1．目的及意义

随着经济全球化的发展以及科技的长足进步，国外先进的汽车生产企业已经熟练的运用并推广拉式生产(JIT)的理念，从而可以更快速地相应市场及客户需求，提高了整个生产的柔性，使得每个生产线上可以完成多种产品的生产装配。由于我国市场的不断扩张，客户需求量的不断增加，拉式生产(JIT)目前已经是我国大多数汽车制造商所选用的主要生产方式，并不断地对混流生产线提出越来越高的要求。

国外在1961年首次提出混流生产的概念及定义，之后丰田公司提出了GC-1和GC-2两种算法以解决在混流生产的模式下各个工作台的负载问题以及平衡效率问题，在十九世纪末二十世纪初先后出现优化改进的遗传算法、模拟退火算法、最小二乘算法以及新型粒子群算法等多种算法，使得在求解混流生产线排产优化及生产平衡等多方面问题是变得方便快。相比于国外，我国在1998年提出混流生产线排产问题，在此领域的研究相对较晚，但发展迅速并得到广泛的应用。与国外的发展经历相类似，都是在不断的寻求新的效率更高的算法对现有的生产线进行不断的改进，以求得最大的效益。

混流生产线的生产方式是在机器设备不变更的情况下，多种不同品种的零件交替生产加工，可以在相同的工作时间内生产多种不同型号产品的流水线。这种生产方式便带来了相应的难题，如它对自动化程度要求较高，对员工的技术要求很高以及如何更优化平衡整个生产线的生产等，如果能对整个混流生产线提出一套相对成熟的排产优化方式，可以有效的解决在生产线上遇到的瓶颈问题，使整个生产线达到平衡，这样就可以使生产线上的人力资源、参与生产制造的原材料都可以得到充分利用，这对一个汽车生产企业及时响应市场需求，避免过量生产或生产不足等都是至关重要的。{title}

2. 研究的基本内容与方案

{title}

针对某汽车生产A公司现有的车间以及车间内部的生产线进行排产优化，在已知每条生产线均可生产多种规格的产品，将单品种生产线和多品种生产线进行调度优化形成一条混流生产线，对已知的生产线进行排产优化，其目标是在投入最小的成本下，可以尽可能的达到平衡生产并缩小各个产品之间的等待时间，使得整个生产线的工作效率大大提升，从而实现更柔性化、自动化水平更高的生产，能及时响应市场及客户多种多样的需求。

在明确研究内容及目标之后，根据该汽车生产公司的现状分析约束条件以及相关目标函数，从而寻找最优的投产排序方式，使得所投入的成本最小。这样就需要先根据企业的现状建立数学模型，并在此基础上建立车间混流生产线的仿真模型。在第一步采用遗传算法对建立的数学模型进行运算，得到最佳排产顺序，第二步用Flexsim对该车间的混流生产线建立仿真模型，并对第一步所求得的排产顺序进行比较验证，最终能够得出最优排产方案。

3. 参考文献

英文文献：

(1) Lv, Youlong; Zhang, Jie; Qin. Wei Simulation-based production analysisof mixed-model assembly lines with uncertain processing times Journal ofSimulation. 2019,,v 13, n 1, p 44-54.

(2) Busogi, Moise; Ransikarbum, Kasin; Oh, Yeong Gwang; Kim, Namhun Computationalmodelling of manufacturing choice complexity in a mixed-model assembly line InternationalJournal of Production Research. 2017,v 55, n 20, p 5976-5990.

(3) Li, Hang; Liu, Ran; Shi, Lun TheLayout Optimization Problem of Automobile Engine Production Line IEEEInternational Conference on Industrial Engineering and Engineering Management, 2019,v2019-December, p 1736-1740.

(4) Wu, Y.M. Dai, L. Zh. Luo, L.F. EvolutionBalancing of Mixed Model-Assembly Line Considering Task Reassignment Journal ofAdvanced Manufacturing Systems, 2018,v 17, n 1, p 3-21.

(5) Krenczyk, Damian; Skolud, Bozena; Herok, Anna A heuristic and simulation hybrid approach formixed and multi model assembly line balancing Advances in Intelligent Systems and Computing,2018,v 637, p 99-108.