测品娱乐
您的当前位置:首页混流汽车总装配线上的零部件优化配送方案研究

混流汽车总装配线上的零部件优化配送方案研究

来源:测品娱乐
维普资讯 http://www.cqvip.com

机械设计与制造 —.第1期 2008年1月 138—. Machinery Design&Manufacture 文章编号:1001—3997(2008)01—0138—03 混流汽车总装配线上的零部件优化配送方案研究六 邱文坪 史海波 尚文利 (,中科院沈阳自动化研究所,沈阳100016)( 中国科学院研究生院。北京100039) The part-feeding management methodology for mixed-model automotive assembly line QIU Wen-ping 一,SHI Hai-bo ,SHANG Wen-li ( China Shenyang Institute of Automation,Chinese Academy of Science,Shenyang 1 10016,China) (2Graduate University of the Chinese Academy of Sciences,Beijing 100039,China) 【摘要】配送车每次配送的利用率大小是提高配送效率的主要因素,因此设计一种启发式算法 使配送车一次装载的标准塑料周转箱尽可能多,提高配送车空间利用率。最后的仿真实验验证了 上述配送方法的实用性,提出的零部件配送管理方法,只需使用较少的配送工人,同时降低了线旁 库存,能为企业节省人力,降低生产成本。 关键词:混流汽车装配线;优化;零部件配送:仿真 【Abstract】The methodology we proposed this study optimizes the feeding process to decrease te lhevel ofthe inventory and increase the eficifency offeeding rrmmtgement.The method iclnudes how to estimate the part consumption amounts,how to producefeeding orders and direct orders tofeeders,how to divide the whole line to severalpartitions and how to ecidde the amount offeeders who nre responsible 如rfeedingparts to one partition. n越 ,a simulation system will be built to show the experientml aresult ofte hfon r etmhodology which COlt be useful consulttaionfor the decision-makers ofautomotive manufactures. Key words:’I'he mixed-model assembly line;Optimization;Part-feeding;Simulation 中图分类号:U46 文献标识码:A 1混流汽车总装配线生产特点 汽车主要由车身、底盘、发动机和电器设备4大部分组成, 其装配特点是以车身为装配基体,经焊装及涂装后进入总装车 间。总装车间的生产工艺流程,见图1所示。 承担多种车型装配任务的混流汽车总装配线由一百多个工 位,工位间距约6m,每种车型需要的零部件种类达三千多种。这 位和连接这些工位的传动装置组成,主要由两条底盘线、两条内 饰线、一条尾线、前桥分装线、后桥分装线、发动机分装线及检车 线区域组成。总装配作业过程主要以零部件的安装、紧固为主; 其次是联接、压装和加注冷却液、制动液等液体,以及整车质量 检测等工序。总装线上的基本单元是工位,工位地址提供物料运 送的位置,安排装配人员并提供配送服务,同时安排工具和设 备。流水线传动装置以一定速度移动,各工位上的作业时间应满 足一定的生产节拍要求,以免某些工位的任务堆积而某些工位 又形成工时流失。作业分配量按工位同期化,即要求工位能力均 衡,作业时间均衡;车身按一定的速度移动,在移动中装配;线上 全体员工同时作业;车身按合理化直线路径向完成方向移动。 图1总装车间生产工艺流程图 些零部件大致分为两大类:一类是直接供货零件,即零件由供应 商直接送到相应的工位,不经过中间库存;另一类为库存零件, 即零件由配送工人从库房运送到生产线旁的库存区域。主要研 2生成零部件配送请求单的流程 我们以当地某汽车总装厂为例,总装车间全线共130个工 究第二种零部件的配送策略。我们先将本次研究的总装配车间 ★来稿日期:2007-03—22★基金项目:国家自然科学基金资助项目(60674114);辽宁省博士启动基金资助项目(L050517) 维普资讯 http://www.cqvip.com

