In the contemporary manufacturing environment, flexible production is growing in popularity due to its quick adaptation and response to the market changes and customized requirements. Since multi-type products under small-batch-based operations are commonly seen in flexible production, dedicated buffers are sometimes used to separate different types of parts that are being processed on one production line. Besides, the steady-state analysis may be ineffective in analyzing such systems because of the small-batch-based operation. As a result, transient-based production process analysis becomes indispensable in studying the dynamic behavior of flexible production systems. In this work, we investigate the production process in flexible production systems with multi-type products, machines obeying the Bernoulli reliability model, and dedicated buffers. In the first place, based on Markovian analysis, a set of auxiliary production lines are presented to decouple the dynamics of the original system. Next, the process performance measures of interest are approximately evaluated from the auxiliary production lines to avoid the issue of system state explosion, which is frequently encountered when applying the Markovian approach. Besides, the proposed analytical algorithm is validated to be with high precision through numerical experiments in contrast with the Monte Carlo simulation. Finally, by using the proposed method and applying the genetic algorithm, we investigate the problem of buffer allocation to minimize the completion time of the system.

在当今的制造环境中，灵活的生产因其快速适应市场变化和定制需求而迅速流行。由于基于小批量操作的多种类型的产品通常出现在灵活的生产中，因此有时会使用专用缓冲区来分离在一条生产线上加工的不同类型的零件。此外，由于基于小批量的操作，稳态分析可能无法有效地分析此类系统。结果，在研究柔性生产系统的动态行为时，基于瞬态的生产过程分析变得必不可少。在这项工作中，我们研究具有多种类型产品的柔性生产系统，遵循伯努利可靠性模型的机器以及专用缓冲器的生产过程。首先，基于马尔可夫分析，提出了一组辅助生产线以解耦原始系统的动力学。接下来，从辅助生产线粗略评估感兴趣的过程性能指标，以避免系统状态爆炸的问题，这在应用马尔可夫方法时经常遇到。此外，与蒙特卡罗模拟相比，通过数值实验验证了所提出的解析算法具有较高的精度。最后，通过使用所提出的方法并应用遗传算法，我们研究了缓冲区分配问题，以最大程度地减少系统的完成时间。可以从辅助生产线大致评估感兴趣的过程性能指标，以避免系统状态爆炸的问题，这在应用马尔可夫方法时经常遇到。此外，与蒙特卡罗模拟相比，通过数值实验验证了所提出的解析算法具有较高的精度。最后，通过使用所提出的方法并应用遗传算法，我们研究了缓冲区分配问题，以最大程度地减少系统的完成时间。可以从辅助生产线大致评估感兴趣的过程性能指标，以避免系统状态爆炸的问题，这在应用马尔可夫方法时经常遇到。此外，与蒙特卡罗模拟相比，通过数值实验验证了所提出的解析算法具有较高的精度。最后，通过使用所提出的方法并应用遗传算法，我们研究了缓冲区分配问题，以最大程度地减少系统的完成时间。与蒙特卡洛模拟相比，通过数值实验验证了所提出的解析算法具有较高的精度。最后，通过使用所提出的方法并应用遗传算法，我们研究了缓冲区分配问题，以最大程度地减少系统的完成时间。与蒙特卡洛模拟相比，通过数值实验验证了所提出的解析算法具有较高的精度。最后，通过使用所提出的方法并应用遗传算法，我们研究了缓冲区分配问题，以最大程度地减少系统的完成时间。