本發(fā)明涉及柔性制造系統(tǒng)，尤其涉及一種基于智能化fms的托盤庫產(chǎn)線系統(tǒng)。

背景技術(shù)：

1、當前制造業(yè)發(fā)展呈現(xiàn)智能化、柔性化的發(fā)展趨勢，企業(yè)需要應(yīng)對多品種、小批量生產(chǎn)需求，提高生產(chǎn)效率和響應(yīng)能力。傳統(tǒng)的生產(chǎn)線模式面臨著產(chǎn)品種類與生產(chǎn)線適應(yīng)性不匹配、人工操作效率低下、庫存管理不當?shù)葐栴}。

2、而柔性制造系統(tǒng)fms是一種高度自動化的制造系統(tǒng)，它能夠?qū)崿F(xiàn)多品種小批量生產(chǎn)，適應(yīng)市場需求變化和工程設(shè)計變更。然而智能化fms在設(shè)計和實時過程中，存在著從立項、決策至設(shè)備到位的各個環(huán)節(jié)，相關(guān)的多方均處于點對點解決問題的文件類操作過程，沒有一個可視化、互動操作的推演過程。因此，所形成的智能化fms，其性能方面需在生產(chǎn)中不斷調(diào)整完善，而在功能的冗余擴展方面，受到系統(tǒng)設(shè)計時所考慮的產(chǎn)品族類的限制，隨時面臨著，是否能在很短的開發(fā)周期內(nèi)生產(chǎn)出較低成本、較高質(zhì)量以及不同品種產(chǎn)品的能力問題。

3、因此，亟需研發(fā)一種基于智能化fms的托盤庫產(chǎn)線系統(tǒng)，來克服現(xiàn)有技術(shù)中的缺點。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)中解決fms在實時操作、功能拓展等方面的挑戰(zhàn)，從而提升生產(chǎn)效率和響應(yīng)能力，滿足多品種小批量生產(chǎn)的需求，本發(fā)明提供了這樣一種基于智能化fms的托盤庫產(chǎn)線系統(tǒng)，其特征在于，包括有數(shù)據(jù)采集模塊、數(shù)據(jù)處理與分析模塊、托盤運輸模塊、產(chǎn)線仿真模塊和人機協(xié)作模塊；

2、所述數(shù)據(jù)采集模塊，在智能化fms托盤庫產(chǎn)線中安裝多個傳感器，獲取生產(chǎn)線中的實時數(shù)據(jù)；

3、所述數(shù)據(jù)處理與分析模塊，用于對數(shù)據(jù)采集模塊收集到的各種生產(chǎn)數(shù)據(jù)進行預處理和特征提?。徊ιa(chǎn)數(shù)據(jù)進行分析，獲取最優(yōu)的托盤庫實時調(diào)度方案；

4、所述托盤運輸模塊，用于控制agv小車按照所述數(shù)據(jù)處理與分析模塊中的托盤庫實時調(diào)度方案，進行自主路徑規(guī)劃，實現(xiàn)托盤的智能存取和自動化運輸；

5、所述產(chǎn)線仿真模塊，用于建立智能化fms托盤庫產(chǎn)線的數(shù)字孿生模型，通過所述數(shù)字孿生模型對所述智能化fms托盤庫產(chǎn)線進行虛擬調(diào)試、故障預測和維護策略優(yōu)化；

6、所述人機協(xié)作模塊，用于向操作人員提供人機交互界面，并基于ar技術(shù)，為操作人員提供實時數(shù)據(jù)和操作指引。

7、進一步地，所述數(shù)據(jù)采集模塊還使用rfid技術(shù)和二維碼識別技術(shù)為每個托盤和物料進行標識和全程追蹤；

8、所述數(shù)據(jù)采集模塊在每個傳感器上設(shè)置有獨立的唯一標識符，用于對傳感器采集的數(shù)據(jù)進行識別和區(qū)分；

9、所述數(shù)據(jù)采集模塊將rfid和二維碼與傳感器的唯一標識符相結(jié)合，形成每個托盤和物料的唯一標識，同時將標識信息和傳感器數(shù)據(jù)進行關(guān)聯(lián)；

