CN104756022B - 用于生产流水线中的能量需求管理的方法 - Google Patents
用于生产流水线中的能量需求管理的方法 Download PDFInfo
- Publication number
- CN104756022B CN104756022B CN201380054155.7A CN201380054155A CN104756022B CN 104756022 B CN104756022 B CN 104756022B CN 201380054155 A CN201380054155 A CN 201380054155A CN 104756022 B CN104756022 B CN 104756022B
- Authority
- CN
- China
- Prior art keywords
- option
- station
- production line
- production
- operation mode
- 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.)
- Expired - Fee Related
Links
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], computer integrated manufacturing [CIM]
- G05B19/41885—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], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39407—Power metrics, energy efficiency
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Abstract
一种用于具有多个站的生产流水线中的能量需求管理的方法。该方法包括:计算用于生产流水线或选择的站的松弛时间,并且确定用于操作模式灵活性的选项。此外,该方法包括:执行选项的可行性分析,并且提供基于弹性度量的解决方案。该方法得到平均值分析技术和离散事件仿真的支持。该方法提供生产系统中的自动能量审计和分析工具。
Description
相关申请的交叉引用
本申请要求2012年9月5日提交的、名称为生产线中的能量需求管理的情况研究的、序列号为61/696,944的美国临时申请的根据35U.S.C.§119(e)的权益,其通过引用整体并入本文并且本申请要求其优先权权益。
技术领域
本发明涉及能量需求管理,并且更具体地涉及用于具有多个站的生产流水线中的能量需求管理的方法,其中所述方法受到平均值分析技术和离散事件仿真的支持。
背景技术
能量成本(包括电功率成本)近来已经急剧上升,并且预期在未来继续上升。那些成本反应燃料和操作价格的增加,以及在发电和输电工厂中的增加的成本。许多制造工厂包括消耗工厂中使用的总能量的极大量的生产操作。而且,该生产操作可以包括其性能每个站变化的多个站。在这样的工厂中能量使用可以在短和中时间范围上剧烈地变化,导致对配电系统下的额外需求。因此,期望优化制造工厂中的能量使用以便降低成本和能量需求中的可变性。
发明内容
公开一种用于具有多个站的生产流水线中的能量需求管理的方法。该方法包括:计算生产流水线或选择的站的松弛时间(slack time)并且确定操作模式灵活性的选项。此外,该方法包括执行选项的可行性分析并且提供基于弹性度量的解决方案。
附图说明
图1A是对于单阶段生产周期的速度与时间曲线图。
图1B描绘对于单阶段生产周期的功率消耗模型。
图2描绘用于发现生产流水线中的能量需求管理的弹性的现有和潜在源的决策树。
图3描绘一般的连续生产流水线。
图4包括描绘对于汽车油漆车间流水线的计算机仿真的情况研究结果的表1。
图5包括描绘一般的连续生产流水线的计算机仿真的情况研究结果的表2。
图6包括描绘与表1和表2的情况研究有关的决策树路径和访问的节点的表3。
图7是其中可以实现本发明的实施例的计算机系统的框图。
具体实施方式
在详细说明本发明的实施例之前,将要理解,本发明在其申请中不限于在以下描述中阐述的或在以下附图中图示的组件的构成和安排的细节。本发明能够有其他实施例并且以各种方式被实施或执行。而且,将要理解,本文使用的措辞和术语是用于描述的目的并且不应当视为进行限制。“包括”、“包含”、或“具有”及其变体的使用在本文中意味着涵盖其后所列项目及其等效物以及另外的项目。除了另有指定或限制,术语“安装”、“连接”、“支撑”和“耦合”及其变体广义地使用并且涵盖直接和间接的安装、连接、支撑和耦合。而且,“连接”和“耦合”不限于物理或机械的连接或耦合。在以下的描述中,同样的参考标号和标签用于描述图1-7的几个视图中的相同、类似或对应的部分。
生产流水线可以包括其性能每个站变化的多个站(即,“多站生产流水线”)。一个类型的多站生产流水线是汽车制造厂中的油漆车间。特别地,已经发现油漆车间使用高达汽车制造厂中的大约60%的总能量。要理解本发明还可应用于其他类型的多站生产流水线。
在本发明的一方面,公开了一种用于发现生产流水线的能量需求管理的弹性的现有和潜在源的方法。在实施例中,与离散事件仿真结合使用平均值分析技术以支持决策树的计算引擎。在分析中考虑三种类型的弹性。第一类型的弹性是需求响应的弹性(即,“EDR”),其定义为生产系统能够如何有效响应来自电力网的需求响应(即,“DR”)信号。第二类型的弹性是负载移动的弹性(即,“ELS”),其定义为生产系统能够如何有效将其负载从峰时段移动到非峰时段。第三类型的弹性是能量效率的弹性(即,“EEE”),其定义为生产系统能够降低其总体能量消耗到什么程度。
