陳冠中， 陳慶新， 毛　寧， 俞愛林

(廣東工業(yè)大學 廣東省計算機集成制造系統(tǒng)重點實驗室，廣東 廣州 510006)

?

智能制造系統(tǒng)AGV小車及緩沖區(qū)容量仿真優(yōu)化

陳冠中， 陳慶新， 毛寧， 俞愛林

(廣東工業(yè)大學 廣東省計算機集成制造系統(tǒng)重點實驗室，廣東 廣州 510006)

摘要：具有MHS(material handling system)的智能制造系統(tǒng)AGV(automated guided vehicle)小車及緩沖區(qū)最大容量配置優(yōu)化，屬于典型的非線性整數(shù)規(guī)劃問題。由于約束無法用封閉形式表達，因此較難獲得問題的精確解。為此，本文提出了仿真優(yōu)化的方法以獲得問題的近似解。首先，對AGV小車及緩沖區(qū)最大容量配置優(yōu)化問題進行了描述；其次，基于Em-plant平臺建立了具有MHS的智能制造系統(tǒng)仿真模型；然后，基于不同的優(yōu)化目標，提出了3種仿真優(yōu)化方法；最后，通過仿真試驗對上述3種方法進行了分析與比較。分析表明，本文提出的方法及優(yōu)化結(jié)果，可為企業(yè)配置AGV小車及緩沖區(qū)最大容量提供決策支持。

關鍵詞：AGV(automated guided vehicle)容量；緩存設置；仿真優(yōu)化

裝備制造業(yè)是為國民經(jīng)濟各行業(yè)提供技術裝備的戰(zhàn)略性產(chǎn)業(yè)，具有產(chǎn)業(yè)關聯(lián)度高、吸納就業(yè)能力強、技術資金密集等特點，是產(chǎn)業(yè)升級、技術進步的重要保障和國家綜合實力的集中體現(xiàn)。由于技術的迅猛發(fā)展，產(chǎn)品更新?lián)Q代頻繁，產(chǎn)品的生命周期越來越短，大規(guī)模定制生產(chǎn)在裝備制造業(yè)越來越普及。此生產(chǎn)模式具有諸多特點：1)裝備制造系統(tǒng)具有復雜的隨機性，為滿足客戶的個性化需求，系統(tǒng)必須通過動態(tài)配置的單元式生產(chǎn)，實現(xiàn)規(guī)?；?；2)定制型的客戶訂單和及時化的交貨期嚴重困擾并制約著定制型裝備制造企業(yè)的生存發(fā)展，裝備制造系統(tǒng)緩沖區(qū)容量配置是否合理影響著企業(yè)接納訂單的數(shù)量和交貨期；3)定制型生產(chǎn)模式使裝備制造系統(tǒng)制造單元分布越來越廣，需要配置帶AGV小車的物流系統(tǒng)運送工件。以上特點導致裝備制造系統(tǒng)資源配置時，除了需要滿足總體產(chǎn)能約束外，還需要組合考慮系統(tǒng)AGV小車及緩沖區(qū)容量優(yōu)化配置。

