基于数字平台的板式家具板材备料上料研究

王小飞 卿 彦 尹志远 杨 冰

（中南林业科技大学，湖南 长沙 410004）

板式家具板材的备料是生产管理中的一项重要内容，直接关系到整个家具制造过程的生产调度[1]。板材家具产品样式种类繁多，板件复杂多样。一个产品的加工成型要经过备料、开料、打孔、铣型、封边、包装等多道工艺[2]。板材备料计划的不合理会造成原材料浪费，上料环节的调度不仅影响设备工作效率，也会影响产品生产周期，造成交付延期的问题。钟洪江等[3]总结了备料生产环节的信息化需求，将优化排样与生产管理相结合，提高了材料利用率。黄鹏鹏等[4]通过建立关于最佳物料备料量及暂存区规划的数学模型，并使用精益思想分析方法对备料上料过程进行规划，从而求出最佳备料量，解决了企业生产线的生产能力与物料需求不匹配的问题。冯雁[5]提出了在生产波动下，制品最小备料量的数学模型，实现了车间生产节拍与备料的同步化。付宇[6]提出一种融合K-means聚类算法的多准则库存分类法的库存策略，解决了烟草企业备料库存积压严重的问题。

综上所述，本文通过对板式家具企业备料上料问题展开研究，分析数据流，建立备料模型与上料模型，并用遗传算法求解模型。根据模型搭建数字备料上料平台，将数字化技术和车间的生产管理相结合[7-9]，解决了订单备料上料中板材利用率和设备使用效率的问题，满足了大批量订单生产的需求。

1 研究内容与方法

为能更好地对数字化备料上料平台展开研究，首先根据板式家具的生产现状，构建备料模型与上料模型。然后通过遗传算法求解数据模型，模型的表示可以使问题的表述更直观。

1.1 模型构建

1.1.1 备料模型

板式家具的订单类型中包含了各种不同尺寸的工件，工件所包含的数据集合可以表示为：

式中：qi为任一一个工件，个；为工件数量，上标m表示包含颜色、厚度等信息，个；为工件长度，mm；为工件宽度，mm。

备料模型可以表示为：

备料过程中算法的搭建与优化要根据模型进行。式（2）表示任意的工件面积大于0，也就是表示工件存在；式（3）表示排样剩余余料的面积，余料长度和宽度的限制范围；式（4）表示所有排样工件面积与余料面积之和；式（5）表示板材综合利用率；式（6）表示求解出的板材数量小于库存的板材数量。

在模型求解过程中，为求解出满足需求的最大板材利用率，系统会不断优化求解的集合。随后，将求解出的板材数量集合与板材仓库中的库存数量作对比，当板材数量大于库存数量时，系统暂缓备料，等库存补充之后重新安排备料。当板材数量小于库存数量时，系统确认备料计划，并安排下一阶段的任务。备料数据集合则表述为：

1.1.2 上料模型

上料模型可以表示为：

式中：e为电子开料锯单位时间开料量，n/min；T为电子开料锯每天的标准工作时间，min；为任一批次板材上料数量，块；b为备料区单位时间备料量，n/min；ti为车辆运输板材所花费的时间，min，t为电子开料设备在加工第i+1批次板材时因板材未及时送到而浪费的时间，min；T0为电子开料设备每天的最大工作时间，min。

式（8）表示板材备料数量与电子开料锯每天产能相匹配；式（9）表示电子开料锯工作时有停机；式（10）表示电子开料锯每次的停机时间；式（11）表示电子开料锯每天的最大工作时间。

1.2 模型求解

1.2.1 遗传算法介绍

遗传算法模拟大自然中生物进化过程，通过随机选择、交叉和变异操作[10]，可以不断优化选择，搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解，在求解复杂问题时有很强的适用性[11-12]。

1.2.2 算法求解

板材备料模型的求解是为了得到最大的板材利用率，要求输入备料订单数据，输出板材利用率与排版结果。依据遗传算法的三大步骤，适应性函数选择最大值原则[13-14]，首次遍历选择面积最大板材，并加入M集合；在剩下的数据集里选择符合要求的数据，根据上次选择板材的长宽计算出剩余面积，并从中选择最大的面积作为这次的备料面积；将前面步骤进行迭代，可得到全局最优解。根据模型的求解可以分为以下步骤：

1）导入数据：N个d和w，板材的长D，宽W，板材的面积S。

2）初次筛选数据：按照最大值原则在N个d和w中，选择最大的di*wi，并满足di≤D，wi≤W，di*wi≤D*W，D1=D-di，W1=W-wi。

3）多次筛选：ifW*D1

Or MaxS=W*D1,W=W1

重复2、3步骤，直至MaxS

板材上料模型的求解是为得到最优上料计划，减少扰动，提高设备工作效率。执行制造系统MES（Manufacturing Execution System）主要进行生产调度任务[15]，利用数字平台的MES与设备进行数据交互[16]，系统采集生产过程中的动态数据，做出动态调度指令，完成板材上料。

