引用本文

湛荣鑫, 李冬妮, 马涛, 李俊杰, 吴延昭, 殷勇. 面向快速响应的赛汝生产系统构建模型与方法. 自动化学报, 2022, 48(12): 2922−2930 doi: 10.16383/j.aas.c190731

Zhan Rong-Xin, Li Dong-Ni, Ma Tao, Li Jun-Jie, Wu Yan-Zhao, Yin Yong. Configuration model and approach of a Seru production system for quick response. Acta Automatica Sinica, 2022, 48(12): 2922−2930 doi: 10.16383/j.aas.c190731

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190731

关键词

赛汝生产系统，响应能力，重构性，波动市场 

摘要

当前市场环境具有多品种、变批量、产品生命周期短的波动特点, 赛汝生产系统(Seru production system, SPS)是一种目前广泛应用于电子制造行业的新型生产方式, 其具有优良的重构性和响应能力, 适合于应对波动市场环境. 本文提出了一个两阶段的赛汝生产系统构建问题模型, 两个阶段分别是Seru构建和Seru调度, 并证明了这两个问题模型均是NP难的, 结合模型分析给出了相应的精确/近似算法. 实验结果表明, 在波动市场环境下按照本文模型与方法构建出的赛汝生产系统其工人利用率始终保持在较高水平, 系统具有较强的重构性能和响应能力.

文章导读

自1980年代以来, 电子信息产业蓬勃发展, 产品生命周期显著缩短, 电子产品目前的平均生命周期仅为6个月[1]. 因此, 面对更为多样化的产品种类需求、更短的产品生命周期要求以及由此带来的市场环境波动性和不确定性[2-4], 传统的生产系统如流水线或丰田制造系统难以获得很好的表现, 亟需一种具有优异快速响应能力的新型生产系统[5]. Seru是日式生产单元, 由Seru构成的赛汝生产系统(Seru production system, SPS)作为一种新兴的生产模式广泛应用于日本的电子制造行业. 与传统生产系统相比, SPS最突出的优势在于其应对不确定市场需求的快速响应能力, 而之所以可以实现快速响应, 主要原因就是Seru在物理结构上是可重构而不是固定的, 并由此可以带来诸如降低成本、缩短生产时间、缩短生产准备周期、缩短劳动时间等方面的显著收益[2, 6-14].

目前, 已有很多学者围绕SPS构建问题展开研究, 这类研究大多将SPS构建分成了两个阶段, 分别是Seru构建和Seru调度. Seru构建大多分为两类模型, 一类是研究如何将现有流水线拆分为若干个Seru; 另一类是给定若干数量的Seru, 主要考虑工人的分配问题[15]. Seru调度决策如何将产品批次分配到已构建好的Seru中去[16-21]. 例如, Liu等[22]研究了在SPS中多能工的培训和分配问题, 建立了最小化总培训成本和平衡多能工之间劳动时间的多目标问题模型. Liu等[23]考虑了优化经济和环境指标的SPS构建模型. Lian等[24]提出了考虑Seru内部和Seru间多能工劳动力平衡分配的SPS构建模型.

已有研究大多有一个共同的假设: 一旦Seru构建完成, 就不再会发生变化. 然而, SPS应该具备随着生产需求变化动态进行Seru构建和拆除的能力. 此外, 相关研究还大多假定工人都是全能工(即具有一个或多个产品所需要的所有工序的加工能力). 实际中, 工人很难全部被培训为全能工且存在技能水平上的差异. 另一方面, 纯粹由全能工构成的SPS也不一定是最优的[25-26]. 因此, 在考虑工人具有不同的技能组合和技能水平的情况下, 如何组织工人构建SPS是一个重要的研究问题.