針對系統(tǒng)中緩沖區(qū)容量配置問題( buffer allocation problem，BAP)，國內(nèi)外學者做了很多研究。文獻[1]考慮具有有限緩沖區(qū)三階段柔性流水車間的緩存優(yōu)化配置問題，應用排隊網(wǎng)建立優(yōu)化模型。文獻[2]考慮系統(tǒng)波動因素的DBR(drum-buffer-rope) 瓶頸緩沖區(qū)容量設置，提出一種基于系統(tǒng)仿真的動態(tài)調(diào)節(jié)緩沖區(qū)容量的方法。文獻[3-4]通過仿真建模對BAP問題進行實驗而統(tǒng)計分析獲得系統(tǒng)性能指標值的方法。文獻[5-6]采用仿真的方法對多階段每階段具有多臺設備的流水車間構(gòu)建了一個仿真模型，并提出了2種啟發(fā)式算法對模型中各階段緩沖區(qū)容量值進行優(yōu)化配置。文獻[7]對物流系統(tǒng)仿真相關研究領域進行了綜述，國內(nèi)外學者對于生產(chǎn)物流系統(tǒng)仿真時，大多采用建立基于 Petri 網(wǎng)的網(wǎng)絡模型的方式，而Petri 網(wǎng)對復雜系統(tǒng)建模與分析時模型將變得十分復雜并產(chǎn)生組合爆炸。文獻[8]基于eM-Plant對某制造企業(yè)的生產(chǎn)物流系統(tǒng)建模仿真，在不同的優(yōu)化目標下，根據(jù)企業(yè)實際調(diào)整生產(chǎn)物流系統(tǒng)的參數(shù)和條件。文獻[9]以生產(chǎn)線產(chǎn)能最大化為目標，利用仿真模型模擬AGV運行狀態(tài)，并通過遺傳算法確定AGV配置數(shù)量。文獻[10]介紹了國內(nèi)外仿真優(yōu)化技術在制造系統(tǒng)中各個層次的應用概況?；仡櫹嚓P文獻，對于小規(guī)模系統(tǒng)的緩沖區(qū)設置問題，可以使用近似方法進行求解，如排隊網(wǎng)模型等，而很多學者常用仿真建模進行實驗進而統(tǒng)計分析獲得系統(tǒng)性能指標值求解大規(guī)模的優(yōu)化問題。針對裝備制造系統(tǒng)AGV小車及緩沖區(qū)容量配置組合優(yōu)化問題，發(fā)現(xiàn)鮮有文獻進行研究。

1問題描述

1.1問題描述

具有MHS某裝備制造企業(yè)智能車間具有3個加工單元，均可以加工同一類工件，每一個加工單元包含多臺數(shù)控車床，加工單元前后放置毛坯緩沖區(qū)和零件緩沖區(qū)。由于加工單元在智能車間的位置分布較廣，而且工件體積和重量大，需要安排自動牽引小車，完成工件的搬運。當設備加工完成后，向自動牽引小車發(fā)送卸貨指令，自動牽引小車前往對應的設備進行卸載完工零件并運往緩沖區(qū)，卸貨完成后再向自動牽引小車發(fā)送運貨指令，自動牽引小車從緩沖區(qū)載貨前往對應的設備進行上料。出于對在制品成本控制、交貨期控制與緩存區(qū)場地容量的限制，存放的在制品隊列是有限的，即各加工單元前后緩沖區(qū)為有限緩沖區(qū)。同時，自動牽引小車每次裝載量影響著設備的利用率，因為同一時間段內(nèi)可能會出現(xiàn)多臺設備同時呼叫小車。如何配置小車及緩沖區(qū)的容量，使得制造系統(tǒng)的性能處于較優(yōu)狀態(tài)，是本文需要解決的問題。

將該制造系統(tǒng)簡化為如圖1所示。拆分為2個子系統(tǒng)，具有3臺同等并行機的制造單元和單AGV自動牽引小車的物流環(huán)節(jié)。只考慮一種生產(chǎn)定單輸入系統(tǒng)，定單按照已知的更新過程達到毛坯倉庫，若毛坯倉庫已滿，則拒絕新定單到達。AGV小車負責從毛坯倉庫將坯料運輸?shù)郊庸ぴO備前的Buffer，并接著將成品從加工設備后的Buffer運輸?shù)匠善穫}庫。AGV小車雖然單向行駛，但有多條可能的運輸路線，

圖1　智能車間制造系統(tǒng)簡圖

可以繞不同的加工中心行走，取決于前一個上料任務和下一個卸料任務，小車繞不同線運行的時間不同，且均服從已知的隨機分布。各加工中心互相獨立，都可以加工相同的工件，工時均服從已知的隨機分布。成品被運回成品倉庫后，可以看作已離開制造系統(tǒng)。

1.2數(shù)學模型

本文所研究的多機制造單元和單AGV運輸環(huán)節(jié)組成的制造系統(tǒng)，除了緩沖區(qū)容量參數(shù)對系統(tǒng)性能有影響外，運輸環(huán)節(jié)中AGV的最大容量過大，AGV運輸?shù)拇螖?shù)會變小，AGV利用率下降，同時也會對加工中心造成堵塞，從而導致設備利用率降低；反之，AGV最大容量過小，毛坯倉庫的在制品就會積壓，從而毛坯倉庫接納新定單的容量就會變小，拒絕率升高。因此，需要考慮AGV最大容量和制造單元中各緩沖區(qū)容量組合設置參數(shù)，并對其組合設置參數(shù)進行優(yōu)化。AGV容量和緩沖容量組合配置優(yōu)化的數(shù)學模型描述如下。

