代写物流论文范本：不确定需求下车间设备与AGV路径布局协同优化
本文是一篇物流论文，本文以区段式系统为研究对象，综合考虑产品需求不确定性、AGV空载成本、设备和中转缓存区尺寸、车间重布局成本等因素，研究设备布局与AGV路径布置协同优化方法，为企业降本增效提供新的方案。
第1章绪论
1.1研究背景及意义
随着人工智能和电子商务的快速发展，劳动力成本和时间成本日益增高。一些制造企业为了快速响应市场需求的不确定性，提升时间、质量和成本三大核心竞争力，已逐步实现了由自动化系统向智能制造系统的转型。然而，仍然存在一些依靠人工驾驶叉车进行物料搬运的传统企业，为了降低企业生产运营成本并提升产能，物料搬运自动化成为制造系统首先要解决的难题。自动导引小车（Automated Guided Vehicle，AGV）是一种能帮助车间逐步实现自动化管理的物料搬运工具，一些半自动化车间则可借助AGV形成人机共存的柔性化制造系统。
1.1.1研究背景
车间布局和路径规划是影响制造企业物流成本和效率的关键因素。21世纪以来，以AGV为核心的定位、导航、传感、路径规划、充电及多机器人系统交互等问题一直是社会各界的研究热点，尤其是AGV路径布置过程中涉及到的避碰和死锁问题，早已成为制约各类物流系统整体效率的关键因素。因此，AGV路径布置过程中的避障问题成为多AGV系统亟待突破的关键技术之一。近几年，针对码头及各类仓储环境的AGV路径布置模型层出不穷，相关的智能求解算法也相继被提出，无论是在模型完善还是算法改进方面，都取得了不少成果。然而，大多数的研究都聚焦于如何快速寻找转弯次数较少的最短路径，很少有学者考虑AGV在执行搬运任务过程中涉及到的空载距离或时间，即AGV的空载行驶成本。
1.2国内外研究现状
大量研究调查表明，设备布局和车间物料搬运路径规划不合理是导致制造系统生产运营成本居高不下的重要原因，且二者具有较强的耦合性。因此，在动态的市场环境下，研究设备布局与AGV路径协同优化具有十分重要的现实与理论意义。本文将从AGV路径布置、车间设备布局、设备布局与AGV路径协同优化三个方面对国内外研究现状进行归纳与分析。
1.2.1 AGV路径布置研究现状
网络式路径布置方式因其灵活性好而得到广泛应用，近年来，基于网络式AGV系统的路径规划研究已取得不少成果。G.Demesure等[1]提出将AGV路径布置与调度相结合，通过规划AGV的假定轨道和优先级策略，实现AGV的分散调度，避免碰撞冲突。N.Smolic-rocakd等[2]提出了一种基于时间窗控制的动态路径选择方法，实现对网络式布局仓库的多AGV调度与监控。仲美稣等[3]基于先到先服务的原则赋予每辆AGV不同的优先级，通过“低优先级减速，高优先级加速”的策略实现无冲突路径规划。张素云等[4]综合考虑AGV轨道容量、安全距离、行驶时间及速度等多个参数，建立了自动化码头系统无冲突优化控制模型。由此可见，在网络式的多AGV系统中，由于AGV轨道相互交叉，执行不同任务的搬运小车很容易发生碰撞、阻塞、冲突、死锁等问题，从而导致系统的调度难度随AGV数量的增加迅速增长，进而引起AGV动态路径规划面临较大挑战。
为了避免调度系统因多AGV碰撞、死锁等问题而效率低下，单回路式路径布置方式应运而生。M.S.Sedehi等[5]针对单回路AGV系统，同时考虑布局和物料搬运系统规划，以各回路之间的总物流距离最小化为目标建立数学模型，并设计了一种集成算法进行求解。R.Z.Farahani等[6]提出了一种可以同时求解单回路系统中AGV的回路布局及回路中拾取/发送(Pickup/Drop-off，P/D)站位置的精确算法，以达到进一步降低回路循环总行驶距离的目标。由于这种系统要求AGV在每次执行任务时必须沿回路行驶一圈，导致系统工作效率较低，适用范围有限。
第2章区段式AGV系统相关问题描述
2.1 AGV路径布置形式
随着柔性化制造系统的不断升级，目前已有的AGV系统设备布局形式诸多，主要有网络式（Network）布局、单回路式（Single Loop）布局、区域式（Tandem）布局和区段式（Segmented Flow Topolpgy）布局等。不同的AGV路径布置形式各有特点，在实际布局规划过程中，企业应根据自身产品特点进行合理选择。几种常见的AGV系统示意图如图2-1所示。
（1）网络式AGV系统
网络式路径布置方式作为最早投入使用且研究最多的AGV系统，具有灵活性好、弹性高的优点。如图2-1中图（a）所示，AGV行驶轨道在车间呈纵横交错的网络式分布，机器设备分布在车间的轨道两侧，AGV可在轨道内双向行驶。在多AGV系统中，由于多条横向和纵向的AGV轨道相互交叉，执行不同任务的搬运小车很容易发生碰撞、阻塞、冲突、死锁等问题，从而造成系统的调度难度随AGV数量的增加迅速增长。
（2）单回路式AGV系统
单回路式路径布置方式大大降低了系统的调度难度，同时避免了AGV的死锁、碰撞、阻塞、冲突等问题。如图2-1中图（b）所示，单回路式AGV系统将机器设备呈环形放置，车间轨道沿设备位置形成一个闭环。因此，首先需要设计出途经所有机器设备的循环路径，并选择一条总距离最短的路径作为AGV的运行轨道，AGV只能在这条最短路径的轨道上单向运行。这种布置方式要求AGV每次执行任务时必须沿着回路走完一圈，导致系统柔性不足，工作效率远远低于网络式AGV系统。
2.2不确定需求下的设备布局方法
为了应对人们日益增长的产品多样性需求，“多品种，小批量”逐渐成为一种应用越来越广泛的生产模式，产品需求不确定性导致了生产各个阶段的物流不确定性。在实际的车间设计阶段，企业往往通过订单或历史信息进行预测来获取需求信息。在用户需求充满随机性和波动性的市场环境下，需求预测的精确度直接影响到供应链系统的稳定性和设备布局的合理性，从而对车间的物流效率产生长期影响。目前，针对不确定需求布局问题，主要有鲁棒性布局和动态布局两种思路，本文在常规动态布局的基础上，提出一种改进的多周期动态布局方法。
