eM-plant

eM-plant（精选5篇）

eM-plant 篇1

一、系统仿真理论

1. 系统仿真

系统仿真是迅速发展起来的一门新兴学科, 随着系统仿真的理论和应用技术研究的深入以及计算机技术的发展, 应用数字计算机对实际系统或假想的系统进行仿真的技术越来越受到人们的重视[1]。现在人们普遍接收的系统仿真的定义是:以相似性原理、系统技术、信息技术及应用领域有关专业技术为基础, 以计算机、仿真器和各种专用物理效应设备为工具, 利用系统模型对真实地或假想的系统进行动态研究的一门多学科的综合性技术。仿真技术是研究复杂问题的一种有效的方法。由于仿真技术在应用上的安全性和经济性, 仿真技术的应用取得了广泛的范围。首先应用于军事领域, 仿真技术在武器系统研制, 战术互联网仿真等方面都取得了良好的效果;其次, 在航空、航天、航海、核电站等方面也利用仿真技术减小了项目的风险, 并在安全防御方面起到了实际系统不可比拟的作用;另外, 仿真技术已逐步发展到应用于社会、经济、交通、生态系统等各个领域, 成为高科技产品从论证、设计、生产试验、训练到更新等整个阶段不可缺少的技术手段, 为研究和解决复杂系统问题提供了有效的工具。

2. 物流系统仿真

随着中国加入WTO, 中国经济的发展更是进一步的加快了步伐。加之近几年电子商务的飞速发展, 使得中国的物流业也迅速的成长起来。现代自动化物流系统是集光、机、电技术为一体的复杂的系统, 能够实现物流传输、识别、拣选、分拣、堆码、仓储、检索和发售等各个环节的全程自动化作业。可以看到, 物流系统是一个多因素、多目标的复杂系统。正是由于物流系统的复杂性, 运用系统仿真的方法对其进行建模仿真的分析研究, 以此来确定物流系统中物料运输、存储动态过程的各种统计, 了解设备的处理能力是否能满足实际需要, 运输设备的利用率是否合理, 运输线路是否通畅;以及物流配送中心的地理位置选择是否恰当, 物流配送中心的建设容量设计是否适当等问题。由于现代生产物流系统具有突出的离散性、随机性的特点, 因此人们希望通过对现代物流系统的计算机辅助设计及仿真的研究, 将凭经验的猜测从物流系统设计中去除, 能使物流合理化进而提高企业生产效率。

物流仿真技术是借助计算机技术、网络技术和数学手段, 采用虚拟现实方法, 对物流系统进行实际模仿的一项应用技术, 它需要借助计算机仿真技术对现实物流系统进行系统建模与求解算法分析, 通过仿真实验得到各种动态活动及其过程的瞬间仿效记录, 进而研究物流系统的性能和输出效果。物流仿真是指评估对象系统 (配送中心、仓库存储系统、拣货系统、运输系统等) 的整体能力的一种评价方法。在系统仿真中, 仿真的三项基本要素是:系统、模型和计算机。将三要素联系起来的三项基本活动是系统建模、仿真建模和仿真试验。应用于物流仿真中, 系统建模就是要根据物流仿真的目的, 系统试验知识和试验资料来确定系统数学模型的框架、结构和参数。模型的繁简程度应与仿真目的相匹配, 确保模型的有效性和仿真的经济性。其次将数学模型转变成仿真模型, 建立仿真试验框架, 之后利用仿真软件将仿真模型输入计算机, 设定试验条件, 根据仿真目的在模型上进行试验。最后将试验结果进行分析、整理及文档化, 根据分析的结果修正数学模型、仿真模型、仿真程序, 以进行新的试验。

2.e M_plant物流仿真软件

e M-Plant是以色列Tecnomatix公司出品的e MPower软件工具, 又称为Si MPLE++, 是用C++实现的关于生产、物流和工程的高级面向对象仿真软件, 是一个面向对象、图形化、集成的建模仿真工具, 系统结构和实施都满足面向对象的要求。e M-Plant (SIMPLE++) 物流仿真及规划软件用于项目规划、物流仿真和优化制造厂、生产系统和工艺过程。软件能给出开发项目规划中所有层次的解决方案, 许多世界级的制造商和物流系统开发商都在使用e M-Plant (SIMPLE++) 做全局规划, 用它来评估不同的方案以作出科学的生产、经营决策。软件的面向对象的技术使得可以生成结构合理的层次模型, 模型对系统外部和内部的供应链、生产资源和所有与生产和经营过程相关的环节上都给予了充分的考虑。

总结e M-Plant工具的特点具有如下几点:

可对高度复杂的生产系统和控制策略进行仿真分析;

标准的和专用的应用目标库为典型的方案进行迅速而高效的建模;

使用图形和图表分析产量、资源和瓶颈;

综合分析工具, 包括自动瓶颈分析器、Sankey图和Gantt图;

三维可视化和动画;

使用遗传算法 (genetic algorithms) 对系统参数进行自动优化;

支持多界面和集成能力 (ODBC、SQL、ORACLE、ERP、CAD etc.) 的开放系统结构。

具体的主要体现在以下几个方面:

