常清慧　李坤　趙濤

摘 要：混流生產是一種面向訂單的多品種小批量生產模式，是整車制造企業(yè)的主流生產方式。本文系統(tǒng)地闡述了汽車混流生產的產生發(fā)展過程，介紹了汽車混流生產的流程、特點和難點，歸納了汽車混流生產的目標和約束，比較了適合不同的計劃層次的排產方法和算法，并分析其優(yōu)缺點。結合已有的汽車混流生產研究成果，說明當前汽車混流生產面臨的挑戰(zhàn)，并展望了未來的發(fā)展趨勢。

關鍵詞：汽車 混流生產 混流裝配線 生產計劃 排產

Research on Mixed Production Scheduling of Vehicle Enterprises

Chang Qinghui Li Kun Zhao Tao

Abstract：Mixed-flow production is an order-oriented multi-variety and small-batch production mode， and it is the mainstream production method for vehicle manufacturers. This article systematically expounds the production and development process of automobile mixed-flow production， introduces the process， characteristics and difficulties of automobile mixed-flow production， summarizes the goals and constraints of automobile mixed-flow production， compares scheduling methods and algorithms suitable for different planning levels， and analyzes its advantages and disadvantages. Combined with the existing research results of automobile mixed-flow production， the paper explains the current challenges for automobile mixed-flow production and looks forward to the future development trend.

Key words：automobile， mixed-flow production， mixed-flow assembly line， production plan， production scheduling

1 引言

隨著國民經濟的發(fā)展，人們消費水平的不斷提高，汽車行業(yè)已經成為國民經濟的支柱。汽車產業(yè)由賣方市場逐漸轉換為以買方市場為主導，消費者也越來越傾向于個性化定制的需求與服務。市場對汽車需求的刺激推動了汽車產業(yè)鏈的創(chuàng)新和發(fā)展，面向訂單的多品種、小批量的混流生產模式被整車制造企業(yè)廣泛應用。隨著市場競爭的不斷加劇，汽車行業(yè)正朝著生產周期不斷縮短，更新速度不斷加快的方向發(fā)展。在這種背景下，為不同車型開辟獨立的生產線無法實現(xiàn)企業(yè)實現(xiàn)高質量、高效率、低成本的目標，混流生產模式成為整車制造企業(yè)的首選。

混流生產是一種常見的生產線組織形式，通過調整生產組織的模式，在一條流水線上多品種搭配，有序地生產多種產品，能夠解決了傳統(tǒng)車間生產和單件流生產中的效率和柔性的矛盾、效率與生產柔性的矛盾，可以獲得更多的產品變化、更短的產品生命周期、更低的產品成本和更高的產能。而混流生產的投產順序比單一生產線要復雜得多，影響著生產線整體的運轉效率和設備、人員的利用率，因此如何讓制定月、周、日計劃，如何安排一天的投產順序，成為企業(yè)生產的核心問題。近年來，不少學者和研究者對汽車混流生產進行研究，很多新方法、模型和算法也就隨之產生。

2 混流生產的產生發(fā)展

在工業(yè)生產領域，混流生產模式早已存在，但并沒有引起學者的廣泛關注。1961年Kilbridge MD和Wester首次提出了混流生產問題，定義了混流線的概念。1963年， Arcus A.L[1]首次提出混流裝配線的排序問題，被證明是組合優(yōu)化中的NP-hard問題。1967年，Thomopoulos[2]以最小總懲罰代價為目標，建立了關于負荷平衡的以最小總懲罰代價為目標的數(shù)學模型，并用啟發(fā)式算法對其進行求解;1970年，Thomopoulos利用組合優(yōu)先圖，將混流裝配生產線轉化為單一生產線的問題，并把單一流水線的平衡技術和方法運用到混合流水線上，首次解決了混流線的平衡問題。

隨后，多名學者對混流生產進行研究，但大多集中于混流裝配線問題。1989年，Miltenburgl[3]運用非線性整數(shù)規(guī)劃，以實際生產率與理想生產率的偏差最小化為目標，解決混流裝配線的排序問題，但前提條件是所有產品需要的零件的種類數(shù)量相同。1994年，Bard等[4]用加權求和的方法，建立包含最小裝配總長度和零部件使用速率均勻兩個目標在內的數(shù)學模型，并用禁忌搜索算法進行求解。1998年，Hyun[5]以最小化總時間、零部件消耗速率均勻、最小化裝配線調整非用三個目標進行研究，并里用遺傳算法對其進行求解。2004年，Kotani.S[6]在考慮替補人員的工作量和行走時間的基礎上，建立了包含最小化停工時間和零件消耗速率均勻化兩個目標在內的數(shù)學模型。2010年，薛琴微等[7]以最小化傳送帶停止時間為目標，建立數(shù)學模型，并提出小生境蟻群算法，改善了傳統(tǒng)蟻群算法容易早熟的缺點。2011年，Mirzapour等[8]建立了含有生產副線的排序模型，以零部件消耗速率均勻和減少停線時間為目標，并利用遺傳算法對其進行求解。以上研究僅考慮了總裝車間對投產順序的影響，針對混流裝配線進行排序和優(yōu)化。

