智能RGV 動態(tài)調(diào)度研究

呂云龍，王孝宇，馮超杰

（華北水利水電大學，河南 鄭州 450000）

1 問題分析

針對兩道工序物料加工的問題分析：考慮到CNC 在加工過程中不能更換刀頭，且每道工序需要在不同的CNC 上完成，因此，如何對8 臺CNC 進行合理的工序刀頭分配是問題研究的關(guān)鍵。由于不同工序所需時間不同，需要對CNC 的刀頭分配進行精確的計算，但是對于每類刀頭排序情況，若通過枚舉法數(shù)量多、計算難度大，我們考慮運用遺傳算法，將8 臺CNC 當成遺傳對象進行標號，利用遺傳算法適用度高，每次求解局部最優(yōu)解，避免局部內(nèi)循環(huán)，最后得到全局最優(yōu)解。在此基礎上，對遺傳算法得到的多種分布規(guī)律進行求解優(yōu)化，選取工作效率最高的加工刀頭分布模型，進而求出在規(guī)定時間內(nèi)的最大工件數(shù)。針對有故障概率的物料加工問題分析：由于CNC 在加工過程中可能出現(xiàn)故障，故障率為1%，需要在前兩種情況問題的基礎上，去增加一個條件變化，即每次CNC 工作中是否會出現(xiàn)故障，導致物料變?yōu)閺U料。根據(jù)概率論的相關(guān)知識，考慮到只有在基數(shù)大的情況下，故障率才可以得到準確的體現(xiàn)，所以必須使得模型是最優(yōu)化的，這樣才能更好地根據(jù)故障發(fā)生數(shù)去調(diào)整調(diào)度模型，提高工作效率。圖1 為智能加工系統(tǒng)示意圖。

圖1 智能加工系統(tǒng)示意圖

2 模型假設

（1）CNC 的刀具不可更換。

（2）每次的加工都是完美成品，除非特別考慮故障發(fā)生概率。

（3）每個CNC 只能同時處理一個物料。

（4）RGV 每次只能揀取一件物料。

（5）RGV 運送開始的最早時間不早于上料帶傳送到1 號CNC 前的物料所需的時間。

3 模型的建立與求解

3.1 兩道工序物料加工模型

由于兩道工序物料加工情況，每個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，且每個CNC 只能同時處理一件物料，RGV 每次也只能揀取一件物料，且進行兩道不同工序加工時需要用兩種不同的刀頭，在此智能系統(tǒng)中應在最初始狀態(tài)還未開始加工物料時不同的CNC 就應換上不同的刀頭。

（1）兩道工序物料加工模型的建立。由于兩道工序物料加工用兩種刀頭的時間各不相同，故需對不同工序刀頭的個數(shù)進行優(yōu)化，充分考慮實際生產(chǎn)情況按照兩道工序時間相對差值大小確定不同類型刀頭的分配，有以下三種情況：①工序時間長的刀頭類型四個，工序時間短的刀頭類型四個；②工序時間長的刀頭類型五個，工序時間短的刀頭類型三個；③工序時間長的刀頭類型六個，工序時間短的刀頭類型兩個。

每個情況由于工序刀頭的排列類型不同，又可分為若干種情況，若應用普通算法，計算量大，難以找出較優(yōu)結(jié)果，故提出利用遺傳算法來尋求每種情況下的兩種工序刀頭最優(yōu)排列組合。

（2）利用遺傳算法（GA）對模型進行求解。為了讓智能加工系統(tǒng)適應連續(xù)加工以及復雜的運行環(huán)境，由于普通算法計算量較大，故提出利用遺傳算法來尋找最優(yōu)解。

兩道工序物料加工具體步驟：

Step1：利用工序之間加工時間的相對大小，列出所可能加工工序刀頭所存在的數(shù)量分配。

Step2：根據(jù)所可能存在的不同數(shù)量的加工刀頭的分配，運用遺傳算法選取最優(yōu)的加工刀頭分布模型。

Step3：RGV 按照最優(yōu)加工刀頭分布模型對第一道工序CNC 依次進行上料，直到完成最后一個第一道工序CNC 的上料工作。

Step4：第一道工序完成以后第一道工序CNC 發(fā)出指令，RGV 選取空閑并最近的第二道工序CNC 進行二道工序加工。

Step5：若一段時間內(nèi)RGV 沒有接受到指令，則RGV 在原地等待CNC 發(fā)出的指令，若有多個CNC 發(fā)出指令，則采取就近優(yōu)先原則執(zhí)行指令。

