纺织学报 ›› 2020, Vol. 41 ›› Issue (03): 84-90.doi: 10.13475/j.fzxb.20190601907

• 染整与化学品 • 上一篇    下一篇

基于系统布置设计-遗传算法的纱线浸染生产线布局优化

黄淇1, 周其洪1(), 张倩2, 王绍宗2, 范伟3, 孙会丰3   

  1. 1.东华大学 机械工程学院, 上海 201620
    2.北京机科国创轻量化科学研究院有限公司, 北京 100083
    3.泰安康平纳机械有限公司, 山东 泰安 271000
  • 收稿日期:2019-06-08 修回日期:2019-11-27 出版日期:2020-03-15 发布日期:2020-03-27
  • 通讯作者: 周其洪
  • 作者简介:黄淇(1992—),男,硕士生。主要研究方向为浸染纱线生产线虚拟仿真优化。
  • 基金资助:
    国家重点研发计划资助项目(2017YFB1304000)

Layout optimization of dip dyeing workshop based on system layout planning-genetic algorithm

HUANG Qi1, ZHOU Qihong1(), ZHANG Qian2, WANG Shaozong2, FAN Wei3, SUN Huifeng3   

  1. 1. College of Mechanical Engineering, Donghua University, Shanghai 201620, China
    2. Beijing National Innovation Institute of Lightweight Ltd., Beijing 100083, China
    3. Taian Companion Machinery Co., Ltd., Taian, Shandong 271000, China
  • Received:2019-06-08 Revised:2019-11-27 Online:2020-03-15 Published:2020-03-27
  • Contact: ZHOU Qihong

RichHTML

6

PDF (PC)

251

摘要：

针对纱线染整企业生产线升级换代过程中,现有的浸染生产线生产不平衡,物流搬运强度高和布局不合理问题,分析了浸染生产线的工艺流程和物流状态,以车间的物流强度和车间面积为约束条件建立目标函数,并改进系统布置设计(SLP)分析流程和遗传算法(GA)的初始种群,运用GA和SLP相结合的方法对纱线浸染车间布局进行规划研究。通过Plant-Simulation平台对浸染生产线进行布局仿真求解,实现了生产线布局的动态规划和物流强度计算,弥补了SLP在浸染生产线布局过程中方案迭代慢,不能快速寻优的缺陷。分析结果表明:SLP-GA比SLP在物流强度方面平均降低10%左右,在工艺和面积的约束下,布局方案更加符合实际生产。通过对某纱线染整企业的案例实施,为其开发智能化染整示范性生产线提供了合理的布局方案。

关键词: 浸染, 车间布局, 系统布置设计, 遗传算法

Abstract:

Unreasonable workshop layout and low automation level are primary factors affecting the efficiency of dip dyeing yarns, leading to increased material handling, shipping back of transportation routes, and inefficient production. In this study, a new automatic dyeing process was developed on the basis of the analysis of traditional dyeing process and logistics intensity. A new method based on improved genetic algorithm (GA) and system layout planning (SLP) was presented to solve the layout of dip dyeing workshop with the intensity of logistics and workshop area for establishing the objective function. The layout simulation was carried out using a plant simulation platform, which performed the dynamic planning and calculation of logistics intensity of the production line layout. Simulation results show that SLP-GA rapidly converged and is more effective than SLP. However, SLP-GA is approximately 10% lower than SLP on average in terms of logistics intensity. By implementing a dyeing and finishing enterprise under the constraints of process, this study provides a reasonable layout plan for developing intelligent dyeing and finishing demonstration production line that can achieve the lowest logistics cost and the smallest floor area.

Key words: dip dyeing, workshop layout, system layout planning, genetic algorithm

中图分类号: 

  • TH181

图1

参数、决策变量和参考线示意图"

表1

全流程自动化生产工艺流程"

作业区域 工艺 实现功能 作业设备
前络区 前络 原料纱进行络筒 络纱机
输送A 输送络筒后的纱筒 上筒机器人、传送系统
装笼区 集筒 将多个纱筒整理成串纱 下筒机器人
装笼 将整理后的串纱装入纱笼 装纱机器人
调湿缓存区 调湿 进筒纱进行调湿 调湿机
解/扣锁扣 对纱笼进行染前加锁,染后解锁 锁扣机器人
染色区 吊运 将纱笼吊运至染色机 天车
配剂 进行染色剂、助剂的称量 染化料系统
染色 对纱笼筒纱进行染色 染色机
脱水区 装脱机 将染后的纱筒装载至脱水机中 装筒机器人
脱水 筒纱进行脱水 脱水机
分装 脱水后将纱笼中筒纱分装至托盘 分盘装载机器人
烘干区 烘干 烘干机进行烘干 烘干机
卸载 卸载烘干后的纱筒 卸载机器人
后络区 输送B 输送烘干后的纱筒 上筒机器人、传送系统
后络 对染后筒纱进行络筒 络纱机

