中英文對照外文翻譯(文檔含英文原文和中文翻譯)Asolution=procedurefortypeEsimpleassemblylinebalancingproblemAbstract:ThispaperpresentsatypeEsimpleassemblylinebalancingproblem(SALBP-E)thatcombinesmodelsSALBP-1andSALBP-2.Furthermore,thisstudydevelopsasolutionprocedurefortheproposedmodel.Theproposedmodelprovidesabetterunderstandingofmanagementpracticethatoptimizesassemblylineefficiencywhilesimultaneouslyminimizingtotalidletime.Computationalresultsindicatedthat,underthegivenupperboundofcycletime(ctmax),theproposedmodelcansolveproblemsoptimallywithminimalvariables,constraints,andcomputingtime.KeywordsSimpleassemblylinebalancingproblem,TypeEsimpleassemblylinebalancingproblem,Manufacturingoptimization.Introduction

Ithasbeenoverfivedecadessinceresearchersfirstdiscussed

theassemblylinebalancingproblem(ALBP).OfallkindsofALBP,

themostbasicisthesimpleassemblylinebalancingproblem

(SALBP).BrytondefinedandstudiedSALBPasearlyas1954.In

thefollowingyear(1955),Salversonbuiltthefirstmathematical

modelofSALBPandpresentedquantitativesolvingsteps,whichattractedgreatinterest.AfterGutjahrandNemhauser(1964)stated

thatSALBPisanNP-hardcombinationoptimizationproblem,the

majorityofresearchershopedtodevelopanefficientmethodto

obtainthebestsolutionandefficientlysolvevariantassemblyline

problems(e.g.Baybars,1986;Boysen,Fliedner,&Scholl,2007,

2008;Erel&Sarin,1998;Ghosh&Gagnon,1989;Scholl&Becker,

2005,2006;Toksari,Isleyen,Güner,&Bayko?,2008;Yeh&Kao,

2009).Duringsubsequentyears,SALBPbecameapopulartopic.

Kim,Kim,andKim(1996)dividedSALBPintofivekindsofproblems,ofwhichtypeIproblem(SALBP-1)andtypeIIproblem(SALBP-2)arethetwobasicoptimizationproblems.

Researchershavepublishedmanystudiesonthesolutionforthe

SALBP-1problem.Salverson(1955)usedintegerprogramming(IP)

tosolvetheworkstationassignmentproblem.Jackson(1956)proposeddynamicprogramming(DP)tosolveSALBP-1.Bowman

(1960)developedtwomathematicalmodelsandintroduced0–1

variablestoguaranteethatnotaskstookthesametimeandthat

notaskswereperformedatdifferentworkstations.Talbotand

Patterson(1984)presentedamathematicalmodelwithasingle

decisionvariable,andusedittocalculatethenumberoftasks

assignedtoworkstations.Essafi,Delorme,Dolgui,andGuschinskaya(2010)proposedamixed-integerprogramforsolvinganovel

linebalancingproblemcomposedofidenticalCNCmachines.Hackman,Magazine,andWee(1989)usedabranchandbound(BB)

