基于Factory Simulation的增材制造智能產線優化研究

摘要：為解決某航空發動機核心零部件增材制造產線預設方案的驗證優化問題，利用Factory Simulation生產系統仿真軟件，對車間布局和AGV物流路線進行二維化模型構建，輸入物流調度數據，通過設計DOE試驗，以最小化產量完成時間為目標，得到瓶頸工序為鉗工、超聲波清洗、X光工位，在仿真環境下得到當前預設條件下的AGV利用情況。分析瓶頸工位，對比后得到最優加工站個數，并以車間內正常工作時的AGV平均響應時長為依據討論最優AGV臺數。優化后完成產線年產量目標的時間縮短了12%，車間內投入的物流設備成本降低了20%。優化結果在現有車間預設方案的基礎上為有效提高預設車間的生產效率、減少車間成本提出了改進建議。

關鍵詞：智能制造；系統仿真；DOE

中圖分類號：TH166 文獻標志碼：A doi：10.3969/j.issn.1006-0316.2024.04.002

文章編號：1006-0316 （2024） 04-0007-09

Optimization of Intelligent Production Line for Additive Manufacturing

Based on Factory Simulation

LIU Hetong，MA Rui

（ Beijing Power Machinery Research Institute， Beijing 100074， China ）

Abstract：To address the verification and optimization of the preset program for the additive manufacturing production line of a certain aero engine's core components， Factory Simulation production system simulation software was used to construct a 2D model of workshop layout and AGV logistics route. Logistics scheduling data was input and the DOE method was used to minimize the completion time of production volume. The bottleneck processes were identified as fitter， ultrasonic cleaning and X-ray workstations. The AGVs utilization under the current preset conditions was obtained in the simulation environment. After analyzing the bottleneck workstations， the optimal number of processing stations was obtained through comparison. The optimal number of AGVs was discussed based on the average response time of AGVs during normal operation in the workshop. After optimization， the time to achieve the annual production target of the assembly line was reduced by 12%， and the logistics equipment cost in the workshop was reduced by 20%. The optimization results provide effective suggestions for improving the production efficiency and reducing the cost of the preset workshop.

Key words：smart manufacturing；system simulation；DOE

隨著技術的逐漸成熟，增材制造技術可以加工幾乎任何復雜結構的零部件，極大地節省材料，縮短產品研制周期，實現數字化、智能化制造[1]，符合航空航天制造的要求，并在實際生產中獲得了相當規模的應用。

航空航天制造業生產模式為典型的多品種、小批量[2]離散生產，其產品具有生產過程復雜、工藝路線流程長、產研并存、快速定制等特點。智能工廠是一個復雜的系統之系統（System of System，SoS），具有全面數字化、自動化和智能化程度高[3]等特點。隨著生產系統仿真技術的快速發展，計算機仿真技術在我國航空航天制造業中的應用受到了廣泛重視。李慧等[4]基于Plant Simulation平臺建立了某航空發動機高壓工作葉片的產線仿真模型，初步優化后增加了產線24%的產能。張麗[5]應用QUEST仿真平臺對某工廠鈑金產線進行了建模，從設備利用率、產能、人員排班等方面進行分析并提出改進方案，大大縮短產品的生產周期?？湛凸臼褂肳itness平臺，對A330、A340及A340-600飛機機翼裝配線的工藝流程進行了評估和改善[6]。黃亞星等[7]基于某型號航空發動機主軸智能鍛造生產車間，在Plant Simulation平臺上構建了鍛造設備布局模型，智能化升級產線后提高了其20%的生產效率，且使鍛件合格率提升了15%。

在智能產線的規劃設計階段，采用計算機仿真技術把制造系統中的生產資源、產品工藝數據及物流等信息動態地結合起來[8]，以系統活動過程的“復現”來代替數學方法的抽象描述，可以對車間性能進行定量分析，提升建設方案的合理性和經濟性，及時發現未來風險，從而更有效地指導智能工廠建設。本文以某規劃設計階段的航空發動機核心零部件增材制造生產線為對象展開研究，利用國產Factory Simulation生產系統仿真軟件，建立與實際系統具有相同工藝數據、生產資源、設備布局的仿真模型。結合仿真結果對關鍵生產設備數量、AGV（Automated Guided Vehicle，自動導引車）物流安排等提出改進建議。

1 發動機核心零部件產線生產系統

發動機核心零部件產線屬于典型的離散生產模式，該產線主要承擔某型號發動機零部件A、B、C的生產任務，增材制造單元通過3D打印成形A、B、C三種零件，零件經增材制造后處理一系列加工處理后完成入庫。以其中一種零件為例，其工藝流程如圖1所示。