(1) 使用标准的和专用的应用目标库建立系统仿真模型

使用应用目标库 (Application Object Libraries) ) 的组件, e M-Plant可以为生产设备、生产线及生产过程建立结构层次清晰的仿真模型。用户可以从预定义好的资源、订单目录、操作计划、控制规则中进行选择。通过向库中加入自己的对象 (object) 来扩展系统库, 用户可以获取被实践证实的工程经验来用于进一步的仿真研究。

(2) 仿真系统优化

使用e M-Plant仿真工具可以优化产量、缓解瓶颈、减少再加工零件。e M-Plant能够定义各种物料流的规则并检查这些规则对生产线性能的影响。从系统库中挑选出来的控制规则 (control rules) 可以被进一步的细化以便应用于更复杂的控制模型。用户使用e M-Plant试验管理器 (Experiment Manager) 可以定义试验, 设置仿真运行的次数和时间, 也可以在一次仿真中执行多次试验。用户可以结合数据文件, 例如Excel格式的文件来配置仿真试验。

使用e M-Plant可以自动为复杂的生产线找到并评估优化的解决方案。在考虑到诸如产量、在制品、资源利用率、交货日期等多方面的限制条件时, 可采用遗传算法 (genetic algorithms) 来优化系统参数。通过仿真手段来进一步评估这些解决方案, 按照生产线的平衡和各种不同批量, 交互地找到优化的解决方案。

(3) 分析仿真结果

使用e M-Plant分析工具可以轻松的解释仿真结果。统计分析、图、表可以显示缓存区、设备、劳动力 (personnel) 的利用率。用户可以创建广泛的统计数据和图表来支持对生产线工作负荷、设备故障、空闲与维修时间、专用的关键性能等参数的动态分析;由e M-Plant可以生成生产计划的Gantt图并能被交互地修改。随着数据库应用的增加, e M-Plant还提供了与SQL、ODBC、RPC、DDE的接口, 能够读入CAD图形进行仿真;e M-Plant具有图形化和交互化的建模能力, 同时, 它通过内置的编程语言“Sim TALK”进行过程的定义、参数的输入和控制策略的调整, 也能够建立完整的仿真模型。

三、结束语

物流也已经成为现在社会不可或缺的一个行业。仿真方法的应用应当会主要集中在对真实的复杂物流系统的建模研究和总体优化上。e M-Plant软件几乎考虑到了实际工程领域中的各个方面, 完全可以仿真出实际模型, 所得出的分析结果对现实有直接的指导意义, 非常适合于运用在物流系统的仿真上。

摘要：本文简要介绍了系统仿真的基本概念和物流系统仿真实现的方法。随着计算机技术的不断发展, 物流仿真软件已经成为物流系统仿真的主要工具, 并将得到更为广泛的应用与发展。

参考文献

[1]康凤举杨惠珍高立娥等:现代仿真技术与应用[M], 北京:国防工业出版社, 2006.1

[2]宋建新徐菱宋远卓:现代生产物流系统仿真研究[J], 物流科技, 2007年第3期

[3]陈子侠:龚剑虹:物流仿真软件的应用现状与发展[J], 浙江工商大学学报, 2007年第4期[总第85期]

[4]http://www.ugs.com.cn/

[5]王煜蔡临宁岳秀江:物流系统的仿真研究综述[J].制造业自动化, 2004.9

[6]周立新陶瑞岩汪菲:第三方物流项目仿真程序设计与实现[J].同济大学学报, 2003, 31[12]

eM-plant 篇2

1 计算机仿真技术和仿真软件

仿真是对现实系统的模仿。通过运行模仿的模型可以对相关问题作出评价和决策。在制造业中, 仿真技术在缩短生产线规划周期、降低生产成本和提高生产效率等方面发挥着重要的作用。特别是对于处理一些大规模和复杂的制造系统的设计和规划, 计算机仿真技术有显著的作用。

现阶段, 生产系统仿真软件有Systems Modeling公司的Arena, Lanner公司的Wintness、Flexsim, Software Products公司的Flexsim和Tecnomatix的e M-Plant等软件。这些软件都是优秀的, 面向对象、图形化的集成建模仿真软件, 它们可以快速搭建系统仿真模型, 通过参数输入快速获得仿真结果, 对分析、评价和改进制造系统具有很高的参考性和指导性。其中, e M-Plant又名Plant Simulation, 是一款优秀的仿真软件。该软件集成了功能全面的工具箱, 可以方便、快速地建立大型的复杂模型。本文基于e M-Plant软件, 利用其集成的遗传算法工具解决生产线作业人员优化配置的问题。

2 生产线人员优化配置方法

按照生产布局, 主要将其分为产品原则布局、工艺原则布局、成组原则布局和固定位置布局。由于产品原则布局是近年来比较热门的生产布局, 所以, 本文主要研究产品原则布局的人员优化配置。

对于产品原则布局生产工艺, 设备的布置完全是按照产品生产流程确定的。在产品原则布局的生产线中实现人员的优化配置, 就是通过合理的安排, 将人员最大限度地利用起来, 即在给定生产节拍的情况下, 实现作业人员最少。如果将每个作业人员的作业任务作为一个工作地, 那么, 这个问题就可以转化为给定作业生产节拍的生产线平衡问题。生产线平衡就是将所需要的作业任务分配到特定工作地的过程, 同时, 要满足作业任务先后顺序的约束。人员优化配置的问题可以通过求解最小工作地的方法来解决。