2 数字平台搭建

板式家具数字化备料上料平台主要用C++语言结合MFC（Microsoft Foundation Classes，MFC）进行集成，结合板材备料模型和上料模型，并与MES和ERP等系统进行联动。系统主要由数据采集与数据分析两大部分构成，数据采集依靠MES系统的自动数据采集技术。电子开料锯提供API接口与MES系统的数据接口接通，电子开料锯内部的可编程逻辑控制器（Programmable Logic Controller，PLC）将设备运行状态等数据传输到MES系统[17-18]。MES系统访问ERP系统中板材仓储数据，备料优化数据与板材库存相同步[19]。

数据分析：MES系统对采集的基础数据、生产数据和物料数据首先进行数据清洗，再进行数据分类[20-21]。平台对不同类型进行协议转换，使用边缘计算提高数据处理能力，通过自我学习完成自我判断与决策[22-24]。平台依据数据分析结果，评估不同生产线的生产能力，结合不同生产线的生产工艺对工单进行上料作业[25]。

图1 数字平台备料上料框架图Fig.1 Digital platform material preparation and loading frame diagram

3 数字平台测试

数字平台搭建完成之后，选择板式办公家具企业A进行数据测试。在备料阶段，A企业由人工排产方式组批生产，排列出工单的开料顺序。仓库备料人员根据工单顺序备料。由于无法获知设备的开料情况与板材运输情况，整个备料过程中物料流转不能与设备保持一致，板材的备料与上料无法同步，电子开料锯出现等待开料的现象，极大地浪费了设备资源。备料阶段选择单一规格板材，没有考虑板材规格与板材利用率的关系，降低了板材综合利用率。

3.1 板材综合利用率

板式家具企业常见板材规格有3种，1 220 mm×2 440 mm、1 530 mm×2 440 mm和1 830 mm×2 440 mm。随机选择20个待备料订单，首先将订单用板材优化软件进行排版优化，分别选用3种不同规格的板材测试。为进行对比测试，将20个订单的数据在数字平台上进行分析，并把分析结果发送至CutRite板材优化软件。测试结果如表1和表2所示。

表1 单一规格板材利用率Tab.1 Utilization rate of single specification sheet

表2 数字平台板材利用率Tab.2 Sheet utilization rate of digital platform

根据测试结果可以看出，在选择单一规格的板材备料生产时，板材利用率并不高。选择1 220 mm ×2 440 mm规格板材备料时，板材利用率最大为88.46%，而数字平台的板材利用率达到了93.96%。原因是板材排样对工件有颜色、横纵纹理和尺寸的限制，工件尺寸和板材规格都会影响板材利用率，不同组合的板材规格可以优化订单排样。相比于用单一规格板材备料生产的方式，数字平台对订单分析选择不同规格的板材进行排样备料，有效避免了因大工件排样产生的废料过多问题。

3.2 开料设备的时间开动率

时间开动率表示设备的时间利用情况，是设备使用效率的指标，可以定义为设备的开动时间与负荷时间之比。电子锯的时间开动率能代表板材上料的情况。开料设备在测试中选取两台电子开料锯，A电子开料锯采用人工备料方式、B电子开料锯使用数字备料上料平台，每天的备料任务量都满足电子开料锯的最大产能。选择平台应用前1个月的数据，摘取连续15 d的数据进行对比分析，采集数据如表3所示。

表3 电子开料锯开动时间Tab.3 Operation hours of electronic cutting saw

根据数据对比可以看出，电子开料锯A平均开机时长由12.14 h提高到16.66 h，平均时间开动率由平台应用之前的63.81%提高到平台应用之后的87.67%。电子开料锯B的时间开动率提高主要原因是，在数据平台应用之后解决了备料上料过程的人机不协调问题，实现了信息化上料。

图2 数字平台使用后设备开动时间对比Fig.2 Comparison of equipment operation hours after the digital platform is used

4 结语

家具行业正面临产业升级，生产制造智能化已成为企业升级改造的目标之一。针对板式家具企业备料上料过程中出现的各种问题，笔者经过实地调研，总结了板式家具企业备料的现状与当前面临的困难，建立了备料模型和上料模型，并进行算法优化求解模型，搭建了数字备料上料平台，实现了信息采集分析、备料上料的数字化管理，开料精准派工、制造资源共享，提高了设备产能，增加了企业经济效益，提升了家具企业制造水平。