前言

随着智能制造技术的发展，智能制造车间的自动生产线和仓库管理系统是实现智能制造的必要条件。自动引导车作为智能车间和物流系统中重要的物流运输设备，得到了广泛的应用。ＡＧＶ的物流配送能力直接影响着智能制造车间的生产效率，因此如何配置配送小车的能力，使得车间的设备利用率、ＡＧＶ利用率和小车总行走路线相对最优，是智能车间生产的设计环节。

某企业新能源电池包是由电芯模组串联组成，电池包内设有电池管理系统、电池热管理系统，可有效保护电池包安全。其智能装配车间包含若干装配工序，每道工序加工完成后自动流入下一道工序，智能装配车间从立体仓库到自动化产线，实现多系统集成、数据对接以及生产情况反馈看板的智能化生产。在实际试产中发现，新能源电池包装配车间的ＡＧＶ物流配送与实际生产调度脱节，致使智能车间的生产效率受限，无法充分发挥智能设备的加工能力。因此，针对该企业特点，提出切实可行的ＡＧＶ配送与调度方法是提高设备利用率和生产效率的有效途径。

该智能装配车间是典型离散事件系统，面向智能对象，ＳＩＭＩＯ仿真软件可实现二维模型与三维模型的相互转换，对整个生产过程事件进行模拟，直观地观察和了解系统。目前，智能车间投产前十分重视设计方案的产能评估，可通过仿真模型构建、生产过程仿真优化，统计分析设计方案的生产能力与风险性能，为管理者提供决策依据，以期降低生产成本，提高生产效率。

因此，本文以某新能源企业即将正式投入生产的智能装配车间为例进行研究。运用ＳＩＭＩＯ仿真软件，设置ＡＧＶ的数量和ＡＧＶ的运载能力等，以设备平均利用率、ＡＧＶ平均利用率和ＡＧＶ行走路线总长度为目标，采用方差分析和响应优化的方法，得出该企业智能装配车间物流配送的优化方案。

一、问题描述

某新能源企业即将正式投入使用的智能装配车间包括ＳＣＡＤＡ（数据采集与监视控制）系统和ＷＭＳ（仓库管理系统）。ＳＣＡＤＡ系统负责自动化产线的控制和产线生产数据的采集，ＷＭＳ负责原材料立体仓库和ＡＧＶ的调度，系统间通过信息交互，实现产线的自动化生产。图1所示为该企业智能装配车间简图。智能装配车间由4个工作中心组成，分别为基体工作中心、模组工作中心、Ｐａｃｋ工作中心、上箱体工作中心。车间布局以Ｐａｃｋ工作中心为主线，以基体、模组、上箱体工作中心为支线。为能够清晰地表示各个工作中心之间的生产关系，图1只展示了每个工作中心首尾2个工序以及汇合点工序（矩形表示汇合点工序）。

图1智能装配车间简图

企业智能装配车间的具体布局如图2所示。基体工作中心的工序用嫣红色标注，包括电芯上线、端板等离子清洗、电芯堆叠等工序；模组工作中心的工序用紫色标注，包括贴加热膜、安装钢扎带、模组烘烤、模组搬运等工序；上箱体工作中心的工序用洋红色标注，包括上盖上线、安装防水透气阀等工序；Ｐａｃｋ工作中心的工序用浅绿色标注，包括下箱体上线、安装ＭＳＤ插座、安装加热输入输出插件、安装低压输入输出插件、安装总负输出插座、安装总正输出插座、整理线束、连接高压铜排、模组入箱、连接模组加热线1及测试、拧紧ＣＳＣ／尾侧压条／预装模组螺栓、安装防碰撞保护板、Ｐａｃｋ烘烤、贴ＦＰＣ、安装整理低压线束、安装总正／负盖板、Ｐａｃｋ入成品库等工序；其中，模组、Ｐａｃｋ烘烤工位为模组、Ｐａｃｋ工作中心公用。

图2智能装配车间布局

智能装配车间是面向订单生产的生产模式，订单到达具有随机性，为尽量减少因物料短缺出现停工，ＡＧＶ小车无须满载再进行配送。当产线开始生产时，原材料由ＡＧＶ小车通过产线两边的双向通道配送到产线线边仓进行装配，当线边仓的料框为空时，设备把空料框移出使用位置，ＳＣＡＤＡ系统触发叫料信号给ＷＭＳ，ＷＭＳ判断ＡＧＶ停车场是否有空闲，若有空闲，ＡＧＶ调用运输物料（按照整箱配送）到指定工位线边仓，若没有空闲的ＡＧＶ时，该配送任务在系统中等待，当有空闲ＡＧＶ后再次调用。