生产线平衡问题可以利用遗传算法求解。e M-Plant仿真软件集成了遗传算法操作工具 (GAOptimization) 和遗传算法排序工具 (GASequence) , 通过e M-Plant仿真软件可以解决人员优化配置的问题。

运用遗传算法求解生产线问题的主要步骤和思路是:1问题的表述和编码。将问题的特征用编码方式清楚地表达出来, 这是GA应用的关键。对于ALB问题, 最合适的方法就是采用加工顺序进行编码。在e M-Plant仿真软件中, 编码是通过遗传算法排序工具完成的。2选取初始种群。考虑到目标问题的染色体数, 即作业任务数, 工作地数量远小于作业任务数, 所以, 可以将工作任务数作为初始种群的大小, 通过设置仿真软件遗传算法操作工具的相关参数来实现。3设置适用度函数。模型的存在是为了实现作业人员配置最优化这个问题, 为了实现这个目标, 不仅需要考虑工位最少, 还要考虑每个工位的作业时间大致相同, 这样就保证了每个工人的负荷均衡。因此, 可以将平衡指数和工位指数2个指数目标作为适用度的目标函数。4设置终止条件, 如何选择终止代数, 目前没有具体的理论依据。一般来说, 当达到一定程度后, 解的空间变化不大。一般通过设置最大迭代次数或者规定目标函数的取值范围来终止算法, 可以根据具体的问题设置遗传算法工具的终止代数。

平衡指数 (Smooth Index, 简称SI) 主要体现生产线的平衡情况, 其公式为:

式 (1) 中:STj为分配到j个工作地所有任务的时间和;m为工作地数。

工位指数 (Machine Index, 简称MI) 主要体现了工位的负荷平衡, 其公式为:

适用度为:

式 (3) 中:a1为目标的权重, 生产效率和工人负荷的权重可以根据需要设置。将适用度的内容用Sim Talk语言编写程序, 然后再控制选项卡中关联这个程序。

寻优求解ALB问题的过程是:1产生初始编码。2进行工艺约束的检验, 交换、调整编码中不符合工艺约束的编码位置, 将合理的编码作为父代, 经过交叉、变异等遗传操作产生后代, 所有的编码都必须经过合理性检验, 经过一定的搜索深度得到最优的结果。通过软件输出的最小工作地数量, 从而得到最优化的作业人员数量;通过每个工作地中分配的作业任务, 得到对应作业人员的工作任务, 从而完成生产线作业人员的优化配置。

3 结论

在e M-Plant仿真软件中建立模型, 并利用遗传算法工具求解生产线平衡问题, 从而解决产品原则布局中作业人员优化配置的问题。这种方法简单易用, 可以方便、快速地解决实际生产中的人员配置问题。

摘要：计算机仿真技术在生产线工艺规划、布局规划和资源配置等方面发挥着非常重要的作用。简要介绍了计算机仿真技术在制造业中的应用, 并将产品原则布局生产线人员的配置问题转换成求解最小工作地的问题, 着重介绍了用仿真软件自带遗传算法工具箱实现人员优化配置的主要思路和方法。

关键词：e M-Plant,遗传算法,人员优化配置,计算机仿真技术

参考文献

[1]刘东亮, 王凤岐, 郭伟.计算机仿真技术及其在生产系统中的应用[J].组合机床与自动, 2007 (4) :91-93.

eM-plant 篇3

由于汽车客运站运输组织较为复杂,客流随机性和集中性较强,与市区交通联系紧密,因此,采用传统的运营管理方法,很难取得满意的效果,另外汽车客运站还会涉及到各种突发情况,应急方案的制定及其效果如何,凭经验很难实现科学决策。计算机仿真作为一种行之有效的实验方法已经广泛深入地应用在各类物流系统、生产系统的设计、运作和优化中。本文利用计算机仿真技术,应用em-plant仿真软件建立汽车站仿真模型,方便汽车站管理机构进行方案分析、数据分析和运输组织优化,以提高管理决策水平和科学性。

2 汽车客运站建模与仿真

汽车站是一个存在大量随机事件的复杂系统,在客运站使用过程中,会由于各种原因出现原设计中没有预料到的情况。为了进行高效率客运和科学化决策,本文提出的建模与仿真方法步骤如下:

(1)分析汽车客运站的主要特点,并提出建模和仿真目标。

(2)根据汽车客运站的平面图和现场客运流程调查,对汽车客运站流程进行分析,主要是乘客和车辆流程分析。

(3)对汽车客运站各个对象要素进行分析,选择相应的eM-Plant建模单元进行表达,最终得到建模和仿真模型图。

(4)根据不同的建模和仿真目标,进行汽车客运站现场数据调查和数据分析,从而得到建模单元的参数。

(5)进行仿真,得到分析结果,并进行改进实施。同时对模型检验,对改进后结果进行分析,根据实际反馈,进行修正模型,从而使模型更加准确和实用。

2.1 汽车客运站的主要特点分析

为了更准确和全面地进行汽车客运站建模,必须分析其主要特点。汽车客运站的主要特点分析如下:

(1)大量旅客使用、进出频繁。一般来说,公路客运总量大致是铁路客运总量的10倍左右,旅客利用公路出行次数较多,汽车客运以中短途旅客为主,全年出行量相对平稳。

(2)客流随机性和集中性较强。平常运输时,客流的到来随机性较大,尤其是一些小汽车站,客流很不稳定,同时随机波动较大。而在节假日客运高峰期,客流量大,且尤为集中,同时持续时间较长。

