2022 年 5 月 机床与液压 May 2022

第 50 卷 第 9 期 MACHINE TOOL ＆ HYDＲAULICS Vol. 50 No. 9

DOI： 10．3969 / j. issn. 1001－3881. 2022. 09. 027

本文引用格式： 郭世 超，张 利 平，唐 秋 华，等． 新 能 源 智 能 装 配 车 间 的 AGV 物 流 仿 真 与 优 化［J］． 机 床 与 液 压，2022，50
（ 9） ： 163－ 168．
GUO Shichao，ZHANG Liping，TANG Qiuhua，et al．AGV logistics simulation and optimization of new energy intelligent
assembly workshop［J］．Machine Tool ＆ Hydraulics， 50（ 9） ： 163－168．
2022，

新能源智能装配车间的 AGV 物流仿真与优化

1，
2 1，
2 1，
2 1，
2
郭世超 ，张利平 ，唐秋华 ，黄雨晨
（ 1. 武汉科技大学，冶金装备及其控制教育部重点实验室 ，湖北武汉 430081；
2. 武汉科技大学，机械传动与制造工程湖北省重点实验室 ，湖北武汉 430081）

摘要： 以新能源电池包智能装配车间为背景，针对自动引导车 （ AGV） 的数量和运载能力对产线生产的影响进行研

究。分析该智能装配车间的特点，设计基于物料整包配送的 AGV 响应规则； 采用 SIMIO 软件建立实际生产场景的 AGV 物
流仿真模型； 以该智能车间的实际生产数据为例，结合统计学手段，采用方差分析、敏感性分析优化 AGV 数量和运载能
力； 进行 49 组全因子实验。结果表明： AGV 数量对设备利用率、AGV 平均利用率和 AGV 的行走路线总长度具有显著统计
性影响； 基于响应优化方法获得了最佳的 AGV 优化配置方案，为企业配置 AGV 提供参考。
关键词： 智能装配车间； 自动引导车 （ AGV） ； 仿真模型； 响应优化
中图分类号： TP391. 9

AGV Logistics Simulation and Optimization of New Energy Intelligent Assembly Workshop
GUO Shichao 1，2 ，ZHANG Liping 1，2 ，TANG Qiuhua 1，2 ，HUANG Yuchen 1，2
（ 1. Key Laboratory of Metallurgical Equipment and Control Technology，Ministry of Education，Wuhan
University of Science and Technology，Wuhan Hubei 430081，China； 2. Hubei Key Laboratory of
Mechanical Transmission and Manufacturing Engineering，Wuhan University of Science
and Technology，Wuhan Hubei 430081，China）
Abstract： Taking the intelligent assembly workshop of new energy battery pack as the background，the influence of the quantity
and carrying capacity of automated guided vehicle （ AGV） on the production line was studied． The characteristics of the intelligent as-
sembly workshop were analyzed，AGV response rules based on the distribution of the whole package of materials were designed； the
AGV logistics simulation model for actual production scenarios was established by using SIMIO software； taking the actual production
data of the enterprise’ s intelligent workshop as an example，combining statistical methods，ANOVA and sensitivity analysis were
used to optimize the quantity and carrying capacity of AGV； 49 groups of full－factor experiment were carried out． The results show that
the number of AGV has a statistically significant impact on the equipment utilization rate，the average utilization rate of AGV and the
total length of AGV travel routes； the optimal AGV configuration scheme is obtained based on the response optimization method，which
provides reference for enterprises to configure AGV．
Keywords： Intelligent assembly workshop； Automated guided vehicle （ AGV） ； Simulation model； Ｒesponse optimization

