面向卷煙生產(chǎn)調(diào)度的集成產(chǎn)能過濾算法與仿真技術(shù)的優(yōu)化框架

沈 倩，管在林，張正敏+，王創(chuàng)劍，岳 磊

(1.華中科技大學(xué) 機(jī)械科學(xué)與工程學(xué)院，湖北 武漢 430074；2.武漢科技大學(xué) 機(jī)械與自動(dòng)化學(xué)院，湖北 武漢 430081；3.廣州大學(xué) 機(jī)械與電氣工程學(xué)院，廣東 廣州 510006)

0 引言

卷煙生產(chǎn)系統(tǒng)屬于典型的多品種大批量生產(chǎn)模式，效益最大化、成本最小化一直是卷煙企業(yè)追求的目標(biāo)。卷煙生產(chǎn)過程一般由流程型制絲工藝和離散型卷包生產(chǎn)組成，是一種典型的混合制造模式。針對(duì)卷煙工廠建立優(yōu)化模型進(jìn)行生產(chǎn)計(jì)劃與調(diào)度，不僅要考慮錯(cuò)綜復(fù)雜的約束條件，還要滿足從宏觀到微觀的計(jì)劃調(diào)度要求，因此問題復(fù)雜且算法難度大。

目前，卷煙企業(yè)通常采用制造執(zhí)行系統(tǒng)(Manufacturing Execution System，MES)或依靠人工經(jīng)驗(yàn)使用簡(jiǎn)單的調(diào)度邏輯與規(guī)則進(jìn)行卷煙生產(chǎn)調(diào)度。由于卷煙生產(chǎn)流程較為復(fù)雜，生產(chǎn)過程約束多且存在動(dòng)態(tài)性與不確定性，企業(yè)現(xiàn)有調(diào)度方法較難得到滿意的生產(chǎn)方案[1-4]。對(duì)此，國(guó)內(nèi)外研究人員針對(duì)卷煙生產(chǎn)問題的建模與調(diào)度策略進(jìn)行了大量研究[5]。通過分析總結(jié)現(xiàn)有研究發(fā)現(xiàn)，大多針對(duì)卷煙生產(chǎn)的調(diào)度研究成果未充分考慮有限產(chǎn)能、卷煙生產(chǎn)的復(fù)雜約束或卷煙整體的混合生產(chǎn)流程，難以應(yīng)對(duì)實(shí)際生產(chǎn)中卷煙產(chǎn)線有限產(chǎn)能下的動(dòng)態(tài)調(diào)度需求。因此，本文提出一種產(chǎn)能過濾算法(Capacity Filtering Algorithm，CFA)[6]與仿真技術(shù)結(jié)合的調(diào)度優(yōu)化框架，通過產(chǎn)能過濾技術(shù)與動(dòng)態(tài)仿真技術(shù)實(shí)現(xiàn)車間的負(fù)荷均衡與動(dòng)態(tài)調(diào)度效能優(yōu)化。通過生產(chǎn)實(shí)例顯示，該框架下的瓶頸設(shè)備利用率達(dá)到97.01%，訂單按時(shí)交付率達(dá)到97.44%，遠(yuǎn)超車間現(xiàn)行生產(chǎn)調(diào)度方法。

1 文獻(xiàn)綜述

近年來，國(guó)內(nèi)外學(xué)者在卷煙生產(chǎn)調(diào)度方面進(jìn)行了大量的研究與應(yīng)用。很多國(guó)內(nèi)卷煙廠引入了MES等生產(chǎn)信息系統(tǒng)以協(xié)助調(diào)度方案的優(yōu)化與執(zhí)行，例如，卞新中[7]將Rockwell Automation公司的MES產(chǎn)品應(yīng)用于山東將軍煙草集團(tuán)并成功實(shí)施了高級(jí)排產(chǎn)；謝五峰等[8]基于SIMATIC IT軟件架構(gòu)展開了卷包調(diào)度研究，但該類軟件并未充分考慮物料及生產(chǎn)能力。