(3)汽车客运站的交通组织与城市道路的交通组织更为直接和紧密。特别是一些老汽车站一般位于繁华市区中心,其客运车辆的进出汽车站受周边道路交通的影响较大,显然,城市拥堵的交通会对客运造成不良影响。

(4)运输淡季时,客流量小。

2.2 汽车客运站建模与仿真目标

建模与仿真目标如下:(1)节假日高峰期间,进行作业流程分析,找出瓶颈点,提出针对改进措施,并考察实施后效果,进行反馈改进,从而提高车站旅客吞吐量。如通过仿真发现某旅客走行通道狭窄,高峰期成为瓶颈点,拓宽通道并实施良好引导措施后,瓶颈消失。(2)通过仿真评估增开售票窗口或增开班车车次的效果,从而决定具体的增开时间和数量,最终达到提高效率和降低成本的目的。(3)旅客运输日益激烈,在运输淡季时,通过仿真压缩运输线路和班次,简化车站客运作业流程,尽量在不流失客源和降低服务质量的情况下,做到节约成本,从而达到提高汽车客运竞争力的目的。

2.3 汽车客运站流程分析

为了具体进行流程分析,需要现场调查,得到客运站平面图,对具体客运业务流程进行分析,其中主要是分析乘客和车辆流程。

2.4 汽车客运站建模与仿真

分析汽车站对象要素,选择建模单元进行表达,得到下表(注:建模单元的参数一般跟时间段有关):

根据车站流程、对象要素与对应建模单元,得到汽车客运站建模与仿真模型示意图如下所示:

如何将乘客乘车和车辆载客联系起来是客运站建模仿真的重难点,下面重点说明。本文通过Method候车规则、Method发车规则和Broker车辆调度中心来实现,而这些Method和Broker取决于具体的仿真环境和目标。例如,节假日高峰期间,通常是乘客等待车辆,Broker车辆调度中心要求车辆到来后立即进入发车位载客,客满即走,发车位有车则调用Method候车规则,后者告知候车厅有车来到,于是该流向的乘客开始检票;运输淡季时,通常是车辆等待乘客,Broker车辆调度中心要求客满再发车,候车厅某流向的乘客达到一定数量的时候则调用Method发车规则,后者告知发车位有乘客来到,于是准备检票发车。

采用仿真单元FlowControl控制各种乘客、车辆比例,按比例进行分流。例如,FlowControl退票分流控制一定比例的乘客办理退票业务,加油分流FlowControl则控制一定比例的车辆办理加油业务。

3 仿真模型应用

在仿真模型应用时,必须考虑实际的客运站情况,例如,某汽车客运站,由于客流增大和周边交通环境的变化,使得站前广场几乎变成了一个全功能的广场,买票-检票-上车-托运,都在广场上完成,这样后面的客运站的功能就没有很好的体现;进行现场数据调查和数据分析时,首先要确定仿真目标和合理划分时间段。

该模型应用于某汽车客运站仿真,用于解决运输淡季时,如何节约成本的问题。结果表明,在不明显流失客源的前提下,能够有效减少车辆的空等耗油、增加司机和车站人员轮休时间、提高车站设备利用率(如:使洗车加油业务更为集中),从而降低能耗和减少人员开支,最终达到降低成本的目的。

4 结束语

本文主要提出了汽车客运站建模与仿真的方法步骤,并基于eM-Plant给出了具体仿真模型。特色之处在于:建模考虑了乘客和车辆进出车站受到周边交通的影响;探讨了运输淡季时如何确定仿真目标,以达到降低成本的目的;采用仿真单元Method和Broker有效地将乘客和车辆联系起来,并用以适应不同的仿真环境和目标。

参考文献

[1]徐伟,王少梅.基于eM-Plant的集装箱码头布局规划仿真研究[J].港口装卸,2006.No.1(Serial No.165).

eM-plant 篇4

汽车玻璃行业是汽车行业的上游行业,它的发展受汽车行业的制约,近年来,随着我国国民经济的迅速发展,对汽车的需求量出现了供不应求的局面,据不完全统计和预测,我国2008年千人汽车保有量为37辆,而到2015年我国千人汽车保有量将达到100辆,2020年更是增长到150辆。增长速度之快,需求基数之大让更多的汽车生产商不断扩大生产规模来满足日益增长的需求量,而受汽车业影响的汽车玻璃行业也将面临巨大的机遇和挑战。