已经发现EDR和ELS度量是正相关的,以便具有对DR的高弹性的生产系统基本上对负载移动有弹性,或者反之亦然。然而,EDR受外部因素影响,即,来自电功率使用(electricpower utility)的DR信号的定时。这样,分析单独地基于ELS和EEE弹性度量。而且,注意,较高EEE便于对需求响应和负载移动的有效解决方案。
本文中使用的弹性度量考虑生产系统不变量,以及设计改变的经济和技术可行性。按照系统松弛时间和操作模式灵活性定义弹性度量。操作模式灵活性是指生产进度表的变化、机器速度或机器周期的变化以及站之间缓冲器存储的使用。例如,一旦站处的机器完成对产品的工作,该产品可以存储在缓冲器存储位置。然后该机器可以置入另一操作模式,直到再次需要该机器为止。可以使用的一个操作模式是睡眠模式,其中机器使用的能量的量减少。
而且,分析基于两个生产不变量的使用。这些是时间间隔(即,“T”),在该时间间隔期间多个单元(即,“P”)必须被完成并且从生产线放出。在T内,包括用于维护的时间、间歇和生产要求的任何另外的杂项活动时间。在这些任务之后任何剩下的额外时间被考虑为松弛时间。此外,可以被认为是隐含变量的产品质量假定为在所有替代情况下不改变。进一步假设关于产品的性能和质量不变量数量是最佳的,并且不变量数量不受新能量需求管理度量的引入的影响。
如果生产系统已经具有极大量的现有或正的松弛时间,并且在生产不变量的约束内允许调度灵活性,则该系统对能量效率和负载移动二者有弹性。在不存在现有松弛时间的情况下,可以能够加速正在妨碍生产(即,正在创建生产中的瓶颈)的一些或全部站和/或对进行中的工作(即,“WIP”)引入缓冲器存储以便创建松弛时间。在这样的情况下,生产系统具有对负载移动和能量效率二者的潜在弹性。如果机器周期时间可以关于能量被优化,而不改变生产不变量,潜在弹性也存在。
方法
根据本发明,描述平均值分析技术,其受离散事件仿真支持,以计算生产流水线中诸如电功率消耗的能量消耗。本发明还提供使用平均值分析技术以确定ELS和EEE的现有和/或潜在源的决策树结构。
功率消耗计算
对生产流水线中的各个站的功率消耗与整个生产流水线的功率消耗一起二者建模。该方法还包括功率测定要求和采集数据的手段。该模型使用关注平均度量并且忽略隐含(undrlying)过程的方差的平均值分析技术。当站周期时间中的可变性低时,期望平均值分析合理地得出精确结果。估计和真实值之间的任何偏差随着站周期、空闲和其他停止时间的方差的扩大而扩大。此外,当过程可变性显著时,仿真将提供更精确的结果。在以下的描述中,E()和Var()用于表示平均和方差算子。
单站模型
在本发明中考虑单周期阶段(即,“单阶段”)和多周期阶段(即,“多阶段”)生产站。每零件或工件定义生产周期。单阶段生产周期包括斜坡上升(ramp up)(加速)时段、恒定速度时段和斜坡下降(ramp down)(减速)时段。多阶段生产周期包括多个斜坡上升、恒定速度和斜坡下降时段。在斜坡上升和斜坡下降时段期间比在恒定速度时段中消耗更多的能量。因此,多阶段生产周期与具有相同总持续时间的单阶段生产周期相比消耗更多功率。因此,减少周期数量或运行具有不同斜坡上升或斜坡下降功能的生产阶段显著改变功率消耗。
参考图1A,示出速度与单阶段生产周期的时间的曲线图10。速度是指任何过程的速度并且可以按照离散单元/时间单位、或每分钟转数(rpm)来测量。曲线图10包括斜坡上升部分12、恒定速度部分14和斜坡下降部分16,其分别在表示为τ1、τ2和τ3的第一、第二和第三时间段期间出现。每个时间段τ1、τ2、τ3进一步通过速度的变化率(例如,生产率)和持续时间定义。功能表格用于描述这些变化。
图1B示出功率与时间的曲线图18并且描绘单阶段生产周期的功率消耗模型。基于加速率(α)、恒定速度(ν)和减速率(δ)参数地定义功率消耗。注意,图1B中所示的曲线图18可以取决于各个站的能量概况(energy profile)而不同。特别地,图1B描绘典型的直流(即,“DC”)电动机的功率消耗。
多阶段生产周期通过由非活动时间分隔的多个单周期(如图1A中描绘的单阶段生产周期)的序列来表征。该安排的示例是在机器人应用中,其中机器人执行之间具有非活动时段的移动(加载和卸载)与操作(例如,上油漆)的序列。总功率消耗是在不同周期上所有项目的相加。
定义以下状态变量:
X=(θ;ω;η;β;P;T)其中
θ=(θ1;θ2,...θn)并且θi是对状态1的访问的随机持续时间;
ω=(ω1;ω2..ωn)并且ωi是对状态0的访问的随机持续时间;
η=(η1;η2;...ηn)
η并且ηi是对状态-1的访问的随机持续时间;
以及
β=(β1;β2;...βn-1)其中βj是以工件数量测量的缓冲器j的存储容量。βj也可以以延迟时间单位定义。
可测量性和数据可用性标准
制造线数据库典型地包括站周期时间数据(θi),但是关于斜坡上升和斜坡下降率的详细数据可能不是容易地可用的,特别是使用较老的机器控制技术。在许多自动应用中,θ关于单个产品类型是固定的,但是对于大量混合产品,其可以合理地视为随机的。对ηi和ωi的直接观察在制造系统中可能不是那么常见。在这样的情况下,θi、ωi和ηi可以由单个变量Θi表示,并且可以使用在生产周期的两个连续站之间的时间上的观察值的聚集样本的统计估计。在本发明中,将假设测定数据是可用的。将进一步描述可测量性和数据可用性的问题。
