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。     

智能吊挂系统下西服生产流水线的优化探析

以西服生产现状以及存在问题为背景,对西服生产流水线吊挂系统的生产安排进行分析探索,提出了优化生产流水线的解决方案设想,从而提高流水线的平衡率,进而提高生产效益。为进一步探寻服装企业产品品种与生产形式多样化合理结合的生产模式奠定基础。     

自适应遗传算法在服装缝制流水线平衡中应用

服装的生产过程包括裁剪、缝制、整烫及包装等工序,其中缝制是服装生产的瓶颈工序。本文介绍了自适应遗传算法在解决缝制流水线平衡问题的优点,建立了基于自适应遗传算法的缝制流水线平衡模型,探讨了编码方法以及遗传算子的设计。     

基于服装吊挂系统协同的车间混合流水线布局优化

为适应服装生产企业转型,针对服装制造车间混合流水线生产存在吊挂系统的物料传输路径耗时耗能、各工作台作业负荷时间不均、加工周期长及加工设备资源浪费等问题,根据服装生产工艺流程、工作台资源和加工设备数量受限、理性生产节拍等约束条件,建立物料传输总距离极小化及平滑系数极小化的双目标数学规划模型;设计非支配遗传(NSGA-Ⅱ)算法,对多款式服装生产具体实例进行编程仿真求解,并与多目标粒子群(MOPSO)算法进行优化对比。研究结果表明：NSGA-Ⅱ算法拥有更好的寻优能力,实验得到最优总距离为82 m、最优平滑系数为21.977、最优编制效率为90.2%、最少只需要打开10个工作台和使用18台加工设备,企业可根据不同目标的需要择优选出相应的布局编排方案。     

基于服装智能吊挂系统的优化生产

通过ETON SOFT 2智能吊挂传输生产流水线与课桌型捆包式传输生产流水线的对比分析,阐述了服装智能吊挂生产系统在服装生产过程中降低浮余率、降低返修率、控制生产平衡、缩短生产周期、减轻工人身心疲惫等方面的优化功能,为企业选择提高综合生产能力和效益的途径提供了参考。     

基于遗传算法的服装大规模定制生产线平衡优化

为解决大规模服装定制混流生产过程中出现的产品在线时间长、节拍不均衡、生产成本高等问题,首先对大规模服装定制复杂生产线特点及问题进行分析,构建了具有多子组管理、多目标寻优、服装单件定制的混合生产线平衡优化模型;然后利用矩阵原理对工序进行约束编码,并给出从工序到工位转换的解码算法;接着通过轮盘赌选择、两点交叉和单点变异、多目标适应度函数等算法设计实现了混流生产线的生产平衡;最后以大规模西服定制生产线为例,借助MatLab技术进行编程实现。结果表明,各组子生产线中编制效率最高可达93.93%,总生产线平均编制效率为85.77%,满足企业工序编制要求,验证了本文模型可有效解决大规模服装定制生产线的生产平衡问题。     

考虑学习—遗忘效应的服装缝制车间生产调度模型

面对订单批量小、需求个性化等不确定性高的市场需求环境,结合服装缝制生产中工序多、劳动密集、工人异质性等特点,构建考虑员工学习—遗忘效应的服装缝制车间混合流水分批调度模型。模型以最小化最大完成时间和最小化工位空闲均方差为目标函数,设计非支配遗传算法对模型求解,实现“工人—工序—工位”细粒度调度优化。用仿真实验选出合适的批量大小作为实验参数,并以标准加工时间为不考虑学习—遗忘效应的加工时间进行对比分析,结果表明考虑学习—遗忘效应比不考虑学习—遗忘效应更能适应工人的异质性和不稳定性,在目标函数值上表现更优,验证了模型算法的有效性。     

基于动态管理的服装流水线优化设计

目前服装生产的特点是批量小、品种多和周期短,而许多服装生产管理系统(如ERP、GSD等)都属于静态优化管理,不能快速反应,随时解决生产上出现的问题。通过无线射频识别(RFID)技术与电脑、手机APP相结合的方式设计了动态管理系统,以实现服装生产的动态管理。     

基于改进型NSGAII的织造车间多目标大规模动态调度

织造车间调度规模普遍在300台织机、1000个织轴以上,遗传算法搜索极易陷入局部最优,针对传统动态调度机制在织造插单、打样等复杂生产场景中适应性不强的问题,提出一种改进NSGAII算法.从织造多织机、多织轴、多产品的大规模调度出发,基于织造和穿经之间独特的逆工序调度关系,构建以逾期损失、最大完工时间和织机空闲时间均最小...     

基于深度强化学习的服装缝制过程实时动态调度

服装缝制生产过程易受动态事件干扰,针对订单实时到达的动态事件,以最小化最大完工周期为目标,提出基于深度强化学习的服装缝制过程实时动态调度方法。首先,建立服装缝制过程的调度优化模型,并将该问题转化为基于马尔科夫决策过程的顺序决策问题。然后,通过定义状态特征、候选动作集、奖励函数、探索与利用策略等方面,并结合DDQN算法训练深度神经网络用以描述状态-动作值,据此在决策节点选择最合适的调度规则。实验结果表明：针对牛仔裤前片缝制过程,所提出的方法相较于遗传算法,在调度目标的达成度方面略逊2.3%,但决策时间大幅减少91.4%,表明针对订单动态到达的调度问题,该方法能够实现有效地实时响应,确保了缝制生产的高效性与连续性。     

面向大批量定制的服装生产策略与模式研究

阐述了服装业大批量定制的内涵和三大要素。提出了面向大批量定制的服装生产策略,包括转变观念、采用面向大规模定制生产的产品设计方法进行业务流程重组、运用信息技术、提高生产机械化、自动化程度和采用模块化设计。介绍了大批量定制的服装生产模式,如产品族设计技术、标准化和规范化生产、产品配置设计和快速反应系统。并指出我国服装业应该尽快实施大批量定制。     

基于模块化的服装混合流水线平衡优化

针对服装生产存在的多品种、小批量、短周期等普遍现象,提出以模块化为基础的服装智能生产编排算法,以实现混合流水线下多款服装的快速生产.以服装模块划分为基础,建立模块化服装生产排序与工序分配的联合优化数学模型,设计目标追踪遗传算法求解模型,实现模块化服装在同一流水线上的投产排序优化及服装加工工序的自动化编排.以2款相近衬衫...     

服装吊挂线生产组织分析

根据国内服装吊挂线生产的情况,主要对其生产线布置、品种适应性、人员技能要求、管理的要求与方法等组织要素进行分析,结合在吊挂线生产现场长期的深入实践,对生产组织方案进行研究,提出了单品种大批量生产、多品种小批量平行生产和多品种小批量顺序生产的3种方案。     

基于粒子群算法的服装生产流水线编制

为达到服装缝制流水线精益化生产目的,对现有离散型服装生产流水线进行分析,建立了智能化流水线 编制系统。借鉴遗传算法中染色体交叉和变异等思想,结合粒子群算法快速搜索最优值的能力,改进了粒子群优 化粒子迭代机制;通过选择合适的粒子确定粒子迭代,构建符合流水线编制的数学模型,并在此基础上开发出相应 的服装生产流水线编制软件,实现服装缝制生产流水线的智能化编制;利用编写的系统软件对具体服装生产实例 进行了实践应用,并表征服装缝制流水线平衡度的各项指标。结果表明,均衡指数为16.5,编制效率为96.1%,远 远高于85%,可运用于实际生产,满足服装企业精益化生产要求。     

基于批量定制的服装样板数字化设计技术

从批量定制服装的角度,总结了2种样板数字化设计技术:基于二维CAD系统的样板定制技术和三维服装模型的二维展平技术,并分析了2种技术实现方法的原理、特点和应用。其中前者有3种实现方法:基于传统放码方法的个性化样板修改法、基于参数化设计的自动打板法和基于人工智能的样板设计法;后者的实现方法包括3种:几何展开法、力学展开法和几何展开力学修正法。     

基于遗传算法及仿真技术的服装生产流水线平衡

针对大部分服装企业存在生产流水线编制效率较低以及生产周期长的普遍现象,提出一种服装工序编排方案自动生成和单件流生产线仿真运行的方法。首先分析服装生产工序编排方法和影响因素,采用拓扑方法和遗传算法相结合,在MatLab(R2016b)软件中建立自动优化模型,实现工序的自动编排;然后考虑服装生产数量和生产线设备情况,采用仿真技术,在Plant Simulation仿真软件中,根据实际生产对工序编排方案进行流水线仿真运行,得出直观可视的仿真结果,实现流水线平衡再优化。生产实例验证表明,流水线编制效率为90.8%,比原有效率提高12.8%,节省流水线编排方案在投产前的平衡调试时间,生产周期缩短。     

纬编织造车间生产调度方法研究

为解决纬编织造车间生产订单品种繁多、工艺复杂等问题,构建综合考虑织造车间因素的生产调度模型.研究了"订单拆分-设备选择-任务排序"的织造车间调度方法设计订单拆分规则,对重要客户交货期紧急的订单进行拆分处理;基于产品工艺相似性设计启发式规则,对产品加工设备进行选择;设计结合变邻域搜索策略的遗传算法,对设备加工任务进行优化...