西服定制吊挂生产线的筛选秩序优化

针对西服大规模个性化定制中的服装部件间匹配周期长,筛选区的部件积压严重的现象,从优化西服投产秩序出发,构建部件同步生产模型,减少服装部件匹配时间和调动次数。本研究根据企业实际情况,采用遗传算法优化订单的投产安排,对西服生产车间中的48个款式、200件订单、36个工位等生产要素进行模拟仿真。实验结果表明:优化前投产规则的订单完成时间为26 784 s,优化后为25 134 s,效率提升了6.2%。采用优化后投产规则与吊挂生产线调度优化相结合的方式更能显著减少筛选区在制品数量,在制品部件积压峰值数由18件降低至9件,订单完成时间从原来的25 134 s降低至23 035 s,筛选区内平均调动在制品次数由2.89次减少至1.925次。     

不同类型服装企业智能制造能力成熟度评价模型

为了实现不同类型服装企业规范化的智能制造建设,基于多维度网络层次分析法(ANP)采用5个一级指标、12个二级指标和35个三级评价指标要素,构建服装实现过程的智能化建设能力成熟度评价模型。通过专家问卷确定模型评价指标的权重关系,借助超级决策软件Super Decision实现ANP评价指标的建模。对新构建的能力成熟度评价模型与通用模型进行基于不同类型服装企业智能化建设能力成熟度的对比验证实验,结果表明新构建的评价模型能充分地体现服装行业智能制造发展现状,能准确地反映企业智能制造整体发展水平和单项指标建设情况,并帮助企业弥补应用技术的短板。     

衬衫吊挂流水线的自适应动态调度

针对服装大规模定制中的个性化订单实时到达、订单投产准时性差、瓶颈工位不确定等系列问题,提出了一种服装吊挂流水线的自适应滚动窗口机制解决上述问题。综合考虑了加工顺序、加工设备、人员技能、工序等级等服装生产中的约束条件,建立以最小化完工时间和设备等待时间为目标的多目标动态调度模型,运用工序和设备双层编码结构的非支配遗传算法对模型进行求解;以企业订单数据为基础模拟了21 600 s内个性化订单动态到达过程,对模型进行仿真实验。结果表明:自适应动态调度机制能够充分利用生产线设备信息对不同款式的实时订单动态排程;相较于固定周期调度机制在生产效率和设备利用率上有显著提升。