143
I
nternet Security
互联网 + 安全
引言:在生产领域,有限资源的合理配置与优化利用问
题一直是人类社会所面临的最基本问题。其中,作业车间的
动态调度与实际生产密切相关,是影响制造业生产效率的重
要因素,因此一直备受关注。在智能加工系统中,轨道式自
动引导车 RGV 可完成上下料及清洗物料等工作,其调度策
略对系统工作效率十分重要。
一、单工序物料加工模型
1.1 FCFS-SPF 模型的建立
在单工序物料加工问题中,每个物料加工只需一道工序,
当位于等待状态下的 CNC 数量大于 1 时,需要进行调度使
作业效率达到最优。本文的模型基于先到先服务和最短作业
优先的思想,在 RGV 进行调度时,将优先移动至距其当前
位置最近的 CNC。FCFS-SPF 算法的具体步骤如下:输入题
目中所给系统参数。
图 1 单工序物料加工调度算法流程图
1.2 无机器故障情况下模型的求解
在机器无故障的情况下,本文使用 Python2.7 实现了上
述调度算法,并通过计算模拟求解出了 RGV 调度路径 , 证明
了该算法的有效性和实用性。
由相关数据可得:在每班次工作初始时 RGV 按照 CNC
编号进行上下料处理时, RGV 每一轮从 1 号 CNC 开始依
CNC 序号遍历,一直到对 8 号 CNC 完成上下料处理工作,
完成完毕后 RGV 在当前位置等待,直到 1 号 CNC 完成物料
加工工作后申请 RGV 处理。之后 RGV 接受 1 号 CNC 申请
之后到达其位置,开始重复进行和上一轮同样的调度流程。
1.3 有机器故障情况下模型的求解
基于自适应遗传算法的
智能 RGV 动态调度策略的研究
□禹一童 中央财经大学
【摘要】 本文分别对加工系统中单个 RGV 小车动态调度中的单工序物料加工问题和双工序物料加工问题进行了研究,为实际的规
划建设提供可靠依据。针对单工序物料加工问题,首先,本文以 RGV 最短行驶路径为调度目标,建立了依据贪心算法思想的 调度模
型。然后通过计算模拟求解得出了单周期下的 RGV 最优调度路径。针对双工序物料加工问题,本文首先使用一种基于二重编码的自
适应遗传算法,得到适应值函数收敛时所确定的最优路径;其次再依照此最优路径作为 RGV 的调度方案进行模拟,得到一个班次内
的 RGV 运行情况。
【关键字】 RGV 动态调度 最短路径规划 自适应遗传算法
在 CNC 可能发生故障的情况下,本文首先判断 RGV 在
刚处理 CNC 时当前 CNC 是否产生故障。如果产生故障,则
将该 CNC 所对应的 t
i
置为无穷大,并为其添加一个计时器用
以记录人为排除故障所用时间。并且在该 CNC 的故障处理
完毕之后,将该 CNC 所对应的 t
i
置为 T 。本文通过对系统工
作效率相关指标的观测,显示出故障发生时有关情况。
由相关数据可得:(1)CNC 机器故障排除时间分布在
10 分钟到 20 分钟之间。(2)当一台 CNC 发生故障之后,
往往只影响一轮的调度路径,随后系统收敛到新的调度路径,
并进行周期循环。
二、双工序物料加工模型
2.1 自适应遗传算法的调度模型的建立
在双工序物料加工问题中物料加工需要两道工序,且两
道工序需在不同类别的 CNC 上完成。本文以最小化单个周
期所用时间为目标,求解较优的调度方案。然后重复执行所
得到的调度路径,直到一个班次结束。为了快速找到较优的
调度方案,本文中本文采用遗传算法求解。
2.2 无机器故障情况下模型的求解与分析
在机器无故障的情况下,本文使用 Python 2.7 实现了上
述算法,并通过计算模拟求解出了使适应值函数收敛时 RGV
调度路径 , 证明了该算法的有效性和实用性。
由相关数据可得:(1)同 RGV 调度路径的先后顺序一
致,各 CNC 的上料和下料时间也呈现出了时间的顺序性,
这说明该模型下所确定的时间参数是正确的,验证该模型的
合理性。(2)本文得出第一组的目标函数值在迭代至 60 次
稳定收敛,证明该遗传算法的有效收敛性和实用性。
2.3 有机器故障情况下模型的求解与分析
当考虑 CNC 机器发生故障的情况时,在使用遗传算法
求解最优路径的实现流程问题上与上述方法基本一致。并通
过计算模拟求解出了使适应值函数收敛时 RGV 调度路径。
不同的地方在于当使用该调度方案进行流程模拟时,CNC 可
能会出现故障。由相关数据可得:(1)CNC 机器故障排除
时间分布在 10 分钟到 20 分钟之间,符合题中所给假设。(2)
当一台 CNC 发生故障时,此时的 CNC 平均产出效率会有显
著的下降,且图中的拐点与表中机器发生故障的时间点基本
一致,证明了该模型的合理性和实用性。
评论0
最新资源