［1］
0 前言 对最优，是智能车间生产的设计环节 。
随着智能制造技术的发展，智能制造车间的自动 针对 AGV 物流配送与调度，常见优化目标有最
［2］
生产线和仓库管理系统 （ Warehouse Management Sys- 小化延迟时间 、最小化完工时间［3］等。杨智飞等［4］
tem，WMS） 是实现智能制造的必要条件。自动引导 基于最小化完工时间、最小化 AGV 数量及最小化惩
车 （ Automated Guided Vehicle，AGV） 作为智能车间 罚成本 3 个优化目标，建立了智能车间 AGV 调度问
和物流系统中重要的物流运输设备，得到了广泛的应 题数学模型，设计了一种新型多目标优化算法，完成
［5］
用。AGV 的物流配送能力直接影响着智能制造车间 了模型求解。徐玲和祝军 以口服液灭菌生产物流线
的生产效率，因此如何配置配送小车的能力，使得车 调度系统为实验载体，对生产物流线调度系统进行建
间的设备利用率、AGV 利用率和小车总行走路线相 模，以优化调度 算 法，提 高 生 产 线 的 效 率。石 宇 强

收稿日期： 2021－03－09
基金项目： 国家自然科学基金面上项目 （ 51875420； 51875421）
作者简介： 郭世超 （ 1993—） ，男，硕士研究生，研究方向为生产系统建模与仿真。E－mail： 1115188446@ qq. com。
· 164·
［6］
等 考虑仓库存取货的堆垛机、AGV 和线边装卸物
料的机械手 3 种资源的协同作业，设计多 AGV 在交
叉路口可同时通行的避碰规则，提高了整个作业车间
的物流作业效率。上述研究均得到了很好的理论效
果，实际应用效果还待进一步完善。
某企业新能源电池包是由电芯模组串联组成，电
池包内设有电池管理系统、电池热管理系统，可有效
保护电池包安全。其智能装配车间包含若干装配工
序，每道工序加工完成后自动流入下一道工序，智能
装配车间从立体仓库到自动化产线，实现多系统集
成、数据对接以及生产情况反馈看板的智能化生产。
在实际企业调研中发现，新能源电池包装配车间的
AGV 物流配送与实际生产调度脱节，致使智能车间
的生产效率受限，无法充分发挥智能设备的加工能
力。因此，针对该企业特点，提出切实可行的 AGV
配送与调度方法是提高设备利用率和生产效率的有效
途径。
该智能装配车间是典型离散事件系统，面向智能
对象，SIMIO 仿真软件可实现二维模型与三维模型的
相互转换，对整个生产过程事件进行模拟，直观地观
［7］
察和了解系统 。目前，智能车间投产前十分重视设
计方案的产能评估，可通过仿真模型构建、生产过程
仿真优化，统计分析设计方案的生产能力与风险性
能，为管理者提供决策依据，以期降低生产成本，提
［8］
高生产效率 。
因此，本文作者以某新能源企业即将正式投入生
产的智能装配车间为例进行研究。运用 SIMIO 仿真软
件，设置 AGV 的数量和 AGV 的运载能力等，以设备
平均利用率、AGV 平均利用率和 AGV 行走路线总长
度为目标，采用方差分析和响应优化的方法，得出该
企业智能装配车间物流配送的优化方案。
1 问题描述
某新能源企业即将正式投入使用的智能装配车间
包括 SCADA （ 数 据 采 集 与 监 视 控 制） 系 统 和 WMS
图2
机床与液压 第 50 卷
（ 仓库管理系统） 。SCADA 系统负责自动化产线的控
制和产线生产数据的采集，WMS 负责原材料立体仓
库和 AGV 的调度，系统间通过信息交互，实现产线
的自动化生产。图 1 所示为该企业智能装配车间简
图。智能装配车间由 4 个工作中心组成，分别为基体
工作中心、模组工作中心、Pack 工作中心、上箱 体
工作中心。车间布局以 Pack 工作中心为主线，以基
体、模组、上箱体工作中心为支线。为能够清晰地表
示各个工作中心之间的生产关系，图 1 只展示了每个
工作中心首尾 2 个工序以及汇合点工序 （ 矩形表示
汇合点工序） 。
图1 智能装配车间简图
企业智能装配车间的具体布局如图 2 所示。基体
工作中心的工序用嫣红色标注，包括电芯上线、端板
等离子清洗、电芯堆叠等工序； 模组工作中心的工序
用紫色标注，包 括 贴 加 热 膜、安 装 钢 扎 带、模 组 烘
烤、模组搬运等工序； 上箱体工作中心的工序用洋红
色标注，包 括 上 盖 上 线、安 装 防 水 透 气 阀 等 工 序；
Pack 工作中心的工序用浅绿色标注，包括下箱体上
线、安装 MSD 插座、安装加热输入输出插件、安装
低压输入输出插件、安装总负输出插座、安装总正输
出插座、整理线束、连接高压铜排、模组入箱、连接
模组加热线 1 及测试、拧紧 CSC / 尾侧压条 / 预装模组
螺栓、安装防 碰 撞 保 护 板、Pack 烘 烤、贴 FPC、安
装整理低压线束、安装总正 / 负盖板、Pack 入成品库
等工序； 其中，模组、Pack 烘烤工位为模组、Pack
工作中心公用。
智能装配车间布局
第9期 郭世超 等： 新能源智能装配车间的 AGV 物流仿真与优化 · 165·