針對(duì)卷煙生產(chǎn)調(diào)度問題，夏秀芳等[9]提出了制絲仿真計(jì)劃系統(tǒng)解決方案；袁建華等[10]采用建模、排程和物流分析等技術(shù)針對(duì)制絲線構(gòu)建數(shù)字化平臺(tái)；PAN等[11]基于簡(jiǎn)化的制絲模型提出了一種計(jì)劃模型和經(jīng)驗(yàn)排產(chǎn)算法；張海軍等[12]面向多目標(biāo)優(yōu)化制絲排產(chǎn)問題，提出了一種高級(jí)計(jì)劃系統(tǒng)(Advanced Planning System，APS)框架，但沒有對(duì)優(yōu)化模型進(jìn)行研究；王愛民等[13]提出了基于遍歷方法的卷包作業(yè)動(dòng)態(tài)調(diào)度技術(shù)，包含訂單追加、移動(dòng)調(diào)整和重調(diào)度；王偉玲等[1]將卷包生產(chǎn)抽象為多目標(biāo)柔性流水調(diào)度問題進(jìn)行研究。以上研究主要針對(duì)制絲生產(chǎn)或者卷包生產(chǎn)，多數(shù)沒有對(duì)卷煙工廠的整體混合生產(chǎn)模式進(jìn)行研究。

在有關(guān)卷煙生產(chǎn)各類約束條件的研究中，金劍等[14]基于分層遞階優(yōu)化方法建立了帶約束限制的卷煙多點(diǎn)生產(chǎn)任務(wù)分配模型和生產(chǎn)點(diǎn)詳細(xì)排產(chǎn)模型，但未考慮生產(chǎn)連續(xù)性等約束條件；謝瑞波[15]設(shè)計(jì)了卷煙企業(yè)生產(chǎn)的優(yōu)化排產(chǎn)和調(diào)度管理系統(tǒng)，但主要是針對(duì)總?cè)蝿?wù)的產(chǎn)能分配問題，未涉及多種牌號(hào)的排產(chǎn)；陳莊等[16]將煙草生產(chǎn)抽象為基于連續(xù)物料流的連通網(wǎng)絡(luò)系統(tǒng)，并由此建立相應(yīng)的卷煙生產(chǎn)線優(yōu)化調(diào)度模型，但其卷包線機(jī)組組合固定，無法滿足資源動(dòng)態(tài)組合需求。

在卷煙生產(chǎn)調(diào)度方法的研究層面，徐元根等[17]將制絲生產(chǎn)調(diào)度問題與旅行商問題(Travelling Salesman Problem, TSP)進(jìn)行映射，建立了數(shù)學(xué)模型并設(shè)計(jì)了求解算法；李丹等[18]采用遺傳算法對(duì)卷煙換牌排產(chǎn)進(jìn)行了優(yōu)化設(shè)計(jì)；姚麗麗等[19]對(duì)煙草排產(chǎn)中的工藝路徑規(guī)則進(jìn)行分析，構(gòu)建了基于遺傳算法的車間排產(chǎn)系統(tǒng)模型；沈云波[20]針對(duì)改進(jìn)粒子群算法與禁忌搜索算法相結(jié)合的卷接包生產(chǎn)排程優(yōu)化進(jìn)行了研究，采用智能搜索算法對(duì)卷煙生產(chǎn)調(diào)度問題進(jìn)行求解，但未能全面地考慮系統(tǒng)中的復(fù)雜約束與動(dòng)態(tài)生產(chǎn)特性。

綜上所述，當(dāng)前針對(duì)煙草行業(yè)生產(chǎn)調(diào)度的研究，需要進(jìn)一步深入考慮實(shí)際生產(chǎn)中的現(xiàn)實(shí)約束滿足和實(shí)施效果保證。為此，本文重點(diǎn)研究考慮有限產(chǎn)能約束與復(fù)雜生產(chǎn)場(chǎng)景的卷煙生產(chǎn)調(diào)度問題，結(jié)合煙草企業(yè)的生產(chǎn)特點(diǎn)，提出一種集成CFA與仿真技術(shù)的優(yōu)化方法，以實(shí)現(xiàn)車間的均衡負(fù)荷，提高設(shè)備利用率，為解決卷煙企業(yè)的生產(chǎn)計(jì)劃優(yōu)化問題提供參考。