假设θi的α、δ、τ1、τ2和τ3是可测量的,单个生产周期的样本可以写为:
对于多周期生产阶段,来自θi分布的样本转换为以下对的集合:
假设以上的对和使用图1B的函数,可以计算在θi的采样值上站的功率消耗。功率消耗假定为线性地依赖于速度的变化并且近似为图1B中所示。另外两个电动机常数与电动机相关联。这些是加速常数(即,“K1常数”)和减速常数(即,“K2常数”)。该假定对于DC电动机为真,但是对于诸如AC伺服电动机的其他电动机是接近的近似。
对于随机θi,πi(θi)将是随机变量;在该情况下,将是在θi的采样空间上的平均值,并将通过πi(E(θi))来近似。我们将假定在采样的ωi和ηi上的恒定功率使用率。我们将分别通过和表示当Si是0或-1时的平均功率使用,其中和是状态0和-1的各自平均持续时间。
给定T和P不变量,我们得到:
令γi是定义为(θi+ωi+ηi)的理论数字的随机变量,i=1,…,n,其可能落入T内。
然后我们得到:
对于(多个)瓶颈站b,γi=P,以及
对于非瓶颈站i,γi=γb+εi,(5)
其中εi≥0是具有依赖于θi分布、存储容量等的平均值和方差的随机变量。
令Ti是对于时间段T站i完成其生产要求所需的总时间。然后我们得到:
公式(6)假定ηi和ωi是可观察的并且对应数据是可用的。在数据仅在Θi上是可用的情况下,我们将替代使用如下所示的公式(6’):
如果站i在其完成其生产要求之后停止工作来满足P和T不变量并且在其松弛时间期间不存在功率消耗,则公式(6)或公式(6’)中的严格相等将成立。
在一些制造操作中,可以从一个生产时段(即,T)到另一个允许WIP。在这样的情况下,站i将运行γi个周期,并且功率消耗将通过以下近似给出:
如果在其松弛时间中站i仍然使用功率,则期望的功率消耗将具有附加项我们将假定跨站i的采样slack_time的恒定功率使用率。
生产流水线
对该线总功率消耗可以从各个站的功率消耗得出。我们近似具有:
我们对该生产线引入两个可测量变量,即
M=由于维护的停止,以及B=由于间歇的停止。
假定当该生产线完成其P和T的要求时停止,我们得到:
决策树
参考图2,示出提供用于发现生产流水线中用于能量需求管理的弹性的现有和潜在源的方法的决策树20。决策树20包括决策节点、分析节点、终端动作节点和决策路径。决策节点在如前所述的松弛时间和操作模式灵活性周围构造。评估通过使用决策树20生成的任何解决方案策略来在分析节点中确定该解决方案策略经济上和技术上是否可行。如果跨规划的水平线测量的来自EEE和/或ELF的节省的净现值(即,“NPV”)超过投资成本,则达到可行性。经济和技术的可行性可以通过使用传统的技术确定。当解决方案可用或者没有解决方案存在时,实现终端节点,在该情况下,认为EEE和ELS度量相对无光紧要。取决于解决方案的应用范围终端节点用EEE和/或ELS标记。
分析基于如前所述的生产不变量T和P的使用,并且认为在分支A的节点22给出。接下来,在节点24进行关于生产线是否关于(指示为图2中的“w.r.t.”)平均站周期时间平衡的确定。如果生产线不关于平均站周期时间平衡,则决策树前进到分支B,如将描述的。如果认为生产平衡,在节点26进行关于显著的过程可变性(significant processvariability)是否存在于多站生产线中的各个站之间的确定。如果显著的过程可变性存在,则决策树前进到分支B并且在节点28使用公式(7)和(9)对每个站和对整个生产线计算松弛时间。如果在节点30整个松弛时间确定为显著地大于零,则决策树前进到分支E,其中在节点32调查对于总体松弛时间的操作模式灵活性选项。操作模式灵活性选项包括在节点34的控制灵活性选项和在节点36的调度灵活性选项。控制灵活性选项包括在节点38的对生产线的关闭选项和在节点40的对生产线的睡眠模式选项。然后在节点42进行控制选项的可行性分析。然后在节点44进行关于控制选项是否可行的确定。如果控制选项可行,则在节点46实现EEE解决方案。如果控制选项不可行,则在节点48当使用当前P和T时没有解决方案可用。返回到节点36,然后在节点43进行调度灵活性的可行性分析。然后在节点45进行关于调度灵活性是否可行的确定。如果调度灵活性可行,则在节点47实现ELS解决方案。如果调度灵活性不可行,则在节点49当使用当前P和T时没有解决方案可用。
返回节点30,如果整体松弛时间确定为不显著地大于零,则注意在节点50可能对于生产线具有低整体松弛时间,但是对于一些站各个松弛时间可以极大。在这样的情况下,控制选项可以用于各个站并且决策树前进到分支B。如果各个松弛时间不是极大的,则决策树前进到分支D,其中在节点52调查潜在松弛时间的创建。然后在节点54进行关于是否存在用于增加缓冲器容量的选项的确定。如果没有用于增加缓冲器容量的选项可用,则在节点56当使用当前P和T时没有解决方案可用。如果用于增加缓冲器容量的选项可用,则在节点58进行缓冲器容量增加的可行性分析。然后在节点60进行关于缓冲器容量增加是否可行的确定。如果缓冲器容量增加不可行,则在节点56当使用当前P和T时没有解决方案可用。如果缓冲器容量增加可行,则树前进到之前描述的分支B。