汽车玻璃的生产工艺主要有预处理、烘弯、合片、高压和包装,在目前的汽车玻璃生产过程中,对于玻璃加工的种类和数量等生产因素大部分还是凭借调度人员的经验来制定调度计划,这样的生产特点不仅会增加工作强度,还容易产生因不同品种产品之间切换所带来的切换成本、工序之间的在制品库存成本以及设备的闲置成本等,而这些成本之间的关系是相互矛盾的,即一种成本的减少会带来其他成本的增加,企图通过直观观察或简单的分析,并采取某种手段达到降低总成本的目的是不可能的。所以,如何通过一种有效的生产调度方法优化生产调度计划,从而降低生产成本成为许多学者研究的方向和课题。而大部分的研究主要是集中寻求某种生产计划的优化智能算法或是通过优化生产计划解决生产成本和调度的问题[1,2,3,4,5],文献[1]提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法——量子粒子算法来实现该问题的求解,并通过0-1编码方式来实现对产品的分批和分配。文献[2]将问题抽象为多阶段、多品种带有中间库的批量计划与调度问题,并针对所建立的模型提出了基于二进制粒子群优化与局部搜索的混合求解算法。文献[3]提出了一种两阶段变领域搜索算法,并通过实际数据的仿真实验验证了算法的有效性。文献[4-5]通过研究在生产过程中的批量问题来实现和达到调度的目的,但上述研究都因其计算的复杂性,很难在实际中应用。还有一部分是着力研究通过建立模型来优化调度计划[6,7,8,9,10,11,12],文献[6-9]是在某种约束条件下建立库存模型,并给出了实时的统计分析与计算的方法,利用智能方法求解模型得到优化的调度计划来减低生产成本。文献[10]研究了产品转换时间,且考虑了订单的处理时间和设备相关的生产环境的约束下,最小化订单总的拖后完成时间的批次调度问题,建立了连续时间调度模型。文献[11-12]在文献[10]的基础上进行了改进,将设备分配与订单排序分别用一个二元组0-1变量表示,在达到相同形式化效果的同时减少了模型的0-1变量,降低了模型求解的难度。

对于汽车玻璃生产系统的研究,为降低生产总成本,有必要明确各成本之间、各成本与影响因素(如生产批量,模具排列等等)之间的关系,并且在成本的影响因素中,生产批量对成本的影响最为突出。由于问题的复杂性,现有的有关解决批量处理方法的研究成果(包括数学建模、分析与求解方法等)尚不能直接应用于本问题的研究,故本文采用仿真方法对上述问题进行研究,一方面通过多次独立运行仿真程序收集相关数据,以此分析各个成本之间的数学关系,另一方面通过控制生产批量来分析各个成本的变化关系,从而为后续的优化生产计划提供理论的依据。

1 问题的描述

1.1 生产流程

汽车玻璃生产加工工艺流程分为五个工序,如图1所示。

预处理工序是对原料玻璃进行裁剪和印刷商标。烘弯工序是生产系统的加工中心,这道工序是对半成品玻璃进行加热成型,其加工设备是一大型封闭式自动化烘弯加工设备,该设备加工原理如图2所示。

该设备只有一个进口和一个出口,可以同时摆放32种模具,这些模具都是在加工准备时装载好的,在烘弯加工时,按某一顺序以一定的间隔时间循环流动。操作人员在进口处将裁剪好的玻璃放置在相应的模具上,另一操作人员在出口处将烘弯后的玻璃从模具上取出,准备下一工序的加工。因此从入口向出口移动的模具一般都是满载的,从出口向入口移动的模具一般都是空载的。合片工序是在两块玻璃中间夹入PVB膜。高压工序是排除合片时夹杂在其中的气体,使其两块玻璃完全粘合。最后一个工序是包装工序,其主要是进行最终检验,配置相关的附件,进入成品库。

1.2 问题的提出

在生产加工过程中,烘弯工序作为加工中心,该工序的五条生产线的加工安排都是根据订单确定的,其中有一条生产线则是作为特殊种类玻璃加工线和应急生产加工线。预处理工序安排了三条生产线,可同时批量加工三种玻璃产品,其加工产品的品种是由烘弯工序决定。这两个工序的加工时间相差不大,但是预处理工序的切换时间却远远高于烘弯工序,使得预处理工序的生产能力无法满足烘弯工序的加工需求,再加之操作工的准备不足,会导致烘弯工序中的模具经常出现空载的情况,产生了生产成本,称为机器闲置成本。生产切换时间较长的预处理工序在进行产品切换时也会产生相应的生产成本,称为切换成本。为满足烘弯工序的加工需求,在预处理工序和烘弯工序之间设置了在制品库存区,虽然满足了烘弯工序的加工需求,但却增加了相应的生产成本,称为库存成本。

这三种生产成本之间是一种矛盾的关系,比如要减少库存成本,就必须增加预处理切换次数来满足烘弯工序的加工需求,这就增加了切换成本,另外由于加工时间的约束,烘弯工序所造成的闲置成本也必将增加;而为了降低切换成本,就必须设置一个巨大的在制品的库存,否则就无法满足烘弯工序的加工需求,但这样库存成本就变的相当高;如果要缩减闲置成本,烘弯工序前就必须有大量的在制品库存能及时供烘弯工序加工,但这样就会相应的增加切换成本和库存成本。本文的研究目的就是归纳出各生产成本之间的内在关系以及主要影响因素批量与各生产成本之间的关系,从而通过控制批量来降低总的生产成本。

鉴于上述的各生产成本之间的矛盾性和系统的复杂性,采用数学规划方法分析和求解来降低总生产成本比较困难,故本文采用仿真研究方法对系统进行分析,通过系统仿真不仅可以描述和模拟生产过程,也可以通过收集相关数据来分析研究出各成本之间的关系,以及找出影响这些成本的因素,从而为优化生产计划,降低总生产成奠定基础。