預設產線廠房布局如圖2所示，單元內物料流轉通過天車搬運，單元間利用AGV運送。

2 生產系統仿真模型建立

2.1 建模流程

Factory Simulation是華中科技大學國家智能設計與數控技術創新中心自主研發的生產系統建模與仿真軟件[9]，其以離散事件仿真理論為基礎，實現對復雜離散生產系統的模擬運行和性能的定量分析優化。對于該生產系統的仿真優化，基本流程如圖3所示。

2.2 模型的簡化與假設

復雜系統的建模分析無法反映全部現實系統，仿真模型也不是全部現實系統的重復或預演[10]，因此，需要對模型進行合理的簡化和假設。本文對所建模型作出的假設如下：

（1）在模型的工藝流轉中，每道工序的操作工時用留有裕度的定額工時來代替實際情況中應符合某種數學分布的實際加工工時；

（2）模型按理想情況計，不考慮設備故障和殘次品出現；

（3）假設人力資源和生產原料充足；

（4）由于增材制造零件打印加工的特殊性，在激光成形工序中，打印設備每爐出產兩件固定在打印基板上的同類毛坯件，打印后直到線切割工序前該倉兩毛坯件被視為處于捆縛狀態，同時進行運輸和加工；

（5）為減少激光成形不同種材料的零件而必須進行的清換粉操作時間，將36臺激光成形設備按一定比例分配給不同零件，16臺專門生產零件A，9臺專門生產零件B，11臺專門生產零件C；

（6）產線內預定設備數量和生產日歷設計如表1所示。

2.3 生產系統模型構建

根據上述模型設計要求，按照建模的簡化與假設原則在Factory Simulation上建立該航空發動機零部件產線二維模型，產品工藝、生產工時、BOM（Bill of Material，產品結構表）和生產計劃等相關具體實際信息在模型中以表格（Table）和方法（Method）形式寫入，以完成年產量目標為目的對產線進行仿真。

3 生產系統仿真模型結果分析

3.1 產線設備分析

在新廠房的生產加工中，產線全線開動視為進入穩定生產，在此之前進行的將停機的設備逐漸投入生產的過程視為產線的預熱階段。

對仿真結果進行數據分析，得到各工作單元的利用率相關統計數據和主要設備前緩存區的情況[11]，如圖4和表2所示。并得到加工完年產量目標及預熱階段零件共耗時489天，其中預熱階段81天，完成年任務的所需時間為406天，不滿足年產量計劃要求。

大尺寸激光選區熔化設備全年開機，但其利用率并未接近100%，原因在于預熱階段間隔開機和最后一個月訂單在該工序加工結束后的后處理加工時間過長。結合設備利用率和緩存區在制品情況分析，鉗工工位、超聲波清洗機、增材制品本體射線檢測系統和增材制品焊接質量數字射線檢測系統設備處存在較高設備利用率和高在制品積壓情況，為瓶頸工位。對瓶頸工位進一步進行全年時間范圍下的詳細分析。

如圖5所示，瓶頸工位的在制品數量從生產開始就一直處于上升狀態，直到仿真結束前下降，呈現斷崖式折線，說明工序上存在加工設備產能與當前產線不匹配的情況。對于鉗工工位，由于零件的工藝特點，一個零件在此工位上需多次加工，零件A和零件B需在此加工去支撐、打磨、二次去支撐、二次打磨和裝配測量產品重量五道工序，零件C需要加工一次去支撐、打磨和裝配測量產品重量三道工序，而且每次加工的時間不一，故導致了鉗工工位處高在制品積壓的情況出現。

3.2 產線物流運輸分析

智能工廠需要智能物流系統支撐，而智能物流系統的典型特征是AGV的應用。模型在生產現場設置了10臺AGV在AGV充電區中等待，當零件在單元區域內完成一道工序的加工后會轉移到區域出口緩存區，并呼叫AGV搬運到下一工序對應的加工區域中。仿真結束后訪問AGV系統的運行數據，得到表3。

可以看出，前三臺AGV工作時間較長，其除等待時長之外的有效運行時間占仿真時長比例，即AGV利用率分別為10.5%、4.5%、1.7%，AGV系統整體平均利用率不高。但由于增材制造車間加工工藝的特殊性，零件生產的加工時長實際是以天為單位，整體加工流程中AGV的平均利用率并不能直接體現生產現場對AGV的需求程度。對于標準化的智能生產車間，AGV物流的即時響應程度更能體現AGV在生產中是否得到合理利用。因此以0.5天為一個時間段對AGV系統的AGV呼叫頻次進行統計，得到圖6?？梢钥闯觯珹GV最大半天呼叫頻次為84次，平均半天呼叫頻次為18.4次。

