模具车间MES系统的研究与应用

吴定会，许世鹏，刘 稳

（江南大学 轻工过程先进控制教育部重点实验室，无锡 214122）

模具车间MES系统的研究与应用

吴定会，许世鹏，刘 稳

（江南大学 轻工过程先进控制教育部重点实验室，无锡 214122）

针对模具生产制造过程，研发了基于RFID的模具制造过程精益管控系统。首先，构建基于固定式RFID、手持式RFID、电子标签和无线路由硬件架构的数据采集系统，设计车间生产过程动态MES系统；然后建立车间优化调度模型，采用改进的鸡群算法，进行车间排产优化系统的设计与研发。最后，通过系统上线前的仿真测试和上线后的实际运行效果证明，示范企业模具车间的加工效率有了明显提升。

模具制造；精益管控；MES系统；优化调度

0 引言

由于模具独特的典型性，单件生产、产品生产周期长、需求/技术/设备/人员各方面不确定因素多，为模具生产计划的编制和进度反馈带来很大的困难。ERP编制出来的长周期的计划，综合考虑了能力、优先级等客观因素，结合项目管理的思想基本实现宏观计划的调控[1,2]，但由于不能及时掌握车间生产实际情况，厂级生产计划下发到制造车间执行时，多数订单的实际生产进度与ERP计算出的进度之间产生较大的不一致，导致车间很难按照ERP所定的厂级生产计划对车间的生产任务进行安排[3]。

针对上述问题，本文在某示范企业的模具制造车间建立了MES信息化系统，主要包括以下内容：模具车间硬件设施铺设，包括固定式RFID阅读器、手持式RFID阅读器、电子标签、无线路由器、环境传感器（温度、湿度、振动、噪声、粉尘）和智能电表等；基于RFID的模具车间信息采集；基于RFID的模具车间MES系统开发和基于鸡群算法的柔性作业车间优化调度。从硬件铺设、数据采集、软件开发到车间优化调度系统的建立，形成了针对小型化多品种模具加工制造过程的精益化信息管控，不仅提高了车间的生产管理效率，还使得车间管理更加透明化、智能化。

1 基于RFID的模具车间生产数据采集

根据模具制造业车间工作环境，建立基于RFID数采系统的模具车间信息化管理系统。相较于条形码而言，RFID技术以其可重复读写、高储存度、耐久性好、识别性好等优点，被广泛地应用了各类行业[4]。考虑到示范企业模具车间生产设备自动化程度低，工作空间有限等实际情况，采用了以手持式RFID阅读器为主，固定式阅读器为辅的信息采集模式，这样使得工人采集加工信息的方式更加灵活，增强了可操作性。

针对困扰车间主任的模具质量追责问题，本文采用了人员卡、机器卡和零件卡三卡绑定的信息采集形式，工人在加工零件的某一道工序时，必须同时采集到这三张卡的信息后才能完成发送，发送成功后，就可以在车间大屏幕上实时显示出来哪个工人在哪台机器上加工什么零件，并且还可以看到加工的开始时间和结束时间，系统也会一直保留这些加工记录。如果在试模后发现模具出现不合格的情况，就可以根据刷卡记录查找到是在哪一个加工环节出现了问题，当时的操作工是谁都可以查看，这样无形中就对工人工作的自觉性起到了约束作用，车间管理也会更有效率和透明化。

1.1 采集操作

每一个待加工的零件以及机器都有其对应的电子标签，当零件开始加工时，通过手持式RFID读卡机同时采集零件、人员和机台信息，并将采集到的信息发送至服务器，如图1所示为信息采集操作示意图。

图1 采集操作示意图

1.2 信息传递

RFID读卡器采集每个车间的工件加工情况，并通过以太网将数据发送到服务器中，服务器将数据存储在数据库中并进行处理，将处理好的结果显示在网页上，如图2所示为信息传递示意图。

