CN109657354B - 一种基于数字孪生的混流装配车间快速重构方法及*** - Google Patents

一种基于数字孪生的混流装配车间快速重构方法及*** Download PDF

Info

Publication number
CN109657354B
CN109657354B CN201811563162.0A CN201811563162A CN109657354B CN 109657354 B CN109657354 B CN 109657354B CN 201811563162 A CN201811563162 A CN 201811563162A CN 109657354 B CN109657354 B CN 109657354B
Authority
CN
China
Prior art keywords
workshop
mixed flow
task
assembly
simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811563162.0A
Other languages
English (en)
Other versions
CN109657354A (zh
Inventor
朱海平
关辉
马雷博
邵新宇
张聪
孙志娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Xuelang Shuzhi Technology Co ltd
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201811563162.0A priority Critical patent/CN109657354B/zh
Publication of CN109657354A publication Critical patent/CN109657354A/zh
Application granted granted Critical
Publication of CN109657354B publication Critical patent/CN109657354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Genetics & Genomics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于工厂虚拟仿真相关技术领域，其公开了一种基于数字孪生的混流装配车间快速重构方法及***，该方法包括以下步骤：(1)构建混流装配车间的数字孪生车间模型；(2)采用构建的混流装配线仿真模型来求解混流装配线设计与平衡问题，以获得最佳装配工位任务分配方案；并采用构建的物料存储区仿真模型来求解获得最佳配料区储位物料分配方案，进而基于该最佳装配工位任务分配方案及该最佳配料区储位物料分配方案来设计试验，以求解得到最佳物料配送***方案；(3)采用该数字孪生车间模型来对步骤(2)得到的混流装配车间重构方案进行仿真模拟验证与人工检验调整，以得到最佳重构方案。本发明高效且使用，灵活性较高，提高了重构效率。

