基于遗传算法的家具生产线优化设计研究

张珂

摘要：家具生产线的运行效率，直接决定着家具的生产效率以及生产成本，为了提升家具生产效益，需要对其进行优化.基于此，本文将首先介绍家具生产线运行现状，其次，进行家具生产线平衡分析，最后，分析遗传算法基础上家具生产线的优化措施，最终达到对家具生产线进行有效优化的目的.

关键词：家具生产线;遗传算法;优化设计

中图分类号：TP18;TS664.01  文献标识码：A  文章编号：1673-260X（2019）06-0111-03

目前我国经济发展的速度较快，企业在实际发展的过程中需要根据时代的发展不断完善，只有这样才能保证自身的经营发展质量.本文将以家具生产线为例，在遗传算法的基础上对家具生产线进行优化，提升家具生产线的运行质量以及运行成本，不断提升家具生产企业的经营效益，促进我国经济的发展.

1 家具生产线运行现状

本次研究的家具生产线主要生产的家具為沙发，该沙发在实际生产的过程中，由左三位、右三位以及脚踏构成，在左三位上安装两个枕头.整个沙发的生产过程共需要24道工序，在实际研究的过程中，针对每道工序进行时间测量，针对一项工序共测量6次，进而保证时间检测的准确性，根据6次的测量结果计算平均值，将其作为实际工作时间[1].图1为沙发组装图.

在实际沙发制作的过程中，可以将24道工序分为10部分进行，第一，取木架，第二，钉白纱布、装弹簧、钉网以及安装松紧带.第三，喷浇水、贴三位棉、安装脚踏步.第四，套粘布.第五，钉粘布.第六，钉脚、安装五金架，第七，安装头枕、安装外套，第八，放粘子、放靠包，第九，检验，第十，包装.以上步骤为沙发制作的大致流程，在研究家具生产线优化的过程中，需要根据以上步骤作为主要对象，利用遗传算法对其进行研究[2].

2 家具生产线平衡分析

通过分析家具生产线中各流程使用的时间发现，以上十个流程平均使用的时间分别为243s，526s，398s，375s，500s，410s，339s，140s，99s，270s.通过以上时间分析能够看出，在实际家具生产中，第二阶段所用的时间最长，是影响生产效率的主要影响因素，另外，各个工作流程中所用时间的差异性较大，最少用时为99s，与549s相差450s，这也是导致平均加工时间增加的主要因素之一.在计算家具生产线平衡率的过程中，需要用总时间/最大时间与总人数的乘积=5251s/（526x15）=66.55%，因此家具生产线平衡率为66.55%，则平衡损失率为1-66.55%=33.45%.通过以上计算能够得出，在生产该家具的过程中，平衡损失率为33.45%，平衡损失率为20%，由于33.45%大于20%，因此该项家具生产线处于时间浪费超标的情况，整个家具生产线的效率较低，也就是说，根据这一生产时间，每生产一套沙发，浪费的时间为2639s，整体生产平衡的效果较差，因此需要对其进行优化[3].

在整个生产过程中，最严重的问题就是工作流程时间分配不均衡的问题，时间差异较大，整个家具生产线的生产效率无法提升，另外，这种情况还会导致工作流程之间的加工商品堆积或者供应不足，浪费生产空间以及生产时间，提升生产劳动成本的同时，降低经营利润，最终对企业生产效益产生影响.因此在实际家具生产线优化的过程中，需要针对加工时间分配不均匀这一问题进行有效解决，提升整个家具生产线的生产力，减少时间浪费的情况，最终降低生产成本，提升经企业的经济效益.

3 遗传算法基础上家具生产线的优化措施

3.1 家具生产线优化模型的建立

由于本次家具生产线优化主要针对的对象为时间和指定生产元素，因此需要根据生产的产量，计算相应的生产节拍，保证各个生产流程的独立进行，其中作业元素只能与一个工作站相互对应.在分配工作站时间的过程中，必须满足相应的约束条件，各个工作站的生产时间不能大于约束条件，在此基础上确定工作站数量的最小值.工作站使用矩阵利用B来表示，B（J）=0/1，J=1，2，3…M.如果B=0，则说明该工作站上并不存在作业，当B=1时，则说明该工作站上存在一项工作，I表示工作作业元素的合集，J为工作站的合集.其中I=“1，2，fi，fN，J=”1，2，fj，fM，其中i为时间元素.如果约束条件的计算结果为1，则说明一个工作站智能对应一项作业，在分配作业的过程中，必须将约束条件作为前提条件，同时工作站的运行时间需要与生产节拍相等或者小于生产节拍.根据家具生产线的实际运行情况，可以采用遗传算法数学模型对其进行计算[4].表1为相关参数在遗传算法中的对应关系.