基于以上考虑, 本文考虑如下的SPS场景并设计了两阶段的SPS构建模型, 分为Seru构建(Seru configuration, SC)和Seru调度(Seru scheduling, SS). 当新订单到来时, 有恰当数量的Seru被构建并完成分配给各自的生产任务. 当每个Seru完成其生产任务时立刻拆解. 因此, 整个SPS可以动态调整其自身结构, 调整的对象包括Seru的数目、分配给Seru的工人以及每个工人负责的工序等. 具体而言, 两阶段描述如下. 1) Seru构建阶段: 在同一生产周期内, 所有的工人具有同样的初始剩余工作时间. 工人具有不同的技能组合以及在不同的工序上具有不同的技能水平, 不同的工人在相同的工序上也具有不同的技能水平. 首先在不超过每个工人工作时间上限的约束下, 为订单找出一个可行的工人−工序分配方案, 并在依照这个分配方案, 考虑每个Seru工人之间的配合从而构建Seru. 在本阶段提出了工人−工序映射模型和优化Seru内部工人工作时间平衡的工人−Seru分配模型; 2) Seru调度阶段: 一个工人在Seru构建阶段中可能会被分配参与多个Seru的生产任务, 而任一工人同一时刻只能参与一个Seru的生产, 因此Seru间存在调度问题, 基于此提出了最小化SPS最大完工时间(Makespan)的Seru调度模型.

本文的主要贡献如下: 1)考虑了工人并非全部是全能工的SPS构建问题, 即工人具有不同的技能组合和技能水平; 2)本文提出的SPS模型是动态可重构的, 考虑了Seru从构建到拆解的全生命周期. 本文其余部分组织如下: 第1节介绍了问题模型和数学模型, 第2节给出了每个阶段的模型性质分析、相应的精确/近似算法以及算法分析, 第3节介绍了实验设计、实验结果以及分析, 第4节给出了本文结论.

图 1  订单1的潜在加工路径E1

图 2  为订单1和2所构建的4个Seru甘特图

图 3  Seru数目随产品类型级别变化趋势

本文针对波动市场环境下SPS构建问题, 从实际情况出发, 考虑了系统中工人是多能工且具有不同的技能组合和技能水平的情况, 提出了一种SPS三阶段构建模型与相应方法. 构建出的SPS具有较强的重构能力和良好的响应能力. 具体来说, 首先, 针对当前到来订单中产品的每道工序, 为其分配有足够生产能力(具备相应技能和足够的工作时间)的工人; 其次, 安排不同的工人之间配合来生成Seru, 使得工人之间的配合最为平衡, 最大化工人利用率; 最后, 考虑不同Seru间的工人占用问题, 对Seru进行调度, 最小化加权完工时间. 在对模型性质分析的基础上, 本文提出了相应的精确算法、在线调度算法对模型进行求解. 实验结果验证了所构建SPS的优良性能.

本文所提出的SPS构建模型和方法具有较强的现实意义. 围绕这一研究方向, 在今后的工作中, 会从以下几个方面进行更深入的探索: 1)考虑更大规模、更为复杂的波动市场环境下SPS构建问题, 设计高效的智能优化算法求解; 2)对于生产系统来说, 重要的优化指标有很多, 比如最大化工人利用率、最小化成本、最小化库存、最小化完工时间等等, 考虑建立SPS构建问题的多目标决策模型及设计相应的多目标优化算法.

作者简介

湛荣鑫

北京理工大学计算机学院博士研究生. 主要研究方向为赛汝生产与智能优化. E-mail: bitzrx@163.com

李冬妮

北京理工大学计算机学院教授. 主要研究方向为智能优化与仿真计算, 智能制造及数字孪生. 本文通信作者. E-mail: ldn@bit.edu.cn

马涛

研究员级高级工程师, 特种车辆及其传动系统智能制造国家重点实验室副主任. 主要研究方向为数字化及智能制造应用基础技术.E-mail: matao@nmgyj.com

李俊杰

内蒙古第一机械集团有限公司研究员级高级工程师. 主要研究方向为车辆动力辅助系统和自动装填系统工艺技术.E-mail: 13337199371@163.com

吴延昭

内蒙古第一机械集团有限公司高级工程师. 主要研究方向为冲压自动化, 智能化生产.E-mail: wuyanzhaolishiqi@126.com

殷勇

日本同志社大学商学院教授. 主要研究方向为赛汝生产与工业4.0.E-mail: yyin@mail.doshisha.ac.jp