基于Extendsim智能加工中心优化设计.docVIP

基于Extendsim智能加工中心优化设计 　　摘要：针对Job shop型生产调度问题，构建一个小型智能加工中心，采用Extendsim软件建立仿真模型，并多次运用遗传算法实现优化设计，得到符合条件的满意解。提出可以将Job shop型生产调度问题转化为前期优化设计问题，通过工艺改善，将大型Job shop型生产调度车间转化为许多类似于所构建的小型智能加工中心，使其具有Flow shop型生产加工的特点，从而提高生产率，快速满足市场需求。 　　关键词：仿真建模；Extendsim；优化设计；遗传算法；车间调度 　　DOIDOI：10.11907/rjdk.151475 　　中图分类号：TP319 　　文献标识码：A 文章编号文章编号2015）008013203 　　0 引言 　　由于市场需求的多样化，企业在生产制造时通常面临高度的任务多样性和混杂的流程流向等复杂的加工调度问题。为了解决此类难题，企业通常需要改善加工流程，改进现有设备。为了降低设计成本，规避设计风险，在最短时间内以较优的方案投产或改建一个制造系统，面向制造过程的虚拟仿真技术得以普遍应用[12]。 　　Extendsim是Extend 的升级版，是唯一采用物件流和信息流可以同时在模块图标上动态表达的仿真软件，具有较高的灵活性和可扩展性。作为通用仿真软件，Extendsim可用于离散事件系统和连续系统的仿真，提供多种复杂数据传递方式[35]，适合大型复杂系统的建模与仿真。 　　Job shop是加工多品种小批量产品时采用的一种生产调度方式，目前大多数文献中都是采用启发式算法解决问题[69]。本文以一个小型智能加工中心的仿真优化设计[1011]为例，提出将车间生产调度问题转化为前期优化设计问题，从而降低问题的复杂性。由于3个加工站的车间调度问题即为NP难题，因而本文考虑的加工中心仅有3个加工站。 　　1 加工中心构建 　　一个小型的智能制造中心由一个库存区和3个加工站组成，如图1所示。同一加工站中所有机器均相同，不同加工站的机器不同，各加工站及库存区之间通过一个agv小车联系起来。工件到达库存区的时间间隔为服从均值为5min的指数分布，每次到达一个。制造中心共有3种作业类型，序号分别为1、2、3。3种类型按照经验分布出现，概率依次为0.3、0.5、0.2。每项作业从库存原料区开始，经过一定的路径加工完成后，回到库存成品区。不同作业类型的加工路径如表1所示。 　　图1 制造中心组成 　　agv小车在不同站点之间以5ft/s匀速运送工件，每次一个，运送到达某站点时，小车与工件分离。此时如果3个工作站和库存区都没有工件请求运输，小车将停留在原地；如果有多个不同站点的工件等待运输，小车将根据最小距离优先原则处理申请。各工作站之间的距离如表2所示。 　　当工件到达工作站等待加工或者同一个工作站的工件加工完成后等待小车运输时，都按照先到先服务的原则排队。在某台机器上加工工件的时间服从形状参数为2的伽玛分布，均值依赖于作业类型和该机器所在的工作站。各作业类型和每步操作平均加工时间的关系如表3所示。 　　假定库存空间充足，设备不出现故障，每天工作8h，合理安排各工作站设备的数量，可使每天的产出最大。 　　2 基于Extendsim的仿真建模与分析 　　2.1 Extendsim建模原理 　　Extendsim采用交互式建模方式，提供多种复杂数据传递方式，支持分层结构和命名连接，模块之间采用基于消息的传递机制。Extendsim仿真离散系统采取最短时间的事件步长法[1213]，即仿真在执行过程中，必须跟踪未来仿真时间假定发生的各种事件，离初始时点最近的对应事件就是下一个要发生的事件。某些情况下，有些事件同时发生，但仿真软件仍然要为它们的执行安排一个先后顺序[3]，这种顺序往往对结果产生不同的影响。 　　2.2 仿真模型建立 　　模型建立之前，根据问题需要先建立3个全局数组：加工路径、不同工作站之间的距离、平均加工时间。为了便于研究，将模型分为四大部分：工件到达、小车调度、工件与小车结合及路径选择、工件运输及加工。 　　2.2.1 工件到达仿真 　　仿真开始时，如图2所示，模块1按照设定的指数分布产生工件；模块2为工件设置属性：type―作业类型，step―加工步骤，processtime―加工时间；模块3依照设定的经验分布产生不同的作业类型；模块4根据到达工件的“type”属性，从全局数组中读取相应的平均加工时间，通过randomcalculate 函数将其转化为工件的实际加工时间，并赋予到工件“processtime”属性中；工件在模块5等待小车运输。 　　2.2.2 小车调度仿真 　　如图3所示，小车最初由模块