山东中烟工业有限责任公司青岛卷烟厂 青岛 266000
摘 要:本文通过研究建立基于APS技术的自适应排产系统模型,可以制定合理优化的生产资源规划策略,并且还可以将实际与计划结合,及时修正因为异常及故障原因造成的计划执行偏差,从而彻底解决工序生产计划与生产资源调配难做的问题。本文提出的模型与应用方案在卷烟厂进行了大量卓有成效的实践,取得了良好的生产管理效果。
关键字: APS;自适应;排产;资源规划;
生产调度作为生产组织和管理的关键,对提高企业的生产效率、设备利用率等有着重要的作用。但是由于烟草企业生产中约束条件的限制,各个企业的生产调度方案多依靠计划员凭借经验手工完成。制丝车间之前的生产组织模式,是在调度生产计划的指导下,依据生产管理人员的经验对生产资源进行调配和组织,这种模式容易造成对生产计划和生产状况的误判,做出不适合的生产决策,影响生产进度。为了更高效、更智能的对生产组织进行管理和控制,制丝车间结合APS(高级计划排程)技术推行以自适应排产系统为基础的智能化生产组织模式。
APS技术主要解决“在有限产能条件下,交期产能精确预测、工序生产与物料供应最优详细计划”的问题。通过建立基于APS技术的自适应排产系统,可以制定合理优化的生产资源规划策略,并且还可以将实际与计划结合,及时修正因为异常及故障原因造成的计划执行偏差,从而彻底解决工序生产计划与生产资源调配难做的问题。
1. 制丝自适应排产系统规划
如图1所示,规划系统是在每班生产前,外部输入调度生产计划,根据相关算法,进行智能化运算,产生最佳制丝排产方案。系统能够自动采集物料消耗量、实际烟丝库存和制丝线产能、储柜留存、设备保养、异常停机等信息数据,能够导入制丝生产规则、批次优先级策略等约束条件,然后根据效率最优化原则安排出各工序生产的最佳方案,以保证各工序进行正常衔接且不超出工艺要求的时间。在建立策略模型的基础上,同时根据配方要求来演算对梗丝、膨化烟丝、糖香料的需求和生产计划,保证制丝车间的生产顺畅和卷包车间的烟丝及时供给。在车间生产实际状态发生变化时,使用该系统可以满足车间排产自适应的要求。
图1 系统规划示意图
2. 智能排产模型建立
2.1排产约束条件
实现智能排产模型需要收集约束条件主要包括:
(1)工艺质量达标完成时间
(2)设备具备生产运行条件所需时间
(3)能源供应满足生产条件的时间
(4)人员安排到位的时间来推算确定
(5)储柜进出柜冲突情况
(6)保养时间
(7)换烟换份时间
根据以上约束条件,在硬件设计上需要进行设备布局。叶柜路径常见冲突如图2。
(1)五、九千叶片线争用公用柜2、4、6、8,进柜时易发生冲突;
(2)三、五千线争用18、20、22、24,进柜时易发生冲突;
(3)进上层柜时,五九千公用一个进柜分配行车,三五千公用一个进柜分配行车,容易发生进柜冲突;
(4)出柜有三条往返运输带,分别为三、五千出柜公用,五、九千出柜公用,容易出现出柜冲突;
图2叶柜路径冲突图
叶丝柜路径常见冲突如图3。
(1)五九千烘丝线均可进1#—16#柜,在进柜时有可能会发生冲突;
(2)三千烘丝和五千烘丝线均可进8#、10#及12#柜,在进柜时有可能会发生冲突;
(3)2#、4#、6#和14#、16#柜为共用一个进柜分配行车,因此当九千烘丝需进14#、16#柜时,五千烘丝无法进2#、4#、6#柜;
(4)由于上层叶丝柜只有两个进柜分配行车,因此当三条烘丝线全部都要进上层叶丝柜时,将会发生冲突,有一条线无法进柜。
图3 叶丝柜路径冲突图
收集到的约束条件导入系统信息概览模块,在信息概览界面可以整体显示资源负荷图、工单甘特图和库存负荷图,信息概览如图4。
图4信息概览图
2.2排产规则及算法实现
对约束条件按类别分别进行规则制定和算法建立。
(1)约束条件规则--银行家算法
银行家算法是根据约束条件,进行资源分配的优化算法。系统利用银行家算法,根据车间生产规则,即收集的约束条件,为生产进程分配资源。当进程首次申请资源时,要测试该进程对资源的最大需求量,如果系统现存的资源可以满足它的最大需求量则按当前的申请量分配资源,否则就推迟分配。当进程在执行中继续申请资源时,先测试该进程本次申请的资源数是否超过了该资源所剩余的总量。若超过则拒绝分配资源,若能满足则按当前的申请量分配资源,否则也要推迟分配,如图5。
