CN110968057A - 一种解决智能制造车间多目标优化的规划方法 - Google Patents
一种解决智能制造车间多目标优化的规划方法 Download PDFInfo
- Publication number
- CN110968057A CN110968057A CN201911073290.1A CN201911073290A CN110968057A CN 110968057 A CN110968057 A CN 110968057A CN 201911073290 A CN201911073290 A CN 201911073290A CN 110968057 A CN110968057 A CN 110968057A
- Authority
- CN
- China
- Prior art keywords
- capacity
- product
- production
- workshop
- processing
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000000737 periodic effect Effects 0.000 claims description 16
- 238000002360 preparation method Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 244000241872 Lycium chinense Species 0.000 claims description 3
- 235000015468 Lycium chinense Nutrition 0.000 claims description 3
- 230000033764 rhythmic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012795 verification Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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] or 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] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种解决智能制造车间多目标优化的规划方法,包括如下步骤:首先,获取制造车间的生产产品的种类及各类产品加工工艺卡,并将每种产品的周期产能进行百分比换算,以获得每种产品的周期性产能比;其次,运用以目标产能为目标函数的设计计算方法,得到最优解;最后,对最优解进行仿真评估验证,形成制造车间智能车间前期对产能匹配、成本控制以及设备利用率优化的规划方案,本发明是为了克服传统车间进行智能化升级时所面临的问题,细化产能分析,提出了智能制造车间装配前期对产能匹配、成本控制以及设备利用率的优化解决方法,可为生产资源计划编制提供尽可能准确可靠的数据。
Description
技术领域
本发明涉及智能制造车间生产规划领域,具体的涉及使用一种解决智能制造车间多目标优化的规划方法。
背景技术
在企业对传统车间进行智能升级的过程中,需要对现有设备进行升级改造或者更换,但是受成本控制以及对产能提升的双向要求,我们需要对设备利用率和成本控制方面有一个数据可视化的严谨计算环节,所以提出了一种既可以解决车间智能升级又满足企业要求的规划方法。
目前,现有的车间设备匹配的方法,主要依靠设计人员前期的估算,已经不能满足智能车间生产数字化、精准化的需求,主要存在以下问题:
1.依靠设计人员设计的规划方法容易造成规划周期长、耗费成本高、规划效果准确性差以及资源浪费等问题。
2.在智能车间投产前,无法对智能车间的产能、系统成本以及设备利用率等性能进行有效准确的评估,从而难以保障实际生产的需求,所以需要一种更精确的解决智能车间前期对产能匹配、成本控制以及设备利用率的优化解决方法。
发明内容
本发明的目的是克服传统车间进行智能化升级时所面临的问题:生产产品数量多,种类复杂,生产工艺复杂;对车间工艺数据建模复杂,设备利用率不高;目标产能计算方法不精确的问题。
本发明为解决上述出现的问题所采用的技术方案是:解决智能车间前期对产能匹配、成本控制以及设备利用率优化的方法,该方法的实施步骤如下:
(1)获取制造车间的生产产品的种类及各类产品加工工艺卡,并将每种产品的周期产能进行百分比换算,以获得每种产品的周期性(一个生产周期,比如一个月)产能比系数。将产品的种类、产品加工工艺及每种产品周期性产能比采用P、δ和θ来表示:
(2)根据实际的生产需要,结合目标产能,计算预期的生产节拍,将目标产能、周期加工时长及车间预期的生产节拍采用Q预、T和t预表示:
则预期目标生产节拍t预为:
其中,Q预表示预期的目标产能;T表示一个生产周期总的加工时长;
t预表示预期的生产节拍;
m表示该道工序一次加工加工的零件数量。
(5)根据实际生产时间匹配生产产能,通过控制加工单元的数量计算实际生产的生产节拍t实,再按生产周期匹配生产产能Q实:
(6)经过上述过程生成的实际周期性产能与目标产能作对比,不满足智能制造车间规划时,要重新匹配加工设备的数量,直至达到预期的产能效果及良好的设备利用率为止。
(7)根据上述求解结果进行仿真评估,最后完成了智能车间前期规划的加工单元的数量、设备利用率及实际产能的规划目标。
本发明有益效果:
1、以目标规划产能为目标函数,以设备利用率为优化模型,相比于传统的基于人员经验的规划方式提供了一种智能化、数字化、可视化的产能匹配方法。
2、通过将规划的最优结果通过智能制造车间的加工单元数量的方式输出,提供了一系列与生产过程相关的数据信息,能够更高效的实现车间智能化管理与智能化作业。
附图说明
图1为本发明实施提供的一种解决智能制造车间多目标优化的规划方法流程示意图。
具体实施方式
下面结合发明实施例中的例图,对本发明实施例中的技术方案进行清楚、完整的描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
参照图1,本发明提供了一种解决智能车间前期对产能匹配、成本控制以及设备利用率的优化解决方法。首先,获取制造车间的生产产品的种类及各类产品加工工艺卡,并将每种产品的周期产能进行百分比换算,以获得每种产品的周期性产能比;其次,运用以目标产能为目标函数的设计计算方法,得到最优解;最后,对最优解进行仿真评估验证,形成制造车间智能车间前期对产能匹配、成本控制以及设备利用率优化的规划方案。
步骤如下:
(1)获取制造车间的生产产品的种类及各类产品加工工艺卡,并将每种产品的周期产能进行百分比换算,以获得每种产品的周期性(一个生产周期,比如一个月)产能比系数。将产品的种类、产品加工工艺及每种产品周期性产能比采用P、δ和θ来表示:
本实例中,该生产制造车间生产的产品种类数量为11种;1-4种产品加工需经33道工序,5-7种产品加工需经23道工序,8-11种产品加工需经27道工序;制造车间实际待加工的产品的周期性产能比为θi(i=1 2 3…11)。
(2)根据实际的生产需要,结合目标产能,计算预期的生产节拍,将目标产能、周期加工时长及车间预期的生产节拍采用Q预、T和t预表示:
则预期目标生产节拍t预为:
其中,Q预表示预期的目标产能;T表示一个生产周期总的加工时长;
本实例中,目标产能是根据预期投资及投资收回期为三年的预算结果,生产计划周期为一个月,周期性总时长为28×20(h)。
t预表示预期的生产节拍;
m表示该道工序一次加工加工的零件数量。
(5)根据实际生产时间匹配生产产能,通过控制加工单元的数量计算实际生产的生产节拍t实,再按生产周期匹配生产产能Q实:
(6)经过上述过程生成的实际周期性产能与目标产能作对比,不满足智能制造车间规划时,要重新匹配加工设备的数量,直至达到预期的产能效果及良好的设备利用率为止。
(7)根据上述求解结果进行仿真评估,最后完成了智能车间前期规划的加工单元的数量、设备利用率及实际产能的规划目标。
综上所述,本发明根据目标产能为目标函数建立成本、设备利用率优化函数模型,相比于传统的基于人员经验的规划方式提供了一种智能化、数字化、可视化的产能匹配标准,提高了计算的效率和计算结果的准确性,有效缩短了制造车间加工单元数量的规划工作的周期,通过对最优解进行仿真验证并以回转支承生产装配车间总体设备规划优化方案为输出,提供了一系列与生产过程相关的信息,能够更高效的实现车间智能化管理与智能化作业。
以上公开的仅为本发明的一个具体实施例,本发明实施例并非局限于此。本领域技术人员能思之的变化都应落入本发明的保护范围。
应当理解的是,这里所讨论的实施方案及实例只是为了说明,对本领域技术人员来说,可以加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (2)
1.一种解决智能制造车间多目标优化的规划方法,其特征在于:包括以下步骤:
(1)、获取制造车间的生产产品的种类及各类产品加工工艺卡,并将每种产品的周期产能进行百分比换算,以获得每种产品的周期性产能比系数,将产品的种类、产品加工工艺及每种产品周期性产能比系数采用P、和θ来表示;
(2)、根据实际的生产需要,结合目标产能,计算预期的生产节拍,将目标产能、周期加工时长及车间预期的生产节拍采用Q预、T和t预表示:
则预期目标生产节拍t预为:
其中,Q预表示预期的目标产能;T表示一个生产周期总的加工时长;
t预表示预期的生产节拍;
m表示该道工序一次加工加工的零件数量;
(5)根据实际生产时间匹配生产产能,通过控制加工单元的数量计算实际生产的生产节拍t实,再按生产周期匹配生产产能Q实:
(6)经过上述过程生成的实际周期性产能与目标产能作对比,不满足智能制造车间规划时,要重新匹配加工设备的数量,直至达到预期的产能效果及良好的设备利用率为止;
(7)根据上述求解结果进行仿真评估,最后完成了智能车间前期规划的加工单元的数量、设备利用率及实际产能的规划目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911073290.1A CN110968057B (zh) | 2019-11-05 | 2019-11-05 | 一种解决智能制造车间多目标优化的规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911073290.1A CN110968057B (zh) | 2019-11-05 | 2019-11-05 | 一种解决智能制造车间多目标优化的规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968057A true CN110968057A (zh) | 2020-04-07 |
CN110968057B CN110968057B (zh) | 2022-01-28 |
Family
ID=70030197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911073290.1A Active CN110968057B (zh) | 2019-11-05 | 2019-11-05 | 一种解决智能制造车间多目标优化的规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968057B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116087A1 (en) * | 2000-01-18 | 2002-08-22 | Dell Usa, L.P. | Method and apparatus for consolidating manufacturing of computing devices |
US20030150909A1 (en) * | 2001-12-28 | 2003-08-14 | Kimberly-Clark Worldwide, Inc. | Quality management by validating a bill of materials in event-based product manufacturing |
US20050119863A1 (en) * | 2003-08-07 | 2005-06-02 | Buikema John T. | Manufacturing monitoring system and methods for determining efficiency |
CN101788819A (zh) * | 2010-03-08 | 2010-07-28 | 清华大学 | 大规模生产过程一种基于迭代式分解和流松驰的调度方法 |
CN101939766A (zh) * | 2007-03-26 | 2011-01-05 | 艾克蒂夫普朗特公司 | 监控和量化自动化生产设备性能的系统和方法 |
CN102653694A (zh) * | 2011-03-02 | 2012-09-05 | 永昌生绿能科技有限公司 | 可移动式的制作固化成型产品的自动化系统与方法 |
WO2013123446A1 (en) * | 2012-02-16 | 2013-08-22 | Lazaris Spyros | A system and a method for generation. and transmission of electrical energy from renewable resources. |