在進行多目標優(yōu)化時，往往會選擇2至3個目標進行建模，但在實際生產中，有些目標是相互沖突的，需要分清目標的主次，必要時犧牲一些次要目標來保證主要目標的實現(xiàn)。

5 汽車混流生產排產約束

整車制造企業(yè)在進行生產排程時，通常會定義一些約束，以實現(xiàn)對生產能力的限制。通常約束條件分為強約束和軟約束。

（1）強約束

強約束指在排產過程中必須滿足的限制條件，主要包括以下幾種：

產能約束。根據(jù)生產節(jié)拍、工作日歷和工作狀態(tài)確定生產線的產能，計劃和排產 都不能超過生產線最大產能。

物料約束。根據(jù)物料的庫存和到貨日期，來指定某些產品的計劃開始時間和每日最大產量。

最大最小制約。規(guī)定在給定區(qū)間內，生產某種產品數(shù)量的最大或最小值。

（2）軟約束

軟約束指在計劃和排程中可以存在的限制條件以及該限制條件的權重值，主要包括以下幾種：

數(shù)量約束。定義訂單排序中具有某些屬性產品的最大值或最小值。

間隔約束。規(guī)定每間隔設定數(shù)量的產品時，需要生產一個某種屬性的產品。

結塊約束。規(guī)定某一設定屬性的產品在任一位置生產時，都要連續(xù)生產指定數(shù)量。

K in M約束。在規(guī)定數(shù)量的產品中必須存在或不存在某些屬性的產品及其數(shù)量。其中。

位置約束。規(guī)定特定的產品所在的位置。

平均約束。將訂單中要生產的具有某些屬性的車輛平均分配到每天，而不是集中生產。

以上提及的每種約束都可以設置特定的屬性。如，可以通過定義約束的版本來限定所設約束在計劃版本中使用的范圍，通過時間屬性定義所設約束的有效期，通過定義約束的地點來限定約束條件可以在哪些產線、車間有效等。

6 汽車混流生產排產方法

學者對于排產問題的研究經歷了多個階段，最早的排產方法是基于簡單規(guī)則，隨著相關理論的發(fā)展，逐漸從從簡單到復雜，從單一到多元，出現(xiàn)了許多先進的排程方法。在整車制造企業(yè)中，混流生產線需要制定長、中、短期計劃，由于不同層次的計劃要求的精度不同，相應的方法也會有所不同，主要包括以下幾種：

（1）線性規(guī)劃。主要適用于制定中期到長期計劃，這種方法可以可以考慮各種生產限制和約束條件，將訂單分配劃分日期分配到生產線上，在滿足硬性約束的前提下，根據(jù)產線的優(yōu)先級，建立排產的順序。

（2）百分比平滑法。主要適用于制定中期和長期計劃，可以實現(xiàn)某個時間段產能的百分之百的利用。若某一時間段的生產負荷超過產能，則將訂單后移，反之則將訂單向前移動。

（3）基于約束理論。TOC主要從有效產出、經營費用和庫存三個方面對企業(yè)進行衡量和評價，從系統(tǒng)整體效益的角度分析和解決生產中遇到的問題，綜合考慮多種因素，找出生產中的瓶頸及其存在的原因，并設法消除。

（4）最小循環(huán)法。用于制定短期計劃，實質是一種貪婪算法，每一步均從當前可選擇策略中選取使目標函數(shù)值增加最少的策略，即每確定一臺車的投產順序時，均選擇最為有利的一種車型。這種方法的缺點在于多數(shù)情況下得到的排產方案為局部最優(yōu)解。

（5）啟發(fā)式算法。是一種通過預先設定目標和約束條件，通過不斷嘗試來獲取最優(yōu)解的方法。優(yōu)點在于計算復雜度低，運算速度較快等，但可處理的變量數(shù)量和復雜程度限制較高，且方案的穩(wěn)定性根據(jù)問題的不同會存在較大差異。常用的啟發(fā)式該規(guī)則有先到先服務規(guī)則、后到先服務規(guī)則、最短操作時間規(guī)則、最早交貨日期規(guī)則、最短等待時間規(guī)則等。

（6）智能算法。主要是用于制定短期計劃，能夠將所有的限制限制和約束以及交貨期等因素全部考慮在內。包括遺傳算法、蟻群算法、粒子群算法、禁忌搜索算法、模擬退火算法等。

