基于先驗(yàn)算法的服裝生產(chǎn)流水線設(shè)計(jì)優(yōu)化

摘 要： 針對(duì)服裝生產(chǎn)線員工變動(dòng)頻繁、技能熟練度不一致以及設(shè)備布局受限等造成的流水線部件逆流和不平衡問(wèn)題，提出了一種基于先驗(yàn)算法的服裝生產(chǎn)工序組合關(guān)聯(lián)規(guī)則挖掘方法，以優(yōu)化流水線設(shè)計(jì)。根據(jù)服裝工藝和生產(chǎn)特點(diǎn)提出了工序編碼方法，通過(guò)改進(jìn)Apriori算法來(lái)挖掘用于流水排布的生產(chǎn)工序關(guān)聯(lián)規(guī)則，建立了以逆流情況和流水線平衡為約束的評(píng)判指標(biāo)，通過(guò)工序內(nèi)容與評(píng)判指標(biāo)進(jìn)行流水線優(yōu)化排布。結(jié)果表明：優(yōu)化后的流水線完全避免了零部件在路徑上的傳遞損失，流水線的排布效率提高了20%，線內(nèi)工位平均均衡比相較于原有產(chǎn)線提高了20%，排布內(nèi)容更切合工廠生產(chǎn)實(shí)際環(huán)境和經(jīng)驗(yàn)要求。使用該方法挖掘工序關(guān)聯(lián)組合具有較好的可靠性，工序組合的應(yīng)用有利于提升流水線排布的實(shí)際意義。

關(guān)鍵詞： 服裝生產(chǎn)；工序組合；關(guān)聯(lián)規(guī)則；流水線；Apriori算法

中圖分類號(hào)： TS941.19

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1673-3851 （2024） 05-0337-10

引文格式：盛玥曦，侯玨，楊陽(yáng)，等. 基于先驗(yàn)算法的服裝生產(chǎn)流水線設(shè)計(jì)優(yōu)化［J］. 浙江理工大學(xué)學(xué)報(bào)（自然科學(xué)），2024，51（3）：337-346.

Reference Format： SHENG Yuexi， HOU Jue， YANG Yang， et al. Optimization of garment production line design based on the Apriori algorithm［J］. Journal of Zhejiang Sci-Tech University，2024，51（3）：337-346.

Optimization of garment production line design based on the Apriori algorithm

SHENG Yuexia， HOU Juea，b， YANG Yanga，b， LIU Zhengb，c，d

（a.School of Fashion Design amp; Engineering; b.Zhejiang Provincial Engineering Laboratory of Clothing Digital" Technology;

c.International Institute of Fashion Technology; d.Key Laboratory of Silk Culture Heritage and Products Design Digital

Technology， Ministry of Culture and Tourism， Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract：" Aiming at the problems of countercurrent and unbalance of assembly line components caused by frequent staff changes， inconsistent skill proficiency and limited equipment layout in garment production line， a method of mining association rules for garment production process combination based on the Apriori algorithm was proposed to optimize assembly line design. Based on the clothing process and production characteristics， a process coding method was developed， Apriori algorithm was improved to mine the production process association rules used for flow arrangement， and an evaluation index constrained by countercurrent situation and pipeline balance was proposed. The optimization and layout of the assembly line were carried out by process content and evaluation index. The experimental data show that the optimized assembly line completely avoids the transmission loss of parts in the path， the layout efficiency of the assembly line is increased by 20%， the average balance of workstations on the production line is increased by 20% compared to the original production line， and the layout content is more in line with the actual production environment and experience requirements of the factory. To sum up， the mining process association combination using the method has good reliability， and the application of process combinations is of practical significance to improving the assembly line layout.

Key words：" clothing production; process combination; association rules; assembly line; Apriori algorithm

0 引 言

流水線排布方法的選擇是決定服裝生產(chǎn)效率的重要因素［1］。大部分服裝生產(chǎn)企業(yè)存在勞動(dòng)力不足，基礎(chǔ)資源短缺的現(xiàn)狀［2］，其中：勞動(dòng)力的缺乏包括線上工作人員的缺乏以及流水線排布人員的缺乏［3］，基礎(chǔ)資源短缺主要體現(xiàn)在生產(chǎn)機(jī)器的數(shù)量限制。上述生產(chǎn)現(xiàn)狀導(dǎo)致服裝生產(chǎn)整體技術(shù)水平不高、管理方法粗放［4］，工位工人無(wú)法熟練完成作業(yè)內(nèi)容，流水線排布過(guò)于依賴管理人員經(jīng)驗(yàn)的問(wèn)題產(chǎn)生。實(shí)際生產(chǎn)時(shí)流水線內(nèi)部件倒流問(wèn)題頻發(fā)，運(yùn)行平衡程度低，生產(chǎn)效率不佳。

