基于遺傳基因理論的汽車維護生產系統優化仿真

張立斌，韓 玲，劉義才，葛淑斌，李 昱

（1.吉林大學 交通學院，長春 130022；2.中國人民解放軍65316部隊 裝備部輪式車輛科，長春 130000；3.上海大眾汽車有限公司 整車分部，上海 201805；4.中國人民解放軍徐州空軍學院 航空兵軍交運輸指揮系，江蘇 徐州 221000）

我國運輸車輛執行的是“定期檢查、強制維護、視情修理”的汽車維修制度，汽車二級維護是其中核心內容［1］。車輛技術狀況下降，不安全隱患增多，所以必須加強二級維護管理。國內汽車檢測線標準不一，目前雖然已有相關生產線的研究內容，但多數只是闡述二級維護作業的違規操作［2-4］。這些研究僅是對汽車維護人員職業道德的一種行為規范，并沒有涉及生產線調度的理論研究。針對上述問題，本文提出了一種基于遺傳基因理論優化汽車二級維護生產線調度平衡的方法，并在汽車生產線調度問題上進行初步試驗，試驗結果證明該調度方法使二級維護生產線的效率得到顯著提高。

1 生產線建模

汽車維護任務就是合理安排汽車生產線的車間調度，提高生產率，使維護車輛數最多。二級維護基本項目有作業11項，共48個步驟。對于生產線上每個工位的作業時間，本文取其平均值，所得作業時間更為精確化。生產線各工位的作業時間安排如圖1所示。

由圖1可看出，整輛車檢完需183min。第2工位維護時間較長，其前設立暫存區。第4、5工位維護作業時間較短，平衡優化時可考慮合并，其后設立暫存區。第7工位維護作業時間最長，是整條生產線的“瓶頸”，在其前設立暫存區。

為了對二級維護生產線進行優化，需要對該生產線系統建立數學模型，然后通過計算機進行仿真。生產線系統建模的原則如下［5-6］：本系統模型包括1條主線、1個發生器（source）、11個處理器（processor）、4個暫存區（queue）和1個吸收器（sink）。根據以上模型實體與生產線工位對應關系建立仿真模型。仿真流程模型如圖2所示，實體模型對象間的黑色線條表示各對象間已經連接。

圖1 各工位時間表Fig.1 Time table of work stations

由圖2可看出，生產線運行混亂，工序堆積嚴重，各工位作業量差別較大，因此有進一步提升的空間。

從表1可知，除第7工位空閑率較低外其余各工位的空閑率過高，工位沒能完全充分利用。

圖2 二級維護生產仿真流程模型Fig.2 Vehicle maintenance simulation model

2 遺傳基因預處理

表1 各工位空閑率Table 1 Idle time ratio of work stations

2.1 工位模型精簡

為更好地發揮遺傳基因理論的作用，需要對待檢汽車的工位進行化簡。首先根據每天需維護的車輛數計算該二級生產線的節拍，把待檢元素利用平衡理論和啟發式算法進行平衡安排［7］。該生產線計劃待檢汽車為16輛，工作制為8h，節拍為：8×60÷16＝30min。

第11工位內容即全車潤滑，均可在各個工位上進行，安排一名工人隨車作業。第4、5工位的工時較短，將它們作為工作元素安排。第7工位由于工時較長，安排兩名工人維護。平衡后工位縮減到5項，工人減少至6名。

2.2 精簡后的仿真驗證

生產線工位進行平衡后［8］，各工位時間如圖3所示。

圖4為Flexsim軟件仿真平衡后的工作過程，對比圖2可知，各工位運行有序。

圖3 平衡后各工位時間表Fig.3 Time table of work stations after balance

圖4 Flexsim仿真平衡后的工作過程Fig.4 Working process of Flexsim simulation after balance

表2為平衡后各工位空閑率，工位平衡后空閑率大幅度減少，生產效率得到提高。

表2 平衡后各工位空閑率Table 2 Idle time ratio of work stations after balance

3 遺傳基因理論應用

3.1 生產線車間調度描述

由于遺傳算法不能直接處理生產調度問題的參數，所以必須通過編碼將它們表示成遺傳空間中由基因按一定結構組成的染色體［9-11］。如果是對6個工件進行生產調度，它們的加工順序是j2、j4、j1、j5、j3、j6則它的編 碼為：Vi＝ ［241536］。

本文生產線共有待檢汽車5輛，則基因串長度為5。隨機選定等待檢測的5輛汽車的維護內容和維護時間不一樣，所以這里的維護時間和簡單啟發式算法中待檢汽車的維護時間有所不同。將車間調度描述為5輛待檢汽車在5個工位上的流水車間調度問題，其中n為待檢汽車數量（n＝5），m為工位數量（m ＝5）。

令c（ji，k）表示ji在工位k上的加工完成時間，｛j1，j2，…，jn｝表示待檢汽車的調度，那么n輛待檢汽車、m個工位的流水車間調度問題的完工時間可表示為

最大流程時間為

調度目標就是確定｛j1，j2，…，jn｝，使得cmax最小。算法的具體調度信息如表3所示。

表35 ×5調度問題信息Table 35 ×5scheduling information

確定本文算法參數如下：初始群體規模為50，交叉概率為0.7，變異概率為0.006，交叉次數、變異次數、迭代次數分別為50、50、30。

通過遺傳算法計算得到最優染色體為［42531］，對應該染色體的目標值為141min，即5輛汽車檢驗完的時間為141min，甘特圖如5所示，Mi（i＝1，2，…，5）表示i工位。

