生产系统建模仿真的基本过程

导读

INTRODUCTION

通过建模仿真手段对生产系统进行分析,由于更容易模拟实际生产过程,并且分析手段全面,越来越受到企业的重视。

文章信息

本文引自:《生产系统建模与仿真》,该书已出版(作者:华中科技大学朱海平教授),由清华大学出版社「智造苑」原创首发。

系统(system)是由若干部分相互联系、相互作用,形成的具有某些功能的整体。根据系统状态变化的时间连续性与否,可将系统分为连续系统(continuous system)和离散系统(discrete system)。其中,离散系统是指系统的全部或关键组成部分的变量具有离散信号形式,系统的状态在时间的离散点发生突变的系统。
描述系统的基本要素包括对象(object)、属性(property)、活动(activity)、输入输出(I/O)。“对象”又称为“实体(entity)”,它确定了系统的构成和边界,可区分为临时对象与永久对象,在系统中只存在一段时间的对象叫临时对象,比如顾客、工件、工人等,它们一般是流动的,永久驻留在系统中的对象则叫永久对象,比如服务台、设备等,它们一般是静止的。“属性”描述了每一个对象的基本特征,“活动”定义了对象之间的相互作用,从而确定了系统状态随时间发生变化的过程,“输入输出”描述了系统与外部环境的物质和信息交互。
 

生产系统建模仿真的目标

在生产系统建模领域,有许多经典的分析与优化问题,比如车间布局规划与重构、生产线平衡分析、车间计划调度、物流路径规划、物流调度、故障分析与维修决策等等,大量学者利用运筹学(operations research,OR)方法对这些问题进行了深入研究,取得了许多重要的理论成果,然而由于实际生产系统的复杂性,这些成果往往难以直接用于解决工程问题。通过建模仿真手段对生产系统进行分析,由于更容易模拟实际生产过程,并且分析手段全面,越来越受到企业的重视。生产系统建模仿真的根本目的在于:
(1)在系统布局设计阶段,通过生产与物流活动的仿真,对系统运行性能进行定量分析,提前发现问题,为系统结构设计、资源分配、方案比选等提供数据决策支持,以保证系统设计的科学性、经济性、鲁棒性;
(2)在系统运行与持续优化阶段,建立物理生产系统的数字孪生,通过基于数字空间的仿真试验与优化,识别生产瓶颈,优化运行参数,评估系统在不同调度策略下的性能,确定高效的作业计划和调度方案,辅助生产决策,提高物理系统的综合运行效率。

生产系统的性能指标

对于现有或预期建设的生产系统,为了评价其性能的优劣,进而找到改善的方向,必须量定量化分析系统的性能指标,常见的性能指标有以下几种。
(1)生产率(productivity):它是一个相对指标,通常表示为产出和投入之比,根据投入要素的数量,分为单要素生产率、多要素生产率和总生产率,比如,投入要素为工人,则表示为劳动生产率;
(2)生产能力(production capacity):简称产能,指生产系统在一定时间内,在合理的技术条件下,生产某类产品或零部件的平均数量和最大数量。比如一条加工生产线,如果工件投入充足,运行一段时间后,生产线单位时间产出的工件数量会稳定到一个最高水平值,这就是生产线的最大能力(极限能力),实际情况下,未必能满负荷投入工件,平均产量一般小于最大产量。进一步还可考虑设备故障、工件缺陷、工人离岗等因素,定义有效生产能力;
(3)在制品数量(number of work in process,WIP):指已投产未完工的工件数量,包括处于工作、等待、运输等状态的工件数量之和。根据著名的Little公式,单位时间投入系统的工件越多,并且工件通过系统的时间越长,则在制品数量越多。在保证生产能力的情况下,在制品数量当然越少越好,因此,工件的投产时机选择和生产调度策略都很重要;
(4)通过时间T:指工件进出系统(设备、产线或车间)的时间差,也称系统逗留时间,它由加工时间、运输时间和等待时间构成。一般统计一类工件的平均通过(逗留)时间;
(5)工件加工/运输/等待时间占比:指工件通过时间中,加工/运输/等待时间的比例,显然,如果加工时间占比偏低,则说明物流效率低或生产调度不合理;
(6)等待队长:指在等待加工或搬运任务的缓冲区中,最大和平均等待的工件个数。等待队列决定了缓冲区的容量设计大小,并且,队列越长,说明缓冲区之后的设备是瓶颈;
(7)订单按期完成率:订单即生产作业计划,在订单下发时一般会给定期望完成时间。由于生产异常因素,或者生产负荷过重、调度不合理,部分订单可能无法按期完成,导致订单按期完成率达不到100%。实际情况中,订单提前太长时间完成可能也不合理,这时可以设定期望完工时间区间,并计算订单准时完成率;
(8)直通率(first pass yield rate):指产品从第一道工序开始一次性合格到最后一道工序的比例,与每道工序的合格率相关;
(9)设备利用率(utilization ratio):指设备实际工作时间占总时间或有效时间的比例;
(10)设备(OEE):指设备综合效率,OEE=可用率⨉表现指数⨉质量指数;
(11)资源利用率:指物流车辆、人、工装、工具的利用率;
(12)能源效率:指单位产品能耗或单位能耗产出;
(13)生产线平衡率(line balance rate):指各工序作业时间和/(工序数⨉瓶颈工序时间);
(14)物流运输距离/成本:指单位时间内的物流运输距离/成本或者产品的平均物流运输距离/成本;
(15)平均故障间隔时间(mean time between failure,MTBF)
(16)平均故障维修时间(mean time to repair,MTTR)
(17)设备可用率(availability):MTBF/(MTBF+ MTTR)。
如果生产系统已经存在并运行了一段时间,理论上讲,通过历史数据统计可以计算出上述性能指标,但分析过程一般非常复杂;如果生产系统尚不存在,或者虽存在但亟待重构,新系统性能如何往往难以测算。现实中一般靠经验估计或者简单计算来分析生产系统性能,结果难以令人信服,此时,建立生产系统仿真模型,通过仿真运行来计算上述指标,并给出定量评价,就非常必要了。

