CN106022523B - 一种基于集成仿真的自动化生产线优化设计方法 - Google Patents

Abstract

一种基于集成仿真的自动化生产线优化设计方法：步骤S1，获取生产线的设计要求信息；步骤S2，作初步的布局规划；步骤S3，设计仿真模型和算法引擎；步骤S4，建立指令通道，建立信息通道，以使仿真模型与算法引擎实现交互；步骤S5，接收输入的样本信息，算法引擎执行后生成生产指令，仿真模型根据生产指令运行，并生成现场信息反馈给算法引擎；步骤S6，对仿真模型运行结果进行分析，根据分析结果优化算法引擎和/或仿真模型，然后执行步骤S5，直到满足预设条件后退出；步骤S7，对仿真模型设置随机扰动因子，重新执行算法引擎，判断优化算法是否满足鲁棒性，满足，则输出生产线的布局方案和/或智能执行内核；不满足，则调整布局规划，执行步骤S3。

Description

一种基于集成仿真的自动化生产线优化设计方法

技术领域

本发明属于工业自动化技术领域，具体涉及一种生产线布局优化方法。

背景技术

为了推动工业化和智能化融合，推进工业4.0建设，必须加快推进不同产业自动化与智能化的生产整线建设。随着计算机、智能制造装备与通信技术的快速发展，我国制造业对自动化生产整线快速设计和合理实施的需求日益迫切，怎样使生产整线设计快速合理并能高效运行。自动化与智能化的生产整线是通过集成多个自动化设备，使各个设备之间实现物理和信息联通，并能在上层进行智能化的指挥调度。自动化生产整线能提升产品质量、提高生产效率和减少用工人数等，自动化生产整线具有强烈的定制需求与行业依赖性，专机设备与工艺密切相关，中间设备依赖于在制品的加工形态与物理性能，整线设备必须满足个性化的车间布局需求与预期产能需求。如何快速设计出配置合理、运行高效的自动化与智能化的生产整线是摆在制造企业面前的难题。

图1为传统设计方法流程图，一般通过规划设计人员依据数学分析和经验进行整线设计，对设计人员经验具有较强依赖性，建立的数学模型建立在部分假设的基础上，不能充分反应实际问题。当前国内外投产运行的复杂制造系统中，高达60%因初期规划不合理或失误而导致没有达到预先设计的指标 。随着计算机技术的发展和虚拟仿真技术的应用，虚拟仿真设计借助仿真平台进行生产线的规划设计成为一种可行与有效的方法：首先按传统方式对生产线进行初始设计，然后在依托仿真平台进行建模，并在仿真软件中对设计模型进行仿真验证其设计是否合理，找出设计方案可能存在的问题，再进行设计方案的优化，用以确定最终设计方案。现有的虚拟仿真设计与传统设计方法相比能够利用计算机虚拟仿真技术模拟出生产线未来三维布局和运行状态，并能提前验证其合理性，能够快速实现自动生产线设计和规划的重要研究工具。然而整线自动化系统往往是典型离散事件制造系统，其规模庞大且结构复杂，存在众多随机因素，从初期规划到实际运行都存在复杂的决策问题。在制造系统设计和优化过程中很难清晰确定目标对象，且目标函数难以以常规解析方式进行求解，使得设计和实施都很难达到预期的效果。通过仿真建模可以将系统的相关要素按照实际的运行逻辑有机地结合起来，真实反映出系统的行为，但仿真模型仅是对问题的直观描述，仿真运行只能提供一定条件下的可行方案。

因此，本发明提出了一种针对生产线的基于仿真的自动化优化设计方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于集成仿真的自动化生产线优化设计方法，该方法具有不用高度依赖设计人员的经验，快速地高效地找到生产线的最优化布局，同时优化算法还具有较好的鲁棒性。

