CN115867872A - 通过能力比较和/或制造商比较进行生产控制 - Google Patents

通过能力比较和/或制造商比较进行生产控制 Download PDF

Info

Publication number
CN115867872A
CN115867872A CN202180041927.8A CN202180041927A CN115867872A CN 115867872 A CN115867872 A CN 115867872A CN 202180041927 A CN202180041927 A CN 202180041927A CN 115867872 A CN115867872 A CN 115867872A
Authority
CN
China
Prior art keywords
manufacturer
sheet metal
machine tool
manufactured
data
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.)
Pending
Application number
CN202180041927.8A
Other languages
English (en)
Inventor
P·绍特
F·京特纳
C·米特
M·罗勒
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.)
Trumpf European Ag
Tongkuai Europe Co ltd
Original Assignee
Trumpf European Ag
Tongkuai Europe Co ltd
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 Trumpf European Ag, Tongkuai Europe Co ltd filed Critical Trumpf European Ag
Publication of CN115867872A publication Critical patent/CN115867872A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G05B19/4187—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow by tool management
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31325—Machine selection support, use of database
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32099—CAPP computer aided machining and process planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32104—Data extraction from geometric models for process planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32324—Quality data determines optimum machine sequence selection, queuing rules
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45234—Thin flat workpiece, sheet metal machining
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种用于控制具有多个加工步骤(26)的板材加工的方法(10)，其中，在机床阵列(30)中建立至少一个生产图(36a)，在所述机床阵列中，给各个加工步骤(26)分别配置适用于实施相应加工步骤(26)的至少一个机床(28a‑28j)，其中，所述配置通过相应机床(28a‑28j)的基本加工能力及其能力参数与待制造的板材构件(12)的基本特性和特性参数的比较进行。为了输入用于方法(10)所需的数据以及输出由方法(10)产生的数据可以设置特别是呈在线市场形式的在线平台。