為了解決流水線平衡問(wèn)題，學(xué)者提出了多種改進(jìn)方法。梁會(huì)芹等［5］使用自適應(yīng)遺傳算法提高搜索效率，解決了流水線平衡程度低下問(wèn)題；黃珍珍等［6］采用拓?fù)浞椒ê瓦z傳算法建立自動(dòng)優(yōu)化模型，實(shí)現(xiàn)流水線平衡再優(yōu)化；閆亦農(nóng)等［7］改進(jìn)了粒子群優(yōu)化，開(kāi)發(fā)服裝生產(chǎn)流水線編制軟件，實(shí)現(xiàn)智能化編制；朱江龍等［8］基于NSGA-Ⅱ多目標(biāo)算法提供多種服裝生產(chǎn)編制效率較高的編排參考方案；Yemane等［9］結(jié)合手動(dòng)線平衡技術(shù)與計(jì)算機(jī)模擬建模以找到最佳生產(chǎn)方案；Sime等［10］將ARENA仿真軟件用于建模和仿真評(píng)估了不同的“假設(shè)”場(chǎng)景以重新配置裝配線。上述改進(jìn)方法有效提高了流水線運(yùn)行平衡效率，然而大多數(shù)生產(chǎn)廠的工作人員和機(jī)器資源受限，需要較多資源的流水排布受到制約。陳莎等［11］構(gòu)建混合生產(chǎn)線平衡優(yōu)化模型；鄭路等［12］建立混合生產(chǎn)模塊化排序與工序分配的聯(lián)合優(yōu)化模型，李雪霞等［13］采用智能化縫制單元；Bongomin等［14］使用排序位置權(quán)重技術(shù)來(lái)提高生產(chǎn)效率并減少工位數(shù)量。這些優(yōu)化方法提高了流水線平衡效率并節(jié)省了部分資源，但在優(yōu)化的前提條件上忽略了實(shí)際生產(chǎn)作業(yè)人員技術(shù)限制，使優(yōu)化在應(yīng)用受到制約。孫影慧等［15］通過(guò)對(duì)生產(chǎn)工序排布重組優(yōu)化流水線，建立了生產(chǎn)流水線仿真模型；葛敬瑋等［16］通過(guò)工序標(biāo)準(zhǔn)化作業(yè)管理提高了流水線反應(yīng)速度和生產(chǎn)效率。然而實(shí)際生產(chǎn)并非嚴(yán)格遵循生產(chǎn)部件在線內(nèi)的線性轉(zhuǎn)移的約束條件，使優(yōu)化后的排布方案難以復(fù)現(xiàn)。

基于上述現(xiàn)狀，為了使流水線優(yōu)化后的方案更好地適應(yīng)服裝實(shí)際生產(chǎn)方式和環(huán)境，本文提出了一種基于先驗(yàn)算法的服裝生產(chǎn)工序組合關(guān)聯(lián)規(guī)則挖掘方法以優(yōu)化流水線排布設(shè)計(jì)。首先，通過(guò)制定工序編碼規(guī)則并改進(jìn)Apriori算法模型得到生產(chǎn)工序組合；然后，將已挖掘出關(guān)聯(lián)工序的組合內(nèi)容應(yīng)用于流水線的重新排布；最后，將結(jié)果在路徑損失率、排布效率和工位作業(yè)均衡比這三個(gè)指標(biāo)上進(jìn)行對(duì)比，同時(shí)結(jié)合實(shí)際生產(chǎn)情況對(duì)比重新排布和參考排布結(jié)果。

1 研究方法

1.1 基于改進(jìn)Apriori算法的生產(chǎn)工序關(guān)聯(lián)構(gòu)建

關(guān)聯(lián)規(guī)則挖掘技術(shù)是數(shù)據(jù)挖掘常用的方法，用于發(fā)現(xiàn)數(shù)據(jù)集中項(xiàng)集之間的相關(guān)關(guān)系，包括Apriori算法、FP-Growth算法和Eclat算法［17］。關(guān)于服裝生產(chǎn)工序的數(shù)據(jù)集較為稀疏且相對(duì)較小，而FP-Growth算法和Eclat算法適用于大規(guī)模數(shù)據(jù)集且在數(shù)據(jù)集稀疏或項(xiàng)集較大時(shí)實(shí)現(xiàn)相對(duì)復(fù)雜，故此次實(shí)驗(yàn)使用Apriori算法。Apriori算法利用逐層搜索迭代明確數(shù)據(jù)庫(kù)項(xiàng)集的關(guān)系并構(gòu)建規(guī)則，設(shè)項(xiàng)集I={I1，I2，I3， …，Id}是數(shù)據(jù)中所有項(xiàng)的集合，事務(wù)（TID） T={T1，T2，T3， …，Tn}是所有事務(wù)的集合，每個(gè)事務(wù)Tn包含的項(xiàng)集都是I的子集。事務(wù)與項(xiàng)集的關(guān)系如表1事務(wù)內(nèi)容例表所示。

采用Apriori算法挖掘關(guān)聯(lián)規(guī)，因迭代搜索過(guò)程中多次掃描數(shù)據(jù)集而生成大量冗雜中間項(xiàng)集，影響計(jì)算效率和降低挖掘結(jié)果的指向性［18］。Belhassena等［19］提出將大量數(shù)據(jù)管理到不同的分布式索引中，并對(duì)索引中的每個(gè)點(diǎn)實(shí)現(xiàn)頻繁挖掘算法以提升挖掘效率。本文先分析目標(biāo)服裝的具體工藝內(nèi)容，后篩選與該工藝相關(guān)的關(guān)鍵詞條并生成相應(yīng)項(xiàng)集。將篩選后項(xiàng)集應(yīng)用于Apriori算法，以減小數(shù)據(jù)集的規(guī)模，使生成結(jié)果復(fù)雜性得到顯著降低。

