基于机器视觉的设施布置规划方法研究

高成冲,董 莺,王为民

(南京工程学院机械工程学院, 江苏 南京 211167)

实施卓有成效的创新是中国从制造大国升级为制造强国的必需路径和必要手段.因此,中国企业变革管理模式、重构业务流程、优化生产系统,以期用管理创新来降低企业生产成本、增强产品的全球化市场竞争力.

在离散制造企业,比如汽车及其配件制造公司,在从原材料购买入厂、各类零部件连续加工、直至多型号产成品组装整个生产流程中,据统计分析,物料真正处于被加工状态的时间仅占生产总流程时间的8%左右,也就是说,生产流程中的物料在绝大多数时间内处于搬运、等待、存储状态,导致制造企业的物料搬运费用占产品总成本的比例高达20%～30%.因此,追求不间断的作业流程、消除多余的物料搬运浪费和时间等待浪费,成为制造企业持之以恒的追求.

由此,设施布置方法被广泛应用于各类制造企业的设施选址和设施布局,通过构建合理的设施布局,消除多余的物料搬运环节、减少不合理的物料搬运流程、避免不必要的物料存储,成为制造企业提升生产效率、降低产品总成本、缩短产品上市周期的重要措施之一.

在传统设施布置方法的基础上,学者们提出了以系统化设施布置方法(system layout planning,SLP)为代表的若干典型设施布置方法[1].SLP布置法在量化物流量与非物流量的基础上,借助多种方法作为分析工具,采取理性化、系统化推理过程,可有效规划设施布局,得到了广泛应用.鉴于这些方法并没有给出正式的程序与算法且常需要借助费用分析法、层次分析法等定性定量方法来评价各规划方案的优劣[2],一些基于模型的布置算法被构造,比如,基于距离或相似度的二次分配模型算法、基于图论或排队论的模型算法.同时,借助于计算机技术的发展,数字仿真布置方法也得到长足发展和应用.

这些方法的本质是有效减少物料搬运距离、降低物料流转费用.虽然一些方法会考虑非物流因素,但没有直接考虑诸如时间费用、装卸作业费用等其他费用[3].鉴于产品生产周期及上市周期对企业降低产品生产成本、提升企业市场竞争力越来越重要,特别是在智能制造日趋成为主流制造业态下,智能化搬运给设施规划带来新的观察视角[4],有必要在设施布局规划时统筹考虑多种影响搬运效益的因素.

1 机器视觉特性及其对设施布置规划的影响分析

作为物料搬运工具,自动导向小车(automated guided vehicle,AGV)因其可灵活、高效地完成物料的搬运而被广泛应用在机电加工、物流仓储等领域[5].确保AGV正确行走的导航引导技术一直是AGV研究与应用的核心内容.传统的AGV导航方式主要有电磁感应引导、激光反射引导、二维码引导、色带光学等.电磁感应导航实现相对简单,但此时AGV只能按预埋设的导引线行走,无法实现智能避让;激光反射导航需要在固定位置安装精确的激光反射板,安装与位置计算以及导引效果常受环境影响;二维码导航面临频繁更换二维码问题;色带光学导航面临频繁更换色带问题.这使得这些传统方法难以在产品品种、类型更换时提供及时的AGV引导.特别是在个性化定制时代,多品种、小批量生产成为制造企业生产常态,生产线的持续动态重构成为常态,常规引导方法难以适应制造行业的新要求.

在智能制造时代,伴随着制造业数字化、智能化转型的持续推进,让AGV在复杂的现场环境中快速移动、实现高效的智能物料运送成为制造企业数智化转型的重要环节[6],因此,着力提升引导能力成为推动AGV发展与应用的重要方面.基于机器视觉的导航引导技术逐渐在AGV上得到应用.

以即时定位与地图构建(simultaneous localization and mapping,SLAM)为基础,机器视觉利用安装在AGV上的摄像机获取AGV行驶过程中的现场环境图像信息,通过特征识别方法对这些图像信息进行处理,识别AGV所处环境、位置与方向,进而引导AGV下一步的运动.伴随人工智能的长足发展,机器视觉技术成为当下热门技术,但机器视觉存在如何准确、高效地识别周围环境,如何提升引导实时性等问题.

当智能物料搬运逐步取代人工、小推车等物料搬运方式时,机器视觉存在的问题给智能设备布置规划带来了挑战：

1) 路径特征的高可识别性,以保证视觉AGV能准确、高效地完成物料搬运;

2) 路径通行的高流畅性,以保证视觉AGV能实时完成物料高速搬运.

