一种智能车间的布局仿真优化方法及装置制造方法及图纸

本发明专利技术公开了一种智能车间的布局仿真优化方法及装置，该方法包括：根据智能车间的初始参数、布局模型及对应的约束条件，获取当前布局参数；利用当前布局参数对智能车间的布局进行仿真建模，获取智能车间的当前仿真模型及对应的当前性能指标；根据当前性能指标，利用预设的智能搜索算法对当前布局参数进行局部调优，获取最优布局参数；本发明专利技术通过仿真计算数学模型难以准确描述的性能指标，可以确定对智能车间的布局对性能指标的影响；通过利用预设的智能搜索算法对当前布局参数进行局部调优，获取调优过程中最优的布局参数，进一步减少仿真优化的迭代次数，提高布局参数的优化效率，减少了智能车间的运输成本，从而降低了智能车间的生产成本。

An Optimizing Method and Device for Intelligent Workshop Layout Simulation

The invention discloses an intelligent workshop layout simulation optimization method and device, which includes: obtaining the current layout parameters according to the initial parameters, layout model and corresponding constraints of the intelligent workshop; using the current layout parameters to simulate the layout of the intelligent workshop, obtaining the current simulation model of the intelligent workshop and corresponding current performance indicators; and according to the current situation of the intelligent workshop. Performance indicators, the preset intelligent search algorithm is used to optimize the current layout parameters to obtain the optimal layout parameters; the performance indicators which are difficult to accurately describe by the simulation calculation mathematical model can determine the impact of the layout of the intelligent Workshop on the performance indicators; the preset intelligent search algorithm is used to optimize the current layout parameters to obtain the optimization. The optimal layout parameters in the process can further reduce the iteration times of simulation optimization, improve the optimization efficiency of layout parameters, reduce the transportation cost of intelligent workshop, and reduce the production cost of intelligent workshop.