返回到节点26,如果显著过程可变性不存在,则在节点62使用公式(7)和(9)对于每个站和整个生产线计算松弛时间。如果在节点64整体松弛时间确定为显著地大于零,则决策树前进到之前描述的分支E。如果整体松弛时间确定为没有显著地大于零,则决策树前进到分支C,其中在节点66进行关于关于站周期时间的操作模式灵活性是否存在的确定。如果操作模式灵活性不存在,则决策树前进到之前描述的分支D。如果操作模式灵活性存在,则在节点68进行关于引起瓶颈的至少一个机器的速度是否可以增加的确定。如果引起瓶颈的至少一个机器的速度不能增加,则在节点70当使用当前P和T时没有解决方案可用。如果引起瓶颈的至少一个机器的速度可以增加,则在节点72进行经济和可行性分析。然后在节点74进行关于任何站周期时间改变是否可行的确定。如果站周期时间改变不可行,则在节点76当使用当前P和T时没有解决方案可用。如果站周期时间改变可行,则在节点78实现EEE/ELS解决方案。
当诸如在如之前描述的节点48、49、56、70和76当使用当前P和T时没有解决方案可用时,决策树前进到分支X,其中在节点80进行关于关于P和/或T操作模式灵活性是存在的确定。如果操作模式灵活性不存在,则在节点82解决方案不存在。如果操作模式灵活性存在,则在节点84进行经济和可行性分析。如果在节点86P或T的改变可行,则决策树前进到之前描述的分支A。如果P或T的改变不可行,则在节点82解决方案不存在。
因此,决策树以对生产线的整体观察开始并且确定松弛时间是否存在。对于其中各个站的平均性能接近并且过程可变性低的平衡生产线,几乎所有站用作瓶颈。在该情况下,站等级松弛时间可忽略,并且只有当公式(9)右侧显著地大于零时整体松弛时间存在。在存在操作模式灵活性,并且通过对所有站缩短站周期时间,可以生成额外的松弛时间。如果这样的解决方案不可行,并且P和T都不可以改变,则EEE和ELS度量相对无关紧要,并且决策树以没有解决方案终止。当操作模式灵活性的经济和技术可行性导致利用各个站或整个生产线的松弛时间时实现解决方案。如果松弛时间存在或者可以通过操作模式改变创建,则生产线被认为具有正ELS和EEE度量。
对于非平衡生产流水线,调查在站等级的松弛时间和对整个生产线的松弛时间。在这样的生产线中,通常存在一个或多个瓶颈,而剩余的站工作较快,导致正松弛时间。如果极大的站或整体松弛时间存在,则决策路径通向分析操作模式灵活性的经济和技术可行性。例如,在一个或多个站的松弛时间期间将其置入睡眠模式可以显著地降低功率消耗。通过在快和瓶颈站之间增加缓冲器存储容量可以生成额外的松弛时间(对于站和整个生产线)。这将减少站的非生产时间(即,Si=0)。当在一些或所有站中存在一定程度的过程可变性时,缓冲器存储的影响增加。
可以以多种方式确定操作模式灵活性。例如,通过改变斜坡上升和斜坡下降时段和/或比率以及改变多周期站中的周期数量可以减少功率消耗。在站处于状态(Si=0或-1)的同时或在其松弛时间期间睡眠模式的使用可以导致功率消耗的显著减少并且影响生产线的EEE度量。在存在正松弛时间并且具有生产调度灵活性的情况下,可以实现ELS度量的显著增加。
说明性示例
现在将关于两种情况研究描述本发明。第一种情况研究是对于诸如在基于溶剂的汽车油漆车间中发现的具有9个站的流水线配置的计算机仿真。9个站代表以下按顺序的操作:磷酸盐室、电镀室、电镀炉、密封室、密封炉、主室、主炉、底漆清漆室、以及底漆清漆炉。这样的配置典型地具有关于站的小过程可变性以及小缓冲器存储容量。在图4的表1中示出根据本发明的对汽车油漆车间生产线91的计算机仿真的结果。
第二种情况研究是针对具有比汽车油漆车间生产线的过程可变性具有更大过程可变性的一般连续生产流水线的计算机仿真。参考图3,描绘具有第一202、第二204、第三206、第四208、第五210、第六212、第七214、第八216、第九218站的一般连续生产流水线。第一201、第二203、第三205、第四207、第五209、第六211、第七213、第八215缓冲器分别与第一到第八站相关联。在图5的表2中示出对于一般连续生产流水线93的计算机仿真的结果。
表1和2中示出的情况研究通过改变包括系统状态矢量X、在各个站的过程可变性(即,Var(θi))、生产线平衡程度及其它的参数配来进行。P和T设为不变量并且对所有情况研究是固定的。使用之前描述的平均值分析和离散事件仿真计算在各个站的松弛时间和整体松弛时间。这提供了一种混合方法,其能够实现过程可变性对于平均值分析过高以至于不能足够地精确的情况研究的生成。
特别地,在表1和2中可见增加缓冲器容量88导致功率消耗减少90中的对应增加。此外,表1示出增加瓶颈的速度5%92导致功率消耗%减少94。表1和2还示出具有标称速度的空载与具有标称速度的40%的空载的控制灵活性导致对应的成本%减少98。此外,表1和2示出调度灵活性100导致对应的成本%减少102。而且,表1示出调度灵活性和增加瓶颈的速度5%导致对应的成本%减少106。图6包括表3,其提供针对汽车油漆车间生产线91和一般连续生产流水线93的决策树路径108和访问的节点110。注意,各个过程变化在表1和2中指示为“各个过程变化”。
在执行调度灵活性选项的同时,还应当关于系统是否允许从最贵价格到最便宜价格的生产移动给出考虑。这样的生产的负载移动提供最佳情况,但是仅在生产线具有松弛时间时可能。应当在考虑负载移动效果时公式化和计算该效果的概率分布。观察负载移动的效果的可替代方法是通过离散事件仿真。在本发明中,在计算调度灵活性选项的同时考虑最佳情况。特别地,在执行负载移动的同时,在最高电价格区域调度的生产移动到最便宜电价格区域。通过公式(10)给出成本差异。
