车间问题

车间问题（精选12篇）

车间问题 篇1

1 前言

随着市场环境的变化和内部成本控制的需求,公司亟需对各种浪费进行改善,其中改善生产浪费是其中重要的一环。为了对生产浪费进行改善,引入超速概念。超速即生产的产能与市场需求之间的差距。其概念源于通用汽车在其全球制造系统(GMS)中的标准化(Standardization)。此概念的引入,能更好更明确地对生产浪费进行改善。

通过对超速概念进行分解,重点围绕效率进行改善。虽然初期难以量化其改善成果,但在持续的改进过程中,超速发生了明显变化。将超速改善到5%左右时,发现加班成本有了明显降低,完成了对生产浪费的改善。

2 改善前超速状况

2014 年年中,车间整体生产效率较低,各线超速比较严重(表1)。整体超速比例已经远超5%,严重的将近9%左右。

3 超速的理论依据及改善方向

3.1 超速的理论依据

超速即为TT与ATT之间的差距。TT(TAKT Time)为理论单件工时,指生产线理论生产一件产品所用的时间;ATT(Actual TAKT Time)为实际单件工时,指生产线实际生产一件产品所用的时间。两者关系如下。

根据以上概念,得出超速的计算公式如下。

3.2 改善方向

根据超速的计算方式,降低超速的最佳方法是提高目标效率。目标效率是参照上一个时间单位的实际运行效率制定的,且目标效率与实际效率是正相关关系。因此提升运行效率可以降低超速。

综上所述,需要采取提升运行效率的方式来降低超速。

4 运行效率提升

总装车间运行效率的提升主要通过新车型效率快速爬坡、实施SPS及缺料停线的改善、工艺优化、TIP瓶颈改善、在线质量问题快速协调会等几个方案的实施获得。

4.1 新车型效率快速爬坡

CN100V车型在2014 年的项目阶段中,车间各工段,工艺组与其他项目区域紧密合作,充分辨识项目风险点,提前解决瓶颈,做好员工操作熟练度的培训。在2014 年12 月底量产,2015 年1 月生产效率快速提升(见图1,无数据的日期为休息日无生产),在短短的第一周内,生产效率就从46%提升到91%,大大减少了对整月生产效率的影响。

4.2 实施SPS及缺料停线的改善

车间从14 年年中开始逐步在部分线别和工段实施SPS(表2)。

SPS除了在空间利用,5S优化等方面有着极大的作用外,对效率提升也有着很大的作用。

a.在物料的配送与生产线的使用之间,增加了SPS拣料和SPS物料小车配送环节,在物流缺料响应过程中,这两个环节一定程度上起到了缓冲作用,减少了对生产线的影响,缺料停线比例由不达标到达标(图2);

b.生产线上SPS随行小车的使用,使得员工取料浪费等大大减少,极大地减少了原本周期时间较长的工位周期时间,人员操作失误造成的停线问题相对缓解。

4.3 工艺优化

从14 年到15 年5 月初,车间共进行了34 次大范围的工艺优化,局部小的工艺优化及工段内部优化达上百次。这些优化很大程度上优化了工作量,降低了瓶颈问题的发生,极大地减少了人员操作停线。主要的工艺优化见表3。

4.4 TIP瓶颈改善

利用TIP工具,从2014 年7 月到2015 年6 月,分工段,共解决当月瓶颈约120 多个,对效率提升起到了很大的推动作用(见图3)。

4.5 在线质量问题快速协调会

a.针对停线较多的零件质量问题,与SQ形成每周问题解决推动例会,将近期影响停线的主要问题罗列,并逐条确定解决措施并跟踪效果。

b.在特殊时期,如CN100V新车型量产初期等,每天召集技术、SQ、质量、车身车间等部门人员现场过滤问题,确保问题快速解决,降低对效率的影响。

5 超速改善趋势跟踪

通过以上方案的实施,车间内运行效率有了较大提高,跟踪超速的改善状况,均有了明显改善(图4)。

6 超速改善效益分析

对超速改善分析(表4),发现超速比例有明显降低。

根据公式超速=(ATT-TT)/TT=ATT/TT-1。

根据目前公司的实际状况,随着计划产量等因素的不断提高,TT在不断提高,而想在一定程度上保持生产的稳定性,不去随意变更ATT,同时超速又没有改善的情况下,只有增加加班;如果不采取加班,只能提高ATT。

%

如果保持超速不变,同时不加班,而是采用提高ATT(JPH)的形式,从2014 年7 月到2015 年6月,根据计算,A线每天需要增加15.8922 JPH,按照目前A线ATT=33.97 JPH换算成加班的话,即在不改善超速的前提下(每月按照26 天工作时间算),计算如下。

a.A线每天加班0.47 h,0.47×26=12.22 h;

b.B线每天加班0.30 h,0.30×26=7.8 h;

c.C线每天加班0.64 h,0.64×26=16.64 h;

三条线每月可节约共计36.66 h。

7 结束语

在对超速的改善中,针对其关键要素生产效率进行提升,通过一些列的提升措施,生产效率有了较大改善,从而降低了超速。对比超速改善前后的成本,加班成本随着超速的降低而降低,达到了通过降低超速来降低成本的初衷。

摘要：为了降低成本、减少浪费,决定对生产浪费问题进行改善。由此引入超速概念,并对影响超速的因素进行分解,确定改善超速的关键指标为提升生产效率。通过采用SPS(成套的零部件供应)、工艺优化、TIP(产能提升流程)等方式对生产效率进行改善提升。经实际验证,生产效率提升后,可以很好地降低超速,从而使加班成本随之下降,最终达到减少生产浪费的目的。

关键词：超速,浪费,生产效率,改善

车间问题 篇2

在产品质量现场会召开后，车间及时组织召开了班组长会，针对公司内产品现有的质量问题和车间内所出现的及可能出现的质量问题从进行认真总结和深刻反思，经过讨论，使我们深刻认识到产品质量的好坏与优劣和各职能部门有着直接的责任，特别是出现在产品外观质量上的问题更与部门的管理、质量意识和员工的业务水平有很大的关系。经过讨论和认真分析，特提出以下应着重避免可能存在、影响产品质量问题发生的原因。

1；由于板材本身原因造成的板材表面凹凸不平的伤痕，即这类板材在使用时一经发现一定要经过有关人员鉴定后使用(在本部门发现此类问题时)。

2；尽可能避免在另部件压型时，因工装的相互借用（板材薄厚不同容易造成胎具严重损坏和变形）和相关尺寸相近及一些产品结构不合理，有些工装断裂（勉强使用），造成压型件形线往往不能符合设计要求（前盘、进风口脖等）。

3；避免因油压机（长年）漏油，造成在平料时，工件表面全是油污，以至在产品组立成型后，刷不上防锈底漆。

4；避免在较厚的中盘（后盘）拼接时，因拼接坡口有很多是气割割成，使焊道表面凹凸不平，在焊接时存在焊肉不均、气孔、夹渣、等现象发生。

5；有很多产品在运转时有磕碰等现象发生，从而多次进行反修，反修后修复效果不好，严重影响产品外观质量。6；避免产品在焊接完成后，焊豆、杂质等清理不净。

综合以上可能出现问题，车间一致认为要从以下几个方面做好： 首先：要求全体员工统一思想，从领导班子做起，强化质量管理，提高员工质量意识的教育和努力做好本职工作的责任感，培养员工爱岗敬业精神，真正做到在产品质量上下功夫，彻底改变本部门内存在的质量问题。

其次：在生产过程中要严格按照“三按”标准执行，精心压制每一个压型件，认真组立好每一个组部件，正确掌握焊接规范，减少飞溅物，清理干净的产品才转下序。叶轮是风机的心脏和主要部件，其组部件必须在每一道序都合格后才能组立成品，所用附料必须严格遵守工艺规范。

最后：充分发挥员工的主观能动性，合理利用现有资源，在员工中广泛开展技术革新和提合理化建议等活动，在保证产品质量前提下，鼓励员工为公司节约资金，自制各种工、卡具，为保证产品质量要层层把关人人负责，生产出优质产品，为企业腾飞作出贡献。

结合车间具体实际情况，提出现有整改措施。从内部挖掘潜力，为制造出用户满意的产品尽到我们每一名员工的一份责任，发扬爱岗敬业精神，付诸我们高度的责任感，一步一个脚印，努力提高产品质量。

车间问题 篇3

关键词：制造企业；生产车间；安全管理

前言

中铁山桥集团有限公司是我国生产钢梁钢结构、铁路道岔和大型机械产品历史最久、规模最大的制造企业之一。目前，山桥集团累计建桥已超过三千座，占据着国内最大市场份额，被列为国家认定企业技术中心和中国铁道器材研究发展基地。在发展建设的同时，山桥集团对生产车间的安全管理给予了充分重视。尽管如此，生产车间的安全管理仍然存在一些问题有待解决。

1.公司简介

中铁山桥集团有限公司前身为铁道部山海关桥梁厂，始建于1894年，是洋务运动时期建立的我国最早的民族企业之一。公司自20世纪50年代起就开始承制工业与民用建筑钢结构和电站钢结构，积累了丰富的生产、制造与研发经验。公司主要产品有：钢桥梁、工业与民用建筑钢结构；铁路、城市轨道交通道岔；桥梁钢支座等。由于桥梁制造工业本身的工作特点，决定了其对于生产安全的重视。靠着过硬的实力和安全的生产，公司在中国铁路道岔中始终占据着较大的市场份额，保持着行业领先地位。

2.生产车间安全情况

2.1设备安全情况

山桥集团始终贯彻“以人为本”的管理理念，对生产车间的安全管理给予了充分重视。保证生产安全的基本就是对作业机械进行改良，增加其安全性。目前公司已通过ISO9000质量管理体系认证和ISO14000环境管理体系认证等，其管理、制造与服务覆盖于其全过程。

山桥集团拥有四千余台性能优良的机械与计量检测设备，目前已获得钢结构建筑安装公司《企业资质证书》。山桥集团对于基础生产设施的投入，不断更新设备、加固器材为生产安全提供了有力保障，同时也为公司的科技创新，研制高技术含量的产品奠定了基础。山桥集团在设计研发方面倾注了大量心血，至今为止已建造超过千米的斜拉桥，原料的使用也落实了环保理念，拆装后可再次使用。时刻关注环境变化并不断增加技术投入使山桥集团始终保持着生机与活力。

2.2人员安全情况

山桥集团现有员工五千余人，拥有一支结构合理，研发能力强、业务素质高的技术队伍，其中各类专业技术人员一千二百余人，高级专业技术人员一百二十余人，专家、教授级高工、国家级科技专家三十余名。技术人员和生产人员的高水平文化素养确保了安全措施的实行，也为安全生产提供了有力保证。

山桥集团要求工人进入生产车间之前，都要进行安全宣誓，强调员工工作的安全质量关系到整个企业的发展和荣誉。生产车间根据不同加工部门性质和具体工作划分成不同工作区域，体现了现代企业专业化思想和分工理念。每个工作区域均设有废料箱，不仅保证了生产环境的清洁，而且也保证了工人的安全。在生产车间出口附近还设有医疗服务点，专业的医护人员为生产工人提供应急药品和医疗服务，为安全生产解决后顾之忧。

对于外来参观和视察人员，山桥集团也采取了防护措施。在生产车间的地面划分了“绿色通道”，通过合理设计规划将“绿色通道”贯穿整个生产车间，避开了危险作业点、危害作业点和事故易发点。山桥集团还要求参观人员必须佩戴安全帽，保证参观视察人员的安全。

2.3安全管理情况

山桥集团具有完整的安全管理系统，由主任带领两名安全负责人，为安全生产提供保障。山桥集团曾多次开展安全标准化管理工作，制定了相关的安全管理制度及程序文件，并对安全隐患进行查处，落实安全整改措施。

山桥集团的安全检查包括四个方面：现场隐患、安全思想、管理制度、事故处理。在安全管理中，人的错误操作行为和设备的老化状态是诱发事故的直接原因，而松散的管理体制和脏乱环境则是事故发生的间接原因。山桥集团不仅时刻关注人员和设备安全，对于管理监督和环境整治也给予了充分重视。在生产车间随处可见宣传安全生产的黑板报和警示语，并且安全管理人员会定期更新，从文化上保证了安全生产。

3.生产车间安全问题

3.1设备问题

尽管山桥集团的生产设备十分先进，可是某些作业机器仍然存在安全隐患问题。这些问题的解决将进一步利于生产车间的安全生产。不少废料箱仍然存在堆积和清洁问题，安全管理人员对于现场情况的检查还有待深入。同时，高空作业机械也需要改良，高空作业人员需要长时间直视地面进行高空作业，存在一定的安全隐患。设备的安全是人员安全的保证，只有设备设计充分考虑了人员安全才能保证安全生产。

