錫柴刀具準備的作業調度模型及優化求解*

張允良，錢　峰

(1.大連機床集團 技術中心，遼寧 大連　116620；2.大連理工大學 機械工程學院，遼寧 大連　116024)

?

錫柴刀具準備的作業調度模型及優化求解*

張允良1，錢峰2

(1.大連機床集團 技術中心，遼寧 大連116620；2.大連理工大學 機械工程學院，遼寧 大連116024)

摘要：文章基于錫柴刀具管理系統平臺，研究刀具準備活動的作業調度問題。建立優化模型，定義數據結構，采集相關狀態信息，并用遺傳算法進行求解。通過與實際手工排產的案例對比，效果高且結果優，具有一定的實用性。

關鍵詞：刀具管理；作業調度；軟件系統；遺傳算法

0引言

隨著ERP/MES等系統的不斷深化應用，刀具管理越來越受到重視，很多學者對刀具展開了相關研究，涉及刀具管理信息系統[1-4]、刀具選配規律[5-6]、刀具編碼及組件共享[7-8]、刀具調度與生產協同調度[9-11]等方面，上述研究成果一定程度上提升了刀具的管理水平。

由于刀具管理的技術特性，在生產線使用之前涉及大量的準備工作，涵蓋檢驗、庫房、組裝、對刀、拆解、修模、報廢等工序，刀具準備在批量制造企業已經專業化，并形成固定的管理團隊。隨著生產品種增多、制造柔性化不斷提升，刀具準備作業的數量不斷增大，其作業調度的效率問題也逐漸凸顯，而目前文獻中卻鮮有專門針對刀具準備作業的調度研究。

綜上所述，本文基于錫柴實際情況，結合國家科技重大專項的實施，在企業自主開發的刀具全生命周期管理系統基礎上，研究刀具準備作業的調度規劃問題，以期尋找刀具內部管理效益的改進思路。

1刀具準備的作業調度模型

刀具準備的作業調度問題屬于車間調度類問題，是指在組裝、對刀等管理環節合理分配刀具及作業順序，在保證滿足正常生產用刀需求的前提下盡量均衡各個管理單元的工作負荷，從而能夠合理高效利用企業生產管理資源。

刀具排產調度管理工作始于信息終端，信息終端將采集的剩余刀具壽命信息、當前備刀數量信息、各種刀具的額定組裝時間以及額定對刀時間等信息傳入刀具管理系統數據庫，刀具管理系統實時更新數據庫信息，生產管理人員可以通過管理看板查看當前的刀具管理情況，系統依據排產調度算法時時進行排產調度方案調整，生產管理人員依據排產方案安排刀具的組裝及對刀順序。刀具完成組裝及對刀后送至待用區，刀具可用數量信息發生變化，系統進行實時信息反饋，從而驅動新一時刻下的刀具排產調度管理，如圖1所示。

圖1　刀具排產調度模型

現以刀具的組裝和對刀環節為例構建刀具排產調度模型如下：

⑤刀具物流時間T物流，在緊急情況下刀具物流時間相對刀具使用時間可以忽略，所以此處假設T物流=0。

⑦組裝工位數N1，表示組裝環節共有N1個工位可以同時進行操作。

⑨對刀工位數N2，表示對刀環節共有N2個工位可以同時進行對刀操作。

基于以上刀具管理信息可以構建如下排產調度優化模型：

(1)

(2)

其中：di、ti、mi、σi、fi、N、N2含義如上述數學模型所示；

ki,j為在第j個對刀工位上進行對刀的i型刀具數量；

Qj為在第j個對刀工位上進行對刀的刀具總數；

mi,j為i型刀具每次發生數量變化后的可用刀具數量。

3模型求解算法設計

本文采用遺傳算法進行求解。具體實現步驟如下：

(1)信息編碼

定義染色體為刀具的組裝以及對刀序列。設當前刀具有N把，管理環節數量為M(此處M=2)，則單條染色體長度為2NM，其中前半部分數據為刀具投放順序，后半部分數據為刀具管理工位號，例如：

其中前半段數據代表刀具投放順序：刀具2→刀具3→刀具1→刀具1→刀具2→刀具3；后半段表示刀具管理的工位號：工位1→工位3→工位2→工位6→工位4→工位5，其中工位號代表了組裝環節和對刀環節的工位。

(2)適應度計算

定義適應度值為所有刀具完成組裝和對刀管理所用的時間，所以適應度公式為：

(3)

其中，time越小則染色體越好。

(3)選擇操作

染色體的選擇過程采用了輪盤賭法，并依據適應度進行選擇，各染色體選中概率為：

(4)

(5)