schemetosolveSALBP-1.Toreducethesizeofthebranchtree,they

developedheuristicdepthmeasurementtechniquesthatprovided

anefficientsolution.BettsandMahmoud(1989),SchollandKlein

(1997,1999),Ege,Azizoglu,andOzdemirel(2009)havesuggested

BBmethodsforapplication.Otherheuristicshavebeendeveloped

forsolvingthevariantproblems.Thesemayincludesimulated

annealing(Cakir,Altiparmak,&Dengiz,2011;Saeid&Anwar,

1997;Suresh&Sahu,1994),GeneticAlgorithm(McGovern&Gupta,

2007;Sabuncuoglu,Erel,&Tayner,2000),andantcolonyoptimizationalgorithm(Sabuncuoglu,Erel,&Alp,2009;Simaria&Vilarinho,2009).Recently,multiple-objectiveproblemshaveemergedfromthediversifieddemandofcustomers.Forexample,Rahimi-VahedandMirzaei(2007)proposedahybridmulti-objectivealgorithmthatconsiderstheminimizationoftotalutilitywork,totalproductionratevariation,andtotalsetupcost.Chica,Cordon,andDamas(2011)developedamodelthatinvolvesthejointoptimizationofconflictingobjectivessuchasthecycletime,thenumberofstations,and/ortheareaofthesestations.Anotherinterestingextensionisthemixed-modelproblem,whichisaspecialcaseofassemblylinebalancingproblemwithdifferentmodelsoftheproductallowedmovingonthesameline.Aimedatthemixed-modelassemblylineproblem,ErelandG?k?en(1999)studiedonmixed-modelassemblylineproblemandestablished0–1integerprogrammingcoupledwithacombinedprecedencediagramtoreducedecisionvariablesandconstraintstoincreasesolvingefficiency.KimandJeong(2007)consideredtheproblemofoptimizingtheinputsequenceofjobsinmixed-modelassemblylineusingaconveyorsystemwithsequence-dependentsetuptime.?zcanandToklu(2009)presentedamathematicalmodelforsolvingthemixed-modeltwo-sidedassemblylinebalancingproblemwiththeobjectivesofminimizingthenumberofmated-stationsandthenumberofstationsforagivencycletime.UnlikeSALBP-1,thegoalofSALBP-2istominimizecycletime

givenanumberofworkstations.Moststudiesfocusedonsolutions

forSALBP-1,andnotSALBP-2,becauseSALBP-2maybesolvedwithSALBP-1bygraduallyincreasingthecycletimeuntiltheassemblylineisbalanced(Hackmanetal.,1989).HelgesonandBimiepresentedaheuristicalgorithmtosolveSALBP-2asearlyas1961.Scholl(1999)presentedseveraldecisionproblemsregardingtheinstallationandutilizationofassemblylinesystems,indicating

thatbalancingproblemisespeciallyimportantinpacedassembly

linecases.SchollusedtaskorientedBBtosolveSALBP-2andcompareditwithexistingsolutionprocedures.KleinandScholl(1996)adoptednewstatisticalmethodsasasolutionprocedureand

developedageneralizedBBmethodfordirectlysolvingSALBP-2.

Inaddition,G?k?enandAgpak(2006)usedgoalprogramming

(GP)tosolvesimpleU-typeassemblylinebalancingproblems,in

whichdecisionmakersmustconsiderseveralconflictinggoalsat

thesametime.Nearchou(2007)proposedaheuristicmethodto

solveSALBP-2basedondifferentialevolution(DE).Inthefollowing

year,Nearchou(2008)advancedanewpopulationheuristicmethodbaseonthemulti-goalDEmethodtosolvetypeIIproblems.

Gao,Sun,Wang,andGen(2009)presentedaroboticassemblyline

balancingproblem,inwhichtheassemblytaskshavetobeassignedtoworkstationsandeachworkstationneedstoselectone

oftheavailablerobotstoprocesstheassignedtaskswiththeobjectiveofminimumcycletime.Severalothermethodshavebeenreportedintheliterature.Forexample,Bock(2000)proposedthe

TabuSearch(TS)forsolvingSALBP-2andextendedTSusingnew

parallelbreadth,whichcanbeusedtoimproveexistingTSprogramsforassemblylineproblems.Levitin,Rubinovitz,andShnits

(2006)developedageneticalgorithm(GA)tosolvelarge,complex

machineassemblylinebalancingproblemsbyadoptingasimple

principleofevolutionandtheBBmethod.Acompletereviewof

GAtoassemblylinebalancingproblemscanbefoundinTasan

andTunali(2008).Therestofthepaperisorganizedasfollows.Section2introducesSALBP-Eformulationanditssolutionprocedure.Section3

presentssolutionstoanotebookcomputerassemblymodeland

sometestproblemsusingsmall-tomedium-sizedfornumerical

calculations.Finally,thispaperconcludeswithasummaryofthe

approach.FormulationandsolutionprocedureofSALBP-E

TheSALBP-EmodelintegratestheSALBP-1andSALBP-2models.Forthispurpose,thefollowingnotationsandvariablesaredefinedasfollows:Notations:

nNumberoftasks(i=1,...,n)

mNumberofstations(j=1,...,m)

mmaxUpperboundofstations(j=1,...,mmax)

mminLowerboundofstations(j=1,...,mmin)

