汽配件制造業中的噴涂工藝生產排程研究

肖峰 尹如意

摘要：為提高汽車配件生產效率、降低生產成本，對汽車配件噴漆工藝中的涂料與支架進行動態調配。以中等批量生產為例，建立生產時間與配件種類、配件噴涂顏色、配件噴涂數量、支架種類、支架數量之間的數學模型。進而以生產效率為優化目標，在限定支架數量和滿足生產工藝的條件下采用貪心算法對模型進行優化求解，得到完成期望生產量（7831個配件）噴涂的最少時間以及最小換色次數分別為44個小時、11次。研究結果表明貪心算法可以實現汽車配件噴涂工藝的生產排程最優化，是解決資源組合規劃問題和提高企業生產效率、降低企業生產成本的有效方法。

關鍵詞：生產排程;貪心算法;動態規劃;資源組合;汽車配件

0 ?引言

當前，新科技和新技術不斷興起，全球工業體系、發展模式和競爭格局迎來重大變革[1]。世界各國紛紛出臺以先進制造業為核心的“再工業化”國家戰略，我國也于2015年也推出發展智能制造的戰略舉措—“中國制造2025”國家戰略。由此可見，智能制造已成為制造業發展的重要方向，成為世界各國先進制造業的制高點[2]。在這樣的時代背景下，世界各國汽車企業紛紛通過智能技術的應用及產業鏈的變革來實現汽車產業轉型。汽車配件噴涂工藝作為汽車生產的重要環節，對汽車企業乃至整個汽車產業都有重要影響，而對噴涂工藝進行優化是提高生產效率和企業利益的重要措施。

為了提高工業生產效率，大量學者對生產過程中的工藝優化問題進行了研究。陸超引入工序解耦點對多品種小批量復雜零件進行了工序優化[3]，陳梓祥利用APS優化技術對制造業生產線調度系統進行了設計[4]，吳思旻則通過精益生產理論來提高汽車零部件企業生產效率[5]。為了對某一批次汽車配件噴涂工藝進行優化，文章從效率角度深入考慮，探索短期內最優策略的制定，以便汽車企業能夠實時調整工藝排程，實現生產的高效化和低成本化。

1 ?配件噴涂工藝流程

配件噴涂工藝流程如圖1所示。待噴涂配件（注塑緩存件）置于滑撬上，經底漆（黑底/白底）—面漆（15 種左右）—清漆（高光/啞光）三道工序后，完成整個噴涂作業。配件成品最終顏色由面漆決定，每種面漆有對應的底漆和清漆顏色;而每個滑橇上可放置6個支架，一次最多可完成6個配件的噴涂。

1.1 噴槍換色過程

前后相鄰兩個滑橇上的配件需要噴涂不同的面漆色，對應的噴槍則需要更換涂料顏色。該換色過程要求在兩個滑橇之間插入一個滑橇的任意個只噴涂底漆的底漆件作為過渡，作為售后備件使用。

任意紅色和任意藍色面漆后面不能接任何白色面漆，極地白面漆后不能安排任意黑色面漆，鉆石白面漆前必須是極地白面漆。

1.2 零件擺放順序

零件的前后擺放順序為（門檻B），（門檻C），（門檻A，門檻D，后保A，門檻裝飾條A），并且相同顏色的同種零件應盡量擺放在一起。

為避免門檻兩端產生撞劃傷，門檻B、門檻C不能與所有類型的雷達支架安排在一起噴涂。

2 ?問題描述與數學模型

2.1 問題描述

噴涂中用到的滑橇如圖1所示。每個完整噴涂流程經過303個滑橇，一個滑橇噴涂工序節拍大概在1分鐘，一個完整噴涂流程需要5.5個小時左右。

生產過程按照如圖2所示不同顏色的不同配件具體生產需求量進行噴涂作業。因為在支架種類和支架數量一定的情況下，不同的生產排程方案導致成本和效率差異很大。為提高生產效率、降低生產成本，制定噴涂方案。

2.2 問題分析

每個完整噴涂流程提供滑撬數是確定的，而前后相鄰兩個滑橇上的配件噴涂不同面漆色，對應的噴槍更換涂料顏色則會增加作業時間。為減少作業時間，需制定換色次數最少的生產方案，并求出完成期望生產量噴涂的最少時間以及最小換色次數。

