CN110276126B - 基于缓存区容量计算的自动化生产线优化方法 - Google Patents
基于缓存区容量计算的自动化生产线优化方法 Download PDFInfo
- Publication number
- CN110276126B CN110276126B CN201910536111.7A CN201910536111A CN110276126B CN 110276126 B CN110276126 B CN 110276126B CN 201910536111 A CN201910536111 A CN 201910536111A CN 110276126 B CN110276126 B CN 110276126B
- Authority
- CN
- China
- Prior art keywords
- production line
- production
- capacity
- cache
- production efficiency
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 357
- 238000000034 method Methods 0.000 title claims abstract description 201
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 135
- 238000004088 simulation Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 239000000872 buffer Substances 0.000 claims description 51
- 230000008859 change Effects 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000033764 rhythmic process Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于缓存区容量计算的自动化生产线优化方法，属于自动化生产线优化设计技术领域，解决了现有技术未能消除设备故障率造成生产线物流堵塞以及生产效率低下、缓存区容量公式复杂且精度不高的问题。该方法包括如下步骤：确定自动化生产线的各工序生产参数、关键段瓶颈工序；根据初始生产线的工艺流程和工厂布局，建立自动化生产线仿真模型，加载各工序生产参数后运行，获得生产效率评价指标；改变各工序生产参数的数值，重新运行所述模型，根据仿真结果确定影响生产线生产效率的因素以及优化数值；在关键段瓶颈工序两侧分别设置缓存区，再次运行所述模型，获得不影响生产线生产效率的缓存区容量；更新初始生产线，作为优化后的生产线。
Description
技术领域
本发明涉及自动化生产线优化设计技术领域，尤其涉及一种基于缓存区容量计算的自动化生产线优化方法。
背景技术
自动化生产线的优劣代表了一个国家的工业发展程度，是国家综合实力和制造技术发达程度的综合体现。目前，很多自动化生产线都存在生产效率低下、设备利用率低、生产物流堵塞等问题，严重制约企业的生产效益。因此，研究人员开始日益关注自动化生产线的改进，期望提高生产线的生产效率、设备利用率，降低企业成本，提高企业竞争力。
现有技术中，存在通过改变决策参数、增加机器数量、综合调整统一加工时间分布优化生产线的方法；通过合理设置生产线节拍，使生产线上工位的闲置时间与超载时间之和最小化，从而使工位利用率达到最大化的方法。上述两种生产线优化方法虽然提高了生产线的生产效率，但由于未考虑设备故障、人员操作时间变化等造成的生产波动对生产线的影响，实际效果并不理想。现有文献还公开了一种能够减少生产波动对生产效率影响的方法，但需要将生产工艺拆分成多个功能段，然后将每个功能段的每工位进行拆分，最后行成可行布局方案，并求解所有[N，S]方案的整体节拍时间平均值最小的作为目标生产线的优化布局方案，操作复杂，求解量巨大，对于生产工艺多、设备多的生产线，优化周期较长。
现有的针对生产线缓冲区容量分配的方法中，计算缓冲区容量的方法较为复杂，相关因素太多导致计算精度受限、计算量较大。例如，现有文献公开了一种两级串行生产线可用度与缓冲区容量之间的关系，获得故障率、修复率、生产率统计需要大量样本，并且实际应用中故障率、修复率、生产率统计结果精度不高，而可用度与故障率、修复率、生产率以及缓冲区容量有关，多个精度不高的值累加计算获得的结果精度更低。
发明内容
鉴于上述的分析，本发明实施例旨在提供一种基于缓存区容量计算的自动化生产线优化方法，用以解决现有技术未能消除设备故障率造成生产线物流堵塞以及生产效率低下、缓存区容量公式计算复杂且精度不高的问题。
一方面，本发明实施例提供了一种基于缓存区容量计算的自动化生产线优化方法，包括如下步骤：