由于各種算法都存在各自的缺陷，不少學者對算法進行改進或融合，彌補算法本身的缺陷，提高排產效率。蘇平、于兆勤[11]利用模擬退火算法對遺傳算法進行改進，解決了傳統(tǒng)遺傳算法容易陷入局部最優(yōu)的問題。吳永明等[12]將粒子群算法和遺傳算法相互融合，在粒子搜索過程中加入交叉、變異等操作，提高了算法的尋優(yōu)能力和求解精度，解決了基本粒子群算法容易陷入局部最優(yōu)的缺陷。

7 汽車混流生產的挑戰(zhàn)和趨勢

現(xiàn)階段對汽車混流生產的研究多集中于總裝車間，針對車間聯(lián)動計劃排產的研究還不足。隨著工業(yè)的發(fā)展，針對單一車間的研究已經不能滿足實際需求，從系統(tǒng)的角度將沖壓、焊裝、涂裝、總裝車間作為一個整體分析和考量，成為未來研究的趨勢。

整車制造企業(yè)的生產計劃是滾動安排的，因此，在制定新的計劃時需要考慮已經下達的生產計劃對生產線和供應商的影響。此外，插單、撤單等時間帶來的動態(tài)排程問題仍存在研究和提升的空間

現(xiàn)在多數(shù)企業(yè)仍處于手動排產的階段，無法應對多品種小批量的的訂單需求和柔性制造的需要，同時巨大的工作量 僅僅依靠經驗解決問題，也難以達到科學最優(yōu)化排產，造成庫存積壓、客戶響應滯后、產能浪費、供銷脫節(jié)等問題。APS作為當下研究的熱點，不僅能夠準確、快速地制定出排產計劃，還能有效地管理日益龐大的供應鏈，正在逐步取代傳統(tǒng)的生產排程方式。

8 結束語

現(xiàn)階段，混流生產模式已經成為整車制造企業(yè)的主要生產模式，能夠適應多品種、小批量的訂單要求，進行柔性制造。這時，如何制定合理的排產方案成為企業(yè)重點考慮的問題。隨著科學研究的不斷深入，已經逐步涌現(xiàn)出了許多排程算法，企業(yè)可以根據(jù)計劃層次的不同選取不同的算法，綜合考慮實際生產中的約束和限制，制定合理的排產方案。混流裝配線作為汽車生產的最后一道工序，拉動上游車間的生產，是研究的重點和熱點，而沖壓、焊裝、涂裝車間同為汽車生產的階段，仍有很大的研究空間。

參考文獻：

[1]Areus A L.An Analysis of a Compture Method of Sequencing Assembly Line Operations[D].University Of California，Berkeley，1963.

[2]Thomopoulos N T. Line balancing-sequencing for mixed-model assembly[J].Management Science，1967，14;859-875

[3]Miltenburgl J.Level schedules for mixed-model assembly lines in just-in-time production systems[J].Management Science，1989，35（1）：192-207.

[4]Bard J F，Shtub A，Joshi S B. Sequencing mixed-model assembly lines to level parts usage and minimize line length[J].International Journal of Production Research，1994，32：2431-2454.

[5]Chul Ju Hyun，Yeongho Kim，Yeo Keun Kim.A genetic algorithm for multiple objective sequencing problems in mixed model assembly lines[J].Computers and Operations Research，1998，25（6）：675-690.

[6]Kotani.S，Ito T，Ohno K，Sequencing problem for a mixed-model assembly line in the Toyota production system[J].International Journal of Production Research.2004，42（23）：4955-4974.

[7]薛琴微，蘭秀菊，陳呈頻. 基于蟻群算法的混流裝配線排序研究[J]. 輕工機械，2010，28（5）：107-112.

[8]Al-e-hashem M.A new approach to solve a mixed-model assembly line with a bypass subline[J].International Journal of Advanced Manufacturing Technology，2011，52：1053-1066.

[9]鄭敏，董明.考慮轉換約束的汽車混流裝配線投產排序研究[J].工業(yè)工程與管理，2012，17（2）：85-89.

[10]余方平，劉堅，馬燦.汽車混流裝配線的混合布谷鳥算法排序研究[J]. 計算機工程與應用，2017，53（8）：240-245.

[11]蘇平，于兆勤.混流裝配線平衡問題的多目標優(yōu)化方法研究[J].中國機械工程，2009，20（19）：2342-2347.

[12]吳永明，張晗，徐艷霞，等. 基于GA-IPSO算法的柔性生產線高級計劃排程方法研究[J]. 組合機床與自動化加工技術，2019（4）：10-13，19.