基于Plant Simulation的車間調(diào)度優(yōu)化仿真

于佳喬 張孜毅,李 巖

(長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院，吉林 長(zhǎng)春 130012)

0 引 言

隨著經(jīng)濟(jì)環(huán)境的發(fā)展，以及計(jì)算機(jī)和自動(dòng)化技術(shù)的普及,形成了以信息控制系統(tǒng)、車間生產(chǎn)系統(tǒng)、智能AGV搬運(yùn)系統(tǒng)綜合連接起來(lái)的柔性生產(chǎn)系統(tǒng)。其中生產(chǎn)車間的調(diào)度問(wèn)題成為企業(yè)首要解決的難題，在飛速發(fā)展的大環(huán)境下，車間生產(chǎn)效率顯得尤為重要。因此，對(duì)車間作業(yè)排產(chǎn)的更新優(yōu)化成為現(xiàn)代企業(yè)生存的關(guān)鍵。

車間排產(chǎn)問(wèn)題實(shí)質(zhì)是生產(chǎn)排序問(wèn)題，也是目前難度較高的組合優(yōu)化問(wèn)題。解決這類問(wèn)題，其中一個(gè)有效的方法就是利用仿真軟件進(jìn)行求解。通過(guò)仿真模擬各種排列組合，計(jì)算結(jié)果，從中找出應(yīng)用于實(shí)際中的最優(yōu)方案。

針對(duì)這類組合優(yōu)化問(wèn)題，許多學(xué)者通過(guò)理論分析、算法研究等求解最優(yōu)值。文獻(xiàn)[2]將遞階學(xué)習(xí)的方法應(yīng)用于 AGV 調(diào)度，提出了一種動(dòng)態(tài)的調(diào)度方法;文獻(xiàn)[3]基于混合遺傳算法考慮到不同任務(wù)、不同優(yōu)先級(jí)從柔性制造系統(tǒng)的角度設(shè)計(jì)了一種調(diào)度模型；文獻(xiàn)[4]使用分支定界算法和離散事件仿真相結(jié)合的方法,通過(guò)大量迭代次數(shù)最終求得最優(yōu)值;文獻(xiàn)[5-7]應(yīng)用改進(jìn)的遺傳算法對(duì)車間調(diào)度問(wèn)題進(jìn)行優(yōu)化;文獻(xiàn)[8]提出多種調(diào)度規(guī)則。

以上算法雖然能保證求得最優(yōu)解，但求解時(shí)間長(zhǎng)，計(jì)算規(guī)模較大，與工廠實(shí)際要求仍有偏差。

文中以Plant Simulation仿真平臺(tái)[9]作為車間作業(yè)問(wèn)題的仿真[10]工具，利用其可以與工廠高度一致的特性建立模型，并基于遺傳算法完成問(wèn)題模擬，不僅可以縮短優(yōu)化時(shí)長(zhǎng)，而且迭代次數(shù)更少，最大限度接近車間實(shí)際情況。最后,通過(guò)案例求出最優(yōu)值,驗(yàn)證其可行性。

1 應(yīng)用背景與問(wèn)題描述

1.1 應(yīng)用背景

以某自動(dòng)化生產(chǎn)車間的應(yīng)用為例，以AGV作為搬運(yùn)工具。

車間區(qū)域布局如圖1所示。

圖1 生產(chǎn)車間布局

該車間運(yùn)行模式：9種不同產(chǎn)品共計(jì)420件，由5個(gè)工作臺(tái)完成加工，并利用AGV智能小車搬運(yùn)貨物。應(yīng)用遺傳算法[11]對(duì)最大完工時(shí)間進(jìn)行優(yōu)化。

1.2 問(wèn)題描述

一個(gè)完整的車間系統(tǒng)可描述為：將m個(gè)工件安排在n個(gè)工位上，并合理布置工件p的加工順序及AGV小車的搬運(yùn)順序，使其滿足約束條件，達(dá)到所需要實(shí)現(xiàn)的目標(biāo)。現(xiàn)對(duì)車間系統(tǒng)做出如下假設(shè)：

1)同一時(shí)刻，一臺(tái)設(shè)備只能加工一道工序，且每臺(tái)設(shè)備只加工一道工序;

2)智能車間設(shè)施布局已確定，AGV行走路線已確定;

3)每輛AGV都相同，且在同一時(shí)間段只可以執(zhí)行一個(gè)任務(wù);

4)每個(gè)工件一旦開始加工,一個(gè)工序加工完畢,立即要申請(qǐng)加工下一個(gè)工序。

所要達(dá)到的目的是在某多品種零件同時(shí)加工的時(shí)間段里合理安排工件加工次序以及AGV小車搬運(yùn)順序的前提下,最小化最大完工時(shí)間，以減少工廠的時(shí)間、空間以及資金成本。