由于装配工序复杂，该企业的智能装配车间生产线比较长，ＡＧＶ配送的物料按照整包数量配送，而各个物料单包数量不同，呼叫小车的时间无法确定。如何配置合理的ＡＧＶ数量和ＡＧＶ的运载能力，使物料能够准时送到产线，不影响产线生产，使加工设备利用率最高，是需要解决的问题。

二、AGV物流配送仿真模型构建与运行

2.1 模型假设

对该企业的智能装配车间ＡＧＶ调度问题作以下假设：

（１）同一时间点，一台ＡＧＶ只能执行一个任务且只运输同一种物料；

（２）智能车间设备布局以及ＡＧＶ的行走路线已知；

（３）每辆ＡＧＶ属性相同，均以固定速度运行，任务结束后返回停车场；

（４）ＡＧＶ和车间设备连续运行，不会发生故障，运行过程中不会发生碰撞；

（５）各工位之间的距离已知；

（６）人工配送的工序满足智能装配车间的生产物料要求。

2.2 仿真模型构建

利用ＳＩＭＩＯ软件搭建智能车间的仿真模型。ＳＩＭＩＯ软件提供了丰富的建模概念和特色，通过建模能得到一个满足视觉效果和数据需求的智能车间。ＳＩＭＩＯ是基于面向对象的方法论，在标准对象库、目标实体和标准执行过程基础上，使用者可以制定实验，增删、修改过程以实现想要得到的功能。

根据图2所示的智能装配车间布局，在ＳＩＭＩＯ空间中建模。拖动ＳＩＭＩＯ标准对象库（ＳｔａｎｄａｒｄＯｂｊｅｃｔＬｉｂｒａｒｙ）１３个Ｓｏｕｒｃｅ至空间中，代表着需要ＡＧＶ运输的物料、电芯上线以及下箱体上线的原材料库。在项目库（ＰｒｏｊｅｃｔＬｉｂｒａｒｙ）中拖动１３个实体（ＭｏｄｅｌＥｎｔｉｔｙ）到建模空间中，代表１３种物料。拖动１２个Ｃｏｍｂｉｎｅｒ，分别代表电芯堆叠、安装钢扎带、安装ＭＳＤ插座、安装加热输入输出插件、安装低压输入输出插件、安装总负输出插座、安装总正输出插座、模组入箱、拧紧ＣＳＣ／尾侧压条／预装模组螺栓、安装防碰撞保护板、安装防水透气阀、安装总正／负盖板等工序设备。拖动１１个Ｓｅｒｖｅｒ，分别代表端板等离子清洗、贴加热膜、模组烘烤、模组搬运、整理线束、连接高压铜排、连接模组加热线１及测试、Ｐａｃｋ烘烤、贴ＦＰＣ、安装整理低压线束、上盖上线等工序设备。拖动一个Ｖｅｈｉｃｌｅ模型到空间建模区，代表ＡＧＶ，再拖一个ＢａｓｉｃＮｏｄｅ作为ＡＧＶ的停车点。在标准对象库中拖动一个Ｓｉｎｋ到建模区，代表成品离开生产线，进入成品库。

按照物料名称，修改每一个实体和原材料库（Ｓｏｕｒｃｅ）的名字，且实体需要与原材料库对应，在Ｓｏｕｒｃｅ的ＥｎｔｉｔｙＴｙｐｅ属性中修改各个物料的名称。已知原材料库的物料配送时间间隔，端板上线、安装钢扎带等工序的物料以2个／ｍｉｎ的速度到达，其他物料均以每个3 ｍｉｎ的速度到达。修改Ｓｏｕｒｃｅ的最初到达时间的属性，根据电芯上线、端板上线、安装钢扎带、下箱体上线、安装ＭＳＤ插座、安装加热输入输出插件、安装低压输入输出插件、安装总负输出插座、安装总正输出插座、拧紧ＣＳＣ／尾侧压条／预装模组螺栓、安装防碰撞保护板、安装总正／负盖板、安装防水透气阀等工序所需物料的整包装数分别为４、２４、２６、６、３０、１５０、１００、２４、２４、８、９６、１４０、４００个，修改Ｓｏｕｒｃｅ一次到达物料的数量。修改Ｓｅｒｖ⁃ｅｒ和Ｃｏｍｂｉｎｅｒ的设备加工时间均为每个２５ｍｉｎ。根据单个电池包的物料用量在安装钢扎带工序为6个／包，其余工序均为1个／包，修改Ｃｏｍｂｉｎｅｒ的ＢａｔｃｈＱｕａｎｔｉｔｙ的数量关系。修改实体和小车在系统中的移动速度为0.5ｍ／ｓ。