【技术实现步骤摘要】
一种智能车间的布局仿真优化方法及装置
本专利技术涉及生产车间或制造系统规划布局领域，特别涉及一种智能车间的布局仿真优化方法及装置。
技术介绍
车间设备布局规划是制造系统设计的重要环节，良好的车间布局可以提高企业整体效益，降低高达50％的生产运营费用。智能车间中大都是定制化的生产定单，意味着产品品种繁多、定单随机到达、不同产品之间存在工艺差异等；同时这类智能车间还包含自动化加工单元和自动化物流储运系统。经历了资源配置阶段后，智能车间的加工能力与物料储运能力已经初步达到平衡的状态。这时物料储运系统的布局结构、各个加工单元的位置，相应的上料与下料口的位置，以及存储单元的位置等，会对如制品平均运输时间的性能指标产生很大的影响，从而影响智能车间的运输成本。现有技术中，传统的智能车间布局方法以综合物流强度最小为优化目标，即优化AGV(AutomaticGuidedVehicle，自动导向车)负载路径总长度，在约束条件中并未考虑如制品平均运输时间和智能车间平均生产周期等性能指标，隐含假定了智能车间布局不会影响性能指标，或认为物流强度与性能指标强相关。因此，如何在智能车间的布局过程中对性能指标进行优化，减少智能车间的运输成本，从而降低智能车间的生产成本，是现今急需解决的问题。
技术实现思路
本专利技术的目的是提供一种智能车间的布局仿真优化方法及装置，以利用智能搜索算法对性能指标进行快速调优，提高了性能指标的优化速度，减少了智能车间的运输成本，从而降低了智能车间的生产成本。为解决上述技术问题，本专利技术提供一种智能车间的布局仿真优化方法，包括：根据智能车间的初始参数、布局模型及对应的约束条件，获取当前布局参数；其中，所述初始参数包括所述智能车间的几何参数和产品及工艺参数；利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标；其中，所述当前性能指标包括制品平均运输时间、制品运输等待时间、制品平均拥堵时间、制品平均绕道距离、智能车间平均产出率和智能车间平均生产周期中至少一项；根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数；其中，所述最优布局参数满足所述布局模型对应的约束条件。可选的，当所述智能搜索算法为遗传算法时，所述根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数，包括：将所述当前性能指标代入到所述遗传算法的适应度函数，计算获取当前适应度；判断是否满足所述遗传算法的预设结束条件；若是，则将数值最小或最大的所述当前适应度对应的当前布局参数作为所述最优布局参数；若否，则对由所述当前布局参数组成的染色体进行遗传操作，获取下一布局参数，并将所述下一布局参数作为所述当前布局参数，执行所述利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标的步骤。可选的，所述布局模型具体为：所述布局模型对应的约束条件具体为：P(X,Y,Z|Π,Δ)≥0，以使全部单元和全部路段均在所述几何参数中车间布局区域内，各个单元的位置彼此不重叠，每个单元的位置与每条路段的位置彼此不重叠，每个单元至少有一个边对应的路段平行，每个单元的上料口和/或下料口的位置必须在其与路段接壤的边上；其中，Xn为所述几何参数中车间布局区域内的第n个单元的位置向量；Ym为所述几何参数中车间布局区域内的第m条路段的位置向量；Zn为所述几何参数中车间布局区域内的第n个单元的入料口和/或出料口的位置向量；Π为所述几何参数中自动导向车路经网络的拓扑结构，Δ为所述产品及工艺参数，ξ为随机元，Q(·)为所述智能车间的运输成本，E{·}为随机函数的数学期望，P(·)为多个块状单元和/或路段的顶点坐标之间的相互限制关系式。