建模仿真的意义和过程

从某种程度上讲,生产系统仿真和产品设计仿真(computer aided engineering,CAE)具有类似的含义。产品设计过程中,为了提前验证产品的性能,需要利用CAE软件,建立有限元分析模型,对产品的功能、性能与安全可靠性进行计算,对产品的工作状态和预期行为进行模拟仿真,及早发现设计缺陷,改进和优化设计方案,证实未来产品的可用性与可靠性。同样,在生产系统设计过程中也需要开展仿真分析,基于虚拟工厂模型,通过模拟、验证、优化手段,实现低成本、快速、科学的工厂设计,当产品、工艺或物流发生变化时,基于虚拟工厂先进行重构和优化,持续保障工厂效能。因此,生产系统仿真分析可认为是针对工厂所开展的“CAE”工作。
 
具体而言,生产系统建模仿真的实际意义在于:
(1)基于虚拟环境,可以较为真实地模拟生产与物流过程,从而快速、全面地获得生产运行数据。在物理生产系统中,能获取的数据往往是不全面的,尽管各种物联网技术、生产管控技术(MES)等逐步在推广应用,但生产过程中有价值的数据仍然欠缺,这个时候,仿真技术就为数据的获取提供了另外一个手段。通过工厂建模,模拟设施、工艺、物流、人、控制与调度逻辑,导入或模拟生产计划,模拟各种随机因素,然后进行仿真运行,可以在较短时间内得到大量的运行过程数据,比如,在1分钟内完成1年生产订单的运行模拟,得到几千万条数据。
(2)基于数据分析,定量评估分析工厂的性能,包括能力分析和效率分析。通过对生产系统性能指标的分析,可以迅速发现系统运行中存在的问题和有待改进之处,并及时进行调整与优化,减少后续生产执行环节对于物理系统的更改与返工次数,从而有效减低成本、缩短工期、提高效率。
(3)通过指导性数据分析(prescriptive analysis),主动寻找优化方案并仿真验证。仿真分析和优化算法可以进行各种形式的融合,比如仿真分析与试验设计的结合,仿真分析与遗传算法的结合等等,算法提供了基本的优化逻辑,而仿真则为算法中的一些关键步骤提供了“黑箱”式计算方式,比如,遗传算法中需要计算个体的适应度,然而对于复杂问题,很难给出适应度计算的解析公式,这时候就可以通过仿真来得到适应度值。
针对现实应用,生产系统建模仿真的基本过程如图1所示,主要包括5个阶段。
1 生产系统建模仿真的基本过程