确定自动化生产线的各工序生产参数、关键段瓶颈工序，并对初始生产线的运营情况进行信息采集，获得各工序生产参数的变化范围；
根据初始生产线的工艺流程和工厂布局，建立自动化生产线仿真模型，加载各工序生产参数的初值后运行，获得生产效率评价指标；
在所述变化范围内改变各工序生产参数的数值，重新运行所述自动化生产线仿真模型，根据仿真结果中生产效率指标的变化确定影响生产线生产效率的因素以及其优化数值；
在所述关键段瓶颈工序两侧分别设置缓存区，再次运行所述自动化生产线仿真模型，获得不影响生产线生产效率的缓存区容量；
根据所述不影响生产效率的因素以及其优化数值、不影响生产线生产效率的缓存区容量更新所述初始生产线，作为优化后的生产线。
上述技术方案的有益效果如下：考虑了生产波动对生产线生产效率的影响，通过输入自动化生产线的各项实际采集的生产参数，构建更加真实的仿真模型，然后通过分析仿真结果，获得合理的生产参数优化数值，优化成本低。在不增减、不更换现有设备的情况下，既能给予新的生产线设计，也能基于现有生产线进行改造，应用前景很好。并且，通过设置缓冲区，能够减少关键段大量试验带来的成本损失。经大量试验证明，上述方法能够消除因设备故障导致的生产物流堵塞、设备利用率低、生产效率低问题，最终消除生产波动对生产线生产效率的影响。
基于上述方法的进一步改进，该方法还包括如下步骤：
基于所述缓存区容量以及影响生产线生产效率的因素的优化数值，再次运行所述自动化生产线仿真模型，获得关键段可用度B；
判断所述关键段可用度B与缓存区容量的线性比例是否小于额定值，如果小于，判定此时的缓存区容量为缓存区容量最佳值；如果不小于，调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止。
上述进一步改进方案的有益效果是：通过设置缓冲区容量和关键段工序节拍，结合物理理论仿真来减小大量试验带来的成本损失。通过改变缓冲区容量大小，来获得关键段可用度B的变化曲线，当关键段可用度B随缓存区容量的变化率小于额定值(1/5)时，认为此时缓存区容量为合理取值，获得缓存区容量最佳值。
进一步，所述各工序生产参数包括各工序节拍、工位数、故障率、生产率；其中，
第i道工序节拍Ti通过下式计算
式中，ti表示第i道工序的单件时间定额，Si表示同时完成第i道工序的工件数。
上述进一步改进方案的有益效果是：通过上述公式，可根据实际流水线中各工序单件生产时间ti和工作地数Si，定量地计算出每道工序生产节拍Ti，以便下一步进行生产线平衡率P的计算。
进一步，所述生产效率评价指标包括生产线平衡率P和各工序可用度Z；其中，
所述生产线平衡率P通过下式计算
式中，∑Ti为各工序节拍总和，n为总工位数，Tmax为最大工序节拍；
所述各工序可用度A通过下式计算
式中，λi、λi+1分别为各工序前、后两台设备的故障率；ωi，ωi+1分别为各工序前、后两台设备的生产率。
上述进一步改进方案的有益效果是：通过生产线平衡率P的计算公式可以得到实际流水线的生产线平衡率，通过比较P的范围，确定是否需要调整生产节拍，增加生产线节拍配置合理性。
进一步，所述关键段可用度B通过下式计算
式中，λi'、λi+1'分别为关键段前、后两台设备的故障率；ωi'，ωi+1'分别为关键段前、后两台设备的生产率，K为关键段缓冲区容量。
上述进一步改进方案的有益效果是：将实际生产线故障率λi'和生产率ωi'代入上述公式，通过输入不同的缓冲区容量K来观测关键段可用度B的变化率，通过结论值反推输入值，使算法更容易理解。
进一步，所述根据初始生产线的工艺流程和工厂布局建立自动化生产线仿真模型，包括如下步骤：
根据初始生产线的工艺流程和工厂布局，布设自动化生产线的各工序中加工设备和物流系统；
对所述加工设备和物流系统添加生产约束，所述生产约束包括物料材料和数量、场地占地面积、生产设备或元器件的时间、工艺限制；
根据实际需求，在自动化生产线的各工序中分别添加生产参数作为输入，并设置生产效率评价指标作为输出，完成自动化生产线仿真模型的构建。
上述进一步改进方案的有益效果是：在通过生产线各工序生产参数构建自动化生产线仿真模型后，对自动化生产线模型进行约束来使模型输出更加贴近于实际情况。
进一步，所述根据仿真结果中生产效率指标的变化情况确定影响生产线生产效率的因素以及其优化数值，包括如下步骤：
逐一分别调整各工序节拍、工位数、故障率、生产率的数值，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断仿真结果中生产线平衡率P变化、可用度A变化是否超过额定范围，如果生产线平衡率P变化或可用度A变化有一个超过额定范围，则判定对应的生产参数是影响生产线生产效率的因素，进一步判断P是否大于等于90％且A最大，如果是，对应的生产参数数值为所述因素对应的优化数值，否则，再次调整该生产参数，直到P大于等于90％且A最大为止；如果未超过额定范围，判定该调整参数不是影响生产线生产效率的因素。
上述进一步改进方案的有益效果是：通过该上述步骤，可以更加清楚地通过是否满足预设条件来确定影响生产线生产效率的因素，以及优化参数，可以更加合理地进行生产线优化。
