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制造方法及图纸

本发明专利技术公开一种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，该方法步骤包括：构建数字孪生系统，系统中包括混流生产系统物理域模型

【技术实现步骤摘要】
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


[0001]本专利技术涉及自动装配生产系统
，尤其涉及一种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
。

技术介绍

[0002]自动装配生产线即是利用机器手
、
传输皮带
、
控制进料
、
出料等实现产品的自动装配
。
自动装配混流生产线即为可以使用不同产品工艺流程的生产线，各产品的工艺流程
、
物料需求
、
各工站设备
、
操作人员数量等需求可能不完全相同
。
同时，上述资源的状态信息也可能会随加工进度的变化而变化，这些变化会使得加工过程的动态优化和反馈控制变得复杂
。
例如资源配置不足会影响正常生产进度，而资源配置过量则会造成浪费，因此进行自动装配混流生产线资源配置优化是自动装配生产系统实现智能加工的关键
。
[0003]对于自动装配的自动装配混流生产线的生产线布局方案，现有技术中通常是人工依据经验进行配置
。
但是，一方面多工序生产系统的生产线布局中会涉及多重资源的资源配置，例如物资设备
、
能源等，传统依据人工经验的布局方式难以将多重资源配置进行耦合，导致不能实时监控各资源的状态，也难以及时动态地对存在问题的资源配置进行优化；另一方面，生产线布局仅依靠人工经验，效率以及可靠性低，在布局中需要考虑各功能段之间的关联方式
、
各段内子线之间的关联方式
、
各子线内部的工位排布方式等，布局配置的难度大，易造成布局混乱，无法及时发现布局的潜在问题，致使后期优化成本高
。
尤其是产线规模越大，建设调试周期越长，后期优化成本也会越高
。
同时随着生产线的运行各类需求也是不断变化的，依靠人工经验就难以依据生产线的实时状态动态确定出最优的布局方案
。

