一种基于设备故障调度模型的车间调度仿真方法
【专利摘要】本发明公开了一种基于设备故障调度模型的车间调度仿真方法，包括建立设备故障调度模型、运行模型进行数据分析、修改模型、实施试验、更换数据进行二次仿真、分析瓶颈、分析仿真结果。本发明提供的基于设备故障调度模型的车间调度仿真方法，提高了成功地设计车间生产系统的可能性，降低了设计的成本和风险；通过遗传算法来验证仿真结果，从时间上缩短了传统设计的设计周期，降低了设备发生故障的概率，减少了制品更换设备的重新加工产生的缺陷；将实际生产模型应用于eM-Plant软件上将其转化成软件可以识别的模型，避免了重新装夹所浪费的时间，降低了待加工产品造成的积压浪费的库存成本，减少了延时交货造成的违约金和信誉的损失。
【专利说明】一种基于设备故障调度模型的车间调度仿真方法
【技术领域】
[0001]本发明属于车间调度仿真方法的【技术领域】，尤其涉及一种基于设备故障调度模型的车间调度仿真方法。
【背景技术】
[0002]随着科学技术的发展，生产规模越来越大，复杂性越来越高，市场竞争也越来越激烈，因此对企业的管理和对生产过程的监控都提出了更高的要求，面对不同客户的多品种小批量产品需求，要求制造车间能够应对这种动态的多样性要求，企业管理者和IE工程师们面临的问题是:如何针对车间设备发生故障时，分析动态作业车间调度的特点，分析车间设备发生故障对Job-Shop调度结果的影响；如何在订单批量计划改变的情况下对生产过程进行控制，以便最大限度地发挥生产的柔性；如何在订单工期改变的情况下进行管理、决策，使企业产生最大的综合经济效益等。对制造企业来说，为了能够在竞争中立于不败，降低成本是不得不面临的问题，而确保生产车间较高的生产能力和效率，是当务之急。生产调度的目标是:提高生产设备的利用率、提高员工利用率、最大利润、最小化运行费用、最小投资、最大收益，缩短产品的生产周期，使工厂生产能力最大，而设备发生故障必然会对调度结果产生负影响。好的车间调度能使车间在较短时间内接受和处理大量的加工和制造资源等信息，合理调度和配置生产资源，以较短的时间，较高的质量，较低的成本及优质的服务，即在TQCS上取得成功来使企业在市场竞争中处于优势。设备故障率对于生产加工非常重要，当生产设备发生故障，如何更合理的使用机器设备，摆在了工业工程师的面前。目前，传统的车间调度仿真方法存在设备发生故障的概率大、制品更换设备的重新加工产生缺陷率高、重新装夹浪费时间多、积压浪费的库存成本和延时交货的违约金高的问题。
[0003]随着科学技术的发展，生产规模越来越大，复杂性越来越高，市场竞争也越来越激烈，因此对企业的管理和对生产过程的监控都提出了更高的要求，面对不同客户的多品种小批量产品需求，要求制造车间能够应对这种动态的多样性要求，针对车间设备发生故障时，分析动态作业车间调度的特点，分析车间设备发生故障对Job-Shop调度结果的影响，使企业产生最大的综合经济效益等。
[0004]车间调度主要是针对一项可分解的工作(如产品制造)，探讨在尽可能满足约束条件(如交货期、工艺路线、资源情况)的前提下，通过下达生产指令，安排其组成部分(操作)使用哪些资源、其加工时间及加工的先后顺序，以获得产品制造时间或成本的最优化。在理论研究中，车间作业调度问题常被称为排序问题或资源分配问题或组合优化问题。
【发明内容】
[0005]本发明实施例的目的在于提供一种基于设备故障调度模型的车间调度仿真方法，旨在解决传统的车间调度仿真方法存在设备发生故障的概率大、制品更换设备的重新加工产生缺陷率高、重新装夹浪费时间多、积压浪费的库存成本和延时交货的违约金高的问题。
[0006]本发明实施例是这样实现的，一种基于设备故障调度模型的车间调度仿真方法，该方法通过对车间生产任务进行规划、任务分解、过程融合、过程优化，将生产任务动态分解成不同层次、相互联系的若干个具有逻辑时序的不同粒度的任务，基于每一类设备的故障模型，每一生产任务通过设备选择与匹配，分配给最合适的设备，这样车间调度也就动态形成。
[0007]进一步，该方法步骤流程包括建立设备故障调度模型、运行模型进行数据分析、修改模型、实施试验、更换数据进行二次仿真、分析瓶颈、分析仿真结果；
所述的建立设备故障调度模型是指打开Plant Simulation 8.1软件，建立一个Frame，在模型层中插入研究对象，设置仿真时间，仿真时间为连续的IOOh,即4d4h，然后设置模型全局变量，通过Method编程，最终确定参数，完成建模过程；
所述的运行模型进行数据分析是指打开EventController，运行模型，并对加工时间、单次仿真的运行产出数量和产出率等数据进行分析；。
[0008]所述的修改模型是指以最后一个工站为例，讨论工站故障率变化如何来影响产出率，通过单击模型层主菜单Toos,在下拉菜单中选择Custom Attribute,增加两个变量:Availability5和MTTR5,均为实数类型，同时更改Availability的值,修改Reset,运行EventController,最后显不运行结果；