Description

通过能力比较和/或制造商比较进行生产控制
技术领域
本发明涉及一种用于控制板材加工的方法以及一种用于这种方法的计算机程序产品。
背景技术
目前，板材加工中的生产计划和生产控制在很大程度上人工地实施。在此在开始生产之前，专家将待制造的板材构件相继地分配到不同的机床以进行加工。
由WO 2015/058147 A1公知了一种用于确定构件生产成本的方法。为此，设计工程师将构件的CAD数据传送给构件的单个可能的制造商。基于制造商的空闲生产能力和构件的估计生产成本，设计工程师获得构件生产的报价。此报价在设计过程中能够被不断更新。
US 10,338,565B1、US 10,281,902B2和US 10,061,300B1公开了借助构件的CAD数据来预测构件的制造时间和制造成本的方法。所述预测基于不同的机器学习模型。
由DE 20 2009 014 918 U1公知了一种优化装置。优化装置使得消费者可以利用金属板材的剩余区域，以便最优地利用金属板材的材料。
在杂志“Blech 06/2010”中，第42至46页描述了板材加工中很大程度自动的报价生成和制造分配。
US 2014/0067108 A1公开了考虑不同的生产机器的状态的制造控制。
在已知的生产计划中，对不可预测事件、例如机床故障的反应通常只能耗费地进行。此外，复杂的生产计划通常关于所使用的材料、机床利用率和/或生产成本非最优地进行。
发明内容
因此，本发明的任务在于，提供显著地改善板材加工的方法和计算机程序产品。
根据本发明，该任务通过根据权利要求1所述的方法和根据权利要求16所述的计算机程序产品来解决。从属权利要求描述优选的设计方案。
因此，根据本发明的任务通过一种用于待制造的板材构件的生产计划的方法来解决，其中，所述方法包括：读入机床数据和待制造的板材构件的数据；建立由适合的机床构成的机床阵列；从机床阵列中确定呈机床序列形式的优化的加工过程；以及还输出所述优化的加工过程。
根据本发明由此设置，建立由机床构成的阵列。在此，阵列的列可以表示板材构件的加工步骤，并且可以在阵列的行中列出适用于相应加工步骤的不同的机床。取而代之，阵列的行可以表示板材构件的加工步骤，并且可以在阵列的列中列出适用于相应加工步骤的不同的机床。通过机床阵列确定有利的路径(生产图)允许显著改善地生产板材构件。
优选地，根据本发明的方法由算法来实施。所述方法、特别是算法能够以基于云(cloud)的方式实施。
读入机床数据和待制造的板材构件的数据包括读入待制造的板材构件的加工步骤和特性参数以及机床的基本加工能力和能力参数。加工步骤可以例如是例如借助冲压、激光切割、等离子切割或水射流切割的分离、例如借助折弯或深冲的成型、焊接、例如借助激光标记或冲压的标记等。特性参数可以例如是板材构件的尺寸、材料和/或重量。基本加工能力例如是用于分离或成型的适用能力。能力参数例如是用于接收和加工特定板材构件的大小和/或重量的能力。能力参数可以例如是机床的可用性、生产能力、速度和/或精度。因此，基本加工能力并不是指特定的技术(激光切割、深冲等)，而只是指所需的加工任务。板材分离可以通过例如冲压机进行，但也可以通过激光切割机进行。成型可以通过例如折弯机以及冲压机(例如用于短的连接板)进行。
为了建立机床阵列，首先可以将加工步骤与基本加工能力进行比较。如果机床的基本加工能力相应于加工步骤，即如果相应的机床可以实施所述加工步骤，则可以将待制造的板材构件的特性参数与相应机床的能力参数进行比较。如果相应机床的能力参数满足待制造的板材构件的特性参数，则将所述机床列入机床阵列中。因此，建立机床阵列至少两阶段地进行。
根据本发明的算法的一个实例如下：
若(基本加工能力＝加工步骤){
则到达阶段1。
若(能力参数1＝特性参数1){
则到达阶段2。
若(能力参数2＝特性参数2){
则到达阶段3。
若(能力参数3＝特性参数3){
则将机床添加到机床阵列中。
待制造的板材构件的加工步骤有利地由待制造的板材构件的3D模型和/或待制造的板材构件的图纸得出。特别是对于加工步骤的具体化，可以借助于保存在3D模型和/或图纸中的公差。
加工步骤可以分成主组和至少一个子组、特别是多个子组。在此，主组可以包括根据DIN 8580的加工步骤。特别优选地，主组包括加工步骤“分离”、“成型”、“接合”和/或“涂覆”。子组可以包括所述加工步骤的具体化。加工步骤“分离”可以例如包括第一子组“切割”和“冲压”中。在第二子组中，例如第一子组的加工步骤“切割”可以包括加工步骤“激光切割”和“水射流切割”。
找出最优的生产图称为解决订单车间调度问题(job-shop-scheduling-problem，JSSP)。为此的解决方案和启发可以在以下出版物中找到：