Step6：RGV 執(zhí)行并完成CNC 指令。

Step7：重復step4，step5，step6 直到完成最后一個指令。

Step8：調(diào)度完成。

（3）兩道工序物料加工模型驗證。按照上述所建模型，利用已知所給智能加工系統(tǒng)作業(yè)參數(shù)對所提出模型進行驗證。利用遺傳算法算出符合工序時間的三種工序刀頭數(shù)量分配情況下各自加工刀頭的最優(yōu)分布模型并計算出最后各自的物料的總加工數(shù)。工序一刀頭四個，工序二刀頭四個；此時8 小時物料的總加工數(shù)為206 個；工序一刀頭五個，工序二刀頭三個；此時，8 小時物料的總加工數(shù)為158 個；工序一刀頭六個，工序二刀頭兩個；此時，8 小時物料的總加工數(shù)為107 個；則在第一組系統(tǒng)加工參數(shù)下8 小時最后加工出的最多總物料數(shù)為206 個，此時，加工刀頭的分布為CNC1，CNC3，CNC5，CNC7 為 工 序 一，CNC2，CNC4，CNC6，CNC8 為工序二時作業(yè)效率最高。

3.2 加入故障概率的工序物料加工模型

由于故障發(fā)生概率約為1%，則理解為CNC 在運行過程中每運行一次發(fā)生故障的概率為1%，故障隨機持續(xù)時間為10～20 分鐘，其中無論物料進行一道工序還是進行兩道工序其基本過程一樣，步驟如下：

Step1：啟動動態(tài)調(diào)度。

Step2：按調(diào)度方案進行生產(chǎn)。

Step3：突發(fā)事件或周期性調(diào)度判別，若是執(zhí)行step4，若否執(zhí)行step2。

Step4：CNC 初始狀態(tài)修正，工件初始狀態(tài)修正。

Step5：GA 進行優(yōu)化調(diào)度并生成新的調(diào)度方案。

（1）兩道工序物料加工模型故障分析。利用已知所給智能加工系統(tǒng)作業(yè)參數(shù)對所提出模型進行驗證。由上述可知，在故障隨機發(fā)生的基礎上，在第一組系統(tǒng)加工參數(shù)下計算出8 個小時最后加工出的總物料數(shù)為202 個。

4 模型推廣與優(yōu)化

4.1 無等待RGV 調(diào)度模型

（1）無等待RGV 調(diào)度模型的建立。在兩道工序物料加工模型中，RGV 在沒有街道其他作業(yè)指令時，會留在原地等待CNC 指令的發(fā)出，則對原先所提出的兩道工序物料加工模型的基礎上進行修改，使RGV 能提前到達即將發(fā)出指令的CNC 位置，提高作業(yè)效率。

無等待RGV 調(diào)度步驟：

Step1：RGV 按原先調(diào)度方案對CNC 依次進行上料，直到完成最后一個CNC 的上料工作。

Step2：RGV 提前移動到即將發(fā)出指令CNC 的位置處。

Step3：CNC 發(fā)出指令，RGV 執(zhí)行并完成其指令。

Step4：重復step2，step3 直到完成最后一個指令。

Step5：調(diào)度完成。

（2）無等待RGV 調(diào)度模型求解。按照上述步驟，利用第一組所給作業(yè)參數(shù)并按照工序一刀頭四個，工序二刀頭四個的分布模型進行驗證求解。

通過與原先模型比較發(fā)現(xiàn)，在完成208 件物料兩道工序加工的情況下，無等待模型比原先模型完成時間更短，但完成總物料工件數(shù)卻沒有增加，通過分析可知，在完成208 件物料加工后，所剩時間和CNC 只能進行物料第一道工序加工，所以再對此模型進行優(yōu)化，提出下列優(yōu)化模型。

4.2 CNC 可進行兩工序加工模型

由于對于需進行兩道工序加工的物料在進行不同工序時需要在不同CNC 上進行加工，對此進行優(yōu)化，使物料在同一個CNC 上即可進行兩工序加工，在實際生產(chǎn)過程中，若在不同的CNC 進行兩工序加工時，最后往往會余量部分未進行第二道工序但已經(jīng)完成第一道工序的物料，通過查閱資料可知，一個CNC 在完成一道工序后更換刀頭所需時間在5 ～30s，故此時更換刀頭，會提高作業(yè)效率。