本發(fā)明屬于車間和倉儲物流的資源配置領域，特別涉及一種基于實時調度仿真和排隊論的agv數量配置方法。
背景技術：
：：agv(automaticguidedvehicle)在現代企業(yè)的車間和倉儲物料搬運中發(fā)揮越來越重要的作用。在企業(yè)產能擴張所帶來新工廠建設的機遇下，通過合理規(guī)劃與實施agv搬運系統既是實現精益?zhèn)}儲物流的關鍵，也是提高自動化技術在整車生產車間物料搬運系統中的應用重點。目前對agv搬運系統的研究主要集中在路經規(guī)劃、任務調度和沖突處理三個方面，都是針對系統某一方面的問題展開。agv小車成本一般約占70％的總體采購成本。由于價格昂貴，如果數量配置過多，會造成資源浪費，還容易造成交通阻塞，增加系統控制的難度。反之，若配置數量不足，將無法滿足產能要求。因此在前期規(guī)劃agv搬運系統時不得不重點考慮如何將有限的預算合理運用，采購多少臺agv小車能夠最大限度地發(fā)揮agv系統的價值和效率，是實際項目規(guī)劃與實施過程中需要解決的關鍵問題。另外，影響agv數量的因素很多，比如搬運任務量、agv導引路徑網絡類型及裝卸點位置、裝卸載時間、agv容量、運行速度、運行路徑、調度策略、交通阻塞狀況、蓄電池充電特性等。因此，配置合理數量的agv也是一項具有挑戰(zhàn)的研究內容。解析方法與仿真分析是兩類常用的agv系統小車數量配置方法。解析方法是將具體問題歸納整理后形成抽象的數學模型，諸如排隊論、整數規(guī)劃等，并通過對模型計算求解獲得小車數量配置需求的一種規(guī)劃方法，一般適用于復雜度不高、快速求解的靜態(tài)調度場景。仿真方法則是借助仿真軟件，諸如plantsimulation、flexsim等，結合實際業(yè)務規(guī)劃場景進行建模分析，一般適用于復雜度較高、多突發(fā)狀況的動態(tài)調度場景。已有研究表明，采用解析方法計算得到的小車數量較仿真分析的全局指導性能好，但精細程度不高，仿真方法的計算結果更接近于實際情況，但運算統計過程較長。鑒于研究較少，目前仍沒有一個完善的方法解決agv數量配置問題。技術實現要素：本發(fā)明的目的在于提供一種基于實時調度仿真和排隊論的agv數量配置方法，是一類同時結合了解析和仿真思路的方法，通過該方法能夠在采購和投放agv前，提供適合現場情況的最優(yōu)agv數量信息，以達到科學決策和減少成本的目的。為了實現上述目的，本發(fā)明采用的技術方案是：一種基于實時調度仿真和排隊論的agv數量配置方法，其特征在于：包括以下步驟：s1、建立agv的仿真圖模型s11、建立agv搬運系統的路徑規(guī)劃模塊，選擇單向路徑網格，通過dijkstra算法規(guī)劃一條從自身位置到目標節(jié)點的最短有向路徑；s12、建立agv搬運系統的動態(tài)調度模塊，選擇先到先服務的策略，通過table對象記錄新的搬運任務及其產生的時刻，當系統中產生一輛空閑agv時，立即執(zhí)行table對象中最先記錄的搬運任務；s13、建立agv搬運系統的交通管理模塊，選擇在可能出現干涉的區(qū)域入口設置路標，若agv通過定位模塊感知到路標，應立即停車并與agv中央決策系統交通管理模塊交互，接受交通管理模塊的協調；s14、建立agv搬運系統的電源管理模塊，首先選擇transporter對象的batteryused屬性，再根據蓄電池充電特性設置相應的batcapacity、batcharge屬性值，最后通過method對象實現定時檢測蓄電池電量，一旦檢測到某輛agv電量不足則立即進入充電區(qū)域充電；s2、建立agv數量配置的數學模型s21、場景描述，實時調度仿真是根據實時需求產生后由系統調度完成需求的服務響應，將需求視為“顧客”，agv視為“服務臺”，則agv搬運系統的服務模式視為一個排隊系統，數量配置問題等效為：在性價比最高的情況下，求解隨機服務系統中的服務臺數量問題；因此以最低總成本作為目標函數，以agv數量作為決策變量，統籌考慮投入成本、因排隊所產生的等待損失成本，建立起相關數學模型；s22、假設描述，假設(1)agv搬運系統中搬運任務的到達流為泊松流，到達時間間隔服從參數為λ的負指數分布，而服務時間服從參數為μ的負指數分布，這一排隊過程屬于排隊論中的m/m/c型，各符號的含義為m表示負指數分布、c表示服務臺數量；(2)系統因等待產生的損失不因零件不同而存在差異；(3)當拉動需求未被及時響應即產生等待