精益生产方式力求“零”库存、高效率、“零”浪费的理念被认为最能够适应个性化市场变化和需求。精益生产最早在1990年被美国麻省理工学院组建的一项名为“国际汽车计划”的课题中提出，通过大量数据，对比研究得出在众多制造管理方式中，日本丰田汽车公司的生产方式是最能够适应当代多样化市场需求。丰田生产模式即被直接理解为精益生产模式，其一系列生产理念被运用到各行各业中。精益生产在不同生产结构的行业中，具有不同的特点，在医药、化工等流程化行业主要对设备进行管理，多使用如TPM（Total Productive Maintenance）的方式；汽车制造、机械等行业，更多倾向于使用准时制（Just In Time，简称JIT）制造装配模式。均衡化的生产方式能保障上到各个工厂之间，下到工序和工序之间的物流能够均衡的运输，是准时制的基础之一。　　根据汽车产品多品种的市场需求，将多种不同品种的产品放置到同一条流水线上生产是汽车制造企业使用准时制方式生产的基本要求，即使用混合流水线。使用这种不同产品同线制造的方式，产品间存在的工艺差异会导致装配线出现不均衡状态。汽车装配线存在装配复杂、工作环境狭小、灵活度高的限制，目前工艺分配仍多采取按经验分配的方式。这种方式虽操作简单但往往忽视了准时制生产的重点，难以实现流水线运作的均衡化，降低了企业制造能力和生产效益。　　对于汽车混合装配线在准时制模式下的平衡问题，确定汽车混合装配线平衡的多目标相互协作共生的性质。综合现有的对于汽车混合装配线系统三者的研究，发现以往的汽车装配线的平衡研究，常使用串行的优化方式或仅将混合装配线平衡作为研究对象，忽视了混合装配线投产排序及产量预估的与之的作用。根据装配线工作流程提出了其系统组成，分别为：投产产量确定、混合装配线工艺平衡及混合装配线投产排序。　　目前企业对于确定产量的做法多为经验法，依照专家经验确定未来产量。这种方式得到的投产数受到了极大的主观因素影响。流水线的平衡是建立在产量的基础上，不准确的投产数量会造成平衡优化作用失效。提出了一种组合式的神经网络模型，灰色BP神经网络模型对不同型号车辆的投产数量进行预测，通过灰色与神经网络预测模型这两种模型间的互补，对汽车混合装配线这类非线性少数据系统预测问题进行求解。以某汽车装配企业为例进行仿真，使用灰色BP神经网络模型对销售量进行预测，并对比灰色预测结果、灰色BP神经网络模型预测结果和实际数据间的误差度，确认了模型的可靠性。　　以往的平衡研究包括使用最优化算法、简单的启发式算法。除此之外，使用最优化算法、简单的启发式算法等等来求解投产排序忽视了其与平衡之间的协作关系，使得整个平衡效果不佳。根据现有的装配线评价方式，选择合适方式—以工作站负荷率为目标的评价方式作为研究基础。提出了以负荷率的评价方式为基础，建立添加了操作员走动时间的平衡、排产目标函数并给出了求解此种双目标问题的算法模型—多目标合作型协同进化算法及参数设定。其能够很好地体现多目标问题间的共生协作关系，又弥补了合作型协同进化算法易早熟收敛易获得贪婪解的缺点。在某汽车企业案例中，使用灰色BP神经网络组合模型预测并决定投产数后，应用多目标合作型协同进化算法对平衡系统进行优化，对算法参数进行设定后将得到的结果与其他优化方式进行对比，证明所提解决方案的有效性。