燃气轮机生产车间布局设计

李涛，胡涛，万松，李沨

燃气轮机生产车间布局设计

李涛，胡涛，万松，李沨

应用SLP方法对燃气轮机生产车间进行初始布局设计，针对车间布局优化建立数学模型和仿真模型，运用遗传算法进行仿真优化求解，为车间布局设计提供定量依据，优化后的车间布局总物流量相比初始布局降低了19.5%。

SLP方法；车间布局；遗传算法；仿真优化；物流量

制造型企业20%～50%的生产成本用于物料运输，而合理的车间布局可以将生产成本降低10%～30%，生产效率提高3倍[1-3]。特别是离散的制造车间，生产流程不连续，物流无法避免存在交叉和迂回，物料运输成本更高，所以在车间规划阶段，合理地进行车间布局显得至关重要。

国内对车间布局问题的研究侧重于SLP方法的应用，以及优化算法的研究与应用[4-10]，研究主要以少品种大批量的流程制造车间为研究对象，物流集中在生产线内，流向单一，布局设计以生产线平衡为目标。而多品种小批量的离散制造车间，由于工艺不连续，物料无固定流向，物流复杂，使车间布局尤为困难，这方面的研究较少。为此，结合我公司燃气轮机生产车间的布局设计，分析离散制造车间的通用布局设计方法，首先应用SLP方法求解车间初步布局，再通过仿真结合遗传算法对车间布局进行优化设计。

1 SLP求解车间初始布局

燃气轮机生产车间产品种类繁多但产量少，包含机加工、焊接、热处理、装配等多个专业，属于典型的离散制造车间。在设备类型和数量已确定的基础上，可按照以下步骤进行此类车间的布局设计：①作业单元设计；②使用SLP方法进行车间初始布局设计；③应用仿真对初始布局进行优化；④作业单元内部详细设备布局设计。

1.1 作业单元设计及物流分析

燃气轮机产品工艺以频繁的数控车、车铣，以及退火、焊接、装配为主，无法成线布置，但根据不同的制造阶段也存在一定的顺序，即焊前粗加工→焊接→退火→焊后半精加工→焊后精加工。因此按照工艺原则布置和产品原则布置相结合的方式，将车间设备划分为12个作业单元(见表1)，其中焊后小/大型立车、焊后小/中/大型车铣属于焊后半精加工。

表1 车间作业单元

作业单元内不仅包括设备，还设置有在制品和工装暂存区，各作业单元的面积相近。由于作业单元内部各设备之间无相互关系，设备布置无固定原则，因此作业单元内部的详细设备布局设计本文不做研究。

根据产品的工艺流程统计物料在两两作业单元之间的运输次数，形成物料运输量从至表(见表2)，并根据物流运输量所占比例[11]划分为A、E、I、O、U(由强至弱)5个物流强度等级。

1.2 作业单元综合互相关系分析

作业单元之间不仅存在物流相互关系，还因某些位置约束条件而存在非物流相互关系，见表3。

位置约束条件由作业性质相似程度，交互密切程度，是否产生光、热、烟尘等实际生产因素确定。

由于物流因素对生产效率影响较大，取物流与非物流相互关系的相对重要性比值为2∶1，A、E、I、O、U一般取值为4、3、2、1、0，加权计算得到作业单元综合相互关系，见图1。

1.3 车间初始布局

车间面积为225 m×96 m，厂房采用网架式结构，可设置两个48 m跨，每跨对称分为两部分，中间为物流通道。各作业单元的面积相近，所以把车间分为A～L共12个面积相等的区域(设施规划中称为工作地)，用于布置12个作业单元。AGV小车在2条横向物流通道和4条纵向物流通道内运行，其运行路径见图2。

每个区域靠近横向物流通道的一侧中点设置一个AGV站台，作为天车和AGV小车的作业分界点。区域内部物流由天车负责，跨区域物流由AGV小车负责。

根据作业单元综合相互关系图，优先确定级别高的作业单元的位置，再结合位置约束条件，得到车间初始布局方案，见图2。

2 车间布局问题及数学模型

2.1 问题描述

SLP方法虽然给出了系统的布局设计步骤，但只是定性分析，布局设计很大程度上依赖设计人员的经验，无法定量评价，即在车间初始布局下总物流量是否最小、还有没有更优化的结果无法判断。

