X企業SMT車間中AGV適應性應用研究

中圖分類號：F252 文獻標志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.12.010

Abstract：TakingSMTproductionworkshopastheresearchobject，inorderturtherimproveproductioneficiencyreduce productioncosts，asolutionforAGVadaptabiltyselectionworkshoadaptabilitydesignisproposedfortheintroduction AGVtransportvehiclesintheproductionlogisticsprocessFirstlybasedonthediferentnavigation，driving，loadingmodes AGVtransportvehicles，acharacteristicanalysisisconducted.Withpracticalityastheprinciple，themosteconomicalAGV transportvehicleisselectedwhilemetingproductionneedsSecondly，basedontheselectionspecifictypesAGVtrasport vehicles，AntColonyOptiizationisusedtooptimizethepathlayingmagneticstrips，inodertoachevethgoalducingosts. Key words： production logistics; AGV application; Ant Colony Optimization

1研究背景

隨著中國智造2025的提出，中國的電子信息業與電子制造業得到了蓬勃發展，電子制造業作為國內的重要產業，在生產端和消費端都有著舉足輕重的地位，生產端方面，隨著電子產品向集約化、小型化發展，電子制造業成為與物聯網、人工智能與5G深度融合的產業；在消費端方面，手機、電腦、新能源汽車、儀器儀表等產品備受消費者青睞。本文聚焦于電子制造業中的SMT（表面貼裝技術，Surface Mount Technology）生產加工環節——SMT車間伴隨著電子制造業的進步而發展，尤其隨著電子產品對集成度、功能和可靠性的要求不斷提高。傳統的SMT產業在物料流動過程中上、下料均需要人工操作，不光產生大量不必要的搬運，耗費人力成本并且還會增加運輸管理成本，所以引人AGV（自動引導車，AutomatedGuided Vehicle），能夠減少搬運浪費，直接節省人力成本，減少靜電和灰塵處理成本，保證生產連續性從而降低人力成本。但現階段SMT的加工車間，有部分企業因為成本問題沒有配備AGV來實施物流運輸，所以應用AGV運輸的價值性是本文的核心。

2相關理論

2.1蟻群算法

蟻群算法（Ant Colony Optimization，ACO）是一種模擬自然界螞蟻覓食行為的優化算法，屬于群體智能（Swarm Inteli-gence）的一類。最初用于解決最短路徑問題，后來，蟻群算法在許多組合優化問題中取得了很好的應用，特別是在圖論、旅行商問題（TSP）、排程問題、網絡路由等方面[2]。

2.2基本原理

蟻群算法模擬了螞蟻通過信息素（化學物質）的傳遞和更新來實現在覓食的過程中尋找到最優路徑3]。

2.3蟻群算法的數學模型

蟻群算法的核心在于如何調整信息素的濃度。設信息素濃度為 τ_ij ，螞蟻在路徑上的選擇概率為 P_ij ，則螞蟻選擇路徑的概率可以表示如下。

其中： τ_ij 是從節點 i 到節點 j 路徑上的信息素濃度值； τ_iS 是節點 i 到節點 s 路徑上的信息素濃度值； η_ij 是啟發式信息（距離的倒數）； α 和 β 分別是控制信息素和啟發式信息的影響程度（權重）； S∈allowed ， s 為下一個可行節點，而allowed為下一可行節點的集合。

信息素更新公式如下。

τ_ij=（1-ρ）τ_ij+Δτ_ij

其中： ρ 為螞蟻信息素的揮發系數； m 為螞蟻的數量； Q 為信息素濃度，是一個常數； L_k 為螞蟻 k 所走的全部路徑長度；Δτ_ij^k 為螞蟻 k 本次迭代在路徑 （i，j） 上的信息素增加量； Δτ_ij 為所有的信息素增加量。

2.4改進蟻群算法

傳統螞蟻算法容易陷入貪心算法的陷阱進人到局部最優的局面，本文通過引人不同類型的蟻群來增強算法的多樣性和搜索能力從而達到對于全局的搜素，避免算法落入貪心陷阱，即陷入局部最優解。

具體步驟如下。

第一步，假設有 N 只螞蟻。每只螞蟻的當前位置和路徑分別表示為 p_i 和 P_i ，其中 ， p_i∈χ 表示螞蟻 i 當前的位置， χ 為解空間； 表示螞蟻i到達的路徑， χ_t 表示螞蟻搜索過程中所走的步數。

