CN116502474B - 一种基于动态模拟的医药设备组线的布局优化方法及装置 - Google Patents
一种基于动态模拟的医药设备组线的布局优化方法及装置 Download PDFInfo
- Publication number
- CN116502474B CN116502474B CN202310765695.1A CN202310765695A CN116502474B CN 116502474 B CN116502474 B CN 116502474B CN 202310765695 A CN202310765695 A CN 202310765695A CN 116502474 B CN116502474 B CN 116502474B
- Authority
- CN
- China
- Prior art keywords
- model
- equipment
- dynamic simulation
- model component
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000005094 computer simulation Methods 0.000 title claims abstract description 81
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 239000000463 material Substances 0.000 claims abstract description 142
- 238000004519 manufacturing process Methods 0.000 claims abstract description 92
- 239000003814 drug Substances 0.000 claims abstract description 25
- 238000011217 control strategy Methods 0.000 claims abstract description 20
- 238000002360 preparation method Methods 0.000 claims abstract description 12
- 238000007599 discharging Methods 0.000 claims description 39
- 238000006243 chemical reaction Methods 0.000 claims description 28
- 238000009825 accumulation Methods 0.000 claims description 17
- 239000007787 solid Substances 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 description 15
- 238000013461 design Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011344 liquid material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于动态模拟的医药设备组线的布局优化方法及装置,方法包括如下步骤:基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;构建与工艺流程对应的物料库;基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;运行动态模拟模型,获取模型组件的状态数据;结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。本发明的布局优化方案在深度了解医药生产工艺流程及设备属性基础上,满足设备组线布局的高弹性需求,提高设备组线的整体设备利用率。
Description
技术领域
本发明属于设备组线模拟布局技术领域,具体涉及一种基于动态模拟的医药设备组线的布局优化方法及装置。
背景技术
传统的医药设计模式多为二维CAD模式,交付物欠缺精准度,也无法即时判断设计的科学性、合理性。药品生产企业需要在厂房建设完成、进行实际运行后,通过开展厂房和设备的确认,以此来考察设计是否符合设计需求。此种设计和反馈的过程,需要投入大量的时间和运行成本。
有研究采用数字化仿真技术,通过搭建数字化工厂,实现工厂仿真运行,将厂房的建造、设备的选项、设计等否符合需求,是否合理和科学,前置于设计阶段进行模拟考察,有效规避设计风险。
如专利CN115577439A给出一种用于医药工艺多级布局的生成方法及装置,方法包括如下步骤:采集医药工业的产品生产工序,获得设备需求;对需求的设备分类集合,形成待布局设备集,并获取各个不同类别待布局设备的最小空间需求;读取可进行设备布局的预存房间,匹配预存房间以及待布局设备集,得到待布局房间的清单,并将待布局设备排布在对应的待布局房间内;根据产品生产工序和待布局房间的清单,以主物流路径为轴将待布局房间进行折叠布局,并按照预设的车间布局策略,完成车间的布局。通过“设备级-房间级-车间级”的层次化布局逻辑架构,将复杂的布局逻辑转化成参数化模式,实现了医药工业的快速设计建模、量化分析及优化。
