實(shí)現(xiàn)智能物流的目標(biāo)、滿足精益化管理需求，是汽車制造業(yè)在工業(yè)4.0背景下進(jìn)行產(chǎn)業(yè)升級的重要一環(huán)。
在生產(chǎn)智能化轉(zhuǎn)型的需求背景下，原本有待完善的生產(chǎn)系統(tǒng)物流體系，面對不斷攀升的物流以及庫存管理成本，使得車廠生產(chǎn)效率難以提升，制造成本居高不下。
物料配送作為整個生產(chǎn)系統(tǒng)物流的關(guān)鍵，如何有效地協(xié)調(diào)人員、設(shè)備、物料智能化調(diào)度，實(shí)現(xiàn)人機(jī)料的一體化管理，已成為車廠無法忽視的難題。
在整車生產(chǎn)車間，往往存在一個集中配料倉庫，汽車生產(chǎn)線上所需的所有物料都按照一定的次序擺放在倉庫內(nèi)，工人按照生產(chǎn)計劃依次進(jìn)行配料，當(dāng)物料低于安全庫存時就需要從倉庫搬運(yùn)物料為工位配料。
對于車間的配料作業(yè)，拖車?yán)瓌邮悄壳败嚻笫褂米顬閺V泛的模式——由工人判斷配料請求時機(jī)，上游生產(chǎn)系統(tǒng)根據(jù)工位與零件的綁定關(guān)系生成配料任務(wù)，再由現(xiàn)場物流工人通過拖車終端主動確認(rèn)任務(wù)并執(zhí)行反饋。
由于整車配套生產(chǎn)，各種物料的消耗速度不一致，在車間配料區(qū)往往出現(xiàn)不同區(qū)域的工位同時需要補(bǔ)料的狀況。當(dāng)生產(chǎn)系統(tǒng)中存在多個配料任務(wù)及空閑拖車時，傳統(tǒng)配料模式過多地依賴于工人的能動性，很容易引起工人搶單，造成現(xiàn)場混亂。
任務(wù)與拖車的不合理組合，使得部分拖車配料任務(wù)過多且作業(yè)路徑過長，有些配料區(qū)域的物料配送不及時，影響生產(chǎn)節(jié)拍，造成現(xiàn)場拋料，同時增大了物料配送成本。
以上問題都將直接影響到整個生產(chǎn)系統(tǒng)的流暢性，導(dǎo)致整車生產(chǎn)廠的供應(yīng)物流管理難度加大，甚至?xí)斐缮a(chǎn)停滯。
這時，為最大限度地提升現(xiàn)場物流工作效率、降低物流運(yùn)作成本、保證生產(chǎn)線的穩(wěn)定，就需要配料物流的運(yùn)輸鏈的及時性得到保證，在物流管理上具有更專業(yè)的信息技術(shù)手段和水平。
那么，車企又該如何實(shí)現(xiàn)補(bǔ)料作業(yè)從傳統(tǒng)人工請求模式到智能化指派式的轉(zhuǎn)變呢?這一轉(zhuǎn)型離不開基于調(diào)度算法引擎的智能化調(diào)度與最優(yōu)路徑這兩個模塊的有效結(jié)合。
1.智能調(diào)度推斷
為實(shí)現(xiàn)調(diào)度服務(wù)與上下游系統(tǒng)的完美集成，我們建議采用“規(guī)劃前置，提前調(diào)整”的解決方案——在整批任務(wù)執(zhí)行前，利用調(diào)度算法引擎，提前規(guī)劃好拖車的分派任務(wù)及行駛路線。
為滿足整個物流配送的流暢性及穩(wěn)定性，調(diào)度服務(wù)需要與上游生產(chǎn)系統(tǒng)、下游執(zhí)行系統(tǒng)進(jìn)行有效的集成，由拖車終端應(yīng)用根據(jù)調(diào)度結(jié)果確認(rèn)并執(zhí)行補(bǔ)料任務(wù)，進(jìn)而提升物流拖車有效利用率，降低拖車人員投入。
2.最優(yōu)路徑匹配
為實(shí)現(xiàn)任務(wù)智能組合、拖車優(yōu)化分配，智能調(diào)度推新的同時，需綜合考慮路障、路向、車速、擁堵等因素，實(shí)現(xiàn)最優(yōu)路徑匹配，為補(bǔ)料作業(yè)提供路徑指導(dǎo)及作業(yè)順序指導(dǎo)。
組合優(yōu)化的同時綜合考慮拖車負(fù)荷、拖車到取料點(diǎn)的時間，為可指派的拖車資源分配組合任務(wù)，完成物料的配送。從算法角度來看，就是將復(fù)雜的業(yè)務(wù)約束轉(zhuǎn)化為運(yùn)籌學(xué)中的數(shù)學(xué)問題，在不同約束條件下尋求某一目標(biāo)函數(shù)的最大(小)值。
由于車間補(bǔ)料作業(yè)長期以來面臨著實(shí)時送達(dá)、拋料浪費(fèi)、組合限制、路障沖突等多重限制，當(dāng)這些限制條件綜合在一起時，多車多任務(wù)的組合優(yōu)化就變得錯綜復(fù)雜，使得調(diào)度算法引擎的實(shí)施面臨多重痛點(diǎn)。
傳統(tǒng)模式的配料作業(yè)多依賴于工人的能動性，不同工人的作業(yè)方式不統(tǒng)一，使得業(yè)務(wù)流程和業(yè)務(wù)約束難以量化。
不同于市面的滴滴打車、菜鳥配送，車間調(diào)度更具微觀化、細(xì)致化，調(diào)度結(jié)果需精確到厘米級別，結(jié)果的可靠性及有效性直接與生產(chǎn)息息相關(guān)。
另外，考慮車間調(diào)度的時效性，算法必須有較高的性能才能與上下游系統(tǒng)有效集成。
為解決以上痛點(diǎn)及難點(diǎn)，在涉及業(yè)務(wù)約束的配送環(huán)節(jié)，我們更推薦于采用收斂速度相對較快的人工智能算法：通過迭代循環(huán)，快速尋找問題的可行解。而在涉及非業(yè)務(wù)約束的配送環(huán)節(jié)時，我們則推薦采用求解結(jié)果準(zhǔn)確的線性規(guī)劃，準(zhǔn)確求出問題的最優(yōu)解。通過智能算法與運(yùn)籌學(xué)的結(jié)合，實(shí)現(xiàn)整個調(diào)度算法的高效與穩(wěn)定。
與傳統(tǒng)配送方式相比，基于調(diào)度算法引擎以及路徑優(yōu)化模塊的智能指派式配送，將有效縮短整體配料時間，提高拖車?yán)寐剩瑴p少拖車人員投入及物料報警。高效的調(diào)度算法引擎與現(xiàn)場物流完美集成，真正實(shí)現(xiàn)物流的智能化運(yùn)作與精益化管理。
京公網(wǎng)安備 11010502049343號