第二步，定義不同類型的蟻群，每個蟻群有不同的行為特征，其表現是每個蟻群有自己的信息權重、信息素重要度。

蟻群1：偏向于對于全局路徑的搜索，螞蟻的行為是隨機的，且依賴于當前的信息素分布；蟻群1中的螞蟻的路徑概率公式表示如下。

其中， τ（p_i^t，p_i^t+1）^α 表示從 p_i^t 到 p_i^t+1 的信息素濃度， α 是信息素濃度權重， η（p_i^t+1） 是啟發式函數，表示從當前位置到下一個位置的預期優越性，啟發式函數一般都是距離的倒數， β 是啟發式函數的權重。

蟻群2：偏向于向已知的最短路徑前進，即在蟻群1所探索的領域內進行進一步的探索，主要通過局部信息素來引導搜索路徑。蟻群2中的螞蟻的路徑概率公式表示如下。

其中， N（p_i^t） 是當前位置 p_i^t 的鄰域解集，局部搜索依賴于更新后的信息素分布，進行更局部的探索。

第三步，信息素更新規則。

信息素的更新主要包括兩個部分，一是信息素的揮發，另外就是信息素的增加。信息素根據揮發系數（ 0lt;ρlt;1 ）減少，信息素揮發表示如下。

ρ?τ（p_i^t，p_i^t+1）?τ（p_i^t，p_i^t+1）

如果螞蟻 i 找到了一個更好的解，那么信息素將增加，信息素增加表示如下。

τ（p_i^t，p_i^t+1）+Δτ?τ（p_i^t，p_i^t+1）

Δτ 是與螞蟻i所找到的解質量（適應度）相關信息素增加量，通常表示如下。

其中： f（p_i^t） 是螞蟻 i 路徑解的適應度，適應度越高，信息素增加量越大。

第四步，蟻群優化過程。

優化過程由全局搜索和局部搜索交替進行，直到達到設定的最大迭代次數。每一輪迭代，先進行全局搜索，然后進行局部搜索，再更新信息素，從而找到最優解。

3SMT車間概述

SMT車間顧名思義就是以SMT為生產加工核心的車間。SMT，全稱為Surface Mount Technology，即表面貼裝技術。它是一種將電子元器件直接貼裝在印刷電路板（PCB）表面的工藝。與傳統的插針式組裝方法（DIP）相比，SMT技術具有更高的組裝密度能夠組裝體積更小、重量更輕的電子產品。同時，由于元器件直接貼裝在PCB表面，減少了連接器的使用，從而提高了產品的可靠性。

現階段，該SMT生產車間中物料流動、上料、下料均需要人工操作，對生產過程的清潔度、靜電處理、生產效率和生產成本都產生了一定的負面作用。

3.1生產流程介紹

SMT的核心生產工藝流為上料、錫膏印刷、SPI錫膏檢測、表面貼裝、回流焊接、AOI檢測、功能測試、下料。[4其中依靠的主要核心設備為上料機、錫膏印刷機、貼片機、回流焊爐、自動光學檢測儀、錫膏測厚儀、接駁臺、傳送臺、下料機。

3.2生產車間布局

生產車間結構清晰，其中主要有生產加工區、生產緩沖區、存儲區、辦公區（見圖1）。生產加工區由10個生產加工設備集群構成，每個生產集群中包含上料機、錫膏印刷機、貼片機、回流焊爐、自動光學檢測儀、錫膏測厚儀、接駁臺、傳送臺、下料機，生產緩沖區的設立主要是因為靜電和清潔度對表面貼裝技術有著非常大的影響，靜電會輕易地擊穿電子元器件；清潔程度會影響加工設備的精度，從而造成成品質量隱患，所以預留出一定獨立的空間進行靜電、除塵處理，即所謂的生產緩沖區；存儲區分為兩個板塊，一個是原料存儲區，用來存放電子元器件和PCB板材，另一個板塊是成品板材存儲區。