本文提出的服裝生產(chǎn)工序組合Apriori改進(jìn)算法基本框架如圖1所示，首先通過(guò)搜索數(shù)據(jù)庫(kù)獲取與目標(biāo)服裝的工藝特點(diǎn)相關(guān)的數(shù)據(jù)，然后遍歷篩選項(xiàng)集生成關(guān)于工序內(nèi)容的候選頻繁項(xiàng)集1。計(jì)算每個(gè)候選頻繁項(xiàng)集1中各工序的支持度，支持度表示每個(gè)工序內(nèi)容項(xiàng)集在整個(gè)數(shù)據(jù)集中的出現(xiàn)頻率［20］，是篩選頻繁項(xiàng)集的重要條件［21］。將計(jì)算得到的支持度與預(yù)先設(shè)置的最小支持度進(jìn)行對(duì)比，其取值影響生成頻繁項(xiàng)集的數(shù)量，小于最小支持度閾值的工序內(nèi)容項(xiàng)集將被去除［22］。判斷剩余的項(xiàng)集是否為空，成立則生成關(guān)聯(lián)規(guī)則；不成立時(shí)，繼續(xù)挖掘生成n+1項(xiàng)工序內(nèi)容頻繁項(xiàng)集。通過(guò)置信度和支持度衡量關(guān)聯(lián)規(guī)則是否有實(shí)際意義和價(jià)值，置信度表示項(xiàng)集A發(fā)生前提下B發(fā)生的頻率［23］，提升度表示項(xiàng)集A的出現(xiàn)對(duì)項(xiàng)集B的出現(xiàn)有多大程度的影響。

1.2 服裝生產(chǎn)工序編碼方法

在服裝生產(chǎn)領(lǐng)域，工序的命名標(biāo)準(zhǔn)化程度低導(dǎo)致實(shí)際生產(chǎn)中出現(xiàn)復(fù)雜凌亂的描述。大量存在著微小差異文本但實(shí)際工作內(nèi)容相同，或者描述相似但工藝細(xì)節(jié)存在較大差異的問(wèn)題。若直接采用生產(chǎn)線的描述構(gòu)建模型會(huì)產(chǎn)生巨量的項(xiàng)集，為了解決這個(gè)問(wèn)題，需要對(duì)工序的內(nèi)容進(jìn)行分類和統(tǒng)一編碼。服裝生產(chǎn)工序通常包括所需的作業(yè)機(jī)器、縫紉動(dòng)作以及被縫紉的對(duì)象部件信息。本文將工序的編碼分為如下3個(gè)部分9個(gè)字節(jié)：

a）機(jī)器編碼：占工序代碼的第1個(gè)字節(jié)，用于表示執(zhí)行工序所需的縫紉機(jī)器內(nèi)容。

b）動(dòng)作編碼：占工序代碼的第2—5字節(jié)，分為主要?jiǎng)幼骱屯交虼我獎(jiǎng)幼鲀刹糠帧４司幋a表示執(zhí)行工序的縫紉動(dòng)作，包括了一或兩個(gè)動(dòng)作在工序執(zhí)行中的順序和方式。例如“單針夾緝大小袖叉連緝轉(zhuǎn)”中的“夾緝”和“緝轉(zhuǎn)”“手工翻上領(lǐng)兩角連修剪兩角”中的“翻”和“修剪”。

c）部件編碼：占工序代碼的第6—9字節(jié)，分為主要部件和同位部件或副部件兩部分。此編碼表示工序所涉及的服裝部件，包括了一或兩個(gè)在工序中操作部件。例如“單針合袖底縫連走定橡筋”中的“袖底縫”和“橡筋”“單針量定洗嘜個(gè)及時(shí)間嘜”中的“洗嘜”和“時(shí)間嘜”。若工序內(nèi)僅包含一個(gè)動(dòng)作或一個(gè)部件，無(wú)描述字節(jié)內(nèi)容將用“00”代替，以確保編碼的一致性和完整性。工序內(nèi)容編碼并列詞根圖解如圖2所示。

以“單針平上袖”工序內(nèi)容為例，其編碼后的工序代碼為“1os00sl00”，部分工序編碼內(nèi)容如表2所示。

1.3 流水線優(yōu)化評(píng)判指標(biāo)

大多數(shù)服裝生產(chǎn)流水線物流傳輸是槽流，生產(chǎn)中部件可以橫向或斜向移動(dòng)，工位安排在槽的兩側(cè)方便拿放部件，但容易忽略部件的流向約束，實(shí)際生產(chǎn)線工位布局如圖3（a）所示。服裝單件流生產(chǎn)布局圖解如圖3（b）所示，U形布局使生產(chǎn)部件單向流動(dòng)線性運(yùn)行，更易約束傳遞方向。基于實(shí)際流水線的流向、布局和存在的問(wèn)題，本文提出了更貼合運(yùn)行流暢度的評(píng)判標(biāo)準(zhǔn)——“路徑損失率”指標(biāo)。現(xiàn)有大部分排布方法部件將路徑傳遞歸納進(jìn)排布約束內(nèi)容中，保證此參數(shù)在流水線指標(biāo)中的通用性和適用性。圖3（a）中生產(chǎn)部件跟隨中間槽流動(dòng)，而工位在槽兩側(cè)，根據(jù)傳遞動(dòng)作習(xí)慣，將由后往正前方或?qū)蔷€的斜前方的一個(gè)工位傳遞的動(dòng)作定義為損失一個(gè)單位，逆向跨位傳遞的損失單位由跨越的工位數(shù)決定。計(jì)算路徑損失率Rl具體公式如下參考式（1）：