2 問題描述

煙草生產(chǎn)行業(yè)屬于連續(xù)—離散的混合生產(chǎn)模式，具有多個(gè)關(guān)聯(lián)的生產(chǎn)環(huán)節(jié)和復(fù)雜約束的動(dòng)態(tài)過程。如圖1所示，卷煙工廠的生產(chǎn)流程主要包括備料、制絲、卷包、封裝等工序。制絲生產(chǎn)線分為梗絲線與葉絲線，梗絲線主要包括煙?；爻?、潤(rùn)梗、切梗絲、梗絲干燥等工段，為葉絲線提供梗絲；葉絲線包括切片、加料潤(rùn)葉、切葉絲、摻配等工段，將梗絲按一定的比例摻配到葉絲中，加香加料之后成為成品煙絲。成品煙絲按照牌號(hào)存儲(chǔ)在不同的貯絲柜中進(jìn)行醇化，然后通過喂絲機(jī)傳送到卷包車間的卷接設(shè)備。濾棒車間將原材料按一定的規(guī)格切成濾棒，并發(fā)射到卷接設(shè)備的接嘴機(jī)。卷包車間將成品煙絲和濾棒進(jìn)行卷接，經(jīng)過包裝、封箱等工序后存入成品高架庫等待發(fā)貨。

如圖2所示，從工藝上可將卷煙的生產(chǎn)流程分為制絲、濾棒和卷包3個(gè)相對(duì)獨(dú)立的環(huán)節(jié)。制絲階段中，原料依次經(jīng)過各個(gè)串聯(lián)的工序，生產(chǎn)成品煙絲；濾棒階段生產(chǎn)成型濾棒并發(fā)射到卷包階段；卷包階段使用成品煙絲、成型濾棒和相應(yīng)的輔料，通過卷接等工序生產(chǎn)成品煙支。3個(gè)環(huán)節(jié)均有多條不同的生產(chǎn)線并行生產(chǎn)，可以同時(shí)加工不同牌號(hào)的產(chǎn)品。因此，卷煙的生產(chǎn)流程可以看作是3階段的并行機(jī)調(diào)度問題，且具有部分流水與備貨式生產(chǎn)特征，后續(xù)工藝依賴前工藝的半成品。

3 集成產(chǎn)能過濾算法與仿真技術(shù)的優(yōu)化框架

為確保卷包車間生產(chǎn)的連續(xù)性，需要在發(fā)布訂單投放計(jì)劃時(shí)，考慮車間在制品和庫存量，根據(jù)產(chǎn)出目標(biāo)逆推卷煙的整個(gè)生產(chǎn)過程。因此，需要通過一種有限產(chǎn)能算法較為精確地計(jì)算卷煙工廠每天的投入產(chǎn)出量，以控制庫存，并保證生產(chǎn)目標(biāo)的合理性。由于目前大多針對(duì)卷煙企業(yè)生產(chǎn)計(jì)劃的研究都未精準(zhǔn)地考慮相關(guān)的產(chǎn)線產(chǎn)能，導(dǎo)致生產(chǎn)目標(biāo)設(shè)置不合理、庫存控制不平衡等問題，因此本文引入CFA，以進(jìn)行車間產(chǎn)線的有限產(chǎn)能分析。

另一方面，由于煙草加工過程中存在眾多約束，如卷煙牌號(hào)與喂絲機(jī)、卷包機(jī)的對(duì)應(yīng)關(guān)系，卷包機(jī)與封箱機(jī)的連接關(guān)系，貯絲柜的最小醇化時(shí)間限制等，使得卷煙的生產(chǎn)調(diào)度問題十分復(fù)雜。通常，使用一般追求確定性全局優(yōu)化的智能算法無法在考慮眾多約束的同時(shí)滿足實(shí)際生產(chǎn)動(dòng)態(tài)調(diào)度的要求。相比之下，采用基于組合規(guī)則的仿真調(diào)度模型可以模擬車間的實(shí)際運(yùn)行情況，通過選擇合適的動(dòng)態(tài)調(diào)度策略，可達(dá)到提高車間產(chǎn)出與設(shè)備利用率等目標(biāo)。

