張?zhí)K寧， 王 澤， 馬大力

(1. 天津工業(yè)大學(xué) 紡織科學(xué)與工程學(xué)院， 天津 300387； 2. 天津工業(yè)大學(xué) 電氣工程與自動(dòng)化學(xué)院， 天津 300387)

隨著我國(guó)經(jīng)濟(jì)的結(jié)構(gòu)性調(diào)整，各大服裝企業(yè)也面臨著轉(zhuǎn)型升級(jí)的壓力，紛紛發(fā)力創(chuàng)新優(yōu)化生產(chǎn)流水線、管理模式等，以適應(yīng)新形式下的市場(chǎng)變化[1]。只有不斷提高服裝流水線設(shè)計(jì)與編制水平和學(xué)習(xí)改良加工技術(shù)才能不斷地增強(qiáng)企業(yè)核心競(jìng)爭(zhēng)力[2]。

流水線優(yōu)化可采用工序拆分、重組等工序重構(gòu)優(yōu)化方案[3]，但優(yōu)化后依舊有工位存在閑置和堆積的現(xiàn)象，缺少對(duì)實(shí)際環(huán)境的綜合考慮；還可采用服裝流水線模塊化優(yōu)化技術(shù),將關(guān)聯(lián)性較強(qiáng)的部分劃分為模塊進(jìn)行重構(gòu)優(yōu)化[4]，雖適用于快速響應(yīng)的生產(chǎn)模式，但模塊劃分過(guò)程復(fù)雜，優(yōu)化水準(zhǔn)依賴(lài)于編排人員的工作經(jīng)驗(yàn)，結(jié)果主觀性較強(qiáng)。有研究采用Flexsim仿真編制優(yōu)化技術(shù)得到了可視化的運(yùn)行結(jié)果[5]，方便管理人員預(yù)判流水線編排方案的合理性，但其采用空閑工位協(xié)助瓶頸工位的組合兼顧方案有一定局限性，忽略了在制品的傳遞路徑，同時(shí)因協(xié)助所造成的工人往返取件也會(huì)有一定的時(shí)間耗損，進(jìn)而影響生產(chǎn)效率。還有研究采用遺傳算法對(duì)服裝生產(chǎn)流水線進(jìn)行優(yōu)化仿真[6]，縮短了生產(chǎn)周期，但其流水線數(shù)學(xué)模型未考慮傳遞路徑。上述研究在提出優(yōu)化方案時(shí)均未顧及到在制品的傳遞時(shí)間因素和傳遞距離因素，導(dǎo)致編排方案在實(shí)際應(yīng)用時(shí)效果欠佳。

為此，本文通過(guò)實(shí)地調(diào)研某服裝廠男襯衣流水線加工效率情況，在對(duì)流水線進(jìn)行重構(gòu)優(yōu)化的基礎(chǔ)上再對(duì)其進(jìn)行改進(jìn)蟻群算法(IACO)優(yōu)化，利用Flexsim軟件對(duì)流水線進(jìn)行仿真運(yùn)行，以期幫助流水線管理人員對(duì)生產(chǎn)線情況進(jìn)行提前預(yù)判，提升編排效率，促進(jìn)服裝生產(chǎn)企業(yè)的可持續(xù)發(fā)展。

1 IACO服裝流水線平衡

服裝生產(chǎn)流水線平衡屬于混雜系統(tǒng)[7]優(yōu)化問(wèn)題，既有各工序的離散作業(yè)模式，又有各工序間配合的連續(xù)作業(yè)模式，存在著大量的非線性因素，因此，與普通啟發(fā)式算法優(yōu)化相異，針對(duì)混雜系統(tǒng)至今都沒(méi)有較優(yōu)的解決方法。

1.1 IACO性能分析與比較

由于服裝行業(yè)的特殊性，絕大多數(shù)工廠的機(jī)器位置是固定的，相應(yīng)工序是變化的，傳統(tǒng)的路徑優(yōu)化算法(TSP)不能完全適應(yīng)于服裝流水線的編排優(yōu)化模式，需因地制宜建立適合于實(shí)際生產(chǎn)線的數(shù)學(xué)模型及解決思路。