智能装配车间是面向订单生产的生产模式，订单 Combiner，分别 代 表 电 芯 堆 叠、安 装 钢 扎 带、安 装

到达具有随机性，为尽量减少因物料短缺出现停工， MSD 插座、安装加热输入输出插件、安装低压输入
AGV 小车无须满载再进行配送［9］。当产线开始生产 输出插件、安装总负输出插座、安装总正输出插座、
时，原材料由 AGV 小车通过产线两边的双向通道配 模组入箱、拧紧 CSC / 尾侧压条 / 预装模组螺栓、安装
送到产线线边仓进行装配，当线边仓的料框为空时， 防碰撞保护板、安装防水透气阀、安装总正 / 负盖板
设备把空料框移出使用位置，SCADA 系统触发叫料 等工序设备。拖动 11 个 Server，分别代表端 板 等离
信号 给 WMS，WMS 判 断 AGV 停 车 场 是 否 有 空 闲， 子清洗、贴加热膜、模组烘烤、模组搬运、整 理 线
若有空闲，AGV 调用运输物料 （ 按照整箱配送） 到 束、连接高压铜排、连接模组加热线 1 及测试、Pack
指定工位线边仓，若没有空闲的 AGV 时，该配送任 烘烤、贴 FPC、安装整理低压线束、上盖上线等工序
［10］
务在系统中等待，当有空闲 AGV 后再次调用 。 设备。拖动 一 个 Vehicle 模 型 到 空 间 建 模 区， 代 表
由于装配工序复杂，该企业的智能装配车间生产 AGV，再拖一个 BasicNode 作为 AGV 的停车点。在标
线比较长，AGV 配送的物料按照整包数量配送，而 准对象库中拖动一个 Sink 到建模区，代表成品离开
各个物料单包数量不同，呼叫小车的时间无法确定。 生产线，进入成品库。
如何配置合理的 AGV 数量和 AGV 的运载能力，使物 按照 物 料 名 称，修 改 每 一 个 实 体 和 原 材 料 库
料能够准时送到产线，不影响产线生产，使加工设备 （ Source） 的名字，且实体需要与原材料库对应，在
利用率最高，是需要解决的问题。 Source 的 Entity Type 属性中修改各个物料的名称。已
2 AGV 物流配送仿真模型构建与运行 知原材料库的物料配送时间间隔，端板上线、安装钢
2. 1 模型假设 扎带等工序的物料以 2 个 / min 的速度到达，其他物
对该企业的智能装配车间 AGV 调度问题作以下 料均以每个 3 min 的速度到达。修改 Source 的最初到
假设： 达时间的属性，根据电芯上线、端板上线、安装钢扎
（ 1） 同一时间点，一台 AGV 只能执行一个任务 带、下箱体上线、安装 MSD 插座、安装加热输入输
且只运输同一种物料； 出插件、安装低压输入输出插件、安装总负 输出插
（ 2） 智能 车 间 设 备 布 局 以 及 AGV 的 行 走 路 线 座、安装总正输出插座、拧紧 CSC / 尾侧压条 / 预装模