Description

一种基于数字孪生的混流装配车间快速重构方法及***
技术领域
本发明属于工厂虚拟仿真相关技术领域，更具体地，涉及一种基于数字孪生的混流装配车间快速重构方法及***。
背景技术
在市场多样化需求和激烈的竞争环境下，针对产品种类多、切换频繁、各品种产品波动大等问题，企业装配车间普遍采用混流制造技术，即通过设计柔性工艺、研发柔性工装设备、培训多技能员工、平衡混流装配线、引入自动化物料配送***、采用JIT拉式生产模式、以及信息化计划管控等一系列先进的技术和管理方法，以减少生产辅助时间，降低生产中的物流、库存等成本，提高了生产效率。尽管混流装配车间相对于传统生产模式有了较大的改进和提高，但在多品种小批量订单驱动下，车间必然进行不断调整，不可能保持长期的稳定，工艺流程的调整、装配线工位和设备的布局变化、以及物料配送***的变更在所难免。
混流装配车间快速重构主要解决多品种订单调整下的混流装配线平衡、装配件存储布局、物流配送***参数设计、制造资源配置调整与整体方案的检验调试等问题。在传统的混流装配车间重构中，方案的设计改进主要依赖相关人员的经验，带有一定的盲目性和随机性，对重构方案的评价往往停留在定性分析层面上。随着运筹学与计算机技术的发展，研究者们引入数学建模和寻优算法等方法来进行方案优化设计，但由于实际装配***往往十分复杂，多个子***之间相互作用影响，存在订单产品数量等较大的随机性，且通常同时存在多项优化目标，数学模型过于简化抽象，难以表达实际复杂***，设计的方案不易修改，需要较长的试运行时间来达到稳定生产，严重限制了混流装配车间的适应能力。相应地，本领域存在着发展一种速度较快的混流装配车间快速重构方法及***的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于数字孪生的混流装配车间快速重构方法及***，其基于混流装配车间的重构特点，研究及设计了一种速度较快的基于数字孪生的混流装配车间快速重构方法及***。本发明通过构建数字孪生模型来实现混流装配车间的快速重构，提高了效率及适用性，灵活性较好，解决了车间重构混流双边装配线平衡问题、配料区物料布局问题、物料配送***参数优化问题三大关键问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于数字孪生的混流装配车间快速重构方法，该重构方法包括以下步骤：
(1)构建混流装配车间的数字孪生车间模型，所述数字孪生车间模型包含装配线仿真模型和物料存储区仿真模型；
(2)采用构建的混流装配线仿真模型设计相应的遗传算法来求解混流装配线设计与平衡问题，以获得最佳装配工位任务分配方案；并采用构建的物料存储区仿真模型来求解配料区布局问题以获得最佳配料区储位物料分配方案，进而基于所述最佳装配工位任务分配方案及所述最佳配料区储位物料分配方案来设计试验，以求解物料配送***参数优化问题，由此得到最佳物料配送***方案；
(3)采用所述数字孪生车间模型来对步骤(2)得到的混流装配车间重构方案进行仿真模拟验证与人工检验调整，以得到最佳重构方案。
进一步地，步骤(1)中，获取并分析装配车间布局、工位设备、存储、配料、物流及工艺信息以对装配线、物料存储区、物料配送***、生产物流规则及车间整体进行参数化建模，且建立仿真模型与物理车间互联互通机制，并进行模型编译、调试和完善，由此获得数字孪生车间模型。
进一步地，混流装配线设计与平衡问题的求解包括以下步骤：
201，收集各个产品工位的工艺数据，并对所述工艺数据进行合并处理；
202，采用多染色体顺序编码方式将每个积极约束集作为一个整体进行编码；同时，提取任务优先表中紧前任务数为0的任务作为染色体类1，并更新当前剩余任务的紧前任务后继续提取紧前任务数为0的任务作为染色体类2，不断重复直至提取完所有任务；
203，确定遗传参数；
204，各类染色体随机排列生成初始种群；
205，若满足遗传终止条件，则算法停止，否则执行步骤206；
206，对个体的各类染色体按照类1～类N顺序依次解码，并按照任务编码的操作方位约束、位置约束、同步约束，依次将各任务布置到装配工位上，工位无法容纳新的任务，则新开一个装配工位进行任务布置，直至分配完所有任务；
207，根据解码获得的任务分配方案进行装配线仿真模型设置，在保证装配物料及时供应的情况下，输入预测新订单新产品，以进行多次预测性仿真运行，并输出个体适应度；
208，执行选择算子、交叉算子、变异算子以生成的新种群，并执行步骤205。
进一步地，工位无法容纳新的任务是指加上新的任务后，该工位作业总时间将大于规划装配节拍。
进一步地，现有车间装配线任务分配方案为初始种群的一个个体；设置遗传迭代代数作为遗传终止条件，设置产品平均装配周期的倒数作为个体的适应度。
进一步地，配料区布局问题的求解包括以下步骤：
301，收集装配物料、存储区布局、物料进出策略及配料方式，并确认装配物料的尺寸及存储数量；
302，采用扩展染色体顺序编码方式，根据存储区不同的物理位置或配料工位的数量N来确定新增的编码N-1个；
303，确定遗传参数；
304，染色体随机排列生成初始种群；
305，若满足遗传终止条件，则算法停止，否则执行步骤306 306，按照染色体序列依次将编码对应的物料按照尺寸和数量要求布置到存储区，当遇到新增的编码，则跳转到新的物理位置或配料工位上，继续解码直至所有物料布置完成；
