智能生產物流系統模型及平臺研究

陳俊梅，石宇強

（西南科技大學 制造科學與工程學院，綿陽 621010）

0 引言

物聯網與互聯網的高速發展促進了工業4.0的發展，使制造業逐步邁入了智能化階段。制造企業多數以多品種少批量的生產為主，但是如何能智能化地實現制造服務的個性化需求成為了難題。而通過對生產物流系統的智能化構建是能夠解決這個難題并能降低生產、流通中成本的有效途徑。

楊咪[1]、聞學偉[2]等對智能生產物流系統的設計所需的技術支持進行了歸納和一定的系統設計，但缺乏一定的理論深度。方泳[3]等人對實現柔性化綠色制造提出了三個創新智能物流技術裝備：智能軌道柔性搬運系統、多層智能穿梭車系統、可循環使用的包裝技術，為智能化物流發展規劃了新的延伸道路。Min-Hui Zhang[4]等通過對大規模定制物流調度建立數學模型，運用粒子群算法優化協作決策，有效地解決協調生產物流系統中物流在選擇物流節點和協調節點合作的調度優化問題。

但是目前還沒有一種關于智能生產物流系統的具體模型，而且對德國工業4.0背景下的智能生產物流系統的相關研究的文獻也嚴重缺乏。因此本文提出了這個關于智能生產物流系統的模型，并且通過建立管理平臺，實現了其中關于智能配送的重要模塊。

1 工業4.0概況

德國工業4.0是以智能制造為主導的生產方法，充分結合了信息物理系統（CPS，Cyber-Physical System）與信息通訊技術。其本質就是構建基于信息物理系統的“智能工廠”以實施智能制造，實現人、設備以及產品的實時聯通。達到生產制造過程中的設備、產品等能夠智能的感知自我所需、所缺和下一步的去向，實現物料、機器、生產制造、物流、倉儲等相互間的智能匹配、協調和控制。

而在工業4.0的要求下完成智能生產物流系統模型，可實現在生產上，配料準確，執行更規范，上下聯動緊密準確；在緩存和倉儲上，物料識別簡單方便，任務交接快捷簡單，物料存放清晰透明；在配送上，物料配送準時，配送路徑暢通，載貨清晰。同時還能實現緩存區、庫位、生產線等多方位物料信息的透明化，大幅度減少在制品和庫存數量；并實現生產物流系統中的人、機、物等信息的自動綁定和記錄，以使生產、物流的整個過程可跟蹤、可追溯。

2 智能生產物流系統模型

工業4.0的核心內容是“智能制造”，而實現智能制造要從產品的全生命周期考慮。以生產制造的全方位自動化為基礎，實現產品的設計、仿真、生產、物流、倉儲、銷售、管理的全過程數字化，集成融合ERP（Enterprise Resource Planning，企業資源計劃）、MRP（Material Requirements planning，物料需求計劃）、MES（Manufacturing Execution System，制造執行系統）、WMS（Warehouse Management System，倉庫管理系統）、CRM（Customer Relationship Management，客戶關系管理系統）、物流管理系統、知識管理系統等系統的管理，協同RFID（Radio Frequency Identification，無線射頻識別）技術、數據挖掘技術、PLC（Programmable Logic Controller，可編程控制器）技術、圖像識別技術、傳感器技術、云制造等先進技術，以最終實現產品集成、制造過程集成、制造體系集成。

智能生產物流系統是保障智能制造運作暢通的核心部分，因此，根據智能制造的特點，構建了如圖1所示的智能生產物流系統模型，整個系統的總體結構由采集數據的智能對象層，數據傳輸、處理的網關層和服務層，以及執行控制的應用層組成。利用通信接口與以太網結構將閱讀器、RFID中間件、數據庫服務器、企業管理系統以及其他模塊和終端連接起來[5]。

圖1 智能生產物流系統模型

根據智能生產物流系統的模型，構建一個基于物聯網的智能管理的系統平臺來對生產物流系統進行管理控制。智能生產物流管理系統主要包括智能生產管理、緩存管理、智能配送、倉儲管理、數據采集五個子系統如圖2所示。向上，系統與企業ERP、MRP、MRPⅡ（Manufacture Resource Plan，制造資源計劃）相集成，獲取基本的產品、工藝、生產訂單等的基礎信息；向下，與不同設備、工具、區域相聯，通過無線射頻技術，對RFID標簽進行數據采集，有效監控管理生產、物流。

圖2 智能生產物流系統功能結構

3 智能配送

在智能生產物流系統中，智能配送是連接線上生產物流管理平臺與線下生產制造實施的重要紐帶，是生產系統高效運作的核心。而智能化配送的前提是要對瓶頸工序的控制實現智能化，用以促進智能配送的調度優化。同時配合智能倉儲、緩存則能保障生產制造以及配送更加暢通，避免生產中斷和配送擁堵，降低系統中的潛在瓶頸。

3.1 瓶頸智能控制

以RFID系統的監測與追蹤為基礎，通過TOC（Theory of Constrain）理論的原理，找出生產過程中的瓶頸，再運用DBR（Drum-Buffer-Rope）方法對生產流程進行優化控制。通過平臺可知瓶頸工序的智能感知狀態與反饋情況，以瓶頸消耗物料的速率把物料“拉”進智能生產系統，而在瓶頸后的工序，隨著生產節奏，物料逐步向后 “推”，同時把相應的物料消耗及時反饋給瓶頸，以利于瓶頸的自我調節或平臺的調度[6]。如圖3所示，以瓶頸的智能控制為軸心，向上向下推拉并進的方式進行生產，有效保持了瓶頸的穩定和在制品的恒定。隨后根據瓶頸的反饋情況，通過智能生產物流系統平臺更新生產物流配送計劃、緩存情況以及調度方案。

