車間物料搬運系統(tǒng)多載量小車配送調(diào)度問題研究綜述

摘 要：車間物料裝配作為大多數(shù)制造企業(yè)的生產(chǎn)的關鍵過程，在制造業(yè)產(chǎn)品生產(chǎn)中起著舉足輕重的作用。車間裝配線一般分為生產(chǎn)系統(tǒng)和物料搬運系統(tǒng)兩部分，本文主要是對車間裝配過程中物料配送系統(tǒng)的研究進行了綜述，首先對車間物料配送運載工具進行分類，分為了AGV調(diào)度和多載量小車調(diào)度，然后將多載量小車調(diào)度問題分為了靜態(tài)調(diào)度和動態(tài)調(diào)度，主要對動態(tài)調(diào)度的相關文獻進行綜述。

關鍵詞：車間調(diào)度;多載量小車;物料配送

1 緒論

裝配車間的生產(chǎn)效率問題一直是管理者和相關學者研究的熱門，在一個裝配線生產(chǎn)過程中，除去生產(chǎn)調(diào)度環(huán)節(jié)的調(diào)度過程需要完善，在物料搬運系統(tǒng)中的物料配送調(diào)度也是十分關鍵的。據(jù)統(tǒng)計，有很大一部分的汽車制造企業(yè)，其車間物料配送系統(tǒng)中所產(chǎn)生的成本占了總成本的30%～75%[1]，比重相當之高。

所以，通過對裝配過程中物料調(diào)度環(huán)節(jié)進行優(yōu)化，從而提高汽車生產(chǎn)線及物料搬運系統(tǒng)在內(nèi)的整個汽車裝配系統(tǒng)的效率，具有重要的研究意義和價值。

本文主要從車間調(diào)度的主要運載工具，靜態(tài)調(diào)度和動態(tài)調(diào)度問題的近年來相關研究進行了文獻綜述。

2 國內(nèi)外文獻綜述

在作業(yè)車間的調(diào)度問題中，其物料配送問題的研究一般根據(jù)不同的運載工具可以大致分為兩類。

一類是以自動導引小車（Automated Guided Vehicle，AGV）為裝卸搬運工具的車間物料調(diào)度，采用AGV進行物料調(diào)度的問題特點是單載量、自動化，它一般是沿著程序設定好的固定路線自動進行物料運送，在近年來的研究中，常建娥等[2]采用多AGV對汽車總裝車間物料調(diào)度問題進行了研究，以運輸時間和距離最小為目標對車間物料搬運系統(tǒng)進行了優(yōu)化，提高了AGV小車的利用率;Xu L[3]研究了混合流作業(yè)車間中多AGV物料調(diào)度問題，建立了調(diào)度優(yōu)化模型，以最小化物料搬運時間為目標，提出了一種改進的遺傳算法進行了求解。

另一類就是以多載量小車為運載工具的車間物料調(diào)度問題，相比于AGV調(diào)度，多載量小車可以提高一次行程的搬運量，較大程度的減少了行駛距離，降低了成本。一般將多載量小車的調(diào)度問題分為靜態(tài)調(diào)度和動態(tài)調(diào)度，也就是實時調(diào)度問題。對于靜態(tài)調(diào)度，陳桐[4]對汽車裝配車間零部件配送調(diào)度進行了研究，將問題考慮為一個確定性問題，分別研究了單量和多輛多載量的拖車的物料搬運問題，以零件送達時間窗成本為目標，設計了一種Memetic算法進行了求解。Sali M等[5]考慮到裝配線加工生產(chǎn)中零件的特征及功能不同，提出了一種優(yōu)化模型，優(yōu)化裝配線送料方式，以使得平均總運營成本最小，并將開發(fā)的此混合整數(shù)規(guī)劃模型應用于汽車領域的第一級供應商工廠，具有一定的實際適用性。因為靜態(tài)調(diào)度的相關研究較多，我們這里不過多介紹。我們主要對實時調(diào)度的研究做了相對系統(tǒng)的文獻綜述。

關于實時調(diào)度的研究，它一般被認為是在短時間內(nèi)預測信息進行決策，然后看整個調(diào)度過程的效果，更具有實際性。Wang S[6]車間物料需求的預測和調(diào)度問題，采用了最小二乘支持向量回歸和遺傳算法進行了優(yōu)化，預測結(jié)果良好;Billaut等[7]對車間生產(chǎn)調(diào)度中，通過對車間混亂環(huán)境的實時監(jiān)控，對其操作狀態(tài)和資源的確定進行了決策;徐佳慧[8]采用支持向量機這種二分類算法對實時調(diào)度下物料搬運過程中搬運決策進行了研究，通過大量樣本訓練得到一個是否搬運的判斷生成器;吳立輝等[9]以半導體制造車間物料運輸系統(tǒng)為研究對象，采用匈牙利法和模糊邏輯法對其中的子問題進行了決策，建立仿真模型對其實時調(diào)度過程中的效果進行了驗證;Sinriech D[10]設計了一種基于多載量小車的動態(tài)調(diào)度算法（DSA）應用到單回路制造系統(tǒng)，通過仿真驗證了在產(chǎn)量、平均庫存水平以及小車的利用率方面優(yōu)于其他規(guī)則調(diào)度;Chen C[11]汽車裝配線上受后進先出約束的多載量小車調(diào)度問題，以產(chǎn)量和物料搬運距離為目標，選用不用的權重和產(chǎn)品配比，通過仿真驗證了本文調(diào)度方法的有效性;朱柘鑫等[12]對汽車制造車間裝配線實時調(diào)度生產(chǎn)中搬運任務的選擇和順序問題進行了研究，根據(jù)之前學者在調(diào)度問題中提出的規(guī)則，采用人工神經(jīng)網(wǎng)絡算法對不同產(chǎn)品配比下的選用不同規(guī)則的效果進行擬合，從而使得系統(tǒng)可以根據(jù)不同的產(chǎn)品配比自動對調(diào)度規(guī)則進行選擇。高雅[13]建立了數(shù)學模型用以解決裝配線多載量小車物料實時調(diào)度問題，在實驗階段選擇了一種產(chǎn)品配比進行仿真，優(yōu)化了庫存和小車的搬運次數(shù);Wang等[14]開發(fā)了一種數(shù)據(jù)驅(qū)動的仿真方法，可以自動對生產(chǎn)系統(tǒng)進行建模，并根據(jù)動態(tài)需求和實時信息快速修改模型。