现在已知12个作业单元两两之间的物料运输量，以及12个工作地和工作地相互间的距离(根据AGV站台位置和AGV小车运行路径计算，可得到12个工作地的距离从至表)。布局问题就是将12个作业单元分配到12个工作地，理论上存在12！种布局方案，从中选择总物流量最小的方案，属于典型的二次分配问题(QAP)。

2.2 数学模型

在车间各作业单元面积相近的条件下，车间布局应遵循以下两个原则[12]：①物流量最小原则；②位置约束，有些作业单元位置有特殊要求，需要考虑布局中固定约束的情况[8,13]。据此建立车间布局数学模型。

1)车间各作业单元之间总物流量最小

(1)

式中：Wij、Dij为作业单元i与作业单元j之间的物料运输量和距离；n为作业单元总数量。

①钣金成型焊接(M1)和立体仓库(M12)靠角布置约束条件。

(2)

表示M1和M12在排序时均布置在工作地A、C、J或L其中之一。

②热处理(M2)和焊后精加工(M11)靠边布置约束条件。

(3)

表示M2和M11在排序时均布置在工作地A、B、C、J、K或L其中之一。

③考虑到厂区道路位置和毛坯进车间方向，焊前粗加工(M3)尽量布置在靠近主道路一边的约束条件。

(4)

表示M3在排序时均布置在工作地A、B、C、D、E或F其中之一。

④同一个作业单元只能布置在一个工作地的约束条件。

总之，学术论文摘要作为信息来源，是论文学术质量的反映，成为介绍或了解国内外学术成就非常有效的途径。学术论文摘要的翻译应遵循目的法则、连贯法则和忠实法则，应按照英文摘要的普遍标准和特征来进行翻译。

(5)

表示Mi在排序时只能出现一次。

3 车间布局仿真优化

3.1 遗传算法的运用

遗传算法是一种通用的解决组合优化问题的算法，应用遗传算法求解QAP问题已经比较成熟。

工作地位置不变，变化的只是工作地上分配的作业单元，以工作地的编码顺序作为染色体，作业单元编号作为染色体上的基因，则QAP问题就转变成遗传算法中最常见的排序问题。

利用遗传算法进行寻优时，编码、选择、交叉、变异是4个重要的步骤。QAP问题属于单行作业单元排序，可以沿用单行编码方式，即作业单元排序直接编码，如[2,3,1,9,8,6,4,7,5,11,12,10]对应了一种布局方式，表示M2,M3,…,M12,M10依次布置在工作地A,B,…,K,L，这里编码对应的是作业单元编号，基因位置对应工作地位置。

Plant Simulation软件提供了通用的遗传算法求解工具GAwizard，本文应用Plant Simulation软件对车间初始布局进行仿真优化。

3.2 仿真建模

在Plant Simulation 9中建立如图3所示的仿真模型，用机器代表工作单元，在InitPartsTable中编写程序，处理12台机器在12个工作地的分配以及物流量的计算。12台机器按照车间初始布局布置，仿真得到初始布局的总物流量为111 813。

利用Plant Simulation中的GASequence和GAwizard两个工具添加遗传算法，进行布局优化设计。遗传算法参数设置如下。

1) 约束条件。添加作业单元位置约束条件式(2)～式(5)。

2) 交叉因子。选择顺序交叉OX(Order Crossover)，交叉概率Pc=0.8。

3) 变异因子。选择随机变异，变异概率Pm=0.1。

4) 自适应度函数。本文仿真优化的目的是找出物流量更小的作业单元排序，所以GA优化问题采用最小值描述，即优化的目标函数值越小越好，目标函数为式(1)。本文直接将目标函数作为自适应度函数。

5) 群体大小和代数。尝试不同的群体大小和代数进行仿真，结果见表4。

3.3 结果分析

由表4可知，当群体大小和代数较小时，最小适应度为值90 783；当群体大小超过60，代数超过80后，最小适应度值为89 958，且并不随着群体大小和代数的增加而变化，说明其对应的最优解可以代表12个作业单元12！种排序的最优结果。

