基于GA 和RBF 神经网络混合算法的零件/机床成组研究
 

摘要：针对多品种、小批量离散型制造企业机加工车间零件种类繁多且加工工艺路线复杂等特点，从零件加工工艺路线角度出发，构建车间零件加工的物流成本和时间函数模型。应用遗传算法良好的收敛性、全局寻优能力强和径向基函数神经网络（RBFNN）较高的鲁棒性、数据分类能力强，提出GA-RBFNN 混合算法。实现机加工车间零件在其加工工艺路线集合内的分配以及零件和机床成组，得到各零件组—机床组匹配度，改进车间物流设施布置及物流管理。最后，结合实际案例验证了模型和方法的有效性和可行性。
 

关键词：遗传算法；RBF 神经网络；零件成组；机床成组

0 引言
多品种、小批量离散型制造企业机加工车间零件繁多且种类不一，零件的加工工艺路线复杂且存在较大的相似性，而将车间各种零件在其多种加工工艺路线下进行合理的分配和分组，重新布置车间生产设备，良好的制造单元划分，对降低车间物流成本和缩短物流时间，保证产品质量，降低价格和快速响应客户需求，提高市场竞争力都有着重要的意义。人们从不同的角度采取不同的方法实现制造单元的划分，提出了基于零件加工属性的编码，结合生产流程分析法[1]以及FCM（模糊c 均值算法）[2,3]将零件聚类成簇和实现新零件插入，但没有解决加工设备的成组问题。另外，通过建立零件—机床关联矩阵[4,5,6]，采用神经网络或其改进算法、改进的FCM 算法[7]、混合优化算法，划分制造单元，并给出了零件和设备聚类成组的评价指标，或者从工艺流程角度出发，采用遗传算法和BP 网络相结合[8]解决了零件成组和新零件的插入问题。从数学规划方面，通过建立目标函数，在满足加工时间、批量、机器能力[9]等约束条件下，以及考虑到零件特点和安装条件等因素[10]，建立数学模型，采用其改进的遗传算法[11]、模拟退火算法[12]、粒子群算法[13,14]智能算法或者混合优化算算法（QFHN 算法[15]）等方法进行求解，划分了制造单元。以上研究实现了零件的合理聚类或者制造单元的划分，但对制造资源之间物流因素考虑并不深入。本文将GA 和RBFNN 各自的优点结合起来，从车间制造资源之间物流的角度出发，建立了车间物流动态参数，构建了零件物流成本和时间函数的非线性、多目标多约束数学模型，采用遗传算法和径向基函数神经网络算法相结合的混合算法进行分析求解，实现车间零件、加工设备的合理分组，并且提出了具体衡量分组效果的指标。

4 结论
本文针对多品种、小批量离散型制造企业机加工车间零件种类繁多，加工工艺路线复杂等问题，从零件的加工工艺路线角度出发，构建了车间物流成本和时间数学模型，针对此问题提出了GARBFNN 混合算法，解决了零件在其可行加工工艺路线集上的分配、零件—机床组划分等问题，给出了零件—机床组成组质量的评价指标。最后，将该理论研究应用于重庆某多品种、小批量离散型制造企业，取得其良好的实际效果，为该类企业车间物流管理提供了参考。
 

[参考文献] (References)
[1] 刘万勋，周宏根，景旭文.生产流程分析法中基于编码的新零件成组工艺匹配[J].现代制造工程，2006（10）
[2] 张太华，顾新建.基于FCM 算法的零件簇编码分析[J].中国机械工程，2007，18（21）.
[3] Miin-ShenYang,Jenn-Hwai Yang. Machine-part cell formation in group technology using a modified ART1
method [J]European Journal of Operational Research, 2008, 188(1): 140-152
[4] 陈春宝，王丽亚.基于零件编码与聚类算法的零件族构造[J].上海交通大学学报，2005，39（7）：1159-1162.
[5] 王东成，何卫平.神经网络在制造单元构建中的研究与应用[J].中国机械，2006，17（10）.
[6] 王国新，阎艳.模糊神经网络与启发式算法相结合的制造单元构建方法[J].计算机集成制造系统，2008，14（11）：2176-2183.
[7] 李杰，王云峰.基于模糊技术的制造单元构建方法研究[J].计算机集成制造系统，2004，10（12）：1562-1566.
[8] 常建娥，刘飞.基于工艺流程的零部件成组方法及其实现[J].武汉大学学报（工学版），2008，41（4）：205 92-95.
[9] Saeed Zolfaghari,Ming Liang. A new genetic algorithm for the machine/part grouping problem involving
processing times and lot sizes[J]. Computers & Industrial Engineering, 2003,45(4):713-731
[10] B. Z. Gong. The processing of parts with group technology in an individual CNC machining center [J].urnal
of Materials Processing Technology, 2002, 129(1-3):645-648.
[11] Adnan Tariqa,Iftikhar Hussainb,Abdul Ghafoora. A hybrid genetic algorithm for machine-part
grouping[J].Computers & Industrial Engineering. 2009,56(1):347-356
[12] 刘世平，魏迎军.基于模拟退火算法的敏捷化制造单元重构方法[J].华中科技大学学报（自然科学版），2003，31（11）：58-60.
[13] 王素欣，高利.基于粒子群优化的制造单元重构研究[J].现代制造工程，2007（1）.
[14] 王雷，唐敦兵.基于粒子群算法的研究的制造单元聚类研究[J].计算机集成系统，2009，15(2)：328-332.
[15] Barthelemy Ateme-Nguema,Thien-My Dao. Quantized Hopfield networks and tabu search for
manufacturing cell formation problems[J]. Production Economics . 2009(121):88-98
[16] 韩力群.人工神经网路理论、设计及应用[M].北京：化学工业出版社，2007.
[17] 孙丹，万李明.一种改进的RBF 神经网络混合学习算法[J].吉林大学学报（理学版），2010，48（5）：817-821.
[18] 李敏强，寇纪淞，林丹，等.遗传算法的基本理论及应用[M].北京：科学出版社，2004.