3.2工人问题

研发人员的高文化水平加速了整体生产设备的进步，可是一线操作工人的健康得不到基本保证。工作现场噪音极大，没有工人配有耳塞或耳罩，排风散热用的电扇也仅有几台，操作产生强烈光线的焊接和切割器械的工人没有防护眼罩。医疗防护点内并没有值班员工，形同虚设。万一发生事故，后果不堪设想。

4.安全问题对策

4.1充分认识重要性

企业领导必须明确认识到安全质量标准化管理工作的重要性，从基础管理工作入手，通过制定各种规章制度、安全操作规程、落实组织机构和明确职责范围等安全规章制度，将企业的各个部门、各个环节的安全生产工作有机组合，形成一个既有明确目标和任务，又能互相协调、互相促进的有机整体，从基础上保障企业的安全生产。

4.2开展管理工作

在认识到安全管理重要性的基础上，管理人员需制定相关的安全质量标准化管理制度及相关的程序文件，可利用业余时间组织员工集体学习。同时委派经验丰富的老职工向新员工讲述操作规程，指出应该注意的安全点。对中层管理人员的安全教育也应受到足够重视，可以邀请安全咨询公司的专家进行知识讲座，向职工传授安全管理制度。

4.3提供保护措施

人力资源作为制造业的关键资源之一发挥着重要的作用。工人的手套、耳塞、口罩、防护镜和常用药是安全生产的必备物品，这些物品存在严重缺失，山桥集团应该为每位员工配备这些基础防护装备。在闷热嘈杂的不同工作区域内设立休息点和饮水点，并配备风扇。

4.4给予奖励

为了培养员工的主人翁意识，建立企业认同感，应对发现安全漏洞、提出改善建议的员工给予奖励。奖惩制度将极大提高员工的安全自主性，增强员工的安全意识，减少安全事故的发生。

结论

本文从安全管理方面详细介绍了山桥集团有限公司，分析了山桥集团安全管理的现状、存在问题及解决方法。山桥集团凭借雄厚的实力在我国市场中始终占据较大市场份额，设备更新换代不断加快，安全设施也比较齐全。但是对于员工工作环境的改善和安全细则的落实仍然存在问题。员工工作环境恶劣，缺少防护措施，安全管理规则得不到落实。对此，企业领导应充分认识安全管理规章制度的重要性，开展落实安全管理标准化管理工作，为生产车间员工提供保护措施，并对及时发现问题的员工给予奖励。只有这样企业才能保证安全生产，并在不断发展变化的市场中求得立足之地。（作者单位：中国地质大学）

参考文献

[1]侯喜梅浅析企业安全生产管理[J]. 河北企业， 2011， （11）： 13-25

装配车间的物料批量配送问题研究 篇4

对于制造车间,物料配送的过程主要是指根据各个工位的生产需求,对各种物料进行适时、适量的配送,实现物料从配送中心到各个工位的流转,保证制造过程顺畅运转。因此,物料能不能适时、适量地到达各个工位,对车间的生产效率有很重要的影响[1]。Savelsberght[2]证明了这是一个NP(Non-linear Problem,非线性规划)问题。针对物料配送的不确定性,李晋航[3]利用混合智能算法仿真,刘明周等[4]用智能优化算法求解。蒋丽等[5]采取遗传算法,研究运送费用高的题目。严正峰[6]分析模糊软时间窗的配送路线题目,结合模拟退火算法和动态规划仿真。马磊磊[7]等采用改进的遗传算法,解决不确定环境下的多目标物料配送问题。

本文在保证满足生产需求的前提下,构建了装配车间的物料批量配送问题模型,提出了一种改进的遗传算法来解决问题模型,达到最小化配送车辆的固定成本和与行驶距离相关的可变成本之和的优化目标,使得物料能够按时有序地运送至各个运送地点。

1 构建优化模型

1.1 问题描述

本文提出的问题可表述为:某一装配车间有1个物料配送中心,N个工位等待物料配送,工位i的物料需求量是Qi,工位i的缓存区容量是Di,配送小车的载荷量是Yz,已知任何两个点之间的最小行驶费用。优化目标是小车的固定成本和与行驶距离相关的可变成本之和。

1.2 约束条件

1)配送小车的载货量不允许超出其载货能力。2)工位缓存区存放的物料数量不允许超出其容量限制。3)小车从配送中心出发,最后回到配送中心。4)在同一配送中,车辆只能为一个工位配送一次。5)每次配送的数量满足下一次配送到达之前的生产需要。

1.3 模型建立

构建的模型如下:

式中:α和β分别为小车的固定成本权重以及与行驶距离相关的可变成本权重,并且,0≤α≤1,0≤β≤1,α+β=1;N为配送工位个数;i、j为工位序号;M为物料配送车辆数;c为小车的单位固定费用;cij为车辆从i到j点所产生的费用;Yi是i点配送次数,Yi=[Qi/Di]+1;Yz为车辆总载荷不小于物料总需求量的配送次数,Yz=[ΣNi=1Qi/ΣMm=1qm]+1;b为批次;xijmy=1代表m小车进行工位i到工位j的第y次服务,否则xijmy=0;y为配送批次;Ai是i在一个节拍内需要的物料数量;qm为第m辆车的满载量;Ty为y次配送开始的时间;t为生产节拍;Qi为工位i的总需求量;Di为工位i的缓存区容量。

式(1)代表优化目标;式(2)和式(3)担保各个小车全部在配送中心开始,结束时回到原地;式(4)保证在同一批次中,车辆的运载量不能超出其运载能力;式(5)保证在同一批次中,各个车辆配送的工位数不能超出总工位数;式(6)保证在同一批次中,各个工位的物料运达量不能超出工位缓存区的限制;式(7)担保每次配送的物料数量不小于单个节拍内全部工位的需要量总和。

2 遗传算法求解

1)染色体编码规则。结合基因分段的思想,利用自然数编码,表示第几次配送、第几辆小车和各次的车辆路线3 个信息,构造的染色体结构为

式中:1≤x≤y,m≤M;Nabc为在第a次配送中第b辆小车第c个应该配送的工位序号。比如一条编码为(02506140300320140650)的染色体,自然数0表示配送中心,自然数1、2、…、n表示工位序号。编码代表分为两次配送:在第一回物料运送中,第一个小车服务工位2、5,第二个小车服务工位6、1、4,第三个小车服务工位3。依次同理。

2)初始群体的生成。随机选择生成初始群体。首先通过y判断染色体中包含多少基因片段。然后把全部工位序号任意地编排在各个基因段中。其中,各个基因段第一位插入0,再次在该基因段其他位置任意编排m-1个0。

3)适应度函数。本文的适应度函数为:f=1/cij。

4)选择、交叉、变异操作。针对选择、交叉、变异操作,文章分别选用轮盘赌选择法、顺序交叉和逆转变异的操作方法。

5)算法步骤。本文在使用遗传算法时,加入小生境方法,同时采用预选择机制,来避免遗传算法出现早熟现象。

算法的主要步骤如下:

Step1:设迭代次数为x。

Step2:x=0,产生初始群体F(x)。

Step3:计算染色体的适应度。

Step4:进行选择、交叉操作。

Step5:对子代个体的适应度与其父代个体的适应度进行比较,将适应度大的传至下一代群体。

Step6:进行变异操作。

Step7:不符合终止前提,则x=x+1,转到Step3;符合终止前提,则计算完成,输出结果。

3 实例计算与分析

设某装配车间有6个工位,1个物料配送中心,每天的工作时间是8 h,配送小车的载荷量是0.4 t,固定成本是30元。小车在任意两点的行驶费用和各工位的缓存区容量及需求量如表1所示。

本文运用MATLAB进行仿真。运算时设置种群大小是50,迭代次数是100,选择概率Fx=0.8,交叉概率Fc=0.8,变异概率Fm=0.1。根据权重α、β取值的不同,得到的结果也不相同,如表2所示。

从表2中可以看出,权重α、β取值的不同对实验结果有很大的影响。当时α=0.6,β=0.4时,需要的配送小车为4辆,总配送成本为396,这时的结果是所有α和β取值中结果最优的。该配送方案既能把物料及时地运送至工位,同时减少了总运送成本。α、β取值的大小根据物料配送决策人的不同而不同。

4 结语

本文针对装配车间物料配送不及时、配送成本高的问题,分析了装配车间物料配送的研究现状,构建了装配车间的物料批量配送问题模型。通过比较各种算法,提出了一种改进的遗传算法来解决问题模型,最小化配送车辆的固定成本和与行驶距离相关的可变成本之和。最后经过算例得出优化目标的结果与配送车辆的固定成本的权重、与行驶距离相关的可变成本的权重的取值大小紧密相关,由配料配送决策人决定其取值大小。证明了该模型的可行性和实用性。该模型实现了物料资源按时有序的配送到各工位,减少因为物料供应不及时或短缺而造成的生产浪费。

参考文献

[1]徐刚.物料管理入门[M].北京:清华大学出版社,2008.

[2]SAVELSBERGH M.Local Search for Routing Problem with Time Windows[J].Annals of Operations Research,1985,16(4):285-305.

[3]李晋航.模糊信息条件下混流装配线物料配送路径研究[D].武汉:华中科技大学,2008.

[4]刘明周,卢佳,葛茂根.基于实时工况的动态物料搬运路径规划[J].合肥工业大学学报,2008,31(12):99-101.

[5]蒋丽,丁斌.以工位为中心的生产物流配送优化[J].计算机集成制造系统,2009,15(11):2153-2159.

[6]严正峰,梅发东,葛茂根,等.基于模糊软时间窗的车间物料流路径优化方法[J].计算机集成制造系统,2015(10):2760-2767.

[7]马磊磊,王强.基于改进遗传算法的多目标物料配送方法研究[J].组合机床与自动化加工技术,2015(12):156-160.

气化车间试车问题小结1 篇5

自从去年10月28日12:39分气化首次投料成功运行至2011年3月19日24:00分，气化装置试车已有143天，其中A气化炉累计运行790小时；B气化炉累计运行1336小时；C气化炉累计运行63小时。为了维护系统的稳定运行，从公司领导到车间员工，吃住在公司，夜以继日，加班加点，付出了很多艰辛，牺牲了宝贵的时间，取得了今天丰硕的成果，使华能集团在煤化工同类装置中赢得了骄人的佳绩，成绩令人自豪，但是我们在试车过程中也曝露出很多问题，很值得我们总结、改进，下面我就气化装置试车以来发生和存在的问题汇总如下：

一、702磨煤、制浆系统

1、助溶剂石灰石系统添加运行不正常，圆盘喂料机给料量控制不均匀，量小就不下料了，量大就会造成螺旋输送机堵料，将石灰石从螺旋输送机顶盖处顶出来，就这一系统我们将继续调试圆盘喂料机的运行；

2、磨煤机入口溜槽频繁堵塞，一度造成大煤浆槽液位处于低液位运行，究其原因是由于我们的操作人员无运行经验，在启动磨机的操作中方法不得当，给煤量和给水量控制幅度过大造成的，之后，经过车间现场培训和实操练习已基本得到解决；

3、三台磨煤机都不同程度的经常出现轴承温度高，这是磨煤机当时安装时就存在轴瓦间隙不合适，由十三化建反复刮瓦修复后回装，基本可以运行，但最终问题还未得到彻底解决；

4、三台磨煤机小齿轮轴承烧，究其原因是大部分人员无运行经验，尤其设备人员整天忙于检修，无法顾及到运行设备的维护和管理，属设备管理不到位，轴承缺油造成的；

5、三台低压膈膜煤浆泵故障率高，打量不足，经常出现膈膜破损的现象，此泵从安装到试运行存在打量不足、缸体超压、隔膜破损、单向阀堵塞等问题一直未得到彻底有效解决，虽然联系厂家人员前来调试解决问题，但都因为调试人员水平有限，无法彻底解决此类问题而告终。

经过运行和拆检检查发现（1）运行中缸体超压或压力不回零，我个人认为可能是推进液油系统设计存在问题造成的，应由厂家设计人员再次诊断调试；

（2）疏通管道时发现煤浆中存在大量铁丝片（估计是煤种带入），此铁丝片混入煤浆中极有可能造成隔膜破损，我们考虑应从源头——原料煤种清除铁丝等金属物（如在原料煤输送皮带上多增加除铁器等措施）；