綜上所述，針對(duì)卷煙行業(yè)的生產(chǎn)特點(diǎn)，本文提出一種集成CFA與仿真技術(shù)的優(yōu)化框架(如圖3)，考慮實(shí)際生產(chǎn)能力進(jìn)行有限產(chǎn)能分析，滿足庫存平衡、產(chǎn)出制訂合理化，實(shí)現(xiàn)動(dòng)態(tài)調(diào)度和實(shí)際生產(chǎn)的最優(yōu)化。該框架重點(diǎn)考慮了有限能力約束下的調(diào)度優(yōu)化算法，實(shí)現(xiàn)車間的均衡負(fù)荷，適用于系統(tǒng)中各個(gè)生產(chǎn)環(huán)節(jié)的調(diào)度方案制訂。系統(tǒng)根據(jù)主生產(chǎn)計(jì)劃和客戶需求，得到車間日產(chǎn)出計(jì)劃作為該框架的輸入，考慮在制品及車間實(shí)際生產(chǎn)能力使用反向CFA從最后一道工序逐級(jí)向前遞推，獲得車間的訂單發(fā)布計(jì)劃及各個(gè)階段原輔料的投料計(jì)劃。該發(fā)布計(jì)劃作為仿真模型的輸入，結(jié)合組合規(guī)則，獲得產(chǎn)出結(jié)果及相關(guān)指標(biāo)，如車間產(chǎn)出總量、設(shè)備利用率、按時(shí)完工率等。判斷產(chǎn)出指標(biāo)是否滿足車間日產(chǎn)出計(jì)劃及其他生產(chǎn)要求，若不滿足，則修改仿真策略或優(yōu)化仿真參數(shù)，重新運(yùn)行仿真模型；若仍然難以滿足產(chǎn)出要求，則修改相應(yīng)的產(chǎn)出計(jì)劃。仿真結(jié)果滿足車間日產(chǎn)出計(jì)劃后，形成訂單發(fā)布計(jì)劃、最佳調(diào)度策略等指導(dǎo)企業(yè)的生產(chǎn)。

3.1 產(chǎn)能過濾算法(CFA)

CFA是一種由無限產(chǎn)能負(fù)荷曲線生成有限產(chǎn)能負(fù)荷曲線的算法，用于對(duì)生產(chǎn)過程中的各個(gè)環(huán)節(jié)進(jìn)行有限產(chǎn)能計(jì)劃，調(diào)整控制輸入產(chǎn)出。如圖4所示為某處理階段的無限產(chǎn)能負(fù)荷曲線ULP(t)和產(chǎn)能曲線CP(t)。 若ULP(t)的任何部分高于CP(t)，則必須“壓低”它以滿足產(chǎn)能約束，得到該處理階段的有限產(chǎn)能負(fù)荷曲線LLP(t)，該按壓操作稱為產(chǎn)能過濾。

過濾操作根據(jù)生產(chǎn)特征分為前向過濾和反向過濾兩種。若在向后推溢出量的同時(shí)從右向左執(zhí)行操作(時(shí)間向后)，則稱為反向過濾，用于確定一個(gè)階段的有限產(chǎn)能負(fù)荷曲線LPj(t)來滿足下一個(gè)階段的負(fù)荷曲線LPj+1(t)。 與此相反，從左到右執(zhí)行過濾操作稱為前向過濾。柔性流水作業(yè)車間是根據(jù)生產(chǎn)目標(biāo)倒推生產(chǎn)需求，因此需要執(zhí)行反向過濾過程，算法流程如圖5所示。