3.3生產車間物料流

所有的物料均存儲于物料倉庫中，當生產線有需求時，由倉庫配料，并通過不同的方式運輸至生產線邊上，等待加工。由于所有設備通過接駁臺和傳送臺連接，PCB通過上料機上料后，由接駁臺和傳送臺從上料機傳送到錫膏印刷工序，錫膏印刷完成后傳送到SPI檢測儀檢測，合格的產品將傳送到貼片工序進行貼片加工，貼片后傳送到AOI檢測儀進行爐前檢測，然后傳送到回流焊爐，最后經過爐后檢測和功能測試，完成所有加工工序，貼裝完成后，PCBA通過下料機下料后由AGV小車運送到完工品倉庫。物料從上料機到下板的整個過程是全自動化的，不需要其他設備輔助物料和半完工品流動。

4SMT車間設計

4.1 AGV運輸車的引入

AGV即自動導引車適用于需要重復移動作業的場景，引入AGV可以幫助車間通過自動化的方式，提高物流運輸速度，進而加快生產效率；利用少人化的特性，減少人工成本來達到進一步控制生產成本的效果；同時因為少人化特性，降低了清潔與靜電的處理難度，進而減少了管理成本、大大降低了產品的故障率[5]。

4.2 AGV運輸車選取

AGV的選取要遵循實用性原則，根據生產特性來決定，目的是在采購成本最低的情況下，滿足生產需求。

針對生產實際，對運輸車的屬性（見表1）分類進行篩選，從而選取一個具體構成屬性最適合生產實際的運輸車，以達到采購成本最低的目的。AGV的選取方式有如下幾種。

4.2.1 導航方式

相較于攝像頭和圖像識別技術的視覺導航AGV、利用加速度計和陀螺儀測量的慣性導航AGV以及地磁導航的AGV，地磁導航 AGV整體成本要更低一些，即使在運行的靈活度上有些欠缺，但由于SMT車間不會頻繁更改設備布局，所以地磁導航可以在降低生產成本的前提下，滿足生產需要。綜上，在導航構成屬性上選取地磁導航方式。

4.2.2 驅動方式

輪式構造簡單，價格較低，運作穩定，但在復雜崎嶇的地形上適應性差。而履帶式結構，適應能力較強，價格較高并且運

行速度較慢，運行噪音大。SMT車間中，不存在復雜、崎嶇的地形，并且穩定、速率快、成本低，更能適應生產需要，所以在驅動方式上要選擇輪式AGV。

4.2.3載貨方式

背負型AGV專門貨物的搬運，適用于短途運輸，成本低；叉車型，除了搬運貨物外，還能夠將物品堆垛在高處；牽引型可以牽引多個載物單位，適合長距離、大量貨物搬運，但由于這兩種運載方式體積太大，不符合車間集約化要求，所以優先考慮背負型AGV。

4.2.4載重能力

輕型和重型，除了在體積上的差別，還有就是機械結構的差別，輕型往往載重在幾百千克以下，而重型的載重可達到幾噸或更多，成本也隨著載重能力的上升而上升，本文的應用環境是SMT生產車間，運載貨物為PCB板和電子元器件，沒有過高載重的需求，所以選擇輕型AGV。

4.2.5控制方式

相較于通過無線網絡進行控制的AGV，自主控制不依賴人工干預，完全依靠自身的傳感器、算法、導航系統來執行任務，在實際生產過程中功能冗余過高，徒增生產成本。 表2選取結果表

4.2.6充電方式

充電式與換電式成本不相上下，而換電式能夠更快地使AGV運輸車投入運用，更能適應車間的生產需求。

綜上所述，應該選取一個磁帶導航、輪式驅動、背負型載貨、換電式的輕型AGV運輸車。選取結果見表2。

4.3車間設計

車間的設計建立在AGV選取的基礎上。由于在導航設計上采用的是磁帶導航AGV，需要在地面鋪設磁帶，以便AGV運輸車可以在車間流暢運行，所以要根據改進蟻群算法的路徑計算，來設計磁帶鋪設。為了車間中的生產不存在原料堆積，采用雙車道設計，以便于在上料與下料的過程中，不存在AGV運輸車沖突的現象。

4.3.1 上料通道的設計

將上料等待區作為生產車間的坐標點，將生產車間坐標化，如圖2所示。

其中原料存儲區出口為坐標1（28.7，22），生產加工設備集群1—10的坐標分別是（3，30.8）（3，25.4）（3，20）（3，14.5）（3，9.5）（3，4）（17.2，30.8）（17.2，25.4）（17.2，20）（17.2，14.5）。