（3）对低压煤浆泵存在的诸多问题我个人认为应从设计、安装、调试等多方面考虑解决，也可咨询其他运行厂家。

二、703气化系统

1、煤浆管线和锁斗泄压管线振动较大，存在安全隐患，为此，公司领导已组织技术部、机修车间和气化车间等部门多次进行加固，现在煤浆管线的振动已基本得以解决，但还有轻微振动；锁斗泄压管线的振动虽然已加固多次，但是在锁斗泄压过程中还存在较大振动和声响，此项工作正在处理中；

2、烧嘴冷却水系统冷却水流量计FT1320指示不准，一致未得到有效解决和联锁投用，原因是仪表认为此表负压侧一直处于负压，水未充满取压管，造成流量计无法正确显示，此前，虽已改造过管路，但未得到有效解决，还需要仪表专业人员继续努力解决；

3、三台气化炉炉壁超温，其中A炉在升温过程中锥体托盘温度高，B气化炉在运行中拱顶温度较高，最高370℃，C炉运行中炉壁温度停车时高达520℃以上，究其原因，除C炉是由于测温热偶处窜气超温较严重外，其余问题不大，停车后我公司立即组织十三化建和炉砖厂家共同研究解决方案，采取局部修补炉砖的措施将问题得以解决，目前A、B炉运行正常，C炉炉砖修补后还未试运行；

4、三台锁斗循环泵在运行中机封损坏频繁，究其原因，我个人认为（1）烧嘴雾化不好，水中飞灰较多，造成入锁斗循环泵介质中的固含量较多，对机封磨损严重；

（2）机泵密封水投用不正常，密封水管路未保温，冬天易冻，致使密封水未加进去或加量不足，磨损机封；

（3）设备维护不到位，润滑油中混入灰水，润滑效果不好，温度过高；

（4）锁斗隔离检修后，投用充压不当，再次损坏机封； 对此，我们及时分析原因，改进投用锁斗方法，加强巡检和设备的维护，确保密封水加量和润滑油正常；

5、运行、停车中发现锁斗程控阀KV1312、KV1314、KV1315阀杆都有断裂现象，分析原因（1）冬天管路结冰，阀门动作时扭矩过大，造成阀杆断裂；（2）阀门设计时，材质和承受扭矩偏小，实际运行中造成阀杆断裂；为了维持系统运行，机修及时加工阀杆保证系统运行，仪表专业负责解决；

6、试车初期捞渣机频繁出现卡链、过负荷跳车的现象，为了维护运行，我们给捞渣机链轮处加装冲洗水以防卡链，加装刮板解决由于刮板少，渣拉不及造成捞渣机过负荷跳车的问题，并且在排渣阀KV1310后改装临时排渣管线，以防捞渣机出现问题时，及时投用临时管线，不会造成气化炉不排渣停车的问题，此项改造很成功，也很有必要，在捞渣机多次跳车和故障时，及时投用，多次有效地避免了气化炉无法排渣而被迫停车的问题；

7、运行中，由于KV1310底部软连接损坏频繁，造成大量的灰渣泄漏至地面，严重影响了现场环境卫生，而且，KV1310打开排渣时，从软连接破损处大量的灰渣、黑水泄漏，喷至机泵和电源控制箱上，造成较大的安全隐患，为此，检修班同志积极主动的给软连接内部加装短节，成功的解决了软连接处漏水漏渣的问题；

三、704灰水处理系统： 1、704灰水处理系统在运行10多天以后频繁出现高压闪蒸罐C1401、C1402内部黑水进口防冲板运行中被磨穿或脱落，之后将闪蒸罐筒体磨穿，以及LV1401、LV1414阀体磨穿等现象，分析其原因（1）黑水排放量大，气化来黑水中固含量超标，造成黑水进入高闪罐时流速大、冲刷、磨蚀严重；（2）材质选型有待于进一步提高；此项考虑应从源头气化优化工况治理和材质选型入手解决；

2、除氧水槽V1402超压、带水，补水不及，闪蒸效果差，分析原因有（1）气化炉用水和排水量较大，造成V1402补水不及；（2）系统水质差，闪蒸效果差，水中悬浮物易沉积，造成管道、阀门、V1402进水环管分布孔结垢、堵塞严重。为此我们对V1402进水环管分布孔、阀门、管道和机泵的结垢都进行了清理；

3、低压灰水循环泵P1406和过滤机真空泵P1411叶轮结垢严重，究其原因（1）灰水中钙镁离子超标，灰水分散剂和絮凝剂加药没有控制好；（2）灰水分散剂和絮凝剂药剂选型和搭配不合理，致使水处理效果差；为此，我们重点保证药剂的添加量和操作，并请专业水处理厂家前来指导调试；

4、系统运行中除氧水泵P1401烧坏推力瓦5次。事故均是由于泵的入口滤网压差高报警，现场切换备用滤网时，出现机泵的压力、电流突然下降，泵非驱动端推力轴承温度迅速上升，轴瓦被烧坏的事故。其原因(1)机泵的密封水压力不够，导致机封上的附着物过多，没有及时冲洗干净，造成泵的轴向窜动，从而造成泵的推力瓦块烧坏；(2)泵的油系统进水，润滑不好；为此，我们必须保证密封水的压力，保证足够密封水量，对油冷器漏水至油系统中的油冷器进行隔离更换，并密切注意巡检和稳定系统操作。

四、431沉渣池系统

沉渣池渣浆泵P1501损坏严重，两个泵机封均损坏，入口阀门破损，估计系统排放水中腐蚀严重，温度变化幅度较大，造成阀门和泵机封的损坏；

五、火炬系统：

1、由于火炬水封罐设计偏小，液封不住放空气，致使水封罐中的大量液体被放空火炬气带走，造成水封罐低液位，气体短路现象。

2、火炬系统最后一道分液罐底部冷凝液泵入口管线开口太低，在分液罐最底部，所以极易造成泵入口管道堵塞。

解构“透明车间” 篇6

刚把车拐进车道，王伟就看到前面的液晶显示屏上滚出了一行字：“欢迎沪XNDOS车主光临本店！”他心里纳闷，自己之前并没有预约，店家是如何知道的？在欢迎词滚动到最左侧时，王伟看到一个高清摄像头，原来是它自动识别了车牌号码。车往里开，已经有穿制服的工作人员站在前面，用手势引导他将车停在4号工位。泊好车，一位着深色套装的帅小伙替王伟打开了车门。后来王伟才知道，摄像头在自动识别了车牌后，几乎在同一时间在后台系统里用手机短信通知了相应的服务顾问来做接待。

用了最多3分钟的时间，王伟做好了进场登记，并把车的一些主要问题情况向服务顾问做了介绍，随后被引进了右侧的建筑内。一楼的展厅里，已经有顾客在了解新款“揽胜”的具体性能，而王伟心里嘀咕的是自己的“发现3”会不会被工人“暴力拆卸”，因为现在人车分离了。按照店家的要求，不允许非工作人员进入维修车间，所以王伟并不能看到车间里的具体情况。

客户看板

心里一边嘀咕着，一边被领到了二楼的VIP接待厅。坐定之后，王伟啜饮着手中的饮料，掩饰着内心的担心。他发现前面靠墙的一侧放着两台高清液晶显示器，右侧屏的上方写着“维修进度”，下面是一组列表，表头是：“车牌号”、“状态”、“预计完成”。自己的车牌号排在第二列，状态是“正在维修”，预计完成是“16：00”。刚好走过来的帅小伙告诉王伟：“这是车间里所有车辆的维修进度情况，每15秒刷新一次。‘正在维修’是说您的车已经进入检查维修状态，并预计会在下午四点钟完成。”王伟抬手看了看表，还有两个小时。

右侧的屏上，六个视频监控窗口排成两行，上面一行的第二个窗口的下方写着“沪XNDOS”和“工位A04”。“这是我的车。”王伟向前倾了倾身子，想看清究竟。帅小伙见此，拿起显示器旁边的遥控器摁了几下，六个小窗口变成只显示王伟车的一个大窗口。“这是在4号工位上，对您的车的维修实时监控，您可以在这里坐着监督我们的工作。”旁边的小伙解释道。王伟看到，车的前盖已经被打开，车头的车身盖上了皮革质地的防护罩，以免维修时刮蹭了车身，两名维修人员正在用仪器进行测量检修。

王伟放下杯子，把身体往前挪了挪，目不转睛地盯着监控窗口。两个工人的动作干净利落，绝不拖泥带水，操作步骤也是有条不紊，维修工具原处拿原处放，绝不随意放置。在检查完一个部件后，还会用随手的毛巾擦拭下。王伟足足盯了十多分钟，才把身子挪到沙发深处，靠在椅背上给女友发了条短信：“下班后去接你。明天按‘计划’进行。”

发完短信后，王伟四下看了一圈儿。大厅的一角放置着几台苹果电脑，有人正在玩游戏，从游戏的声音判断，玩得应该是魔兽，“这应该是上网娱乐区了，”王伟心里想，“对面应该是儿童区。”因为王伟看到那里有花花绿绿的小椅子和一架滑梯。又瞟了几眼监控窗口，王伟觉得有点无聊，站起身走到监控屏旁边的电视机前，里面正在放映《碟中谍4》。作为一名追随美国大片的“狂热份子”，王伟坐在电视机前不再动身了。在看到一条裤子救了老帅哥汤姆.克鲁斯的命后，电视屏幕下方滚出一行字：“沪XNDOS车主，您的车已经修理完毕，请与工作人员联系取车。”电影没看完，王伟有点扫兴，但庆幸的是车在预定时间内已经修好了。

王伟在接待厅里看到的两台显示器，在店家内部称为“客户看板”，“通过这块“看板”，能让客户看到一个‘透明车间’，看到整个的修车过程。”捷豹路虎旗舰店的史经理说。还可以让车主事先知道维修等待时间，如果时间比较短，客户可以在这里休闲娱乐；如果时间长一点，可以出去逛逛街或办点事情；时间再长的话，我们可以告诉客户具体哪天再来取车。

“透明车间”实际上是捷豹路虎4S店新实施的一套系统，王伟所看到的不过是这套系统里的一块“看板”而已。实际上，“透明车间”并不只有这一块对外的“客户看板”，在内部还有另外两块。

服务看板

服务顾问手里有一台“服务看板”，当摄像头自动识别了车牌后，看板上会显示出有车要进场。如果是事先预约的，服务看板上会显示出车主的姓名、联系方式，以及车辆的维修保养历史信息。除此之外，还能显示出哪个工位是空闲的，哪个已经泊车了，从而让接待人员引导车辆泊车。

在以往，当车开进来后，接待人员都是通过手持对讲机与后面的人通话，得到确认后才把客户领进去。“这种呼来喊去的方式，让客户体验起来感觉非常不好。”史经理说。而有了看板安排之后，让接待服务更加有计划性，“我们可以看到每一个工位、每一个班组维修的状态，是正在修（还剩多长时间修完，下一个空闲时间是什么时候），是刚修完（刚修完多长时间），还是正在待工（等待了多长时间），这样就提高了车间的维修效率，也提升了接待服务质量。”史经理说。

4S店不是维修工厂，维修空间、工人数量都是有限的，所以在设置工位和聘请工人时都是精打细算：尽量最大化地利用空间，尽量请一些技术多面的工人——虽然工资会高一些，但大多以一顶三。以前的粗放式服务管理中，优秀的资源有时总被无故占用：有的修好的车一直占用着车位，而客户总是不来取，这就无法再来接待别的需要服务的车了——总不能让维修工位“变”成“私人停车场”；“有的技工忙得要死，有的则是闲得要死”。

而通过透明车间系统，可以分析每台举升机的利用率、每个工位的空闲率、以及工人的维修效率如何，然后再把分析结果通过服务看板让服务顾问看到，并据此合理调用各种资源，从而达到资源的最佳利用率。

维修看板

“透明车间”里的第三块板就是“维修看板”。“如果按照前后来排列的话，‘客户看板’在最前面，面向客户；‘服务看板’排在第二位，面向服务顾问，而最后面的‘维修看板’面向的则是车间里的维修人员。”维修车间负责人陈经理说。

三块板不仅有前后顺序关系，更有“大小”之分，是信息量的大小。客户看板展示的是客户最关心的维修时间和状态，服务看板里是较多的工位、设备、技工等资源的信息，而维修看板上的是最多的。前面每一块的信息输出，都有赖于后面一块板的信息输入。