Rl/%=srS×100（1）

其中：S為工單步驟總數(shù)，位；sr為工單中的倒流步驟數(shù)，位。其中需注意的是由于傳遞到最后的工位表明所有工序任務(wù)已結(jié)束，故工單步驟總數(shù)應(yīng)減去最后工位的工作內(nèi)容。

考慮到服裝流水線為人工排布，排布效率的評(píng)價(jià)指標(biāo)較為模糊。為了清晰表示排布效率，本文將需考慮的目標(biāo)工序量作為排布效率的判斷依據(jù)，計(jì)算排布效率Ea具體公式如下參考式（2）：

Ea/%=ΔNN×100（2）

其中：N為工單需排布的總工序數(shù)，個(gè)；ΔN為將組合工序看作一個(gè)新個(gè)體后需排布的工序的減少量。

流水線運(yùn)行平衡是判斷運(yùn)行效率的依據(jù)，工位作業(yè)均衡比是基于流水線平衡提出的進(jìn)一步對(duì)比指標(biāo)，是精確到工位平衡的對(duì)比。與基本流水線平衡計(jì)算的定義和計(jì)算方法一致，保證了測(cè)量單位一致性和數(shù)據(jù)收集一致性。本文將工位分配工序的工作總時(shí)間與流水線總的平衡時(shí)間進(jìn)行比對(duì)，通過(guò)均衡比判斷優(yōu)化的結(jié)果，計(jì)算工位作業(yè)均衡比B具體公式如下參考式（3）：

B/%=Ti/1TP/NW×100（3）

其中：TP為產(chǎn)品生產(chǎn)的額定工時(shí)，s；NW為已知的工人數(shù)，個(gè)；Ti為工位i的工作額定工時(shí)，s。

上述3個(gè)新指標(biāo)適用于不同實(shí)例比較內(nèi)容，不針對(duì)特定情景，有一定通用性。

2 生產(chǎn)工序組合算法分析與求解

2.1 實(shí)際生產(chǎn)排布分析

本文實(shí)驗(yàn)數(shù)據(jù)來(lái)源于嘉興某上市公司的服裝生產(chǎn)線，選擇的目標(biāo)對(duì)象具體款式和生產(chǎn)流程如圖4"" 和圖5所示。文中后續(xù)排布應(yīng)用實(shí)驗(yàn)中的工序內(nèi)容均為圖5襯衫工序流程的工序內(nèi)容。襯衫前衣身設(shè)有公主線切縫，后衣身設(shè)有育克，領(lǐng)子為三夾領(lǐng)，袖子設(shè)有袖中線切縫，明門(mén)襟，底擺，袖口處采用包邊工藝。

通過(guò)在合作工廠進(jìn)行調(diào)研發(fā)現(xiàn)，實(shí)際流水排布存在明顯倒流和平衡程度不高的情況，但實(shí)際工廠并沒(méi)有采用其他基于單件流提出的更優(yōu)的排布方法，其原因有如下：

a）部件的流動(dòng)非嚴(yán)格的單件流模式。由圖3（a）—（b）的布局圖可得流水線實(shí)際生產(chǎn)中部件流動(dòng)方式是跟槽橫向或斜向傳遞，而嚴(yán)格的單件流布局是“U”形流動(dòng)，在布局上方向單一，使實(shí)際生產(chǎn)的布局更容易出現(xiàn)部件倒流現(xiàn)象。

b）工作人員熟練度受限。工序在工位上分配受限是現(xiàn)有流水排布方法不適用于大部分生產(chǎn)廠的重要原因。產(chǎn)品設(shè)計(jì)的復(fù)雜性和風(fēng)格快速變化使生產(chǎn)人員無(wú)法跟上生產(chǎn)流程，對(duì)生產(chǎn)力有一定的影響［24］。這讓實(shí)際工廠工作分配存在指向性，過(guò)于依賴熟練工、高水平工人和對(duì)廠內(nèi)人員熟悉的相關(guān)人員，且工廠內(nèi)工作人員頻繁變動(dòng)導(dǎo)致部分工位無(wú)法保證作業(yè)熟練度。

c）工作機(jī)器資源受限。工位的機(jī)器分配也是現(xiàn)有理想排布方法不適用的原因。工廠由于資金、場(chǎng)地等約束，特種作業(yè)機(jī)器數(shù)量有限，且單工位分配工作機(jī)器過(guò)多既不符合實(shí)際布置，不能保證作業(yè)人員能熟練使用每臺(tái)機(jī)器。