10、數(shù)據(jù)處理與分析模塊獲取托盤數(shù)據(jù)庫中的標識信息，分析并獲取物料在生產(chǎn)過程中的位置變化和狀態(tài)更新。

11、進一步地，所述數(shù)據(jù)處理與分析模塊對生產(chǎn)數(shù)據(jù)進行分析以獲取最優(yōu)的托盤庫實時調(diào)度方案的具體執(zhí)行步驟為：

12、s101：基于數(shù)據(jù)庫中存儲的rfid和二維碼信息建立托盤和物料的數(shù)字模型，其中數(shù)字模型用于描述托盤和物料在生產(chǎn)過程中的位置和狀態(tài)特征，并結(jié)合傳感器數(shù)據(jù)，對托盤和物料的動態(tài)行為進行特征提取，提取的特征包括流程時間、堆存時間和轉(zhuǎn)運路徑；

13、s102：實時監(jiān)測生產(chǎn)線的物料流轉(zhuǎn)情況，根據(jù)托盤和物料的實時狀態(tài)信息建立動態(tài)生產(chǎn)模型，對生產(chǎn)過程中的關(guān)鍵因素包括異常情況和阻塞點進行預測；

14、s103：將預測得到的生產(chǎn)過程中的各個關(guān)鍵因素進行融合，形成整體的生產(chǎn)過程模型，通過對所述生產(chǎn)過程模型進行計算，得到最優(yōu)的托盤庫實時調(diào)度方案；

15、s104：將所述最優(yōu)的托盤庫實時調(diào)度方案實施至實際生產(chǎn)線，并對生產(chǎn)線執(zhí)行效果進行監(jiān)測，將監(jiān)測數(shù)據(jù)輸入至所述生產(chǎn)過程模型，持續(xù)優(yōu)化托盤庫實時調(diào)度方案。

16、進一步地，所述動態(tài)生產(chǎn)模型基于離散事件模擬des構(gòu)建；而所述生產(chǎn)過程模型基于狀態(tài)空間模型構(gòu)建，其中，所述生產(chǎn)過程模型的狀態(tài)方程為：，

17、觀測方程為：，

18、其中，表示生產(chǎn)過程的潛在狀態(tài)，表示潛在狀態(tài)的動態(tài)演化，表示外部輸入對潛在狀態(tài)的影響，表示托盤在生產(chǎn)線上的調(diào)度狀態(tài)，表示外部輸入的關(guān)鍵因素，表示在生產(chǎn)過程中無法完全確定和預測的隨機干擾因素，表示生產(chǎn)過程監(jiān)測和數(shù)據(jù)采集過程中產(chǎn)生的隨機噪聲，表示能夠觀測的生產(chǎn)過程數(shù)據(jù)，表示生產(chǎn)過程中的各種狀態(tài)對最終觀測量的影響，表示生產(chǎn)線設(shè)備故障對生產(chǎn)過程的影響。

19、進一步地，所述托盤運輸模塊根據(jù)托盤庫實時調(diào)度方案中的到達時間和位置，為agv小車動態(tài)規(guī)劃路徑；承載產(chǎn)品的托盤由agv小車承載，并將托盤及托盤承載的產(chǎn)品進行入庫操作；

20、在所述agv小車按照最優(yōu)的托盤庫實時調(diào)度方案運轉(zhuǎn)時，所述托盤運輸模塊監(jiān)測所述agv小車是否存在緊急問題，所述緊急問題包括電量不足和零件損壞；當所述agv小車出現(xiàn)緊急問題后，托盤運輸模塊啟動應(yīng)急響應(yīng)，替換所述agv小車正在執(zhí)行的托盤庫產(chǎn)線任務(wù)，確保在托盤庫實時調(diào)度方案的規(guī)劃時間內(nèi)完成托盤庫產(chǎn)線任務(wù)。