2 遺傳算法

對(duì)于車間任務(wù)排產(chǎn)的優(yōu)化算法有很多種，如模擬退火算法[12]、A*算法、遺傳算法等。文中采用遺傳算法對(duì)車間任務(wù)進(jìn)行優(yōu)化，相對(duì)于其他算法，遺傳算法是解決復(fù)雜非線性優(yōu)化問(wèn)題的常用方法，它并不依賴于所研究問(wèn)題的具體領(lǐng)域，而且魯棒性較好。文中以最小化最大完工時(shí)間作為優(yōu)化目標(biāo)，求解模型最優(yōu)值。

2.1 基于產(chǎn)品生產(chǎn)順序的編碼

遺傳算法常見的編碼方法有二進(jìn)制編碼、格雷碼編碼、實(shí)數(shù)編碼等。為了方便觀察，文中直接使用實(shí)數(shù)編碼方式，生產(chǎn)9種工件，編碼形式見表1。

表1 產(chǎn)品編碼表示例

假設(shè)給定的染色體為[356948712]，即表示首先生產(chǎn)工件3，將工件3生產(chǎn)完畢后，生產(chǎn)工件5，以此類推，完成工件2的生產(chǎn)后，AGV將貨物運(yùn)送至出口。

2.2 選擇算子

選擇算子采用輪盤賭的方法，輪盤賭又稱比例選擇方法，其基本思想是：各個(gè)個(gè)體被選中的概率與其適應(yīng)度函數(shù)大小成正比，即個(gè)體適應(yīng)度越大,越容易被選中，文中個(gè)體完成時(shí)間越少，越容易被選中。

2.3 交叉與變異

變異算子的基本內(nèi)容是對(duì)群體中個(gè)體串的某些基因座上的基因值作變動(dòng)。變異操作的常用方法有實(shí)值變異、二進(jìn)制變異等。變異操作的基本步驟如下：

1)對(duì)群體中所有個(gè)體以事先設(shè)定的變異概率判斷是否進(jìn)行變異;

2)對(duì)進(jìn)行變異的個(gè)體隨機(jī)選擇變異位進(jìn)行變異。

變異率的選取一般受種群大小、染色體長(zhǎng)度等因素影響，通常選取很小的值，一般取0.001～0.1。

2.4 終止條件

當(dāng)最優(yōu)個(gè)體的適應(yīng)度達(dá)到給定的閾值，或者最優(yōu)個(gè)體的適應(yīng)度和群體適應(yīng)度不再上升時(shí)，或者迭代次數(shù)達(dá)到預(yù)設(shè)的代數(shù)時(shí)，算法終止。由于文中種群較小，所以選取迭代次數(shù)為15。

3 示例分析

3.1 Plant Simulation仿真平臺(tái)

3.1.1 軟件

Plant Simulation仿真平臺(tái)是工廠、生產(chǎn)線及生產(chǎn)物流過(guò)程仿真的軟件，也是西門子數(shù)字化軟件Tecnomatix中的一員。Plant Simulation能夠?qū)囬g布局、生產(chǎn)物流設(shè)計(jì)、產(chǎn)能等生產(chǎn)系統(tǒng)的其他方面進(jìn)行定量驗(yàn)證，并根據(jù)仿真結(jié)果找出優(yōu)化方向。從而能夠在方案實(shí)施前對(duì)方案實(shí)施后的效果進(jìn)行驗(yàn)證。其主要特點(diǎn)有：

隨著流域經(jīng)濟(jì)社會(huì)的發(fā)展，工程建設(shè)突飛猛進(jìn)，對(duì)砂石料的需求量越來(lái)越大，長(zhǎng)江中下游河道采砂已經(jīng)成為支撐流域經(jīng)濟(jì)發(fā)展的重要組成部分。但隨之帶來(lái)的河勢(shì)穩(wěn)定、防洪與通航安全、水生態(tài)環(huán)境保護(hù)以及沿江涉水工程和設(shè)施的安全等問(wèn)題也越來(lái)越嚴(yán)重，盲目和無(wú)序開采將不可避免地帶來(lái)負(fù)面影響，因此長(zhǎng)江中下游河道采砂管理極為重要。河道采砂管理是一個(gè)涉及河道等自然系統(tǒng)、經(jīng)濟(jì)社會(huì)發(fā)展體系以及生態(tài)環(huán)境系統(tǒng)的大系統(tǒng)的、動(dòng)態(tài)的復(fù)雜課題。

1)可視化工作環(huán)境;

2)面向?qū)ο蟮慕＿^(guò)程;

3)模塊化的建模單元;

4)支持多種語(yǔ)言;

5)可進(jìn)行3D仿真，模擬車間情況。

3.1.2 模塊

3.1.2.1 基礎(chǔ)模塊

生產(chǎn)類物流對(duì)象及其功能見表2。

表2 生產(chǎn)類物流對(duì)象及其功能

運(yùn)輸類物流對(duì)象及其功能見表3。

表3 運(yùn)輸類物流對(duì)象及其功能

3.1.2.2 遺傳算法模塊

優(yōu)化類物流對(duì)象及其功能見表4。

表4 優(yōu)化類物流對(duì)象及其功能

以上為仿真模型中需要用到的模塊，通過(guò)對(duì)模塊的使用來(lái)完成整體搭建。遺傳算法模塊打開選項(xiàng)，通過(guò)選項(xiàng)設(shè)置以及參數(shù)的導(dǎo)入，對(duì)整體進(jìn)行遺傳算法仿真，得到結(jié)果如圖2所示。

