系统仿真课程设计报告 - 柔性制造系统(5)

北京科技大学08级物流工程课程设计 柔性制造系统仿真与优化 黄维 40840220

图7.13 控制工件从缓冲到小车的方法

7.7.5 控制工件从小车到缓冲的方法

控制工件从小车到缓冲的方法如图7.14所示。当工件从上一道工序加工完后进入到小车时，小车根据目的地到达对应的设备缓冲，小车等待10秒，这10秒是工件从小车搬到缓冲的时间，如果设备缓冲中当前的工件数量已经等于设定的capacity的数量，那么小车等待，指导当前工件的数量小于设定的capacity的数量。当工件搬到缓冲后，调用Megettask读取下一条队列任务。

图7.14 控制工件从小车到缓冲的方法

7.7.6 控制设备加工时间的方法

每一种产品每一道工序的加工时间都不一样，因此需要在工件到达加工设备时设置加工时间。如图7.15所示，工件到达设备时调用相应的方法，判断工件的名称，根据不同的工

20

北京科技大学08级物流工程课程设计 柔性制造系统仿真与优化 黄维 40840220

件不同的工序设置加工时间，随后读取工件属性中的sequence表格的数据，赋值给下一道工序jobstep。

图7.15 控制设备加工时间的方法

7.8 Chart

Chart （如图7.16）是可用于统计利用率，以分析各种设备的利用率，因此找出整体系统在设备利用上的瓶颈所在。该柔性制造系统中，将5个设备添加到其中，在模型运行时可观察到每个设备的利用率情况。

图7.16 设备利用率

21

北京科技大学08级物流工程课程设计 柔性制造系统仿真与优化 黄维 40840220

8、模型分析与优化

8.1 基本模型的运行分析

基本模型的参数为：1辆AGV小车、设备缓冲数量为4、小车运行速度1m/s、投产方式按part1 60、part2 40、part3 80的顺序投产。运行基本模型后发现，到生产完成时，时间已经到了20:35，也就是用了12小时35分钟才完成，这跟要求的五个小时内完成订单的要求相去甚远；而设备利用率（如图8.1）最高的是CNC3，利用率为31%，而其余四个设备效率都不到20%，可见利用率还是非常低的。

图8.1 设备利用率

针对基本模型利用率低，花费时间长的问题，提出以下几种优化方案： （1）、订单按时间分批投入，提高设备的利用率； （2）、订单按顺序循环投入，提高设备的利用率；

（3）、增加AGV小车的数量，减小AGV小车的负荷，提高设备利用率； （4）、提高AGV小车的速度，提高设备的利用率； （5）、改变设备缓冲的数量。

针对以上提出的方案修改基本模型，在多次运行的基础上对新模型进行分析，从而找出最优的模型参数。

22

北京科技大学08级物流工程课程设计 柔性制造系统仿真与优化 黄维 40840220

8.2 订单按时间分批投入

通过将订单分割，在不同的时间分批投入，以此改变设备的利用率。订单分割如下表：

批次 1 2 3 时间 8:00 9:30 11:00 产品 part1 20、part2 10、part3 30 part1 20、part2 20、part3 20 part1 20、part2 10、part3 30 其它条件不改变，模型运行结束后，时间为20:46，也就是共花费12小时46分，与顺序投入的方案相比反而慢了11分钟，设备利用率如图8.2所示，显然设备的利用率依然不高，也就是说这种方案对提供设备利用率和减少花费时间并没有帮助，因此该方案不可行。

图8.2 设备利用率

8.3 订单按顺序循环投入

将订单按照part1 3件、part2 2件、part3 4件的顺序循环产生，其它参数保持不变，直到完成所有产品的生产。仿真结束后，仿真时钟的时间为20:56，也就是整个过程的仿真时间为12小时56分，与顺序投入和按时间分批投入相比，都比较慢。

图8.3 按顺序循环投入的设备利用率

23

北京科技大学08级物流工程课程设计 柔性制造系统仿真与优化 黄维 40840220

从图8.3可以看出，利用率最高的是设备CNC3，但其利用率也只有30%，其它的都在15%以下，可见这种方案对提高设备利用率并没有多大的影响。

8.4 多小车模型的优化

在仿真过程中发现，不管是那种投产方式，小车的利用率都很高，因此，小车的数量是一个瓶颈，因此改变小车的数量对提高设备的利用率应该有帮助。

对原有模型进行优化，新增Dialog对象，以实现改变小车数量、小车速度、设备缓冲数量、投产方式等条件，新增Track，以实现多小车同时运行。

如图8.4所示，可以通过该对话框来设置小车的数量、小车的速度、设备缓冲的数量、是否显示设备的利用率、恢复默认参数、模型初始化的操作。

图8.4 基本参数设置

图8.5 投产方式选择

24