又如专利CN115577865A给出一种用于制剂工艺的生产房间布局优化方法及装置,方法包括如下步骤:根据制剂工艺和生产房间的清单,完成生产房间在车间中的基础布局;获取生产房间在优化布局过程中的评价参数,对基础布局进行扰动优化;实时给出基础布局扰动优化过程中评价参数的数值;对评价参数的数值进行的分析判断,确定扰动优化的边界,给出生产房间在车间中的最终布局,完成生产房间布局的优化。本发明通过针对制剂工艺的生产房间布局进行小幅扰动的优化,搜寻获取最佳的生产房间布局,能应对不同场景的细化需求,增强了房间布局的合理性,提升了车间面积的利用率。
然而,如上述现有技术的侧重于布局,尚未将生产工艺的具体过程纳入整体布局仿真的范畴。
因此,如何基于生产工艺过程对医药设备组线进行动态模拟,以实现布局的优化设计是本领域技术人员亟待解决的问题。
发明内容
针对上述现有技术中存在的缺陷,本发明提供了一种基于动态模拟的医药设备组线的布局优化方法及装置,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;并运行动态模拟模型,获取模型组件的状态数据;结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;优化瓶颈模型组件,给出基于动态模拟的医药设备组线的布局。本发明的布局优化方案在深度分析医药生产工艺流程及设备属性基础上,满足设备组线布局的高弹性需求,提高设备组线的整体设备利用率。
第一方面,本发明提供一种基于动态模拟的医药设备组线的布局优化方法,包括如下步骤:
基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;
构建与工艺流程对应的物料库;
基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
运行动态模拟模型,获取模型组件的状态数据;
结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;
优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。
进一步的,模型组件包括生产设备的基础属性数据以及生产设备内的物料运行参数数据。
进一步的,物料库包括物料基础属性数据,物料基础属性数据包括物料种类及产品数量。
进一步的,生产设备包括投料设备、出料设备、物料转化设备以及物料移动设备;
基于不同的生产设备,模型组件分为投料子模型组件、出料子模型组件、物料转化子模型组件及物料移动子模型组件;
基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型,具体包括如下步骤:
根据工艺流程,遍历所有投料子模型组件,分别关联物料库,并在物料库中调取对应的物料基础属性数据;
结合投料子模型组件中的生产设备内的物料运行参数,构建投料逻辑单元;
结合工艺进程及投料逻辑单元,遍历并确定出料子模型组件;
通过对物料转化子模型组件的分析及核验,调用物料移动子模型组件关联投料子模型组件及出料子模型组件;
完成医药设备组线的动态模拟模型的构建。
进一步的,物料转化设备包括固液转化设备和液固转化设备;
通过对物料转化子模型组件的分析及核验,调用物料移动子模型组件关联投料子模型组件及出料子模型组件,具体包括如下步骤:
基于投料逻辑单元,确定对应的物料转化子模型组件,并进行核验;
结合工艺进程,遍历并分析所有物料移动子模型组件,确定对应的物料移动子模型组件;
根据出料子模型组件中出料设备的基础属性数据,通过对应的物料移动子模型组件关联投料子模型组件及出料子模型组件。
进一步的,出料子模型组件中出料设备的基础属性数据还包括出料设备的位置数据及载重数据。
进一步的,模型组件的状态数据类别包括模型组件中生产设备的工作状态数据、准备状态数据、堵塞状态数据、故障状态数据及停机状态数据。
进一步的,结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,具体包括如下步骤:
统计所有模型组件的状态数据,分析每个模型组件中各个状态数据类别的累加时间及累加时间比重;
按照不同的权重系数,结合各个状态数据类别的累加时间比重,分析计算每个模型组件中状态数据累加时间的总占比,并进行排序;
确定动态模拟模型中的瓶颈模型组件。
进一步的,优化瓶颈模型组件,具体包括如下步骤:
调整瓶颈模型组件中生产设备的基础属性以及生产设备内的物料运行参数数据。
第二方面,本发明还提供一种基于动态模拟的医药设备组线的布局优化装置,采用如上述基于动态模拟的医药设备组线的布局优化方法,包括:
采集模块,基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;
建模模块,构建与工艺流程对应的物料库,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
优化模块,运行动态模拟模型,获取模型组件的状态数据,结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。