時，系統等待隊長近似為因等待產生的損失需求數；s23、模型描述，主要基于投入成本、因排隊所產生的等待損失成本兩者相加的總成本最低作為目標函數，建立數學模型：minz＝n×c1+wq(n)×l×δ×c2其中，n為agv數量，是決策變量，wq(n)為系統中的平均等待時間，l為搬運物料的總次數，c1為agv單位使用成本，c2為單位時間損失成本，δ為因等待產生的產量損失率，其中c1、c2和δ為先驗已知的信息；s24、排隊論求解，根據上述數學模型：f(n)＝n×c1+wq(n)×l×δ×c2當f(n)為最小值時，對應的n值即為所求最優(yōu)agv數量；根據邊際原理得到的驗證不等式：wq(n)-wq(n+1)≤c1c2lδ≤wq(n-1)-wq(n)其中，平均等待時間wq(n)滿足：d為仿真時n輛agv全部等待時間數據的方差，服務強度ρ＝λ/(nμ)，p0為n輛agv均為空載時的概率：其中，μ為單位時間內n輛agv服務搬運任務的次數，即agv路徑中小車單圈平均同行時間的倒數式中為仿真時n輛agv的平均速度，為仿真時n輛agv的平均距離；s3、在仿真圖模型上放置n輛agv，運行仿真模型，驗證不等式是否成立s31、獲取數據，在仿真圖模型上放置n輛agv，并運行仿真模型一段時間，直至所有物料均被搬運完畢；通過仿真軟件記錄下全過程的4類數據：(1)獲取n輛agv的速度數據，計算全過程的平均速度(2)獲取n輛agv的搬運距離數據，計算全過程的平均距離(3)獲取n輛agv的等待時間數據，計算全過程的方差d；(4)獲取n輛agv搬運物料的總次數l；s32、公式計算，將s31獲取的4類數據代入s24計算n輛agv情況下的平均等待時間wq(n)；s33、重復計算，仿照s31和s32，分別計算n-1輛、n+1輛agv情況下的平均等待時間wq(n-1)、wq(n+1)；s34、將wq(n-1)、wq(n)和wq(n+1)代入s24中的驗證不等式，驗證此時的數值是否使不等式成立；s4、若不等式成立，輸出此時的最優(yōu)agv數量n；若不等式不成立，令n＝n+1，返回s3。本發(fā)明通過建立agv的仿真圖模型和agv數量配置的數學模型，結合排隊論方法對數學模型進行分析，給出最優(yōu)數量n應該滿足的含參不等式，然后在仿真圖模型上放置n輛agv，運行仿真模型以獲取統計數據，并代入含參不等式驗證不等式是否成立來確定最優(yōu)agv數量，該方法同時結合了解析方法和仿真方法，其簡化了運算統計過程，同時得到的agv數量接近于實際情況，能夠在采購和投放agv前提供適合現場情況的最優(yōu)agv數量信息，以達到科學決策和減少成本的目的。附圖說明圖1是本發(fā)明的流程圖；圖2是本發(fā)明建立agv仿真模型的流程圖。具體實施方式結合圖1和圖2說明本具體實施方式，本發(fā)明實施例示的一種基于實時調度仿真和排隊論的agv數量配置方法，包括以下步驟：s1、建立agv的仿真圖模型，通過仿真軟件plantsimulation依次建立agv搬運系統的路徑規(guī)劃模塊、動態(tài)調度模塊、交通管理模塊和電源管理模塊；具體如下：s11、建立agv搬運系統的路徑規(guī)劃模塊，比如選擇單向路徑網格，通過dijkstra算法規(guī)劃一條從自身位置到目標節(jié)點的最短有向路徑；在軟件中實現只需修改transporter對象屬性為automaticrouting。s12、建立agv搬運系統的動態(tài)調度模塊，比如選擇先到先服務的策略，在軟件中實現是通過table對象記錄新的搬運任務及其產生的時刻，當系統中產生一輛空閑agv時，立即執(zhí)行table對象中最先記錄的搬運任務；s13、建立agv搬運系統的交通管理模塊，為避免agv之間存在的沖突、交叉路徑、路徑容量不足等問題，選擇在可能出現干涉的區(qū)域入口設置路標，若agv通過定位模塊感知到路標，應立即停車并與agv中央決策系統交通管理模塊交互，接受交通管理模塊的協調；在軟件中實現時路標對應track對象中的sensor對象，當agv經過此對象時會觸發(fā)相應的method對象；s14、建立agv搬運系統的電源管理模塊，在軟件中設置電源管理模塊的步驟，首先選擇transporter對象的batteryused屬性，再根據蓄電池充電特性設置相應的batcapacity、batcharge屬性值，最后通過method對象實現定時檢測蓄電池電量，一旦檢測到某輛agv電量不足則立即進入充電區(qū)域充電.s2、建立agv數量配置的數學模型，結合排隊論方法對數學模型進行分析，給出最優(yōu)數量n應該滿足的含參不等式；具體如下：s21、場景描述，實時調度仿真是根據實時需求產生后由系統調度完成需求的服務響應，可將需求視為“顧客”，agv視為“服務臺”，則agv搬運系統的服務模式可以視為一個排隊系統，數量配置問題可以等效為：在性價比最高的情況下，求解隨機服務系統中的服務臺數量問題。