摘 要

 

在制造企业中，生产线平衡是底层生产流程设计和优化重组的最重要的方法。实现生产线平衡，不仅能有效的减少在制品数量，还能提高生产线的生产效率。本文研究第二类生产线平衡问题。通过改变工位的工作时间，来获取更高的生产线平衡率。这里运用遗传算法建立模型，运用MATLAB来进行运算，得到最合适的解决方案。

第一章 生产线平衡的研究背景和意义

1.1生产线的研究背景

从目前看来，不仅是国民经济的发展，还是人民生活和国防实力都依赖于制造业的发展。除此之外，制造业被称为国民经济的基础产业，因此国家不仅高度重视，还积极发展，投入大量资金在精益生产、柔性制造、均衡生产和敏捷制造等。新机遇的产生，同时也产生了新挑战。对企业而言，要求是生产周期更短，产品质量更高，生产成本更低和生产效率更高。面对这些挑战，企业不得不根据自身特点，选择适合自身的制造方式，改善内部制造格局，要实现以上这些，企业需要更加重视工业工程这个部门，同时要引进专业的工业工程人才，通过高端人才的引入，进而推广先进的的工业工程技术，从工业工程的角度，来提高企业的生产水平。

有先见之明的企业，在有经验的管理者带领下，从节拍、连贯性、专业化等的角度出发，从细微处发现问题，因此就产生了一种在当时看来比较新颖和科学可行的生产方式。由此，生产流水线出现在世人面前，并很快的流行开来。

自从中国加入WTO，中国企业也慢慢加入全球化的竞争中去。在市场需求多变，技术不断更新，科技蓬勃发展的现在，市场竞争也更加激烈起来，客户要求趋于多样化。在这种情况下一个企业在竞争中获得成功，不仅仅在于产品质量、价格、还在于企业能否适应多变的市场需求，对于制造业而言，员工的劳动生产率

目前，生产线平衡问题已成为制造业竞争的核心问题，谁能获得最高的劳动生产率，谁就在未来竞争中获得优势地位。

1.2生产线的研究意义

的生产时间是由于没有平衡生产线而导致的。所以在生产线平衡分析和研究，主要是在以下意义：

一、生产线平衡有助于作业人员和作业装备的效率的提高。寻求更高的利益是公司永久追求的目标，提高利润的关键是提高效率。利用生产线平衡的相关方法可以帮助改善或者消除生产线上的瓶颈工序，制定出更科学的作业工序，提高生产线效率。

二、生产线平衡有助于降低单件产品的工时时间，缩短生产中的时间成本。在生产线工位安排中，通过科学的划分和组合生产工序，使每个工位的空闲等待时间接近于零，从而将生产一个产品的所需要的总的时间降低，进一步将生产该产品的整条流水线上的时间减少，达到提高该产品的生产流水线提高效率的目的。

三、生产线平衡目的是把目标生产线上的在制品数量降低，通过调节，为提高生产流水线平衡状态奠定基础。

生产线平衡率（P）在一般情况下会被分为四个等级：

当50%≤P≤60%时，生产线处在粗放管理，没有科学的管理意识指导的状态；

当60%≤P≤70%时，生产线处在人为平衡的状态；

当70%≤P≤85%时，生产线处在科学控制的状态；

当P≥85%时，生产线处于“一个流”的生产状态。

四、生产线平衡有助于不断提高产品质量。平衡工位时间，使产品生产按照固定节拍进行，避免由于生产节拍不合理产生的在制品堆积，瓶颈工位操作员手忙脚乱的状况产生。

1.2生产线平衡研究现状

装配是指将若干个零件组合成一个产品的过程。生产线是指将一个产品的装配过程分解成一个个独立并且连续的任务，并且将这任务分配到不同岗位并执行的一种生产方式。由于一个产品的生产时间是固定的，将一个产品分解成的若干个任务，并将这些任务分配到不同的岗位，由于各个任务的作业时间不同，因此各个岗位的作业时间也会不同，同时又存在着作业先后顺序不变的约束，使岗位的总时间出现不平衡。因此就产生了生产线平衡问题。生产线平衡问题（ALBP）是装配线设计布局的重要问题。根据优化目标不同，生产流水线问题划分为以下情况来进行求解：

第一类:在生产线的生产节拍确定后，求获得最高平衡率状态的最小工位数；

第二类:在生产线的工位数确定的情况下，为获得最高平衡率状态下的最小生产节拍。一般情况下，根据产品种类的多少，分为单品种问题和多品种问题。

第三类:在生产线的生产节拍和工位数确定的情况下，改变生产线的工位数，生产节拍也随之变化，此时要求解最小平滑指数SI。SI越小，则表示该生产流水线的工时平衡越好。

生产线平衡问题研究已久，根据前人经验，一般会有以下五种不同的方法进行研究：

 

 

 

序号 名称 1 数学的精确算法 2 启发式的算法 3 基于人工智能的算法 4 基于仿真的方法 5 传统的IE方法

 

1.2.1生产线平衡问题的精确算法

精确算法是通过建立数学模型，计算出结果，得出解决方案的方法。现有的精确算法种类较多，颇受好评的精确算法为动态规划法、平面切割法、整数规划法和分支定界法等等。由于精确算法在运算过程中需要通过大量复杂数学运算，而且生产过程存在一定不确定性，因此精确算法实用性较低。一般情况下，精确算法用于求解规模较小的问题求解。