车间离不开技工，在“透明车间”系统里也不例外。

透明车间里，对工位、设备、班组都有跟踪管理。工位、设备的管理，相对要简单一些，无非就是空闲、使用中、占用时间多长等维度，而对班组的管理要复杂些。

术业有专攻，每个技工虽然都是多面手，但不能指望每人都是万能手。每个工人擅长的技能是不一样的，有发动机修得好的，有汽车电子电路修得好的，有钣金喷漆做得好的。在透明车间系统里，定义了每个工人的技能评分。比如：工人A的电路维修能力是80分，钣喷是100分。这样的话，在安排工时的时候，A可能需要30分钟，B可能需要60分钟，系统里会自动地来计算出完成一个工作项目究竟需要多长时间。

当客户要求1小时或2小时之内完成后，车间主任根据系统里每人的评分来做具体的安排：需要哪个工种的人来做，具体需要谁来完成——这些都是系统在后台根据车况问题及时间要求，自动计算出来的。对于一些复杂的情况，车间主任还可以进行可视化的计算。

这套评分体系既要考核时间，也考核完成质量。在保证质量的基础上，符合操作流程和规范，要求技工按质（量）、按（数）量、按时（间）完成。通常，每个技工的分数是由服务经理和技术经理共同给出的。

当王伟的车进入工位后，车间主任根据服务顾问记录的车况，分析出究竟需要进行什么样的检查操作，比如气流控制监测。然后在维修看板里查看气流监测的技工情况，有谁在休假、有谁正在维修、有谁正在等待；在调出技工评分明细后，根据客户的时间要求及车况问题的严重程度，把维修项目安排到具体的责任人。系统会把这条“工单（需要在哪个工位，进行什么监测）”用短信通知到技工，技工按下工位触摸屏上的“开始”，就算开工了。中途，如果有吃饭休息、取配件等情况，还可以按“暂停/中断”，告知接待厅里的客户，车辆的维修状态。当按了“完成”后，可以通过手机短信、电视滚动字幕以及语音播报来通知客户。

“由于系统已经把工时安排都自动化了，让我们的维修量从以前的每天50台，可以提升到每天70台，维修效率提升了40%左右。并且，可以让维修记录精确到人、工位、时间点、设备。”陈经理指着面前的维修看板说到。

车间问题 篇7

为了提高PSO算法中粒子的随机性和PSO算法的全局搜索性能,sun于2004年提出了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)[1,2],以DELTA势阱为基础,从量子力学的角度出发,赋予粒子量子行为,使其在量子空间中搜索。在量子空间中,由于量子状态的叠加、相干和纠缠特性,粒子可能出现在搜索空间的任何位置。而在PSO算法中,绝大多数粒子的搜索空间被限制在搜索空间的某个范围内,可能存在搜索“禁”区[1],因而QPSO算法的全局搜索性能远远优于PSO算法,并且QPSO的全局收敛性已经得到了证明[3]。

1 量子粒子群算法

1.1 量子粒子群优化算法数学描述

QPSO算法通过波函数ψ(x,t)来描述粒子的状态,并通过求解薛定愕方程得到粒子在空间某一点出现的概率密度函数,再通过Monte Carlo随机模拟得到粒子的位置方程为:

undefined

Pid(t)=ϕPid(t)+[1-ϕ]Pgd(t) . (2)

xid(t+1)=pid(t)±α(t)|Cd(t)-xid(t)|×ln[1/u] . (3)

式中:N—种群中粒子数目;D—粒子的维数;u和ϕ—在[0,1]区间上均匀分布的随机数;Pid(t)—局部吸引点;Cd(t)—种群中所有粒子的平均最好位置点。和标准PSO算法一样,Pi和Pg为粒子i所经历的最好位置和种群中所有粒子所经历的最好位置;α(t)为收缩扩张系数,是QPSO算法的唯一的控制参数。

1.2 基于量子粒子群算法的粒子编码方式

编码问题是设计算法的首要的关键问题。粒子编码方式仍采用基于工序的编码方法,对于n个工件m台机床的Job-shop调度问题,分别用自然数1,2,…,n表示每个不同的工件,由于每个工件有m道工序,这样就总共有n×m道工序。采用基于工序的表达方法进行编码[4],即用一个长度为n×m的粒子代表一种排序方案,粒子中的每一个元素对应的是工件标号, 然后根据工件标号在序列中出现的顺序确定该工件的工序。

1.3 基于量子粒子群算法目标函数及适应值的计算

结合各工件的工艺约束和各工序完成时间约束,仍将各个粒子的最大完成时间作为适应度值, 最大完成时间的具体计算过程如下[4,5]:

(1)将所有工件所对应的第一道工序的开始加工时间初始化为零。

(2)为每台机器设定一个加工链表,用于表示该机器上加工的工件及顺序。

(3)执行调度方案中的第一个加工操作,将该操作加入到所对应的加工机器的加工链表中,记录该工件第一道工序的开始加工时间和加工结束时间,并将该工件下一道工序的理论开始加工时间设置为该工件第一道工序的加工结束时间。

(4)顺序执行调度方案中的其他加工操作,将这些加工操作依次加入到该操作所对应的加工机器的加工链表中。

(5)执行完毕调度方案中的所有加工操作后,比较所有工件最后一道工序的加工结束时间,取最大值,即为当前调度方案的最大完工时间。记录所有机器的加工链表,即为当前调度方案的实际调度结果。

1.4 量子粒子群算法参数的选择

在QPSO算法中,除了群体大小、问题维数与迭代次数外的唯一控制参数为式(3-5)中的压缩-扩张因子α,它在算法中起到的作用是能够调节算法的收敛过程。尽管算法只有一个控制参数,但是尚未对其进行过系统的研究。在文献[8]中,通过仿真结果得知QPSO算法的压缩-扩张因子必须满足α<1.781才能保证粒子的收敛,否则算法将肯定不能保证收敛。在这样的前提条件下,如何选择α的取值及取值方式已成为一个重要的研究课题。文献[3]提出了α的三种控制策略:固定取值策略,线性减小取值策略及非线性减小取值策略。结合标准测试函数的仿真结果得出:固定取值策略的鲁棒性较差;采用控制参数线性减小的取值方式并且线性减小的取值范围在[0.8,0.6]和[1.0,0.5]时能够对绝大多数的函数取得较好的优化结果;而非线性减小的取值策略也能够取得一些较好的结果。

本文采用α线性减小的取值方式,计算公式如下:

α(t)=(α0-α1)(tmax-t)/tmax+α1 . (4)

式中,α1<α0,α0和α1分别是控制参数α的初始值和终止值。

1.5 量子粒子群算法位置的初始化

对于粒子的初始位置,本文将xid任意随机数,即:

xid=rand( ) . (5)

式中rand( )是随机产生的任意实数。

1.6 量子粒子群算法位置的更新

对于n个工件m台机床的Job-shop调度问题,位置矢量应该是一个n×m维实向量,分别根据式(1)、(2)和式(3)进行平均最好位置点Cd(t)、局部吸引点pid(t)和位置矢量的更新。在位置迭代过程中,‘±’是由(0,1)之间产生的随机数决定的,当产生的随机数大于0.5时取‘-’,其余取‘+’,并且表示粒子的二维向量的第一维向量保持不变,待粒子位置更新之后对粒子位置矢量进行从小到大的排序,进而生成待加工的工序序列,然后解码生成调度方案。

1.7 量子粒子群算法流程

Step1:初始化α0、α1、tmax,并且设当前进化代数t=0。

Step2:设定种群数N,随机初始化各粒子的位置矢量。

Step3:将各粒子位置矢量映射为工序序列,计算各个调度方案的最大完成时间,从而对各个调度方案的性能指标进行评价。

Step4:令undefined。

Step5:根据式(1)计算粒子的平均最优位置C(t)。

Step6:判断t是否等于tmax,如果t=tmax,则输出Pg(t),并由Pg(t)得到最优调度方案;否则,执行Step6。

Step7:对种群中所有粒子进行如下操作[6,7]:

① 按式(4)更新压缩-扩张因子α(t),按式(2)更新粒子局部吸引点位置Pi(t),然后按式(3)更新粒子位置Xi(t),并将粒子位置矢量映射为新的工序序列。

② 计算粒子的最大完成时间。

③ 若粒子的最大完成时间小于Pi(t)对应的最大完成时间,则Pi(t)=Xi(t);若粒子的最大完成时间小于Pg(t)对应的最大完成时间,Pg(t)=Xi(t)。

Step8:令t=t+1,转Step6。

2 典型算例仿真结果

2.1 FT06问题的寻优结果

FT06(6×6)标准测试问题每个工件的加工路线与每道工序对应的加工时间见表1。

FT06算例的第一行数据表示工件1先在机器3上加工1s,然后在机器l上加工3s,然后在机器2上加工6s,依次类推,最后在机器5上加工6s。

2.2 FT06问题的仿真结果

取种群数目N=20,最大迭代次数tmax=100,分别采用PSO算法和QPSO算法连续运行20次所得到的结果如表2所示。

从表2可以看出,采用PSO和QPSO算法找到的最优调度的最大完工时间为55s。而FT06Job-shop调度问题在参考文献[4]中用基于位置矢量更新的粒子群算法调度后,最大完工时间为55s ,用基于遗传算法的粒子群算法调度后,最大完工时间也为55s,说明PSO和QPSO算法在求解FT06Job-shop调度问题上取得了较好的效果。

考虑到优化算法的收敛效果也是评价该算法优化性能的重要指标,由于两种算法在求解FT06Job-shop调度问题时都取得了较好的效果,这里就给出了两种算法求解FT06Job-shop调度问题时的各代种群最优调度结果的收敛效果图。PSO和QPSO每一代的最小值收敛效果如图1所示,PSO和QPSO每一代的平均值收敛效果如图2所示。

由图1和图2可以看出,对于FT06车间调度问题,QPSO算法在求解FT06Job-shop调度问题时的效果明显好于PSO算法。

2.3 仿真结果分析

由于在经典PSO算法中粒子的收敛是以轨道的形式实现的,并且由于粒子的速度总是有限的,因此在搜索过程中粒子的搜索空间是一个有限的区域,不能覆盖整个可行空间。QPSO算法,量子系统的粒子在测量之前没有既定的规程,而已一定的概率分布出现在任何位置,从而可以达到全局搜索。从动力学的角度看,QPSO算法中粒子的收敛过程是以局部吸引点p为吸引子,随着速度的减小不断地接近p点,最后跌落到p点[9,10]。因此在整个过程中,在p点处实际上存在某种形式的吸引势能场吸引着粒子。这正是整个粒子群能保持聚集性的原因。而且,QPSO算法的控制参数较PSO算法更少,因此QPSO算法相对于PSO算法而言,可以避免算法陷入局部极值从而具有更好的全局收敛性能。因此,在FT06算例仿真结果中,QPSO的寻优能力均优于PSO算法。

3 结论

本文通过典型车间调度问题算例验证了粒子群算法和量子粒子群算法解决车间调度问题的有效性及优越性,通过车间调度问题FT06算例的仿真结果证明QPSO算法的寻优能力优于PSO算法。

参考文献

[1]Sun J,Feng B,Xu W B.Particle Swarm Optimization withParticles Having Quantum Behavior[C].Proceedings ofIEEE Congress on Evolutionary Computation,2004:325-331.

[2]Sun J,Xu W,Feng B.A Global Search Strategy of Quan-tum-behaved Particle Swarm Optimization[C].Proceed-ings of IEEE Conference on Cybernetics and IntelligentSystems,2004:111-116.

[3]方伟,孙俊,谢振平,等.量子粒子群优化算法的收敛性分析及控制参数研究[J].物理学报,2010,59(6):3686-3693.

[4]颜亮,姚锡凡,胡俊,等.用于车间作业调度的粒子群优化算法[J].管理技术,2009(6):115-119.

[5]李小华,熊禾根.基于粒子群算法的车间调度问题[J].信息技术,2009(7):19-21.

[6]Shi Y H,Eberhart R C.Empirical Study of Particle SwarmOptimization[C].Proceedings of 1999 Congress on Evolu-tionary Computation,Washington D C:IEEE,1999:1945-1949.

[7]EFGallad A,EFHawary M,Sallam A,et al.Enhancing theParticle Swarm Optimizer Via Proper Parameters Selection[C].Proceedings of the 2002 IEEE Canadian Conferenceon Electrical&Computer Engineering,Winnipeg:IEEE,2002:792-797.

[8]Sun J,Xu W B,Feng B.Man and Cybernetics[C].IEEEInternational Conference on Systems,Hawaii:IEEE,2005:3049-3049.

[9]范路桥,常会友,朱旭东.一种改进的作业车间调度算法及其实现[J].计算机集成制造系统,2005,11(5):673-677.