min(∑xi,y)。

s.t.Φ(x,y)≥Φ(xi,y)；

1≤xi,i=1,2,…,8；

x3≤x2,x5≤x4,x7≤x8；

1≤y≤5。

其中,xi為制造單元各緩沖區(qū)容量，如圖1所示的8個緩存；y為AGV最大容量，因為AGV的容量越大，價格越貴，因此只考慮到AGV最大容量為5的情況；Φ(x,y)為系統(tǒng)實際產(chǎn)量，Φ(xi，y)為系統(tǒng)預設產(chǎn)量。各加工中心線前毛坯緩存設置應不少于線后零件緩存設置。

上述目標函數(shù)是一個非線性的整數(shù)規(guī)劃模型，而且，組合考慮AGV小車及緩沖區(qū)容量配置問題具有復雜的隨機性，數(shù)學上的精確法求解該模型十分困難；同時，目標函數(shù)包含多維變量，存在維數(shù)災的問題，也難以采用傳統(tǒng)的隨機模型(如排隊網(wǎng))描述系統(tǒng)的狀態(tài)和行為。因此，本文擬采用仿真優(yōu)化的方法，解決裝備制造系統(tǒng)AGV小車及緩沖區(qū)容量配置優(yōu)化問題。

2仿真模型的建立

根據(jù)圖1所示的制造系統(tǒng)簡圖，搭建了基于Tecnomatix Plant Simulation 8.2(eM-Plant) 仿真軟件的仿真模型，如圖2所示。硬件基本配置為雙核CPU 2.0 GHz，2 GB內(nèi)存的硬件環(huán)境。根據(jù)某裝備制造企業(yè)的實際情況，給出仿真模型的假設條件如下。

圖2　制造系統(tǒng)仿真模型

假設1考慮一種工件輸入系統(tǒng)，工件到達互相獨立，且服從均值為λ的泊松分布。

假設2生產(chǎn)環(huán)節(jié)有3臺加工中心，分別只能同時加工一個工件，其加工時間都是互相獨立，均服從速率為μ1的指數(shù)分布(包括裝夾時間、準備時間)。

假設3每臺加工中心可用性比率為90%，即設備失效率為10%，平均修復時間MTTR (mean time to repair)為3 h，故障持續(xù)時間服從愛爾朗分布。

假設4制造單元服務原則為先到先服務，服從后阻塞機制，各毛坯暫存區(qū)和各零件暫存區(qū)是有限容量的。

假設5考慮一臺AGV小車，最大容量為5，每次運行之間是互相獨立，繞3條線運行的平均運送時間不同，且均服從指數(shù)分布.

假設6小車配送原則為負荷均衡原則，不考慮小車的裝卸時間。

3仿真優(yōu)化方法

3.1仿真優(yōu)化原理

仿真優(yōu)化的基本原理，利用仿真模型來替代傳統(tǒng)優(yōu)化模型中的目標函數(shù)和約束條件， 由優(yōu)化算法產(chǎn)生一組初始解，將該初始解輸入到仿真模型，仿真一段時間后，得到這組解的性能指標，將這組解及其性能指標輸入到優(yōu)化算法中搜索迭代得到一組新解，這組新解比迭代前的解性能更優(yōu)，再將新解導入到仿真模型，如此反復直到性能指標滿足要求，輸出最優(yōu)解[11]，如圖3所示。

圖3　仿真優(yōu)化原理圖

3.2仿真優(yōu)化方法

任務拒絕率是企業(yè)拒絕新訂單的比率，任務拒絕率越高，意味著企業(yè)失去更多的訂單，從而企業(yè)總產(chǎn)值下降，這是企業(yè)不希望看到的結(jié)果。以任務拒絕率為優(yōu)化目標的優(yōu)化方法如圖4所示，仿真之前給定一個任務拒絕率的期望值，仿真時設定AGV容量和各緩存初值，AGV容量從1開始一直到5。設圖2中緩存B01、B11、B21、B31、B12、B22、B32初值為N01-32取值參考表1所得實驗結(jié)果，緩存B01～B32每一次仿真的實際容量為B01-32，AGV小車的容量為C，圖4～圖6參數(shù)變量表示含義相同。然后進行一次仿真，觀察所得的任務拒絕率是否達到預設的期望值，如果符合則得到的1組AGV容量與各緩存值為仿真結(jié)果，直到5種AGV容量都仿真完成，否則將毛坯倉庫緩存增大并進行一次新的仿真，直到任務拒絕率達到預設的期望值。