2 仿真研究

2.1 仿真目的

在影响生产成本的因素中,批量是最主要因素,为求出批量和各个生产成本之间的关系,从而通过控制批量来达到降低生产总成本的目的,本文借助仿真工具模拟现实的生产过程,通过不断改变批量大小来收集各个批量下的仿真数据,并对这些仿真数据进行分析和研究,通过数据拟合得出批量与各生产成本之间的关系,从而达到根据这种关系来控制批量大小,降低生产总成本的目的。

仿真研究主要侧重于产生生产成本的预处理工序和烘弯工序,仿真程序框图如图3所示,从图3中可以看出仿真过程可分为以下两个阶段:

(1)仿真初始阶段,预处理工序加工的产品种类、加工批量和烘弯工序的模具放置的种类和数量由产品的需求订单决定;

(2)仿真过程阶段,在制品库存区的在制品量的多少决定了预处理工序加工的产品种类和加工批量。

在仿真过程中,产品的生产加工方式均为批量生产。一般情况下,批量划分可分为可变分配、一致分配和等规模分配三种,其中等规模分配方式是可变分配和一致分配的一个特例,而在本文中采用的等规模分配方式,即加工批量的数量和优先加工时的加工批量是相等的[13,14]。

2.2 模型的建立

本文应用由Tecnomatix公司开发的e M-Plan8.2物流仿真软件对生产过程进行建模仿真,仿真模型如图4所示。

在仿真模型中,主要分为预处理工序区、在制品库存区、烘弯工序区、参数区以及统计区等几大区域,各个区域的连接遵从于图3所示的仿真程序框图。模型初始化设置了12种产品,其中的预处理工序的三条线中的每条线根据订单需求加工四种玻璃产品,加工时间都为30秒,切换时间为30分钟,三条线加工后的半成品会根据各自的种类放置在在制品区的不同区域。此外,在加工过程中,每条线加工产品的种类会根据在制品区的在制品的品种和数量来安排优先加工。模型中的烘弯工序的五条线中只开通四条线进行加工,每条线上的模具种类为三种,每次加工都会事先判断模具的种类,其加工时间间隔为55秒,加工完的在制品会流入下一在制品区,等待进行后一工序的加工,烘弯工序是在各种产品的在制品库存数达到批量时才开始生产加工,在制品库存区的安全库存作为影响因素之一,为研究批量单因素对成本的影响,故将其设定为批量的一半。

在仿真模型中设置了实时的数据输出,包括总生产成本C、库存成本C1、切换成本C2、机器闲置成本C3、这些输出的数据在模型中主要根据以下算式进行计算得出:

其中,ωj(j=1,2,3):各成本的权重系数;

T:仿真截止时间;

N:产品种类;

Ci1:第i种产品单位时间的单位库存成本;

Sit:第i种产品在t时刻的在制品库存量;

Pt:至t时刻生产切换的次数;

Cch ange:单次切换成本;

Qt:至t时刻机器闲置的次数;

t′:单位机器单次闲置的时间(机器每次闲置时间是相等的);

Cidle:单位时间闲置成本。

通过改变批量的大小,收集输出的数据进行分析研究,从而得出批量和各成本之间的关系。

2.3 仿真数据分析

2.3.1 仿真类型与分析方法

在离散事件系统仿真中,仿真运行方式可分为两大类:终止型仿真和稳态型仿真。终止型仿真是指仿真运行的长度是事先确定的,而且每次运行的初始条件相同,但必须是相互独立的。由于仿真运行长度有限,系统的初始状态对系统的性能估计会产生影响,为消除这种影响,理论上需要独立运行仿真程序无穷多次,但实际上是不可能运行无穷多次的。在终止型仿真中,每次运行只是系统性能估计的一个样本,运用经典统计的方法构建系统性能估计的置信区,仿真运行次数越多,置信区精度越高,根据对置信区的精度要求,终止型仿真结果分析有固定样本长度法和序贯法等两类基本方法。固定样本长度法实现简单,但由于未对构造的置信区长度加以控制,因而置信区精度难以保证;序贯法通过控制构造的置信区长度来控制置信区精度,但其实现比较复杂。稳态型仿真是指其仿真研究仅运行一次,但运行的长度确是足够长,这类仿真的目的是估计系统的稳态性能,由于其仿真长度没有限制,故其系统的初始条件对仿真结果的影响是可以忽略的,其仿真结果的分析方法主要有批均值法和稳态型序贯法[15]。

为了研究生产批量与生产成本之间的数学关系,就要独立运行仿真多次,收集多组相关的数据,因而仿真运行方式采用终止型仿真,对仿真结果分析采用的是实现更为简单的固定样本长度法,其假定每次运行的结果X1,X2,...,Xn除了满足独立同分布的条件外,而且是正态随机量,则随机变量X的期望值E(X)的估计值μ为:

仿真运行的次数,其很大程度上决定了置信区的精度,为了能够保证该方法中置信区的精度,就必须确定一个合理的仿真运行次数n,而一种解析地确定n的做法是总方差估计S2(n)随着n加大而没有显著变化,则

其中β表示绝对精度,即置信区间的半长;ν表示相对精度,等于置信区间的半长与点估计的绝对值之比。固定样本长度法可以通过判断数据在某一置信水平下是否在置信区间内来验证数据的可信性。