F.Pfitzer、J.Provost、C.Mieth和W.Liertz的“Event-driven productionrescheduling in job shop environments[订单车间环境中的事件驱动生产重新调度]”，2018年IEEE第14届自动化科学与工程国际会议(CASE)，IEEE，2018，第939-944页；
C.Mieth、N.Schmid、A.Meyer的“Simulationsbasierte Untersuchung von
Figure BDA0003991873830000031
-und Kommissionierregeln zur Steuerung des Materialflusses in derBlechindustrie[用于控制板材行业中的材料流的基于模拟的优先级检验和货物分拣规则]”；/>
L.L.Li、C.B.Li、L.Li、Y.Tang和Q.S.Yang的“An integrated approach forremanufacturing job shop scheduling with routing alternatives[利用路由替代方案进行再制造订单车间调度的集成方法]”，数学生物科学与工程(Mathematicalbiosciences and engineering)：MBE，第16卷，第4期，第2063-2085页，2019；
M.Gondran、M.-J.Huguet、P.Lacomme和N.Tchernev的“Comparison between twoapproaches to solve job-shop scheduling problem with routing[利用路由解决订单车间调度问题的两种方法的比较]”，2019；
J.J.van Hoorn的“The current state of bounds on benchmark instances ofjob-shop scheduling problem[订单车间调度问题基准实例的界限的当前状态]”，调度杂志(Journal of Scheduling)，第21卷，第1期，第127-128页，2018；
S.-C.Lin、E.D.Goodman和W.F.Punch III的“A genetic algorithm approach todynamic job shop scheduling problem[用于动态订单车间调度问题的遗传算法方法]”，ICGA，1997，第481-488页；
T.Yamada和R.Nakano的“Scheduling by genetic local search with multi-step crossover[通过利用多步交叉的遗传局部搜索进行调度]”，源于自然的并行问题解决国际会议(International Conference on Parallel Problem Solving from Nature)，施普林格出版社，1996，第960-969页；
B.M.Ombuki和M.Ventresca的“Local search genetic algorithms for jobshop scheduling problem[用于订单车间调度问题的局部搜索遗传算法]”，应用智能(Applied Intelligence)，第21卷，第1期，第99-109页，2004；
E.S.Nicoara、F.G.Filip和N.Paraschiv的“Simulation-based optimizationusing genetic algorithms for multi-objective flexible jssp[使用遗传算法进行多目标灵活jssp的基于模拟的优化]”，信息学与控制的研究(Studies in Informatics andControl)，第20卷，第4期，第333-344页，2011；
L.Asadzadeh的“A local search genetic algorithm for job shopscheduling problem with intelligent agents[利用智能体的用于订单车间调度问题的局部搜索遗传算法]”，计算机与工业工程(Computers&Industrial Engineering)，第85卷，第376-383页，2015；