在制造业向数智化转型升级时,基于智能物料搬运的智能设备布置规划是实现智能制造的一个关键点.

2 基于机器视觉的设施布置规划模型

2.1 机器视觉下物流费用计算方法

带机器视觉引导的AGV等智能搬运车在搬运物料或返程过程中依靠视觉图像引导行走.除车辆类型、运动方式等因素会限制智能搬运车的运动速度外,也受到机器视觉引导系统的限制,在设定的条件下其运行速度有确定的设定值.

2.1.1 重叠路径的附加时间费用

机器视觉AGV在行走过程中需要不间断地进行视觉监测,一方面需要基于视觉图像进行运动引导,另一方面还需要判断是否与其他机器视觉AGV存在交汇、碰撞的可能.机器视觉AGV在运动过程中,相比其行走在非重叠路径上的速度,其行走在重叠路径上的运动速度会存在一定的速度损失,产生附加的时间成本.从而,在智能制造设备布置规划时应减少机器视觉AGV行走路径重叠,这将可缩短物料搬运时间、降低物料搬运成本.

设机器视觉AGV从场址i行走到场址j时正常运动速度为vij、搬运物流量为qij、所行走的路径长度为dij,该路段的物流费用成本为:

wij=ρijqijdij

式中,ρij为单位物品单位距离的搬运费用.

当路径为智能搬运车行走的重叠路径时,设速度损失率为αij,因速度损失导致的该路段附加时间成本为:

zij=bqijσij

2.1.2 转弯路径的附加搬运费用

当机器视觉AGV在搬运物料或返程过程中需要转弯时,AGV需要降低运动速度,从而引起附加搬运损耗.设单位物料单次转弯附加搬运费用为τij,当物流量为qij、该路径上存在lij个转弯时,该路径上因转弯路径产生的附加搬运费用为:

rij=τijqijlij.

2.1.3 圆弧路径的搬运损耗

从集成制造系统视角,制造单元是一种常采用的、可提高生产效率的布置方式,此时,如果采取智能AGV来搬运物料,那么智能AGV行走路线通常为圆弧形.

当依靠机器视觉AGV行走在圆弧路径上时,AGV需要时刻查看路径情况,必然导致较大的运行速度损失.设机器视觉AGV行走在圆弧路径上时速度损失率为φij,因速度损失导致的该路段附加时间成本为:

eij=φijqijdij.

2.2 智能搬运下设施布置规划模型

将n台设施布置在给定空间内,除考虑常规物料流动成本外,必须计量重叠路径的附加时间费用、转弯路径的附加搬运费用以及圆弧路径的附加费用.

常规物料搬运费用为：

(1)

重叠路径的附加时间费用为：

(2)

转弯路径的附加搬运费用为：

(3)

圆弧路径的附加搬运费用为：

(4)

因物料流动成本以及重叠路径等附加时间费用都是追求最小化,故可将它们统一构建总费用函数：

CT=Cw+Cz+Cr+Ce=

(5)

式中:β=0,1;γ=0,1;β+γ=1.

建立智能制造下基于机器视觉的设施布置规划目标函数:

minCT=min(Cw+Cz+Cr+Ce)

(6)

在给定约束条件下即可借助二次分配问题求解方法得到合理的布置规划方案,也可利用该目标函数来评价多个布置规划方案的优劣.

3 实例分析

3.1 优化方案构建

某公司主导产品分为三大类,这三大类生产工艺流程相似,由注塑线生产各种类型空调外壳,由蒸发器线生产、组装多种型号的蒸发器总成,并将它们与各种对应型号的外购件进行拼装,最终形成顾客需要的各种规格空调成品,并发送出厂.

某公司的厂区设施布置原始方案如图1所示.图1中,R区为各类原材料的暂存区.原材料经分装后,按生产订单由员工用小车分别拖送到P、N、V区,N区为外壳注塑生产线与储存区,V区为蒸发器生产线与储存区,P区为各类外购件储存区.P、V、N区储存的外壳分总成、蒸发器分总成、各类外购件均按计划由员工用小车送到分别位于L、D、M区的三条组装线,对应组装出三大类汽车空调产品,并运送到成品仓库W区.各区每天的物流量如表1所示.