307，根据解码获得物料布置方案以进行配料区仿真模型设置，在保证补给物料及时充足的情况下，根据预测新订单新产品，进行多次预测性仿真运行，并输出个体适应度；
308，执行选择算子、交叉算子、变异算子以生成新种群，并执行步骤 305。
进一步地，步骤303中，确定的参数包括种群数量、亲代个体、交叉算子、交叉率初始值、变异算子、变异率初始值、遗传终止条件及个体的适应度。
按照本发明的另一个方面，提供了一种基于数字孪生的混流装配车间快速重构***，所述重构***采用如上所述的基于数字孪生的混流装配车间快速重构方法来实现混流装配车间的快速重构；其包括四个基础模块及与所述基础模块相通讯的四个核心模块。
进一步地，四个基础模块分别为数据集成接口、车间仿真建模与验证引擎、仿真分析与优化引擎及实时数据驱动与人机交互引擎；四个核心模块分别为装配线设计与平衡模块、配料区物料布局优化模块、物料配送***参数优化模块及车间仿真运行可视模块；所述数据集成接口用于装配任务输入及与其他车间信息管理***集成交互以获取车间实时信息；所述车间仿真建模与验证引擎用于根据来自所述数据集成接口的实时数据对装配线、配料区、物料配送单独子***和车间整体的对象建模、生产逻辑建模及层次化建模；所述仿真分析与优化引擎用于设计装配线任务分配问题、配料区物料布局问题及物料配送***参数优化问题的遗传编码、种***叉编译迭代和试验方案；所述实时数据驱动与人机交互引擎用于构建物理车间、工业软件与车间的数字孪生模型之间的实时高效信息流；所述装配线设计与平衡模块用于装配线任务分配问题的遗传解码、仿真模型设置、仿真运行结果反馈；所述物料配送***参数优化模块用于物料配送***参数优化问题的仿真模型的参数设置及仿真运行结果反馈。
进一步地，所述实时数据驱动与人机交互引擎用于建立模型部件运动与车间实时信号、生产指令的关联机制、以及设备状态、订单执行、过程质量的实时虚拟现实窗口；当接收到的数据发生变化时，所述车间仿真建模与验证引擎自动更新创建新模型，并通过仿真模型和真实车间之间的定量数据的对比分析来实现仿真模型的校验及改善。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于数字孪生的混流装配车间快速重构方法及***主要具有以下有益效果：
1.构建混流装配车间的数字孪生车间模型，通过构建数字孪生模型直观逼真地反映车间的动态性、随机性，克服传统方法无法准确全面表达复杂***的问题，解决了车间重构混流双边装配线平衡问题、配料区物料布局问题、物料配送***参数优化问题三大关键问题。
2.采用编码及解码方式，简单适用，易于实现且不存在冗余，同时兼容单品种、单边装配线平衡问题，并行解决了配料工位任务分配问题，获取方案高效且适用性较高，提高了速度。
3.本发明适用于混流装配车间新产品上线、车间调整改善等情况下的快速重构，对类似车间的规划设计同样具有借鉴意义。
4.所述重构方法简单，易于实施，灵活性较好。
附图说明
图1是本发明提供的基于数字孪生的混流装配车间快速重构方法的流程示意图。
图2是图1中的基于数字孪生的混流装配车间快速重构方法涉及的混流双边装配线的解码示意图。
图3是采用图1中的基于数字孪生的混流装配车间快速重构方法获得的重构前后的各工位效率对比图。
图4是采用图1中的基于数字孪生的混流装配车间快速重构方法获取的AGV数量与料车数量的试验结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1及图2，本发明提供的基于数字孪生的混流装配车间快速重构***包括四个基础模块及四个核心模块，四个基础模块分别为数据集成接口、车间仿真建模与验证引擎、仿真分析与优化引擎及实时数据驱动与人机交互引擎。四个核心模块分别为装配线设计与平衡模块、配料区物料布局优化模块、物料配送***参数优化模块及车间仿真运行可视模块。
所述数据集成接口用于装配任务信息输入，其还用于与其他车间信息管理***集成交互以获取设备状态、订单执行、车间生产指令等车间实时信息。所述装配任务信息包括产品任务作业时间表、任务优先关系表、位置约束表、装配物料清单及规划节拍。
所述车间仿真建模与验证引擎用于根据接收到的来自所述数据集成接口的实时数据来对装配线、配料区、物料配送单独子***和车间整体的对象建模、生产逻辑建模及层次化建模，且其接收到数据后自动创建车间模型，当接收到的数据发生变化时，所述车间仿真建模与验证引擎可自动更新创建新模型，并通过仿真模型和真实车间之间的直观定性和产能等定量数据的对比分析来实现仿真模型的校验及改善。
所述仿真分析与优化引擎包括遗传算法和试验设计工具，其用于设计装配线任务分配问题、配料区物料布局问题及物料配送***参数优化问题的遗传编码、种***叉编译迭代和试验方案。
所述实时数据驱动与人机交互引擎用于构建物理车间、工业软件与车间的数字孪生模型之间的实时高效信息流。所述实时数据驱动与人机交互引擎用于建立模型部件运动与车间实时信号、生产指令的关联机制、以及设备状态、订单执行、过程质量的实时虚拟现实窗口。
所述装配线设计与平衡模块用于装配线任务分配问题的遗传解码、仿真模型设置、仿真运行结果即染色体适应度反馈。所述配料区物料布局优化模块用于配料区物料布局问题的遗传解码、仿真模型设置及仿真运行结果反馈。
所述物料配送***参数优化模块用于物料配送***参数优化问题的仿真模型的参数设置及仿真运行结果反馈。所述车间仿真运行可视模块用于重构方案的预测性仿真，以实现车间运行时期生产动态的实时模拟与可视化监控，其还能够实现人机交互与虚拟漫游、仿真过程视频的录制与导出。