B.Waschneck、A.Reichstaller、L.Belzner、T.Altenmüller、T.Bauernhansl、A.Knapp和Kyek的“Optimization of global production scheduling with deepreinforcement learning[利用深度强化学习的全球生产调度优化]”，程序CIRP(ProcediaCIRP)，第72卷，第1264-1269页，2018；
M.Botvinick、S.Ritter、J.X.Wang、Z.Kurth-Nelson、C.Blundell和D.Hassabis的“Reinforcement learning,fast and slow[强化学习的快与慢]”，认知科学趋势(Trendsin cognitive sciences)，2019。
确定优化的加工过程、即优化的生产图优选地通过优选地呈神经网络形式的人工智能进行。神经网络可以借助于机器学习已被训练和/或被训练。神经网络对于本领域技术人员来说由以下文献已知：
Günter Daniel Rey、Karl F.Wender的“Neuronale Netze[神经网络]”，第二版，2010，Huber。
为了确定优化的加工过程，可以将加工步骤(例如分离、接合)分配给资源(机器)。这种分配可以通过以下任务实现：
-关联：关联规则和贝叶斯网络，
-分类：决策树和神经网络。
上面引用的出版物的公开内容全部都列入本说明书中(incorporated byreference，通过引用并入)。
优化的加工过程可以间接或直接输出到制造执行***(manufacturing-execution-system，MES)。这允许直接在机床上实施生产计划。
替换地或附加地，输出可以涉及在显示器上输出室内定位***的标记。这实现在正在进行的运行中的离散控制。
优化的加工过程的输出可以包含板材构件的可制造性。如果没有加工过程是可能的，则板材构件不能被制造。
在本发明的特别优选的设计方案中，读入板材构件的数据包括特别是通过室内定位***检测板材构件的位置。室内定位***可以包括多个标签(衔铁)，所述标签由分布在空间中的多个接收器单元定位。标签优选地被配置给待制造的板材构件，特别是安置在板材构件或其容器。在室内定位***的情况中能够自动化地进一步优化所述计划。
加工过程优选地被优化到最小化的加工成本、最小化的加工时间和/或最小化的材料消耗。在此，加工时间优选地并不是指机床对于制造步骤所需的时间，而至少是指机床对于一个订单所需的总时间。加工时间由此得出，每台机床并且在单位时间内可以完成多少订单。进一步优选地，加工时间根据所参与的机床还包括内部物流以及由此总的订单吞吐时间。也就是说，从原材料到机床、在机床之间、然后至在供应商处货物分拣，所述订单总共需要的时间。也就是说，在这种情况中，必须考虑原材料/中间产品/最终产品在供应商与客户之间以及在客户工厂内的路由。
在此，相同的特征变量可以被分配给所述目标变量，以便能够将它们彼此比较。例如可以将价格分配给加工时间和/或材料消耗，从而它们可以相对于加工成本被加权。
在本发明的进一步优选的设计方案中，将至少两个机床配置给不同的制造商。在此，机床数据可以包括制造商数据，所述制造商数据可以在确定优化的加工过程时被考虑。取而代之或除此以外，至少两个机床可以位于不同的生产地点。因此可以提供包括不同制造商和/或不同生产地点的板材构件的最优加工的市场。
机床数据可以仅仅包括制造商数据。在这种情况中，优化的加工过程仅仅由制造商数据来确定。
制造商数据可以包括关于机床位置的信息。因此，运输成本和货物分拣成本可以同时纳入评估中。取而代之或除此以外，制造商数据可以包括关于材料消耗和/或能量消耗的信息。运输成本和/或货物分拣成本可以直接考虑运输服务提供商的报价，也可以间接地、例如通过整合比较不同的运输服务提供商报价的物流平台考虑。
制造商数据可以包含制造商的生产能力和/或材料储备量。取而代之或除此以外，制造商数据可以包括关于机床生产速度的信息。
制造商数据可以包含下述信息，即提供可能使用的机床的制造商是否是单个零件制造商、组件制造商、商品板材构件(高度标准化的简单板材构件)制造商、焊接组件制造商和/或带有外购零件的组件的制造商。制造商数据可以包含关于制造商的机床仓库、制造商的认证和/或制造商的外购服务的信息。制造商数据可以包含关于制造商的员工的数量、类型和/或资格的信息。制造商数据可以包含关于制造商的客户的工业领域的信息，例如制造商先前是否已经加工过用于医疗产品的板材构件。特别优选地，制造商数据包含关于先前加工的板材构件的质量和/或价格的信息，因为该信息对于该制造商的机床的重新调试特别有效。制造商数据可以包含关于在生产先前制造的板材构件时的交货速度和/或交货可靠性的信息。该信息也是特别有效的。此外，制造商数据可以包含下述信息，即制造商本身是否应该被给予优先权。由此可以例如检验，是否一个制造商就可以单独制造板材构件。如果在步骤C中确定优化的加工过程时没有获得仅包括优选的制造商的机床的加工过程，则由该制造商不能单独制造板材构件。以所述方式，也可以优先考虑其他制造商数据，以便然后检验，是否可以只根据优选的制造商数据来制造。
