整车企业混流生产排产研究

常清慧　李坤　赵涛

摘 要：混流生产是一种面向订单的多品种小批量生产模式，是整车制造企业的主流生产方式。本文系统地阐述了汽车混流生产的产生发展过程，介绍了汽车混流生产的流程、特点和难点，归纳了汽车混流生产的目标和约束，比较了适合不同的计划层次的排产方法和算法，并分析其优缺点。结合已有的汽车混流生产研究成果，说明当前汽车混流生产面临的挑战，并展望了未来的发展趋势。

关键词：汽车 混流生产 混流装配线 生产计划 排产

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

随着国民经济的发展，人们消费水平的不断提高，汽车行业已经成为国民经济的支柱。汽车产业由卖方市场逐渐转换为以买方市场为主导，消费者也越来越倾向于个性化定制的需求与服务。市场对汽车需求的刺激推动了汽车产业链的创新和发展，面向订单的多品种、小批量的混流生产模式被整车制造企业广泛应用。随着市场竞争的不断加剧，汽车行业正朝着生产周期不断缩短，更新速度不断加快的方向发展。在这种背景下，为不同车型开辟独立的生产线无法实现企业实现高质量、高效率、低成本的目标，混流生产模式成为整车制造企业的首选。

混流生产是一种常见的生产线组織形式，通过调整生产组织的模式，在一条流水线上多品种搭配，有序地生产多种产品，能够解决了传统车间生产和单件流生产中的效率和柔性的矛盾、效率与生产柔性的矛盾，可以获得更多的产品变化、更短的产品生命周期、更低的产品成本和更高的产能。而混流生产的投产顺序比单一生产线要复杂得多，影响着生产线整体的运转效率和设备、人员的利用率，因此如何让制定月、周、日计划，如何安排一天的投产顺序，成为企业生产的核心问题。近年来，不少学者和研究者对汽车混流生产进行研究，很多新方法、模型和算法也就随之产生。

2 混流生产的产生发展

在工业生产领域，混流生产模式早已存在，但并没有引起学者的广泛关注。1961年Kilbridge MD和Wester首次提出了混流生产问题，定义了混流线的概念。1963年， Arcus A.L[1]首次提出混流装配线的排序问题，被证明是组合优化中的NP-hard问题。1967年，Thomopoulos[2]以最小总惩罚代价为目标，建立了关于负荷平衡的以最小总惩罚代价为目标的数学模型，并用启发式算法对其进行求解;1970年，Thomopoulos利用组合优先图，将混流装配生产线转化为单一生产线的问题，并把单一流水线的平衡技术和方法运用到混合流水线上，首次解决了混流线的平衡问题。

随后，多名学者对混流生产进行研究，但大多集中于混流装配线问题。1989年，Miltenburgl[3]运用非线性整数规划，以实际生产率与理想生产率的偏差最小化为目标，解决混流装配线的排序问题，但前提条件是所有产品需要的零件的种类数量相同。1994年，Bard等[4]用加权求和的方法，建立包含最小装配总长度和零部件使用速率均匀两个目标在内的数学模型，并用禁忌搜索算法进行求解。1998年，Hyun[5]以最小化总时间、零部件消耗速率均匀、最小化装配线调整非用三个目标进行研究，并里用遗传算法对其进行求解。2004年，Kotani.S[6]在考虑替补人员的工作量和行走时间的基础上，建立了包含最小化停工时间和零件消耗速率均匀化两个目标在内的数学模型。2010年，薛琴微等[7]以最小化传送带停止时间为目标，建立数学模型，并提出小生境蚁群算法，改善了传统蚁群算法容易早熟的缺点。2011年，Mirzapour等[8]建立了含有生产副线的排序模型，以零部件消耗速率均匀和减少停线时间为目标，并利用遗传算法对其进行求解。以上研究仅考虑了总装车间对投产顺序的影响，针对混流装配线进行排序和优化。

在進行多目标优化时，往往会选择2至3个目标进行建模，但在实际生产中，有些目标是相互冲突的，需要分清目标的主次，必要时牺牲一些次要目标来保证主要目标的实现。

5 汽车混流生产排产约束

整车制造企业在进行生产排程时，通常会定义一些约束，以实现对生产能力的限制。通常约束条件分为强约束和软约束。

（1）强约束

强约束指在排产过程中必须满足的限制条件，主要包括以下几种：

产能约束。根据生产节拍、工作日历和工作状态确定生产线的产能，计划和排产 都不能超过生产线最大产能。

物料约束。根据物料的库存和到货日期，来指定某些产品的计划开始时间和每日最大产量。

最大最小制约。规定在给定区间内，生产某种产品数量的最大或最小值。

（2）软约束

软约束指在计划和排程中可以存在的限制条件以及该限制条件的权重值，主要包括以下几种：

数量约束。定义订单排序中具有某些属性产品的最大值或最小值。

间隔约束。规定每间隔设定数量的产品时，需要生产一个某种属性的产品。

结块约束。规定某一设定属性的产品在任一位置生产时，都要连续生产指定数量。

K in M约束。在规定数量的产品中必须存在或不存在某些属性的产品及其数量。其中。

位置约束。规定特定的产品所在的位置。

平均约束。将订单中要生产的具有某些属性的车辆平均分配到每天，而不是集中生产。

以上提及的每种约束都可以设置特定的属性。如，可以通过定义约束的版本来限定所设约束在计划版本中使用的范围，通过时间属性定义所设约束的有效期，通过定义约束的地点来限定约束条件可以在哪些产线、车间有效等。