进一步，所述在关键段瓶颈工序两侧分别设置的缓存区容量相同。
上述进一步改进方案的有益效果是：对关键段设置的缓存器容量进行限定，有利于减小计算复杂程度。
进一步，所述获得不影响生产线生产效率的缓存区容量，包括如下步骤：
确定所述缓存区容量初值、变化规则，以及其范围；
在上述范围内按所述变化规则调整缓存区容量数值，各工序节拍、工位数、故障率、生产率均不变，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化，如果是，只调整关键段工序节拍，再次运行所述自动化生产线仿真模型，直到缓存区容量变化不会导致B变化为止，将此时的缓存区容量作为不影响生产线生产效率的缓存区容量。
上述进一步改进方案的有益效果是：判断所述关键段可用度B与缓存区容量的线性比例是否小于额定值，如果不小于，在所述范围内调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止。
进一步，所述调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止，包括如下步骤：
调整关键段工序节拍，重新确定影响生产线生产效率的因素的优化数值，加载包含所述优化数值的各工序生产参数，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化；
如果是，进一步判断关键段可用度B与缓存区容量的线性比例是否小于20％，如果小于，判定此时的缓存区容量数值为缓存区容量最佳值；如果不小于，按所述变化规则调整缓存区容量，直到B与缓存区容量的线性比例小于20％为止；
如果否，再次调整关键段工序节拍，重复上述步骤，直到获得缓存区容量最佳值。
上述进一步改进方案的有益效果是：限定了如何分析关键段可用度B和缓冲区容量的相对关系，可以优化缓冲区容量的取值精度。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例1基于缓存区容量计算的自动化生产线优化方法步骤示意图；
图2为本发明实施例2增加缓冲区之后的自动化生产线示意图；
图3为本发明实施例2增加缓冲区之后的关键段示意图。
附图标记：
B1-自动化生产线第一道工序；
Mi-自动化生产线瓶颈工序前的缓冲区；
Bi-自动化生产线瓶颈工序；
Mi+1-自动化生产线瓶颈工序后的缓冲区；
Bn-自动化生产线最后一道工序。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例，公开了一种基于缓存区容量计算的自动化生产线优化方法，如图1所示，包括如下步骤：
S1.确定自动化生产线的各工序生产参数、关键段瓶颈工序，并对初始生产线的运营情况进行信息采集，获得各工序生产参数的变化范围；关键段指的是运行机理和过程特性复杂同时又是非线性、时延、时变的工序。
S2.根据初始生产线的工艺流程和工厂布局，建立自动化生产线仿真模型，加载各工序生产参数的初值后运行，获得生产效率评价指标。
S3.在所述变化范围内改变各工序生产参数的数值，重新运行所述自动化生产线仿真模型，根据仿真结果中生产效率指标的变化确定影响生产线生产效率的因素以及其优化数值。
S4.在所述关键段瓶颈工序两侧分别设置缓存区，再次运行所述自动化生产线仿真模型，获得不影响生产线生产效率的缓存区容量；
S5.根据所述不影响生产效率的因素以及其优化数值、不影响生产线生产效率的缓存区容量更新所述初始生产线，作为优化后的生产线。
与现有技术相比，本实施例提供的方法考虑了生产波动(即生产参数改变)对生产线生产效率的影响，通过输入自动化生产线的实际采集的各项生产参数，构建更加真实的仿真模型，然后通过分析仿真结果，获得合理的生产参数优化数值，优化成本极低。在不增减、不更换现有设备的情况下，既能给予新的生产线设计，也能基于现有生产线进行改造，应用前景很好。并且，通过设置缓冲区，能够减少关键段大量试验带来的成本损失。并且，上述方法经大量试验证明，能够消除因设备故障导致的生产物流堵塞、设备利用率低、生产效率低，最终消除生产波动对生产线生产效率的影响。
实施例2
在实施例1的基础上进行优化，该方法还包括如下步骤：
S5.基于所述缓存区容量以及影响生产线生产效率的因素的优化数值，再次运行所述自动化生产线仿真模型，获得关键段可用度B；
S6.判断所述关键段可用度B与缓存区容量的线性比例是否小于额定值，如果小于，判定此时的缓存区容量为缓存区容量最佳值；如果不小于，调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止。然后，根据所述不影响生产效率的因素以及其优化数值、缓存区容量最佳值更新所述初始生产线，进一步作为最优生产线。
上述基于设置缓冲区的改进，可消除因为设备故障导致生产线生产停滞而造成生产线物流不畅通以及设备利用率低的问题。