特别优选地，借助对已加工的板材构件的评估来补充制造商数据。该信息特别是可以包含价格、质量、加工速度和/或交货日期可靠性。因此可以进一步优化机床的选择。
在根据本发明的方法中可以输出板材构件在使用优化的加工过程时的加工成本。在此，加工成本优选地通过与可比较的板材构件的实际获得的市场价格的比较被求得，和/或借助待制造的板材构件的基于算法的价格计算、特别是借助其CAD数据被求得。
进一步优选地，根据本发明的方法包括预订用于生产板材构件的材料和/或在加工步骤之后发送板材构件。因此，材料流和/或物流可以同时被优化。在此，也可以同时考虑机床在生产地点的定位/链接以及因此的订单路由。
因此，机床相对彼此的布置也在工厂(生产地点)、例如机床仓库中的冗余度方面起重要作用，以确保提高可靠性并且补偿机床故障情况下出现的(可能附加的)阻碍。
机器路由可以优选地通过两个概念来实现。第一个概念基于拉(Pull)原理方案，而推(Push)原理形成第二个概念的基础。
在拉原理中，一旦先前的工作订单(WorkOrder)离开机床，机床就咨询工作订单。每个机床获得订单咨询模块。
此订单咨询模块同时也是代理(Agent)，并且由进入(Enter)块和队列(Queue)块构成。进入块用于将已经存在的代理、在此即工作订单加载到过程中。队列块是等候队列。所述等候队列非常短，理想地具有一个工作订单。订单咨询模块的功能通过四个阶段实施。如果工作订单离开等候队列，那么通过函数咨询新的工作订单。在下一个阶段中，过滤出与该机床相关的工作订单。相关的工作订单满足以下四个条件：该工作订单可以由机床加工、释放、具有作为下一个加工步骤的可实施的加工步骤并且具有“新的”或“可计划的”状态。然后可以有多个相关的工作订单，所述多个相关的工作订单一起形成列表。在下一个步骤中，将对列表中的订单进行优先级排序。为此使用优选地以Kotlin编程的优先级规则。最后，最高优先级的工作订单被传递给订单咨询模块。
推原理的主要特征在于中心控制模块。工作订单由中心控制模块主动配置给不同的机床。具有的优点是，可以集成不同的路由概念，例如基于信息素的协调机制(PheromoneBased Coordination，PHC)、认知代理群模型(Swarm of Cognitive Agents-Modell，SCA)或队列长度估计器(Queue Length Estimator，QLE)。中心控制模块与各个机床通信并且获得所需信息。所需信息例如是使用QLE时的等候队列长度，或者是PHC情况中的信息素值。控制代理为此首先将订单信息发送给机器代理。机器代理处理该信息，并将其返回值发送回控制代理。控制代理最终将订单发送给具有最佳返回值的机床。推原理不具有订单咨询模块，而是具有订单接受模块，所述订单接受模块接收被分配的订单。订单接受模块由进入块和队列块构成。然而队列没有容量限制。过滤和优先级排序在控制模块中实施。
所述方法可以对多个板材构件实施。在此，板材构件的至少一个加工步骤可以被延迟，以便与另外的板材构件一起被加工或发送。板材构件的加工可以理解为订单网络。订单网络是经过多个制造阶段的计划或制造订单的链接。在此，订单网络中的每个订单都有自己的订单号码。通过与其他板材构件的联合加工尤其可以实现节省材料地从金属板材分离板材构件。
制造商数据和/或机床数据和/或待制造的构件的数据可以经由在线平台的输入接口读入。取而代之或除此以外，至少一个优化的加工过程和/或用于生产待制造的构件的总加工成本可以经由在线平台的输出接口、优选为同一在线平台的输出接口输出。在此，在线平台能够以在线市场的形式设计。也就是说，在所述市场上，大量买方输入其预订板材构件的咨询。在线市场生成合适制造商的建议(即，基于制造商数据和/或机器能力)。然后所述制造商可以选择接受订单和/或分配所述订单。如果一个制造商不能实施该订单，则选择一个替代的空闲的制造商，所述空闲的制造商可以接受该订单和/或被转让该订单。
在线市场可以包括用于多个买方和/或多个卖方的多个接口。
根据本发明的任务还通过一种计算机程序产品来实现，其包括下述指令，所述指令在通过计算机实施程序时使得所述计算机实施在此描述的方法。
计算机程序产品可以包括在线平台，所述在线平台具有用于输入机床数据、制造商数据和/或待制造的构件的数据的输入接口。在线平台还可以具有输出接口，用于输出优化的加工过程和/或总加工成本。在线平台能够以在线市场的形式设计。在线平台能够基于云地设计。