步驟1構(gòu)造工序n的無限產(chǎn)能負(fù)荷曲線和初始產(chǎn)能曲線。

初始時(shí)，n表示最后一道工序，根據(jù)產(chǎn)出計(jì)劃中不同訂單的數(shù)量和交貨期，生成不同產(chǎn)品的末工序無限產(chǎn)能負(fù)荷曲線。初始產(chǎn)能曲線是在考慮預(yù)防性維護(hù)和其他干擾之后得到的設(shè)備產(chǎn)能。若不是末道工序，則無限產(chǎn)能負(fù)荷曲線根據(jù)前一道工序獲得。

步驟2減去工序n的在制品庫存和工序n+1的緩存庫存。

在計(jì)劃開始時(shí)，系統(tǒng)中已存在部分產(chǎn)品在生產(chǎn)，因此需要減去這部分負(fù)荷，如圖6所示。對(duì)于末道工序，只需減去在制品庫存Wn；而對(duì)于其他工序，應(yīng)減去后道工序的緩沖區(qū)庫存Bn+1和在制品庫存Wn。

步驟3進(jìn)行產(chǎn)能過濾，生成工序n的有限產(chǎn)能負(fù)荷曲線LLP(t)。

產(chǎn)能過濾時(shí)存在產(chǎn)能不足和產(chǎn)能過剩兩種情況，產(chǎn)能不足時(shí)的詳細(xì)過濾操作如圖7所示。無限產(chǎn)能負(fù)荷曲線ULP(t)由若干LP=(RL,QL,SL,EL)片段組成，其中：RL、QL分別表示LP片段的負(fù)荷率和負(fù)荷量；SL、EL分別表示LP片段的開始時(shí)間和結(jié)束時(shí)間。同理，有限產(chǎn)能曲線CP(t)由若干CP=(RC,SC,EC)片段組成，其中：RC表示CP片段的產(chǎn)能率；SC、EC表示CP片段的開始時(shí)間和結(jié)束時(shí)間。產(chǎn)能過濾時(shí)，比較LP段與對(duì)應(yīng)的CP段，二者的結(jié)束時(shí)間應(yīng)相同，因此可能會(huì)在LP段的結(jié)束時(shí)間對(duì)CP段進(jìn)行分割。

類型A-1中，在CP段的開始時(shí)間，將LP段分為L(zhǎng)1和L2，進(jìn)行如下操作：①將L2減小到C的大??；②將L2的溢出量增加到L1上；在類型A-2中，L被“壓低”到C的高度，導(dǎo)致其開始時(shí)間向左移動(dòng)。

產(chǎn)能過剩情況類似于產(chǎn)能不足情況的過濾過程。

當(dāng)針對(duì)多種產(chǎn)品進(jìn)行產(chǎn)能過濾時(shí)，按照優(yōu)先級(jí)的高低，依次考慮不同的產(chǎn)品類型，即先對(duì)優(yōu)先級(jí)更高的產(chǎn)品進(jìn)行產(chǎn)能過濾，再依據(jù)剩余產(chǎn)能曲線對(duì)優(yōu)先級(jí)低的產(chǎn)品進(jìn)行過濾。

步驟4判斷當(dāng)前工序是否為首工序。

若為首工序，則根據(jù)其有限產(chǎn)能負(fù)荷曲線生成訂單發(fā)布計(jì)劃，結(jié)束算法；否則轉(zhuǎn)步驟5。

步驟5負(fù)荷曲線左移。

柔性流水線由多個(gè)被緩沖區(qū)分隔的工序組成。為了得到工序n-1的無限產(chǎn)能負(fù)荷曲線，需將工序n的有限產(chǎn)能負(fù)荷曲線向左平移工序n-1的通過時(shí)間Tn的距離，左移過程如圖6b所示。因此，用于獲得工序n處的無限產(chǎn)能負(fù)荷曲線的過程可以表示為：ULPn(t)=LPn+1(t+Tn)-(Bn+1+Wn)。