本发明提供的一种基于动态模拟的医药设备组线的布局优化方法及装置,至少包括如下有益效果:
(1)本发明的布局优化方案在深度分析医药生产工艺流程及设备属性基础上,满足设备组线布局的高弹性需求,提高设备组线的整体设备利用率。
(2)本发明在给出模型组件和物料库的基础上,配合控制策略,建立了可以动态模拟医药设备组线的模型。医药设备组线的动态模拟模型将给料、工艺生产、出料三个模块进行组合,实现了物料在整个生产过程中的联动仿真模拟。
(3)本发明通过运行动态模拟模型,确定瓶颈工艺,优化对应的模型组件,探寻设备组线的最优组合,实现了最佳布局优化。
附图说明
图1为本发明提供的一种基于动态模拟的医药设备组线的布局优化方法的流程示意图;
图2为本发明提供的一种基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型的流程示意图;
图3为本发明提供的生产工艺场景下物料运行的模拟仿真示意图;
图4为本发明提供的一种基于动态模拟的医药设备组线的布局优化装置示意图。
附图标记说明:
1-投料口,2-分装器,3-输送器,4-出料设备,5-提取罐。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。
为将医药生产过程中的物流因素纳入整体的仿真模拟中,可以针对各设备组线进行布局,并进行仿真运行,考虑设备、工艺流程、物流等内容。并且,结合对工艺设备的动态模拟仿真计算,判断生产工艺中的瓶颈工序,对相应的生产设备进行优化,重新对设备组线的设计进行平衡优化。
因此,如图1所示,本发明提供一种基于动态模拟的医药设备组线的布局优化方法,包括如下步骤:
基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;
构建与工艺流程对应的物料库;
基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
运行动态模拟模型,获取模型组件的状态数据;
结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;
优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。
其中,模型组件包括生产设备的基础属性数据以及生产设备内的物料运行参数数据。生产设备的基础属性数据可以包括生产设备的型号、容量等,生产设备内的物料运行参数数据可以包括生产设备内的物料状态、物料的可处理时间等。
物料库包括物料基础属性数据,物料基础属性数据包括物料种类及产品数量。其中,物料库涵盖所有生产设备内的物料。
生产设备包括投料设备、出料设备、物料转化设备以及物料移动设备;
在某个实施例中,投料设备接收物料源,也就是作为投料口的设备;出料设备进行物料排放,也就是作为出料口的设备。
同时,在医药的生产仿真模拟中,物料的存在形式分为固体和液体两种。物料转化设备可以包括分装器,分装器分为两种,分别实现液体→固体和固体→液体的物料存在形式转变,以保证其与后续的属性一致。
物料移动设备,即为输送器,可以是包含收集罐的AGV小车。通过物料移动设备运输物料,实现生产过程中物流的流动。
各个生产设备的类型不同,因此,基于不同的生产设备,相应的,模型组件分为投料子模型组件、出料子模型组件、物料转化子模型组件及物料移动子模型组件。
例如,如图3所示,以中药小品种提取车间为例,模拟物料从投料口1到提取罐5,到最后出料设备4的生产运行过程。
首先,基于中药提取工艺流程,获取提取车间的生产设备清单,对生产设备进行模型组件的构建。
之后,添加物料库,即物料表,投料、生产运行的各个阶段需要获取所需的物料基础属性数据。物料表定义的不同物料种类、产品数量等可以通过颜色等方式进行标识,以体现不同物料的差异。
随后,添加控制逻辑(也可以称为控制策略),通过调用控制逻辑,在具体条件、参数的作用下,可以使得相应的物料按照一定的规律进行生产,建立中药小品种提取的动态模拟模型。
最后,对建立起来的中药小品种提取的动态模拟模型进行运行仿真,模拟中药小品种的提取工艺流程。也就是,从投料口1中输入物料,将物料进行混合,经分装器2,由输送器3输送到提取罐5中。在提取罐5中,共进行两次提取,提取结束后,将提取液输送到后续工序中,并将分离得到的废渣通输送到出料设备4(即废渣收集罐)中,等待输送器3(即收渣小车)收取。在以上工艺流程中,收集动态模拟模型的各个模型组件的状态数据,并通过状态数据的分析,找到整个中药小品种提取工艺中的瓶颈工序,调整优化生产设备选型,获取医药设备组线的最终布局。
如图2所示,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型,具体包括如下步骤:
根据工艺流程,遍历所有投料子模型组件,分别关联物料库,并在物料库中调取对应的物料基础属性数据;
结合投料子模型组件中的生产设备内的物料运行参数,构建投料逻辑单元;
结合工艺进程及投料逻辑单元,遍历并确定出料子模型组件;
通过对物料转化子模型组件的分析及核验,调用物料移动子模型组件关联投料子模型组件及出料子模型组件;
完成医药设备组线的动态模拟模型的构建。
