基于数字孪生的拖拉机混合品种装配线智能排产

作     者：高志恒 

作者单位：江苏大学 

学位级别：硕士

导师姓名：王纪章

授予年度：2023年

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 080204[工学-车辆工程] 0802[工学-机械工程] 

主      题：拖拉机装配线 订单分解 生产排序 目标检测 数字孪生车间 

摘      要：针对不同地区、不同生产规模和生产环节的需求,农业装备的小批量、多品种、定制化的混流生产成为目前农业装备生产的一个重要特点,但是这样的混流多品种生产导致了生产排程的复杂化。目前农业装备生产排程都是人工来进行,无法保证生产计划的质量,这会对企业的生产效率造成较大的影响。针对以上问题,本文以拖拉机的混流多品种生产为例,通过分析企业生产管理流程,建立了生产排程的目标模型,通过智能优化算法求解目标模型,得到生产排程方案。为了保证生产排程的可靠性,通过构建数字孪生装配线来对生产排程方案进行仿真优化分析。本文的主要研究内容和结果有以下几个方面:(1)对于生产排程中的订单分解问题,基于订单拖期成本、库存成本、停工成本以及超时成本4个因素为目标,构建了订单分解的优化模型,并使用粒子群优化算法(PSO)求解模型。结果表明优化后的分解计划在总停工成本、总超时成本和总库存成本上都更低,总额外成本减少了5998元,较未优化的分解计划降低了15.9%。(2)针对拖拉机混合品种装配线同时包含同步式流水线和异步式流水线的特点,建立了以最小化总完工时间、最小化总停线时间和最小化产品类型切换次数为目标的多目标排序模型。提出了改进的病毒免疫优化算法(ICHIO)来求解多目标模型,通过引入自适应社会距离公式来平衡算法前期和后期的搜索能力,引入交叉变异算子来加强全局和局部搜索能力,加入Pareto择优分级机制来加强算法对于多目标问题的求解能力。对不同算法结果分析表明,优化后的生产序列的总完工时间从22458s降低到17778s,总停线时间从5830s降低到622s,各阶段中最长停线时间从874s降低到97s;同时优化后的生产序列也兼顾了产品类型切换次数,在一定程度上保证了同类型产品的集中生产。(3)针对不同机型装配导致产线工人作业工时存在较大差异的问题,通过采集工人作业视频建立各作业工序图片库,基于Faster-RCNN的卷积神经网络构建了工序状态检测模型,检测模型可以将视频中工人的工作状态进行识别并计算出工人的实际作业工时。现场视频分析结果表明,模型检测的平均检测均值(map)达到96.4%;视频识别到的工时相对误差都在10%以内,满足产线实际工时观测的相对误差要求。(4)针对数字孪生装配线构建的问题,根据拖拉机装配生产线的各类设备进行三维建模,根据产线各工位的实际布置搭建了车间漆前线和漆后线的三维场景;设计了三维场景信息看板、角色视角切换控制等数字装配线人机交互过程;根据产线MES系统中的实时过点信息实现了孪生装配线模型实时驱动。(5)针对传统排产方法通过实际生产进行验证比较困难的特点,提出了基于数字孪生装配线的生产计划仿真优化。开发了生产计划管理系统,实现了订单识别、订单分解和生产排序功能的集成,利用Rabbit MQ建立了生产计划管理系统与数字孪生装配线之间的数据传输协议,可以将生产计划发送到数字孪生装配线内,使用产线实际工时来驱动生产计划仿真与评价。利用历史生产排程数据对生产计划进行了评价分析,结果表明优化后的低产月份、正常月份和高产月份各5天内的生产计划完工时间总和、停线时间总和以及超时或停工时间总和都更小,并且总额外成本有了较大的降低。