图2

浸染车间作业单位物流状态图"

图3

浸染车间改进的SLP布局流程图"

图4

SLP与GA结合方法流程图"

表2

各作业功能区面积"

编码序号 布置区域 主要设备 设备数量 必要面积/m2
1 前络区 输送系统 2 20×37.5
2 装笼区 装载机器人 2 22.5×15
3 调湿缓存区 锁扣机器人 3 37.5×15
4 染色区 染色机 16 40×37.5
5 脱水区 脱水机 8 60×22.5
6 烘干区 烘干机 6 35×15
7 后络区 卸载机器人 2 25×15
M0 总面积 — — 60×90

图5

算法实现界面"

图6

适应度收敛性能"

表3

SLP-GA与SLP方法对比分析"

布局方法 序号 布局序列 物流强度 适应度
SLP-GA 1 7,6,5,2,3,1,4 94 500 378 090
2 6,7,5,4,3,2,1 105 000 419 690
3 7,6,5,3,4,1,2 105 000 420 090
SLP 4 7,6,1,2,4,3,5 104 900 419 620
5 3,4,2,1,5,6,7 106 500 426 090
6 2,1,3,4,7,6,5 106 500 426 090

图7

车间布局方案图"

图8

车间实际布局图展示"

[1] BRAGLIA M, ZANON S, ZAVANELLA L. Layout design in dynamic environments: strategies and quantitative indices[J]. International Journal of Production Research, 2003,41(5):995-1016.
[2] 陈友玲, 刘文科, 严键. 基于RMC的可重构制造系统设备布局优化研究[J]. 计算机应用研究, 2011,28(12):4550-4553,4571.
CHEN Youling, LIU Wenke, YAN Jian. Research on equipment layout optimization of reconfigurable manufacturing system based on RMC[J]. Computer Application Research, 2011,28(12):4550-4553,4571.
[3] 周亚勤, 汪俊亮, 鲍劲松, 等. 纺织智能制造标准体系架构研究与实现[J]. 纺织学报, 2019,40(4):145-151.
ZHOU Yaqin, WANG Junliang, BAO Jinsong, et al. Research and implementation of textile intelligent manufacturing standard architecture[J]. Journal of Textile Research, 2019,40(4):145-151.
[4] 冯芬玲, 景莉, 杨柳文. 基于改进SLP的铁路物流中心功能区布局方法[J]. 中国铁道科学, 2012,33(2):121-128.
FENG Fenling, JING Li, YANG Liuwen. Functional zone layout method of railway logistics center based on improved SLP[J]. China Railway Science, 2012,33(2):121-128.
[5] ZHAO R H, HE W Q, LOU Z K, et al. Synchronization optimization of pipeline layout and pipe diameter selection in a self-pressurized drip irrigation network system based on the genetic algorithm[J]. Water, 2019,11(3):489.
[6] MOEINI R, AFSHAR M H. Extension of the hybrid ant colony optimization algorithm for layout and size optimization of sewer networks[J]. Journal of Environmental Informatics, 2018,33(2):68-81.
[7] 闫亦农, 刘立枝, 雒彬钰, 等. 基于粒子群算法的服装生产流水线编制[J]. 纺织学报, 2018,39(10):120-124.
YAN Yinong, LIU Lizhi, LUO Binyu, et al. Clothing production line compilation based on particle swarm optimization[J]. Journal of Textile Research, 2018,39(10):120-124.
[8] CAO P, FAN Z, GAO R X, et al. Hamessing muliti-objective simulated annealing toward configuration optimization within compact space for additive manufacturing[J]. Robotics and Computer-Integrated Manufacturing, 2019,57:29-45.
[9] 陈建能, 赵雄, 张国凤, 等. 基于改进NSGA-Π算法的新型引纬机构的参数优化[J]. 纺织学报, 2008,29(1):110-113.