針對(duì)相同TSP問(wèn)題，橫向?qū)Ρ?種服裝流水線已有優(yōu)化算法，蟻群算法(ACO)相比于遺傳算法和禁忌算法，具有更突出的搜索能力；但傳統(tǒng)蟻群算法存在著初始信息素匱乏，路徑搜索規(guī)劃速度慢，找到近似最優(yōu)解需要花費(fèi)更長(zhǎng)時(shí)間的問(wèn)題[8]，因此，本文借鑒蟻群算法的優(yōu)化思路，結(jié)合服裝流水線切實(shí)存在的問(wèn)題，對(duì)蟻群算法進(jìn)行恰當(dāng)改進(jìn)，提出基于蟻群算法的改進(jìn)蟻群算法，改進(jìn)后的算法不但提高了蟻群算法的性能，且減少了局部極值的可能性。通過(guò)MatLab仿真驗(yàn)證以上結(jié)論，結(jié)果如圖1所示。

圖1 優(yōu)化算法橫向?qū)Ρ葓DFig.1 Horizontal analysis chart of optimization algorithm

1.2 編排方案評(píng)估指標(biāo)

服裝廠的生產(chǎn)模式多為人機(jī)結(jié)合作業(yè)，不同于機(jī)械加工流水線，人員運(yùn)動(dòng)、衣片傳遞和作業(yè)節(jié)奏不可能完全按照已定的計(jì)劃緊密進(jìn)行。影響服裝各工序作業(yè)時(shí)間的因素錯(cuò)綜復(fù)雜，因此，需建立適宜的評(píng)估指標(biāo)來(lái)判定流水線編排方案的合理性。

1.2.1 理性平均節(jié)拍

在實(shí)際生產(chǎn)中，工人1 d的工作分為定期性作業(yè)與不定期性浮余，浮余量又分為上工浮余、倦怠浮余、車(chē)間浮余。其中:上工的浮余量包括衣片的籌備、成品整理、斷線換線、失誤返修、記件等；倦怠的浮余量是規(guī)定休息時(shí)間以外的暫時(shí)性休息，包括擦汗、喝水、私語(yǔ)、去洗手間等；車(chē)間的浮余量包括商討事宜、作業(yè)等待、在制品傳遞、作業(yè)人員移動(dòng)等[9]。以往的流水線平均節(jié)拍以工廠每天規(guī)定的工作時(shí)間為基礎(chǔ)，對(duì)流水線實(shí)際運(yùn)行缺乏理性判斷，導(dǎo)致評(píng)判結(jié)果不準(zhǔn)確。

平均節(jié)拍Bt是流水線編制參考的主要約束條件，針對(duì)以上情況，在Bt中引入2個(gè)浮余參數(shù)：有效加工時(shí)間系數(shù)α、在制品傳遞時(shí)間系數(shù)β,其計(jì)算公式為

式中：M為日加工時(shí)間,s；R為目標(biāo)日產(chǎn)量;α∈(0，1);β∈(0，1)。

引入浮余量參數(shù)的流水線平均節(jié)拍更加貼合實(shí)際，由此進(jìn)行下一步的工序評(píng)估和組合工作則更加科學(xué)有效。

1.2.2 方案編制效率

編制效率Pe是一個(gè)可快速評(píng)估優(yōu)化前后的流水線作業(yè)分配平衡程度指標(biāo)，可對(duì)流水線仿真結(jié)果進(jìn)行二次檢驗(yàn)，減少編排方案用于實(shí)際的誤差，提高效率，編制效率通常要達(dá)到85%以上。Pe計(jì)算公式為

式中：tmax為瓶頸工序耗時(shí)，s；T為單件服裝各工序總加工時(shí)間,s；N為參與生產(chǎn)的工人總數(shù)。

1.2.3 流水線損失效率

由于瓶頸工序會(huì)造成在制品積壓和工位閑置的問(wèn)題，損失效率L可衡量工人的生產(chǎn)時(shí)間是否得到高效利用，損失效率越大，流水線生產(chǎn)效率越低。損失效率計(jì)算公式為