圖2 遺傳算法模塊打開選項(xiàng)

3.2 AGV運(yùn)行機(jī)制

AGV任務(wù)觸發(fā)機(jī)制:AGV的搬運(yùn)任務(wù)由貨物堆放區(qū)及工作區(qū)觸發(fā)，文中采用先觸發(fā)、先執(zhí)行的機(jī)制,保證在有任務(wù)時(shí)小車的利用率為100%。當(dāng)有任務(wù)下達(dá)時(shí)，系統(tǒng)首先判斷是否有空閑小車，如AGV充電區(qū)有空閑小車，任務(wù)則派發(fā)給此小車；如充電區(qū)無(wú)空閑小車，則派發(fā)給軌道上即將完成任務(wù)的小車。提高小車?yán)寐剩瑫r(shí)提高車間生產(chǎn)效率。

AGV運(yùn)行狀態(tài)如圖3所示。

3.3 車間仿真模型建立

文中以最大完工時(shí)間為優(yōu)化目標(biāo)，結(jié)合車間布局以及生產(chǎn)重要環(huán)節(jié)采用Plant Simulation軟件對(duì)車間進(jìn)行仿真模型的建立。

圖3 AGV運(yùn)行狀態(tài)

1)實(shí)驗(yàn)數(shù)據(jù)準(zhǔn)備。收集實(shí)驗(yàn)數(shù)據(jù)，依實(shí)驗(yàn)數(shù)據(jù)進(jìn)行試驗(yàn)?zāi)Ｐ屯晟疲瑢?shí)驗(yàn)數(shù)據(jù)示例見表5。

表5 實(shí)驗(yàn)數(shù)據(jù)示例

2)在Plant Simulation仿真平臺(tái)中建立車間制造模型,如圖4所示。

圖4 在Plant Simulation仿真平臺(tái)中建立車間制造模型

3.4 仿真結(jié)果分析

文中在Plant Simulation仿真平臺(tái)中建立模型，并運(yùn)用遺傳算法得出仿真優(yōu)化結(jié)果，如圖5所示。

圖5 優(yōu)化結(jié)果圖

由圖5可知，在優(yōu)化過(guò)程中，系統(tǒng)僅經(jīng)過(guò)8次迭代，即趨近于最優(yōu)值，最佳完成時(shí)間為19 h 17 min 50 s。

優(yōu)化前后生產(chǎn)步驟對(duì)比見表6。

由表6可以看出，優(yōu)化前工件P1為第3個(gè)生產(chǎn)位置，優(yōu)化后P1為第1個(gè)生產(chǎn)位置。在遺傳算法的作用下,重新將生產(chǎn)次序進(jìn)行排位，生產(chǎn)次序的改變，使AGV對(duì)于搬運(yùn)任務(wù)次序也發(fā)生了改變，充分利用AGV的空閑時(shí)間，縮短了完成生產(chǎn)的最大時(shí)間，達(dá)到文中預(yù)期效果。

在同樣條件下，用MATLAB軟件對(duì)同一模型中一部分進(jìn)行仿真實(shí)驗(yàn)，結(jié)果如圖6所示。

表6 優(yōu)化前后生產(chǎn)步驟對(duì)比

圖6 MATLAB仿真結(jié)果

圖中顯示結(jié)果僅可從曲線觀察，對(duì)于應(yīng)用Plant Simulation軟件進(jìn)行的仿真可以直觀地體現(xiàn)車間工位布局及優(yōu)化后運(yùn)行情況，相比較之下，MATLAB沒(méi)有可觀性。

4 結(jié) 語(yǔ)

應(yīng)用Plant Simulation仿真軟件為平臺(tái)，采用遺傳算法解決車間生產(chǎn)產(chǎn)品排序問(wèn)題。針對(duì)某車間生產(chǎn)實(shí)例，通過(guò)改變生產(chǎn)次序及AGV的搬運(yùn)次序，對(duì)其進(jìn)行優(yōu)化。發(fā)現(xiàn)優(yōu)化后總生產(chǎn)時(shí)間更短、效率更高。結(jié)合MATLAB仿真軟件進(jìn)行對(duì)比，結(jié)果表明，應(yīng)用Plant Simulation迭代次數(shù)更少、效果更好，具有良好的可觀性，可以1∶1模仿整個(gè)車間布局，無(wú)論對(duì)設(shè)計(jì)者和客戶都有更直觀的體驗(yàn)。為車間排產(chǎn)問(wèn)題提供了一個(gè)有效的思路和方法。