圖3 瓶頸優化控制模型

3.2 叉車智能配送

先對瓶頸進行智能的控制，完成其相應的配送和緩存需求，根據瓶頸來智能匹配出生產節奏，然后對其前后工序進行智能地規劃、配送。企業生產物流中的貨物配送、移動基本上靠叉車、AGV（Automated Guided Vehicle）小車等搬運工具進行操作。不同于以往的叉車配送，智能叉車裝有車載電腦，每個叉車前端和底端安裝有RFID閱讀器。根據圖4的配送執行程序進行智能配送，前端對配送貨物信息和綁定信息進行識別、讀取，底部對庫位信息以及路徑信息進行識別、讀取，在配送的過程中，不斷上傳信息到智能生產物流系統管理平臺，時時更新數據。

圖4 智能叉車配送執行流程

3.3 緩存、倉儲智能管理

根據瓶頸工序的前后緩存情況，推拉并進得到瓶頸前后工序的緩存信息。通過對緩存區域信息以及倉儲庫位的信息管理，能迅速有效的知道貨物的存放信息，物料的生產完成狀況，以及在制品存放數據。如圖5、圖6所示，管理物料存放的詳細信息，包括存放時間，庫位編號等；通過數據采集技術來管理庫位、物料基本信息，通過生產計劃獲得客戶訂單信息，根據生產情況，自動合理分配庫位與托盤，同時，自動融合特殊情況的手動分配信息。使得庫位與貨物有效合理地綁定，實現緩存、倉儲過程的透明化。

圖5 倉儲庫位管理圖

圖6 緩存庫位管理

3.4 配送與倉儲集成

通過配備手持式智能終端，管理人員可以對流通加工過程的計劃排產、物料上下線、生產執行、在制品存放、成品下線的全流程進行監控管理。如圖7所示，在RFID系統的基礎上，對標識卡識別、數據采集、信息追蹤，智能叉車下載任務并執行，并且更新完成配送信息，以及貨物狀態數據。集成配送與倉儲管理信息，動態管理緩存、庫位，其中綠色為可用空間，橙色為已用空間，動態分配與監管區域信息，時時反饋到生產物流優化終端，有效更新配送任務與存儲規劃。

圖7 智能配送與倉儲

4 結論

根據制造服務化的工業4.0思想，建立智能生產物流系統模型，并根據模型搭建其管理平臺。通過平臺與RFID系統的結合，運用TOC理論、DBR技術和CONWIP方法對瓶頸生產進行智能匹配控制。根據瓶頸生產情況，向前拉動生產，向后推動加工，推拉并進地指導物料、在制品的物流配送。并以此為基礎，實現叉車智能化的配送與搬運，以及緩存和倉庫的智能化識別、排位、提醒，提升生產和流通過程的智能化。實現物質流與信息流在生產物流系統中嚴格同步，在適當的時間，以適當的數量進入適當的區域，以達到優質的生產。不僅有效地控制了瓶頸，還減少了生產、配送的阻塞以及在制品的堆積。

接下來可以將智能生產物流系統與精益制造執行系統（LMES）相融合，以使生產物流保障制造過程，精益制造過程指導生產物流，兩者相輔相成。也可將智能生產物流系統與數據挖掘技術結合，有效利用生產物流系統中的知識獲取、知識篩選、知識存儲、知識表達等技術，實現生產物流系統更加專業化的智能過程。

[1] 楊咪,王明宇.基于物聯網的智能物流研究[J].中國商貿,2013(12).

[2] 聞學偉,汝宜紅.智能物流系統設計及應用[J].交通運輸系統工程與信息,2002.2(1).

[3] 方泳,吳超.創新智能物流技術裝備—實現柔性化綠色制造[J].制造業自動化,2013(11).

[4] Zhang M.H, Gao X.L, Zhou X.Y. An Intelligent Scheduling Strategy of Collaborative Logistics for Mass Customization[J]. Procedia Engineering, 2012, 29： 2621-2626.

[5] 羅風.RFID在供應鏈物流管理中的應用研究[D].西南交通大學, 2009.

[6] 高貴兵.混流制造系統生產物流優化關鍵問題研究[D].武漢：華中科技大學,2011.9.

[7] 鄒強強,石宇強.精益制造執行系統(LMES)的研究與開發[J].制造業自動化,2014(21).

[8] Andrzej, A.Hierarchical Integrated Intelligent Logistics System Platform[J].Procedia- Social and Behavioral Sciences,2011,20： 1004-1016.

[9] Rodrigo, R.O, Felipe, C.N.,Cristiano, A.C. et al. SWTRACK： An intelligent model for cargo tracking based on off-the-shelf mobile devices[J].Expert System with Applications, 2013, 40： 2023-2031.

[10] Nemasipova, A.N. To a question on optimization of strategy of manufacture and distribution of goods traffics in transport system[J]. Azerbaijan： Azerbaijan Technical University,2011.

[11] Wu Youbo, Tao Yi, Pan Xiaohong et al. RFID-Based Optimization Method for Inventory Control Strategy[J].Switzerland： Trans Tech Publications Ltd.,2010.

[12] Mohan, M.R.,Shahabudeen, P.,Kannan, G.The design of vehicle routes for a third-party logistics service provider using the simulated annealing algorithm[J].Switzerland： Inderscience Enterprises Ltd.,2009.