式中，pi為流水線各道工序的加工時(shí)間，s。

1.3 IACO算法流程設(shè)計(jì)

由于傳統(tǒng)蟻群算法對(duì)于服裝流水線的優(yōu)化容易陷入局部極值的問(wèn)題，故在傳統(tǒng)蟻群算法基礎(chǔ)上去除信息和期望因子，使用正態(tài)分布函數(shù)選擇出新一代種群，由此大幅降低了迭代次數(shù)和計(jì)算時(shí)間，且有效規(guī)避局部極值問(wèn)題。IACO算法的流程如圖2所示。

圖2 改進(jìn)蟻群算法流程圖Fig.2 Flow chart of improved ant colony algorithm

步驟1，初始化工位數(shù)量Ng和工位位置Mg、禁忌表長(zhǎng)度、螞蟻數(shù)量m、隨機(jī)序列數(shù)量n、信息素量A等參數(shù)。

步驟2，計(jì)算在制品傳遞路徑Di和信息素濃度A/Di。i∈(1,m)。

步驟3，以最短傳遞路徑工序排列為均值μ，Di/A為正態(tài)分布方差σ2的概率，隨機(jī)選擇n個(gè)不在禁忌表中的隨機(jī)序列，計(jì)算新序列的傳遞路徑和信息素濃度，更新當(dāng)前的最小距離值。

步驟4，是否滿(mǎn)足算法的迭代結(jié)束條件，如果沒(méi)有則重復(fù)步驟2～4。

步驟5，滿(mǎn)足迭代條件，輸出最短距離的工位序列，并使用plot函數(shù)畫(huà)出其二維排列圖。

步驟6，計(jì)算該排列的編排方案評(píng)估指標(biāo)，包含瓶頸時(shí)間、編制效率、平均節(jié)拍和損失效率。

步驟7，使用Flexsim軟件進(jìn)行流水線的可視化仿真驗(yàn)證，導(dǎo)出相應(yīng)的數(shù)據(jù)，并與評(píng)價(jià)指標(biāo)進(jìn)行對(duì)比。

2 襯衣流水線實(shí)例

2.1 襯衣工序分析

實(shí)地調(diào)研某外貿(mào)服裝工廠，以其生產(chǎn)的男襯衣為例，該款男襯衣款式屬于法式襯衣，領(lǐng)尖后面有暗槽，用以插入特別的金屬領(lǐng)撐，袖口用袖扣固定雙層里襯，背部不打褶，無(wú)前襟貼片，扣眼底布加固部分在里側(cè)，左前胸沒(méi)有貼袋。

通過(guò)實(shí)測(cè)該款男襯衣的生產(chǎn)工序和工時(shí)，得到此款男襯衣共有36道工序，其中使用了縫紉機(jī)、蒸汽熨斗、釘扣機(jī)、壓領(lǐng)機(jī)4種設(shè)備。襯衣工藝流程如圖3所示。

圖3 男襯衣工序流程圖Fig.3 Men′s shirt process flow chart

2.2 流水線數(shù)學(xué)模型的提出

服裝廠由于熨斗的特殊性，相關(guān)的機(jī)器一般都放置于廠房的中央位置，因此,工廠男襯衣的生產(chǎn)流水線布置為U型結(jié)構(gòu)。U 型流水線的“入口”“出口”被安放在相同的位置上，U 型生產(chǎn)線上的工作站彼此間距離近、聯(lián)系相對(duì)簡(jiǎn)單，使得物料運(yùn)輸?shù)玫搅诉M(jìn)一步的簡(jiǎn)化，進(jìn)而使得過(guò)程控制、產(chǎn)品計(jì)劃變得更加容易，顯著提高了生產(chǎn)效率，并確保了產(chǎn)品質(zhì)量[10]。

使用MatLab(R2019b)建立工廠流水線數(shù)學(xué)模型，該流水線數(shù)學(xué)模型考慮以下因素。

1)由于工人的熟練度會(huì)存在一定的差異，使用尺度參數(shù)為1的拉普拉斯分布來(lái)描述工人的操作工時(shí)差異性，由此更加貼合實(shí)際生產(chǎn)線的運(yùn)行情況。

2)工人從上一道工序傳遞或搬運(yùn)在制品到下一道工序的路徑距離D和傳遞時(shí)間T。

3)工人在位置不相鄰的2道工序間搬運(yùn)的行進(jìn)速度為0.75 m/s，符合普通人步行速度。

工廠1條流水線的6臺(tái)熨斗在中間隨機(jī)垂直擺放，其余設(shè)備U型環(huán)繞于面積為20 m×20 m的廠房，將每一個(gè)工位面積定義為2 m×2 m，每個(gè)點(diǎn)處于面積中心，編號(hào)即為流程圖的工序號(hào)，工廠的襯衣流水線排布與傳遞路徑如圖4所示。

圖4 流水線排布與傳遞路徑圖Fig.4 Assembly line layout and transmission path diagram

2.3 流水線優(yōu)化

2.3.1 重構(gòu)優(yōu)化

重構(gòu)優(yōu)化遵循拆分大工序、合并小工序的原則。拆分大工序時(shí)，能實(shí)現(xiàn)連續(xù)加工的大工序盡可能不要拆分加工；合并小工序時(shí)，盡可能將合并的小工序放置于相同區(qū)域進(jìn)行統(tǒng)一加工[11]。

工廠男襯衣流水線每天標(biāo)準(zhǔn)工作時(shí)間為8 h，目標(biāo)產(chǎn)量為650件，根據(jù)工人1 d中的非上工時(shí)間得出有效生產(chǎn)時(shí)間系數(shù)α為0.8。排除掉襯衣生產(chǎn)過(guò)程中在制品在不同工序間的傳遞時(shí)間，得出在制品傳遞時(shí)間系數(shù)β為0.9。根據(jù)流水線平衡指標(biāo)公式，得出流水線平均節(jié)拍為31.9 s。流水線的編制效率為54.07%。生產(chǎn)線的效率遠(yuǎn)低于一般要求。通過(guò)分析襯衣的工藝流程發(fā)現(xiàn)，有8個(gè)使用熨斗的工序，其中工序6，工序8，工序9，工序17和工序18的平均工時(shí)為5.4 s，遠(yuǎn)低于流水線平均節(jié)拍，因此，將工序8和9，工序17和18合并。同時(shí)發(fā)現(xiàn)工序4，5，19，31的工時(shí)遠(yuǎn)大于平均節(jié)拍，所以選擇增加1臺(tái)機(jī)器和工人，這樣單位時(shí)間內(nèi)產(chǎn)出量是優(yōu)化前的2倍, 新的工序總數(shù)為34個(gè)，新的瓶頸工序時(shí)間為42 s。工序進(jìn)行優(yōu)化后與未進(jìn)行優(yōu)化前的各工位耗時(shí)情況對(duì)比如圖5所示，瓶頸工序耗時(shí)明顯降低，可見(jiàn)流水線得到了初步優(yōu)化。

圖5 工序優(yōu)化前后對(duì)比圖Fig.5 Comparison chart of process flow optimization

生產(chǎn)線進(jìn)行拆組優(yōu)化后的編制效率為75.95%，仍未達(dá)到85%以上。優(yōu)化后的新工序數(shù)為34個(gè)，工序所需工人數(shù)為38個(gè)，因此，流水線的損失系數(shù)為39.82%，流水線的生產(chǎn)過(guò)程仍有較大的損失，有待進(jìn)一步優(yōu)化。以往對(duì)工序進(jìn)行拆分、組合的優(yōu)化方式雖在一定程度上可提升流水線生產(chǎn)效率，但仍有一定主觀性，需要依賴(lài)生產(chǎn)管理人員的拆組經(jīng)驗(yàn)，對(duì)于優(yōu)化的考慮因素主要還在工時(shí)上，而忽略了在制品傳遞路徑上所浪費(fèi)的時(shí)間，優(yōu)化程度具有一定的局限性。

2.3.2 IACO優(yōu)化

根據(jù)襯衣流水線排布模型和在制品在不同工位間的傳遞次序，只經(jīng)重構(gòu)優(yōu)化，計(jì)算單批襯衣加工過(guò)程中所走路徑的長(zhǎng)度，如圖4所示。單批襯衣加工完成所需路徑為41.964 3 m，浪費(fèi)在工序傳遞間的時(shí)間會(huì)嚴(yán)重影響流水線生產(chǎn)節(jié)拍，進(jìn)而影響日產(chǎn)量。