车间问题 篇8

关键词：负荷控制,任务投放,任务选择,瓶颈资源

1 引言

模具生产属于面向资源的工程订货型单件生产,客户订单以项目的形式驱动车间运作,模具项目的生产特点使其制造过程具有非常强的随机性和经验依赖性,这些特点主要包括:1)模具项目随机下达到车间;2)车间同时有多个项目在制,并且共享加工资源;3)模具项目的工艺路线各不相同,工序所需资源及其能力需求具有不确定性。这使得模具车间生产难以得到有效控制,经常造成交货期延误等系列问题。

为了有效地缩短模具制造周期和保证模具按时交货,关键之一是要提高模具车间生产的可计划性,即保证车间在正确的时间进行正确的生产。首先必须将正确的任务投入到车间,其次必须保证各个车间负荷的均衡性,其实质就是要有效地控制车间的生产负荷。文献[1]最早进行了这方面的研究,提出了负荷控制(Work-Load Control)理论。负荷控制理论是一种针对于订货型企业的生产计划与控制方法,适用于模具企业领域。目前,随着学术界对任务等周期投放问题研究的不断深入,任务投放控制问题在负荷控制理论中所起的作用已经被大多数学者认可。其中文献[2]总结了当今负荷控制理论发展的成果,着重阐述了兰卡斯特大学提出的负荷控制理论方法及其发展方向;文献[4]~[6]说明了负荷控制能够使订货型企业车间生产平稳有序进行,并且减轻订单到达不确定性对车间生产的影响;[7]则针对单机投放问题,给出了关于在制品量(WIP)、设备产能和输出量之间的关系数学公式,[8]则通过仿真实验验证了该公式针对单个生产单元具有一定的合理性,并且指出对于多个生产单元该数学公式并不适用。

对国内外相关研究情况的初步调研表明,在等周期任务投放方式下,文献[9]针对具有两道工序的柔性同序加工车间任务投放上限值确定问题,提出了一种在等周期条件下通过仿真求解任务投放量上限值的方法,而关于确定模具车间任务负荷投放的任务挑选问题,还没有学者进行深入的研究。本文将围绕这个问题进行展开,通过理论方法研究和系统仿真实验确定任务投放的上界范围。

2 问题描述

在等周期部件投放时刻,考虑前面建立的车间综合负荷计算方法和车间任务投放上界定界方法,模具车间投放选择决策包括以下两个决策目标:目标一,保证每个投放周期内车间加工中心的负荷平衡,确保车间加工中心能够充分被利用;目标二,确保任务池中部件能够尽可能及时地投放到车间进行加工,从而保证部件的交货期。然而,如果只考虑车间加工中心的负荷,那么某些任务可能无法及时地投放,从而产生拖期;反之,如果只考虑部件的交货期,又会影响到车间各加工中心的负荷平衡。因此,在部件投放时需要同时考虑这两个方面,并且在这两个目标之间进行协调,本文采用0-1整数规划模型挑选部件来平衡加工车间的负荷,使得两个目标都有保证。下面将描述部件投放过程模型的假设与参数定义。

假定含n个工艺阶段模具车间前有个虚拟的任务池(job pool),任务在这里等待投放到车间。假定该车间的瓶颈资源所在工艺阶段i缀I2={1,…,n}中包含ni个非同等工作中心,其中每个工作中心j缀I3={1,…,ni}又包含nj台平行加工机器,并且假定与该车间相对应的所有部件来自ns个部件。其它参数说明如下:

每个投放周期TRJ其投放时刻记为tnow;

RWLUjBR为瓶颈资源i中第j个工作中心的负荷上限值;

WLj为从任务池中投放到瓶颈资源i中第j个工作中心的部件所产生的实际投放负荷;

SWLjBR为瓶颈资源i中第j个工作中心在当前投放时刻的库存负荷;

RWLjBR为瓶颈资源中第j个工作中心的投放负荷,其值为WLj+SWjBR;

DS为部件S的交货期;

LRDS为部件S最晚投放时间;

LDS表示每个部件的松弛时间,即当前投放时刻与部件最晚投放时间的差值,取整数;

Ψ1表示满足部件交货期的相对权重;

Ψ2表示满足工作中心负荷平衡的相对权重;

模具企业车间部件投放选择整数规划模型:

其中,目标函数(1)由两部分构成,第一项代表了加工中心负荷平衡的目标,希望各加工中心的加载负荷越接近其负荷限额越好;第二项代表了部件的交货期目标,该函数分母采用了分段函数,对于第二项,为了实现部件的交货期,采用尽量早开工的原则,因此,当tnow-LRDS≤0时,分母取0.1×0.95LRDS-tnow,反之,分母则取tnow-LRDS,这样最早投放时间距离当前时刻越近的部件,其投放越有利于优化目标函数,并且在tnow-LRDS≤0情况下,任务池部件已经错过了计划投放时间,其函数值迅速减小,这样越有可能被投放。

约束条件(2)中(1)~(ni)表示瓶颈资源所在各工作中心的加载负荷不能超过其负荷限额,工作中心加载负荷WLj,由部件投放时刻工作中心的库存负荷(包括直接负荷和间接负荷)以及所有要经过本工作中心的任务所产生的投放负荷所构成。

对于被决策者强制投放的部件,如紧急部件,可以预先将其对应的决策变量YS设置为1,此种情况下,这些被强制投放的部件将不会参与优化求解,它们产生的负荷相当于增加了工作中心的库存负荷。

3 任务选择启发式算法

根据前面的分析,本文提出一种启发式投放控制方法,投放步骤如下。

第一步,通过第二章提出的方法确定每个周期投放时刻的车间瓶颈资源,并计算出车间负荷上限值。

第二步,根据各类部件在车间的平均等待时间计算出任务池中各个部件的最晚计划投放时间LRDS。

第三步,将任务池中的投放部件按照最晚计划投放时间LRDS升序排序,并作为待选部件。对于某些需要强制投放的部件其相应决策变量YS设置为1,将用本文上述中建立的0-1整数规划模型求解得出部件集合Jnow。

在上述整数规划模型求解过程中,可能的解的数量为2ns。当任务池中部件数量增大时求解速度会明显变慢,而过长的计算时间在实际生产中是无法被接受的,考虑到这一点,本文将任务池中分成四类部件:紧急、重要、普通和剩余部件,依次对这四类部件运行整数规划求解模型,这样一方面使参与一次运算的部件数量大大减少,从而降低运算的时间代价,另一方面由于同类部件其投放优先级比较相近,而不同类部件之间则差异较大,依次对这四类部件池进行挑选,可以一定程度地协调平衡负荷和满足交货期这两个订单投放控制目标。

第四步,部件集合Jnow投放完毕后,本次部件投放过程结束。

4 仿真验证

为验证上述瓶颈资源辨识方法的合理性,笔者将该投放模型建立在仿真系统平台之上,利用所建立模型进行大量仿真加以验证。主要工具为:EM-Plant仿真软件。硬件环境为:双核CPU2.0GHz,2G内存。

4.1 仿真模型描述

对某模具企业调研,该企业其中一模具车间有5个工艺阶段,每个工艺阶段含有多个工作中心,各工作中心含多台加工设备。车间生产的部件可分为7类,每类部件含有1个关键零件和多个非关键零件;零件的加工路线已知,各工艺阶段对工作中心的资源需求和概率为已知,仿真模型如图1所示。

设备占有性:在任意时刻,每台设备最多只能加工一个任务;

任务加工过程不可中断:一旦某个任务在某台设备上开始加工,则在该台设备上的加工过程不可中断,直到这一任务在该台设备上的工序完成加工为止;

设备服务准则:针对已投放的部件,车间设备都遵循先到先服务(FCFS)的加工准则;

投放机制:采用等周期投放,周期值为7天。

4.2 仿真案例设计

方案一:直接投放。

部件到达后直接进入车间进行生产,即不含有任务投放控制的情况。

方案二:本文所提出的启发式任务投放控制方法。

部件到达之后进入任务池等待投放,在每个投放周期初期投放部件时,将任务池中的所有部件作为待选部件,用0-1整数规划模型求解部件投放方案。

本文将通过更改部件的交货期(交货期服从均匀分布)及部件的到达率,采用上述两种方案实验进行仿真实验,观察上述所提出的启发式任务投放控制方法可行性及适用性。

4.3 性能指标设计

仿真实验的性能指标包括:

(1)任务平均流水时间:任务在车间的流水时间的平均值;

(2)任务平均生产提前期:任务在车间的流水时间加上在任务池中等待时间的平均值;

(3)任务平均履约率:履约任务除以到期任务加未到期已完成任务的和的商;

(4)设备平均资源利用率:设备运行时间与总时间的比值。

4.4 仿真结果分析

通过大量的仿真实验,每次仿真实验进行了220个投放周期(1周期=7天)的仿真。根据仿真实验的结果记录到表1中。实验结果显示:(1)在同等条件下,方案二相比于方案一,有着很大程度上的优越性;(2)方案二采用的本文任务挑选方法,在任务到达率一定的情况下,适用于不同部件交货期的车间;(3)当任务的到达率比较低的时候,由于车间的任务量不是很大,即车间不存在瓶颈资源,此时采用直接投放更为合适,当到达率达到一定程度时,车间存在瓶颈资源时,此时采用方案二更为合适。

仿真实验结果表明,针对于存在瓶颈资源的模具车间,本文提出的采用0-1整数规划模型挑选任务的启发式算法,相比于直接投放具有很好的优越性和合理性,并且对于不同的部件交货期、不同的部件到达率具有良好的适用性。

5 结束语

针对模具车间任务投放选择问题,本文提出了一种在等周期条件下基于车间瓶颈资源所确定任务投放上界,采用0-1整数规划模型挑选任务的启发式算法,并通过仿真实验验证了该方法的合理性,同时指出了当模具车间存在瓶颈资源时,对于不同的部件交货期、不同的部件到达率具有良好的适用性。

参考文献

[1]Wight,O..Input/output control:A real life handle onlead time[J].Production and Inventory Management,1970(11):9-30.

[2]Mark S,Linda C,Hendry.Aggregate load-orientedworkload control:A review and a reclassification of a keyapproach[J].Int.J.Production Economics,2006(104):676-693.

[3]Bertrand J W M,Van Ooijen.Workload based order re-lease and productivity:A missing link[J].ProductionPlanning and Control,2002,13(7):665-678.

[4]Pogers P,Nandi A.Judicious order acceptance and orderrelease in make-to-order manufacturing systems[J].Production Planning&Control,2007(18):610-625.

[5]Enns S T,Myriam Prongue Costa.Then effectiveness ofinput control based on aggregate versus bottleneck work-loads[J].Production Planning&Control,2002(13):349-351.

[6]Shimoyashiro Sadao,Tsoda Kenichi,Avane Hiroshi.In-put scheduling and load balance control for a job shop[J].International Journal of Production Research,1984,22(4):597-605.

[7]Karmarkar.Manufacturing lead times,order release and capacity loading[J].Logistics of Production and Inven-tory:Handbooks in OR&MS,4:287-329.

[8]Zapfel G,Missbauer H.Production planning and controlsystems including load-oriented order release-problems and research perspectives[J].International Journal of Production Economics,1993,30-31,107-122.

