当前位置: 首页 > news >正文

设施布置之车间布局优化SLP分析

物流分析(Flow Analysis) 的基本方法

1、当物料移动是工艺过程的主要部分时,物流分析就是工厂布置设计的核心工作,也是物料搬运分析的开始。
2、零部件物流是该部件在工厂内移动时所走过的路线, 物流分析不仅要考虑每个零部件在工厂内的路线, 还要遵循两个最小和两个避免的原则:
        两个最小原则: 经过距离最小和物流成本最小。
        两个避免原则: 避免迂回和避免十字交叉。

二SLP法工厂总平面布置的一般步骤

1. 对各作业单位之间的相互关系作出分析,包括物流和非物流的相互关系,
2. 经过综合得到作业单位相互关系表(相关图),
3. 根据相关图中作业单位之间相互关系的密切程度,决定各作业单位之间距离的远近,安排各作业单位位置,绘制作业单位位置相关图,
4. 将各作业单位实际占地面积与作业单位位置相关图结合起来,形成作业单位面积相关图;
5. 通过作业单位面积相关图的修正和调整,得到数个可行的布置方案;
6. 最后采用加权因素对各方案进行评价择优,并对每个因素进行量化,得分最多的布置方案就是最佳布置方案。

三影响作业单位相关程度的因素

         物流分析所得到的是定量的相互关系,但是各作业单位之间还存在着其他的关系。
        
        例如以下就是非物流因素为主的情况:
        诸如电子和精密机械的工厂,需要 运输的物料很少,物流相对来说不重要
        辅助设施与生产部门之间常常没有物流关系, 但必须考虑它们之间的密切关系,像维修间、
工具室、更衣室、休息室与生产区都的一定的密切关系。

影响作业单位相关程度的因素

纯服务性 设施中,例如办公室、维修间内,常常没有真正的固定的物流,常用信息流或 人
流当作“物流”。
        在某些情况下,工艺过程也不是布置设计的唯一依据。例如重大零部件的搬运要 考虑运入
运出 的条件,不能按工艺过程布置;有的工序属于产生污染或有危害的作业,需要远离精密
加工和装配区域,也不能考虑工艺顺序。
        在规划作业单位相关时主要是依据各部门本身所需的特别作业和个别需求,以及与其它单
位的相互连接关系来决定。

五影响作业单位相关程度的因素
        物流
        工艺流程
        作业性质相似
        使用相同的设备
        使用同一场所
        使用相同的文件档案
        使用相同的公用设施
        使用同一组人员
        工作联系频繁程度
        监督和管理方便
        噪声、振动、烟尘、易燃
        易爆危险品的影响
        服务的频繁和紧急的影响

如下示例

等级的确定
A 级一般只用于部门间有密切的工艺联系或使用相同的设备或场所 ,如钢材库和下料区、最后检
查和包装、清理和油漆等。大量的人员流动也可定为 A
如果对 A 有些把握不准,就可定为 E ,如两个作业单位间人员流动量大但并不是每时如此,再如方 便和安全要求、搬运物料要求和服务频繁和紧急
U 是最多的,当两个作业单位间不需要相关或无干扰时采用。
X A 一样重要,但方向相反 ,是不需要密切靠近的。例如油漆间就不能和焊接间相邻。一般噪音、 烟尘、发热、致冷和气味都是列 X 的理由

六综合相关图

 然后用以下公式计算两作业单位ij之间的相关密切程度CRij CRij =mMRij+nNRij
 其中MRijNRij分别是物流相互关系等级和非物流相互关系等级。
 然后就可以按CRij的值再来划分综合等级,各档比例还要适当控制。
 这里要注意X级的处理。任何一级物流强度与X级的非物流关系综合时,不应超过O级。
 对于一些绝对不能靠近的作业单位,相互关系可定为XX级。最后,再根据经验和实际约束情况,来适当调整综合相关图。

