PAGEPAGE15基于SLP的企業車間布局優化研究的國內外文獻綜述1.1車間布局研究現狀在車間布局研究方面,國內外研究者已經在結合實際案例運用SLP方法、計算機仿真、啟發式算法等對車間布局進行優化，通過結論以及實際應用驗證方案的可行性和有效性方向進行了深入研究，且取得了一定的成果，在實際中的到廣泛應用[4]。國外相關學者較早意識到車間布局對于企業的重要性,其研究發展主要可以分為按照經驗設計、系統布置設計、仿真及建模應用設計三個階段。與之前的設計方法相比,20世紀60年代美國理查德·繆瑟提出了科學、系統、全面的針對車間布局設施的系統設計布置（SLP）理論，對后續的研究發展具有重大意義[5]。KUTESENKO等以俄羅斯奧倫堡地區規劃建設的物流中心為例說明了系統布局規劃方法可以根據物流中心各工作單元的物流和非物流相互關系的相鄰關系，解決了結構單元的選址并提出結構單元的最優布局方案，以提高物流活動的效率[6]。ZILIN等為實現物流園區的資源節省和高效運行，以某城市機場物流園區的年貨物吞吐量為基礎，對機場物流園區的功能區進行設計，并運用系統布局規劃（SLP）對各功能區進行設計和規劃[7]。HUANG等建立了以總物流成本為目標函數的最低物流成本的數學模型，通過材料的設施布局，對柔性制造車間的設施布局中、小批量生產中的大量在制品、物料運輸相對無序的問題進行研究[8]。AZADEH等首次提出了一種考慮安全因素和常規因素的綜合模擬數據包絡分析（DEA）方法來優化輸氣裝置維修車間的設施布局[9]。WU等在WITNESS仿真軟件的基礎上，對發動機零部件生產車間進行數據，通過仿真得到個單元的數據信息，并對繁忙率過高的不合理零件進行推理，提出了幾種改進方法并得出結論，通過合理的設備布局優化來解決從核檢工作繁忙率高的問題，提高車間整體生產效率是可行的[10]。在對國外案例進行學習研究后，國內也開始將設施布局的研究理論與制造業企業實際情況相結合，并取得了較大的發展。楊挺等以車間總物流量最小為目標函數對多行多區域車間的設備布局進行優化研究，結合實際情況對差分進化算法進行改進優化后對模型進行求解[11]。陳勇等對多品種、小批量的市場需求以及訂單柔性客戶等具有一定生產模式及需求的布局進行研究，建立面積、物流成本以及布局熵的多目標函數模型，引入模糊C-均值聚類算法以更好的得到Pareto解集的最優解，并通過在企業布局的應用驗證其有效性[12]。葛安華等建立了車間布局最小物流費用的二次分配模型，為了避免傳統蟻群算法的缺陷采對其進行改進并運用VC++6.0編程來實現算法[13]。曾強等運用NSGAⅡ方法建立多品種批量生產系統的布局優化模型，并針對此模型設計了一種改進的非支配排序的遺傳算法對其進行求解[14]。賈佳等在運用SLP/遺傳算法對車間布局進行優化的同時引入了快速全身評估法對員工的動作因素進行定量分析，以某車間為例，使工人累計疲憊指數降低了11.6%[15]。謝潔明等運用智能搜索算法與無導數直接搜索算法相結合的仿真優化方法對單向多重封閉回路AGV的智能車間制造單元上料與下料（P/D）的布局問題進行研究，驗證了其優化算法的應用價值[16]。1.2優化求解算法研究現狀車間布局優化問題求解過程較為復雜，結果存在眾多情況，而啟發式算法具有執行效率高效且可得到最優解的特點在車間布局優化問題求解中得到廣泛的應用，此外，其結果在實際情況中也具有良好的實用性。國外學者較早將啟發式算法應用到車間布局優化研究中。DAKOV等研究了機械工廠的虛擬單元制造系統空間分布的理論和方法基礎，提出了一種生產計劃算法[17]。TANG考慮車間布局對制造業企業產品生產利潤有較大影響，以車間布局可用性為約束條件建立多目標優化模型，針對簡單遺傳算法求解的不足提出自適應遺傳算法[18]。LIU等通過標準及離散式車間布局的基礎優化對三維視覺化程序進行檢視研究來提高遺傳算法的迭代速率，并提出了改進的控制算子，確定相應的參數[19]。GHANEI等對可重構制造系統中規劃期的階段加入對能源可持續性以及系統配置和調度決策的考慮，建立混合整數線性模型，運用遺傳算法對其進行求解并與GAMS軟件進行比較驗證[20]。SHAFIGH等針對求解式布局制造系統設計的數學模型涉及需求波動等屬性，運行綜合模型的線性規劃嵌入模擬退火算法，對求解大型問題的算法的計算性能進行說明，對算法的發展做出主要貢獻[21]。KRISHNAN等為了使柔性制造系統布局所分配的不同獲得最大的效率，以自動化小車的運輸和回溯距離最小化為目標進行優化，運用分散搜索-粒子群優化混合算法進行求解[22]。國內對車間布局優化算法也有一定的研究。應保勝等在處理民營制造車間機器的非加工費用方面，對各種約束條件進行評價打分并建立以總分值最小的目標，運用啟發式算法進行求解[23]。郭紅等針對多行的車間布局,分析出傳統優化過程中對距離定義所存在的不足，進而提出了改進的距離定義并在建立相關數學模型的同時增加了對地面軌道位置的考慮，最后采用改進的遺傳算法對模型進行求解[24]。楊梅以Y公司的設備布局為研究對象，在尋求最小化搬運費用的同時力求面積利用率最大化，并以此建立雙目標函數，運用基于博弈論的POS-CS混合算法對模型進行求解以驗證其實用性[25]。許曉鳴等在SLP方法的基礎上,構建物流關系和非物流關系相結合的多目標規劃模型,運用粒子群算法求解得出優化布局方案[26]。張青雷等根據大型船舶動力部件的特點，用二維向量來表示設備空間的相對位置,建立符合實際情況的模型,運用新模式粒子群優化算法對模型進行求解[27]。馬玉瑩等針對鏡片加工車間的物料搬運費用和設備包絡面積建立多行設備布局優化模型，并設計出遺傳光學算法來求解模型[28]。啟發式算法在車間布局優化研究中的應用較為廣泛，其優化研究的方案對企業的發展有一定的幫助。其中，相較于傳統的規劃尋優方法中，遺傳算法具有全局搜索能力強以及適用性強的特點，對于方案求解有很多顯著的性能。