混合模型装配线汽车重排优化：算法开发与部署
系统与控制
2025-07-24 v1 系统与控制
摘要
混合模型装配线(MMAL) 是一种用于制造不同汽车模型的生产系统，能够在同一 Conveyor 上实现高度的产品定制化和灵活性。然而，MMAL 也带来了诸多挑战，如需找到满足与生产绩效、质量和交付有关的多个约束和目标的最优模型序列——包括最小化油漆车间的颜色更换次数、平衡装配线上的工作负荷和装配时间、满足客户需求和交付期限。我们提出一种综合考虑上述所有方面的多目标算法来解决 MMAL 重排问题。我们还展示了在福特-武克 GmbH 位于萨尔洛路的工厂部署本算法后获得的经验结果。我们实现了平均批次大小约提升 30%，相当于颜色更换次数减少 23%。此外，我们将特定日期计划车辆的波动幅度降低了 10%，降低了交付延迟的风险。我们讨论了该算法在提高生产绩效和质量方面的有效性和鲁棒性，以及其权衡和局限性。
引用
@article{arxiv.2507.17422,
title = {Optimizing Car Resequencing on Mixed-Model Assembly Lines: Algorithm Development and Deployment},
author = {Andreas Karrenbauer and Bernd Kuhn and Kurt Mehlhorn and Paolo Luigi Rinaldi},
journal= {arXiv preprint arXiv:2507.17422},
year = {2025}
}