成本差别=松弛时间*[∑电强度(机器(i))*使用(机器(i))]
*[电价格区域(最高)-电价格区域(最低)] (10)
因此,如果生产系统已经具有极大的正松弛时间,并且在生产不变量的约束内允许调度灵活性,则该系统对能量效率和负载移动二者有弹性。表1示出,取决于各个过程变化,功率消耗减少并且生成松弛时间,这导致生产线的ELS和EEE机会,而不影响生产目标。
要理解,本公开的示例性实施例可以以硬件、软件、固件、专用处理器或其组合的各种形式实现。在一个实施例,用于能量管理控制的方法可以以作为计算机可读存储介质或计算机程序产品上有形实施的应用程序的软件实现。这样,应用程序实施在非瞬时有形介质上。应用程序可以上载到包括任何合适的架构的处理器并且由其执行。
应当进一步理解本文描述的任何方法可以包括提供系统的附加步骤,该系统包括实施在计算机可读存储介质上的独特软件模块。然后可以使用如上所述在一个或多个硬件处理器上执行的该系统的该独特的软件模块和/或子模块来进行方法步骤。而且,计算机程序产品可以包括具有代码的计算机可读存储介质,该代码适于实现来执行本文所述的一个或多个方法步骤,包括向该系统提供该独特的软件模块。
图7是其中可以实现以上所述方法的实施例的计算机系统112的框图。计算机系统112可以尤其包括中央处理单元(CPU)114、存储器116、和输入/输出(I/O)接口118。计算机系统112通常通过I/O接口118耦接到显示器120和各种输入设备122,诸如鼠标、键盘、触摸屏、相机和其他。支持电路可以包括诸如高速缓存器、电源、时钟电路和通信总线的电路。存储器116可以包括随机存取存储器(RAM)、只读存储器(ROM)、盘驱动器、带驱动器、存储设备等、或者其结合。本发明可以实现为例程124,其存储在存储器116中并且由CPU 114执行以处理来自信号源126的信号。这样,计算机系统112是在执行本发明的例程124时变为专用计算机系统的通用计算机系统。计算机系统112可以经由网络适配器与一个或多个网络通信,诸如局域网(LAN)、一般广域网(WAN)、和/或公共网络(例如,因特网)。此外,计算机系统112可以用作云计算系统的一部分,其中通过经过通信网络链接的远程处理设备执行任务。在分布式云计算环境中,程序模块可以位于包括存储器存储设备的本地和远程计算机系统存储介质二者中。
计算机平台112还可以包括操作系统和微指令码。本文描述的各种处理和功能可以是经由操作系统执行的微指令码的一部分或者应用程序的一部分(或其组合)。此外,诸如额外的数据存储设备和打印设备的各种其他外围设备可以连接到计算机平台。适于与计算机系统112一起使用的公知的计算系统、环境、和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户机、胖客户机、手持或膝上设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子设备、网络PC、迷你计算机系统、大型机系统和可以包括以上系统或设备等的任何的分布式云计算环境。
本文中已经示例性描述,注意本领域的技术人员鉴于以上教导可以进行修改和变化。因此,要理解,在本公开的示例性实施例中可以进行改变,其在如所附权利要求定义的本发明的范围和精神内。已经如此描述具有专利法要求的细节和特殊性的本公开,在所附权利要求书中阐述受专利证书保护的请求和期望。
Claims (19)
1.一种用于具有多个站的生产流水线中的能量需求管理的方法,包括步骤:
计算用于生产流水线或选择的站的松弛时间;
确定用于操作模式灵活性的选项;
执行选项的可行性分析;以及
提供基于弹性度量的解决方案,
如果用于生产流水线的松弛时间没有显著地大于零,则在选择的站上利用控制选项。
2.如权利要求1所述的方法,进一步包括步骤:
确定生产线是否关于平均站周期时间平衡。
3.如权利要求1所述的方法,进一步包括步骤:
确定各站之间是否存在显著的过程可变性。
4.如权利要求1所述的方法,其中,操作模式灵活性包括控制灵活性选项和调度灵活性选项。
5.如权利要求4所述的方法,其中,控制灵活性选项包括关闭选项和睡眠模式选项。
6.如权利要求4所述的方法,进一步包括步骤:
执行调度灵活性选项的可行性分析。
7.一种用于具有多个站的平衡生产流水线中的能量需求管理的方法,其中至少一个站是瓶颈,该方法包括步骤:
确定各站之间是否存在显著的过程可变性;
计算用于生产流水线或选择的站的松弛时间;
确定用于操作模式灵活性的选项;
执行选项的可行性分析;以及
如果各站之间显著的过程可变性不存在,松弛时间没有显著地大于零,并且经济上可行的操作模式灵活性选项存在,则提供基于对负载移动度量的弹性或对能量效率度量的弹性的解决方案。
8.如权利要求7所述的方法,其中,操作模式灵活性选项包括加速瓶颈站。
9.如权利要求7所述的方法,其中,当各站之间显著的过程可变性存在时,操作模式灵活性包括控制灵活性选项和调度灵活性选项。
10.如权利要求9所述的方法,其中,控制灵活性选项包括关闭选项和睡眠模式选项。
11.如权利要求9所述的方法,进一步包括步骤:
执行调度灵活性选项的可行性分析。
12.如权利要求9所述的方法,其中,如果用于生产流水线的松弛时间没有显著地大于零,则在选择的站上利用控制选项。
13.一种用于具有多个站的生产流水线中的能量需求管理的方法,包括步骤:
提供生产不变量;
确定生产线是否关于平均站周期时间平衡;
确定各站之间是否存在显著的过程可变性;
计算用于生产流水线或选择的站的松弛时间;
