(1.16)
32
Bảng 1.3 So sánh các chỉ số của dây chuyền may theo các phương pháp cân bằng [11]
Phương pháp Số công nhân (người)
Hiệu suất dây chuyền Le (%) Đầu ra (sản phẩm) Chỉ số trơn SI RPW 23 95,1 475 19,84 PT-1 22 92,2 461 30,89 PT-2 21 96,5 482 14,21 Kết hợp PT-1 và RPW 22 97,4 487 11,84 Kết hợp PT-2 và RPW 22 97,4 487 11,84
Nghiên cứu trên cho thấy việc cho phép thời gian của vị trí làm việc lớn hơn nhịp dây chuyền và được hình thành các nguyên công sản xuất bội đã mang lại sự linh hoạt trong quá trình cân bằng. Phương pháp mới được tác giả phát triển là kết hợp giữa hai phương pháp thực tế với RPW đã mang lại hiệu suất dây chuyền cao hơn và chỉ số trơn SI nhỏ hơn so với ba phương pháp chưa kết hợp, tuy nhiên đánh giá hiệu quả của dây chuyền bằng năng suất dây chuyền là chưa đủ thuyết phục phương án nào tốt hơn vì nó còn phụ thuộc vào số lượng công nhân tham gia sản xuất.
Kỹ thuật cân bằng xác suất (Probabilistic Line Balancing Technique) được phát triển bởi tác giả El-Sayed và Boucher [75] để cân bằng dây chuyền sản xuất. Trong phương pháp này, dựa trên sơ đồ trình tự công nghệ tiến hành xây dựng ma trận P gồm các nguyên công thực hiện trước và ma trận F là nguyên công thực hiện theo sau, thuật toán được thực hiện như sau [75, 77]:
+ Bước 1: Thiết lập ma trận P gồm các nguyên công thực hiện trước và ma trận F là các nguyên công thực hiện theo sau.
+ Bước 2: Chọn nguyên công mà ma trận P có giá trị 0 để ưu tiên gán cho vị trí làm việc. Nếu có nhiều nguyên công có giá trị 0 thì chọn nguyên công có thời gian gia công lớn nhất. Nếu thời gian của nguyên công phù hợp với nhịp thì vị trí làm việc đó chỉ có một nguyên công, nếu không thì thực hiện bước 3.
+ Bước 3: Tính thời gian còn lại của vị trí làm việc đó bằng hiệu số của nhịp dây chuyền và tổng thời gian các nguyên công của vị trí đó. Trên cùng hàng của ma trận P tiếp tục chọn các nguyên công dựa vào ma trận F để phân bổ. Nếu nguyên công của ma trận F phù hợp với nhịp thì gán nguyên công vừa tìm vào vị trí làm việc, nếu không còn thì mở một vị trí làm việc mới.
+ Bước 4: Lặp lại bước 2, 3, 4 cho đến khi tất cả các NCCN được phân bổ vào vị trí làm việc.
Trong công trình nghiên của tác giả Eryuruk và cộng sự [64] đã áp dụng hai phương pháp RPW và Cân bằng xác suất để cân bằng dây chuyền sản xuất cho hai mẫu quần âu nam khác nhau. Khi chọn các nguyên công để ưu tiên gán cho các vị trí làm việc, nhóm tác giả sử dụng phương pháp thời gian gia công lớn nhất. Giả định của bài toán là không có quá ba công nhân thực hiện công việc như nhau, điều này có nghĩa là không cho phép tạo thành nguyên công sản xuất bội lớn hơn 3. Nhóm tác giả sử dụng các chỉ số như hiệu suất dây chuyền Le, chỉ số mất cân bằng SI và số lượng công nhân tối ưu để đánh giá hiệu quả của các phương pháp. Kết quả nghiên cứu cho thấy thuật toán RPW cho kết quả tốt hơn phương pháp cân bằng xác suất.
Trong nghiên cứu này một lần nữa cho thấy phương pháp Xếp hạng trọng số vị trí RPW cho kết quả ưu việt trong cân bằng dây chuyền may. Giả định của bài toán đã xét đến điều kiện trong sản xuất thực tế là việc cho phép hình thành các nguyên công bội. Tuy nhiên, tác giả đã cho phép phối hợp nhiều loại thiết bị khác nhau cho mỗi công nhân thực hiện, điều này trong thực tế sản xuất sẽ không đảm bảo sự chuyên môn hóa công việc.