因此，本文采用SLP方法確定出初始方案，并以此方案作為遺傳算法的初始種群進而對W公司的車間布局進行優化研究。參考文獻[1]葉連發.基于SLP與PGA的多品種小批量生產車間設施布局優化研究[D].重慶:重慶大學機械與運載工程學院,2012.[2]馬漢武,貢文偉,陳駿.設施規劃與物流系統設計[M].北京：北京高等教育出版社,2005.8.[3]王公臻,陸一平.可中斷制造期的并行機調度問題的多目標優化研究[J].制造業自動化,2018,40(08):59-62+83.[4]孟祥超.L企業機加車間設施布局優化研究[D].重慶：重慶理工大學車輛工程學院,2020.[5]MUTHERR,MOGENSENAH.Systematiclayoutplanning[J].IndustrialEducationInstitute,1973,108:26-34[6]KUTSENKOE,BEREZHNAYAL,GALTSEVAO,etal.DesigningtheLogisticsCenterStructureusingtheSystematicLayoutPlanning[C].Tokyo:ProceedingsoftheInternationalScientificConference"FarEastCon",2019.[7]ZILINN,DUANDONGKUN,YAOJIAYI.StudyonthePlanningofAirportLogisticsParkinaCity[C].Moscow:Proceedingsofthe4thInternationalConferenceonEconomics,Management,LawandEducation,2018.[8]HuangDM,ZhangGJ,ShiSX.ResearchonSimulationandOptimizationofFacilityLayoutinFlexibleManufacturingWorkshop[J].AppliedMechanicsandMaterials,2012,1484:96-98.[9]AZADEHA,MOTEVALIS,ASADZADEHSM,etal.Anewapproachforlayoutoptimizationinmaintenanceworkshopswithsafetyfactors:Thecaseofagastransmissionunit[J].JournalofLossPreventionintheProcessIndustries,2013,26(6),10-15.[10]WU,HUANG,XIE.LayoutoptimizationofworkshopequipmentbasedonWITNESS[J].JournalofPhysics:ConferenceSeries,2021,1848(1),127-136.[11]楊挺,楊東,馬光輝,等.多行多區域車間的設備布局優化設計方法[J].工業工程與管理,2018,23(05):135-143.[12]陳勇,程子文,姜樅聰,等.考慮布局熵的多態性車間布局穩健優化模型與算法[J].中國機械工程,2019,30(15):1837-1848.[13]葛安華,姚向楠,張玉巧.基于改進蟻群優化算法的車間布局優化[J].森林工程,2014,30(04):158-161.[14]曾強,沈玲,潘啟東,等.基于NSGAⅡ的多目標車間設施布局優化方法[J].計算機工程與應用,2012,48(27):223-228.[15]賈佳,魏旭,楊丹,等.人因視角下SLP/遺傳算法集成模型車間布局優化[J].組合機床與自動化加工技術,2021(02):161-164+168.[16]謝潔明,陳慶新,毛寧,等.基于GMADS與問題信息的車間單元上下料口布局優化方法[J].計算機集成制造系統:2021(5):1-18.[17]DAKOVI,LEFTEROVAT,PETKOVAA.LayoutandProductionPlanningofVirtualCellularManufacturingSystemsforMechanicalMachining[J].TheJournalofEconomicAsymmetries,2010,7(1),356-378.[18]TANG,ZHIXIAZHANG.Multi-ObjectiveOptimizationofManufacturingWorkshopLayoutBasedonImprovedGeneticAlgorithm[J].AdvancedMaterialsResearch,2014,2912,245-252.[19]LIU,MEIMENG,SHUANGLIU.Layoutdesign-basedresearchonoptimizationandassessmentmethodforshipbuildingworkshop[J].JournalofMarineScienceandApplication,2013,12(2),112-134.[20]GHANEIS,ALGEDDAWYT.AnIntegratedMulti-PeriodLayoutPlanningandSchedulingModelforSustainableReconfigurableManufacturingSystems[J].JournalofAdvancedManufacturingSystems,2020,19(01),65-72.[21]SHAFIGHF,FANTAHUNM.D,MOUSSASE.Alinearprogrammingembeddedsimulatedannealinginthedesignofdistributedlayoutwithproductionplanningandsystemsreconfiguration[J].TheInternationalJournalofAdvancedManufacturingTechn