七缪瑟的线型图法

首先将 A E 级关系的作业单位放进布置图中,同一级别的用同一长度的线段表示, A 级线段最短,取一个单位, E 级的长度为 A 级的两倍,依次类推。
若作业单位较多,线段混乱,可以不画 O 级关系,但 X 级必须画出。
先将 AEIOUX 关系量化为数值,得 14 个作业单位的综合接近程度和按分值的排序
分值越高,说明该作业单位越应靠近布置图的中心位置,越低则越往边缘。作业单位可按标准的作业符号来区分其性质。 布置步骤如下:
案例补充:
基于上文图1液压转向器总工艺过程图的具体内容,可以深入了解生产过程中各工序之间生产衔接的关系以及各作业部门之间的工艺流程,为研究T公司生产车间之间的物料搬运路径和搬运顺序情况,为下文T公司车间布局问题的发现提供了基础,本文着重对半成品的物料搬运路线情况进行分析,具体物料搬运路线如表3所示。
根据上文对T公司车间布局和生产物流路线的分析,再结合图2中尺寸和距离的标注,通过计算得到各作业车间之间的搬运距离表,如表4所示。
将 T 公司生产制造区的各作业单位进行编号:
1.原材料库, 2.铸造车间,3.热处理车间, 4.机加工车间, 5.精密车间, 6.半成品库, 7.组装车间, 8.性能实验室, 9.成品库。根据收集整理得到的 T 公司生产数据,各作业单位之间的物资流动量如表6所示。
各作业单位间相互关系决定因素,如表8所示。
物流因素(m)与其他非物流因素(n)的取值比例选定为 m:n=1:1
备注:第二个案例参考链接: 练习+应用参考:SLP布局方法_作业_车间_单位

方法应用的参考文献

[1] 琚科昌, 王转. 基于SLP的流程型制造企业物流设施布局分析方法及应用[J]. 物流技术, 2006(10):3.

[2] 李琴, 李泽蓉, 文忠波. 基于SLP的某车间设施布局优化设计[J]. 煤矿机械, 2011, 32(5):3.

[3] 陈雷雷. 基于SLP的食品物流设施平面布局方法研究[J]. 安徽农业科学, 2011, 39(3):3.

[4] 黎法豪. 基于SLP的厂区设施布局规划设计及仿真分析[D]. 华南理工大学.

相关文章:

设施布置之车间布局优化SLP分析

一 物流分析(Flow Analysis) 的基本方法 1、当物料移动是工艺过程的主要部分时,物流分析就是工厂布置设计的核心工作,也是物料搬运分析的开始。 2、零部件物流是该部件在工厂内移动时所走过的路线, 物流分析不仅要考虑…...

帕金森的锻炼方式

帕金森病,这个看似陌生的名词,其实离我们并不遥远。它是一种常见的神经系统疾病,影响着许多中老年人的生活质量。虽然帕金森病目前尚无根治之法,但通过科学合理的日常锻炼,可以有效缓解病情,提高生活质量。…...

PyTorch(一)模型训练过程

PyTorch(一)模型训练过程 #c 总结 实践总结 该实践从「数据处理」开始到最后利用训练好的「模型」预测,感受到了整个模型的训练过程。其中也有部分知识点,例如定义神经网络,只是初步的模仿,有一个比较浅的…...

windows下cmd命令行模式中cd变换路径命令无效的解决办法

一,出现的情况 二,解决方法 当出现转换盘的时候打开 cmd 之后可能是无法生效的 ,因为在cmd 中转换盘首先需要用到换盘符 。 Solve1 : 先进行换盘 C: c: // 转换到 C盘 D: d: // 转化到 D盘 Solve2 : 直接进行强转 cd /dE:\ACM算法资源\XCP…...

收藏||电商数据采集流程||电商数据采集API接口

商务数据分析的流程 第一步:明确分析目的。首先要明确分析目的,并把分析目的分解成若干个不同的分析要点,然后梳理分析思路,最后搭建分析框架。 第二步:数据采集。主流电商API接口数据采集,一般可以通过数…...

修改源码,打patch包,线上环境不生效

1.首先看修改的源码文件是否正确 在node_modules中,找对应的包,然后查看包中package.json 的main和module。如果用require引入,则修改lib下面的组件,如果是import引入则修改es下面的文件 main 对应commonjs引入方式的程序入口文件…...

NUC980-OLED实现全中文字库的方法

1.背景 有一个产品,客户需要屏幕展示一些内容,要带一些中文,实现了OLED12864的驱动,但是它不带字库,现在要实现OLED全字库的显示 2.制作原始字库 下载软件pctolcd2002 设置 制作字库 打开原始文件 用软件自带的&…...

UEFI 启动原理及qemu 虚拟化中使用

UEFI 启动原理及qemu 虚拟化中使用 什么是BIOS?什么是 UEFI? 什么是BIOS? 计算机启动时会加载 BIOS,以初始化和测试硬件功能。它使用 POST 或 Power On Self Test 来确保硬件配置有效且工作正常,然后寻找存储引导设…...

35、正则表达式

一、正则表达式命令 正则表达式:匹配的是文本内容,linux的文本三剑客都是针对文本内容。 ​ grep 过滤文本内容 ​ sed 针对文本内容进行增删改查 ​ awk 按行取列 文本三剑客----都是按照行进行匹配。 1.1、grep筛选: grep的作用就是…...

