CN114648199A - 用于处理工件的规划系统和方法 - Google Patents
用于处理工件的规划系统和方法 Download PDFInfo
- Publication number
- CN114648199A CN114648199A CN202111262565.3A CN202111262565A CN114648199A CN 114648199 A CN114648199 A CN 114648199A CN 202111262565 A CN202111262565 A CN 202111262565A CN 114648199 A CN114648199 A CN 114648199A
- Authority
- CN
- China
- Prior art keywords
- simulation
- workpiece
- order
- workpieces
- analysis
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000004088 simulation Methods 0.000 claims abstract description 477
- 238000004519 manufacturing process Methods 0.000 claims abstract description 336
- 230000009471 action Effects 0.000 claims abstract description 210
- 230000007704 transition Effects 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims description 172
- 238000013076 uncertainty analysis Methods 0.000 claims description 93
- 238000013179 statistical model Methods 0.000 claims description 36
- 239000002131 composite material Substances 0.000 claims description 32
- 230000036541 health Effects 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000005096 rolling process Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 48
- 238000003754 machining Methods 0.000 description 22
- 238000004140 cleaning Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000001960 triggered effect Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 8
- 230000007774 longterm Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 239000012636 effector Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000011179 visual inspection Methods 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
- 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
- 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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]
- G05B19/41875—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 quality surveillance of production
-
- 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]
- G05B19/4188—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 CIM planning or realisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- 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
-
- 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
- G05B2219/32301—Simulate production, process stages, determine optimum scheduling rules
-
- 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
- G05B2219/32304—Minimize flow time, tact, shortest processing, machining time
-
- 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
- G05B2219/32353—Use elementary control task, finite state machine and loop, inhibit, synchronisation connections
-
- 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
- G05B2219/32361—Master production scheduling
-
- 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
- G05B2219/32364—Simulate batch processing
-
- 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
- G05B2219/32365—For resource planning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
用于处理工件的规划系统和方法。提供了一种模拟对工件的处理的规划系统,该规划系统包括模拟管理器,该模拟管理器被配置成接收制造单元的软件模型,该软件模型包括用于对工件执行定时动作的状态机。将模拟管理器配置成执行以下步骤:创建软件模型的实例以及模拟控制器的实例;确定要由状态机执行的下一定时动作;将该模拟递增至下一定时动作;每当状态机执行定时动作时就对软件模型和模拟控制器进行更新,并且记录与该定时动作相关联的状态转变;以及重复确定下一定时动作的步骤、递增模拟的步骤以及对软件模型和模拟控制器进行更新的步骤,直到已经处理了全部工件为止。将模拟管理器配置成,输出用于处理工件次序的模拟完成时间。
Description
技术领域
本公开总体上涉及制造系统,更特别地,涉及用于在制造单元中处理工件的规划系统。
背景技术
工厂或生产厂固有地包括用于处理工件或部件的有限量工厂资源。工厂资源可以包括技术人员(例如,员工)和自动化设备。工件的处理可以包括:用原材料创建工件,和/或对前体工件执行处理操作,诸如机械加工、钻孔以及修整操作。处理另外可以包括在制造周期期间或之后清洁和/或检查工件。
常规的工厂通常被配置为单个程序的高速线性生产,其中,工厂资源被配置成针对相同的工件配置以相同顺序来执行预定的一组操作。当工件在经历其它操作(例如,检查)之前必须等待执行某些操作(例如,机械加工)时,这种布置可能导致某些工厂资源的利用率不足,并且这可能导致低生产量。对于单个程序的低速或中速生产,与安装、操作以及维护工厂资源相关联的成本可能过高。为了处理需要相同类型操作的不同的工件配置,以线性顺序处理工件可能导致工厂资源的利用率不足。
可以看出,现有技术中需要一种这样的系统和方法,即,该系统和方法用于以避免工厂资源的利用率不足的方式来调度工件的处理,并且有助于作出诸如资源需求和工厂布局的设计决定。理想情况下,该系统能够调度工厂资源以用于针对多个低速或中速生产程序并行处理工件,以及用于以非线性顺序处理不同的工件配置。
发明内容
与制造系统相关联的上述需求具体通过本公开来寻求解决和减轻,本公开提供了一种模拟制造单元对工件的处理的规划系统。该规划系统包括生产利用率规划器(PUP)核心,该PUP核心具有模拟和分析模块,该模拟和分析模块具有处理器和存储指令的存储器,该指令在由处理器执行时,使模拟和分析模块执行为模拟管理器。将模拟管理器配置成接收模拟管理器输入,该模拟管理器包括制造单元的软件模型。软件模型具有包括多个状态机和多个作业物件(work article)的模型组件。将状态机中的各个状态机配置成对作业物件执行一个或更多个定时动作,并且各个状态机分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变。作业物件包括工件,各个工件皆具有工件配置。还将模拟管理器配置成,接收生产配置,该生产配置包括要由制造单元处理的工件的列表,各个工件皆具有在软件模型中定义的工件配置中的一个工件配置。
将模拟管理器配置成,经由状态机通过执行以下步骤来执行对按工件次序(workpiece order)排列的工件的处理的模拟分析:在模拟开始时,创建软件模型的实例以及模拟控制器的实例。模拟控制器具有预编程规则集,该预编程规则集用于确定对工件次序中的工件执行定时动作的次序(order)。该模拟分析还包括:经由模拟控制器确定要由状态机执行的下一定时动作;将模拟递增至下一定时动作;以及每当所述状态机中的一个状态机执行定时动作时就对软件模型和所述模拟控制器进行更新,并且记录与定时动作相关联的状态转变。另外,该模拟分析包括重复以下步骤,直到已经处理了工件次序中的全部工件为止:确定下一定时动作的步骤、递增模拟的步骤、以及对软件模型和模拟控制器进行更新的步骤。将模拟管理器配置成,输出用于处理工件次序的模拟完成时间以及在工件次序的处理期间记录的各个状态机的状态转变的状态转变日志。
还公开了一种与上升规划系统类似地配置的规划系统,并且其中,该状态机包括作业者(worker)、工件工位(station)以及自动化地面载具(AGV),并且该作业物件包括工件以及用于支承该工件的托盘。作业者包括一个或更多个技术人员和/或一个或更多个机器人装置。由作业者执行的定时动作包括当将托盘加载到工件工位上时对该工件进行操作。由AGV执行的定时动作包括在工件工位之间运输托盘。
除了上述规划系统之外,还公开了一种模拟制造单元对工件的处理的方法。所述方法包括以下步骤:在生产利用率规划器(PUP)核心的模拟管理器中,接收模拟管理器输入,该模拟管理器输入包括制造单元的软件模型。软件模型具有包括多个状态机和多个作业物件(work article)的模型组件。将状态机配置成对作业物件执行一个或更多个定时动作,并且各个状态机分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变。该作业物件包括工件,各个工件皆具有工件配置。还将模拟管理器配置成,接收生产配置,该生产配置包括要由制造单元处理的工件的列表,各个工件皆具有在软件模型中定义的工件配置中的一个工件配置。
所述方法包括以下步骤:经由模拟管理器,通过在模拟开始时创建软件模型的实以及模拟控制器的实例,来模拟对按工件次序排列的工件的处理。模拟控制器具有预编程规则集,该预编程规则集用于确定对工件次序中的工件执行定时动作的次序(order)。所述方法还包括以下步骤:经由模拟控制器确定要由状态机执行的下一定时动作;将模拟递增至下一定时动作;以及每当所述状态机中的一个状态机执行定时动作时就对软件模型和所述模拟控制器进行更新,并且记录与定时动作相关联的状态转变。所述方法另外包括以下步骤:重复确定下一定时动作的步骤、递增模拟的步骤以及对软件模型和模拟控制器进行更新的步骤,直到已经处理了工件次序中的全部工件为止。而且,所述方法包括以下步骤:输出用于处理工件次序的模拟完成时间以及在工件次序的处理期间记录的各个状态机的状态转变的状态转变日志。
已经讨论的特征、功能以及优点可以在本公开的各种示例中独立地实现,或者可以在其它示例中进行组合,这些特征、功能以及优点的进一步细节可以参照下面的描述和附图而得以了解。
附图说明
参照附图,本公开的这些和其它特征将变得更加显而易见,其中贯穿全文,相同的标号指示相同的部分,并且其中:
图1是用于模拟制造单元对工件的处理的规划系统的框图;
图2是用于处理工件的制造单元的示例的立体图;
图3是制造单元的平面图,例示了被安装在机械加工子单元和检查子单元内的机器人装置,并且还例示了用于将工件运输至工件工位和从工件工位运输工件的自主地面载具(AGV);
图4是运输托盘并接近机械加工子单元的入口的AGV的示例的立体图;
图5是机械加工子单元的示例的立体图,其中顶部被移除以例示被安装在机械加工子单元内的一对机器人装置,并且例示了最接近各个机器人装置定位的一对工件工位;
图6是机械加工子单元中的机器人装置的示例的立体图,该机器人装置对被支承在托盘上的工件进行操作,该托盘被安装在所述工件工位之一处的工位框架上;
图7是在所述工件工位之一处被安装至制造单元的地板的工位框架的立体图;
图8是在工件工位处被安装至工位框架的托盘的立体图;
图9是AGV的示例的立体图,该AGV具有一对叉具,该对叉具被示出插入托盘的一对叉具管中,以准备在工件工位处将托盘从工位框架升起;
图10是图1的规划系统的工厂利用率规划器(plant utilization planner(PUP))核心的框图;
图11是PUP核心的模拟和分析模块的框图;
图12是包含状态机和作业物件的制造单元的软件模型的框图;
图13是模拟和分析模块的模拟管理器的框图;
图14是针对模拟制造单元处理工件次序的模拟时间与完成的作业(定时动作)的关系的曲线图,并且例示了统计模型的工件次序的最佳情况完成时间的标绘图、工件次序的全运行模拟的标绘图以及终止工件次序的模拟的标绘图,并且还例示了超过阈值后终止模拟的该阈值的标绘图;
图15是模拟和分析模块的批量分析工具的框图;
图16是模拟和分析模块的不确定性分析工具的框图;
图17是模拟和分析模块的控制器分析工具的框图;
图18是PUP核心的健康监测模块的差异搜寻器(discrepancy hunter)的框图;
图19是健康监测模块的错误预测器的框图;
图20A和图20B示出了规划系统的用户界面的工厂显示画面的示例,用于指示制造单元的状况和性能;
图21是模拟制造单元对工件的处理的方法的流程图。
具体实施方式
现在参照例示了本公开的优选和各种示例的附图,图1示出了用于模拟工厂(未示出)的制造单元400(例如,图2至图3)对多个工件452(图6)的处理的规划系统100的框图。目前所公开的规划系统100对采用多种不同的制造单元配置和/或工厂配置中的任一配置的工件处理进行模拟,并且不限于对图2至图9所例示的制造单元中的工件处理进行模拟。规划系统100提供了用于确定为完成对工件次序中的全部工件452的处理所需的总时间量(即,完成时间)的装置。制造单元400包括用于处理多个工件452的作业者258(图3和图12)。作业者258包括如下所述的人类作业者(例如,技术人员260,见图3)和/或机械作业者(例如,机器人装置262,见图3)。规划系统100包括生产利用率规划器(PUP)核心102,并且可以包括一个或更多个用户界面120,以允许用户170(即,人)与PUP核心102交互并且监测制造单元400的操作。规划系统100提供了用于优化制造单元400处理多个工件452的次序(即,工件次序)的能力。通过优化工件次序,避免了作业者258(即,工厂资源)的利用率不足,这使得制造单元400的生产量增加。
