Resumen

Debido a las complejas restricciones de las cadenas de montaje de productos complejos, los algoritmos existentes no siempre detectan correctamente los cuellos de botella y tienen un bajo índice de convergencia. Para resolver este problema, se propuso un algoritmo híbrido de matriz de adyacencia y algoritmo genético (AG) mejorado. En primer lugar, se definió un modelo de red de montaje complejo (CANM) basado en la capacidad operativa de cada estación de trabajo. En segundo lugar, se propuso una matriz de adyacencia para convertir la detección de cuellos de botella de la red de ensamblaje complejo (CAN) en un problema de optimización combinatoria de flujo máximo. En tercer lugar, se propuso un AG mejorado para resolver este problema de flujo máximo reteniendo el mejor cromosoma. Por último, se obtuvieron los conjuntos de minicortes de CAN tras el cálculo, y se detectaron las estaciones de trabajo con cuello de botella según el análisis de los conjuntos de minicortes. Un estudio de caso muestra que este algoritmo puede detectar correctamente los cuellos de botella y su tasa de convergencia es alta.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:matriz de adyacencia, modelo de red de ensamblaje compleja, línea de ensamblaje de productos compleja, problema de optimización combinatoria, red de ensamblaje compleja, baja tasa de convergencia, can, min, mejor cromosoma, detección de cuellos de botella
• Keywords:adjacency matrix, complex assembly network model, complex product assembly line, combinatorial optimization problem, complex assembly network, low convergence rate, can, min, best chromosome, bottleneck detection