第一类装配线平衡问题的最优成本预测及生成瓶颈分析

摘要

针对客户仅考虑最优成本而不考虑装配线布局方案的应用实际，将搜索问题转换为预测问题，并提出利用人工智能算法预测最优成本，采用特征重要性排序分析无法快速找到制约最优成本的关键因素的瓶颈。在工人成本改变的情况下，通过求解整数线性规划模型构建新的仿真数据集；利用上述数据，训练随机森林回归、决策树和XGBoost算法模型，利用第1类工人成本、第2类工人成本等7个参数实现最优成本预测；采用3种不同的方法对特征重要性进行排序，以找出制约最优成本的关键因素。用R₂、RMSLE、EV和MPE这4个指标对3种回归算法的综合性能进行了评估，发现XGBoost算法的MPE误差最高，为5.12%，随机森林回归算法的MPE误差最低，为4.09%，证明了用智能算法预测最优成本的可行性。提供了一种采用智能算法对最优成本进行预测的新方法，特征重要性排序的结果表明，第1类工人工作时间对最优成本的影响显著高于其他因素。

关键词

装配线平衡 / 分层劳动力 / 最优成本预测 / 智能算法 / 特征重要性

基金资助

国家重点研发计划资助项目(2022YFB33041)