Study on Layout Optimization of Safety Valve Workshop
刘仁安① LIU Ren-an；金博文② JIN Bo-wen；曾骥② ZENG Ji；鲁世峰② LU Shi-feng
（①上海安阀流体控制有限公司，上海201306；②上海海事大学，上海 201306）
（①Shanghai An Valve Fluid Control Co.，Ltd.，Shanghai 201306，China；②Shanghai Maritime University，Shanghai 201306，China）
摘要：生产车间布局的合理性直接影响物流效率、生产成本、生产安全及生产效率等方面，运用系统设施布局法（SLP）和层次分析法（AHP）对传统的生产车间进行布局优化,充分发挥车间的生产能力，提高物流流通效率和生产效率，从而得出最佳的布局方案。
Abstract: The rationality of workshop layout directly affects logistics efficiency, production cost, production safety and production efficiency. The traditional workshop layout is optimized by using SLP and AHP to give full play to the production capacity of workshop and improve logistics circulation efficiency and production efficiency, so as to get the best layout.
关键词：车间布局设计；系统设施布局法；层次分析法；遗传算法
Key words: workshop layout design；system facility layout method；analytic hierarchy process；genetic algorithm
中图分类号：TH18 文献标识码：A 文章编号：1006-4311（2019）29-0280-04
0 引言
随着工业4.0时代的到来，制造业的发展面临严峻地的挑战。然而现阶段许多企业对发展趋势认识不清或者过分强调了先进的管理模式，还在使用以前的车间进行生产，导致产品种类单一，生产效率低，生产成本高等一系列问题。因此，若想改变现状，就需要对现有的车间进行优化，提高目前车间的空间利用率，提高车间柔性，减少生产成本，保障安全生产[3]。
经过有关数据统计，从原材料到厂至加工结束，纯粹用于材料的加工时间只占整个产品生产周期的5%～10%，而剩下的90%～95%时间则被物料在各个加工工序之间的等待与物料的搬运过程所占据。这种低效率的物料搬运与物料等待将对企业的效益产生不可忽视的负面影响，也是企业在生产制造过程中需要花大量时间和精力来尽量避免的。在大多数企业的生产组织方式中，25%～55%的生产经费被常见的物料搬运所占据。科学的生产车间的设施布局的最终目标是合理进行车间设备布局，降低生产成本。
1 国内生产车间现状
传统的制造业企业的生产车间布局都是采用传统系统布局设计方案，简称SLP法。但是现在的企业朝着多元化的方向发展，产品的种类呈现多样化的趋势，以适应不同的工况需求。而本文的研究对象安阀生产制造企业，是一家提供阀门制造服务的公司。现已拥有多个品种的主导产品，包括安全阀，蝶阀，截止阀等工业阀门。如果再采用SLP方法对安阀企业新厂区生产布置进行规划设计。就无法满足企业快速发展的需求。主要原因有如下两点：第一点是传统的SLP方法是针对长期订单来进行设备布局的，而现在企业也要进行短期的订单的业务。传统的布局方法增加巨大的生产成本，造成企业巨大的资源浪费。第二点是SLP方法的主观性比较强，布局设计大多依靠设计者的主观经验，整个设计过程参杂了太多人为因素，对整个设计方案的可靠性大大降低。本文采用的是SLP方案对车间设备进行布局，利用AHP层次分析法选出最优的布置方案，最后通过遗传算法进行分析运算，得出最优的生产车间设备布置方案。
通过对新厂区各个功能区的合理划分，构建出经济性和安全性兼备的生产布局方案，对该厂后期的生产运作活动具有深远的意义
2 建立相关数学模型
2.1 模型假设
本文研究的是生产车间大的面积不等的多行连续分布问题，先对布局的模型做出如下假设：①所有作业区域均是边长已知的矩形，忽略形状细节；②区域之间按照X轴保持水平方向排列，且同一行区域Y坐标相同；③区域之间的搬运方式按X轴水平方向或者垂直方向的路线移动。以上假设，数学模型可以理解为在有限车间面积内，满足约束的条件下，尽量降低物流量为原则[5]。
2.2 数学模型
建立的车间布局数学模型如图1所示。设弓箭在设备间传输次数为aij，设备间的距离dij。车间设备布局最优设计应使得各设备间的运输距离最短，即
■
设备在车间中均需占有一定的面积，设备还需为操作留有一定的活动空间，因此设备布局设计还需要考虑一些约束条件。设备i，j间的相对位置如图1所示。其中dxij，dyij分别表示设备在X和Y方向间的最小间距si，Li分别表示设备i在X和Y方向的宽度。
实现车间布局的优化设计，所需要的约束条件包括：
①间距约束：设备间应保持一定的间距，即
■ ■
②边界约束：设备在X，Y方向的布置不应超过车间的长度尺寸，即
■
其中，h和g分别表示车间在X,Y方向上的宽度。
3 基于混合算法的布局分析
3.1 方法概述
传统的SLP理论在车间布局优化方面主观性太强，因此本文采用SLP，AHP和GA混合算法处理车间设备布局方面的问题，利用SLP基于车间原始数据拟定多方案，然后采用层次分析法（AHP）对初始方案进行客观的，合理的评价。对初始方案选出最优方案解，最后利用遗传算法对最优解方案进行迭代分析，选出最终车间布局方案。混合算法不仅避免了SLP设计的主观性影响，又提高了遗传算法的搜索效率和准确行[5]。