所述的实施试验是指以第二生产线的产出率0utRate_Line2作为系统指标y，设备故障率Availability5是影响y的一个x,通过讨论x和y之间的关系，生成设备故障率与产能之间的关系与回归方程；
所述的更换数据进行二次仿真是指当最后一个工站的设备利用率从70%到100%之间进行更换数据发生变化时，第二生产线的产量将会发生变化，产量和生产率的变化关系也会改变，通过第二次仿真得到更换数据后的Availability5和0utRate_Line2的回归方程;
所述的分析瓶颈是指每台机器的故障率对产出率并不都会造成明显的影响，通过对模型参数做一些改动，分析哪台机器的故障率对产出率的影响最大；
所述的分析仿真结果是指利用遗传算法，按加工顺序的设备，分析每台设备上的操作时间、等待时间、阻塞时间和设备故障时间的分布规律，并分析单机故障在工作站间无暂存区的情况下，多机故障对系统产出的影响、瓶颈工序的故障率对系统产出率的影响。
[0009]进一步，所述的建立设备故障调度模型中的设置的模型全局变量可以分为两类:需要显示信息的和可以不用显示信息的，一般情况下，将不用显示的信息的全局变量采用单击模型层主菜单Tools,在下拉菜单中选择Custom Attribute,在弹出的对话框中单击New按钮，弹出变量定义对话框，按变量及数据类型分别定义全局变量(或称为属性)，定义完成后如果要进行修改、删除等操作，则分别选择“Edit — Delete”来执行；
进一步，所述的建立设备故障调度模型中的Method编程有两条流水线，上面一条称为Linel,用变量0utput_Linel来统计Linel的产出；下面一条称为Line2,用变量0utput_Line2来统计Line2的产出，用0utput_Line2和0utput_Linel的比值作为两条线产出比，Method编程的具体步骤包括:双击CalOutPut,输入SimTalk语句；双击Drainl,在Entrance后面的文本框中输入CalOutPut后单击OK按钮退出，Drain2的设置操作相同；双击Reset打开,在do和end之间插入“Set_Vars”;双击Set_Vars运行，就可以对模型进行参数设置了； 进一步，所述的基于设备故障调度模型的车间调度仿真方法研究了两条生产线I和生产线2，每条生产线上都有5台设备生产某一种产品A，当设备M25的设备故障率(发生故障)发生变化时，而维修时间一定，研究设备利用率与产量和生产效率之间的关系。
[0010]效果汇总
本发明提供的基于设备故障调度模型的车间调度仿真方法，选择动态作业车间的设备故障为研究对象，降低了设计工作的复杂程度，提高了成功地设计车间生产系统的可能性，降低了设计的成本和风险；通过建立设备故障调度模型，利用em-plant来分析车间设备发生故障对Job-Shop调度结果的影响，并通过遗传算法来验证仿真结果，从时间上缩短了传统设计的设计周期，降低了设备发生故障的概率，减少了制品更换设备的重新加工产生的缺陷；将实际生产模型应用于eM-Plant软件上将其转化成软件可以识别的模型，避免了重新装夹所浪费的时间，降低了待加工产品造成的积压所浪费的库存成本，减少了延时交货所造成的违约金和信誉的损失。
【专利附图】
【附图说明】
[0011]图1是本发明实施例提供的基于设备故障调度模型的车间调度仿真方法的步骤流程图。
【具体实施方式】
[0012]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0013]该方法通过对车间生产任务进行规划、任务分解、过程融合、过程优化等，将生产任务动态分解成不同层次、相互联系的若干个具有逻辑时序的不同粒度的任务，基于每一类设备的故障模型，每一生产任务通过设备选择与匹配，分配给最合适的设备，这样车间调度也就动态形成。生产任务之间存在的逻辑和时序关系，决定了设备之间的关系；生产任务的分解层次结构，同样决定了车间调度的层次性。
[0014]任务划分、任务的输入/输出等属性及任务之间的逻辑时序关系构成了车间调度的层次结构。该方法根据设备故障模型支持动态车间调度，车间调度规划与实施是交替进行的。能够根据车间设备实际状况，仿真车间调度过程。
[0015]由于分层结构中底层采用相对独立的生产过程，针对生产任务分解结构中相对独立的生产任务，其生产过程的变化并不影响其上层的生产过程，降低设备故障对整个生产任务的影响；同样通过改变上层生产过程可重构下层生产过程所在的整个过程，提高了车间调度的健壮性和柔性。
[0016]任务分解一设备选择一过程融合机制能够适应突发和意外事件(如设备缺乏、设备故障、生产任务变更等)对车间生产造成的影响，快速调整或重构任务分解结构、组织结构以及过程规划与实施。
[0017]下面结合附图及具体实施例对本发明的应用原理作进一步描述。