tiOperationtimeoftaskiCtCycletimePSubsetoftask(i,k),giventhedirectprecedence

relationsDecisionvariables:xijε{0,1}1iftaskiisassignedtostationj0otherwise("i;j=mmin,...,mmax)yjε{0,1}1ifanytaskiisassignedtostationj0otherwise(j=1,...,mmax)ct≥Cycletimeissettogreaterthanorequalto0M*MinimalnumberofstationsTheoriginalSALBP-1modelisasfollows:SALBP-1:生產(chǎn)線設備選擇多目標的方法摘要：考慮10一月2012一個新的問題，處理設計的可重構自動加工線這種線是由工作站順序處理。每個工作站都需要最合適的設備。每個可用的設備的特點是它的成本,可以執(zhí)行的一組操作,需要給定級別的維護技能。提出了一種多目標的方法來分配任務,選擇和分配設備工作站考慮所有參數(shù)和約束的問題。發(fā)達的技術是基于一個NSGA-II類型的遺傳算法。NSGA-II建議也結合本地搜索。這兩個遺傳算法(有或沒有本地搜索)測試了好幾行兩個版本的示例和考慮問題:bi-objective和4個客觀情況。數(shù)值測試的結果報告。最有趣的是,這些算法的評估是通過使用三個衡量標準:差距的直接措施,這些措施Zitzler和蒂埃爾提出的在1999年和2002年里瑟建議的距離。關鍵詞：生產(chǎn)線設計、生產(chǎn)線平衡、設備選擇、多目標優(yōu)化。他生產(chǎn)系統(tǒng)設計與分析已經(jīng)被廣泛討論的文獻[1-6]。制定了一些標準的科學問題如最優(yōu)流程規(guī)劃、設施布局、線平衡、緩沖區(qū)分配、設備選擇等.本文論述了生產(chǎn)線平衡和在設計時加工線時設備選型。請注意，我們認為一個比較普遍的情況：——每一塊設備不僅可以用來完成一個,而是一組不同的技術任務。–在線路設計階段，每個任務都有一組不同類型的設備都可以用來執(zhí)行任務，一個設備必須服從一組。在以前的作品中，我們已經(jīng)研究的模型和算法與一個單一的標準和幾個標準加工線組合優(yōu)化。在本文中，我們專注于生產(chǎn)線的平衡和設備選型問題的一種特殊類型的線：可重構在每個自動化加工生產(chǎn)線的可用設備，我們知道任務可否執(zhí)行與設備關系最大，但在每一個設計的決定，我們只使用的任務的一個子集。我們提出了先前提出的多目標算法的一些調(diào)整和改進，通過一系列數(shù)值試驗研究其有效性。此外，比較這些測量技術算法的不同將被用來提供一個更廣泛的角度。當一個新的加工線設計(或現(xiàn)有的線重新配置一個新產(chǎn)品)相應的生產(chǎn)線平衡和設備選擇問題必須得到解決。因為任務之間的優(yōu)先約束和為每個工作站需要選擇設備,我們不得不考慮這些約束以及其他相關設備的兼容性。這將導致一個非常復雜的組合優(yōu)化問題。這種線是設計(或改造)為制造一個給定的產(chǎn)品。在任何設計或重新設計開始之初，所有的工作就是對本產(chǎn)品的制造要應已知。那么，是要定義工作站問題，即分配任務和設備工作站這樣一個標準（或幾個標準）優(yōu)化。本文其余部分安排如下，第2部分提出了在這一領域的藝術狀態(tài)的分析。在第三節(jié)，問題陳述了在考慮加工線情況下建立的帕累托優(yōu)化模型。優(yōu)化算法簡要解釋在第4節(jié)。第五節(jié)給出了測試和比較，。在第6節(jié)提出了可能的擴展方法的一些討論。最后，結論是在7節(jié)報道。藝術的狀態(tài)和動力在文學中,類似的簡化問題被稱為裝配線平衡(ALB)。