在建立医药设备组线的动态模拟模型中,控制策略的确定非常重要。模型组件和物料库通过控制策略建立联系,物料在控制策略的指引下,实现针对工艺流程的仿真。
投料逻辑单元的建立,是基于控制策略,结合投料子模型组件中生产设备的物料运行参数,给出投料子模型组件与出料子模型组件之间的对应关系。投料子模型组件与出料子模型组件之间的对应关系,既包括物理上的连线关系,也涵盖了工序处理时间,如物料进入投料子模型组件的时间,何时进入出料子模型组件等。
物料转化子模型组件则用来模拟工艺流程中可能出现的固液、液固的物料状态形式的转化,并且结合工艺流程,给出物料移动子模型组件的启动、结束时间,以及具体的运转逻辑和运转路径。
在给出模型组件和物料库的基础上,配合控制策略,建立了可以动态模拟医药设备组线的模型。该动态模型将给料、生产工艺、出料三个模型进行组合,通过物流将整个生产过程进行联动。
物料转化设备包括固液转化设备和液固转化设备(如上述实施例中给出的两种类型的分装器);通过对物料转化子模型组件的分析及核验,调用物料移动子模型组件关联投料子模型组件及出料子模型组件,具体包括如下步骤:
基于投料逻辑单元,确定对应的物料转化子模型组件,并进行核验;物料转化子模型组件需要判定物料为固体还是液体,是否需要转化等。
结合工艺进程,遍历并分析所有物料移动子模型组件,确定对应的物料移动子模型组件;
在工艺进程的各个工序下,需要根据物料的固、液状态及物料的种类等等情况,确定当前的工序下是否需要转运,是否需要物料移动子模型组件(如上述实施例中给出的包含收集罐的AGV小车)的介入。
根据出料子模型组件中出料设备的基础属性数据,通过对应的物料移动子模型组件关联投料子模型组件及出料子模型组件。
出料子模型组件中出料设备的基础属性数据还包括出料设备的位置数据及载重数据。
物料移动子模型组件的最终确定,既要结合出料子模型组件中出料设备的基础属性信息(即出料口当前的位置信息、存量物料数据信息等),还要接合物料移动子模型组件的自身信息,如收集罐当前的容量。
在实际生产中,瓶颈工序的加工时间(工作中的状态)太长,如其前段工序发生堵塞,而后端工序一直处于等待中,会导致工艺产线的平衡性变差。
通过以上方法建立医药设备组线的动态模拟模型后,在仿真运行的基础上,采用统计方法对主要设备的情况进行统计计算,找到工艺产线的瓶颈工序,对生产系统进行优化。
在医药设备组线的动态模拟模型基础上,运行优化的具体步骤包括:
运行动态模拟模型,获取模型组件的状态数据;
结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;
优化瓶颈模型组件,至模型组件的状态数据达到预设值,确定其为基于动态模拟的医药设备组线的布局。
其中,模型组件的状态数据类别包括模型组件中生产设备的工作状态数据、准备状态数据、堵塞状态数据、故障状态数据及停机状态数据。准备状态一般为已设置,准备进入工作状态;停机状态既包括被动停机状态,也包括换班休息的暂停状态;故障状态一般指中断的状态。
结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,具体包括如下步骤:
统计所有模型组件的状态数据,分析每个模型组件中各个状态数据类别的累加时间及累加时间比重;
按照不同的权重系数,结合各个状态数据类别的累加时间比重,分析计算每个模型组件中状态数据累加时间的总占比,并进行排序;
确定动态模拟模型中的瓶颈模型组件。
在某个实施例中,统计所有模型组件的状态数据,获取各个状态的累加时间,给出对应的累加时间比重,对每个状态的累加时间比重赋权,分别计算每个模型组件中状态数据累加时间的总占比。而状态数据的排序准则可以按照工作状态、设置状态、故障状态、暂停状态的累加时间的总占比进行排序,排序默认从高到低。统计数据排列在最高位的就是造成当前生产瓶颈的工位,然后对具体工位对象的作业状态进行分析,进而对相应瓶颈点进行改进。当然,排序准则可以根据不同的生产工艺进行调整,在此不做具体的限定。
如表1中给出了某个设备组线下模型组件的状态数据统计表格,以流化床作为例子,给出了流化床各个状态数据,可以看出,流化床4、流化床5、流化床11、流化床12、流化床6及流化床13均出现了不同程度的堵塞。
表1 某设备组线下各个模型组件的状态数据统计表(%)
确定动态模拟模型中的瓶颈模型组件后,需要优化瓶颈模型组件,具体包括如下步骤:
调整瓶颈模型组件中生产设备的基础属性以及生产设备内的物料运行参数数据。
具体来说,优化瓶颈模型组件需要参照对应模型组件中生产设备的基础属性以及生产设备内的物料运行参数数据,可以更换生产设备的型号、数量,或者调整生产设备的排列顺序等。
比较和评估不同设备选型的表现,以找到最优设备组合,实现最佳布局优化。
每次调整生产设备之后,持续迭代运行动态模拟模型,直至模型组件的状态数据达到预设值。
不同的生产工艺,对于状态数据的要求也不尽相同,也需要考虑迭代的次数,最终确定预设值的大小。当然,状态数据的预设值可以根据不同的生产工艺进行调整,在此不做具体的限定。
如表2中给出了经过优化调整后,某个设备组线下流化床的状态数据统计表格,给出了流化床各个状态数据,可以看出,在整体生产工艺优化设计的考量下,将流化床的数量进行了缩减,由原来的13台缩减为11台,并且每台流化床的工作状态、准备状态、堵塞状态的时间占比均出现了一定的变化。工作状态时间占比呈现一定程度的提升,准备状态、堵塞状态的时间占比呈现一定程度的下降。