進一步分析當半天呼叫頻次達到20次以上時對應的AGV響應時長情況，如圖7所示。

當采用10臺AGV進行物料運輸時，大多數高峰期呼叫可以滿足物流的及時響應，等待響應時長最多為16 min，在當前的產線設計要求下AGV數量存在冗余。

4 生產系統仿真結果優化

在確定生產系統的最佳方案時，一般需要對關鍵參數進行設置，可以通過DOE（Design of Experiment，試驗設計）的方式，設計仿真試驗，自動進行批量化仿真。DOE是一種安排試驗和分析試驗數據的數理統計方法[12]，通過合理安排試驗，以較少的試驗次數和較低的試驗成本為目標，找到最佳的參數組合[13]。

結合產線建設硬約束要求，以降低瓶頸工位前緩存區在制品數量為目標，分別設置鉗工工位數量、超聲波清洗機工作時長為變量，分析變量和相關工位前緩存區在制品數量的關系；增材制品本體射線檢測系統和增材制品焊接質量數字射線檢測系統根據要求不能在廠房內部增設工位，故在外部增設效率較低的外協加工單元，設置外協加工單元數量為變量，分析其與兩工位前緩存區在制品數量的關系；適當更改AGV數量，分析不同AGV數量下，車間內高峰時間段呼叫AGV后的響應時長。并對上述分析結果進行優化。

（1）鉗工工位數為16、17時在制品數量情況如圖8所示。可以看出，當鉗工工位數為16時，大大降低了工位在制品堆積數量，相較增加前優化了66.4%；從16增加到17的優化不明顯?？紤]到產線建設成本，鉗工工位增加到16較為合適。

（2）對超聲波清洗單元作如上試驗操作，結果如圖9所示，超聲波清洗機設備增加到3較為合適。

（3）由于實際生產要求，無損檢測工序涉及的兩臺機器的排班次和加工單元數量不可更改，故要改善該工序的積壓情況需要增加同屬性的外協加工單元。設備調配邏輯為：外協設備工序內加工時長為車間內設備的1.5倍，當車間內相關設備前緩存區容量＞5時，將下一件需要進行該工序加工的零件轉運至外協。

設置外協加工單元為3、4、5、6的試驗，試驗結果如表4和圖10所示。隨著外協加工站單元數量的增加，兩加工設備的利用率和最大在制品數均降低?？紤]到實際生產中外協數量過多會導致零件流轉繁復、拉長產品的加工時間，故外協單元數量設為5效果較好。

（4）為尋找最佳AGV數量，分別設置AGV數量為3、5、7、8、9五組試驗，并統計相應高峰期平均響應時長，結果如圖11所示?？梢钥闯觯擜GV數量不足時，呼叫高峰期的搬運任務普遍存在響應時間，隨著AGV數量的增加，這種響應時間隨之降低。當AGV數量為8時，基本可以滿足所有物流運輸任務的即時響應，特高峰等待時間為17 min。以上試驗分析結果可為實際生產安排的AGV數量提供參考。

5 生產系統優化結果

經上述優化分析后重構模型，對所涉及的參數進行修改，并進行二次仿真模擬，得到整體車間優化后的仿真結果，如圖12所示。

加工零件A、B、C的激光選區熔化設備的平均利用率分別為87.05%、81.61%、87.72%，相較于優化前的70.83%、68.8%、72.85%均有了較大提升。完成預熱階段和穩定生產階段的仿真結束時間為440天，完成年生產計劃所需時間為359天，滿足完成年生產計劃要求。

6 結語

本文研究了以某航空發動機核心零部件為背景的增材制造生產線，利用仿真軟件Factory Simulation對車間預設系統狀況進行了仿真，找出了零件生產線中的瓶頸工序和物流設備安排不合理之處。針對部分瓶頸工位提出了最優的設備數量改進建議，建議調整后的鉗工工位加工單元數為16，超聲波清洗機加工單元數為3、X光外協單元數為5。此外，本文還對物流運輸進行分析，為實際生產過程中AGV數量的設置提供了參考。優化后的年計劃完成時間縮短了12%，投入的AGV車輛成本降低了20%。以上結論對全面分析生產線瓶頸及后續產線建設具有指導意義。

參考文獻：

[1]楊強，魯中良，黃福享，等. 激光增材制造技術的研究現狀及發展趨勢[J]. 航空制造技術，2016（12）：26-31.

[2]洪海波，陳錦華，左麗玲，等. 基于數字孿生的航天制造車間設備能力評估與動態調度方法[J]. 航天制造技術，2022（3）：12-17，60.

[3]徐志濤，胡玉玲，劉慧，等. 基于Anylogic的智能工廠立體物流系統仿真與優化研究[J]. 制造業自動化，2023，45（5）：129-134.

[4]李慧，孫元亮，張超. 基于Plant Simulation的航空發動機葉片機加生產線仿真分析與優化[J]. 組合機床與自動化加工技術，2019（7）：116-118.

[5]張麗. 基于QUEST的某工廠鈑金生產線仿真與二次開發[D].