簡單的裝配線平衡問題(SALBP)處理分組的任務(non-divisible工作元素)為工作站考慮優(yōu)先級任務之間的關系和約束線周期時間或數(shù)量的工作站。在每個工作站的任務執(zhí)行順序，組裝線的周期時間是由工作站的最大工作負載決定的。兩個主要類型的研究最小化工作站的數(shù)量需要周期T0,雖然SALBP-2試圖減少周期時間對于一個給定的數(shù)w的工作站。在這些問題上的全面調(diào)查上,他們對此一概而論的發(fā)表,例如,在(7-13)。然而,實際工業(yè)問題通常是更復雜的。通常情況下,任務的分配工作站需要為每個站設備的選擇是通過所需的工作效率的。這也應該考慮設備兼容性約束能力的設備來執(zhí)行任務,等。在這種情況下,我們有一個比SALBP更復雜的組合問題，通常被稱為生產(chǎn)線平衡和設備選擇的問題。最近，一些新的概括，ALB，命名為傳輸線平衡問題，提出了大規(guī)模生產(chǎn)加工線。在【14-15】研究了在每一臺設備的順序激活線，。隨著各站的設備激活平行線在[16]認為。在每一站的混合設備激活線在[17]解決，等一些特異性的加工線有：I）相同設備的任務（多軸頭）是并聯(lián)的，即同時執(zhí)行的，因此設備工作時間等于其任務時間的最大值；II）如果選擇一個線的設備設計，該設備的所有任務的執(zhí)行將在這里（我們不能只執(zhí)行一次套裝備任務）。因此，不同的ALB模型的裝配線充斥著文學對工作順序的標準，我們也有一些經(jīng)驗，應用白蛋白的方法大規(guī)模生產(chǎn)加工線與并行執(zhí)行任務在工作站，生產(chǎn)線平衡和設備選型問題的研究。然而，可以發(fā)現(xiàn)，通常，考慮問題時，組裝和/或加工生產(chǎn)線平衡和設備選型，開發(fā)只有標量優(yōu)化技術。他們優(yōu)化只有下列條件之一：設備成本（投資），占地面積，工作站負荷，等，參見[20]18–。再次，在現(xiàn)實生活中的工業(yè)場合，該問題通常是更復雜的，因為有幾個相互沖突的標準，都應同時考慮.因此,這個工作的動機是建議多目標生產(chǎn)線平衡和設備選擇的方法可重構自動加工線。將被考慮線上所有設備的每個工作站的同時激活。然而,我們以前的工作是致力于設計與批量生產(chǎn)加工線,在本文處理的情況下,只有一個子集的任務可以使用每一塊設備,不一定所有的任務都需要。這對于設計的決策提供更大的靈活性,簡化了未來修改和可重構加工線的屬性。在這項研究中,將處理多個目標函數(shù)。在文學作品中，多目標優(yōu)化問題通常是減少到一個相應的單目標優(yōu)化問題通過一個初始的標準[21]的加權總和。這種方法的主要缺點在于難以獲得所需考慮的標準重量。此外，這種技術提供了唯一的解決方案。通常，決策者選擇一組可接受的解決方案，而不是一個單一的選擇應用。因此，本文的目標是開發(fā)一個pareto1優(yōu)化方法。這種方法提供了一整套的解決方案，使決策者留有一些決策的余地。在本文中,我們開發(fā)了多目標遺傳算法基于帕累托最優(yōu)的財產(chǎn)。豐塞卡和弗萊明[25]提出了三種技術為這種類型的多目標進化算法。第一,健康是決定通過一個聚合的目標解決方案(線性標準之和)。第二個同時適用于不同人群,每個人口與一個標準。第三是基于帕累托排名的一個人口(利基技術排名)。袍[26]另一個遺傳算法基于帕累托最優(yōu)。綜述基因技術用于解決多目標問題中可以找到的紙[27]。很明顯,越來越多的使用,可以說是最強大的是以下算法:NPGA角[28],NSGA斯和Deb[24],SPEAZitzler和蒂埃爾[29]。存在多目標方法對裝配線平衡。多目標線平衡問題研究了30],工作站的數(shù)量,總死亡時間和加載工作站之間的平滑。作者提出了一個遺傳算法使用一個方法基于加權和的標準。類似的方法提出了本文的尤尼斯[31]柔性制造系統(tǒng)。他們的標準是:1)轉(zhuǎn)移一部分成本,從一站到另一個,和2)負載站之間的平滑。一群多目標遺傳算法(分公司)的混合裝配線的設計建議[32]。