第1期 的状态作如下约束: 邱文坪等:混流汽车总装配线上的零部件优化配送方案研究 一139一 人物料配送请求池中,且配送需求量为s (观 邢 ・P广州。 (1)只有一个车间仓库用于供应商供应和存储零件。 (2)多个配送工人负责从车间仓库到生产工位的物料配送。 定。 3.1.3估算零部件的配送时间窗口 将零部件 放人物料配送请求池后,再计算从此刻起零部件 (3)每个配送工人负责一台配送车,且每台配送车辆的容量 要求被送达工位的配送时间窗,我们用下面的公式估算:邢产 一/pj・t一观 。用上述公式估算时,要注意的是,零部件 在制品数量 是随着生产节拍时刻变化的,配送系统根据车辆跟踪上线信 息,对线旁工位的在制品零件的数量进行实时的冲减。 如图2所示是零部件请求配送单生成的流程图。配送请求 信息按照下面的步骤产生: (1)喷涂一装配缓存区的人口处和总装生产线的上线处分 3.2生产线分段方法与零部件配送单的生成 汽车装配线上传送带以恒定速率向前移动,我们用p 表示 别安装了数据采集设备,因此我们能实时准确地获得车辆上线 时的车型序列信息,再根据各种车型对应的工位装配BOM表, 得到该车型在各工位消耗的零部件种类和数量信息。 车辆i在某工位k消耗零部件 的数量,如表1所示。 (2)利用上述信息,配送管理系统将累加各工位上各零部件 将表中各种型号车辆在工位k消耗的相同零部件的数量进 的消耗数量,当达到配送需求量时,则将零部件放人配送请求池 行累加,即 p¨由前述可知,配送系统从线旁库存中冲减掉 中,这里需要确定请求池各种零部件的配送请求数量和要求送 i=l 达工位的配送时间窗口,具体计算方法我们将在第3部分作详 已消耗的零部件数量,当剩余在制品数量n: Pih S+ 细介绍。 (3)将配送请求池中的待配送零部件按要求配送时间的先后 (ct: 。n时,则将该零件放人配送请求池中。 顺序进行优先级排序,配送时间越早的优先级越高,排在最前面。 表1各工位零件消耗数量示意表 (4)根据配送请求池中的待配零件信息,我们将一批连续工 位的零件配送请求并批,使每批零部件总量接近一辆配送叉车 的最大载重量或最大容积,并根据这个目标我们将整条生产线 分段,每段生产线由几个配送工人负责,且每个配送工人在一次 配送中的效率应尽量最高。详细论述见第3部分。 零部件从库房出库后用标准容器盛装,再用叉车送到相应 (5)最后,生成配送单,并将其分派给相关的配送工人。 工位旁。因此,需把待配送的零部件合理装到标准容器中,使每 息 个容器都装最多的零部件。 4算法设计 我们研究提出一种快速启发式算法来求解上面的整数规划 模型,使配送车配送一次利用率尽可能最高。在描述算法之前, 我们先介绍一下三空间的概念。 当一个货物在摆放人一个空间后,该空间被分割成三个子 空间(除自己占用的空间),分别为边空间,前空间,上空间。分割 如图3所示。同理每个子空间在充填过程中,被摆放人货物后, 同样被继续分割为三个空间,而原空间消失。 图2生成配送请求单流程图 3生成零部件配送请求单的数学方法 3.1确定配送请求池中待配送零部件的数量和时间 刚 3.1.1参数定义 表示零件 ;z表示配送工人z; 表示零件 .在制品数量; Ss表示零件,安全库存量; 表示零件图3三空间分割不意图  .消耗率,即每个生产节 拍消耗的零件 数量;观,表示零件. 平均配送时间(往返路径 4.1算法设计 加上装载卸载零件的时间);邢 表示要求零部件 送达工位的 输入量:(1)配送车辆的尺寸,即配送车辆的容积和长、宽、 配送时间窗口;f表示总装线的生产节拍。 高;(2)标准容器的类型总数Ⅳ;(3)标准容器尺寸:每种规格箱 3.1.2估算零部件配送数量 子长度z ,宽度 高度h。,i=1,2,…,Ⅳo 零件 的安全库存量 和平均配送时间c厶属于常量,可 输出量:各配送车最佳装载方式。 以根据历史经验获得。若,^ 一 P ̄<SS,+(ct,+Tvej)/t・P,,则如果 4.2算法步骤 i=l Stepl将各标准料箱按照配送时间优先级顺序排序,料箱中 不在指定时间窗口内配送到工位,零件. 的预期线旁库存水平将 零件被要求送达工位的配送时间越早,优先级越高。我们用P 低于安全库存水平。故如果 s+(观『斗 ・p,,则将零件. 放 表示优先级( 1,2,3,……),规定 值越大,优先级越低,应优 维普资讯 http://www.cqvip.com