因此以最低總成本作為目標函數，以agv數量作為決策變量，統籌考慮投入成本、因排隊所產生的等待損失成本，可建立起相關數學模型；s22、假設描述，假設(1)agv搬運系統中搬運任務的到達流為泊松流，到達時間間隔服從參數為λ的負指數分布，而服務時間服從參數為μ的負指數分布，這一排隊過程屬于排隊論中的m/m/c型，各符號的含義為m表示負指數分布、c表示服務臺數量(即agv數量，此處定義為n＝c輛)；(2)系統因等待產生的損失不因零件不同而存在差異；(3)當拉動需求未被及時響應即產生等待時，系統等待隊長近似為因等待產生的損失需求數；s23、模型描述，主要基于投入成本、因排隊所產生的等待損失成本兩者相加的總成本最低作為目標函數，可建立數學模型：minz＝n×c1+wq(n)×l×δ×c2其中，n為agv數量，是決策變量，wq(n)為系統中的平均等待時間，l為搬運物料的總次數(以單輛agv單次運載量為標準計算次數，可通過仿真獲取)，c1為agv單位使用成本(含固定資產成本分攤以及運維費用)，c2為單位時間損失成本(停線損失)，δ為因等待產生的產量損失率，其中c1、c2和δ為先驗已知的信息；s24、排隊論求解，根據上述數學模型：f(n)＝n×c1+wq(n)×l×δ×c2當f(n)為最小值時，對應的n值即為所求最優(yōu)agv數量；根據邊際原理，有：簡化后得到主要的驗證不等式：wq(n)-wq(n+1)≤c1c2lδ≤wq(n-1)-wq(n)其中，平均等待時間wq(n)滿足：具體地，d為仿真時n輛agv全部等待時間數據的方差，服務強度ρ＝λ/(nμ)，p0為n輛agv均為空載時的概率：其中，μ為單位時間內n輛agv服務搬運任務的次數(或稱為服務率)，即agv路徑中小車單圈平均同行時間的倒數式中為仿真時n輛agv的平均速度，為仿真時n輛agv的平均距離。s3、在仿真圖模型上放置n輛agv，運行仿真模型，獲取搬運速度、搬運距離、等待時間、搬運次數4類統計數據，并代入含參不等式得到數值不等式，驗證此時的不等式是否成立；具體如下：s31、獲取數據，在仿真圖模型上放置n輛agv，并運行仿真模型一段時間，直至所有物料均被搬運完畢；通過仿真軟件記錄下全過程的4類數據：(1)獲取n輛agv的速度數據，計算全過程的平均速度(2)獲取n輛agv的搬運距離數據，計算全過程的平均距離(3)獲取n輛agv的等待時間數據，計算全過程的方差d；(4)獲取n輛agv搬運物料的總次數l；s32、公式計算，將s31獲取的4類數據代入s24計算n輛agv情況下的平均等待時間wq(n)；s33、重復計算，仿照s31和s32，分別計算n-1輛、n+1輛agv情況下的平均等待時間wq(n-1)、wq(n+1)；s34、將wq(n-1)、wq(n)和wq(n+1)代入s24主要的驗證不等式，驗證此時的數值是否使不等式成立。s4、若不等式成立，輸出此時的最優(yōu)agv數量n；若不等式不成立，令n＝n+1，返回s3。本發(fā)明通過建立agv的仿真圖模型和agv數量配置的數學模型，結合排隊論方法對數學模型進行分析，給出最優(yōu)數量n應該滿足的含參不等式，然后在仿真圖模型上放置n輛agv，運行仿真模型以獲取統計數據，并代入含參不等式驗證不等式是否成立來確定最優(yōu)agv數量，該方法同時結合了解析方法和仿真方法，其簡化了運算統計過程，同時得到的agv數量接近于實際情況，能夠在采購和投放agv前提供適合現場情況的最優(yōu)agv數量信息，以達到科學決策和減少成本的目的。上述說明示出并描述了本發(fā)明的優(yōu)選實施例，應當理解本發(fā)明并非局限于本文所披露的形式，不應看作是對其他實施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文發(fā)明構想范圍內，通過上述教導或相關領域的技術或知識進行改動。而本領域人員所進行的改動和變化不脫離本發(fā)明的精神和范圍，則都應在本發(fā)明所附權利要求的保護范圍內。當前第1頁12當前第1頁12