可选的，当所述当前性能指标包括所述制品平均运输时间、所述制品运输等待时间、所述制品平均拥堵时间、所述制品平均绕道距离、所述智能车间平均产出率和所述智能车间平均生产周期时，所述适应度函数具体为：Fitness＝o·p·q·r·s[C1·chg(Tt)+C2·chg(Wt)+C3·chg(Bt)+C4·Rd·W]；其中，C1、C2、C3和C4分别为单位运输成本、单位等待时间成本、单位阻塞时间成本和单位绕道成本，chg()为将时间转换为数量的函数，W为制品的平均重量，o、p、q、r和s均为所述适应度函数对应的约束条件判定系数，Tt为所述制品平均运输时间，Ltijk为第i次仿真中，第j个制品在整个生产周期内，第k次装载至自动导向车的时刻；Utijk为第i次仿真中，第j个制品在整个生产周期内，第k次从自动导向车卸载的时刻；Wt为所述制品运输等待时间，Etijk为第i次仿真中，第j个制品进入第k次装载所对应装载点缓存区的时刻；Bt为所述制品平均拥堵时间，Stijk为第i次仿真中，在整个生产周期内自动导向车装载第j个制品第k次因拥堵导致停车的时刻；Rtijk为第i次仿真中，自动导向车装载第j个制品第k次拥堵后重新启动的时刻；Rd为所述制品平均绕道距离，Odijk为第i次仿真中，第j个在制品在整个生产周期内，自动导向车第k次装卸的原计划路线距离；Rdijk为第i次仿真中，第j个在制品在整个生产周期内，自动导向车第k次装卸因拥堵而绕道后的实际路线距离；Tr为所述智能车间平均产出率，Tril为第i次仿真中，第l类制品的产出率；Ft为所述智能车间平均生产周期，Ftil为第i次仿真中，第l类制品的生产周期；T1、T2、T3和T4分别为预先设置的制品平均运输时间阈值、制品运输等待时间阈值、智能车间平均产出率阈值和智能车间平均生产周期阈值。可选的，所述对由所述当前布局参数组成的染色体进行遗传操作，包括：利用所述当前布局参数中的单元的位置向量、路段的位置向量和单元的入料口和/或出料口的位置向量组成所述染色体；其中，所述染色体的前段为所述单元的位置向量，所述染色体的中段为所述路段的位置向量，所述染色体的后段为所述单元的入料口和/或出料口的位置向量，每个位置向量对应所述染色体中的一个基因，所述染色体的基因顺序与对应的位置向量编号顺序相对应；利用预设选择算子对所述染色体进行选择；其中，所述预设选择算子为Pi为第i次仿真的选择概率，Fi为第i次仿真的适应度；利用预设交叉算子对被选择的染色体的基因进行交叉，使被选择的染色体的前段、中段和后段分别进行内部交叉，且在相同类型单元之间、相同方向路段之间、入料口与入料口之间和出料口与出料口之间交叉；利用预设变异算子，按预设概率对交叉后的染色体或未选择的染色体的前段、中段或后段中的一个基因进行变异。此外，本专利技术还提供了一种智能车间的布局仿真优化装置，包括：第一获取模块，用于根据智能车间的初始参数、布局模型及对应的约束条件，获取当前布局参数；其中，所述初始参数包括所述智能车间的几何参数和产品及工艺参数；第二获取模块，用于利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标；其中，所述当前性能指标包括制品平均运输时间、制品运输等待时间、制品平均拥堵时间、制品平均绕道距离、智能车间平均产出率和智能车间平均生产周期中至少一项；调优模块，用于根据所述本文档来自技高网...