2.3 數學模型

數學建模己經廣泛應用于自然科學與工程技術的各個領域，定量化研究己成為幾乎所有學科發展的共同的理論和方法的基礎。

2.3.1 模型假設

①生產線不會出現故障或者異常，且加工過程中沒有停止，每一個完整生產流程完成后立即開始下一個完整生產流程，直到完成期望生產量;

②噴涂過程中，換色所用的滑橇噴涂時間與正常無異;

③生產出來的每個零件都是合格可用的。

2.3.2 模型建立

①構建生產時間與配件種類、配件噴涂顏色、配件噴涂數量、支架種類、支架數量等的數學關系;

②以顏色作為劃分依據，將具有相同顏色的產品放在一起，統計數量信息并按降序排列;

③根據產品間的約束關系調整顏色與數量關系，將每種產品不能滿足擺滿一個滑撬的部分零件或者是一個完整流程中支架數不能滿足的部分零件壓入單調優先隊列，按照降序順序排列，生成新的加工順序。

3 ?算法設計與模型求解

對于此模型，文章將生產效率最高這一優化目標轉化成以換色次數最少為優化目標，設計出模型并利用貪心算法對其進行最優化分析求解。

3.1 算法設計

3.1.1 數據采集

為不將數據和配件信息分離，文章用浮點數類型的數組存儲相同顏色的產品信息。對配件種類、配件噴涂顏色、支架種類進行對應標號。

3.1.2 算法流程

針對此多變量約束的數學動態規劃模型，文章采用貪心算法，從局部出發尋找全局最優解[6][7][8]。

①將同種顏色產品放在同一數組，并調用二分思想的quicksort函數將所有元素按降序排列。

②以限制條件最多的門檻B和門檻C對產品間的約束進行劃分。采用fit函數遍歷數組中的每一個元素，獲取該元素前兩位小數存儲的產品信息，通過位置的交換調整同種顏色中產品的先后順序。

③調用other函數，遍歷每種顏色對應的數組元素。獲取該產品名稱對應的編碼、產品顏色、產品名稱，輸出滑撬上的產品信息。

3.2 模型結果

文章按照前文所述流程進行優化求解，最終輸出cha=11，即最小換色次數為11次。同時輸出的滑橇上產品信息和隊列信息表明：完成期望生產量的噴涂最少需要進行八個完整噴涂流程，由噴涂工藝可知：一個完整噴涂流程需要5.5個小時。因此完成期望生產量的噴涂最少時間為44個小時。

4 ?總結

文章設定了指定的算法流程避免因貪心算法和動態規劃的引入而造成的結果只是局部最優解的情況，并且利用一些特殊的數學方法，將文字信息轉換成數字信息，清晰的描繪出滿足汽車配件噴涂工藝條件的最優生產調配方式。

該方法思維復雜度低，模型簡單高效，代碼量小，穩定性好，能夠對不同規模的短期最優策略問題在短時間內做出最符合實際的高效率策劃方案，節省人力物力財力，達到最佳的收益需要。

但該方法缺乏真實性的嚴格證明，還有改進的空間。同時在實施過程中需要盡量滿足模型的假定條件?？偟膩碚f這是一個很具有現實意義的探究，具有一定的推廣應用價值。

參考文獻：

[1]安琳，李藝銘.全球智能制造發展格局研判[J].機器人產業，2015（3）：34-41.

[2]劉勇，張亮.發展智能制造，促進兵器裝備集團制造業轉型升級—兵器裝備集團智能制造技術與高端裝備產業發展思考[J].兵工自動化，2017（1）：1-6.

[3]陸超.支持多品種小批量的復雜零件工序級生產排程方法研究[D].哈爾濱：哈爾濱理工大學，2013.

[4]陳梓祥.基于APS的制造業生產線調度系統設計與實現[D].濟南：山東大學，2015.

[5]吳思旻.B汽車零件企業精益生產實踐運用[D].成都：西南交通大學，2017.

[6]周亦軍，李旻.標繪臺標繪路徑選擇算法設計與實現[J].艦船電子工程，2012，32（5）：71-73.

[7]陸國鋒.基于多約束多目標的旅游路線推薦及關鍵算法研究[D].長沙：國防科學技術大學，2013.

[8]吳軍，李建，胡永泉.求解TSP問題的擬人算法[J].計算機系統應用，2011，20（4）：248-250，244.

作者簡介：肖峰（1999-），男，重慶人，本科生，研究方向為機電一體化、智能機器人及其相關技術。