基于Plant Simulation的混合流水线作业序列优化

为了完成某公司的智能制造转型计划，对该公司车间的生产流程、生产布局以及产品的生产工艺进行了调研，根据该车间的生产特点，将其归类为混合流水线车间调度(HFSP)这一典型的NP-hard问题。以最短作业时间(SPT)调度为优化目标，使用遗传算法去解决这一问题。具体方法上使用Plant Simulation仿真软件，结合现场生产实际情况，搭建起车间流水线生产模型，应用遗传算法实现最优排序，得到近似最优解。经过遗传算法计算后的生产作业序列，理论上按此指导进行生产，总的作业时间可以缩短15%左右，从而提高企业生产效率；另外，厂家只需要导入即将执行的产品数量及工艺信息到模型，经过模型计算即可获得推荐排序。因此，此方式具有一定的实际应用价值和指导意义。

随着经济市场的发展，制造业产品市场朝着多品种、小批量、个性化的方向发展；这种现象一方面导致新产品的需求量激增，另一方面促使现有的车间生产方式进行优化提升， 以满足市场对产品的需求。

因此对于车间装配水平的提升，值得企业进一步研究。车间作业排序问题被广泛认为是一项具有挑战性的NP 难题，也被归类为最复杂的组合优化问题之一。尽管在这一领域的研究已取得了一些实际应用成果，但由于问题的高度复杂性，存在一些难以克服的弱点，例如处理大规模问题变得几乎不可能，同时全局最优解的获得也异常困难。

这个问题的复杂性涵盖了主要两个方面的变化，即不同产品加工顺序所引发的不同加工时间和生产平衡率的多变性。随着问题规模的扩大，计算复杂度呈指数级增长，传统的分析方法往往难以胜任，或者只能满足局部的优化条件，远远达不到预期。目前较好地满足需求的方法主要是利用工业仿真软件搭建仿真模型，使用功能组件对数据进行优化。该方法包括在仿真软件中构建模型，随后使用仿真语言编写程序，以通过仿真优化获得最佳的车间作业排序。通过将算法语言直接嵌入仿真过程中，可以直观地观察到最佳制造顺序，以实现最小化最大完工时间、加快在制品周转率等目标。

近年来，学者对于车间混合流水线生产的研究不断深入，一部分学者使用仿真软件对该问题进行探索，另外一部分学者是通过结合实际问题改造相关算法来解决这类情况。王晓峰等[1]运用FCFS 规则， 形成解决混合调度流水线问题的改进遗传算法，并利用仿真软件建立混合流水线调度运行的仿真模型， 验证改进遗传算法求得的解。周金平[2]根据车间装配线的特点，使用仿真软件搭建流水线模型，对一整个配送系统的数据流进行统计优化。如卜康正等[3]基于NSGA2 遗传算法并设定多个优化目标；从而得到Pareto 解， 结合实际问题从Pareto 解集中得到最优方案。

张海涛等[4] [5]以工件最短生产周期为优化目标，通过MATLAB 等仿真软件优化出静态调度问题解最优值与最优调度方案，从而给出最佳调度策略。

肖福龙[6]梳理出产线生产的流程工艺，生产布局以及存在的生产不平衡之处，使用仿真软件找出其生产瓶颈，对生产线进行平衡优化。王静云[7]针对多目标不相关并行机混合流水车间调度问题，建立以最小