令n=n-1，繼續(xù)對(duì)前一道工序進(jìn)行產(chǎn)能過濾。

3.2 基于仿真的優(yōu)化模型

基于仿真的優(yōu)化模型以CFA得到的訂單發(fā)布計(jì)劃作為輸入，模擬車間的實(shí)際運(yùn)行情況，判斷車間的總產(chǎn)出是否滿足要求。運(yùn)行時(shí)可以直觀地展示設(shè)備狀態(tài)等信息，是在虛擬環(huán)境中對(duì)排產(chǎn)規(guī)則及算法進(jìn)行預(yù)驗(yàn)的重要工具。

考慮生產(chǎn)線中各對(duì)象物理特征及對(duì)象間的邏輯與約束關(guān)系，根據(jù)車間布局、設(shè)備的主要技術(shù)參數(shù)以及物流流程建立如圖8所示的仿真模型。仿真初始階段，需初始化緩存區(qū)和處于設(shè)備加工過程中的在制品，與訂單投放計(jì)劃一起作為輸入。通過選取不同的調(diào)度策略進(jìn)行對(duì)比分析，如先進(jìn)先出策略(First In First Out, FIFO)，最少切換時(shí)間策略(Minimum Setup Time, MST)，最早交貨期策略(Earliest Due Date, EDD)，最短加工時(shí)間策略(Shortest Processing Time, SPT)等，可為進(jìn)一步的決策與優(yōu)化提供依據(jù)。仿真結(jié)果優(yōu)劣可通過分析關(guān)鍵性能指標(biāo)評(píng)價(jià)，典型性能評(píng)價(jià)指標(biāo)包括瓶頸設(shè)備利用率、總換牌次數(shù)、車間總產(chǎn)出和訂單按時(shí)交付率等。

4 實(shí)例應(yīng)用

4.1 問題實(shí)例

為驗(yàn)證集成CFA與仿真技術(shù)的優(yōu)化框架在柔性作業(yè)車間中的有效性，本文利用某卷煙工廠1周的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行實(shí)例研究。該卷煙工廠制絲車間有兩條制絲線，生產(chǎn)能力分別為5 000 kg/h和4 800 kg/h，煙絲在貯絲柜中的醇化時(shí)間應(yīng)大于4 h。濾棒車間中有濾棒成型機(jī)和濾棒發(fā)射機(jī)各14臺(tái)，生產(chǎn)能力均為195千支/h。卷包車間包含24臺(tái)生產(chǎn)能力為9.6箱/h的卷包機(jī)，6臺(tái)生產(chǎn)能力為54箱/h的封箱機(jī)。該工廠4月1日～4月7日的產(chǎn)出計(jì)劃如表1所示，需生產(chǎn)5種牌號(hào)的卷煙，不同牌號(hào)之間的切換時(shí)間為30 min。

為保證卷包車間加工的連續(xù)性，需要提前1天根據(jù)卷包需求制定制絲車間的生產(chǎn)計(jì)劃，卷煙工廠各個(gè)工序3月31日的在制品分布數(shù)據(jù)如表2所示。

表1 卷煙車間產(chǎn)出計(jì)劃表 箱

表2 卷煙車間在制品分布表

4.2 實(shí)驗(yàn)結(jié)果與分析

4.2.1 有限CFA算法比較分析

對(duì)卷煙工廠1周的產(chǎn)出計(jì)劃應(yīng)用3.1節(jié)中的有限CFA，求解獲得該工廠葉絲線的葉片投放計(jì)劃(表3)、梗絲線的煙梗投放計(jì)劃(表4)和濾棒車間的濾棒投放計(jì)劃(表5)。

表3 葉片投放計(jì)劃表 kg

表4 煙梗投放計(jì)劃表 kg

表5 濾棒投放計(jì)劃表 千支

如圖9所示為依據(jù)卷煙實(shí)際生產(chǎn)環(huán)境與工藝流程采用FlexSim軟件構(gòu)建的仿真調(diào)度模型。分別將使用有限CFA算法和未使用有限CFA算法的訂單投放計(jì)劃作為輸入，對(duì)比分析兩者在先進(jìn)先出策略FIFO、最少切換時(shí)間策略MST、最早交貨期策略EDD、最短加工時(shí)間策略SPT 4種基本調(diào)度策略下的性能。