已知； 组螺栓、安装防碰撞保护板、安装总正 / 负盖板、安
（ 3） 每辆 AGV 属性相同，均以固定速度运行， 装防水透气阀等工序所需物料的整包装数分别为 4、
任务结束后返回停车场； 24、26、 6、 30、 150、 100、 24、 24、 8、 96、 140、
（ 4） AGV 和车间设备连续运行，不会发生故障， 400 个，修改 Source 一次到达物料的数量。修改 Serv-
运行过程中不会发生碰撞； er 和 Combiner 的设备加工时间均为每个 2. 5 min。根
（ 5） 各工位之间的距离已知； 据单个电池包的物料用量在安装钢扎带工序为 6 个 /
（ 6） 人工配送的工序满足智能装配车间的生产 包，其余工序 均 为 1 个 / 包，修 改 Combiner 的 Batch
物料要求。 Quantity 的数量关系。修改实体和小车在系统中的移
2. 2 仿真模型构建 动速度为 0. 5 m / s。
利用 SIMIO 软 件 搭 建 智 能 车 间 的 仿 真 模 型。 设备之间用 TimePath 线连接，代表车间的传送
SIMIO软件提供了丰富的建模概念和特色，通过建模 线，设置时间为 10 s。原材料库与设备之间 用 Path
能得到一个满足视觉效果和数据需求的智能车间 。
［11］
连接，代表 AGV 的行走路线，电芯上线、端板上线、
SIMIO 是基于面向对象的方法论，在标准对象库、目 安装钢扎带、下箱体上线、安装 MSD 插座、安装加
标实体和标准执行过程基础上，使用者可以制定实 热输入输出插件、安装低压输入输出插件、安装总负
验，增删、修改过程以实现想要得到的功能 。
［12］
输出 插 座、安 装 总 正 输 出 插 座、拧 紧 CSC / 尾 侧 压
根据图 2 所示的智能装配车间布局，在 SIMIO 空 条 / 预装模组螺栓、安装防碰撞保护板、安装防水透
间中建模。拖动 SIMIO 标准对象库 （ Standard Object 气阀、安装总正 / 负盖板等工序原材料库与设备之间
Library） 13 个 Source 至空间中，代表着需要 AGV 运 的 距 离，分 别 为 90、10、20、10、130、120、110、
输的物料、电芯上线以及下箱体上线的原材料库。在 100、90、60、50、90、100 m。
项目库 （ Project Library） 中 拖 动 13 个 实 体 （ Model AGV 在车间设备两边的双向通道中行走，构建
Entity） 到建模空间中，代表 13 种物料。拖动 12 个 的 AGV 物流仿真模型如图 3 所示。
 · 166· 机床与液压 第 50 卷