該算法被引入一個分支豐富,削減上來)和(優(yōu)先排名組織濃縮方法評價)技術。在我們以前的出版物[33]和[34],我們使用了眾所周知的多頭方法一,兩個和四個標準,確定最佳的參數(shù)設置?；贜SGA-II算法我們還建立了一個方法來治療,有一定效果,設備選擇的情況下,唯一的問題(線平衡已經(jīng)解決)。在這篇文章中,我們進一步發(fā)展這個NSGAII更一般情況下的線平衡和設備選擇。兩個版本的算法這里提供:與當?shù)厮阉?NSGALS),沒有本地搜索(NSGAWLS)。這兩種方法將測試一組隨機生成問題,而使用三種類型不同的措施:直接測量目標函數(shù)之間的差距,提出的措施Ziztler蒂埃爾[29]和里瑟[35]建議的距離。問題陳述背景類似的單一標準設備選擇和線平衡優(yōu)化問題是研究的論文[33]投資成本降到最低。三種方法,一個分支定界算法,基于截斷枚舉,啟發(fā)式遺傳算法,提出了。在[34],這個模型是新配方與帕累托優(yōu)化多目標設備選擇的方法,但沒有線平衡。提出了兩種多目標算法:aMulti-start算法來源于Sysoev和Dolgui[22]和一個NSGA-II類型的遺傳算法(第二個版本控制的非排序遺傳算法),工作的啟發(fā)[36]。本文提出的模型和算法都是基于一些初步想法和[34]的結果。然而,他們更一般更現(xiàn)實的,因為我們認為這兩個生產(chǎn)線平衡和設備選擇與額外的約束問題。問題公式化每一塊設備可以用于處理一組任務。對于每個任務,都有一組可用的替代設備。任何設備都有其優(yōu)點和缺點。加工線設計對于一個給定的產(chǎn)品,但可能重新配置的另一個產(chǎn)品在未來。這是可行的,因為線的模塊化原理設計和可能只使用部分設備已經(jīng)安裝。讓N的所有任務才能制造一項考慮產(chǎn)品,M組可用的設備。讓nn=||制造一個產(chǎn)品所需要的數(shù)量的任務項和mm=||可用類型的設備的數(shù)量,可以用于這條線,分別。讓Eqj設備類型的j,∈M和SetEqj設置的所有任務執(zhí)行‘如果Eqj分配給工作站k,然后一個子集Nkj?SetEqj任務將執(zhí)行與該設備工作站k,k=1,。,w。每個可用的塊設備的特點是它的成本,可以執(zhí)行的一組操作,需要給定級別的維護技能。當然,通常執(zhí)行一個任務需要不同的時間用不同的設備。幾個不同類型的設備安裝在工作站上。我們還將使用以下符號:Ecjj類型的設備成本,ProdL吞吐量的線(每年生產(chǎn)的產(chǎn)品數(shù)量),Areaj區(qū)域被j類型的設備,背景技術的復雜性站k,這定義了一個工人的技術水平要求用于維護。介紹了以下假設:任務優(yōu)先級關系(i=1,…從給出n,n);-M集的所有可用設備給出;——組操作成本和復雜性水平為每個設備類型是已知的;——設備之間的兼容性約束是已知的;——包含約束的任務要求執(zhí)行某些任務的工作站也知道;——任務處理時間是已知的、確定的和依賴于類型的設備使用;——一個任務可以在任何執(zhí)行工作站,如果車站提供合適的設備;——任務最長不超過預定的周期時間T0;——任務分組集,將執(zhí)行所有的任務設置Nkjj在工作站和設備k;——設置工具改變、材料處理、裝卸時間可以忽略不計或者包含在任務的處理時間;——所有任務同時執(zhí)行分配給設備,因此,設備時間等于最大的任務時間任務執(zhí)行與此設備;——目標線周期等于T0=Av-時間/ProdL,AvTime每年可用工作時間的地方?？紤]到一些建議多目標遺傳算法的基本思想和技術已經(jīng)發(fā)表在[34],提出了只有一個簡短的描述的改進算法和重點是這種方法的合理性和應用,新思想和主要擴展的方法,但最重要的是實驗的測試算法,分析和討論本研究的進一步發(fā)展。結論一種新的多目標問題，生產(chǎn)線平衡和設備選型（資源計劃）介紹。這個問題是自動加工線。