摘要
1 引言
2 纺纱车间生产工艺分析
2.2.1 加工设备和加工假设
负责同一工序的加工设备具有相同的加工性能。
2.2.2 AGV运输路线假设
1.每台AGV小车的运输效率相同，运输过程中速度保持不变[33]。
2、每台AGV的容量只能运输单位数量的原料，每台原料的质量和体积不超过AGV的额定载荷。
3、路口及设备周边有足够的避让空间，AGV避让通过时间可忽略不计。
4、AGV装卸时间计入运输时间。
5.车辆在运输过程中没有故障[34,35]。
6、模型只考虑了需要AGV运输的流程，简化了不需要AGV运输的流程。第一阶段的过程是需要AGV参与运输的第一阶段过程，最后阶段的过程是随后发生的事情。
2.3. 对象功能
本研究研究了拉丝车间生产效率最高的AGV调度方案。目标函数是最小化绘图车间完成所有成品所需的时间，即减少最大完成时间。这里，等式 (1) 将 U 定义为完整集。
等式 1
2.4. 唯一性约束
独特的限制条件包括加工材料、生产设备和 AGV。
2.4.1。原材料加工的独特性
每种加工原料与工艺、批次、生产设备一一对应。在这种情况下，只能确定AGV小车要运输的货物，以确定小车的运输路线和限制一台机器一个工序下一批的一组。等式（2）定义了在加工程序下只能归属于一个批次的指定过程的输入原材料。式（3）表示生产线各阶段第一步对原材料所属批次的约束。式（4）表示该批次属于生产线各阶段其他层级的原材料约束。
特定工艺的产品只能在该工艺下分批生产，如式（5）所示。
等式、3 、4 、5
2.4.2. AGV唯一性约束
原料 j 仅在一个 AGV 运输过程中运输，如公式（6）和（7）所示。由于生产线各阶段的第一道工序与其他方式不同，p的情况在式（6）和（7）中分别讨论
方程 6 、7
2.4.3。生产设备的独特约束
关于加工设备的限制，一台机器一次只能加工一种原材料，这种限制是由拉丝车间不同工序的加工设备属性决定的，如式（8）和（9）所示。当 p = 1 时，加工的原材料可能来自不同的生产线。当 p > 1 时，加工的原材料来自同一条生产线。此外，一台机器一次只能生产一种产品。
式(10)定义了同一工序的加工设备在一次操作中提供相同数量的产品，不同方法的加工设备生产的产品数量不一定相同。
方程 8 、9 、10
3 多AGV调度仿真建模
这里使用的案例研究主要基于多 AGV 调度数学模型和最优批次分配策略。以经纬无锡环锭细纱生产工艺为基础，采用西门子Plant Simulation建立拉丝车间多AGV调度仿真模型。调度策略构建了一个模拟场景，分析了不同AGV数量对调度性能的影响，即完成时间以及影响AGV数量配置的一些因素。
3.1。生产操作图车间模拟输入
通过利用最先进的机械技术，我们考虑了两种产品类型的生产：
第一种是 55%/45% 的产品，由 55% 的棉和 45% 的涤纶混合而成。第二种是 60%/40% 的产品，由 60% 的棉和 40% 的涤纶混合而成。棉花生产工艺参数见表3，涤纶生产工艺参数见表4。产品一（55%/45%）工艺参数见表5。产品二（60%/40%）工艺参数见表6。表7为各装置的原材料要求（与双目设备无关）。表 8 显示了每个设备的处理时间。
在我们的模拟中，每个区域都初始化了一个 AGV 资源池。根据设定的政策，AGV可以运行的区域是不同的。AGV 在不同区域的运行方式不同。表 9 显示了不同区域之间的连通性和运行时间。拉丝车间布局分为四个区域，第一区域预先组合进行精梳、搭接、组合精梳；这被称为“A区”。
在多个模拟过程中，分析了不同 AGV 数量下生产线的生产效率[36]。各区域资源池中的AGV由1台增加到3台，共进行了81组模拟。AGV1、AGV2、AGV3和AGV4表示四个区域的AGV初始化次数。完成时间是指加工完所有产品所需的时间，两种产品的生产要求均设置为50个。下面对比分析AGV分配因素的数量及其对完成时间的影响批量分发策略的应用场景。