用于模拟工件处理的能力有助于评估改变对制造单元400的配置的影响的能力。例如,用于模拟工件处理的能力是帮助设计者作出关于生产设备(例如,托盘442、工位框架440、机器人装置262、自动化地面载具420等,见图2至图3)的采购的决定、关于作业者258(例如,技术人员260、机器人装置262等)的地板布局的决定、以及关于工厂扩展的决定。另外,规划系统100提供了用于预测添加新工件配置以用于现有制造单元400进行处理的影响的装置。在这点上,规划系统100使得能够调度多个低速至中速生产程序使用共享作业者58来并行处理工件452。此外,在这点上,规划系统100使得能够调度以非线性顺序处理不同的工件配置,包括短持续时间生产运行。
参照图2至图9,示出了制造单元400的示例,这被包括在本公开中以提供用于描述规划系统100的操作的背景。制造单元400可以是工厂的一部分,并且包括多个工件工位270,各个工件工位皆被配置成支承一个或更多个工件452。制造单元400还包括一个或更多个自主地面载具(AGV 420,见图3),这些AGV被配置成自主地(即,无需人为干预)将工件452运输至工件工位270并从工件工位270运输工件452。工件452被支承在托盘442上,并且由AGV 420来运输。
工件工位270可以包括进给工位272和缓冲工位274。另外,工件工位270包括如图2至图3所示的处理工位276。各个工件工位270皆被配置成支承一个或更多个工件452。在一些示例中,工件工位270皆可以包括工位框架440(图7),该工位框架被配置成支承托盘442(图8),该托盘又支承一个或更多个工件452(图6),如下文更详细地描述的。进给工位272中的各个进给工位皆被配置成支承至少一个工件452以进入制造单元400。工件452(和托盘442)可以经由手动叉车操作者180(图1)从仓库(storage)移动,并加载到进给工位272上。工件452由AGV 420捡起并运输至处理工位276,在该处理工位处,由作业者258(例如,技术人员260或机器人装置262)根据针对工件452所定义的预定处理操作来操作该工件452。在制造单元400已经完成针对工件452所定义的所有处理操作之后,AGV 420可以将工件452返回至进给工位272之一,此后,可以将工件452(和托盘442)从进给工位272(例如,手动地、经由叉车)移除并放回仓库中,或者运输至工厂中的另一位置以进一步处理工件452。制造单元400可以包括一个或更多个缓冲工位274,这些缓冲工位用于在工件452的处理之间临时支承工件452或托盘442中的任一者。
如上提及,制造单元400包括多个处理工位276,各个处理工位皆是最接近作业者258定位的。如图5所示,制造单元400的机器人装置262中的一些机器人装置包括至少两个处理工位276,所述至少两个处理工位276包括第一处理工位278和第二处理工位280。第一处理工位276和第二处理工位278皆被配置成将工件452支承在相对于作业者258的固定位置。例如,各个处理工位276皆将托盘442中的任一者支承在相对于机器人装置262的固定位置,以使机器人装置262能够对被支承在托盘442上的工件452进行操作。在本公开中,将机器人装置262描述为能够在将工件452支承在处理工位276时对该工件自主地执行一个或更多个操作的任何装置、机器、装配装置(assembly)、系统、子系统和/或任何类型的设备。在这点上,机器人装置262不限于具有一个或更多个机器人臂264的装置(例如,图6)。
参照图3至图4,如上提及,制造单元400包括用于在工件工位270之间运输工件452的任何数量的AGV 420。在所示示例中,各个AGV 420皆被配置成在工件工位270之间运输托盘442。然而,在未示出的其它示例中,可以将AGV 420配置成运输未由托盘442支承的工件452。将各个AGV 420描述为被编程为沿着预定的AGV路线424对制造单元400的机器人载具进行导航。AGV路线424是由多个路段426组成的。单独AGV 420沿着AGV路线424的移动是由AGV软件模块(未示出)来控制的。AGV 420在工件工位270之间的移动的定时和次序的调度可以由目前所公开的规划系统100来进行模拟,以达到导致工件452的高生产量的工件处理调度。
有利地,将制造单元400配置成,按以下方式来协调AGV 420和机器人装置262的操作:使各个机器人装置262能够在该机器人装置262的第一处理工位278处对工件452连续操作,同时AGV 420将另一工件452(例如,被支承在托盘442上)转移到同一机器人装置262的第二处理工位280上或从该第二处理工位转移走。在这点上,当AGV 420在第二处理工位280处加载或卸载工件452(例如,经由托盘442)时,机器人装置262的机器人臂264(图6)继续移动和/或使机器人装置262的末端执行器266(图6)继续对第一处理工位278处的工件452操作。机器人装置262在工件452被加载或卸载的同时继续操作的能力增加了机器人装置262的利用率并提高了生产量。
参照图2至图6,制造单元400可以包括一个或更多个子单元,这些子单元用于对工件452执行多种不同工序中的任一种。在图2至图3所示的示例中,制造单元400包括:机械加工子单元402、检查子单元404以及清洁子单元406。这些子单元中的任一个或更多个子单元均可以包括用于对工件452执行操作的一个或更多个机器人装置262。例如,图4至图6示出了机械加工子单元402的示例,该机械加工子单元具有安装在直线轨道系统268上的一对机器人装置262,该直线轨道系统用于扩展各个机器人装置262的作业包络。将机械加工子单元402中的机器人装置262配置为机械加工、修整、钻孔、打磨或者执行其它类型的操作。检查子单元404包括一个或更多个机器人装置262,这些机器人装置用于诸如在机械加工之后和/或在清洁工件452之后检查工件452的尺寸。
除了具有机器人装置262的子单元之外,制造单元400还可以包括由技术人员260(即,人)而不是机器人装置262操作的一个或更多个子单元。由技术人员260操作的各个子单元皆包括用于支承工件452的一个或更多个处理工位276。例如,图2至图3所示的清洁子单元406具有并排设置的两个清洁室408。各个清洁室408皆由技术人员260来操作,并且包括用于支承托盘442的处理工位276,在该托盘上安装有要由技术人员260进行清洁或清洗的一个或更多个工件452。尽管在机械加工子单元402、检查子单元404以及清洁子单元406的背景下示出并描述了制造单元400,但是制造单元400可以包括多种不同类型的子单元中的任一者,并且不限于图中所示的子单元。制造单元400可以具有用于执行附加的手动处理(诸如工件452的去毛刺、工件452的视觉检查以及其它手动操作)的子单元(未示出)。在其它示例中,制造单元400可以没有子单元。
参照图6至图9,制造单元400可以包括在各个工件工位270处的工位框架440,如图7所示。各个工位框架440皆可以被可拆卸地安装至制造单元400的地板上。如图8所示,各个工件工位270处的工位框架440被配置成从AGV 420接收托盘442。如图6所示,可以将工件452支承在工件安装夹具446上,该工件安装夹具被紧固或以其它方式固定地附接至托盘442。各个工件安装夹具446皆具有安装表面447,该安装表面的外形可以与工件452的外形互补。安装表面447可以包含以流体方式与真空压力源(未示出)联接的多个孔448,这些孔用于以真空方式将工件452联接至安装表面447,以防止工件452在由作业者258操作时和由AGV 420运输时发生移动。
参照图9,示出了在工件工位270处AGV 420接合被支承工位框架440上的托盘442的示例。在所示示例中,AGV 420具有可竖直移动的一对AGV叉具422。该AGV叉具422被示出为插入托盘442的一对叉具管444中,用于将托盘442抬高并下放到工位框架440以及将托盘抬高并离开工位框架。在另选示例中,可以将AGV420配置为无叉具式AGV(未示出),各个AGV皆具有低外形以使AGV能够在工位框架440下方移动,然后向上抬高以将托盘442从工位框架440升起,接着将托盘442平移离开工位框架440并朝着另一工件工位270移动。
在描述示例机械加工单元400之后,现在返回参照图1,将更详细地描述目前所公开的规划系统100。规划系统100包括上述PUP核心102,并且可以包括以通信方式联接至PUP核心102的多个用户界面120。用户界面120便于用户将模拟参数204(图13)输入到模拟和分析模块104中,并且还便于用户输入作业者时间表,以及用户输入在生产配置190(图13)中列出的工件452(图12)的可用日期和完成日期,该生产配置190被描述为在预定时段(例如,一天、8小时的班次(shift)等)期间要由制造单元400处理的全部工件452的列表。如下面更详细地描述的,将用户界面120配置成显示要由作业者258(例如,技术人员260和机器人装置262,见图2至图3)执行的即将到来的任务,并且可以生成制造单元400在运行期间的潜在健康问题的警告。另外,用户界面120显示基于与制造单元400的实时性能的差异所提议的对软件模型250(图10)的建模参数的改变;以及便于用户调节建模参数以更好地反映制造单元400的实时性能。
在所示示例中,用户界面120可以包括:工程界面122、生产控制界面124、单元领导(cell lead)界面126、工艺工位(process station)界面128、移动界面130和/或工厂显示画面140。工程界面122允许工程用户172(例如,程序员)输入用户输入以建立用于处理按特定次序(即,工件次序)排列的多个工件452的模拟。工程界面122允许工程用户172在运行模拟时选择要使用的配置文件。配置文件驻留在PUP核心102的配置数据模块200中的配置文件夹202中。配置文件包括定义待模拟的工件452和制造单元400的数据。例如,配置文件夹202可以包含分别定义以下项的单独的配置文件:作业者258(图2至图3)、工位布局、托盘442(图2至图3)、工件452(图2至图3)、要对各个工件452执行的工艺(即,定时动作)和各个定时动作的持续时间、AGV 420的定义、AGV路线424(图3)、路段426(图3)、沿着AGV路线424的AGV运送(transit)时间以及模拟参数204(图13)。
作业者文件(未示出)描述制造单元400的人类作业者(例如,技术人员260)和机器作业者(例如,机器人装置262)。作业者258的描述(图2至图3)包括各个作业者258在制造单元400中如何行动的描述。例如,作业者文件描述了要由各个作业者258执行的作业的类型(即,定时动作),以及为执行各个定时动作所需的时间量。作业者文件还包括各个作业者258的计划停机时间的描述,诸如技术人员260的计划休息时间,和/或机器人装置262、AGV420以及其它设备的例行计划维护。以这种方式,模拟可以确定何时向各个作业者258指派任务,以及何时考虑各个作业者258的计划停机时间。除了定义为执行各个定时动作所需的时间量之外,作业者文件还定义了为执行各个定时动作所需的时间量的预期最大可变性(例如,以百分比表达)。如下所述,在不确定性分析中使用定时动作的最大可变性来评估对工件次序的模拟的鲁棒性。
工位布局文件(未示出)包含充分描述制造单元400中的各个工件工位270(图2至图3)的特性。例如,工位布局文件按照X坐标和Y坐标定义各个工件工位270的相对位置。工位布局文件还定义了在各个工件工位270处发生的作业类型,以及AGV 420将工件452(或托盘442)转移到各个工件工位270上或者从各个工件工位270转移走所需的时间量。此外,工位布局文件定义了各个转移时间(transfer time)的预期最大可变性。
AGV文件(未示出)定义对于模拟重要的AGV特性。例如,对于各个AGV 420(图2至图3),AGV文件定义了AGV 420的电池寿命、当AGV 420静止时AGV电池的放电速率、当AGV 420在运送中时的放电速率、以及各个AGV 420每天或每班次的开始和结束的位置。路段文件(未示出)包含制造单元400的地板地图中的各个直线路段426(图3)的端点的X坐标和Y坐标,以及AGV 420行进各个路段426所需的时间量。AGV路线文件(未示出)描述了为了从一个工件工位270(图2至图3)移动至另一个工件工位270,AGV 420必须行进的路段426。工件文件(未示出)定义了当各个工件452处于制造单元400中时要对该工件执行的工艺(例如,定时动作),以及为执行各个定时动作所需的时间量。托盘文件(未示出)描述了可以将哪些工件452安装在各个托盘442上。
模拟参数文件(未示出)包含用于使用PUP核心102执行模拟的全部选项。例如,模拟文件可以包括用于选择要运行的模拟类型的下拉菜单。用于模拟类型的选项包括:执行工件次序的单个模拟(图13)、执行多个工件次序的批量分析(图15)、执行用于评估定时动作的持续时间中的变化的影响的不确定性分析(图16)、或者根据配置文件执行模拟。除了为要运行的模拟类型提供选项之外,模拟文件还向用户170提供了选择使用哪个模拟控制器206来运行模拟的能力。如下所述,各个模拟控制器206皆具有预编程规则集,该预编程规则集用于确定对工件次序中的工件452执行定时动作的次序。模拟文件还向用户170提供了以下能力:选择要进行模拟的工件次序的量、模拟的最大运行时间、用于区分好的工件次序(即,短的完成时间)与差的工件次序(即,长的完成时间)的完成时间阈值,以及多种其它模拟参数204(图13)。
仍参照图1,规划系统100可以包括生产控制界面124,该生产控制界面用于向生产控制者174(即,人)提供与PUP核心102界面连接的能力。例如,生产控制界面124允许生产控制者174使用web应用194(本文中被称为web app 194(图10))来上载作业描述列表(JDL)和例外列表。JDL可以被描述为完整的工厂级调度文档,其列出了正在经历工厂的每一个工件452以及必须对各个工件452执行的所有工艺。此外,JDL指示工厂内各个工艺的状况(即,各个工艺的计划/实际开始日期,以及各个工艺的计划/实际结束日期)。如果JDL包含已知的不准确度,则例外列表向生产控制者174提供覆盖JDL的能力。一旦经由web app194将JDL上载至PUP核心102,PUP核心102就解析JDL和例外列表以生成生产配置190。
将PUP核心102配置成,经由JDL确定工厂中的各个工件452的当前状况,以生成各个工件452何时准备好进入制造单元400的估计。例外,PUP核心102检查在各个工件452经过制造单元400之后要对该工件执行的工厂工艺的计划开始日期,以确定由制造单元400必须完成各个工件452时的日期和/或时间。将生产控制界面124配置成,允许生产控制者174审查和批准生产配置190,并且还允许生产控制者174命令PUP核心102开始对生产配置190的模拟,从而产生长期建造规划(build plan)。长期建造规划包含生产配置190中的全部信息,并且另外包括所估计的各个工件452进入制造单元400的进入日期/时间和各个工件452离开制造单元400的离开日期/时间。生产控制界面124允许生产控制者174批准供下面描述的单元领导界面126使用的长期建造规划。另外,生产控制界面124充任与PUP核心102的下述健康监测模块318和硬件接口模块210的界面连接,并且另外提供了在工件452的生产配置190的处理期间在制造单元400中发生的操作的现场视图(例如,图20A和图20B)。