优选地，步骤S1中，所述各工序生产参数包括各工序节拍、工位数、故障率、生产率。其中，工序节拍是指流水线上某道工序相邻两件同样制品投入或出产的间隔时间。工序节拍的数值不仅与该工序的单件时间定额有关，还与同时执行该工序的工作地的数目(简称工作地数)有关。
第i道工序节拍Ti可通过下式计算
式中，ti表示第i道工序的单件时间定额，Si表示同时完成第i道工序的工件数，i＝1,…,n，n表示工序总数。工件是生产线的产品。
优选地，步骤S2中，所述生产效率评价指标包括生产线平衡率P和各工序可用度Z。其中，所述生产线平衡率P可通过下式计算
式中，∑Ti为各工序节拍总和，n为总工位数，Tmax为最大工序节拍。
一般认为，当P≥90％时表示生产线平衡达到优，80％<P<90％时表示生产线平衡为良，P≤80％则生产线平衡较差。本实施例中选取90％作为判断基准。
所述各工序可用度A可通过下式计算
式中，λi、λi+1分别为各工序前、后两台设备的故障率；ωi，ωi+1分别为各工序前、后两台设备的生产率。
优选地，步骤S5中，所述关键段可用度B可通过下式计算
式中，λi'、λi+1'分别为关键段前、后两台设备的故障率；ωi'，ωi+1'分别为关键段前、后两台设备的生产率，K为关键段缓冲区容量。
优选地，步骤S2中，所述根据初始生产线的工艺流程和工厂布局建立自动化生产线仿真模型，进一步包括如下步骤：
S21.根据初始生产线的工艺流程和工厂布局，在Plant Simulation软件中布设自动化生产线的各工序中加工设备和物流系统；
S22.根据实际需求，对所述加工设备和物流系统添加生产约束，所述生产约束包括物料材料和数量、场地占地面积、生产设备或元器件的时间、工艺限制；
S23.根据实际需求，在自动化生产线的各工序中分别添加生产参数作为输入，并设置生产效率评价指标作为输出，完成Plant Simulation软件中的自动化生产线仿真模型的构建。
优选地，步骤S3中，所述根据仿真结果中生产效率指标的变化情况确定影响生产线生产效率的因素以及其优化数值，包括如下步骤：
S31.在各工序节拍范围内，按预设规则一调整各工序节拍数值，各工序工位数、故障率、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断生产线平衡率P变化是否超过额定范围，如果超过额定范围，则判定各工序节拍是影响生产线生产效率的因素，进一步判断P是否大于等于90％，如果是，确定P最高的各工序节拍数值作为其优化参数，然后执行下一步，否则，再次调整各工序节拍数值，直到P大于等于90％为止；如果未超过额定范围，判定各工序节拍不是影响生产线生产效率的因素；所述额定范围为允许误差，可根据实际需求设置。
S32.在各工序工位数范围内，按预设规则二调整各工序工位数数值，各工序节拍、故障率、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断生产线平衡率P变化是否超过额定范围，如果超过额定范围，判定各工序工位是影响生产线生产效率的因素，进一步判断P是否大于等于90％，如果是，确定P最高的各工序工位数数值作为其优化参数，然后执行下一步，否则，再次调整各工序工位数数值，直到P大于等于90％为止；如果未超过额定范围，判定各工序工位数不是影响生产线生产效率的因素。
S33.在各工序故障率范围内，按预设规则三调整各工序故障率数值，各工序节拍、工位数、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断可用度A变化是否超过其额定范围，如果超过额定范围，判定各工序故障率是影响生产线生产效率的因素，进一步确定A最大的各工序故障率作为优化参数，然后执行下一步；如果未超过额定范围，判定各工序故障率不是影响生产线生产效率的因素。
S34.在各工序生产率范围内，按预设规则四调整各工序生产率数值，各工序节拍、工位数、故障率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断可用度A变化是否超过额定范围，如果超过额定范围，判定各工序生产率是影响生产线生产效率的因素，进一步确定可用度A最大时对应的各工序生产率数值作为优化参数；如果否，判定各工序生产率不是影响生产线生产效率的因素。
通过步骤S31～S34即可获得影响生产线生产效率的因素以及其优化数值，所述影响生产线生产效率的因素属于生产参数。获得优化参数时，也可只优化关键段瓶颈工序。
优选地，步骤S4中，所述在关键段瓶颈工序两侧分别设置的缓存区容量相同。增加缓冲区之后的自动化生产线如图2所示。为了方便研究，可将瓶颈工序前后的两个工序缓冲区独立出来作为关键段进行分析研究，关键段如图3所示。
优选地，步骤S4中，所述获得不影响生产线生产效率的缓存区容量，包括如下步骤：
S41.确定所述缓存区容量K初值、变化规则，以及其范围。具体地，根据实践经验，K取值区间可为[1,10]，初值可为1，变化规则为每次自动加0.1。