33
Trong nghiên cứu khác của tác giả Eryuruk [81] đã tiến hành thiết kế dây chuyền sản xuất sản phẩm áo váy nữ theo hai mô hình là chuyền đơn thẳng và chuyền chữ U. Giai đoạn đầu, tác giả sử dụng chương trình phần mềm Arena để mô phỏng quá trình sản xuất của dây chuyền từ đó tìm ra các điểm ùn hàng. Giai đoạn thứ 2, tác giả sử dụng hai thuật toán là Cân bằng xác suất và thuật toán Quy tắc lớn nhất để cân bằng dây chuyền. Mục đích của nghiên cứu là để thiết kế dây chuyền sản xuất với mục tiêu tối đa hiệu suất dây chuyền Le, tối thiểu số lượng thiết bị và công nhân khi cho trước nhịp. Kết quả của nghiên cứu cho thấy đối với cả hai mô hình dây chuyền đơn thẳng và dây chuyền chữ U thì thuật toán Quy tắc lớn nhất áp dụng linh hoạt, dễ dàng hơn và hiệu quả cao hơn.
Với nghiên cứu này, tác giả thiết kế dây chuyền may với mục tiêu là tối đa hiệu suất dây chuyền Le, tối thiểu số lượng thiết bị và công nhân khi cho trước nhịp để giảm chi phí và nâng cao năng suất dây chuyền. Tuy nhiên, khi gán các nguyên công cho các vị trí làm việc không đảm bảo trình tự thực hiện, bán thành phẩm vận chuyển qua lại giữa các vị trí làm việc gây lãng phí thời gian do phải vận chuyển bán thành phẩm.
Các phương pháp Heuristic áp dụng giải bài toán cân bằng dây chuyền đã được nghiên cứu rộng rãi và có những ưu điểm vượt trội như:
- Có tính thực tế.
- Dễ thực hiện, có thể thực hiện thủ công. - Thời gian giải hợp lý.
- Phù hợp với những bài toán có độ phức tạp dữ liệu đầu vào lớn, lời giải chấp nhận được.
Nhược điểm của thuật toán Heuristic giải bài toán cân bằng dây chuyền là: - Thiết kế cho các bài toán cụ thể.
- Lời giải có thể rơi vào cực trị địa phương.
Thuật toán Meta - Heuristic
Một số nghiên cứu đã áp dụng phương pháp Heuristic và có những kết quả nhất định, nhưng lời giải thu được thường rơi vào cực trị địa phương. Để mở rộng được không gian tìm kiếm, đồng thời đào sâu vào được các vùng tiềm năng cho lời giải tối ưu, thì các phương pháp Meta-Heuristic được áp dụng. Chất lượng lời giải nhờ đó được cải thiện, tuy nhiên có thể cần thời gian lâu hơn. Thuật toán Meta-Heuristic được phát triển trên cơ sở mô hình hóa trí thông minh tự nhiên, các sự tiến hóa sinh học hay các hiện tượng trong tự nhiên. Lớp thuật toán này gồm các thuật toán tìm kiếm Tabu (Tabu Search), thuật toán Di truyền (Genetic Algorithms), thuật toán Luyện kim (Simulated Annealing Algorithm),…
Một trong những thuật toán phổ biến được nghiên cứu áp dụng giải bài toán cân bằng dây chuyền là thuật toán Di truyền(Genetic Algorithms, kí hiệu là GA) [82]. Thuật toán Di truyền dựa trên các quy trình tìm kiếm xác suất tự nhiên bắt nguồn từ các nguyên tắc di truyền học tự nhiên và khoa học tiến hóa lần đầu tiên được giới thiệu bởi tác giả Holland [83].
Thuật toán Di truyền hình thành dựa trên quan niệm quá trình tiến hóa tự nhiên. Thuật toán Di truyền mô phỏng bốn quá trình cơ bản của quá trình di truyền: Lai ghép, đột biến, sinh sản và chọn lọc tự nhiên. Các tính chất đặc thù của thuật toán di truyền như sau [84, 85]:
34
- Là một kỹ thuật chung giúp giải quyết vấn đề bằng cách mô phỏng sự tiến hóa của các sinh vật nói chung, trong điều kiện quy định sẵn của môi trường. Mục tiêu của thuật toán di truyền là đưa ra một lời giải gần đúng, chấp nhận được trong một khoảng thời gian tính toán nhất định. Trong thuật toán Di truyền, một quần thể là tập các lời giải (cá thể). Tại mỗi bước lặp, các phép toán lai ghép và đột biến được thực hiện giữa các lời giải trên tập lời giải hiện tại để sinh ra các lời giải mới. Sau đó, các lời giải thuộc tập lời giải hiện tại và các lời giải mới tạo ra này phải trải qua một quá trình chọn lọc: lời giải không tốt sẽ bị đào thải, chỉ các lời giải tốt mới được giữ lại cấu thành tập lời giải mới cho bước lặp tiếp theo.