规划系统100可以包括单元领导界面126,该单元领导界面用于向单元领导者(cell leader)176(例如,人)提供查看和批准每日建造规划的能力,这是过滤长期建造规划以仅包括在给定时段(例如,一天、一个班次等)期间要由制造单元400处理的工件452的结果。更具体地,每日建造规划是在预定时段(例如,一天、一个班次等)期间计划由制造单元400处理的全部工件452的列表,以及所估计的各个工件452进入制造单元400的进入日期/时间和各个工件452离开制造单元400的离开日期/时间。单元领导界面126还向单元领导者176提供了以下能力:通过去除特定工件452并将此类工件452(例如,托盘442)重新定位(即,缓冲(bumping))到时间表的后面来修改每日建造规划,从而产生经修改的生产配置。将所得的经修改的生产配置发送至PUP核心102用于进行模拟,以生成具有经优化的工件次序的新的每日建造规划。单元领导界面126还允许单元领导者176向硬件接口模块210发送经批准的每日建造规划。
单元领导界面126用作与PUP核心102的PUP数据库110、健康监测模块318以及硬件接口模块210的界面连接。单元领导界面126显示制造单元400的物理组件的状况,并且还显示在运行期间物理组件的性能度量。另外,单元领导界面126可以在工件次序的处理期间提供制造单元400的现场视图(例如,图20A和图20B)。单元领导者176可以负责制造单元400的每日运行。如上提及,以生产控制者174的批准为条件,单元领导者176可以具有改变某些工件452由制造单元400处理的次序(例如,从每日建造规划中缓冲工件452)的能力。单元领导者176还可以参与协助与制造单元400的运行相关联的某些手动任务,诸如协助将工件452加载到进给工位272上和从进给工位272上卸下。
规划系统100可以包括工艺工位界面128,该工艺工位界面用于向各个机器人工艺操作者178提供与健康监测模块318和硬件接口模块210界面连接的能力。类似于生产控制界面124和单元领导界面126,工艺工位界面128向机器人工艺操作者178提供在制造单元400中发生的操作(包括机器人装置262(图2至图3)的操作)的现场视图。规划系统100还可以包括移动界面130,该移动界面向手动叉车操作者180提供与硬件接口模块210界面连接的能力。移动界面130包括计划由各个手动叉车执行的即时任务的显示画面。例如,移动界面130示出了叉车的即将到来的目的地(例如,仓库)以及要在该位置取回的工件452或托盘442。而且,移动界面130示出了手动操作的叉车的下一目的地,以及工件452或托盘442应当被递送的位置。另外,移动界面130指示当前被加载在手动操作的叉车上的工件452或托盘442的标识。规划系统100还包括工厂显示画面140(例如,图20A和图20B),该显示画面用作与健康监测模块318和硬件接口模块210的界面连接,并且向一个或更多个用户172提供监测制造单元400的状况和性能的能力。
仍参照图1,规划系统100包括上述PUP核心102。如上所述,PUP核心102包括由包含上述配置文件的配置文件夹202组成的配置数据模块200。另外,PUP核心102包括模拟和分析模块104,该模拟和分析模块包含用于模拟制造单元400的算法。如下面更详细地描述的,模拟和分析模块104包括模拟管理器220,该模拟管理器用于评估工件452的排序(即,工件次序)对工件次序的完成时间的影响。另外,模拟和分析模块104提供用于估计定时动作的持续时间中的不确定性对工件次序的完成时间的影响的装置。而且,模拟和分析模块104向用户170提供评估单独模拟控制器206对处理工件次序的完成时间的影响的能力,如下所述。在完成制造单元400的一个或更多个模拟之后,模拟和分析模块104针对给定工件次序输出头等执行(top-performing)工件次序。在生产配置190中,头等执行工件次序具有用于处理每一个工件452的最短完成时间。
规划系统100包括硬件接口模块210,该硬件接口模块以通信方式将PUP核心102联接至制造单元400。硬件接口模块210经由共享控制数据库212和共享状况数据库214而充任PUP核心102与制造单元400之间的软件链路。硬件接口模块210从PUP核心102向制造单元400传送工件次序,并且根据用户命令来开始工件次序的生产,如下所述。另外,硬件接口模块210提供制造单元400的物理组件(例如,机器人装置262、工件工位270、工位框架440、AGV420、自动化设备等)所需的输入,用于执行处理工件452所需的全部操作。而且,硬件接口模块210提供用于输入控制工件452移动通过制造单元400的方式的参数的装置。另外,如上提及,硬件接口模块210连续地询问制造单元400关于物理组件的控制参数的实时数据,并且主动地捕获和记录此类数据。将该数据馈入PUP核心102并由PUP核心102进行处理,以允许模拟控制器206基于制造单元400的当前状态作出决定。硬件接口模块210还传送对由PUP核心102生成的控制命令的更新。
如图1所示,如上提及,规划系统100可以包括如下更详细描述的健康监测模块318。将健康监测模块318配置成,监测制造单元400的性能,并且预测和/或防止不然会导致生产停止的故障。将来自健康监测模块318的数据用于更新软件模型250的一个或更多个建模参数,以提高模拟的准确度。规划系统100还包括PUP数据库110,该PUP数据库用于跟踪描述制造单元400对工件452的处理的信息。另外,PUP数据库110保存某些事件的历史,诸如生产配置190、建造规划以及对软件模型250的建模参数的改变。
参照图10,示出了具有上面提及的模拟和分析模块104的PUP核心102的示例。此外,PUP核心102包括:制造单元400的软件模型250、控制器库314、基于先前模拟的统计模型230以及上面提及的硬件接口模块210和健康监测模块318。模拟和分析模块104包括模拟管理器220,并且另外包括:批量分析工具290、不确定性分析工具300以及控制器分析工具310,如下所述。
参照图11,示出了模拟和分析模块104的示例,该模拟和分析模块具有处理器106以及存储指令的存储器108,该指令在由处理器106执行时,使模拟和分析模块104执行为模拟管理器220。另外,存储器108中的指令的执行使得模拟和分析模型执行为批量分析工具290(图15)、不确定性分析工具300(图16)和/或控制器分析工具310(图17),下面详细描述各个工具。
参照图12,示出了制造单元400的软件模型250的示例的框图。软件模型250是由被配置成表示制造单元400的物理组件的模型组件252组成的。软件模型250的模型组件252包括一个或更多个状态机256和/或一个或更多个作业物件450。各个状态机256皆被配置成对作业物件450执行一个或更多个定时动作。在一个示例中,状态机256包括:作业者258、工件工位270、AGV 420,并且可以包括其它自动化设备。作业物件450包括工件452,并且还包括用于支承工件452的托盘442。各个工件452皆具有在工件文件中定义的工件配置。如上提及,托盘文件描述了可以将哪些工件452安装在各个托盘442上。
作业者258包括技术人员260(例如,人类作业者)和/或机器人装置262(例如,机器作业者),如图2至图3所示。由作业者258执行的定时动作包括当将工件452加载到工件工位270上时对该工件452进行操作。如上提及,作业者文件描述了由各个作业者258执行的定时动作,以及为执行各个定时动作所需的时间量。工件文件定义了当各个工件452处于制造单元400中时需要对该工件执行的定时动作的类型,以及必须对各个工件452执行的定时动作的次序。定时动作的示例包括:由机械加工子单元402(图2)中的机器人装置262执行的机械加工操作、由清洁子单元406(图2)中的技术人员260执行的清洁操作、和/或由检查子单元404(图2)中的机器人装置262执行的检查操作。
由AGV 420执行的定时动作包括在工件工位270(图2至图3)之间(包括在处理工位276、缓冲工位和/或进给工位272之间)自主地运输工件452(例如,经由托盘442)。各个AGV420是由制造单元控制器(未示出)命令以在不同的工件工位270处捡起和放下工件452。软件模型250包括可以由所有AGV 420共享的运送地图(transit map)模块254。将运送地图模块254用于确定在制造单元400内的不同工件工位270之间的运送时间(transit time)。另外,运送地图模块254跟踪单独路段426何时处于使用中以避免AGV 420之间的冲突。还将运送地图模块254配置成,当确定AGV 420在工件工位270之间的总运送时间时考虑AGV 420的移动中的避碰暂停。
制造单元400和软件模型250可以包括沿着AGV路线424(图3)的一个或更多个空闲工位428(图3)。将各个空闲工位428定义为AGV 420可以过去对AGV电池进行再充电的位置。在制造单元运行期间,如果AGV 420在AGV电池完成充电之后当前没有新的指派,则AGV 420可以在空闲工位428处等待,直到指派了新的任务为止。
仍参照图12,各个状态机256分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变。例如,作业者258具有四种可能的状态,包括“空闲”、“作业”、“停机”以及“不活动”。在“空闲”状态下,作业者258当前未处于动作中,并且可以准备开始对被安装在其工件工位270之一处的工件452的新操作。在“作业”状态下,作业者258正在进行对工件452的操作。在“停机”状态下,作业者258可能出于例行理由而停机,诸如例行维护、清洁或工具(例如,末端执行器)更换。在“不活动”状态下,由于意外事件(诸如作业者258(例如,机器人装置262)的故障或者由于紧急停止,作业者258是不可操作的。
各个作业者258还具有状态之间的状态转变。例如,作业者258具有“开始作业”的状态转变,这表示作业者258从“空闲”到“作业”的转变,并且这可以在从AGV420接收到工件452时由工件工位270进行触发。作业者258还具有“开始停机时间”的状态转变,这表示作业者258从“空闲”到“停机”的转变,并且这可以当在后续任务开始之前不再有足够的时间来完成下一任务时由作业者258自身触发。作业者258还具有“完成停机时间”的状态转变,这表示作业者258从“停机”到“空闲”的转变,并且这可以在所需的停机时间已经过去时由作业者258自动触发。作业者258还具有“释放”的状态转变,这表示作业者258从“作业”到“空闲”的转变。另外,作业者258具有“离开不活动”的状态转变,并且这可以由模拟控制器206(图13)进行触发。
AGV 420也具有状态和状态转变。例如,AGV 420具有以下状态:“空闲”、“充电”、“运送/卸载”、“等待/捡起”、“捡起”、“运送/加载”、“等待/放下”以及“放下”。AGV 420的状态转变包括:“移动”,这表示从“空闲”到“运送/卸载”的转变或者从“空闲”到“运送/加载”的转变。此外,“空闲”与“充电”之间的状态转变包括“充电”和“保持”。AGV 420的其它状态转变包括:“等待捡起”、“捡起”、“完成捡起”、“等待放下”、“放下”以及“完成放下”。AGV 420的上述状态转变可以由模拟控制器206进行触发,或者当AGV 420到达工件工位270时、当在工件工位270处加载或卸载工件452时或者通过其它事件,可以由AGV 420触发该状态转变。
工件工位270也具有状态和状态转变。对于位于作业者258附近的处理工位276,状态的示例包括:“可用”、“卸载/预期”、“加载/等待”、“加载/作业”、“加载/完成”以及“加载/预期”。处理工位276的上述状态之间的状态转变的示例包括:“指派托盘”、“加载托盘”、“开始作业”、“作业中”、“预期AGV”以及“卸载托盘”。处理工位276的上述状态转变可以由AGV420进行触发(例如,加载或卸载工件)、可以由于处理工位276进行触发(例如,在作业者完成定时动作时)和/或可以由模拟控制器206进行触发。进给工位272也具有状态和状态转变。例如,进给工位272包括以下状态:“可用”、“预期/新托盘”、“加载/新托盘”、“加载的/AGV在途中”、“预期/完成托盘”、“加载/完成托盘”以及“卸载/完成托盘”。进给工位272的上述状态之间的状态转变的示例包括:“指派新托盘”、“加载新托盘”、“预期AGV”、“卸载新托盘”、“指派完成的托盘”、“加载完成的托盘”、“卸载完成的托盘”以及“脱模完成的托盘”。
参照图13,示出了模拟管理器220的示例,该模拟管理器被配置成,针对给定的制造单元400配置、生产配置190以及模拟控制器206运行单个模拟。将模拟管理器220配置成接收模拟管理器输入,该模拟管理器包括软件模型250和生产配置190。如上所示,生产配置190是要由制造单元400处理的工件452的列表。生产配置190中的各个工件450皆具有在软件模型250中定义的所述工件配置中的一个工件配置。
模拟管理器220是模拟和分析模块104的子模块,并且包括模拟循环算法222,该模拟循环算法被配置成对工件次序中的工件452的处理进行模拟。如上所示,工件次序是对生产配置190中的工件452执行定时动作的次序。该模拟包括:在模拟开始时创建软件模型250的实例以及模拟控制器206的实例。如上提及,模拟控制器206具有预编程规则集,该预编程规则集用于确定对工件次序中的工件452执行定时动作的次序。预编程规则集是要对工件452执行的各个定时动作的优先级的排序列表。例如,模拟控制器206可以对工件452执行机械加工操作给予超过清洁工件452或检查工件452的优先级。在另一示例中,模拟控制器206可以对将AGV 420发送至空闲工位428以对低AGV电池再充电给予超过将AGV 420发送至进给工位272以捡起工件452的优先级。模拟控制器206也可以确定这些工件工位270中的哪个工件工位更重要以首先卸载、在进给工位272处可以一次加载多少新的工件452、以及确定制造单元400在对生产配置190中的工件452进行处理时执行定时动作的次序的多种其它决定中的任一决定。
仍参照图13,在创建软件模型250的实例以及模拟控制器206的实例之后,模拟处理包括:确定要由状态机256执行的下一定时动作;以及将该模拟递增至下一定时动作。该模拟还包括:每当状态机256中的一个状态机执行定时动作时就对软件模型250和模拟控制器206进行更新;以及记录与定时动作相关联的状态转变。该模拟包括:重复确定下一定时动作的步骤、递增模拟的步骤以及对软件模型250和模拟控制器206进行更新的步骤,直到已经处理了工件次序中的全部工件452为止。在执行了执行上述步骤之后,模拟管理器220输出用于处理工件次序的模拟完成时间。另外,模拟管理器220输出:在工件次序中的工件452的的处理期间记录的各个状态机256的全部状态转变的状态转变日志。有利地,模拟完成时间和状态转变日志提供了制造单元400的生产效率的指示,并且帮助作出设计决定,诸如关于机械加工单元中的作业者258的物理布局的决定、作业者调度、以及关于未来工厂扩展的定时和程度的决定。
参照图13至图14,在一些示例中,模拟和分析模块104可以包括统计模型230,该统计模型用于在模拟期间确定模拟是否很可能执行得较差(例如,低吞吐量工件次序),并且如果是这样的话,则在完成之前终止该模拟。更具体地,统计模型230提供了用于估计在制造单元400对工件次序进行处理期间对工件次序要执行的剩余作业量(即,定时动作的量)的装置。统计模型230(由图14的曲线图中的实线表示的)包括工件次序的最佳情况完成时间。最佳情况完成时间232由实线的右上端点表示。统计模型230包括阈值240,超过该阈值就终止模拟。在图14的曲线图中,阈值240由于中度虚线表示。经由拟合多个先前执行的模拟的多个统计模型参数的多线性回归来确定工件次序的最佳情况完成时间232。此类先前执行的模拟的统计模型参数包括:工件次序中的工件452的量、生产配置中的定时动作的均值、以及生产配置中的定时动作的标准偏差。