S42.在上述范围内按所述变化规则调整缓存区容量K数值，各工序节拍、工位数、故障率、生产率均不变，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化，如果是，只调整关键段工序节拍，再次运行所述自动化生产线仿真模型，直到缓存区容量变化不会导致B变化为止，将此时的缓存区容量作为不影响生产线生产效率的缓存区容量。
值得注意的是，通过上述步骤S41～S42可获得不影响生产线生产效率的缓存区容量，但对于提高生产效率而言其可能不是最优值，接下来通过步骤S5～S6进一步改进自动化生产线仿真模型，从提高生产效率的角度获得最优缓存区容量最佳值。
优选地，所述步骤S6中，所述调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止，包括如下步骤：
S61.调整关键段工序节拍，重新确定影响生产线生产效率的因素的优化数值，加载包含所述优化数值的各工序生产参数，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化；如果是，执行步骤S62，否则，执行步骤S63；
S62.进一步判断关键段可用度B与缓存区容量的线性比例是否小于20％，如果小于，判定此时的缓存区容量数值为缓存区容量最佳值；如果不小于，按所述变化规则调整缓存区容量，直到B与缓存区容量的线性比例小于20％为止；
S63.再次调整关键段工序节拍，重复上述步骤，直到获得缓存区容量最佳值。
与实施例1相比，本实施例提供的方法根据大量试验获得的实践经验限定了生产参数、生产效率评价指标的范围，并且，基于工序节拍和缓存区容量最佳值消除了因生产线设备节拍不匹配、设备故障导致的生产物流堵塞和设备利用率低、生产效率的不良效果，进而消除了生产波动对生产线生产效率的影响。基于在关键段两侧设置缓存区的改进获得的可用度只与故障率、生产率、缓存区容量有关，实际应用中数据统计工作量较小，计算结果精度较高。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于缓存区容量计算的自动化生产线优化方法，其特征在于，包括如下步骤：
确定自动化生产线的各工序生产参数、关键段瓶颈工序，并对初始生产线的运营情况进行信息采集，获得各工序生产参数的变化范围；
根据初始生产线的工艺流程和工厂布局，建立自动化生产线仿真模型，加载各工序生产参数的初值后运行，获得生产效率评价指标；
在所述变化范围内改变各工序生产参数的数值，重新运行所述自动化生产线仿真模型，根据仿真结果中生产效率指标的变化确定影响生产线生产效率的因素以及其优化数值；
在所述关键段瓶颈工序两侧分别设置缓存区，再次运行所述自动化生产线仿真模型，获得不影响生产线生产效率的缓存区容量；
根据所述影响生产效率的因素以及其优化数值、不影响生产线生产效率的缓存区容量更新所述初始生产线，作为优化后的生产线。
2.根据权利要求1所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，还包括如下步骤：
基于所述缓存区容量以及影响生产线生产效率的因素的优化数值，再次运行所述自动化生产线仿真模型，获得关键段可用度B；
判断所述关键段可用度B与缓存区容量的线性比例是否小于额定值，如果小于，判定此时的缓存区容量为缓存区容量最佳值；如果不小于，调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止。
3.根据权利要求1或2所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述各工序生产参数包括各工序节拍、工位数、故障率、生产率；其中，
第i道工序节拍Ti通过下式计算
式中，ti表示第i道工序的单件时间定额，Si表示同时完成第i道工序的工件数。
4.根据权利要求3所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述生产效率评价指标包括生产线平衡率P和各工序可用度Z；其中，
所述生产线平衡率P通过下式计算
式中，∑Ti为各工序节拍总和，n为总工位数，Tmax为最大工序节拍；
所述各工序可用度A通过下式计算
式中，λi、λi+1分别为各工序前、后两台设备的故障率；ωi，ωi+1分别为各工序前、后两台设备的生产率。
5.根据权利要求2所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述关键段可用度B通过下式计算
式中，λi'、λi+1'分别为关键段前、后两台设备的故障率；ωi'，ωi+1'分别为关键段前、后两台设备的生产率，K为关键段缓冲区容量。
6.根据权利要求1-2、4-5之一所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述根据初始生产线的工艺流程和工厂布局建立自动化生产线仿真模型，包括如下步骤：
根据初始生产线的工艺流程和工厂布局，布设自动化生产线的各工序中加工设备和物流系统；