21、進一步地，所述托盤運輸模塊根據(jù)數(shù)據(jù)處理與分析模塊中輸出的托盤庫實時調(diào)度方案，操控agv小車搭載托盤在指定時間到達指定位置，所述托盤運輸模塊對所述agv小車進行路徑規(guī)劃具體采用a*算法；所述托盤運輸模塊操控agv小車的具體執(zhí)行步驟為：

22、s201：所述托盤運輸模塊接收所述數(shù)據(jù)處理與分析模塊輸出的托盤庫實時調(diào)度方案，所述托盤庫實時調(diào)度方案包括托盤的指定目的地和到達時間要求；

23、s202：根據(jù)所述托盤的指定目的地和到達時間要求，結(jié)合實時的生產(chǎn)線狀態(tài)和所述agv小車當前所在位置，使用a*算法規(guī)劃出agv小車最優(yōu)的運輸路徑；

24、s203：路徑規(guī)劃時考慮以下因素：

25、agv小車的運行速度和負載能力；

26、生產(chǎn)線內(nèi)部的道路環(huán)境和能夠行駛路徑；

27、避免與其它agv小車的碰撞和干擾；

28、滿足托盤指定目的地和到達時間要求；

29、s204：將規(guī)劃好的agv小車路徑發(fā)送至指定agv小車的控制系統(tǒng)，所述agv小車按照規(guī)劃好的路徑自主行駛，完成托盤的運輸任務(wù)；

30、s205：實時監(jiān)控所述agv小車和托盤的運輸過程，及時發(fā)現(xiàn)并解決運輸過程中出現(xiàn)的異常情況；

31、s206：將所述agv小車的實際運輸情況反饋至所述數(shù)據(jù)處理與分析模塊，所述數(shù)據(jù)處理與分析模塊對所述托盤庫實時調(diào)度方案持續(xù)優(yōu)化。

32、進一步地，所述托盤運輸模塊發(fā)現(xiàn)并解決運輸過程中出現(xiàn)的異常情況，以保證agv小車準時到達或提前到達指定位置的執(zhí)行步驟為：

33、s2051：實時監(jiān)測agv小車的運行狀態(tài)以及托盤的狀態(tài)信息，所述運行狀態(tài)包括位置、速度、負載和電量，所述狀態(tài)信息包括位置、質(zhì)量和完整性；

34、s2052：將實時監(jiān)測到的agv小車運行狀態(tài)和托盤狀態(tài)信息與預定的正常的工作范圍進行對比分析，判斷存在的故障類型以及嚴重程度，以確定agv小車和托盤存在的異常情況，所述異常情況包括agv小車故障、撞擊、阻塞和電量不足；

35、s2053：在確定異常情況的實際信息后，采取對應(yīng)的應(yīng)對措施，所述應(yīng)對措施包括觸發(fā)備用方案和調(diào)整路徑規(guī)劃方案；

36、s2054：將異常情況和處理措施的反饋信息反饋至數(shù)據(jù)處理與分析模塊，對托盤庫實時調(diào)度方案進行優(yōu)化。

37、進一步地，所述數(shù)據(jù)處理與分析模塊根據(jù)托盤庫的具體布局和尺寸，以及托盤的存放需求，基于空間優(yōu)化的托盤存放規(guī)劃算法，以托盤空間利用率作為優(yōu)化目標，以每個托盤必須放置在指定的存儲位置、托盤之間不能存在重疊、托盤不能超出托盤庫劃定的邊界以及滿足每個托盤的尺寸和存放要求作為約束目標，確定每個托盤的最佳存放位置；

38、托盤運輸模塊根據(jù)每個托盤的最佳存放位置，制定存放指令；當agv小車需要存取托盤時，根據(jù)存放指令和路徑規(guī)劃，agv小車自主駛?cè)胫付▍^(qū)域，通過機械臂和傳感器實現(xiàn)托盤的裝載和卸載，完成托盤自動化搬運和存取。