本发明还提供了一种基于数字孪生的混流装配车间快速重构方法，所述混流装配车间快速重构方法主要包括以下步骤：
步骤一，构建混流装配车间的数字孪生车间模型。
具体地，获取并分析装配车间布局、工位设备、存储、配料、物流、工艺等信息来对装配线、物料存储区、物料配送***、生产物流规则及车间整体进行参数化建模，通过建立仿真模型与物理车间互联互通机制，并进行模型编译、调试和完善，由此构建获得数字孪生车间模型。
步骤二，采用构建的混流装配线仿真模型设计相应的遗传算法来求解混流装配线设计与平衡问题，以获得最佳装配工位任务分配方案；并采用构建的物料存储区仿真模型来求解配料区布局问题以获得最佳配料区储位物料分配方案，进而基于所述最佳装配工位任务分配方案及所述最佳配料区储位物料分配方案来来设计试验，以求解物料配送***参数优化问题，由此得到最佳物料配送***方案。
具体地，在所述最佳装配工位任务分配方案及所述最佳配料区储位物料分配方案的基础上，进行相应的试验设计以求解物料配送***参数优化问题。具体而言，通过现有或者估算的配送设备数量、线边暂存区容量确定因素水平范围，并参数化设置整体车间仿真模型，并根据装配线产能、配料响应时间、资源利用率这些试验指标来选择满足要求的最低成本资源配置方案。
混流装配线设计与平衡问题的求解包括以下步骤：
201，收集并处理输入数据：收集各个产品工位的工艺数据，并合并获得总的产品任务时间表(任务说明与作业时间)、任务优先关系表(紧前任务与数量)、任务操作方位表(任务需在装配线左边、右边、左右皆可、左右同时操作)、位置约束表(任务需固定在特定工位)、积极约束集及同步任务集。
202，设计合适的遗传编码：采用多染色体顺序编码方式将每个积极约束集作为一个整体进行编码，以保证积极约束；提取任务优先表中紧前任务数为0的任务作为染色体类1，并更新剩余任务的紧前任务后继续提取紧前任务数为0的任务作为染色体类2，不断重复直至提取完所有任务。
203，选择合适的遗传参数：根据实际问题规模选择合适的种群数量，按照适应度值决定的概率选择亲代个体，交叉算子为次序交叉OX，交叉率初始值为0.8，变异算子为基因元素位置交换，变异率初始值为0.1，设置遗传迭代代数作为遗传终止条件，设置产品平均装配周期的倒数作为个体的适应度。
204，各类染色体随机排列生成初始种群，如果可以，将现有车间装配线任务分配方案作为初始种群的一个个体。
205，遗传终止条件判断：若满足条件，则算法停止，否则执行步骤206。
206，遗传解码：对个体的各类染色体按照类1～类N顺序依次解码，并按照任务编码的操作方位约束、位置约束、同步约束，依次将各任务布置到装配工位上，工位无法容纳新的任务，则新开一个装配工位进行任务布置，直至分配完所有任务。其中工位无法容纳新的任务是指加上新的任务后该工位作业总时间将大于规划装配节拍。
207，适应度值计算：根据解码获得任务分配方案进行装配线仿真模型设置，在保证装配物料及时供应的情况下，输入预测新订单新产品，以进行多次预测性仿真运行，并输出个体适应度。
208，执行选择算子、交叉算子、变异算子以生成的新种群，并执行步骤205。
配料区布局问题的求解包括以下步骤：
301，收集并处理输入数据：收集装配物料、存储区布局、物料进出策略、配料方式等信息，并确认装配物料的尺寸及存储数量。
302，设计合适的遗传编码：采用扩展染色体顺序编码方式，根据存储区不同的物理位置或配料工位的数量N来确定新增的编码N-1个，以适用于在解决物料布局问题的同时考虑配料任务分配等问题。
303，选择合适的遗传参数：根据实际问题规模选择合适的种群数量，按照适应度值决定的概率选择亲代个体，交叉算子为次序交叉OX，交叉率初始值为0.8，变异算子为基因元素位置交换，变异率初始值为0.1，设置遗传迭代代数作为遗传终止条件，设置单位时间内物料供料数量作为个体的适应度
304，染色体随机排列生成初始种群，如果可以，将现有车间配料区布局方案作为初始种群的一个个体。
305，遗传终止条件判断：若满足条件，则算法停止，否则执行步骤306。
306，遗传解码：按照染色体序列依次将编码对应的物料按照尺寸和数量要求布置到存储区，当遇到新增的编码，则需要跳转到新的物理位置或配料工作上，继续解码直至所有物料布置完成。
307，适应度值计算：根据解码获得物料布置方案进行配料区仿真模型设置，在保证补给物料及时充足的情况下，根据预测新订单新产品，进行多次预测性仿真运行，并输出个体适应度。
308，执行选择算子、交叉算子、变异算子以生成新种群，并执行步骤 305。
步骤三，采用所述数字孪生车间模型来对步骤二得到的混流装配车间重构方案进行仿真模拟验证与人工检验调整，以得到最佳重构方案。
本发明提供的基于数字孪生的混流装配车间快速重构***采用如上所述的基于数字孪生的混流装配车间快速重构方法来实现混流装配车间的快速重构。
以下以一个具体实施例对本发明进行进一步的详细说明。
