| 标题 | 基于Extendsim的智能加工中心优化设计 |
| 范文 | 杨岱浩 王波 摘要：针对Job shop型生产调度问题，构建一个小型智能加工中心，采用Extendsim软件建立仿真模型，并多次运用遗传算法实现优化设计，得到符合条件的满意解。提出可以将Job shop型生产调度问题转化为前期优化设计问题，通过工艺改善，将大型Job shop型生产调度车间转化为许多类似于所构建的小型智能加工中心，使其具有Flow shop型生产加工的特点，从而提高生产率，快速满足市场需求。 关键词：仿真建模；Extendsim；优化设计；遗传算法；车间调度 DOIDOI：10.11907/rjdk.151475 中图分类号：TP319 文献标识码：A 文章编号文章编号：16727800（2015）008013203 0 引言 由于市场需求的多样化，企业在生产制造时通常面临高度的任务多样性和混杂的流程流向等复杂的加工调度问题。为了解决此类难题，企业通常需要改善加工流程，改进现有设备。为了降低设计成本，规避设计风险，在最短时间内以较优的方案投产或改建一个制造系统，面向制造过程的虚拟仿真技术得以普遍应用[12]。 Extendsim是Extend 的升级版，是唯一采用物件流和信息流可以同时在模块图标上动态表达的仿真软件，具有较高的灵活性和可扩展性。作为通用仿真软件，Extendsim可用于离散事件系统和连续系统的仿真，提供多种复杂数据传递方式[35]，适合大型复杂系统的建模与仿真。 Job shop是加工多品种小批量产品时采用的一种生产调度方式，目前大多数文献中都是采用启发式算法解决问题[69]。本文以一个小型智能加工中心的仿真优化设计[1011]为例，提出将车间生产调度问题转化为前期优化设计问题，从而降低问题的复杂性。由于3个加工站的车间调度问题即为NP难题，因而本文考虑的加工中心仅有3个加工站。 1 加工中心构建 一个小型的智能制造中心由一个库存区和3个加工站组成，如图1所示。同一加工站中所有机器均相同，不同加工站的机器不同，各加工站及库存区之间通过一个agv小车联系起来。工件到达库存区的时间间隔为服从均值为5min的指数分布，每次到达一个。制造中心共有3种作业类型，序号分别为1、2、3。3种类型按照经验分布出现，概率依次为0.3、0.5、0.2。每项作业从库存原料区开始，经过一定的路径加工完成后，回到库存成品区。不同作业类型的加工路径如表1所示。 图1 制造中心组成 agv小车在不同站点之间以5ft/s匀速运送工件，每次一个，运送到达某站点时，小车与工件分离。此时如果3个工作站和库存区都没有工件请求运输，小车将停留在原地；如果有多个不同站点的工件等待运输，小车将根据最小距离优先原则处理申请。各工作站之间的距离如表2所示。 当工件到达工作站等待加工或者同一个工作站的工件加工完成后等待小车运输时，都按照先到先服务的原则排队。在某台机器上加工工件的时间服从形状参数为2的伽玛分布，均值依赖于作业类型和该机器所在的工作站。各作业类型和每步操作平均加工时间的关系如表3所示。 假定库存空间充足，设备不出现故障，每天工作8h，合理安排各工作站设备的数量，可使每天的产出最大。 2 基于Extendsim的仿真建模与分析 2.1 Extendsim建模原理 Extendsim采用交互式建模方式，提供多种复杂数据传递方式，支持分层结构和命名连接，模块之间采用基于消息的传递机制。Extendsim仿真离散系统采取最短时间的事件步长法[1213]，即仿真在执行过程中，必须跟踪未来仿真时间假定发生的各种事件，离初始时点最近的对应事件就是下一个要发生的事件。某些情况下，有些事件同时发生，但仿真软件仍然要为它们的执行安排一个先后顺序[3]，这种顺序往往对结果产生不同的影响。 2.2 仿真模型建立 模型建立之前，根据问题需要先建立3个全局数组：加工路径、不同工作站之间的距离、平均加工时间。为了便于研究，将模型分为四大部分：工件到达、小车调度、工件与小车结合及路径选择、工件运输及加工。 2.2.1 工件到达仿真 仿真开始时，如图2所示，模块1按照设定的指数分布产生工件；模块2为工件设置属性：type—作业类型，step—加工步骤，processtime—加工时间；模块3依照设定的经验分布产生不同的作业类型；模块4根据到达工件的“type”属性，从全局数组中读取相应的平均加工时间，通过randomcalculate 函数将其转化为工件的实际加工时间，并赋予到工件“processtime”属性中；工件在模块5等待小车运输。 2.2.2 小车调度仿真 如图3所示，小车最初由模块2产生，具有位置属性为truck_location。当有工件等待运输时，模块3输出“1”，触发模块4打开“门”。模块5用于比较小车与等待工件之间的距离，根据距离最小优先原则选择路径，计算出运输时间。小车通过模块6的时间延迟后，由模块7到达与工件的结合处。模块1实现小车返回时路径的合流。 2.2.3 工件与小车结合及路径选择仿真 如图4所示，工件和小车通过模块1的结合后，由模块3通过gagetreal函数，根据工件的类型和加工步骤，从全局数组中读取相应的加工路径，经过模块4通向目标加工站。模块2实现路径的合流。 图4 工件与小车结合及路径选择仿真模型 2.2.4 运输及加工工件仿真 以工作站1为例，阐述工件的运输和加工过程。如图5所示，工件和小车结合之后，由模块1计算出运输时间，通过模块2的时间延迟后，到达目标工作站，经过模块3实现小车与工件分离。小车经过模块9更新位置属性—truck_location，回到图3的模块2中，此过程不消耗时间。工件进入模块4等待加工（如果工件此时处于成品库存区，则直接离开系统），模块5为加工模块。工件经加工之后，通过模块6更新属性“step”和“processtime”，进入模块7等待小车运输。工件和小车经过模块8的结合之后回到图4中模块2的路径合流处。模块10计算出工作站的库存数量。 