关键词:
智能制造
多目标柔性作业车间调度
动态柔性作业车间调度
NSGA-Ⅲ算法
数字孪生体
摘要:
制造企业对国民经济的贡献得到国家的认可,但在当前面临着许多挑战,市场全球化、经济变化、产品开发周期缩短、消费者需求变化和竞争加剧。上市时间在按订单生产的行业中尤为重要,生产的灵活性和工艺流程时间决定了中小型企业的成功率。要求企业进行智能化的生产计划和车间调度,以满足交货期和作出质量决策。随着智能制造的发展,物联网(IoT)、大数据、云计算、人工智能等新兴技术推动智能制造新模式发展,极大地提高了作业车间的生产效率。基于信息物理系统(CPS)的智能制造是制造业的发展趋势。数字孪生技术是CPS的一种实现方法。考虑到智能制造作业车间的复杂性和不确定性,动态多目标作业车间调度的智能化决策和实时性调度是两个重大挑战。引入数字孪生技术,通过物理车间与不断更新的数字车间实时数据交互,检测、识别并归类动态干扰事件,及时触发重调度机制,生成调度方案。依据此,本文研究智能制造环境下,研究基于数字孪生的柔性作业车间优化调度排产问题,主要包括以下方面:(1)基于数字孪生的多目标柔性作业车间调度问题(Multi-obj ective Flexible job-shop Scheduling Problem,MO-FJSP)研究。首先,介绍智能制造柔性车间调度中的两个子问题:确定产品各工序的加工机器选择;安排工序在机器上的加工顺序并确定加工开始时刻。考虑三种典型的优化目标,最大完工时间、设备能耗和关键设备负荷,构建柔性作业车间调度问题数学模型和网络析取图模型。针对多目标优化问题,结合NSGA-Ⅲ的全局搜索能力,邻域搜索对问题解空间的搜索能力,设计了一种基于关键工序关键路径邻域搜索的混合K-NSGA-Ⅲ算法,通过与其他智能算法在同样得基准算例测试,验证本文算法在解决大中型问题方面搜索效率和收敛性能,本文算法求得Pareto解所占比例最大,Pareto解在空间分布性更好。(2)动态多目标柔性作业车间调度问题(Multi-objective Dynamic Flexible job-shop Scheduling Problem,MO-DFJSP)研究。首先介绍智能制造环境下的作业车间动态干扰调度的新内涵,根据车间重调度影响程度不同,将车间动态干扰事件分为三类进行研究(工序加工时间延长、机器故障、紧急订单插入),构建了动态调度的数字孪生体模型,建立了基于数字孪生技术的智能制造车间调度方法体系,该体系包括调度数据智能化实时采集、重调度驱动机制及智能化调度决策、重调度方案生成三个方面。通过案例研究该方法对动态事件的响应能力大大提高,对交货期延迟、减少能耗方面贡献突出。该方法有利解决了周期调度中调度时间点难以确定问题以及优化重调度频率降低调度成本。(3)潜在应用研究。以制造业企业HN公司的产线为背景,建立智能制造环境下的数字孪生作业车间原型系统,搭载plantsimulation仿真软件建立数字孪生体模型,以HN公司产线加工8种零件7台机器调度为例,验证了所提出的三类动态干扰事件调度处理方案的有效性,本文提出的数字孪生调度决策机制在最大完工时间、总拖期与机器总负荷三个指标上综合比较优于常用的调度规则得到的方案。在机器使用率上提升10个百分点,在产品平均延期时间上减少1.5个单位时间。研究结果表明,数字孪生车间可以实现产线及时调度和柔性排产,提高车间对动态干扰事件的响应速度,本文所构建的模型与求解方法能够为企业作业车间调度优化提供理论参考与方法支持。