为了实现以上目的，本发明提供了一种基于集成仿真的自动化生产线优化设计方法，该方法包括：步骤S1，获取所述生产线的设计要求信息；步骤S2，根据所述设计要求信息对所述生产线作初步的布局规划；步骤S3，根据所述布局规划设计所述生产线的仿真模型和算法引擎；步骤S4，建立所述算法引擎到所述仿真模型的指令通道，建立所述仿真模型到所述算法引擎的信息通道，以使所述仿真模型与所述算法引擎实现交互；步骤S5，接收输入的样本信息，所述算法引擎执行后生成生产指令，所述仿真模型根据所述生产指令运行，并把运行结果生成现场信息反馈给所述算法引擎；步骤S6，对所述仿真模型的运行结果进行分析，根据分析结果优化所述算法引擎和/或仿真模型，然后执行步骤S5，直到满足预设条件后退出迭代循环，执行步骤S7；步骤S7，对所述仿真模型设置随机扰动因子，重新执行算法引擎，判断所述算法引擎的优化算法是否满足鲁棒性，满足，则输出所述生产线的布局方案和/或智能执行内核；不满足，则调整布局规划，执行步骤S3。

由于建立起了仿真模型与算法引擎之间的交互，通过两者之间的交互迭代去寻找最优的生产线生产方式，与传统的只是通过人工输入进行简单的生产线的模拟方法相比，可以很大程度地弥补了设计人员经验不足的缺陷；通过反复的调整布局规划，可以快速地高效地寻找到与生产线相适应的布局方法，同时优化算法还具有较好的鲁棒性。需要说明的是上述的预设条件本身也可以是一个预设条件的集合，针对预设条件的集合里面的每个条件都可以输出一个满足该条件的布局方案和/或智能执行内核，也就是说不单可以输出最优解，也可以输出近优解，这样就大大地方便了设计人员对布局方案的选择。

根据本发明的一个实施例，在执行上述步骤S2前，预设有与所述生产线行业相对应的布局模型，可根据所述设计要求信息选择不同的布局模型，以在所述布局模型的基础上对所述生产线作初步的布局规划。

预设有与生产线行业相对应的布局模型（主要针对生产线共性的部分），这样可以减少设计者重复性的劳动，同时还减少出错的几率，提高建模的时间。

根据本发明的一个实施例，设计所述生产线的仿真模型包括：步骤S3.1，对所述生产线的设备进行三维建模；步骤S3.2，确定所述模型中的动件和不动件，并设定所述动件的运动方式；步骤S3.3，建立所述模型的控制方式，其中，包括数据的采集与处理、传感器的布置、控制逻辑的设定；步骤S3.4，根据所述的初步的布局规划对所述模型进行装配。

根据本发明的另一个实施例，设计所述生产线的算法引擎包括：步骤S4.1，对所述生产线的模型进行数学建模；步骤S4.2，对所述动件的运动过程进行数学建模；步骤S4.3，根据建立的数学模型制定优化算法；步骤S4.4，根据所述生产线制定执行和调度所述优化算法的算法引擎。

与传统的方法不一样的是，本发明还对生产线的模型的运行配置了算法引擎，通过算法引擎运行优化算法，从而达到使模型的排布和运行方式优化的目的。

进一步地，可以根据模型间的耦合度进行聚类分析，这样就把模型划分成多个模型群，并制定与模型群相对应的优化算法。

通过先对模型进行聚类分析，把模型划分成多个模型群来制定优化算法，这样可以更快地找到更优的布局方案。

本发明的另一个实施例披露了仿真模型与算法引擎之间的具体交互方式。接收输入的样本信息，所述算法引擎执行后生成生产指令存储在指令数据库中，所述仿真模型实时在所述指令数据库中接受对应指令，并执行对应动作；汇总仿真模型的现场信息存储在现场信息数据库中，进行状态分析后，反馈给所述算法引擎。

通过设置了中间数据库，即指令数据库和现场信息数据库，这样有利于回查，寻找异常的数据点，更有利于优化算法引擎和仿真模型。

本发明的另一个实施例披露了具体的优化对象，根据所述分析结果优化所述算法引擎包括优化该算法引擎的算法结构；根据所述分析结果优化所述仿真模型包括优化该仿真模型的配置参数。