3.2 具体步骤
3.2.1 作业单位分析
根据阀门的工艺流程图和现有的设备，将生产车间分为车床间，镗床间，铣床间，钻床间，堆焊间，打磨间，装配间，检测间等。
3.2.2 物流分析与非物流分析
物流量强度指的是物料移动的顺序和数量。现结合安阀车间物流情况，将物流强度转化为五个等级，分别对应着A、E、I、O、U这五个符号，物流强度等级表如表1所示。
表2为各个作业单位非物流关系等级表，描述了作业区域i与作业区域j之间的密切关系。
对于安阀的生产车间的物流数据要进行统计分析，绘制出物流从至表，结合物流强度表绘制出作业单位物流相关表。然后对非物流生产关系进行分析，拟定密切相关代码，绘制出作业单位非物流相关图，接着，确定物流关系和非物流关系的比例系数，最后绘制出作业单位综合相关表。
3.2.3 确定车间布局初始方案
根据作业单位综合相关表绘制出面积图，拟定初始车间设备布局方案。
3.2.4 方案评价
层次分析法根据问题的性质和要达到的总目标，将问题分解为组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的数据分析模型。
①建立车间布局评价体系，如图2。
②基于方案层的各元素关于准则层的某一准则的重要性进行两两比较，构造判断矩阵。
③由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，本文采用的权重计算方法是特征值法。
第一步：计算一致性指标CI
■
第二步：查找对应的平均随即一致性指标RI
表9
■
第三步：计算一致性比例CR
■
如果CR<0.1,则可认为判断矩阵的一致性可以接受；否则需要对判断矩阵进行修正。
第四步：计算各层元素对系统目标的合成权重，并进行排序。
3.2.5 基于遗传算法选出最优方案
利用遗传算法，从进化论的角度对车间布局的初始方案进行分析，得出最优解，以下是遗传算法的步骤：
第一步：选择编码方式
车间的布局问题重点是布置作业区域之间的相对位置[6]。
编码方式表示为将区域符号和净间距这两个变量作为两个扩展换位：■，其中mi表示作业区域I；?驻k表示相邻两个作业区域k与k-1之间的净间距。采用自动换行策略即：同行中个作业区域的长度之和大于车间的长度，本行最后一个作业区域自动切换到下一行的首个位置进行排列[7]。
第二步：初始种群确定
采用通过SLP和AHP算法求出的车间布局优化方案为初始种群。
第三步：适应度函数和惩罚值设定
基于自动换行策略，水平方向上不会发生设备布置超出车间的情况。在垂直方向上，只需要最后一行设备不查过车间区域即可。
■
对于染色体Vk的适应度函数而言由两部分组成，一部分是目标函数值，一个是不合理的惩罚项[8]。如下是基于染色体的适应度函数：
■
第四步：选择算子
采用轮盘赌法选择算子，假设种群大小M，则个体被选中的概率为：
■
第五步：交叉与变异操作
基于父类的个体随机选出两组，两两配对，并按照设定的概率随机交换部分染色体，产生后代。
4 案例分析
本文以安阀生产车间为研究对象，对车间进行布局优化分析，该车间是一个尺寸为120×100m的矩形，一共包括13个功能区，其相关参数如表10。设备区域与车间边界的最小间距为3m，区间行间距15m。
通过对车间工艺流程和物流相关数据的统计，得到作业单位之间的物流量汇总表如表11所示。
根据SLP算法，把物流关系和非物流关系按照1:1的比例，绘制综合关系图，如表12所示。
将强度等级量化为数字，A、E、I、O、U、X应4、3、2、1、0、-1。
由物流量从至表绘制出物流量强度矩阵如下：
■
通过SLP求出车间初始布局方案如下：
[3，5，6，1，9，4，2，11，7，8，10]
[9，5，6，1，3，4，2，11，7,8，10]
然后通过AHP算法选出最佳初始方案，由车间评价模型和评价矩阵据算出权重矩阵如表13所示。计算p1和p2的得分数，可知p2方案为最优解。
可知[9,11,7,4,10,6,8,5,3,1,2]为所选的最优方案，然后将其作为遗传算法的初始种群数据。
设定初始种群数目为100，其中部分由通过AHP算法选出的初始最优方案组成，其他的通过随机算法自动生成。交叉概率设定为0.9，变异概率为0.1，适应度惩罚值为1000。
通过matlab2016软件基于车间具体约束条件和目标函数等参观数据编写程序，多次求解，得到最有方案数据为[9，3，5，10，8，11，4，1，2，7，6]，图3为目标函数迭代图。
多次运行matlab2016得到最优布局方案为：
[8,3,9,7,6,4,1,5,10,11,2]。
5 结论
将混合算法应用于车间布局优化，不仅降低了SLP和AHP算法的主观性的缺点，也提高了遗传算法的搜索效率和准确率。
参考文献：
[1]王昀睿.基于SLP的某钢结构公司生产车间布局优化研究[J].现代制造工程，2019（03）：31-37.
[2]夏弘. 某阀门车间布局设计及仿真研究[D].武汉科技大学，2009.
[3]向杭.A生产车间设施布局优化与仿真研究[D].西南石油大学，2018.
[4]唐建平.D公司车间设施布置设计研究[D].西南交通大学,2016.
[5]冷护基，颜文祺.SLP和遗传算法相结合的车间布局研究[J].价值工程，2019，38（16）：63-66.
[6]邱胜海，陈曙鼎，王云霞，贾晓林.遗传算法在车间设施布 局优化中的应用[J].机械设计与制造工程，2017，46（2）：80-83.
[7]于瑞峰，王永县，彭海.工作地中设施布局问题的改进遗传 算法[J].清华大学学报（自然科学版），2003（10）：1351-1354.
[8]包子阳，余继周.智能优化算法及其 MATLAB 实例[M].北 京：电子工业出版社，2016. |