圖4　以任務拒絕率為目標的優(yōu)化方法

對于設備利用率，企業(yè)因為對設備投入了很大的成本，特別是一些先進的加工中心，企業(yè)特別希望設備利用率越高越好，才不會造成產(chǎn)能浪費。文獻[6]在仿真優(yōu)化過程中發(fā)現(xiàn)當緩存不夠大時，設備的利用率不夠高的一個主要原因是由于緩存過小造成了堵塞。圖1所示的制造系統(tǒng)簡圖，每一個加工中心的線后零件緩存飽和之后，加工中心就會被堵塞，無法進入線后零件緩存區(qū)，完工的零件只能在加工中心上等待，直到下一級出現(xiàn)空位，等待過程將嚴重影響設備的利用率。以設備利用率為優(yōu)化目標的優(yōu)化方法如圖5所示，AGV容量與各緩存參數(shù)設置和上述以任務拒絕率為目標的優(yōu)化方法相同，然后進行一次仿真，觀察3個加工中心是否堵塞，如果堵塞則增加該加工中心的線后緩存直到該加工中心不再堵塞，3個加工中心都不堵塞，就可以得到1組AGV容量與各緩存值的仿真結(jié)果，然后再進行下一種AGV容量的仿真實驗，直到5種AGV容量全部仿真完成實驗結(jié)束。

圖5　以設備堵塞率為目標的優(yōu)化方法

對于AGV利用率，AGV是制造系統(tǒng)中的運輸環(huán)節(jié)，如果運輸環(huán)節(jié)的效率太低，系統(tǒng)中的工件不能及時被運輸?shù)郊庸ぶ行纳?，導致設備閑置，而且完工的零件不能被及時運回成品倉庫，也會對設備造成堵塞。以AGV利用率為優(yōu)化目標的優(yōu)化方法如圖6所示，AGV容量與各緩存參數(shù)設置和上述以任務拒絕率為目標的優(yōu)化方法相同。仿真前預設AGV利用率的期望值，然后進行一次仿真，觀察所得AGV利用率是否達到期望值，如果不能達到，則增加AGV運行速度，同時增大各線前、線后緩存，然后再進行一次仿真，直到所得仿真結(jié)果達到期望值。如果符合可以得到1組AGV容量與各緩存值的仿真結(jié)果，然后再進行下一種AGV容量的仿真實驗，直到5種AGV容量全部仿真完成實驗結(jié)束。AGV利用率在現(xiàn)實生產(chǎn)中要達到100%的可能性很小，因為任務的到達和加工過程的時間都是隨機的，AGV每次滿載的機率很低，因此AGV利用率預設期望值為90%。

圖6　以AGV利用率為目標的優(yōu)化方法

4實例與結(jié)果分析

4.1仿真實驗設計

為了驗證仿真模型的有效性，針對AGV每一種容量與緩存組合設置參數(shù)設計試驗方案。根據(jù)前文的數(shù)學模型，考慮AGV的5種容量，分別是1、2、3、4、5。基于圖2所示的仿真平臺，比較分別以任務拒絕率為0、設備堵塞率為0和AGV利用率為90%3種目標的仿真優(yōu)化方法，選取一種結(jié)果更優(yōu)的方法，得到AGV每一種容量下緩存設置參數(shù)。最后再比較5種容量與緩存組合設置的參數(shù)，得到一組設置參數(shù)使得系統(tǒng)的性能指標更優(yōu)。因為任務的到達和加工速率都是隨機分布，為了得到能準確描述系統(tǒng)的仿真結(jié)果，根據(jù)大數(shù)定理，每次仿真的時間設置為1 000 d，仿真結(jié)果由10組相同參數(shù)獨立隨機仿真試驗的結(jié)果求均值得到。每一種AGV容量下各緩存的初值，通過預設各緩存容量為∞，仿真至系統(tǒng)穩(wěn)態(tài)后得到各緩存的平均隊列長度，以此作為緩存初值設置依據(jù)，如表1所示。