对所述加工设备和物流系统添加生产约束，所述生产约束包括物料材料和数量、场地占地面积、生产设备或元器件的时间、工艺限制；
根据实际需求，在自动化生产线的各工序中分别添加生产参数作为输入，并设置生产效率评价指标作为输出，完成自动化生产线仿真模型的构建。
7.根据权利要求4所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述根据仿真结果中生产效率指标的变化情况确定影响生产线生产效率的因素以及其优化数值，包括如下步骤：
在各工序节拍范围内，按预设规则一调整各工序节拍数值，各工序工位数、故障率、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断生产线平衡率P变化是否超过额定范围，如果超过额定范围，则判定各工序节拍是影响生产线生产效率的因素，进一步判断P是否大于等于90％，如果是，确定P最高的各工序节拍数值作为其优化参数，然后执行下一步，否则，再次调整各工序节拍数值，直到P大于等于90％为止；如果未超过额定范围，判定各工序节拍不是影响生产线生产效率的因素；所述额定范围为允许误差，可根据实际需求设置；
在各工序工位数范围内，按预设规则二调整各工序工位数数值，各工序节拍、故障率、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断生产线平衡率P变化是否超过额定范围，如果超过额定范围，判定各工序工位是影响生产线生产效率的因素，进一步判断P是否大于等于90％，如果是，确定P最高的各工序工位数数值作为其优化参数，然后执行下一步，否则，再次调整各工序工位数数值，直到P大于等于90％为止；如果未超过额定范围，判定各工序工位数不是影响生产线生产效率的因素；
在各工序故障率范围内，按预设规则三调整各工序故障率数值，各工序节拍、工位数、生产率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断可用度A变化是否超过其额定范围，如果超过额定范围，判定各工序故障率是影响生产线生产效率的因素，进一步确定A最大的各工序故障率作为优化参数，然后执行下一步；如果未超过额定范围，判定各工序故障率不是影响生产线生产效率的因素；
在各工序生产率范围内，按预设规则四调整各工序生产率数值，各工序节拍、工位数、故障率不变，加载变化后的生产参数，运行所述自动化生产线仿真模型，判断可用度A变化是否超过额定范围，如果超过额定范围，判定各工序生产率是影响生产线生产效率的因素，进一步确定可用度A最大时对应的各工序生产率数值作为优化参数；如果否，判定各工序生产率不是影响生产线生产效率的因素。
8.根据权利要求1-2、4-5、7之一所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述在关键段瓶颈工序两侧分别设置的缓存区容量相同。
9.根据权利要求8所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述获得不影响生产线生产效率的缓存区容量，包括如下步骤：
确定所述缓存区容量初值、变化规则，以及其范围；
在上述范围内按所述变化规则调整缓存区容量数值，各工序节拍、工位数、故障率、生产率均不变，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化，如果是，只调整关键段工序节拍，再次运行所述自动化生产线仿真模型，直到缓存区容量变化不会导致B变化为止，将此时的缓存区容量作为不影响生产线生产效率的缓存区容量。
10.根据权利要求9所述的基于缓存区容量计算的自动化生产线优化方法，其特征在于，所述调整缓存区容量以及关键段工序节拍，直到关键段可用度B与缓存区容量的线性比例小于额定值为止，包括如下步骤：
调整关键段工序节拍，重新确定影响生产线生产效率的因素的优化数值，加载包含所述优化数值的各工序生产参数，运行所述自动化生产线仿真模型，判断缓存区容量变化是否导致关键段可用度B变化；
如果否，进一步判断关键段可用度B与缓存区容量的线性比例是否小于20％，如果小于，判定此时的缓存区容量数值为缓存区容量最佳值；如果不小于，按所述变化规则调整缓存区容量，直到B与缓存区容量的线性比例小于20％为止；
如果是，再次调整关键段工序节拍，重复上述步骤，直到获得缓存区容量最佳值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910536111.7A CN110276126B (zh) | 2019-06-20 | 2019-06-20 | 基于缓存区容量计算的自动化生产线优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910536111.7A CN110276126B (zh) | 2019-06-20 | 2019-06-20 | 基于缓存区容量计算的自动化生产线优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110276126A CN110276126A (zh) | 2019-09-24 |