本发明的其他优点由说明书和附图得出。根据本发明，前述的特征和还进一步实施的特征同样可以分别单个单独地或者多个以任意组合被使用。所示出的和描述的实施方式不应理解为最终的列举，而是具有用于描述本发明的示例性的特征。
附图说明
图1示出通过布置在机床阵列中的多个机床优化地控制板材加工的方法。
图2示出将机床添加到机床阵列的方法。
图3示出用于操作所述方法的在线平台。
具体实施方式
图1示出用于最优生产计划和/或生产实施的方法10。在此，生产包括由金属板材14制造板材构件12。在这种情况中，生产包括待制造的板材构件12的激光切割16、去毛刺18、折弯20、焊接22和包装24。因此，待制造的板材构件12经历多个加工步骤26。
加工步骤26由在此示例性的多个机床28a-28j实施。机床28a是具有基本加工能力、即切割和去毛刺的冲压/激光切割机。机床28b是其基本加工能力仅为切割的机床。机床28c是去毛刺机。机床28d-28f是折弯机。机床28g，28h是焊接机。机床28i，28j是包装机。
机床28a-28j布置在机床阵列30中。机床阵列30中用于制造板材构件12的加工步骤26的可能的序列由虚线箭头和实线箭头示出。
机床阵列30可以是算法32的一部分。算法32可以包括神经网络34，所述神经网络通过机床阵列30来求得优化的生产图36a。所述优化的生产图36a由图1中的实线箭头示出。
图2示出方法10的一部分，特别是例如借助机床28a，即用于将机床28a-28j列入根据图1的机床阵列30中的选择方法。在此，将待制造的板材构件12的参数与机床28a的参数进行比较。
更确切地，首先将待制造的板材构件12的加工步骤16(见图1)在此即激光切割的基本特性38与机床28a的基本加工能力40、在此即实施激光切割的能力比较。如果如同在这种情况中那样基本加工能力40与基本特性38相符，则将待制造的板材构件12的能力参数42a，42b与机床28a的特性参数44a，44b比较。能力参数42a可以例如是待制造的板材构件12的最大重量。能力参数42b可以例如是待制造的板材构件12的最大长度。相应地，特性参数44a是待制造的板材构件12的重量，并且特性参数44b是待制造的板材构件的长度。如果两个特性参数44a，44b处于能力参数42a，42b以内，则在列入步骤46中，对于加工步骤“激光切割”16将机床28a加入到机床阵列30(见图1)中。
特性参数44a，44b可以包括制造商数据。制造商数据可以包括制造商的生产能力、其产品的性价比、其产品的质量、其交货日期可靠性和/或其客户的工业领域。由此可以比较，该制造商的机床28a是否适用于待制造的构件12的加工。算法32可以设计用于比较不同制造商的相同类型的机床28a-28j(见图1)，以便在找出优化的生产图36a(见图1)时求得制造商数据。
图3示出在线平台48。在线平台48以在线市场的形式设计。所述在线平台具有输入接口50，用于读入待制造的构件12的数据。取而代之或除此以外，可以经由输入接口50读入机床数据和/或制造商数据。在线平台48还包括输出接口52。在实施算法32(见图1)之后，在接受相应的生产图36a-36c时可以输出生产图36a-36c以及待制造的构件12的所属的总加工成本。不同的生产图36a-36c表示在不同制造商下的制造。相应的生产图36a-36c能够由在线平台48的使用者选择，以通过相应的生产图36a-36c预订待制造的构件12。
在概览附图的所有图的情况下，总的来说，本发明涉及一种用于控制具有多个加工步骤26的板材加工的方法10，其中，在机床阵列30中建立至少一个生产图36a-36c，在所述机床阵列中，给各个加工步骤26分别配置至少一个适用于实施相应的加工步骤26的机床28a-28j，其中，所述配置通过将相应机床28a-28j的基本加工能力40及该机床的能力参数42a，42b与待制造的板材构件12的基本特性38和特性参数44a，44b比较来实现。为了输入用于方法10所需的数据以及输出由方法10产生的数据可以设置特别是呈具有用于多个制造商的接口的在线市场形式的在线平台48。
附图标记列表
10 方法
12 板材构件
14 金属板材
16 激光切割
18 去毛刺
20 折弯
22 焊接
24 包装
26 加工步骤
28a-28j 机床
30 机床阵列
32 算法
34 神经网络
36a 优化的生产图
36b、36c 其他的生产图
38 基本特性
40 基本加工能力
42a、42b 能力参数
44a、44b 特性参数
46 列入步骤
48 在线平台
50 输入接口
52 输出接口。