车间问题 篇9

1 机电一体化的主要技术

机电一体化是机械工程和电子学的综合, 是两个不同技术领域在复杂系统设计中的综合应用, 也是精密机械、电子控制和系统分析在产品设计和加工设计中的协调融合[2]。首先, 从前期设计上避免重复引进, 运用好专利技术的查询。其次, 对技术的研发方向要有预判, 对于可能淘汰的技术要坚决不引进、不投入。第三, 从设计选型、购置设备安装、效益评估等方面要满足企业生产情况, 在技术先进、安全环保等因素上做文章, 避免为新技术的转化付高额的后期维护费用, 更要有能消化和转化技术的水平。本文主要是对模块化的发展趋势和现场总线的实际应用进行阐述。

1.1 模块化趋势

机电产品的模块化技术能够很好地支持创新驱动发展战略, 支持客户参与产品开发设计和企业间的协同创新设计, 减少开发时间。模块化可以使产品大批量地生产, 进而降低配件成本, 减少零部件数量, 在实际工作中便于拆卸和维护更换, 大大降低了劳动强度和难度, 加快了维修速度, 提高了维修质量[3]。按照机电产品模块化的设计思路, 机电一体化技术现场可分为信号采集模块、控制模块、执行模块, 主要由采集模块把设备实时状态电磁信号由电磁传感器输入到控制模块 (PLC) 中, 再进行转换分析处理, 最后将执行命令下达的执行模块的机械部分进行具体操作, 大大提升了产品的适应性、扩展性、互联操作性, 具有很大的市场前景。目前, 产品模块化开发技术还缺乏系统化理论和可操作性, 预计到2020年, 将形成可使企业进行产品模块化开发的技术, 要引进消化吸收如德国Index和法国Huron公司的相关技术的模块开发经验, 为改造适应性, 需提高我国的自主研发能力。

1.2 现场总线控制技术

现场总线控制技术作为实现低成本、实时控制网络, 在生产现场和测量、控制设备之间能够实现双向通信多节点数字通信, 实现数据传输与交换, 形成适应各种需要的自动控制系统, 实现报警、显示、监控、优化及管控为一体的计算机技术。如PLC可编程控制器, 控制功能强, 可靠性高, 使用灵活方便, 易于扩展, 但抗电磁干扰差。

2 机电一体化使用收获

2.1 经济效益

在技术的选择上要考虑成本控制、现场的可操作性和现实生产力的转化等直接问题, 能真正做到降耗、降支、降低现场操作人员的劳动强度, 并能提高产品质量和解放生产力。在企业中引进的成熟技术应用主要有:压滤机气压控制和液压控制、干燥锅炉的温度报警、球磨机变频启动技术, 配件费用节支10%, 变频启动技术保护设备的平衡启动, 避免大电流对设备的冲击, 直接经济效益使设备电量同比节约8%;不产生过能损耗, 如干燥机工作温度控制在120~150℃之间;压滤机的气压控制和液压控制实现了自动下料, 没有跑、冒、滴、漏现象, 降低了工人的劳动强度。这些都是企业引进新技术的收获, 也体现了以人为本的企业文化。

2.2 安全效益

在煤矿企业生产中, 安全是最大的经济效益。利用机电一体化技术, 加强现场信号采集和及时处理、反馈到工业机上, 产生控制信号, 锁定故障设备, 触发安全警报, 提醒现场工作人员注意安全, 从而杜绝或减少不安全状态对生产的影响。必要的保护措施和自动化控制都能帮助企业很好地完成这一工作, 把企业事故损失降低, 打断发生“多米诺骨牌事故理论”, 把过程控制的准确性、及时性做好, 监控准确及时, 并且可靠性要高, 为生产现场的安全提供了一定的技术保障措施, 从而提高企业安全生产周期, 建成本质安全型企业。

3 机电一体化后期维护

目前, 虽然我国的设备管理体系还正在摸索实践基础上, 但在“安全可靠、经济合理”的方针下已形成了以吸取TPM的机制和做法, 并继承了我国原有的“以防为主”“三级保养”“三好四会”“润滑五定”等一系列经验的实际管理模式[4]。按照TPM要求和企业实际, 设备点检的管理方法已在国企内成功地实施, 并取得了很大的经济效益。点检的基本要素有8个, 即定地点、定人员、定周期、定方法、定标准、定表格、定记录、定业务流程, 也称“八定”, 主要围绕设备检查、润滑、维护、保养以及故障分析处理与检修工作, 目标是实现设备可靠性、可维护性, 经济性, 最终达到最佳化。

通过点检管理, 降低了企业的平均无故障工作时间和修理时间, 直接反映了企业的维护保养水平, 如现有机械水平、人员水平、维护力量等, 并加强对操作人员的考核及时到位, 保证了人员的工作积极性, 这些都保证了机电设备的可靠运行。

总之, 笔者在分析研究国有企业的机电一体化在生产现场的应用, 对企业下一步开发机电一体化提供了必要的技术支持。同时也需要企业加快掌握和消化, 实现可操作性、安全性和灵活性。

参考文献

[1]于明, 张红.机电一体化系统设计原理与应用[M].北京:机械工业出版社, 2010.

[2]钟约先, 林亨.机械系统计算机控制[M].北京:清华大学出版社, 2008.

[3]顾新建.机电产品模块化设计方法和案例[M].北京:机械工业出版社, 2013.

车间问题 篇10

置换流水线调度问题 (Permutation Flow-shop Scheduling Problem, PFSP) 作为生产调度问题中的经典子问题, 是一个著名的组合优化问题, 它所属的流水车间调度模型 (Flow-shop Scheduling Problem, FSP) 范畴是许多现实生产调度过程中的精简模型, 其已被证实为NP问题中最难解决的问题之一, 也是生产管理的主要内容。作为目前研究最多的一类典型调度问题, 对其进行研究具有重要的理论价值和实际意义。

针对生产调度相关问题, 近年来许多专家学者们提出用仿生智能算法解决, 刘长平等人先后运用萤火虫算法、遗传算法和布谷鸟算法解决流水线调度问题, 唐海波等人应用模拟植物生长算法, 张其亮等人将混合粒子群算法结合置换流水线调度特点予于解决。Yang Xin-she的文章受蝙蝠回声定位行为的启发, 提出一种新的启发式仿生智能蝙蝠算法, 该算法已经过20种经典函数测试验证其具有较好的优化效果。但由于除经典测试函数外的很多模型都是离散的, 本文在先前蝙蝠算法应用研究的基础上, 加入了惯性因子和搜索区域因子求解置换流水线调度问题, 并将结果同标准蝙蝠算法比较, 验证了本文改进的优势。

1 PFSP数学描述

置换流水线调度问题是经典的加工调度问题之一, 通常情况是n个工件在m台不同的机器上加工, 单个工件需要多项操作才能完成, 每个工件的完整加工顺序相同。同时, 假定每个工件在每台机器上只加工一次, 每台机器在某一时刻只能够加工一个零件, 每台机器上加工的各工件顺序相同。考虑目标为最小化最大完成时间的PFSP问题。假设ti, j表示工件i (i=1, 2, …, n) 在机器j (1, 2, …, m) 上的加工时间;C (I, j) 为工件i在机器j上的加工完成时间, 则有以下计算公式:

式 (5) 表示最大完成时间, 即Makespan。问题的目的是最小化Makespan, 即求得一个工件加工序列, 使得在这个加工序列下加工工件的总时间最小。一般地, 令工件号J={1, 2, 3, …, n}为一个加工序列, 问题的目标公式:

2 标准蝙蝠算法原理的数学描述和局限性

2.1 标准蝙蝠算法原理的数学描述

蝙蝠算法 (Bat Algorithm) 由剑桥大学学者Xin She-Yang于2010年提出的一种新型的模拟蝙蝠回声定位原理的启发式算法。蝙蝠算法基于以下规则:

(1) 蝙蝠运用回声定位感应距离, 感知猎物和障碍物的区别。

(2) 蝙蝠在位置Xi以速度Vi随机飞行, 以固定频率fmin (或λ) 、可变化波长λ和响度A0搜索猎物, 它们根据猎物与自己的距离不断调节发射出的脉冲波长 (或频率) , 并在靠近猎物时调整发出脉冲的频度r∈[0, 1]。

(3) 假设响度变化从最大值A0到最小值Amin。

基于以上规则, 蝙蝠算法的主要过程可以描述如下。

步骤一:参数初始化, 目标函数f (X) , X= (X1, …, Xd) T, 初始蝙蝠种群Xi (i=1, 2, …, n) 和Vi, 脉冲频率fi在Xi, 初始化脉冲速率ri和声音响度Ai。

步骤二:通过调整频率产生新的解并更改速度和位置。

步骤三:如果 (rand>ri) 从最佳解集中选择一个解, 在选择的最佳解附近搜索形成一个局部解。

步骤四:通过随意飞行产生一个新解。

步骤五:IF (rand<Ai&f (Xi) <f (X*) ) , 则接受这个新的解, 并增大ri减小Ai。

步骤六:排列目前蝙蝠并找到最佳解X*。步骤七:如未满足结束条件, 返回步骤二。步骤八:输出全局最优位置。

其中, 在步骤t时的速度Vit和位置Xit更新公式如下:

其中, β∈[0, 1], 是一个随机向量;X*是全部n只蝙蝠所对应的当前全局最好位置。在实际求解过程中, 可以根据问题的领域大小确定fi的取值, 比如使用fmin=0和fmax=100。开始时每只蝙蝠随机分派频率, 频率是从[fmin, fmax]中平均得出的。局部搜索时每只蝙蝠的更新公式如下:

其中, ε∈[-1, 1]是随机数, At=<Ait>, 是所有蝙蝠在这个步骤里的响度的平均值。可以看出蝙蝠的速度和位置更新公式同标准粒子群算法相似, 频率fi基本控制了蝙蝠的运动节奏和范围。可以说BA是由脉冲和响度控制, 以及集中了粒子群算法局部搜索的均衡的组合算法。另外随着步骤推移, 蝙蝠靠近猎物过程中响度降低, 脉冲频度提高, 可以假设Amin=0表示蝙蝠发现猎物后停止发出声音。脉冲的响度和发射率随过程不断更新, 更新公式如下:

在这里α和γ是恒量, α类似模拟退火算法中冷却过程表中的冷却因素。

对于任何0<α<1和γ>, 0的量当t→∞时都有:

初始化时, 每只蝙蝠所发出的响度和脉冲速率随机给出, 一般地, 定义初始的响度A0通常在[1, 2]之间, 初始的发射率ri0一般在0左右。在搜索过程中, 蝙蝠的响度和发射速率不断随过程更新, 从而逐渐飞向最优解。

2.2 局限性

局限一:基本蝙蝠算法的测试函数都是连续性优化问题, 但生产调度大多属于离散型优化。应改进蝙蝠算法使之可以处理离散型问题, 提高算法的可操作性和广泛适用性。

局限二:从优化原理可以看出, 蝙蝠算法之所以能够寻找最优, 主要依靠个体间的互相影响和作用。但标准蝙蝠算法的速度更新没有体现上一代蝙蝠对当前代速度的影响, 使得收敛速度大大降低甚至出现进化停滞, 种群丧失进一步进化的能力。应改进蝙蝠算法速度更新, 增强全局搜索能力。

局限三:标准蝙蝠算法对于蝙蝠的位置变动范围, 只体现在初始化时给出的一个固定的区间, 对于复杂的寻优问题, 这样的限制显得过于呆板, 易过早陷入局部最优。应改进算法使得搜索区域可以灵活收缩。

3 求解PFSP的改进蝙蝠算法

针对局限一的改进, 采用较为广泛的、可操作性较强的针对随机编码的基于工件升序排列的ROV (ranked order value) 编码操作, 实现从位置矢量到工件顺序的序列变化, 从而使连续性算法适合于求解离散型生产调度优化问题。通过rand () 随机产生每一代蝙蝠, 每一代中的每一维数值大小必然不同, 矢量[x1, x2, …, xn]T无法表示工件加工顺序, 根据ROV规则把矢量分量值的大小关系转变为顺序。将最小的分量赋予ROV值1, 倒数第二小的分量赋予ROV值2, 依次类推直到标完所有分量值。具体示例如表1所示。

针对局限二的改进, 加入自适应惯性权重。设惯性权重μ描述上一代速度对当前速度的影响, 控制其取值大小以调节BA算法的全局与局部寻优能力。本文采用自适应惯性权重, 实现了BA全局搜索和局部搜索之间的平衡能力。速度更新公式如下:

式中, μmin和μmax分别表示惯性系数的最小值和最大值, iter指当前迭代次数, nMax表示最大迭代次数。由式 (13) 可得出, 使用自适应惯性权重实现了算法初期有较大的惯性权重, 加强了全局搜索能力;而在后期算法惯性权重较小, 大大提高了局部挖掘能力。

针对局限三的改进, 为使算法在早期搜索范围广一些, 以免过早出现局部最优, 在后期搜索范围小一些, 以加快收敛速度, 采用以下公式来动态收缩搜索区域。

其中, [Xmin, j, Xmax, j]表示第j维变量的搜索范围, 收缩因子ρ采用下式进行计算, iter表示当前迭代次数。

ρ=1-1/ (1+exp (4-0.04×iter) ) (17)

4 算法测试

算法基于MATLAB2010a实现, 在处理器Itel (R) Core (TM) i7 3.4GHz, 内存为4GB的PC机环境下运行。设置的关键参数为:蝙蝠群大小50, 最大迭代次数nMax=300, 其他参数为当前算法在测试函数中的最理想参数。为检验算法是否有效, 选择Car1标准问题, 即机器数n=5, 工件数m=11的流水线问题进行测试。其中图1和图2分别表示用改进前后的蝙蝠算法循环计算20次的处理结果。

两张图对比结果显示, 虽然改进前后的算法都能在一定循环次数内找到最优解, 但改进后的算法大大提高了算法的收敛性, 很好地克服了基本蝙蝠算法易过早陷入局部最优的缺陷。为了进一步验证

图图22改改进进BBAA的的处处理理结结果果

改进后算法的广泛有效性, 选择Sun Kai等人文章中的其他Car问题和Wang Ling等人文章中的Rec问题作进一步测试, 对比结果如表2所示。其中C*表示问题的最优Makespan值, RE是算法所得结果相对于C*误差, BRE表示最优百分误差, ARE表示平均百分误差。

通过图1、图2和表2可以得出, 改进蝙蝠算法的优化性能明显高于标准蝙蝠算法, 其准确度通过表2也可以看出高于标准蝙蝠算法, 说明了本文的改进较好地提高了蝙蝠算法求解置换流水线车间调度问题的性能。

5 结束语

本文针对基本蝙蝠算法存在的只适用解决连续型问题、收敛效率低和易陷入局部最优的缺陷, 结合置换流水线调度问题的特征, 改进了蝙蝠算法, 并取得不错的效果。通过与标准蝙蝠算法进行比较, 验证了改进后在求解质量上的优越性。同时扩展了算法在其他离散型问题上的应用。但是, 由于种群的多样性, 个体的收敛速度较慢, 若要得到最优解, 需要更大的迭代次数和循环次数, 于是在执行时间上比其他算法长。接下来, 减小算法的执行时间以及探讨算法处理其他离散型问题, 例如旅行商问题等将是下一步要研究的内容。

参考文献

[1]Pinedo M.Scheduling:theory, algorithm and system[M].2nd ed.Englewood Cliffs, NJ:Prentice-Hall, 2002.