仿真目标定义

在建模仿真之前,首先要明确仿真的目标,即为什么要进行仿真,要分析哪些指标等。物理生产系统存在与否、实际运行状况如何、有哪些改善需求或愿景等因素都会影响仿真的目的。比方说,物理车间尚未建设,此时的仿真目的就是科学预知未来车间的性能,如果车间已存在但物流性能不佳,此时的仿真目的就是通过分析物流效率,找出瓶颈原因,然后提出改善方案并进行验证。根据性质的不同可将仿真分析的目的分为4类。
(1)描述性分析(descriptive analysis):通过仿真,模拟物理系统的运行,分析运行数据,计算统计值,绘制图表,得到各项性能指标的量化值。描述性分析多用于对现有方案的模拟再现和验证,是最基础的分析;
(2)诊断性分析(diagnostic analysis):基于描述性分析结果,分析生产系统的性能瓶颈并寻找原因,比如资源不足、生产线不平衡等等,尝试改变生产布局和结构参数,多次运行仿真,寻找更优方案。通过诊断性分析,给出诊断报告,达到知其然并且知其所以然的目的;
(3)预测性分析(predictive analysis):模拟各种随机因素,设计大量仿真试验,结合因果分析、回归分析、相关分析等方法,对不同参数组合下生产系统性能的变化趋势进行分析。通过预测性分析,建立响应变量和输入变量之间的关系,预知输入变量改变以后的结果;
(4)指导性分析(prescriptive analysis):将仿真与运筹学方法相结合,对生产系统的最优设计方案和最优运作方案给出建议,比如设施布局、物流路径定义、计划投产策略等等。通过指导性分析,提出生产系统的改善方案。
根据业务的不同可将仿真分析的目的分为产能验证、瓶颈识别、利用率分析、物流效率分析、工人效率分析、质量影响分析、故障影响分析、订单排序优化、投产策略优化等等。

基础数据收集

在仿真建模过程中,需要一定的基础数据支持,基础数据的质量(全面性、真实性)对仿真结果的真实可信性有直接的影响,这些数据通常包括:
(1)车间布局图:描述了生产系统中的设施布局和物流路径,一般为CAD模型,有精确的几何数据;
(2)工艺数据:车间中生产的每一类零件或部件的工艺路线,包含工序、工时、所需工具、所需设备、工人、毛坯等信息,如果是装配工序,还需给定物料清单(bill of material, BOM)数据;
(3)订单数据:如果是进行产能分析,则根据经验估计,给出每年(月)预计投入的订单数量、订单的工件构成、订单的投放规律(间隔时间、批量)等,如果是进行生产计划仿真,则需要给出详细的生产计划;
(4)资源数据:工具类资源、工人(操作工、检验工、物流工等)类资源的类型、数量、使用规则等;
(5)物流类数据:包括物流运输路径、物流配送策略、物流设施及工作参数等数据,以及缓冲区和仓库的位置、容量、出入库策略等数据;
(6)故障类数据:设备的故障模式、失效分布、维修特征等数据;
(7)质量类数据:缺陷类型、缺陷发生的概率分布、缺陷处理策略等数据;
(8)其他数据:比如工厂日历、停机计划、特殊生产规则等等。

仿真建模

选择一种生产系统仿真软件,建立生产系统仿真模型。主流仿真软件一般都提供了图形化的建模平台,仿真建模的大致过程如下:
(1)按照CAD布局,创建各类对象并准确摆放其位置;
(2)详细定义对象属性;
(3)导入基础数据,建立对象和数据的关联;
(4)定义物流过程;
(5)定义人员和资源模型及其访问机制;
(6)自定义脚本,实现各种逻辑控制。

仿真分析与优化

基于生产系统仿真模型,在离散事件仿真引擎和动画引擎等的支持下,进行大量模拟运行,输出仿真模型的运算结果统计,根据仿真结果,一方面用来验证模型的有效性,另一方面用来指导生产物流规划以及后期的运作管理,包括布局规划、生产物流分析、参数优化计算和瓶颈分析优化等内容。
 
仿真分析与优化的过程(以布局分析与优化为例)
图2(横屏看图)以布局分析和优化为例,描述了仿真分析与优化的基本过程。包括初始方案的仿真分析、关键参数试验设计及对比分析、遗传算法+仿真来实现寻优等三个过程。(The End)

阅读剩余
THE END