表1　無限緩存下各緩存平均隊長

從表1可以看出，零件成品倉庫B02緩存的平均隊長始終為0，這是因為零件被AGV運回B02后馬上離開系統(tǒng)，對系統(tǒng)不會造成堵塞影響。因此，零件成品倉庫B02緩存在仿真試驗時設置為∞。

針對上述3種方法，進行仿真可得到每一種AGV容量與各緩存組合設置參數(shù)的結(jié)果，如表2所示。其中,方法1表示以任務拒絕率等于0為目標；方法2表示以3個加工中心堵塞率等于0為目標；方法3以AGV利用率大于等于90%為目標。設備堵塞率、AGV利用率和任務拒絕率，具體實驗參數(shù)設置初始值如表2所示。每一種試驗的輸入速率λ表示定單輸入速率，λ=0.9個/h；處理速率μ表示3個加工中心總的處理速率，μ=1個/h；AGV容量初始設置為1，仿真過程一直仿真至5；各緩沖區(qū)容量參數(shù)設置初值參考表1所得的平均隊長。

表2　實例數(shù)據(jù)

4.2仿真結(jié)果及分析

根據(jù)表2所示的實例數(shù)據(jù)設置，在仿真模型上進行仿真，得到如表3～表5所示3種方法的優(yōu)化結(jié)果。

表3是任務拒絕率等于0為目標的優(yōu)化方法結(jié)果，表中可以看出，5種AGV容量以及各緩存區(qū)容量組合參數(shù)中，當AGV小車容量為1時的組合參數(shù)，系統(tǒng)的平均生產(chǎn)周期最少，即企業(yè)的交貨期最短，并且AGV小車利用率最高，而設備利用率略低于AGV容量為3時的結(jié)果。因此AGV小車容量為1的AGV容量以及各緩存區(qū)容量組合參數(shù)的設置為5種參數(shù)設置中最優(yōu)。

表3　任務拒絕率為目標的實驗結(jié)果

表4是設備堵塞率等于0為目標的優(yōu)化方法結(jié)果，表中設備利用率并沒有因設備堵塞率為0而達到100%，這是因為設備雖然不存在堵塞，但是設備仍存在閑置的可能。5種AGV容量以及各緩存區(qū)容量組合參數(shù)中，第2組參數(shù)的系統(tǒng)平均生產(chǎn)周期最少，即企業(yè)的交貨期最短，而產(chǎn)出率和設備利用率指標只比第1、3組的系統(tǒng)指標略低，雖然第1組參數(shù)所得的AGV利用率也是最高的，但第1組參數(shù)系統(tǒng)的平均生產(chǎn)周期比第2組要長很多，即交貨期長，這使得企業(yè)的競爭力大大降低。因此，綜合系統(tǒng)指標考慮，AGV小車容量為2的AGV容量以及各緩存區(qū)容量組合參數(shù)的設置為5種參數(shù)設置中最優(yōu)。

表4　設備堵塞率為目標的實驗結(jié)果

表5是AGV小車利用率大于等于90%為目標的優(yōu)化方法結(jié)果。表中可以看出，5種AGV容量以及各緩存區(qū)容量組合參數(shù)中，當AGV小車容量為1時的組合參數(shù)，AGV小車利用率最高，系統(tǒng)的平均生產(chǎn)周期最少，即企業(yè)的交貨期最短，設備利用率、產(chǎn)出率最高，即系統(tǒng)的產(chǎn)能最高。因此AGV小車容量為1的AGV容量以及各緩存區(qū)容量組合參數(shù)的設置為5種參數(shù)設置中最優(yōu)。

表5　AGV利用率為目標的實驗結(jié)果

綜合表3～表5，3種優(yōu)化方法的最優(yōu)組合以及所得的系統(tǒng)性能指標如表6所示。從表6數(shù)據(jù)結(jié)果顯示，第1種優(yōu)化方案中，平均生產(chǎn)周期較其他2種方案而言不是最短的，但產(chǎn)出率和設備利用率最高，任務拒絕率為0。這種方案下雖然企業(yè)的交貨期較長，但是企業(yè)的產(chǎn)能卻是最高的。優(yōu)化方案2，平均生產(chǎn)周期較其他2種方案而言最少，即企業(yè)的交貨期最短，這種方案下企業(yè)的競爭力較大，但是各緩沖區(qū)容量配置卻是3種方案中最大的，即緩沖區(qū)的面積較大，車間建設成本也較其他兩種方案而言要高。第3種優(yōu)化方案是以運輸環(huán)節(jié)中AGV利用率為目標所得的結(jié)果，這種方案的產(chǎn)出率、設備利用率略低于其他兩種方案，但緩沖區(qū)容量的設置也是3種方案中最少的，即車間建設成本的投入少。