- Thuật toán di truyền không để ý chi tiết bài toán, mà chỉ chú ý đến giải pháp. - Thích hợp cho việc tìm kiếm giải pháp tối ưu.
Một trong những nghiên cứu ứng dụng sớm nhất thuật toán GA cho ngành công nghiệp may là của tác giả C.C. Chan và cộng sự (1998) [86]. Nhóm tác giả đề xuất bài toán phân công lại lao động trên dây chuyền may, mục tiêu của bài toán là tối thiểu thời gian chờ việc tại mỗi vị trí làm việc, thời gian chờ việc là hiệu số giữa nhịp dây chuyền và tổng thời gian của các nguyên công tại mỗi vị trí làm việc. Phương pháp thực hiện của nhóm tác giả là hoán đổi vị trí làm việc của người lao động để phù hợp với năng lực lao động cá nhân. Trong thuật toán GA của nhóm tác giả đã lựa chọn phương án cân bằng chuyền (CBC) cơ sở là một phương án ngẫu nghiên, quy mô lời giải trong nghiên cứu lấy là 50. Phương án CBC mới được tạo ra bằng quá trình lai ghép và đột biến các phương án CBC trước đó:
- Quá trình lai ghép các phương án CBC cũ để tạo thành các phương án CBC mới được thực hiện bằng phương pháp trao đổi chéo: Đầu tiên tạo một chuỗi bit chỉ gồm hai giá trị 0 và 1 có cùng độ dài với phương án CBC cơ sở, độ dài của mỗi phương án ở đây là số lượng công nhân tham gia sản xuất. Phương án mới được sinh ra bằng cách sao chép tất cả các vị trí làm việc của phương án bố khi giá trị của chuỗi bit bằng 1, sau đó hoán vị các công nhân có vị trí trên chuỗi bit bằng 0 sao cho có cùng thứ tự trên phương án CBC mẹ, ví dụ hoán vị công nhân 1 và 8 của của phương án bố được phương án CBC con 1 minh họa trong hình 1.22.
Phương án CBC bố 1 2 3 4 5 6 7 8
Phương án CBC mẹ 8 6 4 2 7 5 3 1
Chuỗi bit 0 1 1 0 1 1 0 0
Phương án CBC con 1 8 2 3 4 5 6 7 1
Phương án CBC con 2 8 4 5 2 6 7 3 1
Hình 1.22 Phương pháp trao đổi chéo [86]
- Để kết quả lời giải thoát khỏi tối ưu hóa cục bộ, người ta áp dụng phương pháp trộn để đột biến các phương án CBC. Phương án mới được tạo ra bằng cách chọn một số công nhân trên phương án CBC bố và hoán vị vi trí làm việc của số công nhân đó, ví dụ minh họa trong hình 1.23.
Phương án CBC bố (2 4 7 1 4 8 3 5 9) Phương án CBC con (2 4 4 8 1 7 3 5 9)
Hình 1.23 Phương pháp trộn [86]
Nghiên cứu [86] cho thấy việc áp dụng thuật toán GA phù hợp với bài toán cân bằng dây chuyền có thời gian tính toán hợp lý. Tuy nhiên trong sản xuất thực tế, mỗi
35
công nhân thường được đào tạo một số kỹ năng nhất định do đó khi hoán vị hay xáo trộn vị trí làm việc của công nhân có nghĩa là thay đổi công việc của họ, điều này chưa thực sự khả thi trong thực tế.
Tác giả W.K. Wong và cộng sự [87] đã áp dụng thuật toán GA để tối ưu hóa phân công lao động trên dây chuyền may có số lượng vị trí làm việc cố định. Giả định của bài toán là mỗi vị trí làm việc thực hiện một công việc nhất định, mỗi người công nhân được đào tạo để thực hiện nhiều công việc khác nhau, mỗi công việc được thực hiện với hiệu suất làm việc khác nhau. Mục tiêu của bài toán tối thiểu thời gian chờ việc tại tất cả các vị trí làm việc, thời gian chờ việc bằng hiệu số giữa nhịp dây chuyền và thời gian làm việc của người công nhân tại vị trí đó. Đầu tiên thuật toán sinh ngẫu nhiên một tập lời giải (quần thể) là tập hợp các phương án CBC khả thi có số lượng là 10. Phương án mới được thực hiện bằng phép lai ghép và đột biến như sau:
- Quá trình lai ghép các phương án CBC để tạo ra phương án mới được thực hiện bằng phương pháp giao một điểm. Chọn ngẫu nhiên một cặp phương án CBC bố mẹ trong tập lời giải (quần thể), mỗi phương án giữ lại một đoạn đầu và hoán đổi đoạn cuối của hai phương án CBC cũ với nhau tạo thành hai phương án CBC con, ví dụ minh họa trong hình 1.24.
