基于最優(yōu)路徑的隨機故障智能RGV動態(tài)調(diào)度策略

劉豐瑞 邢凱銘 張宇航 張琳 王希

摘要

隨著我國現(xiàn)代智能加工系統(tǒng)的不斷發(fā)展，針對一種RGV-CNC智能加工系統(tǒng)，本文提出了一種基于最優(yōu)路徑的隨機故障動態(tài)調(diào)度模型，采用三個優(yōu)先級的目標(biāo)函數(shù)，嵌套判斷語句，從而建立了動態(tài)反饋調(diào)整機制。通過算例分析，求解出RGV的動態(tài)調(diào)度策略和系統(tǒng)的作業(yè)效率，檢驗出本文中模型的實用性和算法的有效性良好。

【關(guān)鍵詞】智能加工系統(tǒng) 最優(yōu)路徑 動態(tài)調(diào)度模型 隨機故障

1 問題的提出

本文研究如圖1所示的一個智能加工系統(tǒng)。

將算例分為2種情況，分別含有3組檢驗數(shù)據(jù)。

（1）物料的第一和第二道工序分別由兩臺不同的CNC依次加工完成。

（2）物料可以在任一臺CNC上加工完成，基于CNC在加工過程中可能發(fā)生故障（據(jù)統(tǒng)計：故障的發(fā)生概率約為1%）的情況，每次故障排除（人工處理，未完成的物料報廢）時間介于10～20分鐘之間，故障排除后即刻加入作業(yè)序列。

2 模型的建立與求解

2.1 基于最優(yōu)路徑的雙工序動態(tài)調(diào)度模型建立與求解

目前，研究智能加工系統(tǒng)的動態(tài)調(diào)度問題常用方法包括Petri網(wǎng)、時態(tài)邏輯、模擬退火、遺傳算法Genetic Algorithm，GA）、神經(jīng)網(wǎng)絡(luò)等算法，無論是在工業(yè)生產(chǎn)、商業(yè)經(jīng)營、日常生活等都具有十分重要的意義。

本文定義“1”表示CNC正在工作，“0”表示CNC空閑并發(fā)出信號，

1 0 0 1例如0 1 0 0表示CNC2#、CNC8#、CNC3#正在工作，CNC1#、CNC4#、CNC5#、CNC6#、CNC7#正在空閑并發(fā)出信號。以“RGV移動到最近的CNC完成任務(wù)”為第一優(yōu)先級目標(biāo)函數(shù)，在同時有兩個相同距離的任務(wù)請求時以"RGV移動到奇數(shù)序號的CNC完成任務(wù)”為第二優(yōu)先級目標(biāo)函數(shù)，在任務(wù)請求的第一優(yōu)先級目標(biāo)函數(shù)和第二優(yōu)先級目標(biāo)函數(shù)都相同時以“RGV移動到序號數(shù)值較小的CNC完成任務(wù)”為第三優(yōu)先級目標(biāo)函數(shù)，嵌套一段判斷“RGV移動時間是否最短”的語句。三個優(yōu)先級的目標(biāo)函數(shù)嵌套一段判斷語句，可以實現(xiàn)RGV-CNC智能加工系統(tǒng)調(diào)度的“動態(tài)”特性，其中的動態(tài)反饋調(diào)整機制是指，RGV接收CNC工作發(fā)出的0，1信號并產(chǎn)生響應(yīng)，由此動態(tài)反饋調(diào)整機制可以較好地調(diào)整移動的方向和距離。

為了使求解作業(yè)效率的公式廣泛適用于本文要解決的四種情況，定義了x_i，y_i這兩個0，1變量，從而得到公式（1），求解結(jié)果78.341%、76.031%、75.931%。

2.2 有故障的單工序動態(tài)調(diào)度模型建立與求解

在MATLAB算法程序中添加“隨機數(shù)”程序，根據(jù)無故障模型中求解出的加工工件總數(shù)，在每個班次的工作中取1%的隨機數(shù)，隨機數(shù)代表“發(fā)生故障”。在保證10分鐘到20分鐘故障時間之內(nèi)，CNC不會向RGV發(fā)出需求信號的基礎(chǔ)上，我們模擬隨機出現(xiàn)故障的情況：發(fā)生故障的位置用生產(chǎn)原件的件數(shù)表示，在1到總數(shù)之間隨機取4個數(shù)，決定故障發(fā)生的時間。發(fā)生故障之后的檢修時間算入加工時間，在檢修時間為600s到1200s之間取隨機數(shù)，檢修過后，本周期的工件數(shù)最后不計入完成工件總數(shù)。程序運行結(jié)果85.312%、81.563%、83.500%。

3 結(jié)論

利用表1中系統(tǒng)作業(yè)參數(shù)的3組數(shù)據(jù)分別檢驗?zāi)Ｐ偷膶嵱眯院退惴ǖ挠行裕疚姆謩e求解出雙工序智能加工系統(tǒng)和隨機故障單工序智能加工系統(tǒng)的作業(yè)效率。在3組數(shù)據(jù)下作業(yè)效率較高且波動不大，因此檢驗出模型的實用性較高、算法的有效性良好。

參考文獻(xiàn)

[1]Wei Fei，Zhou Yanfei.Optimizecombined in/out tasks of AS/RS [J].Hoisting and Conveying Machinery，2007（07）：70-72.

[2]Zhou Jun，Zhao Changyou，LiuZhanqiang，et al.Operationoptimization of storage and retrievalfor stackers in AS/RSof raw tobaccomaterial[J].Computer IntegratedManufacturing Systems，2009，15（4）：772-776.

[3]Malmborg C J.Interleaving dynamicsin autonomous vehicle storage andretrieval systems [J].InternationalJournal ofProduction Research，2003，41（5）：1057-1069.

[4]Fukunarim.A network queuing APProachfor evaluation of performancemeasures in autonomousvehicle storageand retrieval systems [J].EuropeanJournal of0perational Research，2009，193（1）：152-167.

[5]Dotoli M，F(xiàn)anti M P.A colored Petrinet model for automated storageand retrieval systems serviced byrail-guided vehicles：a controlperspective[J].InternationalJournal of Computer IntegratedManufacturing，2005，18（2）：122-136.

[6]劉豐瑞，沈濟(jì).風(fēng)電接入的調(diào)峰調(diào)頻電源配置問題研究[J].科學(xué)技術(shù)創(chuàng)新，2018（21）：50-51.