6 汽车混流生产排产方法

学者对于排产问题的研究经历了多个阶段，最早的排产方法是基于简单规则，随着相关理论的发展，逐渐从从简单到复杂，从单一到多元，出现了许多先进的排程方法。在整车制造企业中，混流生产线需要制定长、中、短期计划，由于不同层次的计划要求的精度不同，相应的方法也会有所不同，主要包括以下几种：

（1）线性规划。主要适用于制定中期到长期计划，这种方法可以可以考虑各种生产限制和约束条件，将订单分配划分日期分配到生产线上，在满足硬性约束的前提下，根据产线的优先级，建立排产的顺序。

（2）百分比平滑法。主要适用于制定中期和长期计划，可以实现某个时间段产能的百分之百的利用。若某一时间段的生产负荷超过产能，则将订单后移，反之则将订单向前移动。

（3）基于约束理论。TOC主要从有效产出、经营费用和库存三个方面对企业进行衡量和评价，从系统整体效益的角度分析和解决生产中遇到的问题，综合考虑多种因素，找出生产中的瓶颈及其存在的原因，并设法消除。

（4）最小循环法。用于制定短期计划，实质是一种贪婪算法，每一步均从当前可选择策略中选取使目标函数值增加最少的策略，即每确定一台车的投产顺序时，均选择最为有利的一种车型。这种方法的缺点在于多数情况下得到的排产方案为局部最优解。

（5）启发式算法。是一种通过预先设定目标和约束条件，通过不断尝试来获取最优解的方法。优点在于计算复杂度低，运算速度较快等，但可处理的变量数量和复杂程度限制较高，且方案的稳定性根据问题的不同会存在较大差异。常用的启发式该规则有先到先服务规则、后到先服务规则、最短操作时间规则、最早交货日期规则、最短等待时间规则等。

（6）智能算法。主要是用于制定短期计划，能够将所有的限制限制和约束以及交货期等因素全部考虑在内。包括遗传算法、蚁群算法、粒子群算法、禁忌搜索算法、模拟退火算法等。

由于各种算法都存在各自的缺陷，不少学者对算法进行改进或融合，弥补算法本身的缺陷，提高排产效率。苏平、于兆勤[11]利用模拟退火算法对遗传算法进行改进，解决了传统遗传算法容易陷入局部最优的问题。吴永明等[12]将粒子群算法和遗传算法相互融合，在粒子搜索过程中加入交叉、变异等操作，提高了算法的寻优能力和求解精度，解决了基本粒子群算法容易陷入局部最优的缺陷。

7 汽车混流生产的挑战和趋势

现阶段对汽车混流生产的研究多集中于总装车间，针对车间联动计划排产的研究还不足。随着工业的发展，针对单一车间的研究已经不能满足实际需求，从系统的角度将冲压、焊装、涂装、总装车间作为一个整体分析和考量，成为未来研究的趋势。

整车制造企业的生产计划是滚动安排的，因此，在制定新的计划时需要考虑已经下达的生产计划对生产线和供应商的影响。此外，插单、撤单等时间带来的动态排程问题仍存在研究和提升的空间

现在多数企业仍处于手动排产的阶段，无法应对多品种小批量的的订单需求和柔性制造的需要，同时巨大的工作量 仅仅依靠经验解决问题，也难以达到科学最优化排产，造成库存积压、客户响应滞后、产能浪费、供销脱节等问题。APS作为当下研究的热点，不仅能够准确、快速地制定出排产计划，还能有效地管理日益庞大的供应链，正在逐步取代传统的生产排程方式。

8 结束语

现阶段，混流生产模式已经成为整车制造企业的主要生产模式，能够适应多品种、小批量的订单要求，进行柔性制造。这时，如何制定合理的排产方案成为企业重点考虑的问题。随着科学研究的不断深入，已经逐步涌现出了许多排程算法，企业可以根据计划层次的不同选取不同的算法，综合考虑实际生产中的约束和限制，制定合理的排产方案。混流装配线作为汽车生产的最后一道工序，拉动上游车间的生产，是研究的重点和热点，而冲压、焊装、涂装车间同为汽车生产的阶段，仍有很大的研究空间。

参考文献：

[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，兰秀菊，陈呈频. 基于蚁群算法的混流装配线排序研究[J]. 轻工机械，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.考虑转换约束的汽车混流装配线投产排序研究[J].工业工程与管理，2012，17（2）：85-89.

[10]余方平，刘坚，马灿.汽车混流装配线的混合布谷鸟算法排序研究[J]. 计算机工程与应用，2017，53（8）：240-245.

[11]苏平，于兆勤.混流装配线平衡问题的多目标优化方法研究[J].中国机械工程，2009，20（19）：2342-2347.

[12]吴永明，张晗，徐艳霞，等. 基于GA-IPSO算法的柔性生产线高级计划排程方法研究[J]. 组合机床与自动化加工技术，2019（4）：10-13，19.