通过银行家算法,可对正常生产状态下的生产计划进行排序,得到初始化排产方案。
图5 银行家算法流程图
(2)储柜资源分配--遗传算法
遗传算法是一种通过模拟自然进化过程搜索最优解的方法。系统采用遗传算法对储柜资源进行概率化的寻优,根据储柜限制规则,自适应地调整搜索方向,找出公用资源最佳利用方案,解决资源争用冲突问题,从而解决储柜排柜困难问题,如图6。
图6 遗传算法流程图
(3)动态规划
动态规划是把多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解,建立解决这类过程优化问题的智能算法。系统利用动态规划求解以时间划分阶段的动态过程优化问题,主要用于系统自适应功能的实施过程中,当出现生产异常情况时,它可以根据变化重新计算给出最优排产方案,使车间生产具备适应异常变化的能力,如图7。
图7 动态规划图
(4)排产方向选择
有限能力逆向排产(JIT生产) —— 从工单的末工序工作开始,从后向前依次排工单的所有工作。并在满足工单完成时间的前提下尽量将工单向后排产。
有限能力正向排产 —— 从工单的首工序工作开始,从前向后依次排工单的所有工作,以最大程度的利用资源和资源产能。
混合方向排产 —— 同时采用正向排产和逆向排产,充分发挥两者的优势 。如对于瓶颈工序而言,在这之前的工序逆向排产,在这之后的工作正向排产。使得工序间的等待时间最短,如图8。
图8 智能排产系统排程方向
2.3制丝模型建立
制丝模型是根据计划规则、策略和算法建立的,它将上游计划、资源情况作为输入,经过运算,编制出可执行的计划作为输出,如图9。
图9 制丝模型
智能排产系统中的制丝模型类似于黑盒模型:当输入排产计算所需的数据之后,只需要点击一下‘排产’按钮,则系统会在1~2分钟内将计算结果通过图示化的形式反映出来,如图10。
图10 制丝模型过程演示图
3. 排产系统在卷烟厂的实践
基于APS的制丝智能化自适应排产系统在某卷烟厂进行了实践,如图11。在实践过程中,计划冲突的等待时间有了明显的减低。如表1所示,在2020年6月的生产计划中,手动排产测试了18位操作员的排产计划,其中平均计划冲突等待时长为75.8分钟,而自动排产的10天内,自动排产平均计划冲突等待时长为58.8分钟,减少了17分钟。
图11 制丝智能排产系统工作界面
表1. 自动排产与手动排产过程中计划冲突等待时间
日期 | 1 | 2 | 3 | 6 | 10 | 11 | 13 | 14 | 15 | 16 | 自动排产 平均时间(min) | 手动排产 平均时间 (min) |
计划冲突等待时间(min) | 90 | 78 | 54 | 63 | 60 | 66 | 54 | 36 | 48 | 78 | ||
日期 | 17 | 20 | 21 | 22 | 23 | 24 | 27 | 28 | 29 | 30 | 58.8 | 75.8 |
计划冲突等待时间(min) | 72 | 66 | 54 | 36 | 84 | 60 | 42 | 54 | 66 | 36 |
4. 结论
本项目通过研究建立基于APS技术的自适应排产系统,可以制定合理优化的生产资源规划策略,并且还可以将实际与计划结合,及时修正因为异常及故障原因造成的计划执行偏差,从而彻底解决工序生产计划与生产资源调配难做的问题。
该项目提出的基于APS的制丝智能化自适应排产系统在卷烟厂进行了大量的实践,取得了良好效果,在6个月的测试期内,产能每班提高约0.8万公斤。
参考文献:
[1]动态调度的研究方法综述[J]. 钱晓龙,唐立新,刘文新. 控制与决策. 2001(02)
[2]可持续发展的流程工业生产计划[J]. 周章玉,成思危,华贲. 石油化工. 2000(11)
[3]流程工业CIMS中综合优化问题的研究[J]. 熊 刚. 计算机工程与应用. 2000(11)