使用有限CFA算法與未使用有限CFA算法的性能對(duì)比情況如表6所示，分析可知：

(1)未使用有限CFA算法的車間總體產(chǎn)出量均值為38 107箱，有限CFA算法下達(dá)到40 234箱，使車間總產(chǎn)出提高了5.58%；

(2)未使用有限CFA算法瓶頸設(shè)備利用率均值為93.16%，使用有限CFA算法則為95.58%；

(3)有限CFA算法將訂單按時(shí)交付率均值從90.30%提高到了96.67%。在4種基本調(diào)度策略下，使用有限CFA算法的性能明顯優(yōu)于未使用有限CFA算法的調(diào)度方法。

表6 有限CFA算法性能比較表

4.2.2 調(diào)度策略比較分析

將表3～表5中3條產(chǎn)線的訂單投放計(jì)劃作為輸入，選擇先進(jìn)先出策略FIFO、最少切換時(shí)間策略MST、最早交貨期策略EDD、最短加工時(shí)間策略SPT等基本策略及EDD-MST策略和EDD-SPT策略等組合策略進(jìn)行動(dòng)態(tài)調(diào)度策略效能研究。

在仿真實(shí)驗(yàn)中，通過比較不同調(diào)度規(guī)則策略下的車間總體產(chǎn)出量、瓶頸工序流量、瓶頸設(shè)備利用率、總換牌次數(shù)及訂單按時(shí)交付率等關(guān)鍵指標(biāo)評(píng)價(jià)策略優(yōu)劣。

(1)車間總體產(chǎn)出量

通過統(tǒng)計(jì)仿真模型3月31日～4月7日所有牌號(hào)的產(chǎn)出得到車間總體產(chǎn)出量，各個(gè)策略的表現(xiàn)情況，如圖10所示。MST策略下車間總體產(chǎn)出量遠(yuǎn)高于其他策略，而將MST作為二級(jí)策略的EDD-MST組合策略相比于其他策略也具有優(yōu)勢(shì)。因此，可以通過減少設(shè)備切換時(shí)間來提高車間總體產(chǎn)出。

(2)瓶頸工序流量

瓶頸工序流量是指瓶頸設(shè)備每日加工完成的產(chǎn)品數(shù)量，不同策略下車間的瓶頸工序流量如圖11所示。MST策略和EDD-MST組合策略下，瓶頸工序流量最大，與圖10所示結(jié)果保持一致，可知減少設(shè)備切換時(shí)間可以有效地提高瓶頸設(shè)備的產(chǎn)出，從而提高車間總體產(chǎn)能。

(3)瓶頸設(shè)備利用率

統(tǒng)計(jì)瓶頸設(shè)備的利用率可以反映工廠是否保持連續(xù)運(yùn)作，根據(jù)卷煙工廠的實(shí)際情況可知，卷接機(jī)組是整個(gè)工廠的瓶頸設(shè)備，這也與仿真的結(jié)果相符。由圖12和表7可知，MST策略下瓶頸設(shè)備的利用率最高，達(dá)到了97.01%，其他策略下的瓶頸設(shè)備利用率均在95%左右。

表7 不同策略下瓶頸設(shè)備利用率 %

(4)總換牌次數(shù)

減少設(shè)備的換牌次數(shù)，可以提高設(shè)備利用率從而最大化車間的產(chǎn)出。由表8可知，MST策略下總換牌次數(shù)最小，較其他策略下的平均換牌次數(shù)下降45.1%。

表8 不同策略下總換牌次數(shù)

(5)訂單按時(shí)交付率

卷煙工廠需要根據(jù)產(chǎn)出計(jì)劃交付不同種類的卷煙，對(duì)每種牌號(hào)的卷煙計(jì)算每天的交付率，取平均值作為該牌號(hào)統(tǒng)計(jì)期內(nèi)的訂單按時(shí)交付率。如圖13所示，本文所使用的FIFO、MST等6種策略下訂單的按時(shí)交付率均高于95%，這表明使用有限CFA已經(jīng)較好地均衡了車間的負(fù)荷，使車間在不同的調(diào)度策略下都能達(dá)到較高的按時(shí)交付率。其中MST策略、EDD策略和組合策略的交付率均在97%以上，效果較好。