CHEN Jianneng, ZHAO Xiong, ZHANG Guofeng, et al. Parameter optimization of a new weft insertion mechanism based on improved NSGA-algorithm[J]. Journal of Textile Research, 2008,29(1):110-113.
[10] DUNKER T, RADONS G, WESTKÄMPER E. Combining evolutionary computation and dynamic programming for solving a dynamic facility layout problem[J]. European Journal of Operational Research, 2005,165(1):55-69.
[11] OZTURK E, KOSEOGLU H, KARABOYACI M, et al. Minimization of water and chemical use in a cotton/polyester fabric dyeing textile mill[J]. Journal of Cleaner Production, 2016,130:92-102.
[12] 何寒娜, 方芳, 王伟, 等. 改进模拟退火遗传算法的3D NoC低功耗映射[J]. 计算机辅助设计与图形学学报, 2019,31(4):681-688.
HE Hanna, FANG Fang, WANG Wei, et al. Improved simulated annealing genetic algorithm for low power mapping of 3D NoC[J]. Journal of Computer Aided Design and Graphics, 2019,31(4):681-688.
[13] 曲志坚, 陈宇航, 李盘靖, 等. 基于多算子协同进化的自适应并行量子遗传算法[J]. 电子学报, 2019,47(2):266-273.
QU Zhijian, CHEN Yuhang, LI Panjing, et al. Adaptive parallel quantum genetic algorithms based on multi-operator co-evolution[J]. Journal of Electronics, 2019,47(2):266-273.
[1] 张卓, 丛洪莲, 蒋高明, 董智佳. 基于交互式遗传算法的Polo衫快速款式推荐系统[J]. 纺织学报, 2021, 42(01): 138-144.
[2] 李亮, 倪俊芳. 绗缝机花样加工代码自动生成算法[J]. 纺织学报, 2020, 41(11): 162-167.
[3] 谢子昂, 杜劲松, 赵国华. 衬衫吊挂流水线的自适应动态调度[J]. 纺织学报, 2020, 41(10): 144-149.
[4] 张晓侠, 刘凤坤, 买巍, 马崇启. 基于BP 神经网络及其改进算法的织机效率预测[J]. 纺织学报, 2020, 41(08): 121-127.
[5] 黄珍珍, 莫碧贤, 温李红. 基于遗传算法及仿真技术的服装生产流水线平衡[J]. 纺织学报, 2020, 41(07): 154-159.
[6] 郑小虎, 鲍劲松, 马清文, 周衡, 张良山. 基于模拟退火遗传算法的纺纱车间调度系统[J]. 纺织学报, 2020, 41(06): 36-41.
[7] 莫帅, 冯战勇, 唐文杰, 党合玉, 邹振兴. 基于神经网络和遗传算法的锭子弹性管性能优化[J]. 纺织学报, 2020, 41(04): 161-166.
[8] 张旭靖, 王立川, 陈雁. 基于遗传算法的服装缝制生产线平衡优化[J]. 纺织学报, 2020, 41(02): 125-129.
[9] 王晓晖, 刘月刚, 孟婥, 孙以泽. 基于遗传算法和神经网络的3D增材印花工艺参数优化[J]. 纺织学报, 2019, 40(11): 168-174.
[10] 孟朔, 潘如如, 高卫东, 王静安, 周利军. 采用主目标进化遗传算法的织造排程研究[J]. 纺织学报, 2019, 40(08): 169-174.
[11] 宋楚平 李少芹. 应用改进遗传算法的自动配棉模型优化与应用[J]. 纺织学报, 2016, 37(09): 151-155.
[12] 谷有众 高卫东 卢雨正 刘建立 杨瑞华. 应用遗传算法优化支持向量回归机的喷气涡流纺纱线质量预测[J]. 纺织学报, 2016, 37(07): 142-148.
[13] 杨建国 熊经纬 徐兰 项前. 应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型[J]. 纺织学报, 2016, 37(07): 149-154.
[14] 姚桂国;钟小勇;梁金祥;左保齐. 基于遗传算法的织物疵点特征选择[J]. 纺织学报, 2009, 30(12): 41-44.
[15] 陈维国;戴瑾瑾;汪智勇;孟照成;崔志华. 紫外线吸收剂对涤纶的上染及其紫外吸收性能[J]. 纺织学报, 2009, 30(06): 80-85.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
京ICP备14006648号　 京公网安备11010502044800号
版权所有 © 2021 《纺织学报》编辑部
地址： 北京市朝阳区延静里中街3号主楼6层《纺织学报》杂志社　邮政编码：100025　
电话：010-65017711,65917740　传真：010-65016539　Email:fangzhixuebao@vip.126.com
本系统由北京玛格泰克科技发展有限公司设计开发