5輛待檢汽車分別用1、2、3、4、5代表，通過遺傳算法中的選擇、交叉、變異操作得到的最優染色體過程如圖6所示。

圖5 最優染色體甘特圖Fig.5 Optimal chromosome of Gantt

圖6 基本遺傳算法過程圖Fig.6 Genetic algorithm process diagram

在以上5輛待選汽車選擇、交叉、變異操作時除最優染色體［42531］外任選一條染色體［53124］，進行優化后的時間對比，則該染色體［53124］的目標值為183min，得到的甘特圖如圖7所示。

圖7 非最優染色體甘特圖Fig.7 Non－optimal chromosome of Gantt

綜上可知：應用遺傳算法計算所得到的染色體為最優。

3.2 仿真結果分析及車間動態調度驗證

仿真結果表明染色體［42531］的調度結果顯示為141min。因為設置暫存區的容量為5個，所以當5輛待檢汽車全部維護完畢后，暫存區的車輛數目是5個。該例子中是對5輛待檢汽車A1、A2、A3、A4、A5進行維護，它們歷經各個工位的維護作業后，駛離生產線。若這5輛車還沒有全部維護完畢時，生產線外又到達n輛待檢汽車B1、B2、…、Bn，則就對這n輛進行排序。假設順序為［23 n …1］。此時若在第一工位進行維護的是5輛待檢汽車中的A1時，則把它排在n＋1輛待檢汽車的第一位，利用以上算法重新排列待檢汽車的作業順序，然后按順序進行維護作業。這樣即可使整個生產線處于均衡滿負荷工作狀態。如圖8所示，在整個二級維護生產線上，車輛的調度是一個動態過程。在維護的過程中，如果有維護任務追加或撤銷等情況時，只需要重新根據以上算法進行調度規劃，重新排列待檢車輛的維護順序即可。

圖8 5個工位的待檢汽車維護作業Fig.8 Car maintenance of five work stations

4 結束語

利用Flexsim仿真軟件分析了生產線的不平衡，平衡前生產線整車檢驗完畢需要183min。基于遺傳基因理論在汽車二級維護生產線上平衡優化后，整車檢完需141min，提高了生產效率。充分證明了遺傳基因理論在生產線上應用的合理性、高效性。另外這種方法可以用在各種調度領域，從而提高工作效率。

［1］顧國瑞.汽車診斷技術的應用與發展［J］.云南交通科技，2001，16（1）：1－3.Gu Guo－rui.Apllication and development of automobile detection technology［J］.Yunan Communication Science and Technology，2001，16（1）：1－3.

［2］盧榮生.淺談加強汽車二級維護和確定二級維護周期［J］.遼寧交通科技，1995（2）：38－40.Lu Rong－sheng.On the strengthening of two maintenance and vehicle maintenance cycle to determine the two［J］.Liaoning Communication Technology，1995（2）：38－40.

［3］張立斌，單洪穎，蘇建.汽車檢測線質量認證評價體系［J］.吉林大學學報：工學版2009，39（增刊2）：225－228.Zhang Li－bin，Shan Hong－ying，Su Jian.Vehicle inspection quality evaluation system［J］.Journal of Jilin University Engineering Science，2009，39（Sup.2）：225－228.

［4］李贊明.工業工程在生產實踐中的應用［J］.機械工程，1997（5）：38－40.Li Zan－ming.The practice of industrial engineering applications in the production［J］.Industrial Engineering，1997（5）：38－40.

［5］李暄.基于Flexsim仿真軟件的配送中心系統優化設計［J］.物流技術，2009（8）：66－68.Li Xuan.Flexsim simulation software based on the distribution center system optimization［J］.Logistics Technology，2009（8）：66－68.

［6］席忠民.應用工業工程優化總裝作業系統［J］.材料與工藝，2000（9）：47－49／63.Xi Zhong－min.Application of industrial engineering to optimize the operating system assembly［J］.Material and Process，2000（9）47－49／63.

［7］徐華，于勇.一種實用的啟發式資源平衡優化算法的改進［J］.哈爾濱商業大學學報：自然科學版，2004，20（4）：459－461／471.Xu Hua，Yu Yong.A practical heuristic optimization algorithm to improve resource balancing［J］.Harbin University of Commercec（Natural Science），2004，20（4）：459－461／471.

［8］葛樹斌.汽車二級維護作業流程優化仿真模型研究［D］.長春：吉林大學機械科學與工程學院，2011.Ge Shu－bin.Research on simulation model for process optimization of vehicle maintenance［D］.Changchun：College of Mechanical Science and Engineering，Jilin University，2011.

［9］羅春，楊軍.基于遺傳算法和覆蓋率驅動的功能驗證向量自動生成算法［J］.應用科學學報，2005，13（4）：375－379.Luo Chun，Yang Jun.Based on genetic algorithms and coverage－driven functional verification vector generation algorithm automatically［J］.Journal of Applied Sciences，2005，13（4）：375－379.

［10］徐永能，劉述芳，施樹明，等.遺傳算法在車輪定位參數測量中的應用［J］.公路交通科技，2001，18（2）：52－55.Xu Yong－neng，Liu Shu－fang，Shi Shu－ming，et al.Genetic algorithms in the wheel alignment parameters Measurement［J］.Highway and Transportation Research，2001，18（2）：52－55.

［11］Graves S C.A review of production scheduling［J］.Operation Research，1981，29（4）：66－75.