(4)交叉操作

交叉操作是染色體在遺傳過程中最重要操作，染色體通過交叉得到新個體。在交叉操作過程中，隨機選擇兩個個體，然后將染色體對應部分進行交叉互換。

由于交叉操作過程中出現刀具個體缺失或管理環節缺失現象，例如染色體2交叉操作后2號刀具缺失，所以需要對交叉后的染色體進行調整操作。

(5)變異操作

隨機選擇進行變異操作的染色體，然后選擇變異位置pos1和pos2，最后將兩個變異位置的編碼信息互換，現以變異位置2和4為例進行示范：

如果變異過程中出現信息缺失現象，需要采取與交叉操作過程中類似的染色體調整操作，從而保證信息的完整度。

4刀具排產實例

(1)刀具排產數據

生產線所需刀具信息如表1所示，現需在最短時間內完成組裝及對刀工作。

表1　刀具排產信息表

表1包含所需刀具的類型、數量、管理工位及管理用時信息，以A型刀具為例：現需該型號刀具2把，刀具序號分別為1、2，組裝可以在1、2號工位操作，組裝用時分別為7min和8min，對刀操作可以在7、8號工位開展，對刀用時分別為1min和1.5min。

(2)排產優化方案

本實例排產方案優化過程中所采用的優化參數分別為：遺傳代數gen=50，變異率α=0.8，交叉率β=0.6，排產方案的優化求解過程如圖2所示：

圖2　遺傳算法搜索過程

從圖中可以看到算法收斂趨勢明顯，最終排產方案管理用時為42min，與手工排產方案用時49min相比，相當于減少了企業7個生產節拍，效率提升14.3%，對于批量生產而言效果顯著。具體的排產方案見圖3。

圖3　刀具排產甘特圖

圖中1~6號為組裝工位，7~9號為對刀工位。以25號刀具為例，其組裝編碼為2501，對刀編碼為2502，從圖中可以看到該刀具于第0~7min在5號工位進行組裝，并于第28.5~35.5min在9號工位進行對刀。

5結論與展望

通過上述實力分析，本系統實際運行結果比傳統手動規劃方式效率高，結果優，有很好的可行性。下一步，將以錫柴刀具全生命周期管理系統為基礎，將本部分模塊進行集成與嵌入，同時提高算法運行效率，以提高生產線的刀具精益化管理能力。

[參考文獻]

[1] Ranjit Singh, C Patvardhan, D Ganeshwar Rao. Intelligent Tool Management Strategies for Automated Manufacturing Systems[J]. Intelligent Control and Automation, 2011, 2(4), 405-412.

[2] 房亞東，杜來紅，孫波，等.刀具全生命周期管理過程建模與信息編碼的研究[J].工具技術,2008,42(7):30-34.

[3] 馮永濤，公冶凡強. 基于DNC的刀具管理系統的研究與開發[J]. 航空精密制造技術，2004，40(5): 26-29.

[4] 殷銳，何衛平，和延立，等. 面向數字化生產線的刀具管理系統的開發[J]. 機床與液壓， 2006，29(9): 29-32.

[5] 徐和國，王玉，周雄輝. 基于實體模型的計算機輔助刀具選擇系統[J]. 上海交通大學學報，2005(1): 113-120.

[6] Ayten Turkcan, M Selim Akturk, Robert H Storer. Due date and cost-based FMS loading, scheduling and tool management[J]. International Journal of Production Research, 2007, 45(5):1183-1213.

[7] 楊杰，劉云. 基于CIMS環境的刀具編碼系統的研究[J]. 機電工程技術 ，2004,33(3): 23-24.

[8] 陽厚森，張天順，張吟松，等. 基于柔性制造系統(FMS)的刀具編碼研究[J]. 現代機械 ，2006(1): 29-30.

[9] Bradley Skinner，Shuai Yuan，Shoudong Huang，et al. Optimisation for job scheduling at automated container terminals using genetic algorithm[J]. Computers & Industrial Engineering, 2013,64 (1):511-523.

[10] 陳國良. 遺傳算法及其應用[M].北京:人民郵電出版社,1996.

[11] 王凌. 車間調度及其遺傳算法[M].北京:清華大學出版社,2003.

(編輯李秀敏)

A Tool Preparing Job Scheduling Model and Its Optimization

ZHANG Yun-liang1，QIAN Feng2

(1.Technique Center, Dalian Machine Tool Group, Dalian Liaoning 116620,China；2.School of Mechanical Engineering,Dalian University of Technology, Dalian Liaoning 116024,China)

Abstract：A new approach is presented to solve the problem of tool preparing job scheduling. First An optimization model was established based on a redefined data structure. Secondly, a genetic algorithm was programed to solve it. By comparision with actual manual scheduling of cases, the effect is high and the results are excellent.

Key words：tool management; job scheduling; software system; genetic algorithm

中圖分類號：TH166;TG506

文獻標識碼：A

作者簡介：張允良(1971—)，男，遼寧大連人，大連機床集團高級工程師，碩士，研究方向為機床設計，(E-mail)zhangyldl@sina.com。

*基金項目：國家科技重大專項資助項目(2013ZX04012-071)

收稿日期：2015-12-22；修回日期：2015-01-25

文章編號：1001-2265(2016)03-0128-03

DOI:10.13462/j.cnki.mmtamt.2016.03.035