| CN110276126B true CN110276126B (zh) | 2023-04-07 |
Family
ID=67961143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910536111.7A Active CN110276126B (zh) | 2019-06-20 | 2019-06-20 | 基于缓存区容量计算的自动化生产线优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276126B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291467A (zh) * | 2020-01-13 | 2020-06-16 | 中船第九设计研究院工程有限公司 | 一种船舶管道生产线物流仿真结果分析及优化方法 |
| CN111900336A (zh) * | 2020-08-05 | 2020-11-06 | 华中科技大学 | 一种锂离子动力电池生产物流系统优化方法 |
| CN111898998A (zh) * | 2020-08-21 | 2020-11-06 | 北京机械设备研究所 | 基于缓冲区容量和工序节拍的生产线优化方法及装置 |
| CN113779782B (zh) * | 2021-08-29 | 2024-03-19 | 西北工业大学 | 考虑工件报废的装配线建模与性能评估方法 |
| CN113962470B (zh) * | 2021-10-29 | 2022-06-24 | 上海新科乾物联技术有限公司 | 一种基于扰动预测的优化排产方法和系统 |
| CN113835405B (zh) * | 2021-11-26 | 2022-04-12 | 阿里巴巴（中国）有限公司 | 用于服装车缝产线平衡决策模型的生成方法、设备及介质 |
| CN114253232B (zh) * | 2021-12-01 | 2023-05-26 | 中国电子科技集团公司第二十九研究所 | 一种生产线中加工工位的配置方法及系统 |
| CN114153187B (zh) * | 2022-02-09 | 2022-04-26 | 科大智能物联技术股份有限公司 | 针对柔性生产的优化排产方法、存储介质及设备 |
| CN116643547B (zh) * | 2023-07-27 | 2023-11-14 | 宁德时代新能源科技股份有限公司 | 生产系统的调控方法、生产系统、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886147A (zh) * | 2014-03-13 | 2014-06-25 | 西安工业大学 | 一种基于eM-Plant软件的动态作业车间调度仿真建模方法 |
| US9342063B1 (en) * | 2013-09-19 | 2016-05-17 | Amazon Technologies, Inc. | Determining capacities of work buffers |
| WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
| CN109711676A (zh) * | 2018-12-04 | 2019-05-03 | 三峡大学 | 一种考虑多因素影响下的关键链缓冲区缓冲量确定方法 |
-
2019
- 2019-06-20 CN CN201910536111.7A patent/CN110276126B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9342063B1 (en) * | 2013-09-19 | 2016-05-17 | Amazon Technologies, Inc. | Determining capacities of work buffers |
| CN103886147A (zh) * | 2014-03-13 | 2014-06-25 | 西安工业大学 | 一种基于eM-Plant软件的动态作业车间调度仿真建模方法 |
| WO2016169287A1 (zh) * | 2015-04-20 | 2016-10-27 | 海安县申菱电器制造有限公司 | 一种混流生产线产能分配方法 |
| CN109711676A (zh) * | 2018-12-04 | 2019-05-03 | 三峡大学 | 一种考虑多因素影响下的关键链缓冲区缓冲量确定方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于仿真的汽车发动机再制造生产线缓冲区容量优化;徐磊等;《成组技术与生产现代化》;20130628;第30卷(第02期);第10-15、20页 * |
