面向小型产品装配系统的决策支持系统

丁祥海，田吉莲

（杭州电子科技大学 管理学院，浙江 杭州 310018）

一、引言

装配作为增值链中最后的分支必须能够在经济可行的方案的基础上满足市场变化的需求量。针对大规模定制批量化与定制化的生产组织要求，文献[1]建立了以重构成本最小为目标函数的动态单元装配系统重构的规划模型。针对生产过程中的订单不确定等因素，文献[2]建立了一个鲁棒调度模型，并提出了对模型进行求解的混合优化算法。针对面向资源的工程订货生产方式下柔性装配生产系统的设备配置问题，文献[3]建立了具有双重约束的优化模型。朱剑刚[4]在面向装配的设计基础上对虚拟装配技术进行系统的研究，开发了基于AutoCAD环境的定制家具虚拟装配系统（VASCF）。此外，高度自动化的装配系统在这个背景下，特别是在低投入和短安装时间的人员密集型装配中的表现并不理想。手工装配系统因其具有较高的柔性和较低的投入的特点，更加适用于此种类型的装配。

大批量产品的装配基本采用完全自动的，可以选择的范围很窄。对于中小批量的小型产品的装配，有许多可供选择的手工装配系统。但系统的多样性并没有在很多企业中得到应用。主要原因是决策者在寻找最佳装配系统上会耗费太多的时间和精力。决策者倾向于现存的装配系统。因此，如何敏捷高效地针对特定目标，选择合适的装配系统，是企业急需解决的难题。

二、装配时间估算的研究背景

准确地估算装配时间是选择合适的装配系统的基础，是在大规模定制和变动的生产环境中取得竞争优势的关键。所以对于装配时间的确定国内外有很多相关的研究。

国内，刘滨等人[5]提出了产品相似实例检索规则和算法。该算法应用神经网络获取实例产品的工时规律，并按此预测当前产品的装配作业工时。最后开发了船舶装配作业工时智能估算系统（IMHEAS）。杨青海等人[6]提出零件工时估算的相似性机理与过程模型。并在此基础上，提出一种基于案例推理和事物特性表的零件工时估算方法。鲁香珍等人[7]研究了柔性参数水平对产品族加工时间的影响机理，构建了产品族各工时模块加工时间模型，以柔性参数水平的匹配搜索算法实现定制产品加工时间的估算。陈友玲等人[8]应用粗糙集的方法对企业现有产品的配置进行分析，定义了一个时间系数，并用回归分析的方法建立起该系数与装配时间的数学关系模型。此模型可通过新产品的时间系数对其装配时间进行估算。

国外，Pedro，Pérez V.等人[9]通过使用模糊进化方法改进产品设计，以预测和优化新产品的装配时间。文献[10-11]提出了基于系统结构的复杂度度量的系统装配时间预测模型。Miller，Michael.等人[12]考虑到车辆的组装取决于产品的信息和描述过程的信息。提出将安装流程步骤说明作为自动化装配时间的估算工具。Miller,Michael G.等人[13]根据组件的结构复杂性创建了基于神经网络的装配时间预测模型。Erohin，O.等人[14]利用数据挖掘技术来预测产品的装配时间。Namouz，Essam Z.等人[15]将两种不同的图形生成方法（干涉检测方法和装配配对方法）用于复杂连通性方法的输入，以估计产品的装配时间。

以上文献都是从产品的角度进行考虑，而没有考虑到装配系统之间的联系。德国弗劳恩霍夫研究所根据装配系统的特征，并基于近似计算的方法，实现快速确定各装配系统的装配时间[16]。本文参考该研究所的近似计算的思想，建立了各时间组件的计算模型，并通过编程实现了基于Web的决策支持系统的开发。

三、介绍

（一）八种手工装配系统

本文涉及的装配系统主要是表1所示的八大基础装配系统，同时对这八种装配系统的特征信息进行了简略的描述。

（二）时间组件

单工位的装配时间（以单工位为基准），因为软件的目标，不是确定输入非常精确或详细的信息，而是快速估算所需的装配时间作为经济效率计算的基础，以便选择最佳的装配系统。所以，使用各时间组件的标准工时来进行粗略计算。

为了以尽可能少的时间和精力为每个特定的装配任务快速获得所有装配系统的装配时间。文献[17]在“简化的装配时间计算”模型中做出了一组假设，实现了只需少量的必要的数据即可计算装配时间。它根据一个员工在单工位中装配一个产品的假定的装配时间作为参照，其值即为每件产品的预设时间。其他装配系统的装配时间根据与参照系统的时间组件的差异来间接获得。时间组件模型如表2所示，时间组件分为积极的（-）和消极的（+）。根据相应的装配系统，列中标有“+”的时间组件将被添加，例如，手工U型生产线需要传输单个半成品到下一工位，这个时间就需要加上；标有“-”的时间组件需要减去，例如，转位工作台对一个工件载体上的待装配对象只用抓取一次物料，对照单工位节省的时间就需要减去。