上述原因造成了實(shí)際生產(chǎn)流水線效果較差的現(xiàn)狀，本文提出了通過(guò)發(fā)現(xiàn)隱藏規(guī)律得到關(guān)聯(lián)工序的方法，以針對(duì)流水線問(wèn)題作出有效決策。

2.2 實(shí)驗(yàn)?zāi)Ｐ蛥?shù)設(shè)置

為了驗(yàn)證關(guān)聯(lián)規(guī)則模型的有效性，本文選擇服裝生產(chǎn)過(guò)程中極為常見(jiàn)且典型的“平裝袖”做法。選取合作服裝生產(chǎn)廠嘉欣絲綢2021年12月至2023年3月共170種服裝生產(chǎn)內(nèi)容的工單工序數(shù)據(jù)進(jìn)行預(yù)處理。該數(shù)據(jù)集包含關(guān)于所有工單的工位工序記錄共2217條。實(shí)際生產(chǎn)每個(gè)工位實(shí)際工作量有限，需限制最大項(xiàng)集數(shù)目。實(shí)驗(yàn)設(shè)置最大的項(xiàng)集長(zhǎng)度為3，意為工序關(guān)聯(lián)結(jié)果內(nèi)包括至少兩條，至多3條。為了約束最大項(xiàng)集數(shù)目標(biāo)，此時(shí)需要適當(dāng)提高最小支持度閾值；且最終目標(biāo)需要少而精的工序組合，故需提高算法的搜索精度以得到更為可靠關(guān)聯(lián)規(guī)則結(jié)果，此時(shí)需要適當(dāng)提高置信度閾值。通過(guò)反復(fù)實(shí)驗(yàn)調(diào)整和評(píng)估，最終設(shè)置參數(shù)閾值，其中支持度為0.130，置信度為0.80，在此參數(shù)下觀察算法運(yùn)行的結(jié)果與實(shí)際組合情況相符。

2.3 工序組合模型求解

由于工廠生產(chǎn)的服裝款式不斷更新，因此生產(chǎn)工序數(shù)據(jù)庫(kù)有較強(qiáng)的即時(shí)更新性，生產(chǎn)布局對(duì)應(yīng)不同的服裝款式具有其獨(dú)特性。優(yōu)化模型的主要目標(biāo)是在更新性較強(qiáng)的數(shù)據(jù)庫(kù)中提高搜索精度和效率，以減少大量冗余的中間項(xiàng)集，便找到對(duì)應(yīng)生產(chǎn)所需的工序組合。篩選包括“平裝袖（sl00、slm0，sd00，sd0f，sn00， …）”編碼的數(shù)據(jù)，在實(shí)驗(yàn)?zāi)Ｐ椭斜闅v生成有關(guān)此工藝的工序內(nèi)容頻繁項(xiàng)集，最終挖掘出的工序間關(guān)聯(lián)結(jié)果如表3所示。

由于對(duì)數(shù)據(jù)庫(kù)進(jìn)行了初始篩選，使得數(shù)據(jù)庫(kù)原始項(xiàng)目數(shù)精簡(jiǎn)，數(shù)據(jù)樣本由原有的兩千多項(xiàng)減少至187項(xiàng)，極大減少了算法的搜索時(shí)間；算法的迭代次數(shù)也隨數(shù)據(jù)庫(kù)內(nèi)容的稀疏性降低有了一定程度的減少。由表3可得最終挖掘出的關(guān)聯(lián)工序內(nèi)容有明確指向性，沒(méi)有其他與工作任務(wù)無(wú)關(guān)的干擾選項(xiàng)，只針對(duì)“平裝袖”這一工藝的工序內(nèi)容而非未篩選前包含的數(shù)據(jù)庫(kù)內(nèi)雜亂的頻繁項(xiàng)集。由表3可知，工序（3ol00sc00，los00sloo）、（1os00sd0f，5ol00sd0f）是實(shí)驗(yàn)得出的關(guān)于平裝袖的關(guān)聯(lián)工序組合，其支持度為0.455、0.182，置信度為0.80、0.90，提升度為2.2、5.5。提升度數(shù)值大于1，表明在所篩選的數(shù)據(jù)庫(kù)內(nèi)若工序3ol00sc00和工序los00sloo均存在，則工序3ol00sc00在某一工位的出現(xiàn)會(huì)對(duì)工序los00sloo在同一工位出現(xiàn)概率有極大提升，投射出的現(xiàn)實(shí)意義為這2個(gè)工序在一個(gè)工作工位上的組合性更高。通過(guò)將實(shí)驗(yàn)結(jié)果和實(shí)際未在數(shù)據(jù)集內(nèi)的2023年4—6月的部分工單內(nèi)容進(jìn)行比對(duì)，目標(biāo)組合結(jié)果與實(shí)際排布內(nèi)容吻合度達(dá)80%，切合實(shí)際流水排布的習(xí)慣。同時(shí)將實(shí)驗(yàn)結(jié)果予以工廠流水線作業(yè)人員進(jìn)行人工審核有效性，結(jié)果表明關(guān)聯(lián)規(guī)則分析結(jié)果與排布人員的排布習(xí)慣相似，與相關(guān)作業(yè)人員的工作內(nèi)容也基本吻合。