确定用于操作模式灵活性的选项;
执行选项的可行性分析;以及
提供基于弹性度量的解决方案,
如果用于生产流水线的松弛时间没有显著地大于零,则在选择的站上利用控制选项。
14.如权利要求13所述的方法,其中,生产不变量包括在其期间多个单元必须被从生产线放出的时间间隔。
15.如权利要求13所述的方法,其中,松弛时间通过下式计算:
Slack_timei=T-Ti-E(εi)×E(Θi)
其中Ti是对于时间段T站i完成其生产要求所需的总时间E()用于表示平均算子,εi≥0是具有依赖于θi分布、存储容量等的平均值和方差的随机变量,由单个变量Θi表示θi、ωi和ηi。
16.如权利要求13所述的方法,其中,松弛时间通过下式计算:
其中γ是定义为(θ+ω+η)的理论数字的随机变量,M=由于维护的停止,以及B=由于间歇的停止。
17.如权利要求13所述的方法,其中,操作模式灵活性包括控制灵活性选项和调度灵活性选项。
18.如权利要求17所述的方法,其中,控制灵活性选项包括关闭选项和睡眠模式选项。
19.如权利要求17所述的方法,进一步包括步骤:
执行调度灵活性选项的可行性分析。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261696944P | 2012-09-05 | 2012-09-05 | |
US61/696,944 | 2012-09-05 | ||
PCT/US2013/056404 WO2014039290A2 (en) | 2012-09-05 | 2013-08-23 | Method for energy demand management in a production flow line |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104756022A CN104756022A (zh) | 2015-07-01 |
CN104756022B true CN104756022B (zh) | 2018-06-08 |
Family
ID=49162221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380054155.7A Expired - Fee Related CN104756022B (zh) | 2012-09-05 | 2013-08-23 | 用于生产流水线中的能量需求管理的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20150227138A1 (zh) |
EP (1) | EP2893407A4 (zh) |
CN (1) | CN104756022B (zh) |
WO (1) | WO2014039290A2 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6042133B2 (ja) * | 2012-08-06 | 2016-12-14 | 京セラ株式会社 | 管理システム、管理方法、制御装置及び蓄電装置 |
US20160321579A1 (en) * | 2015-04-28 | 2016-11-03 | Siemens Aktiengesellschaft | Simulation based cloud service for industrial energy management |
CN110419010B (zh) * | 2017-04-25 | 2022-04-29 | Abb瑞士股份有限公司 | 用于估算生产线的吞吐量的方法和装置 |
US20190138623A1 (en) * | 2017-11-03 | 2019-05-09 | Drishti Technologies, Inc. | Automated birth certificate systems and methods |
WO2021109573A1 (zh) * | 2019-12-04 | 2021-06-10 | 合肥工业大学 | 多机生产线的能量服务化系统及共享驱动系统的设计方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3932735A (en) * | 1970-08-24 | 1976-01-13 | Westinghouse Electric Corporation | Method of controlling supply of power |
US5406476A (en) * | 1991-04-11 | 1995-04-11 | Sun Microsystems, Inc. | Method and apparatus for resource constraint scheduling |
US5559710A (en) * | 1993-02-05 | 1996-09-24 | Siemens Corporate Research, Inc. | Apparatus for control and evaluation of pending jobs in a factory |
US5623404A (en) * | 1994-03-18 | 1997-04-22 | Minnesota Mining And Manufacturing Company | System and method for producing schedules of resource requests having uncertain durations |