表2 优化后某设备组线下各个模型组件的状态数据统计表(%)
如图4所示,本发明还提供一种基于动态模拟的医药设备组线的布局优化装置,采用如上述基于动态模拟的医药设备组线的布局优化方法,包括:
采集模块,基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;
建模模块,构建与工艺流程对应的物料库,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
优化模块,运行动态模拟模型,获取模型组件的状态数据,结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。
本发明的布局优化方案在深度分析医药生产工艺流程及设备属性基础上,满足设备组线布局的高弹性需求,提高设备组线的整体设备利用率。本发明在给出模型组件和物料库的基础上,配合控制策略,建立了可以动态模拟医药设备组线的模型。医药设备组线的动态模拟模型将给料、工艺生产、出料三个模块进行组合,实现了物料在整个生产过程中的联动仿真模拟。本发明通过运行动态模拟模型,确定瓶颈工艺,优化对应的模型组件,探寻设备组线的最优组合,实现了最佳布局优化。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于动态模拟的医药设备组线的布局优化方法,其特征在于,包括如下步骤:
基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件,生产设备包括投料设备、出料设备、物料转化设备以及物料移动设备,模型组件包括生产设备的基础属性数据以及生产设备内的物料运行参数数据,基于不同的生产设备,模型组件分为投料子模型组件、出料子模型组件、物料转化子模型组件及物料移动子模型组件;
构建与工艺流程对应的物料库,物料库包括物料基础属性数据,物料基础属性数据包括物料种类及产品数量;
基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
运行动态模拟模型,获取模型组件的状态数据;
结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件;
优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局;
其中,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型,具体包括如下步骤:
根据工艺流程,遍历所有投料子模型组件,分别关联物料库,并在物料库中调取对应的物料基础属性数据;
结合投料子模型组件中的生产设备内的物料运行参数,构建投料逻辑单元,给出投料子模型组件与出料子模型组件之间的对应关系,投料子模型组件与出料子模型组件之间的对应关系,包括物理上的连线关系及工序处理时间;
结合工艺进程及投料逻辑单元,遍历并确定出料子模型组件;
基于投料逻辑单元,确定对应的物料转化子模型组件,并进行核验;
结合工艺进程,遍历并分析所有物料移动子模型组件,确定对应的物料移动子模型组件,给出物料移动子模型组件的启动、结束时间,以及运转逻辑和运转路径;
根据出料子模型组件中出料设备的基础属性数据,通过对应的物料移动子模型组件关联投料子模型组件及出料子模型组件;
完成医药设备组线的动态模拟模型的构建。
2.如权利要求1所述基于动态模拟的医药设备组线的布局优化方法,其特征在于,物料转化设备包括固液转化设备和液固转化设备。
3.如权利要求1所述基于动态模拟的医药设备组线的布局优化方法,其特征在于,出料子模型组件中出料设备的基础属性数据还包括出料设备的位置数据及载重数据。
4.如权利要求1所述基于动态模拟的医药设备组线的布局优化方法,其特征在于,模型组件的状态数据类别包括模型组件中生产设备的工作状态数据、准备状态数据、堵塞状态数据、故障状态数据及停机状态数据。
5.如权利要求4所述基于动态模拟的医药设备组线的布局优化方法,其特征在于,结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,具体包括如下步骤:
统计所有模型组件的状态数据,分析每个模型组件中各个状态数据类别的累加时间及累加时间比重;
按照不同的权重系数,结合各个状态数据类别的累加时间比重,分析计算每个模型组件中状态数据累加时间的总占比,并进行排序;
确定动态模拟模型中的瓶颈模型组件。
6.如权利要求5所述基于动态模拟的医药设备组线的布局优化方法,其特征在于,优化瓶颈模型组件,具体包括如下步骤:
调整瓶颈模型组件中生产设备的基础属性以及生产设备内的物料运行参数数据。
7.一种基于动态模拟的医药设备组线的布局优化装置,其特征在于,采用如权利要求1-6任一所述基于动态模拟的医药设备组线的布局优化方法,包括:
采集模块,基于医药制备的工艺流程,获取生产设备清单,并给出对应生产设备的模型组件;
建模模块,构建与工艺流程对应的物料库,基于模型组件和物料库,结合控制策略,建立医药设备组线的动态模拟模型;