2 模具车间MES开发

MES是模具制造信息化的综合管理平台。它站在整个企业信息化的高度上，提供统一的对象工厂模型，形成企业的基础数据信息库。大部分业务数据的维护工作、业务流程的日常处理均可以直接在平台上组态生成，形成业务数据模型到界面输入输出模式的直接映射[5]。

MES还是企业信息化软件开发平台，它通过数据访问引擎，报表引擎，图形引擎等各种软件组件提供的应用软件编程接口，为用户和开发者提供了丰富的软件自定义和扩展方式。MES平台基于Microsoft. Net技术架构体系，多层B/S架构，支持多种关系数据库，支持基于WCF的分布式系统，如图3所示为模具制造MES平台架构示意图。

信息感知就是对信息数据的感应和获取，也就是对信息数据的采集。信息感知为智能工厂建模提供了最原始的数据来源，是实现智能工厂建模的前提和基础。信息感知最直接的表现形式就是数据采集，即感知数据从感知节点汇集到汇聚节点的过程。通过利用各种感知设备和技术，如各种传感器技术、RFID射频技术、电子标签等各种感知元件与技术，对工厂生产过程进行实时数据采集和过程可视化监控，采集工厂生产过程的声、光、热、电、力学、位移等各种生产过程信息，构建工厂内部局域网，并将工厂生产过程网络与工厂外网互联互通以实现快速化识别、精确化定位、实时化跟踪、可视化监控。同时管理工厂中的人机料、生产进度、工艺参数、生产质量和环境等各种生产要素，实现自动化管理[14]。

图2 信息传递示意图

图3 模具制造MES平台架构

基于上述要求，提出了如图4所示的精益管控智能工厂信息感知平台架构，该架构主要由感知信息层、网络层、信息融合层、数据采集层、上层应用和数据服务层六部分组成。

3 模具车间优化调度系统

模具制造行业的生产方式具有多品种、少批次的特点。在某一个时间段上，一条生产线只能安排一个品种产品的生产，而市场所需要的品种很多，短时间内每一个品种的需求量相对较小，产能要远大于市场短期需要量，造成生产能力的浪费和库存压力。这种“离散”的生产方式往往造成生产作业的信息复杂且不易控制，均衡的生产计划和作业计划难以实现，导致产品不能按期交货、质量得不到保证、企业经济效益低等问题。

通过建立合理的车间调度方案以实现排产优化，从调度理论、软件设计和数据采集和处理三个技术层面入手。在调度理论方面，首先针对示范企业模具车间的实际加工具有柔性化和动态化的特点，通过引入虚拟工序和虚拟工时概念对车间建立实际的多目标调度优化数学模型。其次，提出了基于周期调度和动态调度相结合的策略并采用了滚动窗口调度工序技术，将动态调度转化为多个连续的静态调度窗口。最后，在静态调度窗口下针对调度模型设计了一种解决多目标柔性作业车间调度的鸡群算法。在软件层面上，首先通过MATLAB编程语言编写了调度算法，通过MATLAB里的GUI设计了调度界面；其次，将调度结果通过MES软件平台显示。在数据采集和处理方面，首先应用RFID射频读写技术实现车间调度所需相关加工数据的采集并实时更新至数据库；其次，对数据库中的数据建立视图，整合数据格式，并设计了MATLAB程序与数据库读写的通道。最后通过将调度理论、MES 软件平台和感知数据相结合，形成了基于感知数据的车间优化排产调度系统并将该系统成功应用于示范企业模具加工车间的实际生产中，实现了提高模具加工效率，缩短模具开发周期，提升首次试模成功率和降低模具制造成本。

图4 精益管控智能工厂信息感知平台架构

图5 调度方法研究示意图

3.1 车间调度优化目标

本文所优化的三个目标主要是从同时兼顾调度有效性和调度稳定性入手，采用最大完工时间、最大拖期时间和偏差度作为优化目标，三个优化目标的具体描述如下：

1）最大完工时间最小

完工时间是每个工件最后一道工序完成的时间，其中最大的那个时间就是最大完工时间（makespan）。它是衡量调度方案的最根本指标，主要体现车间的生产效率[18]，也是柔性作业车间调度中应用最广泛的评价指标具体表示为：

其中，Cj为第j个工件的完工时间。

2）提前/拖期最小

准时制的生产必须考虑交货期问题，工件完工时间越接近交货期，表明其交货期性能越好。落后于交货期则产品不能按时交货，提前于交货期则浪费库存成本。用最大拖期时间表示工件Jj的完成时间Cj与交货期时间Dj的绝对值差值，即：

3）偏差度

采用偏差目标函数的原因是一旦预调度方案投入实施后，车间就会付出一系列的准备工作（比如订购原材料、调试机器、组织工人、制定交货期等等），如果生产过程中出现的扰动情况对这些准备工作产生负面影响，就应该把这种偏差尽量减小。偏差度的定义为：发生扰动时，重新产生调度方案后，尚未加工的工序在预调度和再调度两种方案里的开工时间的偏差和。

3.2 滚动调度工序窗口

滚动窗口重调度方法来源于预测控制中的动态矩阵控制理论。其主要思想就是把整个动态调度过程分为连续的几个静态区间，对每个静态区间执行静态调度。在应用滚动调度工序窗口技术前，我们首先根据玩具厂的实际生产情况定义5种工序类型：1）已完工工序；2）正在加工工序；3）等待加工工序；4）未加工工序；5）返工工序。已完工工序为两次重调度时刻之间已经加工完工的工序，正在加工工序为重调度时刻机器上正在加工的工序，等待加工工序为上一次重调度时刻已经调度但到这一次调度时刻还未加工的工序，未加工工序为这一重调度时刻已经释放但是还未参与调度的工序，返工工序为重调度时刻前试模后不合格还未重新调度的工序。同时我们定义三种工序窗口：完工窗口、调度加工窗口、等待加工窗口。完工窗口存放已经加工完毕的工序，调度加工窗口存放正在加工的工序和等待加工的工序，待加工窗口存放未加工工序和返工工序。

图6 工序窗口和工序集的关系示意图

初始调度时刻和重调度时刻，从待加工窗口选取一定数量的工序和调度加工窗口的工序一起组成重调度时刻待调度的工序。各工序窗口和工序集的关系如图6所示。

3.3 基于周期性和动态事件相结合的调度策略

3.3.1 两种调度方式

基于周期性和动态事件相结合的调度策略调度根本思想就是在原始的调度方案下不停触发进行重调度。考虑到在调度时要从全局考虑调度的整体情况，同时又能随机应对局部的突发事件，所以综合全局和局部考虑，我们采用全局性的周期重调度和局部事件驱动相结合的重调度策略。周期重调度就是每隔一个时间周期就触发进行重调度，事件驱动重调度就是每产生一个动态事件，就触发进行重调度。对于这两种调度方式，下面分别来介绍：

1）周期性重调度

周期性重调度就是每隔一定时间段就进行重调度。那么周期性重调度的一个关键问题就是确定两次重调度时刻的时间间隔。如果时间间隔太短，则调度太过频繁，生产实现太过复杂。如果时间间隔太短，则重调度次数太少，调度的意义不大，考虑到示范企业的模具加工车间的实际上班时间为早上8：30，我们就采用每隔24小时进行一次重调度。周期调度时刻可以确定为每天早上8：30。

2）动态事件调度

动态事件调度表示突然发生了动态事件，导致在非周期重调度时刻就触发进行重调度。动态事件的种类很多，考虑到该示范企业的实际加工情况，我们主要考虑两类动态事件，一个是机器故障，另一个是紧急订单插入。