对于并入统计模型230(图13)的模拟管理器220的示例,模拟管理器220连续评估在模拟工件次序中的全部工件452之前模拟的状况。模拟的状况是在软件模型250的每次更新之后,通过将最近完成的模拟定时动作的持续时间添加至直至软件模型250的最近更新所执行的模拟定时动作的持续时间的滚动总计(running total)来进行评估。该评估还包括:在模拟的该点处(即,以在统计模型230中的与在模拟中相同的定时动作量)确定经统计建模的最佳情况暂定时间(interim time)234,该最佳情况暂定时间是根据经统计建模的最佳情况完成时间232、以及为完成工件次序所需的每一个定时动作的持续时间的总和来计算的。该评估还包括:计算经统计建模的最佳情况暂定时间234与模拟定时动作的持续时间的滚动总计之间的差值;以及如果该差值大于最佳情况暂定时间234的50%,则终止工件次序模拟(即,返回低吞吐量标志)。图14中的点曲线表示终止的模拟的定时动作的持续时间的滚动总计238。图14中的假想曲线表示完整运行模拟的定时动作的持续时间的滚动总计236。
参照图15,示出了上述批量分析工具290的示例,该批量分析工具是模拟和分析模块104的子模块。批量分析工具290包括批量分析算法292,该批量分析算法被配置成运行工件452的相同生产配置190的一系列模拟。在每次模拟之前,将生产配置190随机化成不同的工件次序。将批量分析工具290配置成接收批量分析输入,该批量分析输入包括被提供给模拟管理器220的模拟管理器输入。另外,批量分析输入包括要模拟的工件次序的迭代量,并且可以可选地包括要运行模拟的处理器106的线程量(未示出)。
执行批量分析的处理包括:创建随机种子数;以及通过将生产配置190中的工件452排列成与先前使用利用随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化工件次序。批量分析处理包括将随机化工件次序与种子数相关联。通过创建表示各个工件次序的种子数,减少了存储器和模拟处理要求。在随机化工件次序之后,批量分析处理包括:使用模拟管理器220来执行随机化工件次序的模拟,如上述图13所示。批量分析处理包括:重复创建随机种子数的步骤、随机化工件次序的步骤以及执行对随机化工件次序的模拟的步骤,直到已经完成全部迭代量为止。批量分析处理另外包括:输出种子数的批量分析列表,以及随机化工件次序中的各个工件次序的对应模拟完成时间。可以选择具有最短完成时间的工件次序来运行用于处理实际工件452的制造单元400。
在批量分析中执行的各个模拟期间,该处理可以可选地包括:使用统计模型230(图13至图14)来评估各个模拟的状况,以及如果定时动作的持续时间的滚动总计超过相对于经统计建模的最佳情况暂定时间234的预定阈值240,则提前终止模拟(在完成之前),如上所述并且如图14所示。另外,可以将统计模型230用于批量分析中,以在标识具有可接受的完成时间的预定量(例如,至少两个)工件次序时终止模拟。可以将工件次序的可接受完成时间描述为处于经统计建模的最佳情况完成时间232的50%内的完成时间。
参照图16,示出了上述不确定性分析工具300的示例,该不确定性分析工具被描述为模拟和分析模块104的另一子模块。如上提及,将不确定性分析工具300用于评估由状态机256执行的定时动作的持续时间的变化对为处理生产次序中的全部工件452所需的完成时间量的影响。如上所述,状态机256包括:作业者258(例如,人类作业者和机器作业者)、工件工位270、AGV 420以及制造单元400中的其它生产设备。将不确定性分析工具300配置成接收批量分析输入,并且重新模拟向模拟管理器220应用不确定性的头等执行工件次序。例如,不确定性分析工具300重新模拟批量分析列表中的随机化工件次序中的至少两个随机化工件次序。选自批量分析列表的随机化工件次序的模拟完成时间皆比通过批量分析评估的其余随机化工件次序的模拟完成时间短。
将不确定性分析工具300配置成接收全部批量分析输入,并且还接收由批量分析处理产生的批量分析列表上的工件次序。另外,将不确定性分析工具300配置成接收用户输入的数据,诸如对选自批量分析列表的工件次序执行不确定性分析的迭代量。另外,不确定性分析工具300接收用户输入的最大模拟时间量,以度过对选自批量分析列表的工件次序执行不确定性分析迭代。而且,不确定性分析工具300接收状态机256中的至少一个状态机的至少一个定时动作的最大可变性。如上提及,配置文件包括:由状态机256执行的各个定时动作的持续时间,以及与各个定时动作相关联的最大可变性。例如,作业者文件列出机械加工子单元402中的机器人装置262对工件452执行机械加工操作所需的时间量的预期最大可变性(例如,以百分比表达)。在另一示例中,AGV文件定义了在上述AGV状态中的各个AGV状态期间AGV电池的放电速率的预期最大可变性。
如图16所示,不确定性分析工具300包括不确定性分析算法302,该不确定性分析算法被配置成,通过首先从批量分析列表中选择多个高吞吐量工件次序(即,各个估计次序皆具有相对短的完成时间),对选自批量分析列表的随机化工件次序执行不确定性分析。不确定性分析包括:将所述状态机256中的至少一个状态机的至少一个定时动作的值改变多达该值的最大可变性;执行工件次序的模拟(例如图13);以及对工件次序的模拟完成时间进行更新,作为所改变的定时动作的结果。不确定性分析处理包括:针对每一个工件次序,重复改变至少一个状态机256的目前为止未改变的至少一个定时动作的值的步骤、执行对工件次序的模拟的步骤以及对模拟完成时间进行更新的步骤,直到完成不确定性分析的迭代量或者达到最大模拟时间无论哪一个首先发生为止。
不确定性分析处理另外包括:针对所改变的定时动作中的各个定时动作,保存工件次序的经更新的模拟完成时间的列表。各个工件次序的经更新的模拟完成时间与批量分析期间为工件次序生成的种子数相关联或一起列出。不确定性分析另外包括:针对定时动作中的各个定时动作,确定工件次序的经更新的模拟完成时间的均值和标准偏差;以及组合该均值和标准偏差以创建工件次序的综合得分。
当完成对选自批量分析列表的随机化工件次序中的各个工件次序的不确定性分析时,将不确定性分析工具300配置成,考虑到完成时间的均值和标准偏差来排列工件次序。例如,可以将不确定性分析工具300配置成,标识以下工件次序中的多个头等种子(topseed):该工件次序的综合得分比经受了不确定性分析的全部工件次序的90%低。还将不确定性分析工具300配置成,从头等种子当中标识最佳种子,该最佳种子是具有最低综合得分的工件次序。不确定性分析工具300输出包含最佳种子、头等种子以及对应的综合得分的不确定性分析列表。
参照图17,示出了上述控制器分析工具310的示例,该控制器分析工具是模拟和分析模块104的另一子模块。如上提及,将控制器分析模块310用于评估单独模拟控制器206对处理工件次序的完成时间的影响。为此,将控制器分析工具310以通信方式联接至控制器库314,该控制器库包含多个模拟控制器206,各个模拟控制器皆具有不同的规则集,该规则集用于确定对工件452执行定时动作的次序。控制器分析工具310包括控制器分析算法312,该控制器分析算法被配置成执行控制器分析,以评估所述模拟控制器206中的各个模拟控制器对用于处理工件452的生产配置190的完成时间的影响。
执行控制器分析的处理包括:使用所述模拟控制器206中的先前在模拟中未使用的一个模拟控制器,来执行用于模拟生产配置190中的多个工件次序的上述批量分析(图15)。另外,控制器分析处理包括:针对经由批量分析模拟的各个工件次序,保存使用该模拟控制器206的模拟完成时间和与各个工件次序相关联的种子。然后,控制器分析处理包括:针对模拟控制器206确定这样的种子,即,对于该种子来说,工件次序的模拟完成时间比使用模拟控制器206模拟的全部工件次序的90%短。控制器分析处理包括:针对各个模拟控制器206重复以下步骤,直到已经在批量分析中使用了所有模拟控制器206为止:执行批量分析的步骤,保存模拟完成时间和关联的种子的步骤,以及确定具有较短模拟完成时间(例如,比工件次序的90%短)的工件次序的种子的步骤。控制器分析处理包括:针对各个模拟控制器206,对具有上述较短模拟完成时间的各个工件次序执行上述不确定性分析(图16)。控制器分析算法312可以输出模拟控制器206以及对应的综合得分的列表,并且这可以便于标识针对生产配置190导致最短模拟完成时间的模拟控制器206。如上提及,可以选择具有最短模拟完成时间的工件配置来运行用于处理工件452的制造单元400。
参照图18,示出了差异搜寻器模块320的示例,该差异搜寻器模块可以是可以被包括在PUP核心102内的上述健康监测模块318的一部分。如图1所示,将健康监测模块318经由硬件接口模块210以通信方式联接至制造单元400。当由用户诸如经由工程界面122下命令时,差异搜寻器模块320被配置成,监测在工件次序的处理期间制造单元400的实时性能。在这点上,差异搜寻器模块320从定义软件模型250的配置文件加载数据。另外,差异搜寻器模块320从硬件接口模块210请求制造单元400的各种物理组件的实时性能数据。例如,所请求的数据可以包括:AGV运送时间、工件完成时间、AGV放电速率、工件转移时间、以及多种其它性能参数中的任一性能参数。当从硬件接口模块210接收到在所请求的数据时,差异搜寻器模块320比较最近接收到的数据与软件模块250的对应的性能数据。在这点上,差异搜寻器模块420比较制造单元400的实时运行性能与基于在软件模型250中对工件次序的模拟的预测性能。
将差异搜寻器模块320配置成,检测制造单元400的实时性能与基于模拟的预测性能之间的差异。如果检测到差异,则差异搜寻器模块320可以对存储在PUP数据库110中的软件模型250的建模参数中的一个或更多个建模参数提议改变。由差异搜寻器模块320提议的软件模型250的改变可以更好地反映制造单元400的实时性能。用户界面120包括一个或更多个特征(例如,错误按钮,见图20A和图20B),其允许用户170拒绝或接受对建模参数的许多提议改变中的任一提议改变。
参照图19,示出了错误预测模块322的示例,该错误预测模块可以是可以PUP核心102的上述健康监测模块318的一部分。将错误预测模块322经由硬件接口模块210和数据缓冲器112以通信方式联接至制造单元400。将数据缓冲器112配置成从错误预测模块322接收对数据的请求。例如,错误预测模块322请求与AGV 420的性能相关的数据。数据缓冲器112从硬件接口模块210接收关于制造单元400的各种物理组件的性能的实时性能数据。例如,数据缓冲器112连续地接收关于以下项的性能数据:机器人装置262上的末端执行器266的加载、制造单元400中的排气风扇(未示出)的功耗、制造单元400内的AGV功耗和当前AGV位置、标识哪些托盘442位于哪些工件工位270上的RFID数据、将工件452联接至工件安装夹具446的真空压力的量值、来自制造单元400中的不同位置的相机馈送(未示出)的最新的帧(例如,图像)、状态机256(例如,作业者258、工件工位270、AGV 420等)的当前组件状态、制造单元400中的工件452的当前位置、以及其它数据。当接收到所请求的实时性能数据时,数据缓冲器112将新近接收的数据附加至数据缓冲器112内的数据结构,并且可以覆写过时的数据。
仍参照图19,当从数据缓冲器112接收到所请求的数据时,错误预测模块322对所请求的数据运行模型(例如,软件程序),这包括将制造单元400的实时运行性能与在制造单元400的状态机256(例如,机器人装置262)被已知正确地运行时所记录的标称运行参数和/或历史性能数据进行比较。由错误预测模块322执行的比较标识或检测制造单元400的物理组件中的任一物理组件的操作中的错误。例如,错误预测模块322可以包括真空错误检测功能(即,软件例程),该真空错误检测功能被配置成,将实时真空压力与预定阈值进行比较。在另一示例中,错误预测模块322可以包括机器人加载错误检测功能,该机器人加载错误检测功能被配置成,将给定机器人装置的末端执行器加载数据的最后几分钟与同一机器人装置对工件上执行类似操作的其它时间的历史性能数据进行比较。
另外,将错误预测模块322配置成,基于实时性能与模拟或历史性能之间的差异来检测制造单元400中的物理组件的一个或更多个建模参数的趋势。当检测到错误时,或者当检测到可能导致制造单元400内的故障的趋势时,错误预测模块322生成错误消息,该错误消息被公布在所述用户界面120中的一个或更多个用户界面上。例如,所述用户界面120中的一个或更多个用户界面可以包括可以显示错误或警告的错误消息窗口144。
参照图20A和图20B,示出了工厂显示画面140的示例,该工厂显示画面具有被并入上述用户界面120中的任一个或更多个用户界面中的显示布置。工厂显示画面140向诸如观察者182的用户170提供用于健康监测模块318和硬件接口模块210的界面。工厂显示画面140包括任务窗口142,该任务窗口列出被计划在预定时段(例如,一天、一个班次等)期间由制造单元400执行的全部任务(即,定时动作)。该定时动作可以按执行次序列出。另外,如上提及,工厂显示画面140包括错误消息窗口144,该错误消息窗口可以包括错误按钮和/或灯,该灯被配置成发射恰当颜色的光以指示制造单元400中存不存在错误。例如,错误按钮可以是指示不存在错误的绿色、警告潜在错误的黄色、以及指示在制造单元400中存在现有错误的红色。另外,可以将错误按钮配置成使得当被按下时,描述错误的详细信息可以出现在错误消息窗口144中。
工厂显示画面140还可以包括制造单元400的曲线图146,并且该曲线图包括实时表示制造单元400的物理组件的显示画面或图标。例如,图标可以包括表示被加载到工件工位270上或者正由AGV 420运输的各个托盘442的图标。制造单元400中的作业者258的状态可以由经颜色编码的圆圈表示。例如,可以将活动作业者表示为绿色圆圈空,可以将空闲作业者表示为黄色圆圈,以及可以将不活动的作业者表示为红色圆圈。工厂显示画面140还包括统计窗口148,该统计窗口被配置成,显示描述制造单元400在操作的预定时段(例如,一天、8小时班次等)内的总体健康和性能的统计或度量。
工厂显示画面140还包括状况窗口150,该状况窗口被配置成,显示制造单元400中的所有工件452和/或托盘442的状况。可以将经颜色编码的圆圈紧挨着各个工件452或托盘442定位,以指示工件452或托盘442是在时间表前头还是在时间表后面。另外,组件细节窗口152指示制造单元400中的各个工件452或托盘442的物理位置。工厂显示画面140还包括具有下拉菜单的组件细节窗口152,该下拉菜单可使用户170从制造单元400的上述物理组件中的任一或更多个物理组件中进行选择,以查看关于该物理组件的状况的详细信息。当从下拉菜单中选择物理组件时,组件细节窗口152指示该物理组件(例如,状态机256)当前正执行的任务以及所有即将到来的任务。工厂显示画面140还包括调度跟踪窗口154,该调度跟踪窗口被配置成,与预测的运行调度相比显示制造单元400的进度。另外,工厂显示画面140包括效率跟踪窗口156,该效率跟踪窗口被配置成,显示表示制造单元400中的状态机256(例如,作业者258、AGV 420等)中的各个状态机的效率的整数值。将状态机的效率计算为预测总作业时间减去状态机256的实际总作业时间。除了显示效率之外,效率跟踪窗口156还可以显示表示各个状态机256的利用率的整数值,该整数值可以按照作业所度过的预测总时间量减去作业所度过的实际时间来定义。