綜上所述，MST策略在車間總體產(chǎn)出、設(shè)備利用率和訂單按時(shí)交付率等方面都有較大的優(yōu)勢(shì)。EDD策略下按時(shí)交付率表現(xiàn)良好，但總換牌次數(shù)較多且車間總體產(chǎn)出較低，而EDD-MST組合策略有效地改善了EDD策略的這一缺陷，在設(shè)備利用率和車間總體產(chǎn)能方面也表現(xiàn)較好。

如表9所示為集成CFA與仿真技術(shù)的優(yōu)化框架與卷煙廠現(xiàn)行調(diào)度方法的對(duì)比情況，目前管理人員使用車間發(fā)布的未充分考慮有限產(chǎn)能的日產(chǎn)出計(jì)劃，使用基于人工經(jīng)驗(yàn)的排產(chǎn)規(guī)則進(jìn)行動(dòng)態(tài)調(diào)度。通過表9中的對(duì)比結(jié)果可知(以MST策略為例)：

(1)卷煙工廠實(shí)際總產(chǎn)出為35 877箱卷煙，基于仿真的優(yōu)化框架下車間總產(chǎn)出達(dá)到40 572箱，使車間總產(chǎn)出提高13.09%；

(2)該優(yōu)化框架將瓶頸設(shè)備利用率從實(shí)際的89.77%提高到了97.01%，減少了產(chǎn)能浪費(fèi)；

(3)該框架下，車間的總換牌次數(shù)為42次，比現(xiàn)行調(diào)度方法的換牌次數(shù)(91)減少了53.85%；

(4)基于仿真的優(yōu)化框架中，工廠的訂單按時(shí)交付率為97.44%，比現(xiàn)行調(diào)度方法提高了10.08%，優(yōu)化效果顯著。

表9 集成CFA與仿真技術(shù)的優(yōu)化框架性能對(duì)比

5 結(jié)束語

煙草生產(chǎn)行業(yè)屬于連續(xù)—離散的混合生產(chǎn)模式，其生產(chǎn)調(diào)度問題較為復(fù)雜，為優(yōu)化卷煙工廠生產(chǎn)調(diào)度，本文提出一種集成產(chǎn)能過濾算法與仿真技術(shù)的優(yōu)化方法。該方法首次引入了CFA對(duì)卷煙整體生產(chǎn)流程進(jìn)行有限產(chǎn)能分析，并得到各類資源有限產(chǎn)能下的最佳產(chǎn)出計(jì)劃。為了保證動(dòng)態(tài)制造系統(tǒng)中生產(chǎn)調(diào)度方案與實(shí)際生產(chǎn)過程的精準(zhǔn)度，本文進(jìn)一步建立了基于組合規(guī)則的仿真調(diào)度模型，通過實(shí)驗(yàn)分析得到最優(yōu)動(dòng)態(tài)調(diào)度規(guī)則，使車間負(fù)荷平衡，產(chǎn)出制訂合理化。本文將某卷煙廠的實(shí)際生產(chǎn)數(shù)據(jù)作為實(shí)際案例進(jìn)行實(shí)驗(yàn)，并與工廠的現(xiàn)行調(diào)度方法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果顯示，集成CFA與仿真技術(shù)的優(yōu)化的方法可以有效減少換牌次數(shù)，提升設(shè)備利用率，達(dá)到較高的訂單按時(shí)交付率。

本文主要對(duì)煙草生產(chǎn)過程中的訂單發(fā)布計(jì)劃和調(diào)度策略進(jìn)行了研究，未來可根據(jù)不同業(yè)務(wù)需求和場(chǎng)景特點(diǎn)，對(duì)產(chǎn)品分批規(guī)則、設(shè)備成組和工藝路徑規(guī)劃等方面繼續(xù)進(jìn)行探索。