[0018]如图1所示，一种基于设备故障调度模型的车间调度仿真方法，该方法步骤流程包括建立设备故障调度模型S101、运行模型进行数据分析S102、修改模型S103、实施试验S104、更换数据进行二次仿真S105、分析瓶颈S106、分析仿真结果S107 ；
所述的建立设备故障调度模型SlOl是指打开Plant Simulation 8.1软件,建立一个Frame，在模型层中插入研究对象，设置仿真时间，仿真时间为连续的IOOh,即4d4h，然后设置模型全局变量，通过Method编程，最终确定参数，完成建模过程；
所述的运行模型进行数据分析S102是指打开EventController，运行模型，并对加工时间、单次仿真的运行产出数量和产出率等数据进行分析；
所述的修改模型S103是指以最后一个工站为例，讨论工站故障率变化如何来影响产出率，通过单击模型层主菜单Toos,在下拉菜单中选择Custom Attribute,增加两个变量:AvaiIabiIity5和MTTR5,均为实数类型，同时更改Availability的值,修改Reset,运行EventController,最后显不运行结果；
所述的实施试验S104是指以第二生产线的产出率0utRate_Line2作为系统指标y,设备故障率Availability5是影响y的一个x,通过讨论x和y之间的关系，生成设备故障率与产能之间的关系与回归方程；
所述的更换数据进行二次仿真S105是指当最后一个工站的设备利用率从70%到100%之间进行更换数据发生变化时，第二生产线的产量将会发生变化，产量和生产率的变化关系也会改变，通过第二次仿真得到更换数据后的Availability5和0utRate_Line2的回归方程；
所述的分析瓶颈S106是指每台机器的故障率对产出率并不都会造成明显的影响，通过对模型参数做一些改动，分析哪台机器的故障率对产出率的影响最大；
所述的分析仿真结果S107是指利用遗传算法，按加工顺序的设备，分析每台设备上的操作时间、等待时间、阻塞时间和设备故障时间的分布规律，并分析单机故障在工作站间无暂存区的情况下，多机故障对系统产出的影响、瓶颈工序的故障率对系统产出率的影响。
[0019]进一步，所述的建立设备故障调度模型SlOl中的设置的模型全局变量可以分为两类:需要显示信息的和可以不用显示信息的，一般情况下，将不用显示的信息的全局变量采用单击模型层主菜单Tools,在下拉菜单中选择Custom Attribute,在弹出的对话框中单击New按钮，弹出变量定义对话框，按变量及数据类型分别定义全局变量(或称为属性)，定义完成后如果要进行修改、删除等操作，则分别选择“Edit — Delete”来执行。
[0020]所述的建立设备故障调度模型是指打开Plant Simulation 8.1软件,建立一个Frame，在模型层中插入研究对象，设置仿真时间，仿真时间为连续的IOOh,即4d4h，然后设置模型全局变量，通过Method编程，最终确定参数，完成建模过程；具体操作如下:
I打开Plant Simulation 8.1软件,建立一个Frame,在模型层中插入对象,将各对象用Connector对象连接起来。
[0021](I) EventController 设置，仿真时间为连续的 IOOh,即 4d4h。
[0022](2)方法Reset是系统初始化对象，属于系统方法，一般做法是插入一个Method后改名为Reset,然后图标就变为系统图标了。
[0023](3)方法361:_\^^8属于用户自定义的方法,一般米用蓝色图标的Method表不不直接运行的方法；而显示为绿色的Method则表示可以直接运行。
[0024]2设置模型全局变量
在Plant Simulation 8.1 中，一般使用 Information Flow(信息流对象)中的Variable对象来定义变量，这些变量放置在模型层内。当全局变量比较多时，可能导致模型层内的布局显示比较混乱。如果将全局变量进行分类就会发现可以将其分为两类:需要显示信息的和可以不用显示信息的。一般情况下，推荐将不用显示的信息的全局变量采用下面的方式来定义。
[0025](I)单击模型层主菜单Tools,在下拉菜单中选择Custom Attribute。
[0026](2)在弹出的对话框中单击New按钮，弹出变量定义对话框，按或表1所示的变量及数据类型分别定义这5个全局变量(或称为属性)，如果定义完成后要进行修改、删除等操作，则分别选择“Edit — Delete”来执行。
[0027]表1模型层中的全局变量的含义
【权利要求】
1.一种基于设备故障调度模型的车间调度仿真方法，其特征在于，该方法通过对车间生产任务进行规划、任务分解、过程融合、过程优化，将生产任务动态分解成不同层次、相互联系的若干个具有逻辑时序的不同粒度的任务，基于每一类设备的故障模型，每一生产任务通过设备选择与匹配，分配给最合适的设备，这样车间调度也就动态形成。