图3 AGV 物流配送仿真模型
2. 3 AGV 物流配送仿真运行机制 3 仿真结果分析
假设当前有多个订单，车间没有空闲，在连续生 3. 1 参数设置
产。当订单下达到产线后，产线以线边仓有空料框移 车间由 26 个工位、1 个原材料库、1 个上下箱体
出使用位置为信号，呼叫小车配送物料。为模拟该情 库、1 个成品库和 AGV 停车场组成。其中，自 动化
景，采用原材料库按照节拍定时产生各种物料，当某 工位有 19 个、人工工位 7 个，自动化工位需要 AGV
物料达到满箱时呼叫 AGV 小车进行配送。这种仓库 运输物料的工位有 11 个，已在图 2 中标出。AGV 在
按照节拍驱动物料配送时，当 AGV 数量足够多时， 生产线两侧的双向通道通行，文中只讨论需要 AGV
能够排除因仓库物料短缺影响产线生产的因素。在 运输物料的工位，对模型进行简化。
SIMIO 的 Precesses 中，对 AGV 调 度 规 则 进 行 编 程， 对 AGV 的数量、运载能力进行调配，配置合适
判断每个物料仓库产生哪种物料，当该物料达到满箱 的配送资源，使物料能够准时送到产线，不影响产线
时，仓库的 TransferNode 呼叫 AGV 进行配送，否则等 生产，使设备平均利用率、AGV 平均利用率达到最
待。以防碰撞保护板 （ Boards） 为例，当生产防碰撞 高，AGV 行走总路线长度最少。采用上述 SIMIO 仿
保护 板 的 仓 库 达 到 96 个 物 料 （ 满 箱 ） 时， 呼 叫 真模 型，将 案 例 相 关 数 据 运 用 到 仿 真 模 型 中， 对
AGV，否则等待［13］。AGV 的响应规则如图 4 所示。 AGV 数量设置了 7 水平，分别为 2、3、4、5、6、7、
8，运输能力设置了 7 水平，分别为 200、250、300、
350、400、450、500 个，设置运行时间为 48 h。采用
全因子实验方式，共进行 49 组实验。
3. 2 AGV 配送方案的方差分析
利用 Minitab 软件对配送方案数据进行处理，把
配送方案数据表导入到数据窗格中，对数据进行方差
分析，结果如表 1 所示。若 P 值小于 0. 05，则认为
具有统计性显著影响。设备平均利用率、AGV 平均
利用率和 AGV 行走路线总长度的主效应分别如图 5、
图 6 和图 7 所示。
表1 方差分析结果
设备平均 AGV 平均 AGV 行走路
自
项目 利用率 利用率 线总长度
由度
F值 P值 F值 P值 F值 P值
图4 AGV 的响应规则 运输能力 6 0．12 0．994 0．02 1．000 0．11 0．995
AGV 数量 1 79．82 0．000 133．58 0．000 466．66 0．000
第9期 郭世超 等： 新能源智能装配车间的 AGV 物流仿真与优化 · 167·

由表 1 可知： （ 1） AGV 的运输能力 P 值均大于 AGV 平均利用率和设备平均利用率达到均衡，此方

0. 05，说明 AGV 的 运 输 能 力 与 设 备 平 均 利 用 率、 案为智能车间的物料配送的较优方案。
AGV 平均利用率和 AGV 行走路线总长度没有显著统 表2 AGV 物流配送优化方案
计性差异； （ 2） AGV 数量 P 值均等于 0，说明 AGV 运输 AGV AGV 行走 AGV 平 设备平
复合
数量与设备平均利用率、AGV 平均利用率和 AGV 行 能 数 路线总长 均利用 均利用
合意性
走路线总长度有显著差异。 力 /个 量 /个 度 /m 率 /% 率 /%
由图 5、图 6 和图 7 可知，AGV 运输能力在主效 200 6 36 639．7 90．001 1 81．103 2 0．873 563
应图中是一条围绕中线波动很小的折线。由图 5 可 3. 4 与原方案的性能对比
知，随着 AGV 数量增加，设备平均利用率先快速上 新能源电池包智能装配车间，原方案需订购 3 辆
升，当 AGV 数量达到 4 之后趋于平稳。由图 6 可知， 运载能力为 300 个 / 辆的 AGV。优化后的方案订购 6
随 AGV 数量增加，AGV 平均利用率先缓慢下降，当 辆运载能力为 200 个 / 辆的 AGV。对比优化前后的方
AGV 数量达到 6 之后呈直线下降趋势。由图 7 可知， 案，结果如表 3 所示。
随 AGV 数 量 增 加，AGV 行 走 路 线 总 长 度 先 快 速 上 表3 车间性能比较
升，当 AGV 数量达到 6 之后趋于平稳。因此，AGV 设备平 AGV 平 AGV 行 成品下
的运输能力对 3 种因变量没有显著性影响，同时可以 数据
均利用 均利 走路线 线数
指标
看到当 AGV 数量为 2、3 时，设备平均利用率不超过 率 /% 用率 / % 总长度 / m 量 /包
60%； 当 AGV 数 量 为 8 时， AGV 平 均 利 用 率 不 足 原方案 62．192 554 4 98．521 290 64 13 744．842 58 700
70%。 优化后
的方案 81．103 244 76 90．001 143 11 36 639．674 88 896