现在,参照图21,示出了模拟制造单元400对工件452的处理的方法500的操作流程图。该方法包括步骤502:在模拟管理器220中接收模拟管理器输入,该模拟管理器输入包括制造单元400的软件模型250。将模拟管理器输入经由上述用户界面120之一输入到模拟和分析模块104中。例如,工程用户172使用工程界面122从配置文件中选择软件模型250的模型组件252。如上所述,软件模型250具有包括多个状态机256和多个作业物件450的模型组件252。将状态机256配置成,对作业物件450执行一个或更多个定时动作,并且各个状态机256分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变。如上提及,作业物件450包括工件452,各个工件皆具有工件配置。如上所述,在相应的配置文件中定义了状态机256和作业物件450。
接收软件模型250的步骤包括:接收软件模型250,其中,状态机256包括作业者258、工件工位270以及自动化地面载具(AGV 420)如在图2至图9的示例制造单元400中所示。作业者258包括一个或更多个技术人员260和/或一个或更多个机器人装置262或者其它自动化设备。由作业者258执行的定时动作包括当将工件452(和托盘442)加载到处理工位276上时对该工件452进行操作。由作业者258执行的定时动作的示例包括:经由机械加工子单元402中的机器人装置262机械加工工件452、经由清洁子单元406中的技术人员260清洁工件452、以及经由检查子单元404中的机器人装置262检查工件452。如上所示,由AGV 420执行的定时动作包括:在工件工位270之间运输工件452(和托盘442)、将工件452(和托盘442)转移到工件工位270上和从工件工位转移走、以及其它定时动作。
步骤502还包括:在模拟管理器220中接收工件452的生产配置190。如上提及,生产配置190是在预定时段(例如,一天、一个班次)期间要由制造单元400处理的所有工件452(可选地由托盘442支承)的列表。生产配置190中的各个工件450皆具有在软件模型250中定义的所述工件配置中的一个工件配置。如上提及,工件文件是所述配置文件之一,其包含定义要由制造单元400处理的各个工件452的工件配置。还如上提及,生产配置190是由生产控制者174来输入、修改以及批准的。另外,生产控制者174生成、审查以及批准长期建造规划。单元领导者176可以查看、修改(例如,缓冲工件452或托盘442)以及批准每日建造规划,并将经批准的每日建造规划发送至硬件接口模块210。如图10所示,来自不确定性分析的最佳种子(即,具有最短完成时间的工件次序)变成长期建造规划192,这可以覆盖制造单元400的1至3周生产。
该方法另外包括步骤504:经由模拟管理器220模拟对按工件次序排列的工件452的处理。如图13所示,该工件次序的模拟包括:在模拟开始时,创建软件模型250的实例(即,软件对象)以及模拟控制器206的实例。如上提及,模拟控制器206具有预编程规则集,该预编程规则集用于确定对工件次序中的工件452执行定时动作的优先级或次序。该模拟处理还包括:经由模拟控制器206确定要由状态机256执行的下一定时动作;将模拟递增至下一定时动作;以及每当所述状态机256中的一个状态机执行定时动作时就对软件模型250和模拟控制器206进行更新,并且记录与定时动作相关联的状态转变。重复确定下一定时动作的步骤、递增模拟的步骤以及对软件模型250和模拟控制器206进行更新的步骤,直到已经处理了工件次序中的全部工件452为止。
该方法另外包括步骤506:输出用于处理工件次序的模拟完成时间以及在工件次序的处理期间记录的各个状态机256的状态转变的状态转变日志。有利地,该模拟提供了一种用于准确地确定制造单元400的处理能力的成本有效且及时的方法。此外,可以审查来自模拟的状态转变日志以标识可以被调节以提高作业者效率的作业者行为。工件次序的模拟也提供了比通过物理地处理工件452所能实现的成本效率更高的、用于确定制造单元400的给定配置的生产效率的装置。在这点上,该模拟允许设计者模拟制造单元400的许多不同配置,以找到对于给定的生产配置190导致最短完成时间和最高吞吐量的配置,并且这最终降低了生产成本。
参照图13至图14,该方法可以包括以下步骤:将统计模型230并入到模拟中,作为用于提前终止要不然会具有过长完成时间的模拟的装置。在这点上,该方法可以包括以下步骤:经由模拟管理器220访问制造单元400的统计模型230,该统计模型用于估计在制造单元400对工件次序进行处理期间的任何给定时间点对该工件次序要执行的剩余作业量(即,定时动作)。该方法包括以下步骤:从统计模型230接收通过拟合工件次序的统计模型参数的多线性回归而生成的工件次序的最佳情况完成时间232。该统计模型参数包括:工件次序中的工件452的量、生产配置中的定时动作的均值、以及生产配置中的定时动作的标准偏差。如上所述,图14是针对模拟工件次序的模拟时间与完成的作业(定时动作)的关系的曲线图。实线(即,该线的上右侧端点)表示统计模型230的最佳情况完成时间232。
如图13所示,该方法包括以下步骤:在软件模型250的每次更新之后,连续评估在模拟工件次序中的全部工件452之前模拟的状况。连续评估模拟的状况的处理包括:将最近完成的模拟定时动作的持续时间添加至直至软件模型250的最近更新所执行的模拟定时动作的持续时间的滚动总计;以及在模拟的该点处确定统计模型230的最佳情况暂定时间234。该最佳情况暂定时间234是根据统计模型230的最佳情况完成时间232、以及为完成当前模拟中的工件次序所需的每一个定时动作的持续时间的总和来计算的。该方法另外可以包括以下步骤:计算经统计建模的最佳情况暂定时间234与模拟定时动作的持续时间的滚动总计之间的差值。该方法还可以包括以下步骤:如果该差值大于最佳情况暂定时间234的50%,则终止工件次序的模拟。有利地,通过终止导致过长完成时间的模拟,可以在相同的时间量内执行更大量的模拟,并且这提高了找到最高吞吐量工件次序的概率。
参照图15,该方法可以包括以下步骤:对工件452的相同生产配置190执行多次模拟,作为找到导致短完成时间的工件次序的装置。在这点上,该方法包括以下步骤:在批量分析工具290中接收批量分析输入,该批量分析输入包括全部模拟管理器输入。另外,批量分析输入可以包括要模拟的工件次序的迭代量(例如,100次迭代)。在输入批量分析输入之后,批量分析处理包括:经由批量分析工具290执行以下步骤:创建随机种子数;以及通过将生产配置190中的工件452排列成与先前使用利用随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化工件次序。随机化工件次序中的各个工件次序皆与种子数相关联。批量分析处理还包括:使用模拟管理器220来执行对随机化工件次序的模拟。该方法包括以下步骤:重复创建随机种子数的步骤、随机化工件次序的步骤以及执行对随机化工件次序的模拟的步骤,直到完成全部迭代为止。在完成在批量分析开始时输入的迭代量之后,该方法包括以下步骤:输出该种子数的批量分析列表,以及随机化工件次序中的各个工件次序的对应模拟完成时间。用户170可以选择具有最短完成时间的工件次序作为提交给制造单元400用于生产的工件次序。
参照图16,该方法可以包括以下步骤:对生产配置190执行不确定性分析,作为用于评估工件次序的模拟的鲁棒性的装置。更具体地,不确定性分析提供了用于估计定时动作的持续时间中的不确定性对工件次序的完成时间的影响的装置。在这点上,该方法包括以下步骤:在不确定性分析工具300中接收上述批量分析输入。另外,不确定性分析接收随机化工件次序中的至少两个随机化工件次序,所述至少两个随机化工件次序选自批量分析列表,并且其中各个工件次序的模拟完成时间比其余随机化工件次序的模拟完成时间短。不确定性分析工具300还接收要对选自批量分析列表的所述至少两个随机化工件次序执行的不确定性分析的迭代量;以及用于对选自批量分析列表的随机化工件次序执行不确定性分析的迭代的最大模拟时间。迭代量和最大模拟时间可以由用户来输入。不确定性分析工具300还接收状态机256的定时动作的最大可变性。如上所示,作业者文件定义了为执行针对工件452定义的定时动作中的各个定时动作所需的时间量的预期最大可变性。
一旦不确定性分析工具300已经接收到所有输入,该方法包括以下步骤:经由不确定性分析工具300执行不确定性分析。不确定性分析工具300基于以下前提:不是每一个状态机256都将以完全相同的方式行动。例如,不是每一个AGV 420都将以完全相同的速度移动,并且不是每一个机器人装置都将花费相同的时间量来执行相同类型的定时动作。不确定性分析考虑定时动作中的上述最大可变性,并将状态机256的定时动作的值(例如,持续时间、速率等)调节多达预期最大可变性。不确定性分析包括:使用模拟管理器220来执行对具有所改变的定时动作的工件次序的模拟。在模拟工件次序之后,不确定性分析处理包括:对工件次序的模拟完成时间进行更新,作为所改变的定时动作的结果。不确定性分析处理另外包括:针对每一个工件次序,重复改变至少一个状态机256的定时动作的值的步骤、执行对工件次序的模拟的步骤以及对模拟完成时间进行更新的步骤,直到完成不确定性分析的迭代量或者达到最大模拟时间无论哪一个首先发生为止。
不确定性分析处理另外包括:针对所改变的定时动作中的各个定时动作,保存工件次序的经更新的模拟完成时间的列表;以及针对所述定时动作中的各个定时动作,确定工件次序的经更新的模拟完成时间的均值和标准偏差。不确定性分析处理可以组合该均值和标准偏差以创建各个工件次序的综合得分。在生成综合得分之后,该方法包括以下步骤:标识由不确定性分析产生的多个头等种子以及关联的工件次序。该头等种子被定义为这样的种子,即,对于该种子来说,工件次序的综合得分比经受不确定性分析的全部工件次序的90%低(即,经受了不确定性分析的工件次序的顶端10%)。所述方法另外包括以下步骤:从头等种子当中标识最佳种子,该最佳种子被描述为这样的种子,即,对于该种子来说,工件次序具有最低综合得分。不确定性分析包括:输出包含最佳种子、头等种子以及各个种子相关联的综合得分的不确定性分析列表;以及还列出与各个种子相关联的工件出现。将与头等种子相关联的工件次序传送给单元领导者176以供审查,并且可以是被用于开始由制造单元400处理实际工件452的所排序的工件。
参照图17,该方法可以包括以下步骤:使用控制器分析工具310来评估不同的模拟控制器206对用于处理工件次序的完成时间的影响。规划系统100可以包括包含多个不同的模拟控制器206的上述控制器库314。如上提及,各个模拟控制器206皆具有唯一规则集,该唯一规则集用于确定对工件次序中的工件452执行定时动作的次序。控制器分析工具310包括控制器分析算法312,该控制器分析算法被配置成,通过首先使用所述模拟控制器206中的先前在模拟中未使用的一个模拟控制器,执行用于模拟生产配置190中的多个工件次序的上述批量分析,来评估不同的控制器。控制器分析还包括:针对经由批量分析模拟的各个工件次序,保存使用模拟控制器206的模拟完成时间和与各个工件次序相关联的种子。另外,控制器分析包括:标识或确定这样的种子,即,对于该种子来说,工件次序的模拟完成时间比使用模拟控制器206模拟的全部工件次序的90%短。控制器分析处理还包括:针对各个模拟控制器206重复以下步骤,直到所有模拟控制器206具有结果(即,直到已经在批量分析中使用了所有模拟控制器206)为止:执行批量分析的步骤,保存模拟完成时间和关联的种子的步骤,以及确定具有较短模拟完成时间(例如,比工件次序的90%短)的工件次序的种子的步骤。控制器分析处理还包括:针对各个模拟控制器206,对具有较短模拟完成时间(例如,比工件次序的90%短)的各个工件次序执行上述不确定性分析;以及输出模拟控制器206以及对应的综合得分的列表。
如果制造单元400的配置已经存在显著变化(诸如制造单元400中的作业者258的物理位置的变化),则通常可以执行控制器分析。另外,如果状态机256中的任一状态机已经存在显著变化(诸如作业者258、工件工位270、工件安装夹具446、工位框架440、AGV 420和/或其它自动化设备的改变),则可以执行控制器分析。控制器分析可以帮助设计者作出关于采购用于工厂扩展的新生产设备的决定,并且还可以帮助预测添加新工件配置对现有制造单元400的处理的影响。
在本文所公开的模拟和/或分析示例中的任一者中,在标识或生成具有可接受完成时间的工件次序之后,该方法可以包括以下步骤:将工件次序从PUP核心102传送至制造单元400;以及命令制造单元400开始生产工件次序。例如,单元领导者176可以使用web app194将工件次序传送至硬件接口模块210以开始生产。在该点处,操作者(例如,叉车操作者)使用web app 194来接收用于在进给工位272处加载和卸载工件452(托盘442)的指令,包括加载各个工件452(或托盘442)的次序。PUP核心102包括:通过制造单元400的工件452的流。单元领导者176可以使用web app194来监测和潜在地覆盖由PUP核心102作出的控制决定。
参照图18至图19,该方法可以包括以下步骤:在生产工件次序期间连续地监测制造单元400的运行。图18示出了差异搜寻器模块320;图19示出了错误预测模块322,它们是健康监测模块318的各个子模块。如上提及,差异搜寻器模块320请求和接收来自硬件接口模块210的有关在工件次序的处理期间制造单元400的运行的实时性能数据。例如,差异搜寻器模块320可以接收物理组件(诸如AGV 420、机器人装置262以及制造单元400的其它自动化设备)的实时性能数据。差异搜寻器模块320比较制造单元400的实时性能与基于对工件次序的模拟的预测性能;以及检测实时性能与预测性能之间的差异。
差异搜寻器模块320提议对软件模型250的建模参数中的一个或更多个建模参数的改变,以反映制造单元400的实时性能。例如,如果用于清洁工件452的实时性能是159秒钟,并且预测性能是300秒钟,则差异搜寻器模块320使单元领导界面126在模型更新窗口中显示这样的信息,并且该信息包括工件452的标识,以及当前值(例如,159秒钟)和用于清洁操作的所提议的更新值(例如,300秒钟)的列表。模型更新窗口另外包括选择特征(例如,单选按钮),从而允许单元领导者176拒绝或者接受所提议的建模参数的更新。
参照图19,该方法可以包括以下步骤:经由错误预测模块322检测制造单元400的错误和/或故障。另外,该方法可以包括以下步骤:基于实时性能与模拟和/或历史性能之间的差异来检测状态机256的建模参数的趋势,并且该趋势可以是制造单元400中的潜在的即将到来的故障的指示。例如,机器人装置262对一系列工件452执行相同类型的机械加工操作所需的时间量的持续增加可以指示磨损或损坏的末端执行器266。在这点上,该方法可以包括以下步骤:生成制造单元400的潜在健康问题的警告。在上述用户界面120中的一个或更多个用户界面上的错误消息窗口144中显示这样的警告。本公开的附加修改例和改进例对于本领域普通技术人员将是显而易见的。因此,本文所描述和例示的部分的特定组合旨在仅表示本公开的某些示例,而并非旨在用作对在本公开的精神和范围内的另选示例或装置的限制。
而且,本公开包括根据下列条款的示例:
条款1.一种模拟制造单元400对工件452的处理的规划系统100,所述规划系统100包括:生产利用率规划器(PUP)核心102,所述PUP核心具有模拟和分析模块104,所述模拟和分析模块具有处理器106和存储指令的存储器108,所述指令在由所述处理器106执行时,使所述模拟和分析模块104执行为:模拟管理器220,所述模拟管理器被配置成接收模拟管理器输入,所述模拟管理器包括:所述制造单元400的软件模型250,所述软件模型具有模型组件252,所述模型组件包括:多个状态机256和多个作业物件450;所述状态机256被配置成对所述作业物件450执行一个或更多个定时动作,并且各个状态机256分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变;所述作业物件450包括工件452,各个工件皆具有工件配置;生产配置190,所述生产配置包括要由所述制造单元400处理的工件452的列表,各个工件皆具有在所述软件模型250中定义的所述工件配置中的一个工件配置;所述模拟管理器220被配置成执行以下项:经由所述状态机256通过执行以下步骤来模拟对按工件次序排列的所述工件452的处理:在所述模拟开始时,创建所述软件模型250的实例以及模拟控制器206的实例,所述模拟控制器206具有预编程规则集,所述预编程规则集用于确定对所述工件次序中的所述工件452执行所述定时动作的次序;经由所述模拟控制器206确定要由所述状态机256执行的下一定时动作;将所述模拟递增至所述下一定时动作;每当所述状态机256中的一个状态机执行定时动作时就对所述软件模型250和所述模拟控制器206进行更新,并且记录与所述定时动作相关联的所述状态转变;重复确定所述下一定时动作的步骤、递增所述模拟的步骤以及对所述软件模型250和所述模拟控制器206进行更新的步骤,直到已经处理了所述工件次序中的全部所述工件452为止;输出:用于处理所述工件次序的模拟完成时间;以及在所述工件次序的处理期间针对各个状态机256记录的所述状态转变的状态转变日志。
条款2.根据条款1所述的规划系统100,其中,所述PUP核心102还包括:批量分析工具290,所述批量分析工具被配置成接收批量分析输入,所述批量分析输入包括:所述模拟管理器输入;要模拟的所述工件次序的迭代量;所述批量分析工具290被配置成,通过执行以下步骤来执行批量分析:创建随机种子数;通过将所述生产配置190中的所述工件452排列成与先前使用利用所述随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化所述工件次序,并且将随机化工件次序与所述种子数相关联;使用所述模拟管理器220来执行所述随机化工件次序的模拟;重复创建随机种子数的步骤、随机化所述工件次序的步骤以及执行所述随机化工件次序的模拟的步骤,直到已经完成全部所述迭代量为止;以及输出所述种子数的批量分析列表以及所述随机化工件次序中的各个工件次序的对应模拟完成时间。
条款3.根据条款1或2中的任一条款所述的规划系统100,其中,所述PUP核心102还包括:不确定性分析工具300,所述不确定性分析工具被配置成接收:批量分析输入;所述随机化工件次序中的至少两个随机化工件次序,所述至少两个随机化工件次序选自所述批量分析列表,并且所述至少两个随机化工件次序的模拟完成时间具有比所述随机化工件次序中的其余随机化工件次序的模拟完成时间短;要对选自所述批量分析列表的所述至少两个随机化工件次序执行的所述不确定性分析的迭代量;用于对选自所述批量分析列表的所述至少两个随机化工件次序执行所述不确定性分析的迭代的最大模拟时间;所述状态机256中的至少一个状态机的至少一个定时动作的最大可变性;所述不确定性分析工具300被配置成:通过执行以下步骤来对选自所述批量分析列表的所述至少两个随机化工件次序执行不确定性分析:将所述状态机256中的至少一个状态机的至少一个定时动作的值改变多达该值的最大可变性;使用所述模拟管理器220来执行对具有改变的定时动作的所述工件次序的模拟;作为所述改变的定时动作的结果,对所述工件次序的所述模拟完成时间进行更新;针对每一个工件次序,重复改变至少一个状态机256的至少一个定时动作的值的步骤、执行对所述工件次序的模拟的步骤以及对所述模拟完成时间进行更新的步骤,直到完成所述不确定性分析的迭代量或者达到所述最大模拟时间无论哪一个首先发生为止;针对所述改变的定时动作中的各个定时动作,保存所述工件次序的所述经更新的模拟完成时间的列表;针对所述定时动作中的各个定时动作,确定所述工件次序的所述经更新的模拟完成时间的均值和标准偏差,并且组合所述均值和所述标准偏差以创建所述工件次序的综合得分;将多个头等种子标识为这样的种子,即,对于所述种子来说,所述工件次序的综合得分比经受了所述不确定性分析的全部所述工件次序的90%低;从所述头等种子当中标识最佳种子,对于所述最佳种子来说,所述工件次序具有最低综合得分;以及输出不确定性分析列表,所述不确定性分析列表包含所述最佳种子、所述头等种子和关联的综合得分。
条款4.根据条款1或2或3中的任一条款所述的规划系统100,其中,所述PUP核心102还包括:控制器分析工具310,所述控制器分析工具以通信方式联接至所述控制器库314,所述控制器库包含多个模拟控制器206,所述多个模拟控制器皆具有不同的规则集,所述规则集用于确定对所述生产配置190中的所述工件452执行所述定时动作的次序;所述控制器分析工具310被配置成,执行控制器分析,以通过执行以下步骤来评估所述模拟控制器206中的各个模拟控制器对用于由所述制造单元400处理所述生产配置190的完成时间的影响:使用所述模拟控制器206中的先前在模拟中未使用的一个模拟控制器,来执行用于模拟所述生产配置190中的多个工件次序的批量分析;针对经由所述批量分析模拟的各个工件次序,保存使用所述模拟控制器206的所述模拟完成时间和与各个工件次序相关联的种子;针对所述模拟控制器206确定这样的种子,即,对于所述种子来说,所述工件次序的模拟完成时间比使用所述模拟控制器206模拟的全部所述工件次序的90%短;针对各个模拟控制器206重复以下步骤,直到所有模拟控制器206具有结果为止:执行所述批量分析的步骤,保存所述模拟完成时间和关联的种子的步骤,以及确定具有较短模拟完成时间的所述工件次序的种子的步骤;针对各个模拟控制器206,对具有所述较短模拟完成时间的各个工件次序执行所述不确定性分析;以及输出所述模拟控制器206以及对应的综合得分的列表,以便于标识针对所述生产配置190导致最短模拟完成时间的所述模拟控制器206。
条款5.根据条款1或2或3或4中的任一条款所述的规划系统100,其中,所述PUP核心102还包括:硬件接口模块210,所述硬件接口模块将所述PUP核心102以通信方式联接至所述制造单元400;并且所述硬件接口模块210被配置成,从所述PUP核心102向所述制造单元400传送所述工件次序,并且根据用户命令来开始所述工件次序的生产。
条款6.根据条款1或2或3或4或5中的任一条款所述的规划系统100,其中,所述PUP核心102还包括:健康监测模块318,所述健康监测模块经由所述硬件接口模块210以通信方式联接至所述制造单元400,并且所述健康监测模块被配置成:监测在所述工件次序的处理期间所述制造单元400的实时性能;比较所述制造单元400的实时性能与基于在所述软件模型250中对所述工件次序的模拟的预测性能;以及检测以下项中的至少一项:所述制造单元400的错误和/或故障;以及所述制造单元400的实时性能与基于模拟的所述预测性能之间的差异。
条款7.根据条款1或2或3或4或5或6中的任一条款所述的规划系统100,其中,所述健康监测模块318被配置成:基于所述实时性能与所述预测性能之间的差异来检测所述制造单元400中的所述状态机256的一个或更多个建模参数的趋势;以及基于所述趋势来提议对所述软件模型250的所述建模参数中的一个或更多个建模参数的改变,以反映所述制造单元400的实时性能。
条款8.根据条款1或2或3或4或5或6或7中的任一条款所述的规划系统100,所述规划系统还包括:统计模型230,所述统计模型用于估计在所述制造单元400对所述工件次序进行处理期间的任何给定时间点要对所述工件次序执行的剩余作业量,所述统计模型230包括:通过拟合所述工件次序的统计模型230参数的多线性回归而生成的所述工件次序的最佳情况完成时间232,所述统计模型230参数至少包括:所述工件次序中的工件452的量、所述生产配置190中的所述定时动作的均值、以及所述生产配置190中的所述定时动作的标准偏差;所述模拟管理器220被配置成,通过在所述软件模型250的每次更新之后执行以下步骤来连续评估在模拟所述工件次序中的全部所述工件452之前模拟的状况:将最近完成的模拟定时动作的持续时间添加至直至所述软件模型250的最近更新所执行的所述模拟定时动作的持续时间的滚动总计;在所述模拟的该点处确定经统计建模的最佳情况暂定时间234,该最佳情况暂定时间是根据所述经统计建模的最佳情况完成时间232、以及为完成所述工件次序所需的每一个定时动作的持续时间的总和来计算的;计算所述经统计建模的最佳情况暂定时间234与所述模拟定时动作的持续时间的滚动总计之间的差值;以及如果所述差值大于所述最佳情况暂定时间234的50%,则终止所述工件次序的模拟。
条款9.根据条款1或2或3或4或5或6或7或8中的任一条款所述的规划系统100,所述规划系统还包括:至少一个用户界面120,所述至少一个用户界面以通信方式联接至所述PUP核心102,并且所述至少一个用户界面被配置成,执行以下项中的至少一项:便于用户输入模拟参数204、作业者时间表以及所述生产配置190中的所述工件452的可用日期和完成日期中的至少一者;显示要由作业者258执行的即将到来的任务,所述作业者至少包括技术人员260或机器人装置262;生成所述制造单元400的潜在健康问题的警告;显示基于与所述制造单元400的实时性能的差异所提议的对所述软件模型250的一个或更多个建模参数的改变;以及便于用户调节所述建模参数中的一个或更多个建模参数。
条款10.一种模拟制造单元400对工件452的处理的规划系统100,所述规划系统100包括:生产利用率规划器(PUP)核心102,所述PUP核心具有模拟和分析模块104,所述模拟和分析模块具有处理器106和存储器108,所述存储器108存储指令,所述指令在由所述处理器106执行时,使所述模拟和分析模块104执行为:模拟管理器220,所述模拟管理器被配置成接收模拟管理器输入,所述模拟管理器包括:所述制造单元400的软件模型250,所述软件模型具有模型组件252,所述模型组件包括:多个状态机256和多个作业物件450;所述状态机256包括作业者258、工件工位270以及自动化地面载具420(AGV),各个状态机256皆被配置成对所述作业物件450执行一个或更多个定时动作,并且各个状态机256分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变;所述作业物件450包括工件452以及用于支承所述工件452的托盘442,各个工件452皆具有工件配置;所述作业者258包括技术人员260和机器人装置262中的至少一者,由所述作业者258执行的所述定时动作包括当将托盘442加载到所述工件工位270上时对所述工件452进行操作;由所述AGV 420执行的所述定时动作包括在所述工件工位270之间运输所述托盘442;生产配置190,所述生产配置包括要由所述制造单元400处理的工件452的列表,各个工件皆具有在所述软件模型250中定义的所述工件配置中的一个工件配置;所述模拟管理器220被配置成执行以下项:经由所述状态机256通过执行以下步骤来模拟对按工件次序排列的所述工件452的处理:在所述模拟开始时,创建所述软件模型250的实例以及模拟控制器206的实例,所述模拟控制器206具有预编程规则集,所述预编程规则集用于确定对所述工件次序中的所述工件452执行所述定时动作的次序;经由所述模拟控制器206确定要由所述状态机256执行的下一定时动作;将所述模拟递增至所述下一定时动作;每当所述状态机256中的一个状态机执行定时动作时就对所述软件模型250和所述模拟控制器206进行更新,并且记录与所述定时动作相关联的所述状态转变;重复确定所述下一定时动作的步骤、递增所述模拟的步骤以及对所述软件模型250和所述模拟控制器206进行更新的步骤,直到已经处理了所述工件次序中的全部所述工件452为止;输出:用于处理所述工件次序的模拟完成时间;以及在所述工件次序的处理期间针对各个状态机256记录的所述状态转变的状态转变日志。
条款11.一种模拟制造单元400对工件452的处理的方法500,所述方法500包括以下步骤:在生产利用率规划器(PUP)核心102的模拟管理器220中,接收模拟管理器输入,所述模拟管理器输入包括:所述制造单元400的软件模型250,所述软件模型250具有模型组件252,所述模型组件包括多个状态机256和多个作业物件450,所述状态机256被配置成对所述作业物件450执行一个或更多个定时动作,并且各个状态机256分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变,所述作业物件450包括工件452,各个工件皆具有工件配置;生产配置190,所述生产配置包括要由所述制造单元400处理的工件452的列表,各个工件皆具有在所述软件模型250中定义的所述工件配置中的一个工件配置;经由所述模拟管理器220通过执行以下步骤来模拟对按工件次序排列的所述工件452的处理:在所述模拟开始时,创建所述软件模型250的实例以及模拟控制器206的实例,所述模拟控制器206具有预编程规则集,所述预编程规则集用于确定对所述工件次序中的所述工件452执行所述定时动作的次序;经由所述模拟控制器206确定要由所述状态机256执行的下一定时动作;将所述模拟递增至所述下一定时动作;每当所述状态机256中的一个状态机执行定时动作时就对所述软件模型250和所述模拟控制器206进行更新,并且记录与所述定时动作相关联的所述状态转变;重复确定所述下一定时动作的步骤、递增所述模拟的步骤以及对所述软件模型250和所述模拟控制器206进行更新的步骤,直到已经处理了所述工件次序中的全部所述工件452为止;以及输出用于处理所述工件次序的模拟完成时间以及在所述工件次序的处理期间针对各个状态机256记录的所述状态转变的状态转变日志。
条款12.根据条款11所述的方法500,其中,接收所述软件模型250的步骤包括:接收所述软件模型250,其中,所述状态机256包括作业者258、工件工位270以及自动化地面载具420(AGV);所述作业者258包括技术人员260和机器人装置262中的至少一者;由所述作业者258执行的所述定时动作包括当将托盘442加载到处于所述作业者258的可及范围内的所述工件工位270上时对所述工件452进行操作;并且由所述AGV 420执行的所述定时动作包括在所述工件工位270之间运输所述工件452。
条款13.根据条款11或12中的任一条款所述的方法500,所述方法还包括以下步骤:在批量分析工具290中接收批量分析输入,所述批量分析输入包括:所述模拟管理器输入;要模拟的所述工件次序的迭代量;经由所述批量分析工具290执行以下步骤:创建随机种子数;通过将所述生产配置190中的所述工件452排列成与先前使用利用所述随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化所述工件次序,并且将随机化工件次序与所述种子数相关联;使用所述模拟管理器220来执行所述随机化工件次序的模拟;重复创建随机种子数的步骤、随机化所述工件次序的步骤以及执行所述随机化工件次序的模拟的步骤,直到完成全部所述迭代为止;以及输出所述种子数的批量分析列表以及所述随机化工件次序中的各个工件次序的对应模拟完成时间。
条款14.根据条款11或12或13中的任一条款所述的方法500,所述方法还包括以下步骤:在不确定性分析工具300中接收:批量分析输入;所述随机化工件次序中的至少两个随机化工件次序,所述至少两个随机化工件次序选自所述批量分析列表,并且所述至少两个随机化工件次序的模拟完成时间比所述随机化工件次序中的其余随机化工件次序的模拟完成时间短;要对选自所述批量分析列表的所述至少两个随机化工件次序执行的所述不确定性分析的迭代量;用于对选自所述批量分析列表的所述至少两个随机化托盘442执行所述不确定性分析的迭代的最大模拟时间;所述状态机256中的至少一个状态机的至少一个定时动作的最大可变性;经由所述不确定性分析工具300通过以下步骤来执行不确定性分析:对选自所述批量分析列表的所述至少两个随机化工件次序顺序地执行以下步骤:将所述状态机256中的至少一个状态机的至少一个定时动作的值改变多达该值的最大可变性;使用所述模拟管理器220来执行对具有改变的定时动作的所述工件次序的模拟;作为所述改变的定时动作的结果,对所述工件次序的所述模拟完成时间进行更新;针对每一个工件次序,重复改变至少一个状态机256的至少一个定时动作的值的步骤、执行对所述工件次序的模拟的步骤以及对所述模拟完成时间进行更新的步骤,直到完成所述不确定性分析的迭代量或者达到所述最大模拟时间无论哪一个首先发生为止;针对所述改变的定时动作中的各个定时动作,保存所述工件次序的所述经更新的模拟完成时间的列表;针对所述定时动作中的各个定时动作,确定所述工件次序的所述经更新的模拟完成时间的均值和标准偏差,并且组合所述均值和所述标准偏差以创建所述工件次序的综合得分;将多个头等种子标识为这样的种子,即,对于所述种子来说,所述工件次序的综合得分比经受了所述不确定性分析的全部所述工件次序的90%低;从所述头等种子当中标识最佳种子,对于所述最佳种子来说,所述工件次序具有最低综合得分;以及输出不确定性分析列表,所述不确定性分析列表包含所述最佳种子、所述头等种子和关联的综合得分。