3 結(jié)語

通過對裝配車間物料調(diào)度問題相關文獻進行研究整理，可以發(fā)現(xiàn)，車間物料調(diào)度的研究的分類一般以運載工具為主體分為AGV調(diào)度和多載量小車調(diào)度。而以問題的確定性與不確定性進行分類，一般分為靜態(tài)調(diào)度和動態(tài)調(diào)度兩種。相關研究因為研究的方便性，以AGV和多載量小車的靜態(tài)調(diào)度居多，動態(tài)調(diào)度研究相對較少。其中，多載量小車的動態(tài)調(diào)度研究主要集中在規(guī)則調(diào)度，以及對某一調(diào)度點的決策環(huán)節(jié)采用機器學習等算法進行優(yōu)化，采用數(shù)學模型等對實時調(diào)度問題中的調(diào)度點的整個進行描述并求算的研究相關文獻幾乎沒有。當然考慮到數(shù)學模型對大規(guī)模問題的局限性，如果采用智能算法求解相對較為合理，所以以后的研究方向可以從智能算法在動態(tài)調(diào)度問題中應用出發(fā)，對車間物料調(diào)度問題的研究做出更大的貢獻。

參考文獻：

[1]SULE D R.Manufacturing Facilities：Locatio，Planning，and Design，Third Edition[M].CRC Press，2008（第3版）.

[2]常建娥，王璐，莫易敏，張峰，李佛勝.基于Manhattan距離的汽車總裝車間帶時間窗多AGV小車調(diào)度優(yōu)化[J].武漢理工大學學報（交通科學與工程版），2017，41（04）：589-594.

[3]Xu L，Peihuang L，Xiaoming Q，et al.Scheduling of automated guided vehicles for material distribution based on improved genetic algorithm[J].Machine Design and Manufacturing Engineering，2015.

[4]陳桐.JIT條件下混流汽車裝配線零部件喂料作業(yè)調(diào)度優(yōu)化[D].上海交通大學，2013.

[5]Sali M，Sahin E.Line feeding optimization for Just in Time assembly lines：An application to the automotive industry[J].International Journal of Production Economics，2016，174：54-67.

[6]Wang S，Wang Q.Prediction and dispatching of workshop material demand based on least squares support vector regression with genetic algorithm[J].International journal on information，2012，15（1）：213-222.

[7]Billaut J C，Roubellat F.Significant states and decision making for real time workshopscheduling[C].Compeuro 93 Computers in Design，Manufacturing，& Production.IEEE，1993.

[8]周炳海，徐佳惠.基于支持向量機的多載量小車實時調(diào)度[J].吉林大學學報（工學版），2016，46（06）：2027-2033.

[9]吳立輝，朱登潔，張潔.一種Intrabay物料運輸系統(tǒng)的多目標實時調(diào)度方法[J].中國機械工程，2013，24（06）：769-774.

[10]Sinriech D，Kotlarski J.A dynamic scheduling algorithm for a multiple-load multiple-carrier system[J].International Journal of Production Research，2002，40（5）：1065-1080.

[11]Chen C，Xi L F，Zhou B H，et al.A multiple-criteria real-time scheduling approach for multiple-load carriers subject to LIFO loading constraints[J].International Journal of Production Research，2011，49（16）：4787-4806.

[12]周炳海，朱柘鑫.基于神經(jīng)網(wǎng)絡和知識庫的物料配送動態(tài)調(diào)度[J].湖南大學學報（自然科學版），2020，47（04）：1-9.

[13]夏蓓鑫，高雅，曹建斌，陳甜甜.基于混合整數(shù)模型的多載量小車調(diào)度方法[J].計量與測試技術，2019，46（06）：81-83+86.

[14]Wang J，Chang Q，Xiao G，et al.Data driven production modeling and simulation of complex automobile general assembly plant[J].Computers in Industry，2011，62（7）：765-775.

作者簡介：李昭陽（1996—），男，漢族，山東青州人，上海大學物流工程專業(yè)碩士研究生，研究方向：裝配線配送調(diào)度。