请参阅图3及图4，一个汽车混流生产***主要由装配线、集配区、 AGV运输***构成，物料配送采用基于集配模式的物料配送方案，即AGV 拖载料车在集配区各减料工位完成对应车型装配所需的所有零配件拣料工作，装满的料车随AGV运输至装配线头，料车随车身在装配线上一起流动，料车中装配件不断消耗，至装配线尾空料车由AGV运回集配区，现车间将新上线装配5种车型，需要优化重构。规划装配节拍为80s，目标产量比例分别为31％、24％、18％、14％、13％，共有装配零配件205种，配料区需存储2个小时的配料消耗量，配料根据体积分为大件物料的GV件和尺寸较小的PC件，GV件依次摆放在GV区的单层货架上，根据成包GV件尺寸，划分成2个货格，每个货格能存放一包GV件；PC件存放在PC区的货架上，根据成包PC件尺寸，每个PC货架划分成上中下三层9个PC货格，较长PC件包能横跨同一层的多个货格摆放，一个PC货格具有2400mm 的深度也能里外摆放多个PC件包。
上述汽车混流生产***的快速重构方法包括以下步骤：
S1，建立汽车混流生产***的数字孪生车间模型。
S2，求解装配工位任务分配方案。
具体，收集并整理各产品工位的工艺数据，合并获得总的产品任务时间表、任务优先关系表、位置约束及积极约束表，详见表1至表4。采用多染色体顺序编码方式将每个积极约束集作为一个整体进行编码，以保证积极约束。再者，提取任务优先表中紧前任务维数为0的任务作为染色体类1，更新剩余任务的紧前任务，继续提取紧前任务数为0的任务作为染色体类2，不断重复直至提取完成所有任务。
设置种群大小为20，按照适应度值决定的概率选择亲代个体，交叉算子为次序交叉OX，交叉率初始值为0.8，变异算子为基因元素交换，变异率初始值为0.1，设置迭代30次作为遗传终止条件，设置产品平均装配周期的倒数作为个体的适应度。最终运行算法来获得最优的装配工位任务分配方案。
S3，求解集配区物料布局与捡料工位任务分配：采取扩展的双染色体顺序编码方式，双染色体分别表示GV序列和PC序列，由于需要同时考虑拣料工位任务分配的问题，因此采用基于配件编号的编码方法以整数作为分隔来实现配件在不同拣料工位拣料的分配，即在配件最大编号后增加 m-1(m为拣料工位数)个连续自然整数，以GV序列31种5工位为例，染色体基本基因为1～31，增加染色体长度到31+5-1＝35，对于一个可行排序，大于31的整数将序列分成5段，分别对应每个工位的拣料对象，PC件同理。
在基因解码过程中，根据GV件基因序列，很容易获得GV区物料布置以及各拣料工位负责的GV货架方案，而对于PC件基因序列，解码过程相对特殊，大部分PC件尺寸较小，1个货格就能摆放一包，少数需要货架同层的2个PC货格才能摆放，极少数需要3个货格即货架的一层来摆放，由
表1总的产品任务时间表
Figure GDA0002443274390000121
表2任务优先关系表
Figure GDA0002443274390000131
表3位置约束表
Figure GDA0002443274390000141
表4积极约束表
序号 积极区域约束集
1 {1，2，3，4}
2 {5，6}
3 {13，14}
4 {16，17，18}
5 {19，20}
6 {27，28，29}
7 {30，31，32}
8 {62，63，64}
… …
于尺寸约束在基因解码时会出现空货格。在拣料工位任务分配时，由于工位以货架为单位进行划分任务，而PC件不似GV件编号与货架一一对应，故序列中整数分隔符后一位基因编号所对应的PC件需在新的PC货架上开始摆放。基因的适应度设计为配料节拍，由于配料***的复杂内部关系和装配产品类型的随机性，利用仿真来获得基因的适应度，即根据基因序列解码，动态设置集配区配料仿真模型的物料布置和工位任务划分，运行仿真模型充足时间后，记录仿真时间与配料料车总数的比值即配料节拍作为适应度值。
S4，根据最佳方案设置集配区，在此基础上对整个装配***的参数设置进行研究，具体包括AGV数量、料车数量、装配线线头及线尾料车暂存区容量这四个参数的优化设计，以最少成本的资源配置来满足装配线80s 生产节拍的要求。
设计AGV数量参数输入值下级为6，上级为15，增量为1，料车数量参数下级为30，上级为60，增量为5。此外仿真设置装配线节拍稍小于80s，两暂存区足够大，进行仿真试验获得各试验方案结果，并分析获得结果为最优AGV数为9台，料车数为48台，线头暂存区容量为6个料车，线尾暂存区容量为1～2个料车。
S5，根据步骤S2、步骤S3及步骤S4所得混流装配车间重构方案，进行仿真模拟验证。
本发明提供的基于数字孪生的混流装配车间快速重构方法及***，其基于数字孪生车间模型来实现混流装配车间的快速重构，提高了效率及实用性，解决了车间重构混流双边装配线平衡问题、配料区物料布局问题、物料配送***参数优化问题等三大关键问题。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于数字孪生的混流装配车间快速重构方法，其特征在于，该方法包括以下步骤：
(1)构建混流装配车间的数字孪生车间模型，所述数字孪生车间模型包含装配线仿真模型和物料存储区仿真模型；
(2)采用构建的混流装配线仿真模型设计相应的遗传算法来求解混流装配线设计与平衡问题，以获得最佳装配工位任务分配方案；并采用构建的物料存储区仿真模型来求解配料区布局问题以获得最佳配料区储位物料分配方案，进而基于所述最佳装配工位任务分配方案及所述最佳配料区储位物料分配方案来设计试验，以求解物料配送***参数优化问题，由此得到最佳物料配送***方案；
(3)采用所述数字孪生车间模型来对步骤(2)得到的混流装配车间重构方案进行仿真模拟验证与人工检验调整，以得到最佳重构方案；
混流装配线设计与平衡问题的求解包括以下步骤：
301，收集各个产品工位的工艺数据，并对所述工艺数据进行合并处理；