39、進一步地，所述產(chǎn)線仿真模塊根據(jù)生產(chǎn)線的數(shù)字孿生模型對智能化fms托盤庫產(chǎn)線進行虛擬調(diào)試、故障預測和維護策略優(yōu)化的具體流程為：

40、s301：利用數(shù)字孿生技術(shù)建立智能化fms托盤庫產(chǎn)線的數(shù)字孿生模型，所述數(shù)字孿生模型內(nèi)包括設(shè)備布局、工藝流程和料流路徑；

41、s302：在所述數(shù)字孿生模型上對生產(chǎn)工藝和設(shè)備配置進行模擬仿真，測試不同托盤庫實時調(diào)度方案的可行性和效果；

42、測試不同托盤庫實時調(diào)度方案的可行性和效果時，首先設(shè)定不同的托盤庫實時調(diào)度方案，再確定測試的指標和評估標準，之后在所述數(shù)據(jù)孿生模型上進行模擬仿真，運行不同的托盤庫實時調(diào)度方案，并監(jiān)測模擬結(jié)果，比較不同托盤庫實時調(diào)度方案的運行結(jié)果，根據(jù)所述運行結(jié)果判斷不同的托盤庫實時調(diào)度方案的可行性和效果；

43、s303：通過歷史故障數(shù)據(jù)模擬智能化fms托盤庫產(chǎn)線中設(shè)備的故障情況，預測不同故障情況對生產(chǎn)線的影響；

44、基于歷史故障數(shù)據(jù)，模擬設(shè)備的各種故障情況以及故障對生產(chǎn)線產(chǎn)能、生產(chǎn)效率和資源利用率的影響，之后根據(jù)模擬的結(jié)果，采用定量分析方法，量化不同故障對智能化fms托盤庫產(chǎn)線的影響；

45、s304：基于不同故障情況對生產(chǎn)線造成影響的預測結(jié)果判定相應(yīng)的故障處理方案和應(yīng)急預案，通過比較不同維護策略的生產(chǎn)效率和資源利用率，以評估不同維護策略的效果和成本；

46、s305：通過模擬分析，優(yōu)化維護計劃和周期，并持續(xù)監(jiān)測數(shù)字孿生模型的輸出結(jié)果和實際生產(chǎn)數(shù)據(jù)，不斷優(yōu)化維護策略。

47、進一步地，所述人機協(xié)作模塊基于ar技術(shù)為操作人員在生產(chǎn)線上提供實時信息和操作指引；將托盤和物料的實時位置和狀態(tài)信息通過ar疊加在生產(chǎn)線實景中，操作人員通過觀察生產(chǎn)線實景了解生產(chǎn)進度；同時人機協(xié)作模塊針對包括托盤裝卸和設(shè)備維護的操作任務(wù)，提供ar動畫延時和文字指引，降低操作難度。

48、有益效果：

49、1、本發(fā)明通過采用多模塊協(xié)作的架構(gòu)，可以全面追蹤生產(chǎn)過程中托盤和物料的信息，通過將生產(chǎn)過程中的各個關(guān)鍵因素進行融合生成生產(chǎn)過程模型，并對生產(chǎn)過程模型進行計算，得到最優(yōu)的托盤庫實時調(diào)度方案，大幅提升了生產(chǎn)效率和適應(yīng)能力，并滿足現(xiàn)代制造業(yè)多品種小批量生產(chǎn)的需求；

50、2、本發(fā)明通過數(shù)字孿生技術(shù)建立生產(chǎn)線的數(shù)字孿生模型，并在數(shù)字孿生模型上進行虛擬調(diào)試、故障預測以及維護策略優(yōu)化，能夠提前發(fā)現(xiàn)可能出現(xiàn)的問題，并自動優(yōu)化調(diào)整生產(chǎn)計劃，減少生產(chǎn)中斷，提高了系統(tǒng)的自主管理和魯棒性，增強了系統(tǒng)應(yīng)對各種生產(chǎn)異常情況的能力。