技术实现思路

[0004]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种实现方法简单
、
智能化程度与效率高
、
稳定可靠的基于数字孪生的自动装配生产线布局优化方法及装置，能够动态实现自动装配混流生产线的最优布局优化，提高生产线的稳定性以及生产效率，同时降低能源消耗率
。
[0005]为解决上述技术问题，本专利技术提出的技术方案为：一种基于数字孪生的自动装配混流生产线布局优化方法，步骤包括：步骤1：构建自动装配混流生产线资源配置优化的数字孪生系统，系统中包括混流生产系统物理域模型
、
孪生域模型
、
孪生数据平台，所述孪生域模型包括虚拟生产线孪生体以实现与混流生产系统物理域模型的数据映射，所述孪生数据平台用于收集所述混流生产系统物理域模型的历史运行数据
、
实时运行数据以及提供实时运行数据给所述孪生域模型；步骤2：以生产线效率最大
、
产量最大以及投入成本最小作为多级优化目标，将各级优化目标加权构建形成自动装配混流生产线资源配置的目标优化模型；步骤3：根据孪生数据平台中数据配置所述目标优化模型中各级优化目标的权重
系数，确定得到生产线布局方案，不断从孪生数据平台中获取各级优化目标所对应的控制变量数据，按照确定得到的生产线布局方案输入至神经网络模型中进行迭代求解，直至得到满足预设性能要求的最优生产线布局方案，在迭代求解过程中根据迭代求解结果更新所述孪生域模型以及孪生数据平台中数据
。
[0006]进一步的，所述自动装配混流生产线资源配置的目标优化模型中使用最小生产节拍按照构建生产线效率最大的计算模型，即，
K
为比例系数常数，所述最小生产节拍数，所述最小生产节拍根据各个工序设备的运行时间
、
各加工工序加工台加工时间和机器手对物料抓取时间
、
传送带相邻两个工序从分流到合流的运动时间以及各个加工工序关系复杂度计算得到
。
[0007]进一步的，所述最小生产节拍进一步的，所述最小生产节拍按下式计算得到：按下式计算得到：按下式计算得到：按下式计算得到：其中，
J
T
代表生产线的生产节拍；为生产线中第
i
个工序设备运行时间，
、
分别代表生产线中第
i
个工序加工台加工时间和机器手对物料抓取时间，每一道工序抓和放时间一致；代表传送带相邻两个工序从分流到合流的运动时间，为第
i
个加工工序关系复杂度的权重因子，
w
i
为第
i
个加工工序关系复杂度熵值，为第
i
个加工工序的关系复杂度，
Z
A
,Z
B
,Z
C
分别表示加工台加工状态中的工作前工序的数量
、
正在工作工序的数量以及工作后的工序数量，表示生产线的第
i
个加工工序的工序数量，
N
表示加工工序数量
。
[0008]进一步的，所述自动装配混流生产线资源配置的目标优化模型中，使用传送带缓存容量
、
设备运转消耗的能量
、
产线设备成本和皮带工件缓存量
、
构建生产成本投入最小的计算模型：的计算模型：的计算模型：其中，
B
代表产线装配生产的成本，
θ
i
为生产线中第
i
个工序设备利用率，
T
i
为生产线中第
i
个工序设备运行时间，为第
i
个工序设备运转能源消耗总成本，空转设备能源消耗是工作状态能源消耗的
1/2
；
B
b
代表生产线单个工序传送带的成本；代表评判生产线中第
i
个加工工序与下一个工序之间是否需要合流或分流的
0~1
变量，
N
表示工序数量，
G
*
表示
各工序传送带最优缓存容量，
G
b
为传送带缓存容量，且
1≤a≤G
b
≤b
，
b
表示传送带缓存容量下限，
a
表示传送带缓存容量上限，表示生产线产量
。
[0009]进一步的，所述自动装配混流生产线资源配置的目标优化模型为：其中，
A
表示生产线生成效率，表示生产线产量，
B
表示生产线投入成本，
=
α1、
α2、
α3分别表示对
、、
的权重系数
。
[0010]进一步的，步骤3包括：步骤
3.1.
根据孪生数据平台中历史数据配置所述目标优化模型中各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数字孪生的自动装配混流生产线布局优化方法，其特征在于，步骤包括：步骤1：构建自动装配混流生产线资源配置优化的数字孪生系统，系统中包括混流生产系统物理域模型
、
孪生域模型
、
孪生数据平台，所述孪生域模型包括虚拟生产线孪生体以实现与混流生产系统物理域模型的数据映射，所述孪生数据平台用于收集所述混流生产系统物理域模型的历史运行数据
、
实时运行数据以及提供实时运行数据给所述孪生域模型；步骤2：以生产线效率最大
、
产量最大以及投入成本最小作为多级优化目标，将各级优化目标加权构建形成自动装配混流生产线资源配置的目标优化模型；步骤3：根据孪生数据平台中数据配置所述目标优化模型中各级优化目标的权重系数，确定得到生产线布局方案，不断从孪生数据平台中获取各级优化目标所对应的控制变量数据，按照确定得到的生产线布局方案输入至神经网络模型中进行迭代求解，直至得到满足预设性能要求的最优生产线布局方案，在迭代求解过程中根据迭代求解结果更新所述孪生域模型以及孪生数据平台中数据
。2.
根据权利要求1所述的基于数字孪生的自动装配混流生产线布局优化方法，其特征在于，所述自动装配混流生产线资源配置的目标优化模型中使用最小生产节拍在于，所述自动装配混流生产线资源配置的目标优化模型中使用最小生产节拍按照构建生产线效率最大的计算模型，即，
K
为比例系数常数，所述最小生产节拍小生产节拍根据各个工序设备的运行时间
、
各加工工序加工台加工时间和机器手对物料抓取时间
、
传送带相邻两个工序从分流到合流的运动时间以及各个加工工序关系复杂度计算得到
。3.
根据权利要求2所述的基于数字孪生的自动装配混流生产线布局优化方法，其特征在于，所述最小生产节拍在于，所述最小生产节拍按下式计算得到：按下式计算得到：按下式计算得到：按下式计算得到：其中，
J
T
代表生产线的生产节拍；为生产线中第
i
个工序设备运行时间，
、
分别代表生产线中第
i
个工序加工台加工时间和机器手对物料抓取时间，每一道工序抓和放时间一致；代表传送带相邻两个工序从分流到合流的运动时间，为第
i
个加工工序关系复杂度的权重因子，
w
i
为第
i
个加工工序的关系复杂度熵值，为第
i
个加工工序的关系复杂度，
Z
A
,Z
B
,Z
C
分别表示加工台加工状态中的工作前工序的数量
、
正在工作工序的数量以及工作后的工序数量，表示生产线的第
i
个加工工序的工序数量，
N
表示加工工序数量
。4.
根据权利要求1所述的基于数字孪生的自动装配混流生产线布局优化方法，其特征在于，所述自动装配混流生产线资源配置的目标优化模型中，使用传送带缓存容量
、
设备运
转消耗的能量
、
产线设备成本和皮带工件缓存量
、
构建生产成本投入最小的计算模型：的计算模型：的计算模型：其中，
B
代表产线装配生产的成本，
θ
i
为生产线中第
i
个工序设备利用率，
T
i
为生产线中第
i
个工序设备运行时间，为第
i
个工序设备运转能源消耗总成本，空转设备能源消耗是工作状态能源消耗的
1/2
；
B
b
代表生产线单个工序传送带的成本；代表评判生产线中第
i
个加工工序与下一个工序之间是否需要合流或分流的
0~1
变量，
N
表示工序数量，
G
*
表示各工序传送带最优缓存容量，
G
b
为传送带缓存容量，且
1≤a≤G
b
≤b
，
b

【专利技术属性】
技术研发人员：刘金金，陈晓红，张文涛，徐雪松，张金传，艾彦迪，周雪，谭康晨，
申请(专利权)人：湘江实验室，
类型：发明
国别省市：