302，采用多染色体顺序编码方式将每个积极约束集作为一个整体进行编码；同时，提取任务优先表中紧前任务数为0的任务作为染色体类1，并更新当前剩余任务的紧前任务后继续提取紧前任务数为0的任务作为染色体类2，不断重复直至提取完所有任务；
303，确定遗传参数；
304，各类染色体随机排列生成初始种群；
305，若满足遗传终止条件，则算法停止，否则执行步骤306；
306，对个体的各类染色体按照类1～类N顺序依次解码，并按照任务编码的操作方位约束、位置约束、同步约束，依次将各任务布置到装配工位上，工位无法容纳新的任务，则新开一个装配工位进行任务布置，直至分配完所有任务；
307，根据解码获得的任务分配方案进行装配线仿真模型设置，在保证装配物料及时供应的情况下，输入预测新订单新产品，以进行多次预测性仿真运行，并输出个体适应度；
308，执行选择算子、交叉算子、变异算子以生成的新种群，并执行步骤305。
2.如权利要求1所述的基于数字孪生的混流装配车间快速重构方法，其特征在于：步骤(1)中，获取并分析装配车间布局、工位设备、存储、配料、物流及工艺信息以对装配线、物料存储区、物料配送***、生产物流规则及车间整体进行参数化建模，且建立仿真模型与物理车间互联互通机制，并进行模型编译、调试和完善，由此获得数字孪生车间模型。
3.如权利要求1所述的基于数字孪生的混流装配车间快速重构方法，其特征在于：工位无法容纳新的任务是指加上新的任务后，该工位作业总时间将大于规划装配节拍。
4.如权利要求1所述的基于数字孪生的混流装配车间快速重构方法，其特征在于：现有车间装配线任务分配方案为初始种群的一个个体；设置遗传迭代代数作为遗传终止条件，设置产品平均装配周期的倒数作为个体的适应度。
5.如权利要求1所述的基于数字孪生的混流装配车间快速重构方法，其特征在于：配料区布局问题的求解包括以下步骤：
601，收集装配物料、存储区布局、物料进出策略及配料方式，并确认装配物料的尺寸及存储数量；
602，采用扩展染色体顺序编码方式，根据存储区不同的物理位置或配料工位的数量N来确定新增的编码N-1个；
603，确定遗传参数，所述参数包括种群数量、亲代个体、交叉算子、交叉率初始值、变异算子、变异率初始值、遗传终止条件及个体的适应度；
604，染色体随机排列生成初始种群；
605，若满足遗传终止条件，则算法停止，否则执行步骤606；
606，按照染色体序列依次将编码对应的物料按照尺寸和数量要求布置到存储区，当遇到新增的编码，则跳转到新的物理位置或配料工位上，继续解码直至所有物料布置完成；
607，根据解码获得物料布置方案以进行配料区仿真模型设置，在保证补给物料及时充足的情况下，根据预测新订单新产品，进行多次预测性仿真运行，并输出个体适应度；
608，执行选择算子、交叉算子、变异算子以生成新种群，并执行步骤605。
6.一种基于数字孪生的混流装配车间快速重构***，其特征在于：
所述重构***采用权利要求1-5任一项所述的基于数字孪生的混流装配车间快速重构方法来实现混流装配车间的快速重构；其包括四个基础模块及与所述基础块模相通讯的四个核心模块。
7.如权利要求6所述的基于数字孪生的混流装配车间快速重构***，其特征在于：四个基础模块分别为数据集成接口、车间仿真建模与验证引擎、仿真分析与优化引擎及实时数据驱动与人机交互引擎；四个核心模块分别为装配线设计与平衡模块、配料区物料布局优化模块、物料配送***参数优化模块及车间仿真运行可视模块；所述数据集成接口用于装配任务输入及与其他车间信息管理***集成交互以获取车间实时信息；所述车间仿真建模与验证引擎用于根据来自所述数据集成接口的实时数据对装配线、配料区、物料配送单独子***和车间整体的对象建模、生产逻辑建模及层次化建模；所述仿真分析与优化引擎用于设计装配线任务分配问题、配料区物料布局问题及物料配送***参数优化问题的遗传编码、种***叉编译迭代和试验方案；所述实时数据驱动与人机交互引擎用于构建物理车间、工业软件与车间的数字孪生模型之间的实时高效信息流；所述装配线设计与平衡模块用于装配线任务分配问题的遗传解码、仿真模型设置、仿真运行结果反馈；所述物料配送***参数优化模块用于物料配送***参数优化问题的仿真模型的参数设置及仿真运行结果反馈。
8.如权利要求7所述的基于数字孪生的混流装配车间快速重构***，其特征在于：所述实时数据驱动与人机交互引擎用于建立模型部件运动与车间实时信号、生产指令的关联机制、以及设备状态、订单执行、过程质量的实时虚拟现实窗口；当接收到的数据发生变化时，所述车间仿真建模与验证引擎自动更新创建新模型，并通过仿真模型和真实车间之间的定量数据的对比分析来实现仿真模型的校验及改善。
CN201811563162.0A 2018-12-20 2018-12-20 一种基于数字孪生的混流装配车间快速重构方法及*** Active CN109657354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811563162.0A CN109657354B (zh) 2018-12-20 2018-12-20 一种基于数字孪生的混流装配车间快速重构方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811563162.0A CN109657354B (zh) 2018-12-20 2018-12-20 一种基于数字孪生的混流装配车间快速重构方法及***