优化模块,运行动态模拟模型,获取模型组件的状态数据,结合模型组件的状态数据,并基于排序准则,确定动态模拟模型中的瓶颈模型组件,优化瓶颈模型组件,至模型组件的状态数据达到预设值,给出基于动态模拟的医药设备组线的布局。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310765695.1A CN116502474B (zh) | 2023-06-27 | 2023-06-27 | 一种基于动态模拟的医药设备组线的布局优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310765695.1A CN116502474B (zh) | 2023-06-27 | 2023-06-27 | 一种基于动态模拟的医药设备组线的布局优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116502474A CN116502474A (zh) | 2023-07-28 |
CN116502474B true CN116502474B (zh) | 2023-11-21 |
Family
ID=87325194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310765695.1A Active CN116502474B (zh) | 2023-06-27 | 2023-06-27 | 一种基于动态模拟的医药设备组线的布局优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502474B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103676881A (zh) * | 2013-12-16 | 2014-03-26 | 北京化工大学 | 一种半导体生产线动态瓶颈分析方法 |
CN110163436A (zh) * | 2019-05-23 | 2019-08-23 | 西北工业大学 | 基于动态瓶颈预测的智能车间生产优化方法 |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
US11067970B1 (en) * | 2020-02-27 | 2021-07-20 | Guangdong University Of Technology | Method for designing production line based on digital twin |
CN115544775A (zh) * | 2022-10-14 | 2022-12-30 | 西南交通大学 | 一种数字孪生车间多维多层级模型构建与动态配置方法 |
CN115796328A (zh) * | 2022-10-21 | 2023-03-14 | 哈工大机器人(山东)智能装备研究院 | 产品工艺路线仿真系统及产品性能预测方法 |
-
2023
- 2023-06-27 CN CN202310765695.1A patent/CN116502474B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103676881A (zh) * | 2013-12-16 | 2014-03-26 | 北京化工大学 | 一种半导体生产线动态瓶颈分析方法 |
CN110163436A (zh) * | 2019-05-23 | 2019-08-23 | 西北工业大学 | 基于动态瓶颈预测的智能车间生产优化方法 |
US11067970B1 (en) * | 2020-02-27 | 2021-07-20 | Guangdong University Of Technology | Method for designing production line based on digital twin |
CN111539583A (zh) * | 2020-05-13 | 2020-08-14 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
CN115544775A (zh) * | 2022-10-14 | 2022-12-30 | 西南交通大学 | 一种数字孪生车间多维多层级模型构建与动态配置方法 |
CN115796328A (zh) * | 2022-10-21 | 2023-03-14 | 哈工大机器人(山东)智能装备研究院 | 产品工艺路线仿真系统及产品性能预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116502474A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galantucci et al. | Assembly and disassembly planning by using fuzzy logic & genetic algorithms | |
CN103413771B (zh) | 晶圆可接受测试机台的派工方法 | |