表1 八种装配系统特征信息表

表2 计算装配时间的时间组件模型

四、决策支持系统的设计

由于企业以盈利为目的。因此，本文对各装配系统的决策目标是时间成本和经济效率，其中经济效率由设备成本和工资成本组成。针对上述目标，本文的重点是建立各装配系统的时间组件计算模型，以下就对各模型进行论述。

（一）模型假设

装配系统的选择是个复杂的过程，考虑过多的因素会使模型的建立难度加大。而合理的模型假设可以抓住主要因素抛开次要的因素，既能很好地简化模型又能得到需要的结果，从而准确反映决策的本质问题。具体假设如下：（1）工位数与人员需求量相等，即一站一人；（2）产品可由其中一种装配系统装配完成；（3）时间均为标准工时（工位的安排一定，各种物料工具的所放位置确定）；（4）采用固定联结；（5）设备和人员都能满足生产能力需求；（6）不考虑废品率（没有废品，都是合格品）；（7）只加工一样产品，即不用进行作业排序；（8）工位之间均进行翻转，则在单工位上装配一件产品的翻转次数为（工位数-1）次；（9）装配一件产品只抓取一次工具；（10）装配一件产品需拿取物料的次数与工位数相等。

（二）符号体系

模特法相较于其他PTS法有2点优势：（1）模特法将动作归纳为21种，不像其他方法有几十种，甚至100多种；（2）采用模特法不需要测时，也不用进行评比，就能根据其动作决定正常时间。因此，使用它来分析动作和制定标准时间。

1.标记。对系统决策过程中涉及的员工需求量、1MOD的时间、模特法的动作记录方式和宽放率进行标记，具体如下：m为员工需求量；mod为1MOD的时间，mod=0.1431秒；模特法的动作记录方式如：M3G1表示伸手抓取；k为宽放率，k=0.17。

2.输入参数。对决策过程中涉及时间成本计算的相关参数进行标记，包括产品日需量、系统使用度、每件产品的预设时间、员工每日出席时间、员工每日自由时间、员工负载率、工件载体容量和缓冲容器容量，具体如下：n为产品应以n件/天的速度生产；Sn为系统使用度；Te为每件产品的预设时间；Ta为员工每日出席时间；Tp为员工每日自由时间；Lg为员工负载率；p为工件载体容量；b为缓冲容器容量。

3.决策变量。装配系统的决策变量为：各装配系统在相应的时间组件的装配时间，用Ti表示，其中i=1，2，…，7。各装配系统的装配时间表示具体如下：Tsj为单工位的装配时间；Tram为手工排装的装配时间；Tfam为手工流组件的装配时间；Topm为手工U型生产线的装配时间；Tosm为手工一组流系统的装配时间；Tit为转位工作台的装配时间；Tca为卡尔带的装配时间；Tco为传送带的装配时间。

（三）数学模型

通过以上假设、输入参数和决策变量的设定，建立了如下数学模型：

式（1）为手工流组件传输单个半成品到下一工位的时间，也表示手工排装将半成品取出和放入缓冲容器的时间；式（2）为手工U型生产线传输单个半成品到下一工位的时间；式（3）为手工排装传输缓冲容器到下一工位的时间；式（4）为手工U型生产线的员工从最后一个工位回到第一个工位的时间；式（5）为手工排装、手工流组件、手工U型生产线、卡尔带和传送带这几个装配系统由于不用在传输过程中翻转产品而节省的时间；式（6）为手工一组流系统和转位工作台由于对一个工件载体上的待装配对象只需抓取一次工具而节省的时间；式（7）为手工一组流系统和转位工作台由于对一个工件载体上的待装配对象只需抓取一次物料而节省的时间。表3给出了八种基础装配系统的装配时间模型。

表3 八种装配系统的装配时间模型

五、系统开发与演示

该系统操作流程图如图1所示，系统软件环境客户端选择了Windows 10操作系统，用IntelliJ IDEA 2017.3.5x64为开发平台，以mysql-connectorjava-5.1.36为后台数据库管理系统。

图1 系统操作流程图

（一）数据库完整设计图

图2为该系统的数据库设计图，主要由四张表构成。

图2 数据库完整设计图

（二）演示

现以生产笔记本电脑为例，有以下信息如表4和表5所示。

表4 输入信息

根据这些信息生成的报表如图3所示，可以看出针对该目标产品，八种装配系统的时间成本差别不大，但经济效率差别明显。决策者可以根据实际情况，选择合适的装配系统。

表5 数据库信息

图3 报表管理界面

六、结语

企业面临着越来越大的价格压力，产品生命周期的缩短，每种产品数量的减少和销量的难以预测。生产环境的这些变化增强了智慧规划和选择合适的装配系统的重要性。小型产品的手工装配系统的多样性提供了足够的范围来寻找经济的解决方案。通过本文的决策支持系统，能够轻松地比较各装配系统。即使用户对装配系统只了解一点点也能使用该系统。其可以帮助决策者在早期规划阶段选择合适的装配系统，来应对快速变化的产品需求量，并确保选择的装配系统是有效的。本文的假设前提是产品可由一种装配系统装配完成，在后续的研究中，将对八种装配系统进行组合，并快速生成更加满足决策者需求的候选装配方案。此外，本文在决策目标中没有考虑面积成本，在接下来的研究中需要将决策目标进行完善。