Publications (2)

Publication Number Publication Date
CN109657354A CN109657354A (zh) 2019-04-19
CN109657354B true CN109657354B (zh) 2020-07-10

Family

ID=66115421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811563162.0A Active CN109657354B (zh) 2018-12-20 2018-12-20 一种基于数字孪生的混流装配车间快速重构方法及***

Country Status (1)

Country Link
CN (1) CN109657354B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399642B (zh) * 2019-06-21 2021-06-22 浙江大学 一种针对生产流水线的数字孪生体及其构建方法和应用
CN110348126B (zh) * 2019-07-12 2023-10-24 中冶赛迪信息技术(重庆)有限公司 钢厂原料堆位布局优化方法、***、设备及存储介质
CN110751431B (zh) * 2019-09-18 2024-02-06 国机工业互联网研究院(河南)有限公司 一种基于轨道载具的物料追踪方法和***
AT523128A1 (de) * 2019-10-23 2021-05-15 B & R Ind Automation Gmbh Verfahren und Fertigungsanlage zur Herstellung eines Produktes
CN110851966B (zh) * 2019-10-30 2021-07-20 同济大学 一种基于深度神经网络的数字孪生模型修正方法
CN111538294B (zh) * 2019-11-15 2021-08-24 武汉理工大学 基于数字孪生的工业机器人制造***可重构***与方法
CN110941251B (zh) * 2019-12-25 2023-08-01 南方科技大学 基于数字孪生体的生产控制方法、装置、设备及介质
CN111046589B (zh) * 2019-12-31 2020-11-13 郑州轻工业大学 一种智能产线可试验数字孪生体建模方法
CN111158314B (zh) * 2019-12-31 2022-10-25 东南大学 一种基于数字孪生技术的卫星部装装配精度控制方法
CN111523274B (zh) * 2020-03-18 2022-12-02 上海发电设备成套设计研究院有限责任公司 汽轮机高温承压部件数字孪生体构建方法及监控***
CN111461459B (zh) * 2020-04-24 2023-06-30 温州大学乐清工业研究院 断路器数字制造孪生车间的动态重调度预测方法及***
CN111858750B (zh) * 2020-06-17 2023-05-26 广东工业大学 一种基于智能合约的货物仓储***和方法
CN112016737B (zh) * 2020-08-05 2022-03-22 东北大学秦皇岛分校 一种基于数字孪生的复杂产品装配车间管控方法
CN112200407B (zh) * 2020-08-31 2024-07-12 北京卫星制造厂有限公司 一种基于多装配序列的卫星装配工艺重构***与方法
CN112084708B (zh) * 2020-09-04 2022-08-19 西南交通大学 一种基于响应面和遗传算法的agv***优化配置方法
CN111986318A (zh) * 2020-09-04 2020-11-24 广州德宇科技有限公司 对待加工钢材进行选料的方法及装置
CN112508337A (zh) * 2020-11-09 2021-03-16 西安交通大学 一种基于智图云谱的孪生制造车间***设备社群重构方法
CN114584570A (zh) 2020-12-01 2022-06-03 富泰华工业（深圳）有限公司 数字镜像方法、服务器及存储介质
CN112506161B (zh) * 2020-12-16 2022-02-15 吉林大学 一种基于数字孪生技术的产品分配方法
CN112684770B (zh) * 2020-12-25 2022-04-08 北京交通大学 可编组式的数字化生产工作站
CN112686474B (zh) * 2021-01-22 2022-04-22 华南理工大学 一种基于改进的水波优化算法的可并行装配线平衡方法
CN113159507A (zh) * 2021-03-16 2021-07-23 广东工业大学 一种工业调度智能合约***及其可适应性配置方法
CN113867295A (zh) * 2021-10-11 2021-12-31 西安交通大学 一种基于数字孪生的制造车间agv动态调度方法、***、设备及存储介质
CN113902301B (zh) * 2021-10-11 2022-08-02 广东工业大学 一种手机组装车间产线的设计方法及***
CN114021810B (zh) * 2021-11-03 2024-02-09 广东鉴面智能科技有限公司 一种数字孪生料场管理***
CN114253232B (zh) * 2021-12-01 2023-05-26 中国电子科技集团公司第二十九研究所 一种生产线中加工工位的配置方法及***
CN114970086B (zh) * 2022-04-08 2023-03-24 北京航空航天大学 一种基于数据空间的复杂***级数字孪生构建方法
CN115619082B (zh) * 2022-12-02 2023-03-28 天津大学 一种人机协同混流装配线平衡问题的解决方法和装置
CN115982862B (zh) * 2023-02-22 2023-05-26 成都赛力斯科技有限公司 一种整车动态参数优化方法、模型训练方法及***
CN116522801B (zh) * 2023-06-28 2023-09-15 中国电子工程设计院有限公司 一种用于物流***的布局仿真方法及装置
CN117519055B (zh) * 2023-12-12 2024-05-28 天津大学 一种考虑复杂人机协作模式的平行装配线调度方法和装置
CN117829862A (zh) * 2024-03-04 2024-04-05 贵州联广科技股份有限公司 一种基于互联互通的数据源追溯方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354311A (zh) * 2011-09-09 2012-02-15 河海大学常州校区 面向大批量定制的可重构装配线平衡方法
CN103473616A (zh) * 2013-09-17 2013-12-25 四川航天***工程研究所 用于处理多品种物资仓储的动态货位分配规划方法与***
CN103714395A (zh) * 2013-12-18 2014-04-09 华中科技大学 一种面向成本的混流双边装配线平衡方法
CN104574019A (zh) * 2014-12-26 2015-04-29 北京首钢自动化信息技术有限公司 一种面向离散库区的精准存储方法
CN106022474A (zh) * 2016-06-01 2016-10-12 河海大学常州校区 一种可重构装配线平衡优化方法
CN106407570A (zh) * 2016-09-22 2017-02-15 南京航空航天大学 一种飞机装配过程在线仿真优化***
CN107832497A (zh) * 2017-10-17 2018-03-23 广东工业大学 一种智能车间快速定制设计方法及***
CN108665245A (zh) * 2018-05-23 2018-10-16 华北水利水电大学 一种基于dt-bim的装配式预制构件信息融合管理***及方法
CN208044641U (zh) * 2018-04-19 2018-11-02 鹤壁昊海电气有限公司 混流装配线的物料配送***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10877470B2 (en) * 2017-01-26 2020-12-29 Honeywell International Inc. Integrated digital twin for an industrial facility
US20180357343A1 (en) * 2017-06-12 2018-12-13 General Electric Company Optimization methods for physical models
CN108427390B (zh) * 2018-04-16 2021-03-30 长安大学 一种基于数字孪生的车间级智能制造***及其配置方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354311A (zh) * 2011-09-09 2012-02-15 河海大学常州校区 面向大批量定制的可重构装配线平衡方法
CN103473616A (zh) * 2013-09-17 2013-12-25 四川航天***工程研究所 用于处理多品种物资仓储的动态货位分配规划方法与***
CN103714395A (zh) * 2013-12-18 2014-04-09 华中科技大学 一种面向成本的混流双边装配线平衡方法
CN104574019A (zh) * 2014-12-26 2015-04-29 北京首钢自动化信息技术有限公司 一种面向离散库区的精准存储方法
CN106022474A (zh) * 2016-06-01 2016-10-12 河海大学常州校区 一种可重构装配线平衡优化方法
CN106407570A (zh) * 2016-09-22 2017-02-15 南京航空航天大学 一种飞机装配过程在线仿真优化***
CN107832497A (zh) * 2017-10-17 2018-03-23 广东工业大学 一种智能车间快速定制设计方法及***
CN208044641U (zh) * 2018-04-19 2018-11-02 鹤壁昊海电气有限公司 混流装配线的物料配送***
CN108665245A (zh) * 2018-05-23 2018-10-16 华北水利水电大学 一种基于dt-bim的装配式预制构件信息融合管理***及方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Cunbo Zhuang et al..Digital twin-based smart production management and control framework for the complex product assembly shop-floor.《The International Journal of Advanced Manufacturing Technology》.2018,第96卷 *
段移庭.随机型双边混流装配线平衡问题研究.《万方数据库》.2015, *
段移庭等.随机型双边混流装配线平衡问题的两阶段求解方法研究.《工业工程》.2016,第19卷(第2期), *
王宝曦.混流装配车间装配线计划与物流优化研究.《万方数据库》.2017, *
许小利等.基于遗传算法的分区拣选***储位优化实证研究.《包装工程》.2015,第36卷(第19期), *
陈振等.基于数字孪生的飞机装配车间生产管控模式探索.《航空制造技术》.2018,第61卷(第12期), *
陶飞.数字孪生车间-一种未来车间运行新模式.《计算机集成制造***》.2017,第23卷(第1期), *