2.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，该方法具体步骤流程包括建立设备故障调度模型、运行模型进行数据分析、修改模型、实施试验、更换数据进行二次仿真、分析瓶颈、分析仿真结果； 建立设备故障调度模型通过建立一个Frame，在模型层中插入研究对象，设置仿真时间，仿真时间为连续的100h，即4d4h，然后设置模型全局变量，通过Method编程，最终确定参数，完成建模过程； 运行模型进行数据分析是指打开EventController，运行模型，并对加工时间、单次仿真的运行产出数量和产出率数据进行分析； 修改模型是指以最后一个工站为例，讨论工站故障率变化如何来影响产出率，通过单击模型层主菜单Toos,在下拉菜单中选择Custom Attribute,增加两个变量:Availability5和MTTR5,均为实数类型，同时更改Availability的值,修改Reset,运行EventController,最后显不运行结果； 实施试验是指以第二生产线的产出率0utRate_Line2作为系统指标y,设备故障率Availability5是影响y的一个x,通过讨论x和y之间的关系，生成设备故障率与产能之间的关系与回归方程； 更换数据进行二次仿真是指当最后一个工站的设备利用率从70%到100%之间进行更换数据发生变化时，第二生产线的产量将会发生变化，产量和生产率的变化关系也会改变，通过第二次仿真得到更换数据后的Availability5和0utRate_Line2的回归方程；` 分析瓶颈是指每台机器的故障率对产出率并不都会造成明显的影响，通过对模型参数做一些改动，分析哪台机器的故障率对产出率的影响最大； 分析仿真结果是指利用遗传算法，按加工顺序的设备，分析每台设备上的操作时间、等待时间、阻塞时间和设备故障时间的分布规律，并分析单机故障在工作站间无暂存区的情况下，多机故障对系统产出的影响、瓶颈工序的故障率对系统产出率的影响。
3.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，所述的建立设备故障调度模型中的设置的模型全局变量可以分为两类:需要显示信息的和可以不用显示信息的，将不用显示的信息的全局变量采用单击模型层主菜单Tools，在下拉菜单中选择Custom Attribute,在弹出的对话框中单击New按钮，弹出变量定义对话框，按变量及数据类型分别定义全局变量，定义完成后如果要进行修改、删除操作，则分别选择“Edit — Delete” 来执打。
4.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，所述的建立设备故障调度模型中的Method编程有两条流水线，上面一条称为Linel，用变量Output_Linel来统计Linel的产出；下面一条称为Line2,用变量0utput_Line2来统计Line2的产出，用0utput_Line2和Output_Linel的比值作为两条线产出比,Method编程的具体步骤包括:双击CalOutPut,输入SimTalk语句；双击Drainl,在Entrance后面的文本框中输入CalOutPut后单击OK按钮退出，Drain2的设置操作相同；双击Reset打开,在do和end之间插入Set_Vars ;双击Set_Vars运行,对模型进行参数设置了。
5.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，任务划分、任务的输入/输出属性及任务之间的逻辑时序关系构成了车间调度的层次结构。
6.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，该方法根据设备故障模型支持动态车间调度，车间调度规划与实施是交替进行的，能够根据车间设备实际状况，仿真车间调度过程。
7.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，由于分层结构中底层采用相对独立的生产过程，针对生产任务分解结构中相对独立的生产任务，其生产过程的变化并不影响其上层的生产过程，降低设备故障对整个生产任务的影响；同样通过改变上层生产过程可重构下层生产过程所在的整个过程，提高了车间调度的健壮性和柔性。
8.如权利要求1所述的基于设备故障调度模型的车间调度仿真方法，其特征在于，任务分解一设备选择一过程融合机制能够适应突发和意外事件对车间生产造成的影响，快速调整或重构任务分解结构 、组织结构以及过程规划与实施。
【文档编号】G05B19/418GK103823455SQ201410093177
【公开日】2014年5月28日 申请日期:2014年3月14日 优先权日:2014年3月14日
【发明者】曹岩, 白瑀, 曹森, 杨丽娜 申请人:西安工业大学