[发明专利]一种智能车间的布局仿真优化方法及装置

摘要

本发明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。

主权项

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，X_n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；Y_m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；Z_n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，Lt_ijk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；Ut_ijk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，Et_ijk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，St_ijk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；Rt_ijk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，Od_ijk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；Rd_ijk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，Tr_il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，Ft_il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。