為減少在制品于傳遞路徑上所消耗的時(shí)間，使用MatLab(R2019b)軟件根據(jù)改進(jìn)蟻群算法流程圖進(jìn)行迭代。初始化參數(shù)為：迭代次數(shù)1 000，螞蟻數(shù)量50，隨機(jī)選擇序列數(shù)量30，禁忌表長(zhǎng)度100，每只螞蟻信息素總量10，信息素重要程度參數(shù)1，信息素蒸發(fā)系數(shù)0.9。計(jì)算后得到優(yōu)化的結(jié)果，優(yōu)化后輸出的男襯衣在制品在各工位間的傳遞路徑如圖6所示。根據(jù)迭代結(jié)果發(fā)現(xiàn)，單批男襯衣的加工傳遞路徑相較于IACO優(yōu)化前減少了26.6%。

圖6 IACO優(yōu)化襯衣流水線路徑圖Fig.6 Optimized route map for shirt assembly line

3 Flexsim 仿真實(shí)驗(yàn)

3.1 流水線運(yùn)行仿真模型

將Flexsim中1個(gè)處理器(Processor)和1個(gè)暫存器(Queue)組成1個(gè)工位，并配備1個(gè)操作員(Operator)，組成一個(gè)完整的工序。由生成器(Source)生成物料并由工序1開(kāi)始流水生產(chǎn)，直到工序34，之后由接收器(Sink)接收成品，模型采用工廠流水線以號(hào)型批次傳遞的方式。襯衣流水線仿真模型如圖7所示。

圖7 襯衣流水線仿真模型Fig.7 Simulation model of shirt assembly line

3.2 優(yōu)化仿真驗(yàn)證

將相應(yīng)的工序序號(hào)連接至其相對(duì)應(yīng)的各個(gè)工位，對(duì)于重構(gòu)優(yōu)化后和IACO優(yōu)化后的襯衣流水線分別進(jìn)行Flexsim模擬運(yùn)行，并將仿真后的結(jié)果輸出至數(shù)據(jù)板(Dashboard)，數(shù)據(jù)如表1所示。

表1 優(yōu)化前后仿真結(jié)果對(duì)比Tab.1 Comparison of simulation results

由Flexsim仿真結(jié)果可知，改進(jìn)蟻群算法優(yōu)化后的流水線襯衣單批傳遞時(shí)間較優(yōu)化前減少了23.31%，日產(chǎn)量較優(yōu)化前提升了18.88%。根據(jù)編排方案評(píng)估指標(biāo)可以得出流水線平均節(jié)拍Bt為37.36 s,因此，改進(jìn)后的流水線編制效率Pe為88.96%，大于85%，證明改進(jìn)蟻群算法可以對(duì)服裝流水線進(jìn)行優(yōu)化。

4 結(jié) 論

本文在對(duì)流水線進(jìn)行重構(gòu)優(yōu)化后，發(fā)現(xiàn)流水線的編制效率仍未達(dá)到最優(yōu)，進(jìn)而根據(jù)服裝流水線特性，設(shè)計(jì)了針對(duì)服裝流水線進(jìn)行優(yōu)化的改進(jìn)蟻群算法，利用算法對(duì)流水線進(jìn)行了重新編排，以在制品最小傳遞路徑為優(yōu)化目標(biāo)，得出優(yōu)化后的流水線排布。同時(shí)借助 Flexsim 軟件建立流水線仿真模型，對(duì)改進(jìn)蟻群算法優(yōu)化前后的流水線分別進(jìn)行仿真運(yùn)行，實(shí)驗(yàn)證明優(yōu)化后日產(chǎn)量提升了18.88%。改進(jìn)蟻群算法確實(shí)可以有效提升服裝流水線生產(chǎn)效率，改進(jìn)傳統(tǒng)優(yōu)化方式的局限性。由于改進(jìn)蟻群算法和Flexsim軟件都具有開(kāi)放性結(jié)構(gòu)，因此，該方法可用于解決不同服裝流水線的優(yōu)化與仿真問(wèn)題。