2.3.2 数据的收集与分析

为了收集和验证相关数据,模型采用终止型仿真运行方式,仿真时长为一天,预处理加工时间为30秒,切换时间为30分钟,模型中的其他参数与模型初始化的参数相同,各成本的权值根据企业的实际加工情况和对各成本的反应程度进行设定,相关权数如表1。本文采集了20组不同批量下的仿真数据,即批量X={20,40,60,80,100,120,140,160,180,200,220,240,260,280,300,320,340,360,380,400},相关数据如表2,其中库存量、切换次数、闲置次数均为从仿真开始至结束的累积量,库存成本、切换成本、闲置成本和总成本由式(1)、(2)、(3)、(4)计算得出。

上述仿真模型所产生的数据是基于预处理工序理论加工时间(30 s)下的,而实际加工时间是随机波动的,为了验证这种确定性模型得出的数据是否能代替随机性模型,将预处理工序加工时间t设置成服从[28 s,32 s]的均匀分布进行多次仿真实验,验证确定性模型产生的数据是否都以一定的置信度存在于(5)、(6)式计算得到的置信区间内,而随机性模型得到的置信区间的精度和仿真次数有关,当仿真次数为五次时由(7)、(8)式计算出的相对精度数据如表3。

从表3中可以看出相对精度都低于0.15,表明当仿真次数为五次时可以使置信区精度达到一定要求。修改随机性模型中每次仿真的随机数,从而得到五次不同的仿真数据,通过这些数据可以验证确定性模型得出的数据的可信性,由于篇幅所限,本文只列出了以总成本为对象的验证数据,如表4所示。

通过固定样本长度法得出的结论表明,在汽车玻璃生产仿真系统中,确定性模型可替代随机性模型估计系统性能。根据表2的数据,利用数学分析软件MATLAB[16]分析出了批量和各个成本以及总成本之间的数学关系,如图5~8所示,并通过数据的拟合得出了它们之间的函数关系式,如式(9)、(10)、(11)、(12)。

从而得到批量(x)和库存成本(y1)之间的数学关系函数为:

批量(x)和切换成本(y2)之间的数学关系函数为:

批量(x)和闲置成本(y3)之间的数学关系函数为:

批量(x)和总成本(y)之间的数学关系函数为:

通过上面的仿真实验和统计分析结果可以看出,随着批量的增加,在制品库存在不断的增加,库存成本也相应的在增加,但是切换成本和机器的闲置成本在相应的减少,以至当批量达到某一定值时,其两项的成本几乎可以忽略不计。而总成本和批量的关系从图8中可以看出呈现抛物线的趋势,所以当选定一个恰当的批量,可以使总成本达到一个最小值。

3 结束语

eM-plant 篇5

旅行商问题(Traveling Salesman Problem,简称TSP)又称为货郎担问题、邮递员问题、售货员问题,可描述为:设有个城市,以1,2,…,n表示,dij表示从i城到城j的距离。一个推销员从城市1出发,经过所有城市一次且仅一次后回到城市1,问他如何选择行走路线,使总的路程最短[1]。实际生活中,很多问题都可以归结为TSP问题,如物资运输路线中,汽车应走怎样的路线使路程最短;旅游中,如何安排旅游路线路径最短;城市铺设管道时,管子应走怎样的路线耗费最少等等。因此,TSP问题的求解算法研究具有重要的理论意义和实际意义。经过多年的研究,已经提出很多求解TSP问题的算法,但至今仍未完全解决。这些算法主要分为两种;一种为精确算法,主要有隐枚举法、分枝定界法、动态规划法等;一种为智能算法,主要有遗传算法、粒子群优化算法、、模拟退火算法、蚁群算法、禁忌搜索算法等。本文结合eM-Plant软件应用动态规划算法对TSP问题进行分析研究。

2TSP问题的数学模型

TSP问题用数学语言可以简单描述为:已知n个城市K={K1,K2,K3,…,Kn}及其距离矩阵D={dij}n×n,把城市放在XOY平面上,若Ki和Kj的坐标分别为(xi,yi)和(xj,yj),则undefined表示Ki到Kj的距离。求出一条经过K中所有城市一次且仅一次的路径=Z(z1,z2,z3,…,zn),使得闭合回路的长度undefined(令zz+1=z1)最小。

TSP问题的数学模型为:

undefined

{(i,j):i,j=2,…,n;xij=1}不包含子回路 (4)

xij∈{0,1},i=1,2,…,n;j=1,2,…,n (5)

其中,决策变量xij=0,表示不选择i城到j城这条路径;xij=1则表示选择。式(1)为目标函数,使总路径最短;式(2)表示每个城市的目标城市只有一个;式(3)表示每个城市的入口城市只有一个;只有(2)和(3)两个约束条件,可能会出现子回路现象,即出现多条回路。式(4)的作用是除了起点城市与终点城市以外,其他选中的城市不构成回路。

3实例分析

现有一自行车团,打算从北京出发,经由武汉、南昌、杭州、上海、广州、福州、沈阳、长春、哈尔滨、成都、兰州,每个城市经过一次且仅一次,最后回到北京,应如何安排旅游路线,使总的行程距离最短。

已知几个城市的坐标,数据如下表。

4动态规划算法

动态规则是运筹学的一个分支,它是解决多阶段决策过程最优化的一种数学方法。1951年美国数学家贝尔曼(R.Bellman)等人提出了解决多阶段决策问题的“最优化原理”,并且研究了许多实际问题,从而创立了动态规划。