设备之间用ＴｉｍｅＰａｔｈ线连接，代表车间的传送线，设置时间为１０ｓ。原材料库与设备之间用Ｐａｔｈ连接，代表ＡＧＶ的行走路线，电芯上线、端板上线、安装钢扎带、下箱体上线、安装ＭＳＤ插座、安装加热输入输出插件、安装低压输入输出插件、安装总负输出插座、安装总正输出插座、拧紧ＣＳＣ／尾侧压条／预装模组螺栓、安装防碰撞保护板、安装防水透气阀、安装总正／负盖板等工序原材料库与设备之间的距离，分别为９０、１０、２０、１０、１３０、１２０、１１０、１００、９０、６０、５０、９０、１００ｍ。

ＡＧＶ在车间设备两边的双向通道中行走，构建的ＡＧＶ物流仿真模型如图3所示。

图3AGV物流配送仿真模型

2.3 AGV物流配送仿真运行机制

假设当前有多个订单，车间没有空闲，在连续生产。当订单下达到产线后，产线以线边仓有空料框移出使用位置为信号，呼叫小车配送物料。为模拟该情景，采用原材料库按照节拍定时产生各种物料，当某物料达到满箱时呼叫ＡＧＶ小车进行配送。这种仓库按照节拍驱动物料配送时，当ＡＧＶ数量足够多时，能够排除因仓库物料短缺影响产线生产的因素。在ＳＩＭＩＯ的Ｐｒｅｃｅｓｓｅｓ中，对ＡＧＶ调度规则进行编程，判断每个物料仓库产生哪种物料，当该物料达到满箱时，仓库的ＴｒａｎｓｆｅｒＮｏｄｅ呼叫ＡＧＶ进行配送，否则等待。以防碰撞保护板（Ｂｏａｒｄｓ）为例，当生产防碰撞保护板的仓库达到96个物料（满箱）时，呼叫ＡＧＶ，否则等待。ＡＧＶ的响应规则如图4所示。

图4AGV的响应规则

三、仿真结果分析

3.1 参数设置

车间由26个工位、1个原材料库、1个上下箱体库、1个成品库和ＡＧＶ停车场组成。其中，自动化工位有19个、人工工位7个，自动化工位需要ＡＧＶ运输物料的工位有11个，已在图2中标出。ＡＧＶ在生产线两侧的双向通道通行，文中只讨论需要ＡＧＶ运输物料的工位，对模型进行简化。

对ＡＧＶ的数量、运载能力进行调配，配置合适的配送资源，使物料能够准时送到产线，不影响产线生产，使设备平均利用率、ＡＧＶ平均利用率达到最高，ＡＧＶ行走总路线长度最少。采用上述ＳＩＭＩＯ仿真模型，将案例相关数据运用到仿真模型中，对ＡＧＶ数量设置了7水平，分别为２、３、４、５、６、７、８，运输能力设置了7水平，分别为２００、２５０、３００、３５０、４００、４５０、５００个，设置运行时间为48ｈ。采用全因子实验方式，共进行49组实验。

3.2 AGV配送方案的方差分析

利用Ｍｉｎｉｔａｂ软件对配送方案数据进行处理，把配送方案数据表导入到数据窗格中，对数据进行方差分析，结果如表1所示。若Ｐ值小于0.05，则认为具有统计性显著影响。设备平均利用率、ＡＧＶ平均利用率和ＡＧＶ行走路线总长度的主效应分别如图5、图6和图7所示。