对比结
+30 －9．5 －166．6 +28
果/ %

由表 3 可得： 从 AGV 成本来看，可以选购运载

图5 设备平均利用 图6 AGV 平均利用
率主效应 率主效应
图7 AGV 行走路线总长度主效应
3. 3 AGV 配送方案优化配置的敏感性分析
因运载能力无显著统计性影响，AGV 数量与设
备平均利用率、AGV 行走路线总长度是正相关，与
AGV 平均利用率是负相关。因此，如何权衡 AGV 数
量是 解 决 问 题 的 重 点。 采 用 响 应 优 化 方 法， 通 过
Minitab 修改 3 个因变量的目的、权重和约束等，输
入数据以 49 组 实 验 结 果 为 依 据，AGV 运 输 能 力 为
200 个。设置设备平均利用率目标为最高的设备平均
利用率，权重为 9. 6； AGV 平均利用率目标为最高的
平均利用率，权重为 0. 2； 行走路线总长度目标为最
短的路线，权重为 0. 2。AGV 物流配送优化方案如表
2 所示，当 AGV 数量为 6 时，AGV 行走路线总长度、
能力比较低的 AGV，同时 AGV 的数量增加 了 一 倍；
从结果来看，设备平均利用率跟成品下线数量得到了
显著提高，分别提高了 30%、28%，同时 AGV 平均
利用率和 AGV 行走路线总长度出现了负面影响，其
中 AGV 平均利用率降低了 9. 5%、AGV 行走路线总
长度增加了 166%。但是，由于设备平均利用率的权
重远远大于 AGV 平均利用率和 AGV 行走路线总长度
的权重，而且单个电池包的净利润在 1 万元左右，产
能提升带来的利润远远大于 AGV 成本的投入。
因此，优化后的方案权衡了智能装配车间的成本
投入和利润，使企业的收益最大化。企业可根据自身
情况赋予设备平均利用率、AGV 平均利用率和 AGV
行走路线总长度不同的权重，来权衡企业的资源 投
入，对于提高企业的生产效率、降低成本、增加利润
有一定参考。
4 结论
本文作者以某新能源企业的智能装配车间为研究
对象，利用 SIMIO 仿真软件构建仿真模型，对物料配
送小车的运载能力和物料配送小车数量进行分析。介
绍了模型构建的主要过程和运行机制，设置了 2 因子
7 水平，进行了 49 组实验，得到了不同组合下的实
验数据。借助 Minitab 软件对所得数据进行处理，通
过方差分析得出因子与实验指标的相关关系来控制无
关因子，最后通过响应优化得到了一个较优方案。研
 · 168· 机床与液压 第 50 卷

究成果为智能车间 AGV 的配置提供了有效的方法， ZHANG Ｒ J，YANG Z J，WANG W，et al． Application of

权衡了智能装配车间的 AGV 成本投入和成品利润， eM－Plant in modeling and logistics simulation of locomo-
保证车间的生产效率，提高利润。文中仅考虑了设备 tive preliminary assembly line［J］． Equipment Manufactur-
与 AGV 连续运行状态的模型构建，未来可考虑设备 2012（ 5） ： 140－143．
ing Technology，
［8］ 岳磊，管在林，王创剑，等． 基于 SIMIO 的装配车间生产
与 AGV 故障率等因素，以进一步贴近生产实际。
线配送物流仿真分析［J］． 机械制造，2013，51（ 2） ： 83－
参考文献：
86．
［1］ 张志宏．物流路径选择与企业收入的关系建模过程仿真
［9］ 刘建军，陈庆新，毛宁，等．带分段环形路径 AGV 的制造
［J］．计算机仿真， 31（ 3） ： 208－211．
2014，
系统排队网建模 与 分 析［J］． 工 业 工 程，2017，20 （ 1） ：
ZHANG Z H．Logistics path selection and the enterprise in-
83－90．
come relationship modeling process simulation［J］．Comput-
LIU J J，CHEN Q X，MAO N，et al．Queuing network model-
er Simulation， 31（ 3） ： 208－211．
2014，
ing and analysis of manufacturing system with AGV with
［2］ JEON S M，KIM K H，KOPFEＲ H． Ｒouting automated
multi － section － annular path ［J］． Industrial Engineering
guided vehicles in container terminals through the
Journal， 20（ 1） ： 83－90．
2017，
Q－learning technique ［J］． Logistics Ｒesearch，2011，3
［10］ 李腾，冯珊．面向“货到人”拣选系统的一种随机调度策
（ 1） ： 19－27．
略［J］．工业工程， 2020，23（ 2） ： 59－66．
［3］ SAIDI － MEHＲABAD M，DEHNAVI － AＲANI S，EVAZ-
LI T，FENG S．A research on a random scheduling strategy
ABADIAN F，et al． An ant colony algorithm （ ACA） for
of“rack to picker”picking system［J］． Industrial Engi-
solving the new integrated model of job shop scheduling
neering Journal， 23（ 2） ： 59－66．
2020，
and conflict－free routing of AGVs［J］．Computers ＆ Indus-
［11］ JOINES J A，ＲOBEＲTS S D，李英德，等． 互动学习仿真
trial Engineering，
2015，
86： 2－13．
建模： Simio 操作指南［Z］．无锡： 无锡迅合信息科技有
［4］ 杨智飞，苏春，胡祥涛，等． 面向智能生产车间的多 AGV
限公司， 2010： 1－70．
系统多 目 标 调 度 优 化［J］． 东 南 大 学 学 报 （ 自 然 科 学
［12］ 杜杰，张利平，唐秋华，等． 多品种小批量生产方式的
版） ，
2019，49（ 6） ： 1033－1040．
SIMIO 仿真优化［J］． 机床与液压，2020，48 （ 2） ： 133 －
YANG Z F，SU C，HU X T，et al． Multi －objective schedu-
137．
ling optimization for multi－AGV systems of intelligent job-
DU J，ZHANG L P，TANG Q H，et al． SIMIO simulation
shop［J］． Journal of Southeast University （ Natural Science
optimization of multi variety and small batch production
Edition） ， 49（ 6） ： 1033－1040．
2019，
mode［J］．Machine Tool ＆ Hydraulics， 48（ 2） ： 133－
2020，
［5］ 徐玲，祝军．制药智能工厂生产物流调度系统柔性管控
137．
优化算法［J］． 电子技术与软件 工 程，2019 （ 22） ： 102 －
［13］ 陈敏，黎展滔，陈庆新，等．考虑有限物流运输能力的智
103．
能车 间 AGV 调 度 算 法 研 究［J］． 工 业 工 程，2019，22
［6］ 石宇强，朱智鹏，吴双，等． 智能工厂多搬运载体协同作
（ 4） ： 49－57．
业优化［J］．制造业自动化， 2020， 42（ 3） ： 126－132．
CHEN M，LI Z T，CHEN Q X，et al．AGV scheduling algo-
SHI Y Q，ZHU Z P，WU S，et al．Optimization of multi－car-
rithm of intelligent workshop considering limited logistics
rier collaborative operation in SmartFactory［J］．Manufactur-
transportation capacity［J］．Industrial Engineering Journal，
ing Automation， 42（ 3） ： 126－132．
2020，
22（ 4） ： 49－57．
2019，
［7］ 张如杰，杨自建，王伟，等．eM －Plant 在机车预组装生产
（ 责任编辑： 张楠）
线建模与物流仿真中的应用［J］． 装备制造技术，2012
（ 5） ： 140－143．