利用公式（3），通過各個坐標的關系建立上料的路徑矩陣，如表3所示。

圖2生產布局坐標化圖

對算法參數進行選取，其中螞蟻數量 N 為100；迭代次數為200；信息素 q 的權重為1；啟發式信息的權重為2；信息素揮發率為0.1；蟻群1占比70% ，蟻群2占比 30% 。

如圖3所示，經過python計算出最優路徑順序為（BestPath）：[O，10，9，8，7，1，2，3，4，5，6]。據計算的結果設計下列路徑 （見圖4）。

4.3.2 下料通道的設計

經過錫膏印刷、SPI檢測、表面貼裝、回流焊接、AOI檢測、板功能測試后，PCB板被放置在防靜電的周轉箱中，等待AGV小車的運輸，下料通道的設計與上料通道類似，但是不同點在于將周轉箱所在的位置作為坐標點。生產加工設備集群1、2、3、4、5、6、7、8、9、10的周轉箱區域的坐標點分別對應著A（11.5，30.8）;B（11.5，25.4）;C（11.5，20）；D（11.5，14.5）；E（11.5，9.54）；F（11.5，4.04）；H（25.8，30.8）；I（25.8，25.4）;J（25.8，20.16）；K（25.8，14.5）；L（28.7，13.7）。

利用公式（3），通過各個坐標的關系建立下料的路徑矩陣，如表4所示。

對算法參數進行選取，其中螞蟻數量 N 為 100 ；迭代次數為200；信息素權重 α 為1；啟發式信息的權重 β 為2；信息素揮發率為0.1；蟻群1占比 70% ，蟻群2占比 30% 。

如圖5所示，經過python計算出最優路徑順序為（BestPath）：[5，4，3，2，1，0.6，7，8，9，10]。據計算的結果，路徑設計為 60.58m （具體見圖6）。

5總結

AGV的運用將會在人工成本、生產效率、物料搬運和庫存管理成本方面帶來諸多正面反饋。

首先，在人工成本方面，相較于之前的SMT車間采用人工搬運電子元器件和PCB板材，尤其是在生產線之間的物流運輸AGV能夠自動化執行這些任務，從而減少人工搬運，節省勞動力成本。在該SMT車間中，物流運輸人員占據 25% （20人），按照每名工人5000元的工資計算，AGV系統至少能夠替代 50% （10人）的人工搬運工作，因此在人工成本方面直接節約60萬元/年，間接方面還降低了人工搬運過程中出現的錯誤或損壞，像員工靜電處理不當導致電子元器件損壞而返工，或運輸位置錯誤等問題，該SMT生產車間由人工搬運造成的物料受損達到150000元，運輸環節的物料損壞率為 5% ，相當于損失90000元/年。

其次，在生產效率提升方面，SMT生產車間的人工需求主要集中在物流方面，AGV的引人進一步提升了生產車間的自動化率。并且AGV可以不受人為因素影響，如休息、工作效率降低等，從而將生產物流的波動降到最低狀態。

最后，在物料搬運和庫存管理成本方面，引入AGV后，節省了時間成本和增加了產值，進一步優化了生產節奏，從而使庫存積壓和物料過度存儲減少 10% 。按照該SMT每年采購的原材料和組件500萬元來算，每年可以節約50000元。

將上述各項成本節約加總可知，引入AGV后的年度總額為74萬元/年。根據引入AGV系統的初期投資為200萬元（設備購置、安裝調試以及系統集成費）來看，投資回收期為2.7年。綜合來看，AGV的引人不僅能有效降低人工成本，還能提高生產效率，優化庫存管理，并減少設備損耗和物料損壞，從而顯著降低整體運營成本。

參考文獻：

[1]萬婷婷．M公司表面貼裝生產線物料AGV運輸優化研究[D].重慶：重慶大學，2022.

[2]羅子燦，何廣，周倩文．基于改進蟻群算法的AGV路徑規劃研究[J].湖南工業大學學報，2024，38（6）：86-92.

[3]屈新懷，許成龍，丁必榮，等．基于改進蟻群算法的AGV路徑規劃研究[J].合肥工業大學學報（自然科學版），2024，47（7）：865-869.

[4]高懷柳，歐淑，蒙穎瑩．基于價值流的SMT貼片生產車間流程優化[J]．產業創新研究，2024（2）：121-123.

[5]李志芳，武宏超．智能工廠AGV調度關鍵技術優化與應用[J].金屬加工（冷加工），2024（9）：1-3.