3 工序組合在流水線排布的應(yīng)用實(shí)例

3.1 實(shí)例對(duì)象編碼篩選

根據(jù)選定襯衫款式得到組合工序關(guān)聯(lián)對(duì)象，此次應(yīng)用分別對(duì)平上袖（sl00、slm0，sd00，sd0f，sn00， …）、后復(fù)式（bf00，bf0f）、三夾領(lǐng)（3c00，3cb0，3co0， …）、門(mén)里襟（mj00，ml00，lj00，ljt0， …）、前刀片（prff，prfd）、拉筒袖口（sk00）、下擺（db00，db0f）、嘜頭（zm00，cm00，zc00）和拼縫（pm00，pm0f）工藝內(nèi)容的命名特征在數(shù)據(jù)庫(kù)內(nèi)進(jìn)行項(xiàng)集篩選。

3.2 實(shí)例生產(chǎn)工序組合應(yīng)用

組合工序在排布中的應(yīng)用主要有兩方面，一是為了使排布結(jié)果與實(shí)際工作習(xí)慣更加切合，二是為了減少排布對(duì)象數(shù)量以提高排布效率。為了實(shí)現(xiàn)上述目標(biāo)，此次實(shí)例應(yīng)用采用關(guān)聯(lián)規(guī)則兩次篩選的試驗(yàn)方法。第一次篩選得到強(qiáng)關(guān)聯(lián)工序組合內(nèi)容，為流水線排布奠定實(shí)際工序組合基礎(chǔ)；第二次篩選得到較強(qiáng)關(guān)聯(lián)工序組合，給后續(xù)流水線排布提供實(shí)際參考。通過(guò)兩次篩選找到與工作習(xí)慣切合的目標(biāo)，并減少排布工序數(shù)量。進(jìn)行兩次關(guān)聯(lián)工序組合搜索要求進(jìn)一步調(diào)參，第一次運(yùn)行仍使用支持度為0.130、置信度為0.80的參數(shù)；第二次需要找到包含更多項(xiàng)的較大型項(xiàng)集，相應(yīng)設(shè)定較低的最小支持度，參數(shù)調(diào)整支持度為0.100、置信度為0.60。通過(guò)降低閾值得到更全面的關(guān)聯(lián)規(guī)則，最終挖掘得到的關(guān)聯(lián)規(guī)則拓展內(nèi)容如表4所示，其中因參數(shù)調(diào)整得到的拓展組合內(nèi)容為表中5，6兩組。工序“3ol00sc00、los00sloo”同時(shí)出現(xiàn)在同一工位時(shí)工序“1pt00scsf”出現(xiàn)的可能性為68%，且提升度＞1，表明工序“3ol00sc00、los00sloo”的同時(shí)出現(xiàn)對(duì)“1pt00scsf”出現(xiàn)在同一工位的可能性有一定提升。通過(guò)參數(shù)閾值的調(diào)整，同時(shí)出現(xiàn)了除強(qiáng)關(guān)聯(lián)工序外置信度與提升度稍低但也具有參考意義的結(jié)果。

最終得到此案例的所有工序組合內(nèi)容如表5，包含了8組實(shí)例對(duì)象工藝工序相關(guān)組合內(nèi)容應(yīng)用于后續(xù)排布。通過(guò)調(diào)整最小支持度得到的稍強(qiáng)關(guān)聯(lián)規(guī)則是基于實(shí)際情況的拓展搜索，挖掘出現(xiàn)頻率僅次于強(qiáng)關(guān)聯(lián)規(guī)則的內(nèi)容，能較為有效地減少排布工作以提高效率。

3.3 實(shí)例應(yīng)用結(jié)果及分析

以上文的組合工序?yàn)榛A(chǔ)，將組合應(yīng)用于流水線優(yōu)化排布。過(guò)程中控制各工序節(jié)拍浮動(dòng)范圍，作業(yè)工序嚴(yán)格遵循生產(chǎn)的前后關(guān)系和工位實(shí)際工作要求。同時(shí)根據(jù)相關(guān)參考文獻(xiàn)［4］和文獻(xiàn)［5］提出的流水線優(yōu)化排布方法，本文也將嘉欣絲綢的生產(chǎn)實(shí)例對(duì)象進(jìn)行了重新排布，得到了參考1、2工序安排。表6為優(yōu)化前后工位工序內(nèi)容表，內(nèi)包含了本文實(shí)驗(yàn)優(yōu)化后排布、參考排布和實(shí)際生產(chǎn)排布下每個(gè)工位的工作工序內(nèi)容和是否存在倒流工序內(nèi)容。圖6為三組工位工作時(shí)間及均衡比對(duì)照?qǐng)D，將表6各個(gè)工位的工作總時(shí)間和均衡比進(jìn)行計(jì)算，后將本文實(shí)驗(yàn)優(yōu)化后的工時(shí)和均衡比數(shù)據(jù)分別與參考排布和工廠實(shí)際排布情況進(jìn)行比對(duì)，得到圖6（a）—（b），圖6（c）—（d），圖6（e）—（f）三組關(guān)于工位工時(shí)和工位均衡比的對(duì)比圖。