Ubuntu20.04中复现FoundationPose

Ubuntu20.04中复现FoundationPose 文章目录 Ubuntu20.04中复现FoundationPose1.安装cuda和cudnn2.下载相关资源3.环境配置4.运行model-based demo5.运行ycbv demoReference 🚀 非常重要的环境配置 🚀 ubuntu 20.04cuda 11.8.0cudnn v8.9.7python 3.9.19…...

【Qt快速入门(四)】- QLabel文本框的使用

目录 Qt快速入门(四)- QLabel文本框的使用QLabel文本框的使用QLabel的基本用法1. 创建和设置文本2. 动态设置文本 设置文本样式1.设置字体和颜色2.文本对齐方式3.富文本显示 显示图片QLabel的交互功能可点击标签 QLabel的高级特性1.缩放图片以适应标签大…...

用Python设置Excel工作表网格线的隐藏与显示

Excel表格界面的直观性很大程度上得益于表格中的网格线设计,这些线条帮助用户精确对齐数据,清晰划分单元格。网格线是Excel界面中默认显示的辅助线,用于辅助定位,与单元格边框不痛,不影响打印输出。然而,在…...

自回归模型胜过扩散模型:用于可扩展图像生成的 Llama

📜 文献卡 Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation作者: Peize Sun; Yi Jiang; Shoufa Chen; Shilong Zhang; Bingyue Peng; Ping Luo; Zehuan YuanDOI: 10.48550/arXiv.2406.06525摘要: We introduce LlamaGen, a new family …...

访问外网的安全保障——反向沙箱

反向沙箱作为一种网络安全技术,其核心理念在于通过构建一个隔离且受控的环境,来有效阻止潜在的网络威胁对真实系统的影响。在当今日益复杂的网络环境中,如何借助反向沙箱实现安全上网,已成为众多用户关注的焦点。 随着信息化的发…...

【绝对有用】C++ 字符串进行排序、vector增加内容 和 剔除值

在 C 中对字符串进行排序&#xff0c;可以使用标准库中的 std::sort 函数。std::sort 函数可以用于容器或范围内的元素排序&#xff0c;包括字符串中的字符。以下是一个简单的示例代码&#xff0c;展示了如何对字符串中的字符进行排序&#xff1a; #include <iostream> …...

GenICam标准(一)

系列文章目录 GenICam标准&#xff08;一&#xff09; GenICam标准&#xff08;二&#xff09; GenICam标准&#xff08;三&#xff09; GenICam标准&#xff08;四&#xff09; GenICam标准&#xff08;五&#xff09; GenICam标准&#xff08;六&#xff09; 文章目录 系列文…...

【Redis】分布式锁基本理论与简单实现

目录 分布式锁解释作用特性实现方式MySQL、Redis、Zookeeper三种方式对比 原理 reids分布式锁原理目的容错redis简单分布式锁实现锁接口实现类下单场景的实现容错场景1解决思路优化代码 容错场景2Lua脚本Redis利用Lua脚本解决多条命令原子性问题 释放锁的业务流程Lua脚本来表示…...

Web开发技术大作业(HTML\CSS\PHP\MYSQL\JS)

从6月13日到6月15日&#xff0c;经过一系列的操作&#xff0c;终于把老师布置的大作业写完了&#xff0c;虽然有很多水分&#xff0c;很多东西都是为了应付&#xff08;特别是最后做的那几个网页&#xff09;&#xff0c;真的是惨不忍睹&#xff0c;不过既然花时间写了&#xf…...

【全开源】沃德会务会议管理系统(FastAdmin+ThinkPHP+Uniapp)

沃德会务会议管理系统一款基于FastAdminThinkPHPUniapp开发的会议管理系统&#xff0c;对会议流程、开支、数量、标准、供应商提供一种标准化的管理方法。以达到量化成本节约&#xff0c;风险缓解和服务质量提升的目的。适用于大型论坛、峰会、学术会议、政府大会、合作伙伴大会…...

尚硅谷大数据技术ClickHouse教程-笔记01【ClickHouse单机安装、数据类型】

视频地址&#xff1a;一套上手ClickHouse-OLAP分析引擎&#xff0c;囊括Prometheus与Grafana_哔哩哔哩_bilibili 01_尚硅谷大数据技术之ClickHouse入门V1.0 尚硅谷大数据技术ClickHouse教程-笔记01【ClickHouse单机安装、数据类型】尚硅谷大数据技术ClickHouse教程-笔记02【表引…...