【技术保护点】
1.一种智能车间的布局仿真优化方法，其特征在于，包括：根据智能车间的初始参数、布局模型及对应的约束条件，获取当前布局参数；其中，所述初始参数包括所述智能车间的几何参数和产品及工艺参数；利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标；其中，所述当前性能指标包括制品平均运输时间、制品运输等待时间、制品平均拥堵时间、制品平均绕道距离、智能车间平均产出率和智能车间平均生产周期中至少一项；根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数；其中，所述最优布局参数满足所述布局模型对应的约束条件；当所述智能搜索算法为遗传算法时，所述根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数，包括：将所述当前性能指标代入到所述遗传算法的适应度函数，计算获取当前适应度；判断是否满足所述遗传算法的预设结束条件；若是，则将数值最小或最大的所述当前适应度对应的当前布局参数作为所述最优布局参数；若否，则对由所述当前布局参数组成的染色体进行遗传操作，获取下一布局参数，并将所述下一布局参数作为所述当前布局参数，执行所述利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标的步骤；所述布局模型具体为：...

【技术特征摘要】
1.一种智能车间的布局仿真优化方法，其特征在于，包括：根据智能车间的初始参数、布局模型及对应的约束条件，获取当前布局参数；其中，所述初始参数包括所述智能车间的几何参数和产品及工艺参数；利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标；其中，所述当前性能指标包括制品平均运输时间、制品运输等待时间、制品平均拥堵时间、制品平均绕道距离、智能车间平均产出率和智能车间平均生产周期中至少一项；根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数；其中，所述最优布局参数满足所述布局模型对应的约束条件；当所述智能搜索算法为遗传算法时，所述根据所述当前性能指标，利用预设的智能搜索算法对所述当前布局参数进行局部调优，获取最优布局参数，包括：将所述当前性能指标代入到所述遗传算法的适应度函数，计算获取当前适应度；判断是否满足所述遗传算法的预设结束条件；若是，则将数值最小或最大的所述当前适应度对应的当前布局参数作为所述最优布局参数；若否，则对由所述当前布局参数组成的染色体进行遗传操作，获取下一布局参数，并将所述下一布局参数作为所述当前布局参数，执行所述利用所述当前布局参数对所述智能车间的布局进行仿真建模，获取所述智能车间的当前仿真模型及对应的当前性能指标的步骤；所述布局模型具体为：所述布局模型对应的空间几何约束条件具体为：P(X,Y,Z|Π,Δ)≥0，以使全部单元和全部路段均在所述几何参数中车间布局区域内，各个单元的位置彼此不重叠，每个单元的位置与每条路段的位置彼此不重叠，每个单元至少有一个边与某条路段平行，每个单元的上料口和/或下料口的位置必须在其与路段接壤的边上；其中，Xn为所述几何参数中车间布局区域内的第n个单元的位置向量；Ym为所述几何参数中车间布局区域内的第m条路段的位置向量；Zn为所述几何参数中车间布局区域内的第n个单元的入料口和/或出料口的位置向量；Π为所述几何参数中自动导向车路经网络的拓扑结构，Δ为所述产品及工艺参数，ξ为随机元，Q(·)为所述智能车间的运输成本，P(·)为多个块状单元和/或路段的顶点坐标之间的相互限制关系式；当所述当前性能指标包括所述制品平均运输时间、所述制品运输等待时间、所述制品平均拥堵时间、所述制品平均绕道距离、所述智能车间平均产出率和所述智能车间平均生产周期时，所述适应度函数具体为：Fitness＝o·p·q·r·s[C1·chg(Tt)+C2·chg(Wt)+C3·chg(Bt)+C4·Rd·W]；其中，C1、C2、C3和C4分别为单位运输成本、单位等待时间成本、单位阻塞时间成本和单位绕道成本，chg()为将时间转换为数量的函数，W为制品的平均重量，o、p、q、r和s均为所述适应度函数对应的约束条件判定系数，Tt为所述制品平均运输时间，Ltijk为第i次仿真中，第j个制品在整个生产周期内，第k次装载至自动导向车的时刻；Utijk为第i次仿真中，第j个制品在整个生产周期内，第k次从自动导向车卸载的时刻；Wt为所述制品运输等待时间，Etijk为第i次仿真中，第j个制品进入第k次装载所对应装载点缓存区的时刻；Bt为所述制品平均拥堵时间，Stijk为第i次仿真中，在整个生产周期内自动导向车装载第j个制品第k次因拥堵导致停车的时刻；Rtijk为第i次仿真中，自动导向车装载第j个制品第k次拥堵后重新启动的时刻；Rd为所述制品平均绕道距离，Odijk为第i次仿真中，第j个在制品在整个生产周期内，自动导向车第k次装卸的原计划路线距离；Rdijk为第i次仿真中，第j个在制品在整个生产周期内，自动导向车第k次装卸因拥堵而绕道后的实际路线距离；Tr为所述智能车间平均产出率，Tril为第i次仿真中，第l类制品的产出率；Ft为所述智能车间平均生产周期，Ftil为第i次仿真中，第l类制品的生产周期；T1、T2、T3和T4分别为预先设置的制品平均运输时间阈值、制品运输等待时间阈值、智能车间平均产出率阈值和智能车间平均生产周期阈值。2.根据权利要求1所述的智能车间的布局仿真优化方法，其特征在于，所述对由所述当前布局参数组成的染色体进行遗传操作，包括：利用所述当前布局参数中的单元的位置向量、路段的位置向量和单元的入料口和/或出料口的位置向量组成所述染色体；其中，所述染色体的前段为所述单元的位置向量，所述染色体的中段为所述路段的位置向量，所述染色体的后段为所述单元的入料口和/或出料口的位置向量，每个位置向量对应所述染色体中的一个基因，所述染色体的基因顺序与对应的位置向量编号顺序相对应；利用预设选择算子对所述染色体进行选择；其中，所述预设选择算子为Pi为第i次仿真的选择概率，Fi为第i次仿真的适应度；利用预设交叉算子对被选择的染色体的基因进行交叉，使被选择的染色体的前段、中段和后段分别进行内部交叉，且在相同类型单元之间、相同方向路段之间、入料口与入料口之间和出料口与出料口之间交叉；利用预设变异算子，按预设概率对交...

【专利技术属性】
技术研发人员：俞爱林，毛宁，陈庆新，刘建军，胡常伟，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44