US7539624B2 (en) * | 1994-09-01 | 2009-05-26 | Harris Corporation | Automatic train control system and method |
US5734586A (en) * | 1995-05-05 | 1998-03-31 | Cornell Research Foundation, Inc. | System for achieving optimal steady state in power distribution networks |
US6021402A (en) * | 1997-06-05 | 2000-02-01 | International Business Machines Corporaiton | Risk management system for electric utilities |
EP1777648A1 (en) * | 2005-10-24 | 2007-04-25 | Sap Ag | Production planning with sequence independent setup activities |
US7617015B2 (en) * | 2006-12-21 | 2009-11-10 | Sap Ag | Generating planning-level time and capacity requirement formulas for manufacturing processes |
US7698233B1 (en) * | 2007-01-23 | 2010-04-13 | Southern Company Services, Inc. | System and method for determining expected unserved energy to quantify generation reliability risks |
US9129231B2 (en) * | 2009-04-24 | 2015-09-08 | Rockwell Automation Technologies, Inc. | Real time energy consumption analysis and reporting |
US20110040399A1 (en) * | 2009-08-14 | 2011-02-17 | Honeywell International Inc. | Apparatus and method for integrating planning, scheduling, and control for enterprise optimization |
EP2328118A1 (en) * | 2009-11-27 | 2011-06-01 | Siemens Aktiengesellschaft | A method and a system for executing a scheduled production process |
JP5487994B2 (ja) * | 2010-01-25 | 2014-05-14 | ソニー株式会社 | 電力管理装置、及び表示方法 |
US9207735B2 (en) * | 2011-08-02 | 2015-12-08 | Gram Power, Inc. | Power management device and system |
US9026259B2 (en) * | 2012-01-25 | 2015-05-05 | General Electric Company | Power generation optimization in microgrid including renewable power source |
US8943341B2 (en) * | 2012-04-10 | 2015-01-27 | International Business Machines Corporation | Minimizing power consumption for fixed-frequency processing unit operation |
-
2013
- 2013-08-23 CN CN201380054155.7A patent/CN104756022B/zh not_active Expired - Fee Related
- 2013-08-23 EP EP13760161.3A patent/EP2893407A4/en not_active Ceased
- 2013-08-23 WO PCT/US2013/056404 patent/WO2014039290A2/en active Application Filing
- 2013-08-23 US US14/426,170 patent/US20150227138A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2014039290A2 (en) | 2014-03-13 |
WO2014039290A3 (en) | 2014-05-08 |