2.2.1鲁棒性布局方法
对于制造系统，所谓鲁棒性，是指车间系统应对机器故障、需求变化等外界特殊情况时仍然能继续维持正常生产连续性的能力。鲁棒性布局本质上也属于静态布局方法，其目的在于寻求一种最优布局方案，在多阶段的生产需求下，不要求其布局方案在每个阶段内均符合最优布局，通过设置一个合理的鲁棒性指标，使每个阶段的优化目标与对应阶段最优目标的差值被限定在一个阈值范围内，从而保证其目标函数在整个计划期内达到整体最优。现有的鲁棒性布局方法虽然在一定程度上保证了布局方案应对需求变化的能力，但却是以产品需求信息在计划初期完全已知为前提，忽略了预测误差和需求的不确定性，从而导致布局的持续可靠性受到影响。
2.2.2动态布局方法
由于产品的需求水平会随时间的推移而发生变化，且产品需求信息的不确定性会随生产阶段的推移而不断增大，因此，短期预测要比长期预测的可靠性高。动态布局方法往往根据行业情况不同将整个计划期内分成几个生产周期，根据每个生产周期的具体需求对车间设备进行重新布局，最终不同生产周期的最优布局组成一个完整计划期的设备布局方案，其中，每个生产周期求解最优布局的过程也是采用静态布局方法。其核心思想可被描述为：在静态设备布局问题的基础上，将整个计划期分成多个相对较短的周期，在每个周期结束前，根据下一周期的订单信息或市场最新动向对需求信息进行短期预测，通过这种阶段性更新的方式大大降低需求的不确定性和预测误差，同时使布局方案能根据市场情况动态调整，更符合实际生产需求，从而降低整个计划期内的物料搬运总成本。
第3章车间设备与AGV路径布局协同优化建模......................................24
3.1不确定需求的描述方式......................................24
3.2车间设备与AGV路径静态布局协同优化模型........................................25
第4章求解算法..............................................38
4.1需求信息预处理.............................38
4.1.1产品的加工工艺顺序.................................38
4.1.2产品的加权平均需求量...........................................39
第5章案例分析............................................56
5.1基于静态模型的案例分析..........................................56
5.1.1算例数据........................................56
5.1.2算法参数.............................................57
第5章案例分析
5.1基于静态模型的案例分析
5.1.1算例数据
针对本文提出的车间设备布局与AGV路径协同优化模型和求解算法，本章将结合车间规划实际情况设计合理的数值实验，对模型和算法的有效性进行分析和验证。对比SEGA算法和标准遗传算法求解同一算例的结果，验证算法的优越性；调整算法和模型参数，分别分析不同算法参数和模型参数对算法结果的影响；通过多次重复数值实验，对比静态协同优化模型和动态协同优化模型的优劣性。
某车间长80米，宽60米，AGV最小通道为3米，最小安全距离2米，中转缓存区边长为10，中转率系数的初值为0.5。车间需放置10组设备，设备组的尺寸如表5-1所示。
第6章论文总结
6.1研究成果
设备布局与AGV路径布置是制造系统投产前的重要环节。在客户需求随时间不断波动的市场环境下，车间布局柔性成为制造企业的核心竞争力。本文以区段式系统为研究对象，综合考虑产品需求不确定性、AGV空载成本、设备和中转缓存区尺寸、车间重布局成本等因素，研究设备布局与AGV路径布置协同优化方法，为企业降本增效提供新的方案。本文研究工作主要包括以下几个部分：
（1）区段式AGV系统的描述与相关问题分析。分析了区段式布局形式在多品种小批量生产车间的适用性，并阐明区段式AGV系统中设备与路径布置方式的特点；通过分析区段式系统中AGV路径布置与设备布局之间的耦合性，提出将二者进行并行设计的协同优化方法；建立了区段式AGV系统的车间坐标系，并对相关几何约束进行了描述；详细阐述了区段式AGV路径布局形式下的重载和空载搬运距离计算公式。
（2）基于不确定性需求的市场环境，建立了设备布局与AGV路径布置协同优化模型。首先介绍了需求不确定性的处理方法，在考虑设备组和中转缓存区尺寸约束的情况下，以AGV空载和重载搬运成本总和最小化为目标，建立车间设备与AGV路径静态布局协同优化模型；分析需求波动情况下的车间布局方法，基于静态协同优化模型，将车间重布局成本定义为固定资产损失和可变成本两部分，以计划期内物料搬运成本和车间重布局成本总和最小为目标，建立基于多周期的设备与AGV路径动态布局协同优化模型。
（3）基于本文提出的不确定需求下设备与AGV路径布局协同优化模型，设计了一种双链染色体编码的增强精英保留遗传算法。分析了算法进行需求预处理的方式；基于静态协同优化模型的特点，阐述了算法在适应度函数设计、染色体编码与解码、种群个体选择、交叉、变异等进化过程中的改进方法；设计了多周期动态协同优化模型的重布局判断条件和算法整体求解流程。
参考文献（略）