Hình 1.24 Phương pháp giao một điểm [87]
- Quá trình đột biến các phương án CBC được thực hiện bằng phương pháp ngẫu nhiên, mỗi phương án CBC chọn một vị trí làm việc bất kỳ để phân công lao động lại, ví dụ minh họa trong hình 1.25.
Điểm đột biến
Phương án CBC con 1 2 3 2 1 1 3 1 1 2 Phương án CBC con mới 1 2 1 2 1 1 3 1 1 2
Hình 1.25 Phương pháp đột biến ngẫu nhiên [87]
Nghiên cứu [87] cho thấy việc áp dụng thuật toán GA đã giảm thời gian sản xuất do giảm thời gian chờ việc của mỗi vị trí làm việc. Tuy nhiên, trong nghiên cứu này giả định là người công nhân có thể thực hiện được nhiều công việc khác nhau nhưng trong thực tế mỗi công nhân thường được đào tạo để thực hiện một số công việc, mỗi công việc chỉ cần một số công nhân thực hiện được để đảm bảo tính chuyên môn hóa.
Phương án CBC bố, mẹ
36
Tác giả Z.X. Guo và cộng sự [88] đã áp dụng thuật toán GA để lập lịch sản xuất của dây chuyền may theo hình thức sản xuất đơn sản phẩm và đa sản phẩm. Hình thức đơn sản phẩm là dây chuyền sản xuất lần lượt từng loại sản phẩm, hình thức sản xuất đa sản phẩm là tại một thời điểm có hai hay nhiều sản phẩm đồng thời được sản xuất. Mục tiêu của bài toán là xác định thời điểm bắt đầu sản xuất của mỗi loại sản phẩm để giao hàng đúng hạn, giảm lãng phí thời gian lưu kho do sản xuất sớm. Dây chuyền trong nghiên cứu có số vị trí làm việc và công nhân cố định, giả định của bài toán là mỗi vị trí làm việc thực hiện được tối đa hai nguyên công, mỗi nguyên công có thể được thực hiện tại nhiều vị trí làm việc.
Phương án CBC 1 2 3 3,4 4 2 1 5 6 5,6 5 6 Thiết bị 1 2 3 4 5 6 7 8 9 10 11 12
Loại thiết bị Loại 1 Loại 2
Hình 1.26 Biểu diễn phương án CBC (cá thể) [88]
Nhóm tác giả đã biểu diễn mỗi phương án CBC (cá thể) là một chuỗi có chiều dài bằng số lượng máy trên dây chuyền, mỗi máy gồm một số nguyên công được thực hiện trên loại máy đó, ví dụ minh họa biểu diễn phương án CBC trong hình 1.26.
Phương án CBC cơ sở trong thuật toán GA được khởi tạo ngẫu nhiên. Quá trình lai ghép các phương án CBC sử dụng phương pháp trao đổi chéo để tạo ra phương án CBC con (cá thể con) [89]. Quá trình biến đổi các phương án CBC (đột biến) sử dụng phương pháp đảo, đầu tiên đảo hai công nhân được chọn ngẫu nhiên của mỗi phương án CBC, sau đó công nhân có nhiều nguyên công sẽ được phân chia và tổ hợp với nguyên công của công nhân bên cạnh, ví dụ như hình 1.27.
Điểm đột biến
Phương án CBC gốc 1 2 2,3 3 1 4 5,7 6 5 7 Phương án CBC đảo 1 1 3 2,3 2 4 7 5 6 5,7 Phương án CBC đột biến 1 1 3,2 3 2 4 7 5 6 5,7
Loại thiết bị Loại 1 Loại 2
Hình 1.27 Phương pháp đảo [88]
Kết quả của nghiên cứu [88] cho thấy thuật toán GA cho phép giải bài toán cân bằng dây chuyền may với nhiều ràng buộc đã có hiệu quả nhất định. Giả định của bài toán là cho phép các nguyên công được kết hợp với các nguyên công khác nhau và thực hiện ở nhiều vị trí làm việc khác nhau, điều này đảm bảo được việc tận dụng tối đa thời gian của của người công nhân. Tuy nhiên, đường đi của bán thành phẩm có thể sẽ không đi theo một hướng, phải vận chuyển qua lại giữa các nguyên công, việc quản lý và điều độ sản xuất sẽ phức tạp.
37
Tác giả James C. Chen [57] đã sử dụng thuật toán Di truyền nhóm GGA (Group Genatic Algorithms) được phát triển bởi tác giả Falkenauer [90] để giải bài toán cân