| 基于多节点控制的柔性生产线缓冲容量建模与Witness仿真;宁方华等;《浙江理工大学学报》;20150110;第33卷(第01期);第62-66页 * |
| 考虑系统波动因素的DBR瓶颈缓冲区容量设置;徐云天等;《工业工程》;20141215;第17卷(第06期);第24-29页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110276126A (zh) | 2019-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110276126B (zh) | 基于缓存区容量计算的自动化生产线优化方法 | |
| CN111353656B (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
| CN111898998A (zh) | 基于缓冲区容量和工序节拍的生产线优化方法及装置 | |
| US20210073695A1 (en) | Production scheduling system and method | |
| CN110490405B (zh) | 一种变压器能效评估分析系统 | |
| CN117557078B (zh) | 一种基于时间节点的智能生产计划管理方法及系统 | |
| CN104200337A (zh) | 一种基于综合能耗判断的企业能源平衡方法 | |
| CN111626539B (zh) | 一种基于q强化学习的电网运行断面动态生成方法 | |
| CN113381417A (zh) | 一种配电网台区三相负荷不平衡优化方法、装置及终端 | |
| JP2003067550A (ja) | 経営シミュレーションシステム、経営シミュレーション方法及び経営シミュレーションプログラム | |
| CN103353895A (zh) | 一种配电网线损数据的预处理方法 | |
| Li et al. | Bottleneck identification and alleviation in a blocked serial production line with discrete event simulation: A case study. | |
| Li et al. | Multiobjective optimization of buffer capacity allocation in multiproduct unreliable production lines using improved adaptive NSGA-II algorithm | |
| CN112668850A (zh) | 一种基于dea算法的配电网台区投入产出分析方法 | |
| CN111291467A (zh) | 一种船舶管道生产线物流仿真结果分析及优化方法 | |
| Bai et al. | An OEE improvement method based on TOC | |
| CN110287272A (zh) | 一种可配置实时特征提取方法、装置及系统 | |
| Yu et al. | Supplier evaluation analysis based on AHP-entropy-TOPSIS method | |
| Lotfi | Implementing flexible automation: A multiple criteria decision making approach | |
| CN113408759A (zh) | 一种基于熵理论的分布式供能系统设备预防性维修方法 | |
| CN114021337A (zh) | 一种基于仿真的卷烟厂制丝车间储柜及工艺段状态预测方法 | |
| Zhao et al. | Research and application of genetic algorithm based on variable crossover probability | |
| CN110675027B (zh) | 基于公路工程三级清单的超计量控制方法 | |
| Xu et al. | Product family architecture evolution based on technology evolution theory of TRIZ | |
| Luo et al. | Learning effect and its applications in production, operation and maintenance: a literature review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |