智能生产物流系统模型及平台研究

陈俊梅，石宇强

（西南科技大学 制造科学与工程学院，绵阳 621010）

0 引言

物联网与互联网的高速发展促进了工业4.0的发展，使制造业逐步迈入了智能化阶段。制造企业多数以多品种少批量的生产为主，但是如何能智能化地实现制造服务的个性化需求成为了难题。而通过对生产物流系统的智能化构建是能够解决这个难题并能降低生产、流通中成本的有效途径。

杨咪[1]、闻学伟[2]等对智能生产物流系统的设计所需的技术支持进行了归纳和一定的系统设计，但缺乏一定的理论深度。方泳[3]等人对实现柔性化绿色制造提出了三个创新智能物流技术装备：智能轨道柔性搬运系统、多层智能穿梭车系统、可循环使用的包装技术，为智能化物流发展规划了新的延伸道路。Min-Hui Zhang[4]等通过对大规模定制物流调度建立数学模型，运用粒子群算法优化协作决策，有效地解决协调生产物流系统中物流在选择物流节点和协调节点合作的调度优化问题。

但是目前还没有一种关于智能生产物流系统的具体模型，而且对德国工业4.0背景下的智能生产物流系统的相关研究的文献也严重缺乏。因此本文提出了这个关于智能生产物流系统的模型，并且通过建立管理平台，实现了其中关于智能配送的重要模块。

1 工业4.0概况

德国工业4.0是以智能制造为主导的生产方法，充分结合了信息物理系统（CPS，Cyber-Physical System）与信息通讯技术。其本质就是构建基于信息物理系统的“智能工厂”以实施智能制造，实现人、设备以及产品的实时联通。达到生产制造过程中的设备、产品等能够智能的感知自我所需、所缺和下一步的去向，实现物料、机器、生产制造、物流、仓储等相互间的智能匹配、协调和控制。

而在工业4.0的要求下完成智能生产物流系统模型，可实现在生产上，配料准确，执行更规范，上下联动紧密准确；在缓存和仓储上，物料识别简单方便，任务交接快捷简单，物料存放清晰透明；在配送上，物料配送准时，配送路径畅通，载货清晰。同时还能实现缓存区、库位、生产线等多方位物料信息的透明化，大幅度减少在制品和库存数量；并实现生产物流系统中的人、机、物等信息的自动绑定和记录，以使生产、物流的整个过程可跟踪、可追溯。

2 智能生产物流系统模型

工业4.0的核心内容是“智能制造”，而实现智能制造要从产品的全生命周期考虑。以生产制造的全方位自动化为基础，实现产品的设计、仿真、生产、物流、仓储、销售、管理的全过程数字化，集成融合ERP（Enterprise Resource Planning，企业资源计划）、MRP（Material Requirements planning，物料需求计划）、MES（Manufacturing Execution System，制造执行系统）、WMS（Warehouse Management System，仓库管理系统）、CRM（Customer Relationship Management，客户关系管理系统）、物流管理系统、知识管理系统等系统的管理，协同RFID（Radio Frequency Identification，无线射频识别）技术、数据挖掘技术、PLC（Programmable Logic Controller，可编程控制器）技术、图像识别技术、传感器技术、云制造等先进技术，以最终实现产品集成、制造过程集成、制造体系集成。

智能生产物流系统是保障智能制造运作畅通的核心部分，因此，根据智能制造的特点，构建了如图1所示的智能生产物流系统模型，整个系统的总体结构由采集数据的智能对象层，数据传输、处理的网关层和服务层，以及执行控制的应用层组成。利用通信接口与以太网结构将阅读器、RFID中间件、数据库服务器、企业管理系统以及其他模块和终端连接起来[5]。

图1 智能生产物流系统模型

根据智能生产物流系统的模型，构建一个基于物联网的智能管理的系统平台来对生产物流系统进行管理控制。智能生产物流管理系统主要包括智能生产管理、缓存管理、智能配送、仓储管理、数据采集五个子系统如图2所示。向上，系统与企业ERP、MRP、MRPⅡ（Manufacture Resource Plan，制造资源计划）相集成，获取基本的产品、工艺、生产订单等的基础信息；向下，与不同设备、工具、区域相联，通过无线射频技术，对RFID标签进行数据采集，有效监控管理生产、物流。

图2 智能生产物流系统功能结构

3 智能配送

在智能生产物流系统中，智能配送是连接线上生产物流管理平台与线下生产制造实施的重要纽带，是生产系统高效运作的核心。而智能化配送的前提是要对瓶颈工序的控制实现智能化，用以促进智能配送的调度优化。同时配合智能仓储、缓存则能保障生产制造以及配送更加畅通，避免生产中断和配送拥堵，降低系统中的潜在瓶颈。

3.1 瓶颈智能控制

以RFID系统的监测与追踪为基础，通过TOC（Theory of Constrain）理论的原理，找出生产过程中的瓶颈，再运用DBR（Drum-Buffer-Rope）方法对生产流程进行优化控制。通过平台可知瓶颈工序的智能感知状态与反馈情况，以瓶颈消耗物料的速率把物料“拉”进智能生产系统，而在瓶颈后的工序，随着生产节奏，物料逐步向后 “推”，同时把相应的物料消耗及时反馈给瓶颈，以利于瓶颈的自我调节或平台的调度[6]。如图3所示，以瓶颈的智能控制为轴心，向上向下推拉并进的方式进行生产，有效保持了瓶颈的稳定和在制品的恒定。随后根据瓶颈的反馈情况，通过智能生产物流系统平台更新生产物流配送计划、缓存情况以及调度方案。

图3 瓶颈优化控制模型

3.2 叉车智能配送

先对瓶颈进行智能的控制，完成其相应的配送和缓存需求，根据瓶颈来智能匹配出生产节奏，然后对其前后工序进行智能地规划、配送。企业生产物流中的货物配送、移动基本上靠叉车、AGV（Automated Guided Vehicle）小车等搬运工具进行操作。不同于以往的叉车配送，智能叉车装有车载电脑，每个叉车前端和底端安装有RFID阅读器。根据图4的配送执行程序进行智能配送，前端对配送货物信息和绑定信息进行识别、读取，底部对库位信息以及路径信息进行识别、读取，在配送的过程中，不断上传信息到智能生产物流系统管理平台，时时更新数据。

图4 智能叉车配送执行流程

3.3 缓存、仓储智能管理

根据瓶颈工序的前后缓存情况，推拉并进得到瓶颈前后工序的缓存信息。通过对缓存区域信息以及仓储库位的信息管理，能迅速有效的知道货物的存放信息，物料的生产完成状况，以及在制品存放数据。如图5、图6所示，管理物料存放的详细信息，包括存放时间，库位编号等；通过数据采集技术来管理库位、物料基本信息，通过生产计划获得客户订单信息，根据生产情况，自动合理分配库位与托盘，同时，自动融合特殊情况的手动分配信息。使得库位与货物有效合理地绑定，实现缓存、仓储过程的透明化。

图5 仓储库位管理图

图6 缓存库位管理

3.4 配送与仓储集成

通过配备手持式智能终端，管理人员可以对流通加工过程的计划排产、物料上下线、生产执行、在制品存放、成品下线的全流程进行监控管理。如图7所示，在RFID系统的基础上，对标识卡识别、数据采集、信息追踪，智能叉车下载任务并执行，并且更新完成配送信息，以及货物状态数据。集成配送与仓储管理信息，动态管理缓存、库位，其中绿色为可用空间，橙色为已用空间，动态分配与监管区域信息，时时反馈到生产物流优化终端，有效更新配送任务与存储规划。

图7 智能配送与仓储

4 结论

根据制造服务化的工业4.0思想，建立智能生产物流系统模型，并根据模型搭建其管理平台。通过平台与RFID系统的结合，运用TOC理论、DBR技术和CONWIP方法对瓶颈生产进行智能匹配控制。根据瓶颈生产情况，向前拉动生产，向后推动加工，推拉并进地指导物料、在制品的物流配送。并以此为基础，实现叉车智能化的配送与搬运，以及缓存和仓库的智能化识别、排位、提醒，提升生产和流通过程的智能化。实现物质流与信息流在生产物流系统中严格同步，在适当的时间，以适当的数量进入适当的区域，以达到优质的生产。不仅有效地控制了瓶颈，还减少了生产、配送的阻塞以及在制品的堆积。

接下来可以将智能生产物流系统与精益制造执行系统（LMES）相融合，以使生产物流保障制造过程，精益制造过程指导生产物流，两者相辅相成。也可将智能生产物流系统与数据挖掘技术结合，有效利用生产物流系统中的知识获取、知识筛选、知识存储、知识表达等技术，实现生产物流系统更加专业化的智能过程。

[1] 杨咪,王明宇.基于物联网的智能物流研究[J].中国商贸,2013(12).

[2] 闻学伟,汝宜红.智能物流系统设计及应用[J].交通运输系统工程与信息,2002.2(1).

[3] 方泳,吴超.创新智能物流技术装备—实现柔性化绿色制造[J].制造业自动化,2013(11).

[4] Zhang M.H, Gao X.L, Zhou X.Y. An Intelligent Scheduling Strategy of Collaborative Logistics for Mass Customization[J]. Procedia Engineering, 2012, 29： 2621-2626.

[5] 罗风.RFID在供应链物流管理中的应用研究[D].西南交通大学, 2009.

[6] 高贵兵.混流制造系统生产物流优化关键问题研究[D].武汉：华中科技大学,2011.9.

[7] 邹强强,石宇强.精益制造执行系统(LMES)的研究与开发[J].制造业自动化,2014(21).

[8] Andrzej, A.Hierarchical Integrated Intelligent Logistics System Platform[J].Procedia- Social and Behavioral Sciences,2011,20： 1004-1016.

[9] Rodrigo, R.O, Felipe, C.N.,Cristiano, A.C. et al. SWTRACK： An intelligent model for cargo tracking based on off-the-shelf mobile devices[J].Expert System with Applications, 2013, 40： 2023-2031.

[10] Nemasipova, A.N. To a question on optimization of strategy of manufacture and distribution of goods traffics in transport system[J]. Azerbaijan： Azerbaijan Technical University,2011.

[11] Wu Youbo, Tao Yi, Pan Xiaohong et al. RFID-Based Optimization Method for Inventory Control Strategy[J].Switzerland： Trans Tech Publications Ltd.,2010.

[12] Mohan, M.R.,Shahabudeen, P.,Kannan, G.The design of vehicle routes for a third-party logistics service provider using the simulated annealing algorithm[J].Switzerland： Inderscience Enterprises Ltd.,2009.