3.2. 仿真模型构建
3.2.1。机器模块
并条机机床的特点是一次需要加工多种原材料。各种成品一个接一个地生产出来，所以模拟可以理解一个加工批次的输入输出是不同的。为了在“Siemens Tecnomatix Plant Simulation”中描述这种类型的机器，需要多个必要的组件来实现此功能。精梳预并联装置的组成，分为两个主要模块，示意图如图4所示。第一个模块主要实现一个加工批次需要固定数量的原材料的功能，第二个模块实现加工原料满足后加工的原料。
为连续制造引入了组件装配，以正确理解在一个加工批次中加工各种原材料的功能。在满足原材料数量后，使用单个处理器来限制出货的处理时间，然后机器开始处理，执行’Method’方法，并释放’Buffer3’的退出。然后，“Buffer3”中的实体进入“Buffer1”。当有实体流出“Buffer3”时，会执行“Method1”方法来统计一个处理批次可以生产的产品数量。随后，‘Buffer1’中的实体一个个流出。实现了一个加工批次需要同时加工多种原材料才能连续生产多种产品的约束要求。
需要多种原材料的机器的模拟实现是类似的，只是在这种情况下，有许多输入端口。以混合工艺设备为例，图5为55%/45%产品的混合工艺机器组成。
3.2.2. AVG 交通模拟
资源中的“工人”用于模拟 AGV 运输。在仿真模型构建中，AGV的功能是将产品从一个工序运送到另一个工序，这可以通过“工人”来完成。图 6 显示了一个工序的装载点、AGV 的行驶路线和下一工序的卸载点。入口的单处理器是AGV的卸载点，需要设置处理器的退出属性。然后，AGV可以将货物运送到指定位置，然后卸货；因此，AGV 被模拟
3.2.3。调度策略
紧节点的机器选择策略由流控制器控制，其中Exit Strategy中设置的计划是循环序列时间的计划，配置的批量分配策略的对应列表可以完成设置。选择循环时间时，给出旋转分布；这种分布均匀分布，如图 7 所示。
在工厂模拟资源池策略中，为同一区域作业的机加工机器设置相同的代理，允许区域内的作业共享AGV。作为“Tecnomatix Plant Simulation environment”的一部分，broker主要与站、平行站、组装站、拆解站的出口商和进口商合作。如果是跨区域独立的资源池策略，不同的邻域配置不同的broker。各个区域的AGV不能互相调用；实现跨区域共享资源池为多个区域设置代理，与连接区域的设置相同。
3.2.4。模拟模型
图 8 显示了多 AGV 流水车间调度车间的扩展仿真模型。
基于车间流水线的仿真场景，进行如下分析仿真实验。
首先是AGV跨区域共享资源池与AGV跨区域独立资源池策略比较。二是优化生产设备布局策略和AGV资源池策略。还考虑了AGV数量对多AGV调度性能的影响以及AGV数量分配因素的分析。通过以上分析，得到了多AGV调度决策的结果。由于机器选择策略是基于哪个批次分布优于均匀分布策略，因此跨区域独立资源池策略和跨区域共享资源池策略在不同情况下存在不一致的关系。从那里，我们继续结合纺纱车间的实际案例，进一步比较两种资源池策略的性能
3.3. 基于瓶颈分析的AGV资源池策略
预拉梳：每台机器每10分钟生产5个罐头，共2台。
牵伸辊：每台机器每2分钟消耗24个罐头，生产30个棉卷，共1台机器。
梳子：每台机器每16分钟消耗8个棉筒，生产5个棉圈，共5台机器；在涤纶生产过程中，只有涤纶混纺工艺。混合过程的效率是这样的，每台机器每 10 分钟生产 5 个罐头，总共有 2 台机器。不考虑运输时间，假设上述各工序中前一工序的产量充足，则三个工序中棉花原料的产出效率等于瓶颈工序的产出效率。预拉伸梳子的过程平均每分钟生产一个棉罐。12个棉筒的消耗产生15个棉圈，而精梳过程每16分钟消耗40个棉筒。