[2]Mosheiov G.Scheduling problems with a learning effect[J].Europe an Journal of Operational Research, 2001, 132 (3) :687-693.

[3]刘长平, 叶春明.一种新颖的仿生类群智能优化算法:萤火虫算法[J].计算机应用研究, 2011, 28 (9) :3295-3297.

[4]Yang Xin-she.A new metaheuristic bat-inspired algorithm[C].Nature Inspired Cooperative Strategies for Optimization.Berlin Herdelberg:Springer Berlin Herdelberg, 2010, 284:65-74.

[5]刘长平, 等.具有混沌搜索策略的蝙蝠优化算法及性能仿真[J].系统仿真学报, 2013, 25 (6) :1185-1186.

[6]李煜, 马良.新型全局优化蝙蝠算法[J].计算机科学, 2013, 40 (9) :226-229.

[7]李枝勇, 马良.蝙蝠算法在多目标多选择背包问题中的应用, 2013, 30 (10) :350-353.

[8]张其亮, 陈永生.一种新的混合粒子群算法求解置换流水线车间调度问题, 2012, 29 (10) :2028-2030.

[9]刘长平, 叶春明.求解置换流水车间调度的布谷鸟算法, 2013, 35 (1) :17-20.

[10]Nawaz M, Enscore E, Ham I.A heuristic algorithm for the m-machine, n-job flow-shop sequencing problem[J].Omega, 1983, 11 (1) :91-95.

[11]Sun Kai, Yang Gen-ke.An effective hybrid optimization algorithm for the flow shop scheduling problem[C]∥Proc of IEEE International Conference on Information Acquisition.2006:1234-1238.

“车间”中的故事 篇11

车间“厂长”李大维在双层的生日蛋糕前和联合创办人谢晏琳、伍思力夫妇举杯畅谈，并不时与到场的会员互动。事实上，他刚刚收获了一份“生日礼物”。就在前一天晚上，李大维为自己的创客项目“鱼菜共生”，从机场亲自“迎接”回来了500条鲫鱼。

两年前，因为家中已经无处再让李大维摆放他捣鼓零件所使用的工具，他便将这些“精密细软”运到了现在这个占据半层写字间的“车间”中。很快，它就演变成为上海最知名的创客社区。目前，新车间有会员300多人，每周三的会员开放日都会举办创客活动。

李大维认为，互联网行业现在已进入瓶颈期，比特世界已经饱和并走向衰弱，而下一次带来改变的将是“原子”硬件世界。

李大维自定义是一名狂热的新技术追随者、散发极客特质、拥护“山寨”技术的创客。他认为开源概念的兴起过程，实际上就是人与人之间创意分享的过程。这个过程最有乐趣的事情是创客之间的互动、创客与创客圈的互动，不断对新硬件做加减法，推进技术更新。

只要有想法、肯动手，就可以来新车间。

新车间的诞生，离不开开源、互助的创客精神。而李大维一路走来，也结交了各类朋友。他的成长史就好比一部标准的创客圈形成史。

屡败屡战

1994年，《辛德勒名单》凭借发人深省的故事情节和演员精湛的演技赢得了市场和评论界的双重肯定。之后，因此片获得奥斯卡金像奖最佳导演奖的斯皮尔伯格宣布，将用电影所得的版税收入和追加酬金成立Shoah基金会，用于记录战争幸存者的文字和录音证词。其中一项计划是，在纽约架设一台巨型服务器，并同时在洛杉矶等5个北美城市设立终端系统，用于收录和播放视频。

据统计，此项计划耗资4000万美元。千余人参与，其中包括一位还在念大学的男孩，他以设计师的身份帮助架设了这台服务器系统。这个人就是李大维。

李大维生于台湾，高中后前往美国，修读计算机专业。中美文化背景的结合，使他崇尚娱乐主义和冒险精神。无论是专业的选择，还是参与Shoah基金会项目，均因好奇心使然。

1995年，硅谷开始掀起了互联网创业潮，此前被计算机研究者嗤之以鼻的http和htm设计，因外围做硬件的人的加入，逐渐火热起来。1998年，大学毕业的李大维发现，这两项技术开发很符合他喜爱动手探索未知事情的性格。于是，他与两个软件技术出身的朋友一起进行了第一次创业——以互联网为载体开发网上虚拟社区，类似于今天的网页游戏。

然而，2000年以前，像李大维这样的互联网创业，在当时的硅谷已是遍地开花。互联网泡沫破裂后，只有很小比例的创业公司存活、壮大。

李大维的首个项目失败了，但他在这个过程中结识了不少人。同年，用手机连接互联网的WAP系统在硅谷登台亮相。李大维接触后又产生了兴趣。在与几名朋友交流后，他们决定二次创业。具体工作是将现有的网页文章转化成WAP格式供人阅读。新技术开发速度很快，没多久，携带几百万美金的投资人就敲开了他的大门。

显然，硅谷的资本家们想在手机互联上掀起新一轮繁荣，但当时，固定电话仍是主流通讯方式，市场尚未普及，导致李大维的公司资金链最终断裂，悄然停工。

对于先后两次的失败，李大维很坦然。“成功的前提是要先失败，而失败的基础是要不断的尝试。创客文化得以兴盛的一个很重要的原因，就是源于他们偏好冒险，不太惧怕失败，并乐于分享自己的失败的性格。”

2003年至2004年，互联网产业陷入徘徊期，新技术推出乏力。李大维选择到各地旅行。在途径上海时，无数在建的大楼，让他认定这是未来经济发展的重镇。还没想好要做什么，他就决定在此驻留。

期间，李大维依然保持着与好友的不断交流，认识及学习新技术。不久，Facebook开始走红。李大维与几位海归创客又基于Facebook的开放平台，研发了几款诸如“送花”之类的新颖程序，很快用户量达到1千万人次。李大维不仅在一个开放办公空间有了一张办公桌，头衔上也多了几个网站顾问的名号。

然而，“不幸”再一次重演业Facebook平台一经打开，应用制作者蜂拥而至，相关程序逐渐呈饱和状态，再难有当初每出一款必火的情形了。李大维再次选择撤出。

但这一次，他的退出还另有原因。“应该做点成熟的事情。”他对《时间线》说。

新车间由此孕育而生。

打造“车间”

在新车间，会员们一般会叫李大维的英文名DavId，他们绝大部分是外籍创客，最近才多了很多华裔面孔。

2011年，李大维的好友，同样也是海归博士出身的谢旻、伍思力夫妇，也在苦恼如何处理家中积攒的愈来愈多的创客零件和工具。经朋友介绍，李大维得知一位做软件的人在出租他的办公室，接触后两人相谈甚欢。“房东也是一位很支持新技术的人。”

李大维的朋友中有很多和他一样研究互联网和人机交互系统的创客。大家经常会聚在一起谈论开源硬件的发展和未来，但却苦于没有场地实施自己的想法。新车间成立后，他们也成为了首批会员。

为了支付水电、房租等费用，新车间决定暂且采用会员制，每位会员按月缴纳100元的费用，可以随时来这里参加各种活动。依靠这种方式，新车间拥有了—制固定成员。

经过Facebook、微博等社交媒体扩散，渐渐地，不光是李大维身边的创客圈朋友，甚至一些单纯抱着好奇心的普通人也来到了新车间，其俨然形成了一个不断扩散却又相当聚拢的传播链。

现在，新车间成立了自己的管理层，由七到八位常客会员组成，每周会碰头开会。他们大多有着大型软件公司工程师的背景，对于硬件创新有先天基础。“我在做一个遥控台灯，能用手机应用程序遥控台灯的闪烁情况。”一位新车间“管委会”成员啃着下班后买的三明治对《时间线》说。不一会儿，他又捣鼓起一个定焦相机镜头，通过DIY改装，转换为他喜欢的镜头版本。

nlc202309031149

定位为非营利组织的新车间本身没有自己的项目，但每位会员会分享创意，或者基于原有开源技术做新的硬件产品。新车间的日常工具3D打印机Dream Maker就是李大维好友叶琛公司生产的。而叶琛运行的电子硬件电商平台中的很多员工和技术，都出自于新车间的创客圈。

鱼菜共生

李大维也有自己的创客项目。

2011年，他从朋友那里了解到新型农业——“都市农耕”项目。这项近年在欧美国家兴起的产业类似于中国的有机农业，但欧美市场的表现远比中国火暴。

有研究认为，食物从农场到超市的里程长短，是判断其是否环保的重要依据。在美国，其平均里程是1500英里，英国则是700英里，这由此也引发了一股吃“本地蔬菜”的热潮。原本城市化进程中废掉的荒地重新被人利用了起来，而种出来的蔬菜因为出货量少，价格也比普通蔬菜高4至5倍。

李大维希望在中国也实现这种产业，其方案就是绿色养殖系统——鱼菜共生。“这并不是新发明，中国农民几千年前就用过。”

该系统的原理是，如果长时间不换室内养鱼的水，会产生—种对鱼有毒的物质。但如果将一种土培用的土陶粒加入到鱼水中，则可将这一名为阿摩尼亚的有毒物质转化成亚硝酸，进而成为硝酸盐——这是有机肥料的重要组成部分之一。于是就可将植物种在陶粒上，利用水泵向上打水，通过植物根部吸收掉这种硝酸盐，形成循环。

这套系统是纯绿色无污染的，且解决了原本植物营养液废弃后对水造成二次污染的缺点。而且它造价低廉，新车间角落里摆放着的鱼菜共生系统，仅是宜家的箱子做的鱼缸，花鸟鱼虫市场买的陶粒和水泵，再将二者用PVC管连接即可。

世界70%的水产出口来自于中国，这让李大维非常看好鱼菜共生项目的市场前景。然而，合适的养殖物种却是个难题。养殖鱼之类的订单都以万条计算，李大维一直搜寻着既有卖点并且能小批量购买的物种。

就在不久前，他通过网络得知湖南的一家实验室正在培育一种湘云鲫。普通品种的鲫鱼三年才能长大，而这种鲫鱼只需一年时间，而且耐热抗寒。李大维迅速登门拜访，但对方实验室的出货量每单也都以十万条计算。软磨硬泡并将自己的想法、经历和盘托出后，实验室终于同意为他出货500条湘云鲫——这在水产批发市场上算是极罕见的一例。“对方或许也认可了我的项目。”

此外，李大维还与几名创客规划了一个40平米的菜园，自供自销黄瓜等蔬菜，并在青浦承包了两个覆盖180亩的菜棚。新车间会自产自用棚里面的蔬菜。“这算是我们给会员提供的福利吧。”

然而万事俱备后，李大维才得知，上海的蔬菜运送里程只有27公里，这表明上海市民—直都在食用本地蔬菜，而且超市中的“有机”品牌已经称得上泛滥了。

“后来我想到了把这个项目搬到屋顶。”李大维说，“中国的城市建设让耕地减少，都市农耕在地上已经没有太多空间了。”的确，2013年上海的建成区已经超过1600平方公里，而楼房的建设还依然在外扩。各地市政府也意识到这点，正努力推进绿化建设。据悉，郑州已经出台政策，如果市民自己动手绿化屋顶，政府1平米补助50块钱。