將優(yōu)化后的流水排布與實(shí)際排布內(nèi)容進(jìn)行比對(duì)，由表6實(shí)際工位工序安排內(nèi)容可得，工廠實(shí)際排布中工序3、4、5、6、10、14、15、16、34、37均為倒流，路徑損失共13步，路徑損失率為29%。表6中優(yōu)化和參考1、2的工位工序安排內(nèi)容在排布過(guò)程中嚴(yán)格限制了流向，路徑損失均為0。由于在實(shí)驗(yàn)過(guò)程中同時(shí)考慮了其他可能性的組合內(nèi)容，使排布結(jié)果有更多的組合內(nèi)容供以備選，給路徑優(yōu)化和效率提升提供了更大空間，在排布效率上使用了8組工序組合，使排布目標(biāo)對(duì)象減少了9個(gè)，排布效率提高了20%。由表6中的工位工序分配內(nèi)容可得由實(shí)驗(yàn)得到的表5的組合工序內(nèi)容在參考1、2的排布中并未全部實(shí)現(xiàn)，將經(jīng)驗(yàn)性工序組合分開(kāi)排布會(huì)造成工序分配至熟練度較低工位上，從而造成時(shí)間的隱性浪費(fèi)。由于優(yōu)化排布過(guò)程結(jié)合工序組合在工位機(jī)器數(shù)量，工序分配上都做了符合實(shí)際生產(chǎn)的約束，故上述關(guān)于參考排布1、2的工序、機(jī)器的分配問(wèn)題均未出現(xiàn)。

由圖6（e）—（f）可知優(yōu)化后的流水線平衡和工位均衡比相較于實(shí)際生產(chǎn)得到了明顯提升，將每個(gè)工位的優(yōu)化后均衡比與實(shí)際生產(chǎn)均衡比以1為參照目標(biāo)進(jìn)行差值平均，優(yōu)化后的工位平均均衡比相較于實(shí)際提升了20%。由圖6（a）—（b）、圖6（c）—（d）可得，與參考排布工序1、2相比優(yōu)化后整體的平衡度稍顯不足，但結(jié)合組合工序內(nèi)容后在流水線工序的整體分配上更切合實(shí)際生產(chǎn)情況。由表6的工位工序安排內(nèi)容可得參考1、2流水線所需生產(chǎn)機(jī)器分別為22和23臺(tái)，優(yōu)化后線內(nèi)機(jī)器為17臺(tái)，在對(duì)基礎(chǔ)資源的要求較為嚴(yán)苛的實(shí)際情況下機(jī)器數(shù)的優(yōu)化能較好減少成本支出。且表6中例如參考1工位工序安排中工位1所需的燙臺(tái)、單針機(jī)、刀車、五線包縫機(jī)和參考2工位工序安排中工位1所用的燙臺(tái)、單針機(jī)、五線包縫機(jī)在實(shí)際情況下不會(huì)讓同一個(gè)工人操作，體現(xiàn)其工位機(jī)器的布置去實(shí)際化的現(xiàn)象；優(yōu)化后線內(nèi)工位所需機(jī)器均為1到2臺(tái)，避免了一個(gè)工位作業(yè)機(jī)器過(guò)多。

綜上所述，由結(jié)果對(duì)比實(shí)際和參考排布內(nèi)容的提升性和有效性可得，采用基于Apriori算法挖掘生產(chǎn)工序關(guān)聯(lián)規(guī)則以輔助實(shí)際生產(chǎn)流水線排布的方法有實(shí)際意義。

4 結(jié) 論

本文提出了改進(jìn)Apriori算法挖掘服裝生產(chǎn)工序關(guān)聯(lián)規(guī)則的方法，結(jié)合實(shí)際生產(chǎn)作業(yè)情況將工序組合應(yīng)用于流水線優(yōu)化排布，解決現(xiàn)有文獻(xiàn)的排布方法部分工廠不適用的問(wèn)題，對(duì)生產(chǎn)工廠的流水排布工作提供決策支持和更切合實(shí)際、可行的建議，更好地適應(yīng)當(dāng)下行業(yè)發(fā)展。本文所得主要結(jié)論如下：

a）生產(chǎn)工序編碼方法的提出有效改善了因相似名稱而產(chǎn)生混淆的情況，提高了工序內(nèi)容的可搜索性和查找性。

b）對(duì)工序項(xiàng)集進(jìn)行篩選以優(yōu)化關(guān)聯(lián)規(guī)則，有效提升關(guān)聯(lián)規(guī)則搜索的指向性。將工序組合應(yīng)用于流水線排布，有效提高排布效率，路徑損失和工位作業(yè)均衡比的指標(biāo)，降低了排布成本。

c）實(shí)驗(yàn)將工作經(jīng)驗(yàn)性內(nèi)容通過(guò)關(guān)聯(lián)規(guī)則搜索轉(zhuǎn)化為實(shí)際參考依據(jù)，使流水線排布更迎合工廠運(yùn)行和工人操作習(xí)慣，解決服裝生產(chǎn)排布內(nèi)容和實(shí)際對(duì)應(yīng)生產(chǎn)環(huán)境架空的流水排布問(wèn)題，將生產(chǎn)經(jīng)驗(yàn)和生產(chǎn)環(huán)境納入約束條件，使生產(chǎn)排布有現(xiàn)實(shí)和科學(xué)依據(jù)。

參考文獻(xiàn)：

［1］Chutima P. A comprehensive review of robotic assembly line balancing problem［J］. Journal of Intelligent Manufacturing， 2022， 33（1）： 1-34.