CN109164762A (zh) * | 2018-07-12 | 2019-01-08 | 南京航空航天大学 | 一种制造系统的智能模块构建方法、制造系统以及制造方法 |
KR101990284B1 (ko) * | 2018-12-13 | 2019-06-18 | 주식회사 버넥트 | 음성인식을 이용한 지능형 인지기술기반 증강현실시스템 |
-
2019
- 2019-11-05 CN CN201911073290.1A patent/CN110968057B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116087A1 (en) * | 2000-01-18 | 2002-08-22 | Dell Usa, L.P. | Method and apparatus for consolidating manufacturing of computing devices |
US20030150909A1 (en) * | 2001-12-28 | 2003-08-14 | Kimberly-Clark Worldwide, Inc. | Quality management by validating a bill of materials in event-based product manufacturing |
US20050119863A1 (en) * | 2003-08-07 | 2005-06-02 | Buikema John T. | Manufacturing monitoring system and methods for determining efficiency |
CN101939766A (zh) * | 2007-03-26 | 2011-01-05 | 艾克蒂夫普朗特公司 | 监控和量化自动化生产设备性能的系统和方法 |
CN101788819A (zh) * | 2010-03-08 | 2010-07-28 | 清华大学 | 大规模生产过程一种基于迭代式分解和流松驰的调度方法 |
CN102653694A (zh) * | 2011-03-02 | 2012-09-05 | 永昌生绿能科技有限公司 | 可移动式的制作固化成型产品的自动化系统与方法 |
WO2013123446A1 (en) * | 2012-02-16 | 2013-08-22 | Lazaris Spyros | A system and a method for generation. and transmission of electrical energy from renewable resources. |
CN109164762A (zh) * | 2018-07-12 | 2019-01-08 | 南京航空航天大学 | 一种制造系统的智能模块构建方法、制造系统以及制造方法 |
KR101990284B1 (ko) * | 2018-12-13 | 2019-06-18 | 주식회사 버넥트 | 음성인식을 이용한 지능형 인지기술기반 증강현실시스템 |
Non-Patent Citations (1)
Title |
---|
田松龄 等: "一种异步蚁群算法求解柔性作业车间调度问题", 《天津大学学报(自然科学与工程技术版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110968057B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW202111618A (zh) | 生產排程系統及方法 | |
CN105388876B (zh) | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 | |
CN108108869A (zh) | 一种面向众创空间入驻企业项目的评估方法 | |
CN102183931A (zh) | 基于时间约束的机械加工生产过程优化调度方法 | |
JP4757729B2 (ja) | 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
CN111258984B (zh) | 工业大数据环境下的产品质量端-边-云协同预报方法 | |
CN104951590A (zh) | 模具设计与制造的知识服务系统及方法 | |
CN107194668A (zh) | 一种同型差异化配置服务器的组装标准工时计算方法 | |
CN115965154A (zh) | 一种基于知识图谱的数字孪生机械加工过程调度方法 | |
CN102521860A (zh) | 一种骨骼动画的实现方法 | |
CN113642236A (zh) | 一种面向多学科的数字孪生图网络建模方法 | |
CN110968057B (zh) | 一种解决智能制造车间多目标优化的规划方法 | |
CN110991938B (zh) | 多产品生产线的能耗计算方法 | |
CN101727098A (zh) | 生产周期目标测量方法及系统 | |
CN111832113A (zh) | 基于bim技术的铝合金模板配模方法 | |
CN104346441A (zh) | 一种配电网信息数据动态集成交互方法 | |
CN110322297A (zh) | 基于bp神经网络的中大型冲压模具报价预测方法 | |
CN109727065A (zh) | 一种钢铁企业的班组成本快速核算系统及方法 | |
CN113835964B (zh) | 基于小样本学习的云数据中心服务器能耗预测方法 | |
CN114859830A (zh) | 一种应用于工业生产的数字孪生系统 | |
CN108107848A (zh) | 一种基于最小空闲时间的流水线车间调度方法 | |
Yusof et al. | Computer aided process planning: a comprehensive survey | |
Zhang | Development of cost management and aided decision system for casting enterprises based on ERP | |
CN109032075A (zh) | 一种智能化钢结构备料方法及系统 | |
CN111127657A (zh) | 基于Unreal Engine引擎的虚拟制造方法及系统 |
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 |