[发明专利]一种服装缝制工序分析与组合方法

说明书

技术领域

本发明涉及一种流水线工序组合方法，尤其涉及一种服装缝制工序分析与组合方法。

背景技术

在服装工业化生产中，服装工序流程图是服装缝制生产流水线的基础资料，服装工序流程图表示从衣片到服装的全部缝制加工过程，包含了加工工艺顺序、方法，设备等信息。由于基本工序的加工时间不等，导致服装流水线出现停放和等待现象，降低了生产效率。为使服装流水线生产流畅，服装流水线须按节拍对工序流程图中的工序进行组合，从而使每位操作工人的工作时间基本相等，使服装流水线达到平衡。

服装生产流水线的平衡性是提高服装生产流水线生产效率的关键要素，是评价一条生产流水线好坏的重要指标。服装流水线的平衡可以从两个方面来考虑，第一就是根据流水线的节拍进行服装基本工序的组合，形成一个初始生产工序，初始生产工序编制的好坏对实际生产和动态管理有直接的影响；第二是服装生产流水线的动态管理。

目前服装工序的平衡主要是采用人工方法，是凭流水线管理人员的经验手工编制。这种方法编制的服装流水线平衡性较差，经常出现制品传递逆流交叉、工人忙闲不均、产品生产周期长、设备使用率低等问题。采用传统的手工分析与组合工序的方法不但效率，且不宜找到最优组合，也不利于适应目前小批量、多品种的市场需求。

服装工序组合问题属于组合优化问题，虽然可以通过动态规划方法，分枝定界法等方法解决组合优化问题，但这些方法的目标函数都被定义为线性的，然而在服装工序组合问题中，其目标函数是非线性的且涉及的变量太多，解空间过于庞大。目前，用于服装工序分析与组合的方法主要有下面两种方法。

第一种方法是采用遗传算法，该方法是利用智能计算中的遗传算法来解决服装工序的平衡问题。在该方法中把服装工序平衡问题描述为：服装加工由多道工序按照一定的顺序组成，如果每道工序由一位工人完成，因每道工序加工内容不同和每人专长不同，他们完成该工序所花时间也不同，那么如何分配这多道工序到每个人，使完成整个工作所花的时间最短？采用遗传算法可以得到较好的结果，但遗传算法本身存在早熟、局部搜索能力不足和无方向性的缺点，而且交叉概率和变异概率的选择是影响遗传算法行为和性能的关键，直接影响算法的收敛性，针对不同的优化问题，需要反复实验来确定交叉概率和变异概率，这是一件繁琐的工作。另外利用遗传算法解决服装工序平衡问题中对问题的描述和实际情况不相符，也制约它的实用性，实际情况往往是知道流水线的节拍，需要确定如何组合工序，使得服装加工流水线是顺畅的。

第二种方法是先对服装工序流程图进行简化，再生成有向网络图，进而确定出优先权区域，最后，利用优先关系和优先权区域以及组合范围进行编组。该方法在工序组合时为了使每个工位的加工时间尽可能接近节拍，把不同工种进行组合，但是，此种方法会出现了一人多机情况，也就是一人要操作两种或两种以上机器的情况。

因此，针对上述技术问题，有必要提供一种新的服装缝制工序分析与组合方法，以克服上述缺陷。

发明内容

有鉴于此，本发明的目的在于提供一种不倒流服装流水线的编排方法，使得服装流水线达到基本平衡，有效降低流水线的时间损失率。

为实现上述目的，本发明提供如下技术方案：

一种服装缝制工序分析与组合方法，其特征在于：该方法包括如下步骤：

S1：计算完成一件服装所需时间，获取单位为秒的时间值S，计算完成一件服装所需人数，获取人数值A，通过公式W＝S/A计算出服装流水线的节拍W；

S2：根据服装加工所需工序及先后顺序制作服装工序流程图，对服装工序流程图中的每道工序进行编号，并对服装工序流程图中的每个分支指定一个唯一的编号，利用该些编号将服装工序流程图数字化处理并形成一数据结构；

S3：根据步骤S2中的数字化服装工序流程图计算工序的依赖工序及被其他工序所依赖的影响力值F，依赖工序是指要加工该工序之前必须要完成的前道工序，是一个工序集合，记为P_D，P_D中元素的个数称为依赖工序数，F的值等于所有对该工序有依赖的工序总数；

S4：取所有依赖工序数为零的工序，记为P；

S5：从步骤S4中的P中取一个工序，以该工序为当前工序，根据组合规则，在同一分支和P中寻找所有组合，记录每一个组合并判断是否符合节拍要求；