Also Published As

Publication number Publication date
CN109657354A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109657354B (zh) 一种基于数字孪生的混流装配车间快速重构方法及***
Safaei et al. Integrated multi-period cell formation and subcontracting production planning in dynamic cellular manufacturing systems
Zhou et al. Multi-objective optimization of material delivery for mixed model assembly lines with energy consideration
CN110058573B (zh) 吞吐柔性智能装配物流路径规划平台
CN110084405B (zh) 吞吐柔性智能装配物流路径规划方法
CN110378528A (zh) 基于遗传算法的车间排产方法及***
Vaisi A review of optimization models and applications in robotic manufacturing systems: Industry 4.0 and beyond
Zhou et al. Decomposition-based bi-objective optimization for sustainable robotic assembly line balancing problems
Aqlan et al. An integrated simulation–optimization study for consolidating production lines in a configure-to-order production environment
CN117252447A (zh) 一种工业盐生产统计方法及***
Moussa et al. Master assembly network for alternative assembly sequences
Zhang et al. Stochastic models for performance analysis of multistate flexible manufacturing cells
Khan et al. An analysis of the theoretical and implementation aspects of process planning in a reconfigurable manufacturing system
Zhang et al. A robust MILP and gene expression programming based on heuristic rules for mixed-model multi-manned assembly line balancing
Zhou et al. Multi-objective optimization of greening scheduling problems of part feeding for mixed model assembly lines based on the robotic mobile fulfillment system
Garbie Concepts and measurements of industrial complexity: a state-of-the-art survey
Bensmaine et al. Simulation-based NSGA-II approach for multi-unit process plans generation in reconfigurable manufacturing system
Cano et al. Multi-objective grouping genetic algorithm for the joint order batching, batch assignment, and sequencing problem
Fumagalli et al. A novel scheduling framework: Integrating genetic algorithms and discrete event simulation
Németh et al. Layout configuration, maintenance planning and simulation of AGV based robotic assembly systems
Mustafa et al. A proposed framework for lean warehousing
Reuter et al. An IT driven approach for global production network design
Al-Zuheri Modelling and optimisation of walking worker assembly line for productivity and ergonomics improvement
Rabbani et al. A new mathematical model in cell formation problem with consideration of inventory and backorder: Genetic and particle swarm optimization algorithms
Nidhiry et al. Evaluation of genetic algorithm approach for scheduling optimization of flexible manufacturing systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221229

Address after: F1-3, Building 10, Xuelang Town, No. 99, Qingshu Road, Wuxi Economic Development Zone, Jiangsu Province, 214000

Patentee after: WUXI XUELANG SHUZHI TECHNOLOGY Co.,Ltd.

Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037

Patentee before: HUAZHONG University OF SCIENCE AND TECHNOLOGY