动态规划所处理的问题是一个多阶段决策问题,一般由初始状态开始,通过对中间阶段决策的选择,达到结束状态。这些决策形成了一个决策序列,同时确定了完成整个过程的一条活动路线(通常是求最优的活动路线)。

本文结合TSP实例对动态规划的基本概念进行详细诠释。

①阶段。阶段的划分,一般是根据时间和空间的自然特征来划分,但要便于把问题的过程能转化为多阶段决策的过程。在本实例中,根据自行车团经过中间城市个数将问题分为11个阶段来求解。描述阶段的变量称为阶段变量,常用k表示,k分别等于1、2、3、4、5、6、7、8、9、10、11。

②状态。状态表示每个阶段开始所处的自然状况或客观条件,它描述了研究问题过程的状况,它既是该阶段某支路的起点,又是前一阶段某支路的终点。一般第k阶段的状态就是第阶段所有始点的集合。描述过程状态的变量称为状态变量。在该TSP问题中,令Ni={2,3,…,i-1,i+1,……,n}表示由北京到城市的中间城市集合。S表示到达i城市之前中途所经过的城市的集合,则有S⊆Ni。状态变量用(i,S)表示。

③决策。决策表示当过程处于某一阶段的某个状态时,可以作出不同的决定(或选择),从而确定下一阶段的状态,这种决定称为决策。该问题的决策为由一个城市走到另一个城市。最优决策函数Pk(i,S)表示从北京经过k个城市的S集到达i城市的最短路线上紧挨着i城前面的那个城市。

④策略。策略是一个按顺序排列的决策组成的集合。

⑤状态转移方程。若给定第阶段状态变量Sk,如果该阶段的决策变量uk一经确定,第k+1阶段的状态变量Sk+1的值也就完全确定。记为Sk+1=Tk(Sk,uk)。

⑥指标函数和最优值函数。用来衡量所实现优劣的一种数量指标,称为指标函数。指标函数的最优值,称为最优值函数。本例中最优值函数fk(i,S)表示从北京开始经由k个城市的S集到达i城市的最短路线的距离。递推关系为

undefined

边界条件为f0(i,Φ)=d1i。

5算法的实现

eM-Plant采用面向对象建模的编程方法,打破以往仿真软件面向过程的方式,因而建模灵活,使用方便。同时其提供的SimTalk编程语言类似于C或VB等高级语言,包含多种函数,具有强大的编程能力,可以改变物件间的传输和沟通行为等。

模型仿真开发中所用到的eM-Plant基本元素对象主要有[5]:

仿真控制器对象(EventController):在仿真过程中,确定推进时刻所发生的事件,然后处理该事件,在事件处理完毕后,再寻找下一发生事件;

表格对象(TableFile):将统计的数据放入表格中,为编写的算法程序提供计算所需的数据;

程序控制对象(Method):用于定义物流的控制算法,控制优化的进行;

单工位工站(SingleProc):一次只能处理一个MU的设备或设施;

产生实体的对象(Source):按建模需要产生运动实体;

回收实体的对象(Drain):运动实体退出仿真系统的出口;

变量对象(Variable):模型中的全局变量;

连接器对象(Connector):连接模型中的物流对象;

备注对象( Comment):对模型进行解释说明;

采用路径优化模型,在eM-Plant软件上建立模型(如图1)

第一步:通过编程,计算各个城市之间的距离,假设在模型中城市与城市之间仅考虑其直线距离。

第二步:把S1(起始点北京)到各个城市的距离输入到表格对象路径第一行的嵌套表格中;接着计算S1经过一个城市到达各个城市的距离,并把结果输入到表格中;在上述结果的基础上,计算S1经过两个城市到达各个城市的最短距离,重复以上步骤,直至S1经过所有城市并计算最短距离,此时就出现最优。

根据运行结果,得出旅行路线为北京→哈尔滨→长春→上海→杭州→武汉→南昌→福州→广州→昆明→成都→兰州→北京。总路径长度为8374.08。

假设旅行团突然改变计划,不去兰州和成都。则只需在模型对应的表格对象中删除这两个城市的相关数据。再次运行模型,便可得出新的旅行路线为北京→哈尔滨→长春→上海→杭州→福州→广州→昆明→南昌→武汉→北京。总路径长度为7868.68。

6结论

本文充分利用了eM-Plant软件的优点,把动态规划算法灵活地运用到模型中,节省了大量的计算时间。当条件发生变化时,不需要重新建立模型,只需要修改相关的数据及节点,能够快速、简便地得出符合条件的优化方案。为类似的资源分配问题、生产与存储问题、背包问题、排序问题、设备更新问题等问题研究提供了清晰的借鉴和指导作用。

参考文献

[1]《运筹学》教材编写组.运筹学(第三版)[M].北京:清华大学出版社.

[2]王剑文,戴光明,谢柏桥,张金元.求解TSP问题算法综述[J].计算机工程与科学,2008,30,(2):72-74.

[3]刘柏私,谢开贵,周家企.配电网重构的动态规划算法[J].中国电机工程学报,2005,25,(9):29-34.

[4]付玉,刘玉坤,周晓光.基于eM-Plant软件的图书配送中心作业模块规划仿真[J].系统仿真技术及其应用.第11卷:271-274.