基于決策樹算法對H 公司產線平衡提高的研究

王昕燁 馮國紅＊ 鄭顏菲

（東北林業大學，黑龍 江哈爾濱 150040）

1 概述

H 公司是一家中小型家用電器生產公司，公司工廠占地面積約130 余畝，建筑面積約10 萬平方米，擁有3 條國內領先的空調生產線。H 公司的EM Ⅱ型產品生產線為單一產品生產線，主要生產壁掛式變頻空調（KFR-35GW/05GJC23）。本空調適用于絕大數家庭安裝，通常懸掛于室內墻壁上，無氟環保，能耗比較高，因此有著較大的銷售市場。EMⅡ型產品生產線位于18000 平方米的恒溫生產車間內，是一條生產大批量單一品種的生產線。EM Ⅱ型產品生產線每周運行6 天，生產班次通常為每天1 班，每班工作13 小時。H 公司成立多年來有著過去企業所共有的生產弊端，即粗放型生產。隨著公司內部工人、物料等成本不斷增加，顧客需求大量增多，現代社會資源短缺，而粗放型生產模式又難以改變，各種原材料浪費嚴重，導致現有生產效率難以滿足市場需求。這種生產方式已然不適用于現在。生產線平衡率[1]是衡量生產線工序水平的重要指標之一，它很大程度上影響著企業的盈利能力與企業的競爭能力，占據著重要的地位。生產線平衡率的提升有利于縮短和減少各種浪費，提升整體生產效率、產品質量以及員工士氣，使之建立起良好的生產秩序，創立起良好的企業形象。因此，進行產線平衡的研究是解決此問題的必要途徑。

2 EMⅡ型產品生產線及工藝流程介紹

EM Ⅱ型產品生產線位于18000 平方米的恒溫生產車間內，是一條生產大批量單一品種的生產線。EM Ⅱ型產品生產線的整個裝配過程有44 個具體的操作單元如表1 所示。

表1 作業單元時間表

為了解EM Ⅱ型產品生產線在流程上存在的問題，現對EMⅡ型產品生產線進行流程程序分析，繪制作業順序圖，如圖1 所示。

圖1 作業順序圖

3 基于決策樹模型的分組方法

3.1 Keamns 聚類法對工作位數的計算

作業單元順序確定后，確定制定多少個工位數，屬于分類問題之一。先采用Keamns 聚類算法對這一問題進行研究。k 值聚類算法的原理是根據各點之間的距離對數據進行分類整合。假設第i 道工序用時為ti，將時間長度畫在坐標軸上，以該工序的中心位置作為該點的位置，則第i 道工序與第i+1 道工序的時間距離為ti+ti+11/2。根據約束條件，按照從小到大的順序倒敘排列，第一道工序的時間權重為8.52，則在他之前的工序的權重如式（1）所示。

對于支路的工序，只需要大于它的緊前工序即可，因此得到表2。假設該44 個工序共分為k 個作業站，每個工作站內有ki個工作單元，且uk為每個工作站的重心，則每個作業站的畸變程度為式（2）（3）所示。

表2 支路的作業權數表

計算聚合系數繪制折線圖，得到聚合系數與工作站數的關系。根據肘部法則，在折線圖陡峭與平緩的轉折點即為最佳分類個數。聚合系折線圖如圖2 所示。

圖2 聚類系數折線圖

根據聚類點，可以發現折線圖在k=6、7 處變得平緩。為精確分類個數，不妨對k=6、7 分別求解，得到最佳工作站數。

3.2 機器學習

通過聚類算法，我們基本已經確定，最優的工作站數目為6 或7 個，因此要對此進行討論，對工作站為6 以及工作站為7 分別考慮。當工作站數為6 時，已知總時間為533s，根據式（4）所示的計算公式可得節拍時間。

假設第k 個工作站里最多可以安排Ck個工序，加入m個工序后工作站剩余時間為Skm，m

用第m+1 道工序的時間tm+1與Skm作比較，當tm+1

3.3 決策樹算法的應用

由于緊前工序個數中共有三種屬性，根據CART算法構建出的決策樹模型為二叉樹，對其各指標進行篩選，在此基礎上引入基尼系數。

基尼系數為某特征值的屬性的雜亂程度，公式如（6）（7）所示[11]。

T 為當前節點，T1為二分類結果1，T2為二分類結果2。S1為二分類結果1 條件下的結果數量，S2為二分類結果2 條件下的結果數量。現對三種屬性分別計算基尼不純度得分，得分最高者位條件下的判斷標志。

根據公式（6），（7），對“1”個緊前工序"進行計算。

3.4 結果分析

根據決策樹模型對37 個主線工序進行分類，六個工作站的時間分別為：85.99、89.83、84.8、91.74、87.42、93.54。

因此可以計算生產線平衡率為95.02%；

當工作站為7 時，同理經計算，生產線平衡率為84.6%；

由此可見，工作站為6 時為最佳。得到分配結果如表3 所示。

表3 工作站分配結果

4 結論

本文以H 公司EM Ⅱ型產品生產線為研究對象，以提高生產線平衡率為目的，從基礎工業工程和算法研究兩個角度入手，運用5W1H 提問法、ECRS 改善法則以及流程程序分析法優化生產線。在此基礎上，設計多種算法進一步優化改善，得出主要結論如下：

圖3 cart 決策樹模型

4.1 通對EM Ⅱ型產品生產線進行流程程序分析，觀察出該生產線中搬運、等待、檢查等不增值活動較多，浪費人力時間。運用5W1H 提問法、ECRS 法則進行分析，進而得出改善之后的流程程序圖。通過對改善前后的數據進行對比，各項指標都有優化。

4.2 通過Keamns 聚類算法確定工作位數，得到最佳工作站為6 或7。

4.3 建立決策樹模型對作業單元進行分組，計算各指標的基尼系數，設計算法求解得到優化后的生產線平衡率達到95.02%。所以運用決策樹建模有明顯的改善效果。