每個工作站都可以包含一個或多個設備。問題是，選擇從一個給定的所有可用的設備，每個工作站的碎片。我們的目標是配置一個加工線的一個產(chǎn)品在大批量生產(chǎn)而優(yōu)化的一些標準。該模型與文獻中已知的區(qū)別在于我們使用的一個子集的每個可用的塊設備的任務和不必要的所有任務，該設備可以執(zhí)行。這是由于可重構制造系統(tǒng)的概念有了新的要求?？赡懿捎玫囊唤M給定的任務可以執(zhí)行與選定的設備的任何子，有利于未來重構的線。同時，這增加了問題的復雜性的組合的情況相比，每件設備的任務的設置是固定的。提出問題的陳述后,一個NSGA-II類型的算法被開發(fā)。然后,它是豐富的本地搜索改編過程多目標優(yōu)化。我們比較算法的版本(NSGALS)和沒有(NSGAWLS)本地搜索使用三個測量標準:為每個標準差距;距離里瑟和測量。他們是用來比較最優(yōu)帕累托面前獲得NSGALS和最優(yōu)帕累托NSGAWLS面前,為每一個測試的例子。數(shù)值測試的結果在幾個家庭的隨機生成的實例,證明了這些措施的基礎上,額外的本地搜索的NSGA-II(NSGALS)大大優(yōu)于相同NSGA-II沒有這個本地搜索過程(NSGAWLS)。有關觀點，用其他啟發(fā)方式，可能是未來研究的主題，是其他可能的交叉或產(chǎn)生初始種群的測試。此外，它可能會增加其他行業(yè)約束更接近實際工業(yè)情況有趣。此外，另一個追求希望的途徑可能是并行計算技術的這些NSGA-II算法的應用。本文的研究結果鼓勵的其他問題和不同類型的生產(chǎn)系統(tǒng)使用類似的技術。與其他多目標算法NPGA和SPEA較為全面的比較可能是有趣的。還檢查另一條路徑是集成模型中的隨機因素,如機器故障,維修時間,等最后，它可能會考慮到一些用戶偏好的交互使管理方法更具吸引力。參考文獻[1]AskinR.G.,StandridgeC.R.制造系統(tǒng)的建模和分析,約翰威利&Sons,1993。[2]K。制造系統(tǒng)工程,1996年泰勒和弗朗西斯。[3]肖勒。生產(chǎn)線平衡和測序,1999年。[4]D人工智能(Ed),21世紀機械制造技術的未來技術,施普林格,2003年。[7]精確算法的的一項調(diào)查顯示,對于簡單的裝配線平衡,管理科學,32歲,909-932年,909年。托爾伯特F.B.[8],帕特森J.H.,GehrleinW.V.比較評估的啟發(fā)式平衡技術,管理科學,32(4),430-454年,430年。Ghosh[9]。,GadnonR.J.的、全面的文獻回顧和分析設計、裝配系統(tǒng)的平衡和調(diào)度,生產(chǎn)研究的國際期刊,27歲,637-670年,637年。[10]ErelE。,薩林年代。的一項調(diào)查顯示,裝配線平衡的過程,生產(chǎn)計劃與控制、9(5),414-434年,414年。[11]RekiekB。Dolgui。Delchambre。Bratcu。,國家藝術裝配線的設計優(yōu)化,年度審核控制,26(2),163-174年,163年。[12]肖勒。貝克爾C。、先進的精確和啟發(fā)式解決方案程序簡單的裝配線平衡,歐洲運籌學雜志》,168年,666-693年,666年。[13]GuschinskayaO。Dolgui。Equilibrage德涅德生產(chǎn):′狀況del藝術品,《歐洲′甚至des系統(tǒng)玩法Automatis′,44歲,1081-1119年,1081年。[14]Dolgui。,FinelB。,GuschinskyN。萊文G。,VernadatF。,生產(chǎn)線平衡的啟發(fā)式方法,智能制造學報,16歲,159-171年,159年。[15]Dolgui。,FinelB。,GuschinskyN。萊文G。,VernadatF。,MIP的方法來平衡傳輸線路和塊的并行操作,國際教育協(xié)會事務,38(10),869-882年,86