图1 厂区设施布置原始方案

表1 由生产区至组装区的每天物流量 个

原始布置方案将生产与流程各环节严格区分,提升了各个环节间物流流动效率,保证了在制品的质量,也提升了区域利用效率.但原材料配送及分装流程不合理、运输工具效能较低、物流过程效率有待提升、空间面积还没有实现最优化.

因此,采用SLP法对该厂区重新进行设施布置设计.通过计算各节点间物流量、确定物流关系与非物流关系、计算综合相互关系量值,并根据各区面临需求提出布置规划改进方案[7],如图2所示.

图2 厂区设施布置改进方案(m)

此改进方案可优化布局、提升物料效率,此外还具有3个优点:1) 采用直送方式,将各类原材料直接送至指定的P、V、N区,消除了多余物料活动;2) 考虑P、V、N区对L、D、M区的一对多联通性,将P区、V区、N区三区出口并列,将L区、D区、M区三区并列;3) 满足了各区生产与储存作业的空间需求.

由图2可见,该布局规划方案中存在较多的重叠交叉路径,在细节上没有考虑到P、V、N各区对L、D、M各区在物流量上的差异.因而,在智能制造形态下,当将人工小车改为机器视觉AGV时,较多的重叠交叉路径与各路径上的物流量差异将降低整个厂区的物料流通效率、延长生产周期.

本文有针对性地对此改进方案进行优化,提出厂区布置规划的优化方案如图3所示.

图3 厂区设施布置优化方案(m)

3.2 方案对比分析

借助布局规划模型对厂区设施布置改进方案和优化方案物料费用进行计算分析.假设:

1) 两方案在各类原材料进场物流量上,经概算,优化方案的物流费用较改进方案的物流费用略小,差异可忽略不计;

2) 从L、D、M各区到W区的产成品搬运物流量与物流费用变动极少;

3) 不考虑两种方案从P、V、N各区到L、D、M各区的相同物流量(费用).

因此,重点计算两方案从P、V、N各区到L、D、M各区的不同物流费用.

在改进布局方案下,从P、V、N各区到L、D、M各区(仅计及不同物流费用)的单次重叠路径距离见表2所示;不计及并列设置的生产区—组装区之间的转弯数量,则从生产区至组装区的单次转弯数量见表2所示.

表2 改进方案的单次重叠路径距离以及单次转弯数量 (m,个)

为简便计算,可假设ρij=ρ,σij=σ,τij=τ(i=1,2,…,n,j=1,2,…,n).将表1、表2中的数据代入机器视觉下设施布置规划模型式(6),可得在改进方案下物流费用为：

((1×400+9×200+24×230)+

(14×350+4×300+11×160)+

(28×400+18×300+3×200))(ρ+σ)+

((200×2+230×2)+(350×2+160×2)+

(400×2+300×2))τ=

32 780(ρ+σ)+3 280τ

在优化布局方案下,由生产区至组装区的单次重叠路径距离以及单次转弯数量如表3所示.

表3 优化方案的单次重叠路径距离以及单次转弯数量 (m,个)

将表1、表3中的数据代入机器视觉下设施布局规划模型式(6),可得在优化方案下物流费用为：

((19×400+29×200+4×230)+

(8×350+2×300+23×160)+

(6×400+16×300+9×200))(ρ+σ)+

((400×2+200×2)+(350×2+160×2)+

(300×2+000×2))τ=

30 400(ρ+σ)+3 220τ

与改进方案相比,优化方案可节约物流费用为:

2 540(ρ+σ)+60τ.

4 结论

针对智能制造下如何降低物料流通时间和费用、提升物料流动效率问题,本文对智能物料搬运下的智能设施布置展开研究:

1) 在分析机器视觉特点的基础上,剖析了机器视觉AGV对设施布置规划的影响,要求智能设施布置应具有路径特征的高可识别性和路径通行的高流畅性;

2) 分析机器视觉AGV在重叠路径、转弯路径和圆弧路径上行走时时间损失费用产生原因,给出时间损失费用具体计算方法;

3) 考虑智能物料搬运时间损失费用,构建基于机器视觉的智能设施布置规划模型,为有效降低物流系统总费用提供了依据;

4) 将本文设施布置方法应用于具体实例,验证了基于机器视觉的设施布置规划模型的有效性.

有效的智能设施布置规划方法将有助于智能制造下制造企业降低产品生产总成本、缩短产品交货期,并以此可获得更多的市场竞争优势.