表6　3種優(yōu)化方法最優(yōu)參數(shù)設置及實驗結(jié)果

設備的利用率是企業(yè)產(chǎn)能的最重要指標。從表6實驗結(jié)果可以看出，要提高設備利用率，企業(yè)需要爭取更多的訂單量，并具備可容納大量毛坯中心庫區(qū)；而加工設備前后的緩存區(qū)容量不能過大，避免設備出現(xiàn)過多空閑或者被堵塞狀態(tài)；AGV組成的運輸系統(tǒng)，小批量、多批次的運貨策略，制造單元的設備利用率最高，運輸?shù)男室彩亲罡摺?/p>

取表6中優(yōu)化方案1，并通過500組仿真實驗分析裝備制造系統(tǒng)性能指標變化情況，根據(jù)得到的500組仿真數(shù)據(jù)，取其中隨緩存增加而單調(diào)變化的“任務拒絕率”和“產(chǎn)出率”進行分析，2項指標擬合出的多項式曲線如圖7所示，其中橫坐標即為一組試驗中不同緩存組合總數(shù)。隨著各級緩存的增加，“任務拒絕率”在前期出現(xiàn)快速下降的趨勢，后期下降速率逐漸變緩并趨于0；而“系統(tǒng)產(chǎn)出率”隨著各級緩存的增加則呈現(xiàn)單調(diào)上升的趨勢，前期出現(xiàn)快速上升的趨勢，后期上升速率逐漸變緩并趨于0.9，即趨于系統(tǒng)輸入速率。

5結(jié)束語

本文通過建立仿真模型，應用3種仿真優(yōu)化方法，對具有MHS的裝備制造系統(tǒng)AGV小車及緩沖區(qū)最大容量配置問題進行了仿真優(yōu)化。通過仿真分析，得到了3種優(yōu)化方案下的優(yōu)化結(jié)果，根據(jù)仿真優(yōu)化結(jié)果對上述3種方法進行了分析與比較，3種優(yōu)化方法所得的AGV小車及緩沖區(qū)配置方案適用于不同的車間配置與企業(yè)決策。該仿真優(yōu)化模型可為企業(yè)配置AGV小車及緩沖區(qū)最大容量提供一種有效的方法，同時為制造系統(tǒng)排隊網(wǎng)研究提供了大量的數(shù)據(jù)支持。

圖7　仿真結(jié)果擬合曲線

參考文獻：

[1]張惠煜，康偉成，毛寧，等. 面向定制生產(chǎn)系統(tǒng)的緩沖區(qū)優(yōu)化配置方法[J]. 工業(yè)工程，2014，17(5): 85-92.

ZHANG Huiyu，KANG Weicheng，MAO Ning，et al．Buffer optimization configuration method for customized manufacturing system[J].Industrial Engineering Journal，2014，17(5): 85-92.

[2]徐云天，張力菠. 考慮系統(tǒng)波動因素的DBR瓶頸緩沖區(qū)容量設置[J]. 工業(yè)工程，2014，17(6): 24-29.

XU Yuntian，ZHANG Libo. Determination of constraint buffer size for drum-buffer-rope considering system′s fluctuation factor[J].Industrial Engineering Journal，2014，17(6): 24-29.

[3]SINGH A，SMITTH J M. Buffer allocation for an integer nonlinear network design problem[J]. Computers and Operations Research，1997， 24(5):453-472.

[4]HASKOSE A，KINGSMAN B G， WORTHINGTON D. Performance analysis of make-to-order manufacturing systems under different workload control regimes[J]. International Journal of Production Economics，2004，90(2):169-186.

[5]康偉成，俞愛林，黎展滔. 基于仿真的多級流水車間緩沖區(qū)配置優(yōu)化[J].機電工程技術，2013，42(11): 1-5.

KANG Weicheng，YU Ailin，LI Zhantao. Simulation-based buffer allocation optimization for multistage flow-shop[J]. Mechanical and Electrical Engineering Technology，2013，42(11): 1-5.