［2］楊燕. 服裝生產(chǎn)精益化管理的優(yōu)化方案分析［J］. 化纖與紡織技術(shù)， 2022， 51（9）： 85-87.

［3］馮晨月， 畢研偉， 潘力. 服裝生產(chǎn)線平衡優(yōu)化方法研究與展望［J］. 化纖與紡織技術(shù)， 2023， 52（1）： 58-60.

［4］許棟樑.基于精益生產(chǎn)理論的服裝流水線優(yōu)化研究［J］.北京服裝學(xué)院學(xué)報(bào)：自然科學(xué)版，2017，37（4）：68-75.

［5］梁會(huì)芹， 費(fèi)樹(shù)岷. 自適應(yīng)遺傳算法在服裝生產(chǎn)流水線平衡問(wèn)題中的應(yīng)用［J］. 工業(yè)控制計(jì)算機(jī)， 2009， 22（11）： 57-59.

［6］黃珍珍， 莫碧賢， 溫李紅. 基于遺傳算法及仿真技術(shù)的服裝生產(chǎn)流水線平衡［J］. 紡織學(xué)報(bào)， 2020， 41（7）： 154-159.

［7］閆亦農(nóng)， 劉立枝， 雒彬鈺，等. 基于粒子群算法的服裝生產(chǎn)流水線編制［J］. 紡織學(xué)報(bào)， 2018， 39（10）： 120-124.

［8］朱江龍， 肖愛(ài)民， 王成佐，等， 基于NSGA-Ⅱ多目標(biāo)算法的服裝生產(chǎn)流水線平衡［J］. 毛紡科技， 2022， 50（12）： 63-69.

［9］Yemane A， Gebremicheal G， Meraha T， et al. Productivity improvement through line balancing by using simulation modeling［J］. Journal of Optimization in Industrial Engineering， 2020， 13（1）： 153-165.

［10］Sime H， Jana P， Panghal D. Feasibility of using simulation technique for line balancing in apparel industry［J］. Procedia Manufacturing， 2019， 30： 300-307.

［11］陳莎， 修毅， 李雪飛. 基于遺傳算法的服裝大規(guī)模定制生產(chǎn)線平衡優(yōu)化［J］. 紡織學(xué)報(bào)， 2022， 43（12）： 144-150，159.

［12］鄭路， 顏偉雄， 胡覺(jué)亮，等. 基于模塊化的服裝混合流水線平衡優(yōu)化［J］. 紡織學(xué)報(bào)， 2022， 43（4）： 140-146.

［13］李雪霞， 張志斌， 褚建立. 基于智能化縫制單元的服裝柔性生產(chǎn)線的構(gòu)建［J］. 毛紡科技， 2020， 48（10）： 77-80.

［14］Bongomin O， Mwasiagi J I， Nganyi E O， et al.Improvement of garment assembly line efficiency using line balancing technique［J］. Engineering Reports， 2020， 2（4）： e12157.

［15］孫影慧， 杜勁松. 服裝單件生產(chǎn)流水線仿真優(yōu)化［J］. 東華大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2019， 45（2）： 236-242.

［16］葛敬瑋， 王文靜， 祖倚丹. 小型服裝企業(yè)快速反應(yīng)生產(chǎn)流水線應(yīng)用研究［J］. 天津紡織科技， 2022（1）： 28-31.

［17］Heaton J. Comparing dataset characteristics that favor the Apriori， Eclat or FP-Growth frequent itemset mining algorithms［C］∥SoutheastCon 2016. Norfolk： IEEE， 2016： 1-7.

［18］李瑞， 李浩然. 關(guān)聯(lián)規(guī)則的Apriori算法改進(jìn)［J］. 信息與計(jì)算機(jī)（理論版）， 2015（9）： 32-33.

［19］Belhassena A， Wang H Z. Trajectory big data processing based on frequent activity［J］. Tsinghua Science and Technology， 2019， 24（3）： 317-332.

［20］葉福蘭. 基于改進(jìn)的FP-growth算法的高校課程關(guān)聯(lián)度實(shí)證研究［J］. 科技和產(chǎn)業(yè)， 2020， 20（4）： 186-190.

［21］王振武. 數(shù)據(jù)挖掘算法原理與實(shí)現(xiàn)［M］. 北京： 清華大學(xué)出版社， 2017， 35-37.

［22］Cong Y. Research on data association rules mining method based on improved apriori algorithm［C］∥2020 International Conference on Big Data amp; Artificial Intelligence amp; Software Engineering （ICBASE）. Bangkok：IEEE， 2020： 373-376.

［23］黃莉婷， 蘇川集. 白話機(jī)器學(xué)習(xí)算法［M］. 北京： 人民郵電出版社， 2019： 36-40.

［24］Abtew M A， Kumari A， Babu A， et al. Statistical analysis of standard allowed minute on sewing efficiency in apparel industry［J］. Autex Research Journal， 2020， 20（4）： 359-365.

（責(zé)任編輯：張會(huì)巍）