Claims (17)

1.一种用于控制待制造的板材构件(12)的具有多个加工步骤(26)的板材加工的方法(10)，其中，所述方法(10)包括以下方法步骤：
A)读入机床数据和所述待制造的板材构件(12)的数据；
其中，在方法步骤A)中，以任意的顺序或者同时实施以下方法步骤：
a)读入所述待制造的板材构件(26)的加工步骤(26)；
b)读入所述待制造的板材构件(12)的特性参数(44a，44b)；
c)读入所述机床(28a-28j)的至少一个基本加工能力(40)；
d)读入所述机床(28a-28j)的能力参数(42a，42b)；
B)建立由适用于制造所述板材构件(12)的机床(28a-28j)构成的机床阵列(30)；
C)从所述机床阵列(30)中确定呈机床(28a-28j)的序列形式的优化的加工过程；
D)输出所述优化的加工过程。
2.根据权利要求1所述的方法，其中，在方法步骤B)中实施以下方法步骤：
e)将方法步骤a)的加工步骤(26)与方法步骤c)的基本加工能力(40)比较；
f)对于所述基本加工能力(40)满足所述加工步骤(26)的情况，
将方法步骤b)的特性参数(44a，44b)与方法步骤d)的能力参数(42a，42b)比较；
g)对于所述能力参数(42a，42b)满足所述特性参数(44a，44b)的情况，
将所述机床(28a-28j)***到所述机床阵列(30)中；
其中，对于机床(28a-28j)将方法步骤e)、f)和g)相继或者同时实施。
3.根据前述权利要求中任一项所述的方法，其中，方法步骤a)中的加工步骤(26)由所述待制造的板材构件(12)的3D模型和/或保存在所述待制造的板材构件(12)的图纸中的公差得出。
4.根据前述权利要求中任一项所述的方法，其中，所述加工步骤(26)分级地被分成主组和至少一个子组。
5.根据前述权利要求中任一项所述的方法，其中，在方法步骤C)中确定所述优化的加工过程通过借助于机器学习被训练的神经网络(34)进行。
6.根据前述权利要求中任一项所述的方法，其中，在方法步骤D)中的输出实现输出到制造执行***。
7.根据前述权利要求中任一项所述的方法，其中，在方法步骤A)中读入所述待制造的板材构件(12)的数据包括借助于室内定位***来检测所述待制造的板材构件(12)的位置。
8.根据前述权利要求中任一项所述的方法，其中，在方法步骤C)中确定优化的加工过程基于最小化的总加工成本、所述待制造的板材构件(12)的最小化的总加工时间和/或最小化的总材料消耗进行。
9.根据前述权利要求中任一项所述的方法，其中，多个机床(28a-28j)被配置给不同的制造商，所述机床数据包括制造商数据，和/或
其中，多个机床(28a-28j)位于不同的生产地点。
10.根据权利要求9所述的方法，其中，在根据方法步骤C)确定所述优化的加工过程时考虑制造商数据。
11.根据权利要求9或10所述的方法，其中，所述制造商数据包括以下数据：
·单个零件制造商或组件制造商；
·商品板材构件制造商；
·焊接组件制造商；
·带有外购零件的组件的制造商；
·制造商的机床仓库；
·先前制造的板材构件的质量；
·交货可靠性；
·交货速度；
·先前制造的板材构件的价格；
·生产先前制造的板材构件时的速度；
·制造商的认证；
·制造商的客户的工业领域；
·制造商的员工的数量、类型和/或资格；
·制造商的外购服务；
·制造商的生产能力；
·制造商的材料储备量；
·制造商的一般偏好。
12.根据权利要求9至11中任一项所述的方法，其中，所述方法包括以下方法步骤：
E)借助对所制造的板材构件的评估来补充所述制造商数据。
13.根据前述权利要求中任一项所述的方法，其中，在方法步骤D)中输出所述优化的加工过程包括输出所述总加工成本，
所述总加工成本的求得借助与先前制造的相同或类似的板材构件的实际市场价格的比较进行；和/或
借助所述待制造的板材构件(12)的基于算法的价格计算进行。
14.根据前述权利要求中任一项所述的方法，其中，方法步骤D)包括预订用于生产所述板材构件的材料和/或在加工步骤(26)之后发送所述待制造的板材构件(12)。
15.根据前述权利要求中任一项所述的方法，其中，所述方法(10)对多个待制造的板材构件(12)实施，其中，待制造的板材构件(12)的至少一个加工步骤(26)被延迟，以便与另外的待制造的板材构件(12)一起被加工或发送。
16.一种计算机程序产品，其包括下述指令，所述指令在通过计算机实施程序时使得所述计算机实施根据前述权利要求中任一项所述的方法(10)。
17.根据权利要求16所述的计算机程序产品，其中，所述计算机程序产品包括在线平台(48)，其中，所述在线平台(48)具有用于输入机床数据和/或所述待制造的构件(12)的数据的输入接口(50)。
CN202180041927.8A 2020-06-10 2021-06-09 通过能力比较和/或制造商比较进行生产控制 Pending CN115867872A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102020207298.1 2020-06-10
DE102020207298.1A DE102020207298A1 (de) 2020-06-10 2020-06-10 Produktionssteuerung mit Fähigkeits- bzw. Herstellerabgleich
PCT/EP2021/065429 WO2021250080A1 (de) 2020-06-10 2021-06-09 Produktionssteuerung mit fähigkeits- bzw. herstellerabgleich