EP2893407A2 (en) | 2015-07-15 |
US20150227138A1 (en) | 2015-08-13 |
EP2893407A4 (en) | 2016-03-16 |
CN104756022A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thiede | Environmental sustainability of cyber physical production systems | |
CN104756022B (zh) | 用于生产流水线中的能量需求管理的方法 | |
Byrne et al. | Production planning: An improved hybrid approach | |
US20110208622A1 (en) | Data center power cost accounting system | |
Wang et al. | Production logistics simulation and optimization of industrial enterprise based on Flexsim | |
CN105205570A (zh) | 一种基于季节时序分析的电网售电量预测方法 | |
US8285409B2 (en) | Effective cycle time management employing a multi-horizon model | |
Wilson et al. | A simple energy usage toolkit from manufacturing simulation data | |
Omar et al. | A hybrid simulation approach for predicting energy flows in production lines | |
CN112669055A (zh) | 一种输变电工程可研估算模拟组价方法及装置 | |
Wang et al. | Optimized skill configuration for the seru production system under an uncertain demand | |
Zhou et al. | Lean production of ship-pipe parts based on lot-sizing optimization and PFB control strategy | |
Xu et al. | Optimization of multi-stage production scheduling of automated production | |
CN112948353B (zh) | 一种应用于DAstudio的数据分析方法、系统及存储介质 | |
Baybulatov | A novel approach to estimating databases maximum updating time | |
JP3336140B2 (ja) | 発電機負荷配分装置 | |
Xiong et al. | Energy consumption evaluation in stamping workshops via a discrete event simulation-based approach | |
WO2020031228A1 (ja) | 生産スケジューリング装置、および生産スケジューリング方法 | |
Wang et al. | An assemble-to-order production planning with the integration of order scheduling and mixed-model sequencing | |
KR20120133362A (ko) | 로딩 시뮬레이션 기반 동적 피드백 스케줄링 알고리즘을 장착한 최적화된 생산 스케줄링 시스템 | |
CN114742377A (zh) | 产品的生产任务处理方法、设备、介质及程序产品 | |
Chang et al. | Applications of real-time simulation techniques for harmonics study of an industrial power system | |
Zhou | Numerical Analysis of Digital Twin System Modeling Methods Aided by Graph-Theoretic Combinatorial Optimization | |
Guan et al. | Simulation of logistics system with aspect of pallet requirements optimization based on digital factory | |
Zhang et al. | Linear Programming Algorithm for Assembly Line Balancing in Crane Production |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180608 Termination date: 20190823 |