表1方差分析结果

图5设备平均利用率主效应

图6AGV平均利用率主效应

图7AGV行走路线总长度主效应

由表1可知：（1）ＡＧＶ的运输能力Ｐ值均大于0.05，说明ＡＧＶ的运输能力与设备平均利用率、ＡＧＶ平均利用率和ＡＧＶ行走路线总长度没有显著统计性差异；（2）ＡＧＶ数量Ｐ值均等于０，说明ＡＧＶ数量与设备平均利用率、ＡＧＶ平均利用率和ＡＧＶ行走路线总长度有显著差异。

由图5、图6和图7可知，ＡＧＶ运输能力在主效应图中是一条围绕中线波动很小的折线。由图5可知，随着ＡＧＶ数量增加，设备平均利用率先快速上升，当ＡＧＶ数量达到4之后趋于平稳。由图6可知，随ＡＧＶ数量增加，ＡＧＶ平均利用率先缓慢下降，当ＡＧＶ数量达到6之后呈直线下降趋势。由图7可知，随ＡＧＶ数量增加，ＡＧＶ行走路线总长度先快速上升，当ＡＧＶ数量达到6之后趋于平稳。因此，ＡＧＶ的运输能力对3种因变量没有显著性影响，同时可以看到当ＡＧＶ数量为2、3时，设备平均利用率不超过60％；当ＡＧＶ数量为8时，ＡＧＶ平均利用率不足70%。

3.3 AGV配送方案优化配置的敏感性分析

因运载能力无显著统计性影响，ＡＧＶ数量与设备平均利用率、ＡＧＶ行走路线总长度是正相关，与ＡＧＶ平均利用率是负相关。因此，如何权衡ＡＧＶ数量是解决问题的重点。采用响应优化方法，通过Ｍｉｎｉｔａｂ修改3个因变量的目的、权重和约束等，输入数据以49组实验结果为依据，ＡＧＶ运输能力为200个。设置设备平均利用率目标为最高的设备平均利用率，权重为9.6；ＡＧＶ平均利用率目标为最高的平均利用率，权重为0.2；行走路线总长度目标为最短的路线，权重为0.2。ＡＧＶ物流配送优化方案如表2所示，当ＡＧＶ数量为6时，ＡＧＶ行走路线总长度、ＡＧＶ平均利用率和设备平均利用率达到均衡，此方案为智能车间的物料配送的较优方案。

表2AGV物流配送优化方案

3.4 与原方案的性能对比

新能源电池包智能装配车间，原方案需订购3辆运载能力为300个／辆的ＡＧＶ。优化后的方案订购6辆运载能力为200个／辆的ＡＧＶ。对比优化前后的方案，结果如表3所示。

表3车间性能比较

由表3可得：从ＡＧＶ成本来看，可以选购运载能力比较低的ＡＧＶ，同时ＡＧＶ的数量增加了一倍；从结果来看，设备平均利用率跟成品下线数量得到了显著提高，分别提高了30％、28％，同时ＡＧＶ平均利用率和ＡＧＶ行走路线总长度出现了负面影响，其中ＡＧＶ平均利用率降低了95％、ＡＧＶ行走路线总长度增加了166％。但是，由于设备平均利用率的权重远远大于ＡＧＶ平均利用率和ＡＧＶ行走路线总长度的权重，而且单个电池包的净利润在1万元左右，产能提升带来的利润远远大于ＡＧＶ成本的投入。

因此，优化后的方案权衡了智能装配车间的成本投入和利润，使企业的收益最大化。企业可根据自身情况赋予设备平均利用率、ＡＧＶ平均利用率和ＡＧＶ行走路线总长度不同的权重，来权衡企业的资源投入，对于提高企业的生产效率、降低成本、增加利润有一定参考。

四、结论

本文以某新能源企业的智能装配车间为研究对象，利用ＳＩＭＩＯ仿真软件构建仿真模型，对物料配送小车的运载能力和物料配送小车数量进行分析。介绍了模型构建的主要过程和运行机制，设置了2因子7水平，进行了49组实验，得到了不同组合下的实验数据。借助Ｍｉｎｉｔａｂ软件对所得数据进行处理，通过方差分析得出因子与实验指标的相关关系来控制无关因子，最后通过响应优化得到了一个较优方案。研究成果为智能车间ＡＧＶ的配置提供了有效的方法，权衡了智能装配车间的ＡＧＶ成本投入和成品利润，保证车间的生产效率，提高利润。文中仅考虑了设备与ＡＧＶ连续运行状态的模型构建，未来可考虑设备与ＡＧＶ故障率等因素，以进一步贴近生产实际。