2026年上海网站建设市场分析:企业官网从展示到增长的演进路径

2026年&#xff0c;上海企业数字化服务市场迎来结构性变革。据2026年上半年上海企业数字化服务市场调研数据显示&#xff0c;上海地区企业官网新建与升级需求同比增长45%&#xff0c;中大型企业对官网的核心诉求已从基础信息展示转向AI智能赋能、全球化跨境适配、全链路营销转化…...

给渗透新手的保姆级指南:用Kali和MSF搞定VulnHub经典靶机DC-1

Kali Linux渗透测试实战&#xff1a;从零攻破VulnHub DC-1靶机 环境准备与靶机配置 在开始渗透测试之前&#xff0c;确保你已经准备好以下工具和环境。Kali Linux作为渗透测试的标准发行版&#xff0c;集成了我们所需的所有工具。DC-1是Vulnhub上一个专为渗透测试练习设计的靶机…...

OpenClaw环境隔离方案:ollama-QwQ-32B镜像与本地Python虚拟环境整合

OpenClaw环境隔离方案&#xff1a;ollama-QwQ-32B镜像与本地Python虚拟环境整合 1. 为什么需要环境隔离 上周我在尝试将OpenClaw接入本地部署的ollama-QwQ-32B模型时&#xff0c;遇到了一个棘手的问题&#xff1a;我的开发环境突然崩溃了。事后排查发现&#xff0c;是OpenCla…...

SVM支持向量机核函数选择避坑指南:从线性到RBF,如何根据你的数据特征做决定?

SVM核函数选择实战指南&#xff1a;从数据特征到模型调优的全流程解析 第一次在Scikit-learn中调用SVC类时&#xff0c;面对kernel参数下拉菜单里linear、poly、rbf、sigmoid四个选项&#xff0c;我盯着屏幕发了五分钟呆——这感觉就像走进一家高级餐厅&#xff0c;服务员递来一…...

3步在Mac上免费运行Stable Diffusion的终极指南

3步在Mac上免费运行Stable Diffusion的终极指南 【免费下载链接】MochiDiffusion Run Stable Diffusion on Mac natively 项目地址: https://gitcode.com/gh_mirrors/mo/MochiDiffusion 还在为寻找合适的Mac AI绘画工具而烦恼吗&#xff1f;想要完全离线生成惊艳的AI艺术…...

Win11Debloat:终极Windows系统清理工具,一键提升电脑性能的完整指南

Win11Debloat&#xff1a;终极Windows系统清理工具&#xff0c;一键提升电脑性能的完整指南 【免费下载链接】Win11Debloat 一个简单的PowerShell脚本&#xff0c;用于从Windows中移除预装的无用软件&#xff0c;禁用遥测&#xff0c;从Windows搜索中移除Bing&#xff0c;以及执…...

OpenClaw错误排查大全:百川2-13B接口调用常见问题与解决方案

OpenClaw错误排查大全&#xff1a;百川2-13B接口调用常见问题与解决方案 1. 为什么需要这份排查指南 上周我在本地部署百川2-13B模型对接OpenClaw时&#xff0c;连续遇到了三个晚上各种报错。从模型加载失败到Token耗尽&#xff0c;再到莫名其妙的响应超时&#xff0c;每次解…...

开源工具实现游戏存档编辑:虚幻引擎存档处理全指南

开源工具实现游戏存档编辑&#xff1a;虚幻引擎存档处理全指南 【免费下载链接】uesave 项目地址: https://gitcode.com/gh_mirrors/ue/uesave 在游戏开发与玩家体验中&#xff0c;虚幻引擎的存档文件往往以二进制格式存储&#xff0c;这给数据修改、备份与分析带来了挑…...

告别WoMic:用VB-Audio Virtual Cable和TCP Socket自建无线麦克风(含参数配置避坑指南)

无线音频传输方案重构&#xff1a;VB-Audio与TCP Socket的工程实践 在音频处理领域&#xff0c;虚拟麦克风技术一直是个既实用又有趣的话题。许多开发者最初接触这一领域是通过WoMic这样的解决方案&#xff0c;但随着项目复杂度提升&#xff0c;人们往往需要更灵活、更可控的自…...

Polars 2.0内存优化实战:如何用lazy().collect()规避OOM,单机处理500GB脏数据?

第一章&#xff1a;Polars 2.0内存优化实战&#xff1a;如何用lazy().collect()规避OOM&#xff0c;单机处理500GB脏数据&#xff1f;在处理超大规模脏数据集时&#xff0c;传统 eager 模式极易触发 OOM&#xff08;Out-of-Memory&#xff09;错误。Polars 2.0 的 LazyFrame 提…...