3 仿真结果与分析 通过仿真稳定状态分析后，预热期设为20天，运行时长60天。Extendsim仿真软件的优化模块内置遗传算法，将多次运行结果的平均值作为种群的适应度函数值，通过交叉、变异的方式改变参数，不断对适应度函数值进行比较，最终得到优化解[1415]。由于随机因素和算法本身的缺陷，本文通过多次使用遗传算法，并结合实际运行后的结果，最终得出工作站1、2、3的设备数目分别为7、2、8。仿真运行100次后得到的结果如表4所示。 由于每种作业都要经过工作站1，因而工作站1中加工队长的变化，可以反映出加工过程相关情况。加工队长有时不断增加，但很快都开始减少，说明设备的加工能力可行。小车的利用率为0.72，证明一个小车是合适的。工作站的利用率都为0.85以下，可以应对一些偶然发生的故障。 本文讨论的优化问题中，工件到达的时间间隔是服从均值为5min的指数分布，具有一定的随机性。当实际中对投入物料的时间间隔经过统计检验后可以近似为某种概率分布时，本文构建的小型智能加工中心就可以扩充为一个小型的企业生产车间，或作为车间生产的一部分，也可以作为一条生产流水线的一部分，将生产加工工艺中不能流程化的部分融入到流水作业中。 4 结语 本文采用Extendsim仿真软件对一个小型的智能加工中心进行优化设计，仿真思路清晰，方法简单，对于解决一些复杂的生产调度问题，具有一定的参考价值。Job shop 型生产调度问题来源于实际生产，往往是NP完全问题，具有相当的复杂性。如果可以将此问题转变为最初的车间设计问题，问题将会变得简单。 参考文献： [1] 肖杰华，陈立平，郭宇，等.面向生产制造过程的虚拟仿真系统建模研究[J].计算机工程，2002，28（6）：4446. [2] 王国新，宁汝新，王爱，等.仿真优化在制造系统中的应用现状及发展趋势[J].系统仿真学报，2008，20（1）：16. [3] 秦天保，王岩峰.面向应用的仿真建模与分析：使用ExtendSim [M].北京：清华大学出版社，2011. [4] DAVID KRAHL.The extend simulation environment[C].The 2000 Winter Simulation Conference，2000：280289. [5] E KOPYTOV，L GREENGLAZ，A MURAVYOV.Modelling of the multiproduct inventory problem[J].Analytical Management，2008，12（3）：4754. [6] 熊锐，吴澄.车间生产调度问题的技术现状与发展趋势[J].清华大学学报：自然科学版，1998，38（10）：5560. [7] LIJI SHEN，UDO BUSCHER.Solving the serial batching problem in job shop manufacturing systems[J].European Journal of Operational Research，2012，221（6）：1426. [8] 王凤，林杰.设备组合加工的生产调度问题研究[J].计算机工程与应用，2009，45（11）：2629. [9] LARS MONCH，RENE SCHABACKER，DETLEF PABST，et al.Genetic algorithmbased subproblem solution procedures for a modi？ed shifting bottleneck heuristic for complex job shops[J].European Journal of Operational Research，2007，177（5）：21002118. [10] CHRISTOS KOULAMAS，GEORGE J KYPARISIS.The threemachine proportionate open shop and mixed shop minimum makespan problems[J].European Journal of Operational Research，2014（4）：15. [11] AVERILL M.LAW.仿真建模与分析[M].肖田元，范文慧，译.北京：清华大学出版社，2012. [12] EUGENE KOPYTOV，AIVARS MURAVJOVS.Simulation of inventory control system for supply chain“producer-wholesalerclient” in extendsim environment [C].25th European Conference on Modelling and Simulation，2011. [13] 陈冲，张莹.基于EXTEND的大型露天矿卡车调度系统仿真[J].系统仿真学报，2007，19（4）：914917. [14] H ALLAOUI，A ARTIBA.Integrating simulation and optimization to schedule a hybrid flow shop with maintenance constraints[J].Computers & Industrial Engineering，2004，47（3）：431450. [15] M MARSEGUERRA，E ZIO.Optimizing maintenance and repair policies via a combination of genetic algorithms and Monte Carlo simulation[J].Reliability Engineering and System Safety，2000，68（3）：6983. （责任编辑：孙 娟） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。