3.2 家具生产线优化算法设计

家具生产线优化过程中的算法设计主要包括以下内容;

第一，编码，这一过程需要利用作业元素序列进行，将作业元素根据工作站的实际情况进行分配，并将其中对应的序号排列成染色体，其中各项作业元素与染色体的基因位置相互对应.编码完成之后，染色体中的各项作业元素需要满足优先级别的条件，编码染色体的呈现形式1，2，3，4，5，6，8，9，12， 10，13，7，11，14，15，16，17，18，19，20，21，22，23，24.其中每个数字代表着一项作业元素，例如2对应着第二个作业项目元素，根据编码的顺序进行工作站排列.

第二，编码翻译，由于以上染色体中只能将作业元素的顺序显示出来，因此在翻译编码的过程中，需要将染色体分配到相应的工作站中，根据对应的生产节拍原则进行翻译.其中作业时间用tt表示，M的初始值为0，翻译过程包括以下步骤，第一，tt=tt+time（xi），若tt≤CT<tt+time（xi+1），则M=M+1，tt=0.若i=N-1，M=M+1，符合以上要求进行第二部分翻译.：i=i+1.若i≤N-1，将其转到第一步翻译中，如果最终结果i=N，则完成全部翻译.

第三，选择算子，可以使用保存最优的方法进行选择，在相应函数值的基础上，除去种群中的劣质个体，保存优质的个体，在遗传算法中，保留最优算法能够将工作站数值中的最小M值代替M值中的最大个体[5].

第四，交叉算子，在此过程中需要利用交叉概率进行，利用Pc针对个体进行相互匹配，两个两个为一对，进而出现新生的个体，采用交叉算子的方式能够将群体中的优质基因保存下来.例如，进行交叉算子相互匹配的个体分别为A1，A2，则得到的新个體为A1’，A2’.在此过程中需要在这两个父代序列中选择交叉点，在[1，N-1]的范围中选择，假如m=8，则二者之间的交叉点为如下所示.

3.3 家具生产线优化算法计算

在算法求解的过程中，需要根据遗传算法理论进行，根据家具生产线的实际情况进行，采用MATLAB进行编程，程序中的生产节拍时间为418秒，s=100，进化代数为200，最优个体数为15，交叉概率为0.8，变异概率为0.06.在实际平衡的过程中，工作站从15个变为14个，最小的工作站数量为14个，节拍时间为410s，平衡率为91.5%，平滑系数ST=157.7.图2为优化完成后个工作站工作对应的时间.

3.4 家具生产线优化效果对比

优化完成之后，家具生产线的运行效益得到了有效提升，在经济方面，家具生产线优化提升效益为29.4%x14x3500x12=172930元，（效益提升数量x作业人数x人均月薪x每年工作月数）.由此可以看出，利用遗传算法对家具生产线进行优化，取得了显著的研究效果，无论在经济效益还是在人工劳动成本中，都取得了非常明显的提升，促进家具生产线能够高效的运行，不断提升企业的经济效益，促进我国经济的稳定发展[6].

综上所述，随着人们对家具生产线的关注程度逐渐提升，如何提升家具生产线的运行效率，成为有关人员关注的重点问题.本文通过研究遗传算法基础上家具生产线的优化措施发现，对其进行研究，能够大大提升家具生产线的生产质量，促进今后遗传算法在家具生产线优化中的发展.

参考文献：

〔1〕苏冬胜.家具模块化设计的应用与发展[J].广西轻工业，2008（11）：100-101.

〔2〕欧立华科技.安通为瑞典家具巨头Kinnarps提供一站式板式家具生产线[J].林产工业，2017，44（05）：54.

〔3〕林时峰.河南襄城始建年产15万m～3秸秆生态板及70万套环保成品家具项目[J].林产工业，2016，41（04）：43.

〔4〕刘林.基于先进制造理念的板式家具生产线的规划与设计[D].中南林业科技大学，2016.

〔5〕魏玲.基于EM-Plant的家具自动化生产线的仿真研究[J].哈尔滨理工大学学报，2015，15（02）：110-114.

〔6〕林海.家具模块化设计方法实例分析[J].家具与室内装饰，2005（09）：20-22.