3.3.2 周期性和动态事件的处理方法

不管是周期性重调度还是动态重调度，调度处理的方法都是汇总调度加工窗口和待加工所有工序，并给这些工序设立加工顺序优先级，因此，本调度问题与传统作业车间调度问题的一大不同就是不同工件的工序之间有加工优先级区别。周期性调度和不同动态事件触发的重调度对应的工序设立优先级的原则不同，优先级高的工序优先加工，优先级低的工序后加工。下面我们讨论不同情况下的工序处理方法：

1）周期性重调度且上一调度周期无延迟完工的工序在重调度时刻，正在加工的工序仍然在原机器上继续加工。对于其他所有该时刻等待加工工序中，上一周期未处理的紧急插单对应工序的优先级最高，返工工序的优先级次之，剩下的工序优先级一样。

2）周期性重调度且上一调度周期有延迟完工的工序。在重调度时刻，正在加工的工序仍然在原机器上继续加工。对于其他所有该时刻等待加工工序中，上一周期未处理的紧急插单对应工序的优先级最高，返工工序的优先级次之，延迟完工工序优先级再次之，剩下的工序优先级一样。

3）机器故障重调度

这里的机器故障重调度指的是该机器已经不能进行加工，如果机器经过短暂维修可继续加工并造成部分工序完工延时，则按照前文第2种情况处理，这里不再赘述。对于机器故障，需要部分工序更改加工机器，在重调度时刻，正在加工的工序仍然在原正常机器上继续加工，如果是故障机器上的工序，则重新选择加工机器，所有工序的优先级设置与第一种情况一样。

4）紧急订单加入

在重调度时刻，正在加工的工序仍然在原机器上继续加工。对于其他所有该时刻等待加工工序中，紧急订单对应工件的加工工序的优先级最高，返工工序次之，剩下的工序优先级一样。

如图7所示为某公司模具车间生产调度界面，分为产生初始调度方案、周期性调度、机器故障调度和紧急插单调度四个调度模式。

如图8所示，红色曲线为某公司模具车间2015年07～09月份调度前的原始数据，黑色曲线为2015年10～12月份调度后的生产数据，从图中可以看出，采用优化调度方案之后，模具车间的生产加工工序数明显提高，在相同的时间内，加工效率大大提升。

图7 某公司模具车间生产调度界面

图8 生产调度曲线对比图

4 结论

本文从促进制造业转型出发，着手解决生产实际问题，以制造业模具管理为背景，针对模具管理规范化难、找模效率低、纸质化管理记录不全面、易出错等问题，通过运用物联网技术改造传统制造业模具管理模式，实现模具规范化管理，促进企业无纸化管理，进而推动企业信息化，提高企业生产管理效率。本课题中研究设计的基于物联网技术的模具管理系统具有极强的适用性与可扩展性，在广大中小型制造企业的模具管理中具有一定的示范意义。

[1] 董鹏,龚晓光,郑迪凡,等.ERP管理思想及其发展趋势探析[A].全国先进制造技术高层论坛暨制造业自动化与信息化技术研讨会[C].2012：10-13.

[2] 王群,陈丽芳,叶宁.ERP管理系统的工业化普及现状与应用[J].现代企业,2016(3)：17-18.

[3] 王晖,邓涛,刘喜微.西可模具厂生产管理过程对MES的需求分析[J].电子世界,2016(7)：87-88.

[4] 赵斌,张红雨.RFID技术的应用及发展[J].电子设计工程,2010, 18(10)：123-126.

[5] 郑哲.离散制造业MES/ERP的信息集成分析[J].数字技术与应用,2016(11)：218-218.

[6] 黄振刚,鲁建厦,王成.MES环境下作业车间多级动态调度方法研究[J].机械设计与制造,2011(11)：240-242.

Research and application of MES system in mold shop

WU Ding-hui, XU Shi-peng, LIU Wen

TP29

：A

：1009-0134(2017)05-0008-05

2017-02-14

国家自然科学基金资助项目（61572237，61573167）

吴定会（1970 -），男，安徽合肥人，副教授，博士，研究方向为车间智能优化调度算法、物联网技术。