Publications (1)

Publication Number Publication Date
CN115867872A true CN115867872A (zh) 2023-03-28

Family

ID=76444409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180041927.8A Pending CN115867872A (zh) 2020-06-10 2021-06-09 通过能力比较和/或制造商比较进行生产控制

Country Status (5)

Country Link
US (1) US20230096204A1 (zh)
EP (1) EP4165482A1 (zh)
CN (1) CN115867872A (zh)
DE (1) DE102020207298A1 (zh)
WO (1) WO2021250080A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022106086A1 (de) 2022-03-16 2023-09-21 Homag Gmbh Verfahren zum Herstellen eines Werkstücks sowie System

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050096957A1 (en) * 2003-10-31 2005-05-05 Bayoumi Deia S. System and method for manufacturing job rescheduling
DE202009014918U1 (de) 2009-12-23 2011-05-05 Seguam UG (haftungsbeschränkt) Optimierungseinrichtung
US20140067108A1 (en) 2012-08-31 2014-03-06 The Boeing Company Systems and methods for dynamic control of task assignments in a fabrication process
WO2015058147A1 (en) 2013-10-17 2015-04-23 Plethora Corporation Method for quoting part production
CN104504540B (zh) * 2015-01-13 2017-10-27 郑州航空工业管理学院 基于多阶段智能优化算法的动态柔性作业车间调度控制方法
CN106933200A (zh) * 2015-12-31 2017-07-07 中国科学院沈阳计算技术研究所有限公司 基于遗传算法的解决柔性作业车间调度问题的控制方法
US10048669B2 (en) * 2016-02-03 2018-08-14 Sap Se Optimizing manufacturing schedule with time-dependent energy cost
US10281902B2 (en) 2016-11-01 2019-05-07 Xometry, Inc. Methods and apparatus for machine learning predictions of manufacture processes
US10061300B1 (en) 2017-09-29 2018-08-28 Xometry, Inc. Methods and apparatus for machine learning predictions and multi-objective optimization of manufacturing processes
US11443262B2 (en) * 2017-10-20 2022-09-13 Siemens Aktiengesellschaft Energy efficient scheduling of industrial process by reducing idle time and tardiness of jobs

Also Published As

Publication number Publication date
EP4165482A1 (de) 2023-04-19
US20230096204A1 (en) 2023-03-30
DE102020207298A1 (de) 2021-12-16
WO2021250080A1 (de) 2021-12-16

Similar Documents

Publication Publication Date Title
Caputo et al. A methodology for selecting assembly systems feeding policy
Colledani et al. Design and management of manufacturing systems for production quality
Rahman et al. An integrated approach for line balancing and AGV scheduling towards smart assembly systems
Vivaldini et al. Integrated tasks assignment and routing for the estimation of the optimal number of AGVS
Bozarth et al. A contingency view of time‐based competition for manufacturers
Vivaldini et al. Comprehensive review of the dispatching, scheduling and routing of AGVs
Fazlollahtabar et al. Autonomous guided vehicles
Ciurana et al. A model for integrating process planning and production planning and control in machining processes
Rifqi et al. Lean manufacturing implementation through DMAIC approach: A case study in the automotive industry
Filz et al. Analyzing different material supply strategies in matrix-structured manufacturing systems
Coelho et al. Simulation Of An Order Picking System In A Manufacturing Supermarket Using Collaborative Robots.
Kurniadi et al. Development of IoT-based reconfigurable manufacturing system to solve reconfiguration planning problem
US20220404817A1 (en) Processes for controlling operation of machine tools
Fries et al. Design concept for the intralogistics material supply in matrix productions
Buckhorst et al. The line-less mobile assembly system simultaneous scheduling and location problem
US20230096204A1 (en) Production control with capability and/or manufacturer comparison
Gothwal et al. A comparative study of multi-criteria decision-making approaches for prioritising the manufacturing systems
Fani et al. Balancing assembly line in the footwear industry using simulation: A case study
Aslam et al. Multi-objective optimisation in manufacturing supply chain systems design: a comprehensive survey and new directions
James et al. Study of industry 4.0 and its impact on lean transformation in aerospace manufacturing
Ani et al. Factory-in-factory concept as a new business model for automotive production system
Schukat et al. Agent-based order release in matrix-structured assembly systems
Reinhart et al. Adaptive scheduling by means of product-specific emergence data
Terkaj et al. A stochastic programming approach to support the machine tool builder in designing focused flexibility manufacturing systems (FFMSs)
Melnychuk et al. Evaluation of Material Shortage Effect on Assembly Systems Considering Flexibility Levels

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