[6]李翔，陳慶新，毛寧，等. 多級流水線車間緩存設置參數(shù)仿真優(yōu)化[J]. 模具工業(yè)，2012，38(7): 1-6.

LI Xiang, CHEN Qingxin, MAO Ning，et al．Simulation optimization of buffer allocation parameters in multistage flow shop[J]. Mould Industry，2012，38(7): 1-6.

[7]李永先，胡祥培，熊英. 物流系統(tǒng)仿真研究綜述[J]. 系統(tǒng)仿真學報，2007，19(7): 1411-1416.

LI Yongxian, HU Xiangpei, XIONG Ying. Overview on logistics system simulation[J]. Journal of System Simulation，2007，19(7): 1411-1416.

[8]楊堃. 基于eM-Plant的生產(chǎn)物流系統(tǒng)仿真與應用[J]. 工業(yè)工程，2010，13(5): 95-100.

YANG Kun. eM-Plant-Based simulation and optimization of steel tube production process:a case study[J]. Industrial Engineering Journal，2010，13(5): 95-100.

[9]張遠春，范秀敏，駒田邦久. 基于仿真優(yōu)化的多種類型AGV數(shù)量配置優(yōu)化方法[J]. 中國機械工程， 2011，22(14): 1680-1685.

ZHANG Yuanchun，F(xiàn)AN Xiumin，KOMADA Kunihisa. Multi- types AGVs quantity configuration optimization based on simulation optimization[J]. China Mechanical Engineering，2011，22(14): 1680-1685.

[10]王國新，寧汝新，王愛民，等. 仿真優(yōu)化在制造系統(tǒng)中的應用現(xiàn)狀及發(fā)展趨勢[J]. 系統(tǒng)仿真學報，2008，20(1): 1-6.

WANG Guoxin, NING Ruxin, WANG Aimin，et al. Present application situation and trends of simulation optimization in manufacturing system[J]. Journal of System Simulation，2008，20(1): 1-6.

[11]王國新，寧汝新，王愛民. 基于仿真的生產(chǎn)調(diào)度優(yōu)化技術研究[J]. 計算機集成制造系統(tǒng)，2007，13(7): 1419-1427.

WANG Guoxin, NING Ruxin, WANG Aimin. Production optimal scheduling technology based on simulation[J]. Computer Integrated Manufacturing Systems，2007，13(7): 1419-1427.

Simulation Optimization of AGV and Buffer Capacity in Intelligent Manufacturing System

CHEN Guanzhong，CHEN Qingxin，MAO Ning，YU Ailin

(Key Laboratory of Computer Integrated Manufacturing System of Guangdong Province，Guangdong University of Technology，Guangzhou 510006，China)

Abstract：The maximum capacity configuration optimization of Automated Guided Vehicle (AGV) and buffer in Intelligent manufacturing system with material handling system (MHS) is a typical nonlinear integer programming problem. Because the constraints cannot be expressed in closed form, it is difficult to obtain an accurate solution to the problem. Therefore, a heuristic simulation optimization method for the approximate solution is proposed. Firstly, the AGV car and the maximum buffer capacity configuration optimization has been described. Secondly, a system simulation model is established for equipment manufacturing system with MHS, based on the Em-plant platform. And then, based on different optimization goals, three heuristic simulation optimization methods are presented. Finally, the three methods are analyzed and compared through simulation. Analysis shows that the method proposed and the optimization results can provide decision support to deploy AGV car and buffer maximum capacity for enterprises.

Key words：AGV (automated guided vehicle) capacity; buffer allocation problem (BAP); simulation optimization

收稿日期：2015- 07- 03

基金項目：國家云計算示范工程資助項目(發(fā)改辦高技[2011])2448號；國家企業(yè)互聯(lián)網(wǎng)服務支撐軟件工程技術研究中心計劃資助項目(2012FU125Q09)；廣東省自然科學基金資助項目(2014A030310313)

作者簡介：陳冠中(1991-)，男，廣東省人，碩士研究生，主要研究方向為制造系統(tǒng)信息化技術.

doi:10.3969/j.issn.1007- 7375.2016.03.013

中圖分類號：TP391

文獻標志碼：A

文章編號：1007-7375(2016)03- 0077- 08