NO.1 一140一 机械设计与制造 Jan.2OO8 先装载; 我们使用当地某汽车装配厂的实际生产数据,选取其中的 Step2对同等优先级 的标准料箱按照体积大小再进行降 前36个连续工位的364种汽车零部件做仿真研究,该总装车间 序排序,保存在序列{G 中; 实行两班制,一班/kdx时,使用的配送车辆的容积约为3.296 sty#选属性值只最大的标准料箱优先摆放到配送车上, m3,其容积的长宽高分别为1770"1330"1400(单位mm)。 完成—个 的货物装载,再开始下一级 的货物装载; 仿真运行结果如图5所示,如果我们给36个工位只指定一 s 计算一axfI ×f 『×I缶『×I}f 分 辆配送车,则该配送车的利用率始终是100%,整个仿真运行过 别表示配送车的长度和宽度; 和W 分别表示标准料箱的长度 程中配送车都处于工作状态,而生产线却仍因为缺料,运行时被 和宽度)。若 结果为前一项,则选择L#1的摆放方式,即长度 迫停线,说明为36个工位指定一辆配送车不能完成配送任务。 方向平行;若结果为第二项,则选择L//w的摆放方式,即标准料 那么如右边图表所示,如果我们指定两辆配送车辆负责36个工 箱宽度方向与配送车长度方向平行; 位的配送任务,那么配送车辆1的利用率约为67.5%,配送车辆 step5每摆放一个标准料箱,按三空间分割法分割空间,记 2的利用率约为77.8%,显然两辆配送车辆在仿真运行过程中 录新空间的参数,将新空间加入空间序列 },删除原空间,并从 都有一段空闲时间没有接受任何配送指令,造成了工时浪费,需 标准料箱序列{G0中删除已装载的料箱; 要增加更多的工位分配给这两辆配送车,才能提高他们的利用 step6对已装载的标准料箱和已形成的空问进行空间合并 率。增加工位后仿真方法跟上述完全相同,限于篇幅本文不再做 和料箱合并,方法如下: 进一步的讨论,最后把这些工位作为一段,分配给这两辆配送车 ①对m,,l两空间,如满足 负责,使每辆车的总配送效率和一次配送中车辆空间的利用率 凇+ 木mm,ym木= 凇, m木≈n木或者 m木 木, 木栅m木= 木, 都达到最高。 ; ,则m,,l两空间分别在 或者Y方向合并为一个空间; ②对相同只值的两个标准料箱iJ,若满足Xi ,Y ̄-TJ,z产 ,或者 , 栅 ,, ,则ij两料箱分别在 或者Y方向合 并为一个料箱; st ̄p7更新空间序列㈣,返回Step3再进行装载,直到标准 料箱序列{cfl为空; Step8保留最佳方案,算法结束。 5仿真验证 该仿真系统在WindowsXP操作平台下采用Tecnomatix的 em-plant7.5作为仿真工具。仿真模型的系统结构如图4所示, 这个仿真系统包括两部分:配送控制器和仿真模型。其中配送控 制器包括配送指令控制器,配送车控制器和装配线控制器。配送 指令控制器,负责在线计算零部件消耗数量,零部件配送时间, 图5配送系统中配送车辆的利用率 零部件配送到达的工位,将各工位零部件配送请求组批生成配 送单,发送给空闲配送车;配送车控制器,负责小车的调度分配, 6结束语 在汽车工业中,市场对产品的多样化需求极大的增加了零 安排配送路径;装配线控制器,负责控制装配线的运行,收集工 位装配的车型信息,线旁库存数量的信息传送给配送指令控制 部件的消耗数量,从而导致装配厂内生产物流管理的混乱。本文 提出的零部件配送方法,能保证总装车间生产线零部件配送系 器。仿真模型在配送控制器的控制下仿真出整个装配线的运行 统高效有序地进行,杜绝生产线因缺料停线造成巨大经济损失, 情况,执行配送指令,并将配送执行结果反馈给配送控制器,配 送控制器均采用Simtalk语言编程实现。启发式算法目标是将零 同时又使线旁库存维持在较低的水平,节约生产成本,可应用于 总装配车间的物流管理信息系统中。文中建立的仿真系统运行 部件配送请求合理组批得到配送车的最佳装载方式,算法在配 结果,可为管理者提供很好的决策参考。另外,配送车辆的配送 送车控制器中实现,后台运行。 路径也是影响零部件配送系统效率的一个重要因素,对配送路 径的合理优化对减少配送时间,从而降低线旁库存数量,具有重 旦 要意义,对这一问题的解决本文未涉及,将做为今后进一步研究 的方向。 参考文献 1 MONDEN,Y.Toyota production system[J].Norcross,GA,USA:Institute of Industrial Engineers,1993(2). 2阎威武,邵惠鹤,田雅杰,集装箱装箱的一种启发是算法m信息与控 制,2002,31(8):353~356. 3ANDNEA,L.,SILVANO,M.Heuristicalgorithmsforthethree-dimen sional bin backingproblem[J].European Journal ofOperational Research, 图4仿真系统结构 2002.141:410~420. 

因篇幅问题不能全部显示,请点此查看更多更全内容