李大维首先在上海找了几个小区物业去洽谈，得到的反馈是，业主们都很欢迎，但物业还在权衡之中。这一新概念的接受过程仍需要时间。

“鱼菜共生系统可以代替原本政府推出的绿化工程。”李大维解释说，政府的绿化一般是不断砸钱种观赏植物，后期还需要专人维护，这笔开销只赔不赚。但鱼菜共生，既可以带来绿化的效果还能为居民提供食品。

从发起到实施，在做整个鱼菜共生项目的过程中，环境科学专业出身的夏青是李大维的“首席技术顾问”。而夏的另—身份则是叶琛的硬件电商平台DF Robot的员工。夏青表示，虽然还会坚持自己的本职，但他也非常乐于知识的分享——而这正是创客的精神之一。

李大维介绍，新车间成形的创客项目还比较少。但创客圈子的逐渐形成会加速每一个项目的进程，并衍生出诸如DF Robot电商平台这样的公司，进一步完善整个创客生态圈。

新车间的角色已悄然由杂物仓库转变为李大维积攒人脉并分享人脉的开放平台，更重要的是，它的存在也将会是上海创客最终发展壮大的重要支撑。

车间问题 篇12

1 LBFSSP问题的一般框架

1.1 问题描述

LBFSSP问题可以描述如下:设存在n个工件 (1, 2, …, n) 及m台机器 (1, 2, …, m) , 该n个工件将依次在机器1至m上进行加工;在任一时刻, 每个工件最多在一台机器上加工, 且每台机器最多同时加工一个工件;在每两台相邻的机器j和j-1之间, 存在大小为Bj的缓冲区;工件在每台机器上的加工顺序相同, 即所有工件在缓冲区中均服从先入先出规则 (First In First Out, FIFO) , 工序不允许中断。LBFSSP调度问题存在两种特殊情况: (1) 当缓冲区为零时, 该问题转化成阻塞流水车间问题 (BFSS) ; (2) 当缓冲区为无穷时, 该问题转化成一般流水车间调度问题 (FSS) 。

1.2 LBFSSP调度问题的模型

1.2.1 一般数学模型

该调度问题通常以加工完成时间最小化为目标, 即makespan Cmax, 则数学模型可表示为如下形式:

pij——工件Ji在机器Mj上的加工时间;Sij——工件Ji在机器Mj上的开工时间;Cij——工件Ji在机器Mj上的完工时间;Bi——工件Ji在两阶段间的缓冲区的大小;

1.2.2 图模型

LBFSSP的图模型是由Smutnicki C提出来的, 文献[1-3]对其进行了详细的描述。该模型经常用来进行分析, 如一个加工顺序π, 可由具有N个结点的图模型G (π) = (N, A) 来表示, 其中N代表所有工序的结点, N=M×J;A=AV∪AH∪AS,

1.2.3 整数规划模型

文献[3]针对具有缓冲区约束的两阶段流水车间建立了整数规划模型, 本文在此基础上进行了改进, 给出了m阶段, 每阶段只有一台机器的流水车间的整数规划模型:

CLij——工件Ji离开机器Mj的时间, M为足够大的正整数;

Bij——工件Ji在机器Mj, Mj+1之间的缓冲区, b为缓冲区上限;

xikj——如果工件Ji在机器Mj上先于工件Jk加工, xikj=1;否则, xikj=0;

zi (t) ——如果工件Ji在时刻t停留在缓冲区中, zi (t) =1;否则, zi (t) =0。

2 LBFSSP问题的研究方法

对有缓冲区约束的流水车间调度问题的研究最早可以追溯到20世纪70年代, 分别由Prabhakar在1974年, Dutta和Cuningham在1975年提出。Dutta和Cunningham以及Reddi详细地描述了有缓冲区约束的两台机器的流水车间调度问题的解法, 但这一解法只能用于解决规模较小的问题。通过对大量文献的分析, 现有的调度算法以启发式算法为主, 与最优化方法相比较, 启发式算法在调度效果和计算时间之间折中, 能够在较短的时间获得近优解或最优解。近年来, 禁忌搜索算法 (TS) 、遗传算法 (GA) 等都得到了广泛的应用。

Papadimitriou和Kanellakis在1980年证明了有缓冲区限制的两阶段流水车间调度问题是NP完全问题, 并给出了有缓冲区限制的两阶段流水车间调度与两阶段无等待流水车间调度makespan之间的关系:C0*/Cb*=2b+1/b+1。通过进一步研究当buffer=1的情况, 证明了与无缓冲区流水车间相比, 完工时间可以减少1/3;同时证明了当m≥4且缓冲区为零时, 该问题是NP完全的。Gupta在1988年针对多阶段的混合流水车间得到了相似的结论。在20世纪90年代, Inder Khosla研究了两阶段混合流水车间问题, 其中第一阶段多机并行, 第二阶段只有一台机器, 两阶段间存在一个有限缓冲区。作者针对该问题建立了一个混合整数线性规划模型, 以最小化加权完工时间为目标函数, 利用拉格朗日及拉格朗日松弛算法给出了问题的下界, 并提出了基于优先准则的启发式算法。

Leisten研究了目标函数为最小化makespan的流水车间, 将NEH等启发式算法分别应用在无缓冲区、无限缓冲区及有限缓冲区3种不同的情况, 并进行了系统地分析。实验结果表明:对于有限缓冲区的置换流水车间, Nawaz, et al.提出的NEH算法是最好的启发式算法之一。A.Benlogab则基于对平均工作流和调度过程甘特图的分析, 提出了一种新的启发式算法。Pacciarelli等在1997年研究了有缓冲区限制的两阶段批处理流水车间调度问题, 证明了该问题是NP难的, 并提出当批生产数量大于缓冲区限制时, 目标函数为最小化makespan的该问题将转化为可用多项式时间解决的TSP问题。

2.1 邻域搜索算法

邻域搜索算法在LBFSSP问题中得到了广泛的应用, 主要集中在禁忌搜索算法、遗传算法等。

2.1.1 禁忌搜索算法

TS是Glover提出的模拟智能过程的一种具有记忆功能的全局逐步优化算法, 对变动的排序在其可行解的所有空间中进行搜寻, 通过设置禁忌表, 避免陷入局部最优或重复过去的搜索, 利用中、长期的存储机制进行强化和多样化搜索。

CzesIaw在文献[15]中针对两阶段的具有缓冲区限制的置换流水车间调度问题, 提出了一种近似算法, 该算法在禁忌搜索算法的基础上减少了被搜索的邻域, 增加了在搜索轨迹上回跳的技术, 提高了搜索的速度。对LBFSS问题, Nowicki利用了问题中的结构性质, 结合了局部搜索和禁忌搜索策略, 提出了一种在流水车间中常用的消除阻塞的方法, 这些性质应用在分支限界算法以及以局部搜索为基础的近似算法中, 尤其是在禁忌搜索算法中得到应用。Brucker, et al.扩展了Nowicki的想法, 研究了不同加工顺序的情况, 并在禁忌搜索算法的邻域构造中结合了块搜索方法。Norman提出了一种禁忌搜索算法, 用以解决带有启动时间和有限缓冲区的置换流水车间。由于禁忌搜索算法在计算缓冲区的大小与给定的作业排序是否相适应时所需要的时间较长, 因此Wardono和Fathi在研究多阶段并行置换流水车间时, 在第l阶段利用矩阵 (I X) 来表示解, 这样可以覆盖整个解空间, 并加快搜索速度。

2.1.2 遗传算法

文献[20]提出了一种多搜索模式遗传算法, 算法使用多个交叉和变异操作进行解空间的探索和改良, 并采用基于有向图的邻域结构来增强局部搜索。文献[21]提出了一种混合遗传算法, 同时考虑了多阶段的遗传操作和基于模型的邻域结构。文献[22]针对多级并行机问题设计了一种基于遗传算法和模拟退火算法的混合求解算法, 该算法采用混合交叉算子和变异算子的策略对选择算子进行了设计。

2.2 其他理论和技术

近年来, 一些新的算法被应用在这一研究领域。文献[23]针对随机有限缓冲区流水线调度问题提出了混合差分进化算法, 其中差分进化用于执行全局搜索和局部搜索, 最优计算量分配用于对有限计算量进行合理分配, 从而保证优质解得到较多仿真计算量, 并提高了在噪声环境下获得优质解的置信度。文献[24]针对有限缓冲区流水线问题建立了数学模型, 并利用文化算法和免疫算法相结合的混合进化算法对其进行求解, 算法中将免疫算法纳入文化算法的框架, 组成基于免疫算法的群体空间和信念空间, 两空间具有各自群体并独立并行演化。文献[25]提出了一种混合蚁群算法用以解决有缓冲区限制的置换流水车间调度问题。

部分学者还研究了混合存储策略。文献[26]研究了含有混合中间存储策略的模糊流水车间调度方法, 考虑了无限中间产品存储、有限中间产品存储、无中间产品存储3种策略同时存在的情况下对调度问题的影响, 提出了一种基于模糊时间的含有混合中间存储策略的流水车间调度模型, 应用双倍体遗传算法对该问题进行优化求解。文献[27]将缓冲区的4种情况 (无等待、无缓冲区、有限缓冲区、无限缓冲区) 在一个流水车间中进行考虑, 分析这4种情况共存的结构优势, 通过借鉴NEH算法, 提出了一种用以解决CBFSS问题的名为Liu–Kozan–BIH的两阶段混合启发式算法。

3 对合理设置缓冲区的研究

在生产过程中, 添加缓冲区是为了避免因工件无处暂放而滞留在设备上, 造成加工过程的阻塞。但是, 缓冲区域过大会浪费企业的资源, 增大加工成本。郑大钟等[28]对串行生产线提出了比较完善的缓冲器的设置理论和方法, 讨论了有限缓冲器容量的串行生产线的状态变化的数学依据。这种理论和方法是在消除阻塞的前提下调节缓冲器的大小, 使加工过程不停机同时占用的缓冲器资源最少。但是, 加工车间的缓冲器就是设备旁边的区域, 其面积不能随意更改, 即使自动化的生产线也不能随便增减缓冲器的大小。因此, 国内外的研究方向大都集中在如何合理设置缓冲区的大小上。文献[29-31]研究了有限缓冲区的流水车间调度问题, 并进一步指出, 缓冲区的大小影响着生产车间的绩效, 但是绩效会随着缓冲区规模的增加而迅速的下降。文献[32]指出最小化缓冲区是NP完全问题。文献[33]研究了每阶段之间具有相同大小缓冲区的流水车间调度问题, 并用NEH算法得到初始调度, 再利用禁忌搜索进行改进。文献[17]针对流水车间给出了与缓冲区大小相适应的可行调度的个数, 并在此基础上提出了一种禁忌搜索算法, 且通过实验证明了缓冲区的大小对算法的影响。

4 存储时间有限型缓冲区

与缓冲区空间受限相对应的是存储时间受限的缓冲区。实际上, 在化工生产过程中, 每一道生产工序产品的处理时间、设备清洗时间、原材料或者中间产品的装载时间等会使得处理时间不确定或产品存储时间有限。由于某些产品在加工过程中存在不稳定性, 所以在储罐内进行存储的时间达到某一有限值时, 必须进入下一单元进行加工;如果下一单元正在加工产品, 则必须考虑到延迟产品的开始加工时间。文献[34]研究了具有优先约束及缓冲区约束的两台机器流水车间调度问题。区别于以往对缓冲区的研究, 文献中缓冲区的约束是指对处理时间的限制。该文献证明了此问题是强NP难的, 并进一步利用改进的分支限界算法和NEH算法, 给出了问题的4个下界和1个上界。文献[35]基于模糊规划理论, 建立了有限型存储时间的Flow Shop调度模型, 并结合改进模拟退火方法进行优化求解。文献[25]针对该问题提出了一种混合粒子群算法, 首先在一种新编码方案的基础上开发了随机密钥, 然后以NEH算法为基础获得具有一定质量和多样性的初始种群, 并设计了消除阻塞的局部搜索策略。

5 问题讨论与展望

具有缓冲区限制的流水车间广泛存在, 对其调度问题的研究具有重要的理论和实际意义, 从上面的综述可以看出:

(1) 现有算法中较少应用最优化算法, 尽管启发式算法存在着计算时间方面的优势, 但也存在着缺点:有时近优解不能令人满意, 与实际应用还相距较远。因此, 对混合算法的研究成为了一种趋势。

(2) 缓冲区的大小对目标函数及算法的设计存在着很大的影响, 目前大部分结论都是通过实验数据得到的, 缺乏更多的理论基础, 如何合理设置缓冲区需要进一步的研究。