条款15.根据条款11或12或13或14中的任一条款所述的方法500,所述方法还包括以下步骤:使用控制器分析工具310来评估所述模拟控制器206中的各个模拟控制器对用于由所述制造单元400处理所述生产配置190的完成时间的影响,所述模拟控制器206中的各个模拟控制器皆具有不同的规则集,所述规则集用于确定对所述生产配置190中的所述工件452执行所述定时动作的次序;所述评估的步骤包括:使用所述模拟控制器206中的先前在模拟中未使用的一个模拟控制器,来执行用于模拟所述生产配置190中的多个工件次序的批量分析;针对经由所述批量分析模拟的各个工件次序,保存使用所述模拟控制器206的所述模拟完成时间和与各个工件次序相关联的种子;针对所述模拟控制器206确定这样的种子,即,对于所述种子来说,所述工件次序的模拟完成时间比使用所述模拟控制器206模拟的全部所述工件次序的90%短;针对各个模拟控制器206重复以下步骤,直到所有模拟控制器206具有结果为止:执行所述批量分析的步骤,保存所述模拟完成时间和关联的种子的步骤,以及确定具有较短模拟完成时间的所述工件次序的种子的步骤;针对各个模拟控制器206,对具有所述较短模拟完成时间的各个工件次序执行所述不确定性分析;以及输出所述模拟控制器206以及对应的综合得分的列表,以便于标识针对所述生产配置190导致最短模拟完成时间的所述模拟控制器206。
条款16.根据条款11或12或13或14或15中的任一条款所述的方法500,所述方法还包括以下步骤:使用硬件接口模块210,从所述PUP核心102向所述制造单元400传送所述工件次序;以及经由所述硬件接口模块210,命令所述制造单元400生成所述工件次序。
条款17.根据条款11或12或13或14或15或16中的任一条款所述的方法500,所述方法还包括以下步骤:使用经由所述硬件接口模块210以通信方式联接至所述制造单元400的健康监测模块318,来监测在所述工件次序的处理期间所述制造单元400的实时性能;比较所述制造单元400的实时性能与基于在所述软件模型250中对所述工件次序的模拟的预测性能;以及检测以下项中的至少一项:所述制造单元400的错误和/或故障;以及所述制造单元400的实时性能与基于模拟的所述预测性能之间的差异。
条款18.根据条款11或12或13或14或15或16或17中的任一条款所述的方法500,所述方法还包括以下步骤:基于所述实时性能与所述预测性能之间的差异来检测所述制造单元400中的所述状态机256的一个或更多个建模参数的趋势;以及基于所述趋势来提议对所述软件模型250的所述建模参数中的一个或更多个建模参数的改变,以反映所述制造单元400的实时性能。
条款19.根据条款11或12或13或14或15或16或17或18中的任一条款所述的方法500,所述方法还包括以下步骤:经由所述模拟管理器220访问所述制造单元400的统计模型230,用于估计在所述制造单元400对所述工件次序进行处理期间的任何给定时间点要对所述工件次序执行的剩余作业量;从所述统计模型230接收通过拟合所述工件次序的统计模型230参数的多线性回归而生成的所述工件次序的最佳情况完成时间232,所述统计模型230参数至少包括:所述工件次序中的工件452的量、所述生产配置190中的所述定时动作的均值、以及所述生产配置190中的所述定时动作的标准偏差;使用所述模拟管理器220,通过在所述软件模型250的每次更新之后顺序地执行以下步骤来连续评估在模拟所述工件次序中的全部所述工件452之前所述模拟的状况:将最近完成的模拟定时动作的持续时间添加至直至所述软件模型250的最近更新所执行的所述模拟定时动作的持续时间的滚动总计;在所述模拟的该点处确定经统计建模的最佳情况暂定时间234,该最佳情况暂定时间是根据所述经统计建模的最佳情况完成时间232、以及为完成所述工件次序所需的每一个定时动作的持续时间的总和来计算的;计算所述经统计建模的最佳情况暂定时间234与所述模拟定时动作的持续时间的滚动总计之间的差值;以及如果所述差值大于所述最佳情况暂定时间234的50%,则终止所述工件次序的模拟。
条款20.根据条款11或12或13或14或15或16或17或18或19中的任一条款所述的方法500,所述方法还包括以下步骤:经由以通信方式联接至所述PUP核心102的用户界面120,来执行以下项中的至少一项:由用户170输入模拟参数204、作业者时间表以及所述生产配置190中的所述工件452的可用日期和完成日期中的至少一者;显示要由作业者258执行的即将到来的任务,所述作业者至少包括技术人员260或机器人装置262;生成所述制造单元400的潜在健康问题的警告;显示基于与所述制造单元400的实时性能的差异所提议的对所述软件模型250的一个或更多个建模参数的改变;以及由用户170调节所述建模参数中的一个或更多个建模参数。
Claims (15)
1.一种规划系统(100),所述规划系统模拟制造单元(400)对工件(452)的处理,所述规划系统(100)包括:
生产利用率规划器PUP核心(102),所述PUP核心具有模拟和分析模块(104),所述模拟和分析模块具有处理器(106)和存储指令的存储器(108),所述指令在由所述处理器(106)执行时使所述模拟和分析模块(104)执行为:
模拟管理器(220),所述模拟管理器被配置成接收模拟管理器输入,所述模拟管理器包括:
所述制造单元(400)的软件模型(250),所述软件模型具有模型组件(252),所述模型组件包括:
多个状态机(256)和多个作业物件(450);
所述多个状态机(256)被配置成对所述多个作业物件(450)执行一个或更多个定时动作,并且各个状态机(256)分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变;
所述多个作业物件(450)包括工件(452),各个工件具有工件配置;
生产配置(190),所述生产配置包括要由所述制造单元(400)处理的工件(452)的列表,各个工件具有在所述软件模型(250)中定义的所述工件配置中的一个工件配置;
所述模拟管理器(220)被配置成执行以下项:
经由所述多个状态机(256)通过执行以下步骤来模拟对按工件次序排列的所述工件(452)的处理:
在所述模拟开始时,创建所述软件模型(250)的实例以及模拟控制器(206)的实例,所述模拟控制器(206)具有预编程规则集,所述预编程规则集用于确定对所述工件次序中的所述工件(452)执行所述一个或更多个定时动作的次序;
经由所述模拟控制器(206)确定要由所述多个状态机(256)执行的下一定时动作;
将所述模拟递增至所述下一定时动作;
每当所述多个状态机(256)中的一个状态机执行定时动作时就对所述软件模型(250)和所述模拟控制器(206)进行更新,并且记录与该定时动作相关联的所述状态转变;
重复以下步骤,直到已经处理了所述工件次序中的全部所述工件(452)为止:确定所述下一定时动作的步骤、递增所述模拟的步骤、以及对所述软件模型(250)和所述模拟控制器(206)进行更新的步骤;
输出:
用于处理所述工件次序的模拟完成时间;以及
在所述工件次序的处理期间针对各个状态机(256)记录的所述状态转变的状态转变日志。
2.根据权利要求1所述的规划系统(100),其中,所述PUP核心(102)还包括:
批量分析工具(290),所述批量分析工具被配置成接收批量分析输入,所述批量分析输入包括:
所述模拟管理器输入;
要模拟的所述工件次序的迭代量;
所述批量分析工具(290)被配置成通过执行以下步骤来执行批量分析:
创建随机种子数;
通过将所述生产配置(190)的所述工件(452)排列成与先前使用利用所述随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化所述工件次序,并且将随机化工件次序与所述种子数相关联;
使用所述模拟管理器(220)来执行所述随机化工件次序的模拟;
重复以下步骤,直到已经完成全部所述迭代量为止:创建随机种子数的步骤、随机化所述工件次序的步骤、以及执行所述随机化工件次序的模拟的步骤;以及
输出所述种子数的批量分析列表以及所述随机化工件次序中的各个工件次序的对应模拟完成时间。
3.根据权利要求2所述的规划系统(100),其中,所述PUP核心(102)还包括:
不确定性分析工具(300),所述不确定性分析工具被配置成接收:
批量分析输入;
所述随机化工件次序中的至少两个随机化工件次序,所述至少两个随机化工件次序选自所述批量分析列表,并且所述至少两个随机化工件次序的模拟完成时间比所述随机化工件次序中的其余随机化工件次序的模拟完成时间短;
要对选自所述批量分析列表的所述至少两个随机化工件次序执行所述不确定性分析的迭代量;
用于对选自所述批量分析列表的所述至少两个随机化工件次序执行所述不确定性分析的迭代的最大模拟时间;
所述多个状态机(256)中的至少一个状态机的至少一个定时动作的最大可变性;
所述不确定性分析工具(300)被配置成:
通过执行以下步骤来对选自所述批量分析列表的所述至少两个随机化工件次序执行不确定性分析:
将所述多个状态机(256)中的至少一个状态机的至少一个定时动作的值改变多达该值的最大可变性;
使用所述模拟管理器(220)来执行对具有改变的定时动作的所述工件次序的模拟;
作为所述改变的定时动作的结果,对所述工件次序的所述模拟完成时间进行更新;
针对每一个工件次序,重复以下步骤,直到完成所述不确定性分析的所述迭代量或者达到所述最大模拟时间而无论哪一个首先发生为止:改变至少一个状态机(256)的至少一个定时动作的值的步骤、执行对所述工件次序的模拟的步骤、以及对所述模拟完成时间进行更新的步骤;
针对所述改变的定时动作中的各个定时动作,保存所述工件次序的经更新的模拟完成时间的列表;
针对所述一个或更多个定时动作中的各个定时动作,确定所述工件次序的所述经更新的模拟完成时间的均值和标准偏差,并且组合所述均值和所述标准偏差以创建所述工件次序的综合得分;
将多个头等种子标识为这样的种子,即,对于所述种子来说,所述工件次序的综合得分比经受了所述不确定性分析的全部所述工件次序中的90%的工件次序的综合得分低;
从所述头等种子当中标识最佳种子,对于所述最佳种子来说,所述工件次序具有最低综合得分;以及
输出不确定性分析列表,所述不确定性分析列表包含所述最佳种子、所述头等种子和关联的综合得分。
4.根据权利要求3所述的规划系统(100),其中,所述PUP核心(102)还包括:
控制器分析工具(310),所述控制器分析工具以通信方式联接至控制器库(314),所述控制器库包含多个模拟控制器(206),所述多个模拟控制器中的每一个模拟控制器具有不同的规则集,所述规则集用于确定对所述生产配置(190)中的所述工件(452)执行所述一个或更多个定时动作的次序;
所述控制器分析工具(310)被配置成执行控制器分析,以通过执行以下步骤来评估所述多个模拟控制器(206)中的各个模拟控制器对由所述制造单元(400)处理所述生产配置(190)的完成时间的影响:
使用所述多个模拟控制器(206)中的先前在模拟中未使用的一个模拟控制器来执行用于模拟所述生产配置(190)的多个工件次序的批量分析;
针对经由所述批量分析模拟的各个工件次序,保存使用该模拟控制器(206)的所述模拟完成时间和与各个工件次序相关联的种子;
针对该模拟控制器(206)确定这样的种子,即,对于所述种子来说,所述工件次序具有较短模拟完成时间,所述较短模拟完成时间比使用该模拟控制器(206)模拟的全部所述工件次序中的90%的工件次序的模拟完成时间短;
针对各个模拟控制器(206)重复以下步骤,直到所有模拟控制器(206)具有结果为止:执行所述批量分析的步骤、保存所述模拟完成时间和关联的种子的步骤、以及确定具有所述较短模拟完成时间的所述工件次序的种子的步骤;
针对各个模拟控制器(206),对具有所述较短模拟完成时间的各个工件次序执行所述不确定性分析;以及
输出所述多个模拟控制器(206)以及对应的综合得分的列表,以便于标识针对所述生产配置(190)导致最短模拟完成时间的模拟控制器(206)。
5.根据权利要求1所述的规划系统(100),其中,所述PUP核心(102)还包括:
硬件接口模块(210),所述硬件接口模块将所述PUP核心(102)以通信方式联接至所述制造单元(400);并且
所述硬件接口模块(210)被配置成从所述PUP核心(102)向所述制造单元(400)传送所述工件次序,并且根据用户命令来开始所述工件次序的生产。
6.根据权利要求5所述的规划系统(100),其中,所述PUP核心(102)还包括:
健康监测模块(318),所述健康监测模块经由所述硬件接口模块(210)以通信方式联接至所述制造单元(400),并且所述健康监测模块被配置成:
监测在所述工件次序的处理期间所述制造单元(400)的实时性能;
将所述制造单元(400)的所述实时性能与基于在所述软件模型(250)中对所述工件次序的模拟的预测性能进行比较;以及
检测以下项中的至少一项:
所述制造单元(400)的错误和/或故障;以及
所述制造单元(400)的所述实时性能与基于所述模拟的所述预测性能之间的差异。
7.根据权利要求6所述的规划系统(100),其中,所述健康监测模块(318)被配置成:
基于所述实时性能与所述预测性能之间的所述差异来检测所述制造单元(400)中的所述多个状态机(256)的一个或更多个建模参数的趋势;以及
基于所述趋势来提议对所述软件模型(250)的所述一个或更多个建模参数中的一个或更多个的改变,以反映所述制造单元(400)的实时性能。
8.根据权利要求1所述的规划系统(100),所述规划系统还包括:
统计模型(230),所述统计模型用于估计在所述制造单元(400)对所述工件次序进行处理期间的任何给定时间点要对所述工件次序执行的剩余作业量,所述统计模型(230)包括:
通过拟合所述工件次序的统计模型(230)参数的多线性回归而生成的所述工件次序的最佳情况完成时间(232),所述统计模型(230)参数至少包括:所述工件次序中的工件(452)的量、所述生产配置(190)中的所述定时动作的均值、以及所述生产配置(190)中的所述定时动作的标准偏差;
所述模拟管理器(220)被配置成,通过在所述软件模型(250)的每次更新之后执行以下步骤,来连续评估在模拟所述工件次序中的全部所述工件(452)之前所述模拟的状况:
将最近完成的模拟定时动作的持续时间添加至直至所述软件模型(250)的最近更新所执行的所述模拟定时动作的持续时间的滚动总计;
在所述模拟的该点处确定经统计建模的最佳情况暂定时间(234),该最佳情况暂定时间是根据经统计建模的最佳情况完成时间(232)、以及为完成所述工件次序所需的每一个定时动作的持续时间的总和来计算的;
计算所述经统计建模的最佳情况暂定时间(234)与所述模拟定时动作的持续时间的滚动总计之间的差值;以及
如果所述差值大于所述最佳情况暂定时间(234)的50%,则终止所述工件次序的模拟。
9.根据权利要求1所述的规划系统(100),所述规划系统还包括:
至少一个用户界面(120),所述至少一个用户界面以通信方式联接至所述PUP核心(102),并且所述至少一个用户界面被配置成执行以下项中的至少一项:
便于用户输入模拟参数(204)、作业者时间表以及所述生产配置(190)中的所述工件(452)的可用日期和完成日期中的至少一者;
显示要由作业者(258)执行的即将到来的任务,所述作业者至少包括技术人员(260)或机器人装置(262);
生成所述制造单元(400)的潜在健康问题的警告;
显示基于与所述制造单元(400)的实时性能的差异所提议的对所述软件模型(250)的一个或更多个建模参数的改变;以及
便于用户调节所述一个或更多个建模参数中的一个或更多个。
10.一种模拟制造单元(400)对工件(452)的处理的方法(500),所述方法(500)包括以下步骤:
在生产利用率规划器PUP核心(102)的模拟管理器(220)中接收模拟管理器输入,所述模拟管理器输入包括:
所述制造单元(400)的软件模型(250),所述软件模型(250)具有模型组件(252),所述模型组件包括多个状态机(256)和多个作业物件(450),所述多个状态机(256)被配置成对所述多个作业物件(450)执行一个或更多个定时动作,并且各个状态机(256)分别具有在所述一个或更多个定时动作期间和在所述一个或更多个定时动作之间的定义状态以及从状态到状态的定义状态转变,所述多个作业物件(450)包括工件(452),各个工件具有工件配置;
生产配置(190),所述生产配置包括要由所述制造单元(400)处理的工件(452)的列表,各个工件具有在所述软件模型(250)中定义的所述工件配置中的一个工件配置;
经由所述模拟管理器(220)通过执行以下步骤来模拟对按工件次序排列的所述工件(452)的处理:
在所述模拟开始时,创建所述软件模型(250)的实例以及模拟控制器(206)的实例,所述模拟控制器(206)具有预编程规则集,所述预编程规则集用于确定对所述工件次序中的所述工件(452)执行所述一个或更多个定时动作的次序;
经由所述模拟控制器(206)确定要由所述多个状态机(256)执行的下一定时动作;
将所述模拟递增至所述下一定时动作;
每当所述多个状态机(256)中的一个状态机执行定时动作时就对所述软件模型(250)和所述模拟控制器(206)进行更新,并且记录与该定时动作相关联的所述状态转变;
重复以下步骤,直到已经处理了所述工件次序中的全部所述工件(452)为止:确定所述下一定时动作的步骤、递增所述模拟的步骤、以及对所述软件模型(250)和所述模拟控制器(206)进行更新的步骤;以及
输出用于处理所述工件次序的模拟完成时间以及在所述工件次序的处理期间针对各个状态机(256)记录的所述状态转变的状态转变日志。
11.根据权利要求10所述的方法(500),其中,接收所述软件模型(250)的步骤包括:
接收所述软件模型(250),其中,所述多个状态机(256)包括作业者(258)、工件工位(270)以及自动化地面载具AGV(420);
所述作业者(258)包括技术人员(260)和机器人装置(262)中的至少一者;
由所述作业者(258)执行的所述一个或更多个定时动作包括当将托盘(442)加载到处于所述作业者(258)的可及范围内的所述工件工位(270)上时对所述工件(452)进行操作;并且
由所述AGV(420)执行的所述一个或更多个定时动作包括在所述工件工位(270)之间运输所述工件(452)。
12.根据权利要求10所述的方法(500),所述方法还包括以下步骤:
在批量分析工具(290)中接收批量分析输入,所述批量分析输入包括:
所述模拟管理器输入;
要模拟的所述工件次序的迭代量;
经由所述批量分析工具(290)执行以下步骤:
创建随机种子数;
通过将所述生产配置(190)的所述工件(452)排列成与先前使用利用所述随机种子数初始化的随机数生成器模拟的排序不同的排序来随机化所述工件次序,并且将随机化工件次序与所述种子数相关联;
使用所述模拟管理器(220)来执行所述随机化工件次序的模拟;
重复以下步骤,直到完成全部所述迭代为止:创建随机种子数的步骤、随机化所述工件次序的步骤、以及执行所述随机化工件次序的模拟的步骤;以及
输出所述种子数的批量分析列表以及所述随机化工件次序中的各个工件次序的对应模拟完成时间。
13.根据权利要求12所述的方法(500),所述方法还包括以下步骤:
在不确定性分析工具(300)中接收:
批量分析输入;
所述随机化工件次序中的至少两个随机化工件次序,所述至少两个随机化工件次序选自所述批量分析列表,并且所述至少两个随机化工件次序的模拟完成时间比所述随机化工件次序中的其余随机化工件次序的模拟完成时间短;
要对选自所述批量分析列表的所述至少两个随机化工件次序执行的所述不确定性分析的迭代量;
用于对选自所述批量分析列表的至少两个随机化托盘(442)执行所述不确定性分析的迭代的最大模拟时间;
所述多个状态机(256)中的至少一个状态机的至少一个定时动作的最大可变性;
经由所述不确定性分析工具(300)通过以下步骤来执行不确定性分析:
对选自所述批量分析列表的所述至少两个随机化工件次序顺序地执行以下步骤:
将所述多个状态机(256)中的至少一个状态机的至少一个定时动作的值改变多达该值的最大可变性;
使用所述模拟管理器(220)来执行对具有改变的定时动作的所述工件次序的模拟;
作为所述改变的定时动作的结果,对所述工件次序的所述模拟完成时间进行更新;
针对每一个工件次序重复以下步骤,直到完成所述不确定性分析的所述迭代量或者达到所述最大模拟时间而无论哪一个首先发生为止:改变至少一个状态机(256)的至少一个定时动作的值的步骤、执行对所述工件次序的模拟的步骤、以及对所述模拟完成时间进行更新的步骤;
针对所述改变的定时动作中的各个定时动作,保存所述工件次序的经更新的模拟完成时间的列表;
针对所述一个或更多个定时动作中的各个定时动作,确定所述工件次序的所述经更新的模拟完成时间的均值和标准偏差,并且组合所述均值和所述标准偏差以创建所述工件次序的综合得分;
将多个头等种子标识为这样的种子,即,对于所述种子来说,所述工件次序的综合得分比经受了所述不确定性分析的全部所述工件次序中的90%的工件次序的综合得分低;
从所述头等种子当中标识最佳种子,对于所述最佳种子来说,所述工件次序具有最低综合得分;以及
输出不确定性分析列表,所述不确定性分析列表包含所述最佳种子、所述头等种子和关联的综合得分。
14.根据权利要求13所述的方法(500),所述方法还包括以下步骤:
使用控制器分析工具(310)来评估多个模拟控制器(206)中的各个模拟控制器对用于由所述制造单元(400)处理所述生产配置(190)的所述完成时间的影响,所述多个模拟控制器(206)中的各个模拟控制器具有不同的规则集,所述规则集用于确定对所述生产配置(190)中的所述工件(452)执行所述一个或更多个定时动作的次序;所述评估的步骤包括:
使用所述多个模拟控制器(206)中的先前在模拟中未使用的一个模拟控制器来执行用于模拟所述生产配置(190)中的多个工件次序的批量分析;
针对经由所述批量分析模拟的各个工件次序,保存使用该模拟控制器(206)的模拟完成时间和与各个工件次序相关联的种子;
针对该模拟控制器(206)确定这样的种子,即,对于所述种子来说,所述工件次序具有较短模拟完成时间,所述较短模拟完成时间比使用该模拟控制器(206)模拟的全部所述工件次序中的90%的工件次序的模拟完成时间短;
针对各个模拟控制器(206)重复以下步骤,直到所有模拟控制器(206)具有结果为止:执行所述批量分析的步骤、保存所述模拟完成时间和关联的种子的步骤、以及确定具有所述较短模拟完成时间的所述工件次序的种子的步骤;
针对各个模拟控制器(206),对具有所述较短模拟完成时间的各个工件次序执行所述不确定性分析;以及
输出所述多个模拟控制器(206)以及对应的综合得分的列表,以便于标识针对所述生产配置(190)导致最短模拟完成时间的模拟控制器(206)。
15.根据权利要求10所述的方法(500),所述方法还包括以下步骤:
经由所述模拟管理器(220)访问所述制造单元(400)的统计模型(230),用于估计在所述制造单元(400)对所述工件次序进行处理期间的任何给定时间点要对所述工件次序执行的剩余作业量;
从所述统计模型(230)接收通过拟合所述工件次序的统计模型(230)参数的多线性回归而生成的所述工件次序的最佳情况完成时间(232),所述统计模型(230)参数至少包括:所述工件次序中的工件(452)的量、所述生产配置(190)中的所述定时动作的均值、以及所述生产配置(190)中的所述定时动作的标准偏差;
使用所述模拟管理器(220)通过在所述软件模型(250)的每次更新之后顺序地执行以下步骤来连续评估在模拟所述工件次序中的全部所述工件(452)之前的所述模拟的状况:
将最近完成的模拟定时动作的持续时间添加至直至所述软件模型(250)的最近更新所执行的所述模拟定时动作的持续时间的滚动总计;
在所述模拟中的该点处确定经统计建模的最佳情况暂定时间(234),该最佳情况暂定时间是根据经统计建模的最佳情况完成时间(232)、以及为完成所述工件次序所需的每一个定时动作的持续时间的总和来计算的;
计算所述经统计建模的最佳情况暂定时间(234)与所述模拟定时动作的持续时间的滚动总计之间的差值;以及
如果所述差值大于所述最佳情况暂定时间(234)的50%,则终止所述工件次序的模拟。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063127124P | 2020-12-17 | 2020-12-17 | |
US63/127,124 | 2020-12-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648199A true CN114648199A (zh) | 2022-06-21 |
Family
ID=78695497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111262565.3A Pending CN114648199A (zh) | 2020-12-17 | 2021-10-28 | 用于处理工件的规划系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220197265A1 (zh) |
EP (1) | EP4016217A1 (zh) |
CN (1) | CN114648199A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022115996A1 (de) * | 2022-06-28 | 2023-12-28 | TRUMPF Werkzeugmaschinen SE + Co. KG | Maschinenverwaltungsverfahren und Maschinenanordnung |
WO2024017905A1 (en) * | 2022-07-19 | 2024-01-25 | Abb Schweiz Ag | Method of scheduling resources in an industrial process, computer-implemented scheduling system, and computer program product |
-
2021
- 2021-10-28 CN CN202111262565.3A patent/CN114648199A/zh active Pending
- 2021-11-16 EP EP21208457.8A patent/EP4016217A1/en active Pending
- 2021-12-08 US US17/643,286 patent/US20220197265A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220197265A1 (en) | 2022-06-23 |
EP4016217A1 (en) | 2022-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220197265A1 (en) | Planning system and method for processing workpieces | |
US5237508A (en) | Production control system | |
CN111680893B (zh) | 一种多自寻址机器人拣选系统的数字孪生系统及调度方法 | |
US5189624A (en) | Intelligent machining workstation operating logic | |
TWI575561B (zh) | 用於控制多批工件處理的方法、儲存媒體及系統 | |
Samy et al. | A model for measuring complexity of automated and hybrid assembly systems | |
US20240069536A1 (en) | Automated Manufacturing Facility and Methods | |
US20110225018A1 (en) | Method for managing production system operations | |
US20170293289A1 (en) | Manufacturing management system capable of improving availability ratio of manufacturing cell | |
CN111258280B (zh) | 生产计划装置 | |
CN104889799A (zh) | 控制进行工件的供给和排出的机器人的机器人控制装置 | |
CN115577576B (zh) | 一种半导体工厂的动态虚拟组线仿真系统及方法 | |
JP2008530705A (ja) | 適応型機械プログラミングのためのシステム及び方法 | |
JP2009028831A (ja) | 作業ロボットシステム | |
TW202127776A (zh) | 優化otg無線充電單元之配置的方法 | |
Zheng et al. | RFID-based material delivery method for mixed-model automobile assembly | |
WO2022185773A1 (ja) | 工具搬送システム、工具搬送システムの制御方法、および工具搬送システムの制御プログラム | |
Zhang | Shop Floor Optimization through Job Scheduling and Machine Automation | |
US7039482B2 (en) | Floating process flow control system to handle operation events in a full automation plant | |
US10725460B2 (en) | Cell production system including manufacturing cell for autonomous manufacturing | |
JP2980182B2 (ja) | 工具管理装置 | |
JPH11129147A (ja) | 多数の加工工程からなる加工システムのための作業管理システム | |
JP7107144B2 (ja) | 生産システムおよび生産方法 | |
JP3351209B2 (ja) | 作業管理装置 | |
JP2562519B2 (ja) | 製造制御システム |
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 |