图4所示为群体大小60共80代的仿真优化结果，最优解为[12,4,1,9,5,3,10,6,7,8,11,2]，对应的总物流量为89 958。最优解对应的车间作业单元布局方案见图5，优化后的车间布局总物流量比初始布局降低了19.5%。

实际生产中，钣金成型焊接(M1)、焊前粗加工(M3)、小型设备(M4)和钳工装配(M5)4个作业单元之间工序连接比较紧密，优化后的车间布局中，这4个作业单元布置在一起，可见优化结果既符合作业单元位置约束条件也满足实际生产要求。

4 结论

1)应用SLP方法对燃气轮机生产车间进行了初始布局设计。

2)建立了车间布局的数学模型和仿真模型，通过仿真对初始布局进行了优化，相比车间初始布局总物流量降低了19.5%，为车间布局设计提供了定量依据。

3)车间布局数学模型和仿真优化方法具有一定的通用性，只要对约束条件和作业单元数量做适当更改，就可以应用于其他离散制造车间。

4)本文中各作业单元面积相近，车间布局问题可以简化为QAP问题。针对作业单元面积相差较大的车间布局优化问题还需进一步研究。

[1] 周金平.生产系统仿真:Plant Simulation应用教程[M].北京:电子工业出版社,2011.

[2] Marcello Braglia, Simone Zanon, Lucio Zavanella. Layout design in dynamic environments: strategies and quantitative indices[J]. INT. J. PROD. RES.,2003,41(5):955-1016.

[3] 汤普金斯(Tompkins).设施规划[M].3版.伊俊敏,袁海波，译.北京:机械工业出版社,2007.

[4] 王伟.发动机车间布局设计优化及应用[D].北京:北京工业大学,2006.

[5] 胡震.发动机车间布局优化设计研究[D].合肥:合肥工业大学,2005.

[6] 黄超,徐向阳.基于仿真的车间设备布局优化设计[J].东北电力大学学报,2008,28(2):53-56.

[7] 李火生,李志华,钟毅芳,等.生产车间设备布局线性模型及算法研究[J].计算机工程与应用，2002(11):221-225.

[8] 许立,李经民,王秀伦.基于遗传算法的车间设备布局优化设计[J].组合机床与自动化加工技术,2004(12):45-48.

[9] 孙洪华.多品种中等批量机械制造车间设备布局优化研究[D].哈尔滨:哈尔滨工业大学,2008.

[10] 黄冬梅.车间设备布局建模分析及基于eM-Plant的仿真优化[D].武汉:华中科技大学，2012.

[11] 陈昆仑.基于仿真技术的制造车间布局优化研究[D].武汉:武汉理工大学，2014.

[12] 徐立云,杨守银,李爱平,等.生产车间布局多目标优化及其仿真分析[J].机械设计与研究,2011,27(6):55-59.

[13] 余世根,鲁建厦.基于GA的固定约束条件下多目标车间设备布局问题研究[J].浙江工业大学学报,2010,38(8):401-405.

(武汉船用机械有限责任公司，湖北 武汉 430084)

Layout Design of a Gas-turbine Workshop

LI Tao, HU Tao, WAN Song, LI Feng

(Wuhan Marine Machinery Plant Co., Ltd, Wuhan 430084, China)

The initial layout scheme of a gas-turbine workshop was designed by using SLP method. A simulation model was built to optimize the workshop layout. The genetic algorithm was used to solve the problem optimization, providing a quantitative evaluation indicator for the workshop layout design. The logistics volume of the optimized layout scheme was reduced by 19.5% then the initial one.

SLP; Workshop Layout; Genetic algorithm; Simulation optimization; Logistics

10.3963/j.issn.1671-7953.2017.01.019

2016-08-23

工业和信息化部项目(工信部装函[2016]261号)

李涛(1991—)，男，硕士，工程师研究方向:设施布局，物流仿真

U673.1

A

1671-7953(2017)01-0076-05

修回日期：2016-09-08