瓶颈工序为预并条精梳，最终棉花原料产出效率为平均每4分钟生产5个棉卷。因为聚酯只有一种工艺
聚酯的产出效率是该过程的产出效率。平均每分钟生产一个聚酯圆筒。图 9 显示了生产过程。
在棉涤混纺过程中，不同的产品可以使用不同的机器，所需的原料配比也不同。然而，不同的产品存在相同的过程。但是，机器并没有在各种产品之间共享，因此后续过程仍然是每个产品的连续过程。瓶颈过程决定了输出。下列
3.3.1。产品一 (55%/45%)
每台机器在第一次混合过程中每 10 分钟消耗三个棉卷和三个聚酯桶，总共生产了六个罐头。在一台机器的第二和第三混合过程中，每15分钟消耗6罐，生产6罐。
3.3.2. 产品二 (60%/40%)
每台机器在第一次混合过程中每 10 分钟消耗 4 个棉卷和 3 个聚酯罐，总共生产 7 个罐。在一台机器的第二和第三混合过程中，每15分钟消耗6罐，生产6罐。
在原料供应充足的情况下，产品一的效率每15分钟消耗三个棉卷和三个聚酯罐，从而产生六个罐。此外，产品二的效率每 15 分钟消耗 4 个棉卷和 3 个聚酯罐，因此生产 7 个罐。
第二和第三混合过程是瓶颈过程。以纺丝车间的原料加工混炼工序为基础，每16分钟，原料加工工序以平均25个棉罐、16个涤纶罐的速度提供原料。在混合过程中，当所有机器都打开时，效率是平均每15分钟消耗7个棉罐和6个聚酯罐，从而生产“产品一”6个，“产品2”6个，和共有12个产品。根据物料段和混合工艺段的效率比较，发现瓶颈在混合工艺段。棉预并梳和涤带的产出效率与原料瓶颈相同。最终，一二三混合的过程成为了输出瓶颈
根据车间调度理论，瓶颈工序是制约流水线产量的关键环节。根据以上分析，确定了瓶颈过程。因此，如果要提高流水线的输出速度，也需要提高瓶颈工序的输出能力。在上述计算中，忽略了产品在工序之间移动所需的时间。当我们考虑货物运输的处理时间时，产量进一步减少。尽管如此，由于瓶颈工序的存在，其他非瓶颈工序的机器利用率并不充分。在实际应用中，如果运输资源充足且运输时间短于产品加工时间，则可以忽略运输时间。然而，在引入 AGV 之后，运输资源变得稀缺。不同的运输任务争夺有限的运输资源。因此，下一节重点分析如何调度产能资源，以满足每台机器的加工要求，并在最短的时间内生产出指定数量的产品。
4 分析
5 结论和未来工作
根据一定数量的产品和两种调度策略的生产，使用“Siemens Tecnomatix Plant Simulation 软件”进行了广泛的计算实验。81组优化目标与完成时间的仿真结果分析显示了特定范围的AGV。随着AGV数量的增加，完成时间减少。AGV数量达到一定阈值，完成时间趋于稳定。
在此基础上，还对产品的利用率和完成时间进行了分析。当AGV数量上升到一定程度时，增加AGV数量对完成时间的贡献急剧下降，从而降低了AGV的利用率。通过对比两种策略下81组仿真结果，发现跨区域独立资源池策略优于跨区域共享资源池策略
这些结果证明了我们使用的方法的充分性，并证明了当多 AGV 资源稀缺时的流水线预测建模还可以为每个 AGV 生成控制模式，并在必要时生成预防性维护计划。通过与我们的调度方法的比较，发现多AGV调度的结果具有明显的优势，可以显着缩短完成时间。
未来，通过应用不同的调度算法来研究多 AGV 调度将很有吸引力，以便使用遗传算法研究负责运输任务集调度决策的潜在机制。
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览208235 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！