根据本发明的一个实施例，所述预设条件包括：对所述生产线进行适应性和合理性分析，并把分析结果与预设指标参数作比较。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是传统设计方法流程图；

图2是本发明设计方法的概要设计图；

图3是本发明设计方法的详细设计图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。

如图2、3所示，一种基于集成仿真的自动化生产线优化设计方法，该方法主要支持整条生产线快速设计与执行迭代优化，所述的方法具体步骤如下：

第S1步：整线设计数据获取，调研生产线加工的产品并确定其加工工艺路径；调研每一个工序加工需要的加工设备和该工序的生产节拍；调研该工厂实际场地空间和现有设备的具体信息；调研工厂计划该生产线要求达到的生产能力等。需要获取以下详细信息：产能要求、工厂场地、加工流程、生产节拍、生产计划、工艺计划、加工设备等；

第S2步：初始整线布局规划，依据调研信息初步快速交互地确定几种生产线布局方式，或者依据现有行业内常用的几种布局方式进行分析总结，确定生产整线初步布局方案设计，包括设备资源配置、整线布局和工艺路径规划等。 1）资源配置：各工艺段需要的设备及其数量；2）工艺路径规划：依据产品的工艺路径，确定各个工序中的标准工时，分析产品每个工艺对应的加工设备和操作的工艺关联；3）整线布局：根据企业的工厂空间、产品加工工序以及希望达到的生产能力，对现有设备、中间设备及拟投用设备进行合理的空间布局、物理干涉分析和物流路径规划，确定整线布局。

可以预设有与生产线行业相对应的布局模型，可根据设计要求信息选择不同的布局模型，以在所述布局模型的基础上对所述生产线作初步的布局规划。这样可以减少对设计人员的依赖，减少基本的出错，提高布局的效率。

第S3步：整线静态定制设计，包括整线仿真模型设计与整线算法引擎设计。

1）整线仿真模型设计：

首先，依据初步整线布局规划建立所有设备的三维模型；其次，确定模型中的动件和不动件，规划好动件的运动方式；然后，对整线的控制方案进行设计,包括数据的采集与处理、传感器的布置、控制逻辑设计等；最后，依据整线布局规划在仿真软件中进行整线布局与装配。

2）整线算法引擎设计：

首先，依据初步整线布局规划对整线进行数学建模；其次，对其运动过程进行数学建模；然后，根据各单元模块建立的数学模型，研发对应的模块的智能优化算法进行求解；最后，研发整线执行和调度算法引擎，作为整个生产线系统的内核。

第S4、S5步：建立所述算法引擎到所述仿真模型的指令通道，建立所述仿真模型到所述算法引擎的信息通道，以使所述仿真模型与所述算法引擎实现交互。整线智能执行，主要指仿真模型运行时与算法引擎通过指令传输与数据采集实现“指令下行”与“信息上行”的动态交互，动态执行过程中对仿真结果进行分析，更新算法引擎中的优化算法和/或仿真模型中的配置参数。

1）指令下行，通过输入样本信息（如样本订单信息）到仿真软件中进行模拟，算法执行引擎将样本订单转化为生产指令，存储在指令数据库中，仿真运行时依据模型中的控制方案和底层逻辑实时的在指令数据库中接受对应指令，并执行对应动作；

2）信息上行，通过在仿真模型汇总布置的传感器实时采集的现场数据，进行状态分析后，反馈给算法执行引擎设备实时工作状态。

第S6步：“设计-执行”迭代优化，通过迭代式地调整静态设计的配置参数与智能执行算法引擎的优化算法，对整线动态智能执行的效果进行统计分析，包括适应性分析、合理性分析等，把分析结果与预设指标参数作比较，若满足预设指标参数则退出迭代循环，执行第S7步；

第S7步：对所述仿真模型设置随机扰动因子，重新执行算法引擎，判断所述优化算法是否满足鲁棒性，看是否满足要求，满足则输出整线设计方案和智能执行内核，不满足则再改进整线布局设计方案，重新执行第S3步。通过设计与执行的反复迭代优化后不仅可以获得一种最优的整线设计方案，同时能够形成整线智能执行内核。另外使得优化算法还具有较好的鲁棒性。