Nastasi et al. | Implementation and comparison of algorithms for multi-objective optimization based on genetic algorithms applied to the management of an automated warehouse | |
Browne | Artificial intelligence data-driven internet of things systems, real-time process monitoring, and sustainable industrial value creation in smart networked factories | |
JP2002023823A (ja) | 生産管理システム | |
CN111221312A (zh) | 机器人在生产线的优化方法、系统及在数字孪生的应用 | |
CN107274095A (zh) | 构件订单的订单分配方法及装置、存储介质、订单分配服务器 | |
CN111625919B (zh) | 物流仿真系统的设计方法和装置 | |
Xu et al. | A simulated multi-objective model for flexible job shop transportation scheduling | |
Tyan et al. | Multiple response optimization in a fully automated FAB: an integrated tool and vehicle dispatching strategy∗ | |
CN114911238A (zh) | 一种无人驾驶矿车协同控制方法及系统 | |
CN116401951A (zh) | 集成多agv路径规划与多行设备布局优化方法 | |
CN108182497A (zh) | 一种工程材料单价的预测方法 | |
CN113112121A (zh) | 一种基于多目标非支配排序的车间布局调度优化方法 | |
CN116502474B (zh) | 一种基于动态模拟的医药设备组线的布局优化方法及装置 | |
CN117148806B (zh) | 基于数字孪生的自动装配混流生产线布局优化方法及装置 | |
US20070088533A1 (en) | Process simulation system | |
US20230054470A1 (en) | Industrial internet of things, control methods, and storage mediums for automatic executing product manufacturing based on tasks | |
Drastich | Optimization of material flow by simulation methods | |
CN115826506B (zh) | 水处理控制系统及控制装置 | |
CN116703104A (zh) | 一种基于决策大模型的料箱机器人订单拣选方法及装置 | |
Korytkowski | A genetic algorithm with tournament selection for optimising inspection allocation in multiproduct multistage production systems | |
Piplani et al. | Simplification strategies for simulation models of semiconductor facilities | |
Strelec et al. | IIoT device prototype design using state machine according to OPC UA | |
Li et al. | Investigating the factors influencing the shop performance in a job shop environment with kanban-based production control |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 100142 block B, Linglong Tiandi, North West Fourth Ring Road, Haidian District, Beijing Patentee after: China Electronics Engineering Design Institute Co.,Ltd. Country or region after: China Address before: 100142 block B, Linglong Tiandi, North West Fourth Ring Road, Haidian District, Beijing Patentee before: CHINA ELECTRONICS ENGINEERING DESIGN INSTITUTE Co.,Ltd. Country or region before: China |