求，A缸體目標節(jié)拍為543 s，年產(chǎn)量為 9000臺，B缸體目標節(jié)拍為590 s，年產(chǎn)量為21 000臺?，F(xiàn)企業(yè)有臥式四軸加工中心若干臺，根據(jù)企業(yè)預規(guī)劃得A缸體的加工總時間4 687.93 s、B缸體的加工總時間5 122.89 s，據(jù)式(3)計算得該生產(chǎn)線需投入機床數(shù)：

因此，機床總數(shù)至少為9。

表1所示為各夾具下缸體安裝姿態(tài)以及可加工內(nèi)容，零件的定位基準由企業(yè)直接給出。

表1 各夾具下缸體安裝姿態(tài)以及可加工內(nèi)容

3.2 參數(shù)設(shè)置

設(shè)置初始種群大小G=200，交叉概率的上下限Pc,max=0.6，Pc,min=0.1；變異概率上下限Pm,max=0.06，Pm,min=0.01，A=5；根據(jù)多次測試結(jié)果，設(shè)置種群迭代次數(shù)gmax=200，構(gòu)型方案搜索空間imax=500，零件總數(shù)L=2，最優(yōu)構(gòu)型方案總數(shù)T=20，案例中，根據(jù)企業(yè)生產(chǎn)指導文件以及實際生產(chǎn)經(jīng)驗，TV按300個工作日計算，工作日按兩班制生產(chǎn)。α、β、ε、φ分別取0.8、0.05、0.1、0.05，λ1、λ2分別取0.3和0.7。

3.3 遺傳算法改進前后對比

由于案例中兩缸體具有相似性，因此，本文以A缸體為例驗證算法有效性，將改進后的遺傳算法與未改進的遺傳算法進行對比(圖2)，發(fā)現(xiàn)改進后的算法不僅收斂更快，而且能獲得更好的最優(yōu)解，只需經(jīng)過64次迭代就能收斂，而改進前的遺傳算法需經(jīng)過120次迭代才能確保收斂。

圖2 改進前后的遺傳算法Fig.2 Unimproved and improved genetic algorithm

3.4 優(yōu)化結(jié)果分析與討論

應用上述集成優(yōu)化方法以及改進的遺傳算法，分別對2種缸體零件進行裝夾方案選擇與線平衡集成研究，得到2種缸體零件的10種最優(yōu)構(gòu)型方案及其相關(guān)指標，如表2、表3所示。其中，夾具組合每一位數(shù)字表示對應的夾具類型，機床組合每一位數(shù)字表示工位配置機床數(shù)從上述兩缸體的最優(yōu)構(gòu)型方案中篩選出相同構(gòu)型方案并對其進行重新編號，如表4所示。經(jīng)計算，A缸體與B缸體的目標值WA與WB以及總目標函數(shù)值W如表5所示，易知1號方案的W最小，為最適合2種缸體混批生產(chǎn)的構(gòu)型方案。

表2 A缸體不同裝夾組合下的指標對比

表3 B缸體不同裝夾組合下的指標

Tab.3IndicatorsofcylinderBunderdifferent fixturecombinations

編號裝夾組合機床組合節(jié)拍(s)夾具數(shù)量線平衡率(%)平滑系數(shù)11374912222583.60599.80.002 72240579122211583.60799.80.005 63124905212121584.21699.70.005 741475922122583.36599.80.008 65124379212211583.76699.80.009 46213549121122587.22699.20.008 9721469051122111584.37799.60.005 38235649122121584.31699.70.008 59138549121221583.82699.70.002 5101204921222592.50598.30.014 6

表4 兩同族零件共同構(gòu)型方案

表5 共同構(gòu)型方案的優(yōu)化結(jié)果

表6、表7所示為2種同族零件在1號方案中的操作分配情況，最小化生產(chǎn)節(jié)拍分別為533.79 s和583.60 s。為進一步驗證本文模型的有效性，將裝夾方案選擇與線平衡分解成2個問題，對其進行串行研究，即在分別為每一工位確定可行裝夾的同時，按照該工位可加工內(nèi)容分配加工操作，直至所有操作分配完為止，得到一個可行的構(gòu)型方案；如果分配不成功則舍棄。再對這些可行構(gòu)型方案中的操作進行調(diào)整，進行線平衡研究，以期達到較好的平衡率。最后將串行模型求解結(jié)果與本文集成優(yōu)化所求結(jié)果進行對比。由表8可知，對于2種零件，集成優(yōu)化所求結(jié)果為24.78 s和53.37 s，較串行優(yōu)化節(jié)拍分別減小4.64%與9.14%。2種方案在求解時都具有一定的優(yōu)勢，串行優(yōu)化流程簡單，集成優(yōu)化所求得節(jié)拍更低，平衡率更好，優(yōu)勢更明顯。因此集成優(yōu)化比串行優(yōu)化在優(yōu)化結(jié)果和計算效率上均有較大優(yōu)勢。

與企業(yè)原規(guī)劃方案相比，1號方案中的A缸體節(jié)拍減少39.33 s，B缸體節(jié)拍減少44.92 s，A、B缸體的線平衡率達到99.8%，提高約10%。按照兩缸體3∶7的產(chǎn)量比，A缸體可生產(chǎn)9116臺，比企業(yè)目標計劃多116臺，比企業(yè)規(guī)劃方案多644臺，B缸體可生產(chǎn)21 271臺，比企業(yè)目標計劃多271臺，比企業(yè)規(guī)劃方案多1 503臺。

本文提出的混批策略不僅有效解決了多產(chǎn)品混批加工時的夾具選擇、加工操作排序分配以及工位機床數(shù)配比問題，而且有效降低了零件的生產(chǎn)節(jié)拍，提高了平衡率。

表6 1號方案A缸體操作分配情況

表7 1號方案B缸體操作分配情況

表8 串行優(yōu)化方案、企業(yè)規(guī)劃方案與1號方案對比

4 結(jié)論

本文針對缸體等箱體類同族零件混批機加工中的裝夾方案選擇與線平衡問題，提出了多品種零件共線生產(chǎn)的裝夾方案選擇與線平衡集成優(yōu)化方法。首先，在考慮多種約束和優(yōu)化目標的基礎(chǔ)上，對多種同族零件混批加工時的夾具選擇、加工操作的聚類排序與分配、構(gòu)型方案的選擇，以加工操作為基本單位對其進行工藝優(yōu)化。然后，對遺傳算法進行改進：選擇算子基于最優(yōu)替代法，交叉變異基于自適應策略。采用一種啟發(fā)式方法快速、有效地獲取初始種群，提高算法運行效率。最后，以某企業(yè)混批生產(chǎn)線為例，按照企業(yè)實際需求獲得了2種缸體加工的構(gòu)型方案，以及各工位加工操作排序分配方案，在此基礎(chǔ)上，將集成模型與串行模型求解的結(jié)果進行了對比，驗證了模型的有效性。對算法給出的構(gòu)型方案與企業(yè)原規(guī)劃方案進行了對比，驗證了所提方法的有效性和高效性。

本文研究對象只是針對同族零件，未來可考慮不同族零件小批量混批加工的裝夾規(guī)劃與線平衡問題，以及生產(chǎn)調(diào)度策略優(yōu)化問題。