由于需要迭代地调整仿真模型的配置参数和算法引擎的算法结构，再在这基础上寻找最佳的布局，对系统的运算量和资源要求是非常大的，居此，本发明还提出了一种降低系统运算量的方法。该方法就是在对仿真模型进行建模后，根据模型之间的耦合度进行聚类分析，从而把模型分成多个模型群，再制定与模型群相对应的优化算法，这样就相当于把生产线按照耦合度的大小分成了多个子生产线，对子生产线的布局规划作优化，由于只是针对子生产线作运算，运算量则会大大地减少，且各个子生产线之间还可以并行运算，大大地减少了运算的时间。

在本发明的描述中，需要理解的是，术语“中心”、 “长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种基于集成仿真的自动化生产线优化设计方法，其特征在于，包括：

步骤S1，获取所述生产线的设计要求信息；

步骤S2，根据所述设计要求信息对所述生产线作初步的布局规划；

步骤S3，根据所述布局规划设计所述生产线的仿真模型和算法引擎；

步骤S4，建立所述算法引擎到所述仿真模型的指令通道，建立所述仿真模型到所述算法引擎的信息通道，以使所述仿真模型与所述算法引擎实现交互；

步骤S5，接收输入的样本信息，所述算法引擎执行后生成生产指令，所述仿真模型根据所述生产指令运行，并把运行结果生成现场信息反馈给所述算法引擎；

步骤S6，对所述仿真模型的运行结果进行分析，根据分析结果优化所述算法引擎和/或仿真模型，然后执行步骤S5，直到满足预设条件后退出迭代循环，执行步骤S7；

步骤S7，对所述仿真模型设置随机扰动因子，重新执行算法引擎，判断所述算法引擎的优化算法是否满足鲁棒性，满足，则输出所述生产线的布局方案和/或智能执行内核；不满足，则调整布局规划，执行步骤S3。

2.根据权利要求1所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，

执行所述步骤S2前，预设有与所述生产线行业相对应的布局模型，可根据所述设计要求信息选择不同的布局模型，以在所述布局模型的基础上对所述生产线作初步的布局规划。

3.根据权利要求1所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，设计所述生产线的仿真模型包括：

步骤S3.1，对所述生产线的设备进行三维建模；

步骤S3.2，确定模型中的动件和不动件，并设定所述动件的运动方式；

步骤S3.3，建立所述模型的控制方式，其中，包括数据的采集与处理、传感器的布置、控制逻辑的设定；

步骤S3.4，根据所述的初步的布局规划对所述模型进行装配。

4.根据权利要求3所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，设计所述生产线的算法引擎包括：

步骤S4.1，对所述生产线的模型进行数学建模；

步骤S4.2，对所述动件的运动过程进行数学建模；

步骤S4.3，根据建立的数学模型制定优化算法；

步骤S4.4，根据所述生产线制定执行和调度所述优化算法的算法引擎。

5.据权利要求4所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，

根据所述模型间的耦合度进行聚类分析，以把所述模型划分成多个模型群，并制定与所述模型群相对应的优化算法。

6.根据权利要求1所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，接收输入的样本信息，所述算法引擎执行后生成生产指令存储在指令数据库中，所述仿真模型实时在所述指令数据库中接受对应指令，并执行对应动作；汇总仿真模型的现场信息存储在现场信息数据库中，进行状态分析后，反馈给所述算法引擎。

7.根据权利要求1所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，根据所述分析结果优化所述算法引擎包括优化所述算法引擎的算法结构；根据所述分析结果优化所述仿真模型包括优化所述仿真模型的配置参数。

8.根据权利要求1所述的基于集成仿真的自动化生产线优化设计方法，其特征在于，所述预设条件包括：对所述生产线进行适应性和合理性分析，

并把分析结果与预设指标参数作比较。