考慮加工時間不確定的工藝路線優(yōu)化研究

何靖　戴寧

【摘 要】為縮短零件加工時間，提出了一種基于模糊加工時間的產(chǎn)品柔性工藝路線優(yōu)化方法。首先，考慮到實際情況中，加工時間的不確定特點，采用三角模糊數(shù)的方法表示加工時間。以最小模糊加工時間為目標(biāo)函數(shù)，建立了數(shù)學(xué)模型。最后，設(shè)計了求解該模型的人工蟻群算法。在此基礎(chǔ)上，對一種包含13個加工元的零件進行了實例驗證。結(jié)果表明，該方法切實有效，符合實際生產(chǎn)情況。

【關(guān)鍵詞】工藝路線；模糊加工時間；人工蟻群算法

中圖分類號： TH165；TP18 文獻標(biāo)識碼： A 文章編號： 2095-2457（2017）29-0060-002

【Abstract】In order to shorten the machining time of parts， a method of product flexible route optimization based on fuzzy processing time is proposed. Firstly， considering the uncertain characteristics of processing time， the method of triangular fuzzy number is used to express the processing time. The mathematical model is established by using the minimum fuzzy processing time as the objective function. and secondly， an artificial ant colony algorithm is designed to solve the model. On this basis， a batch of parts containing 13 processing elements were validated. The results show that the method is effective and conforms to the actual production situation.

【Key words】Process route optimization； Fuzzy processing time； Artificial ant colony algorithm

0 前言

零件的工藝路線是指從零件模型獲取零件結(jié)構(gòu)、功能和設(shè)計要求等信息，然后確定其加工方法和所需資源，完成零件從毛坯狀態(tài)到成品狀態(tài)轉(zhuǎn)變的過程。[1]選擇一條較優(yōu)的工藝路線，不僅可以大大提高企業(yè)的生產(chǎn)效率，而且能明顯的節(jié)省成本、節(jié)約資源。所以，如今工藝路線優(yōu)化問題受到更大的重視。

近年來，隨著智能算法的推廣運用。遺傳算法、蟻群算法、模擬退火算法以及混合算法越來越多的被運用于解決工藝路線優(yōu)化問題。文獻[2]提出了一種人工蜂群算法的優(yōu)化算法，但是忽略了加工時間不確定的影響。文獻[3]考慮到以制造資源更換率最低為目標(biāo)，但是忽略了加工時間的影響。以往工藝路線優(yōu)化問題，基本上都是在設(shè)備的加工時間確定的前提下進行的。然而，現(xiàn)實情況下，由于工人技術(shù)的熟練程度、突發(fā)事件、工具損壞等因素時有發(fā)生。導(dǎo)致零件的工序的加工時間呈現(xiàn)顯著的不確定性的特征。

因此，本文將綜合考慮加工元優(yōu)化排序和模糊加工時間不確定的影響。引用三角模糊數(shù)的形式來代表工序的加工時間。并且建立了以最小化模糊加工時間為優(yōu)化目標(biāo)的數(shù)學(xué)模型，然后，設(shè)計求解該模型的人工蟻群算法，并通過一個實例，對模型和算法進行了驗證。

1 模型的建立

1.1 三角模糊數(shù)大小的比較方法

根據(jù)國內(nèi)外研究文獻。結(jié)合本文的研究情況，本文主要采用文獻[4]中介紹的方法進行比較。即：

1.2 目標(biāo)函數(shù)的建立

本文以模糊時間最少為工藝路線的優(yōu)化目標(biāo)。

2 人工蟻群算法的的設(shè)計

3 實例驗證

現(xiàn)在有一個零件，可以細劃分成11個特征，共13個加工元。每個加工元可以在多個可選的設(shè)備上加工。加工時間為不確定的，首先，按照公式（1）對三角模糊時進行處理，再帶入算法求解。處理后數(shù)據(jù)見表1

本文用matlab進行算法編程，各參數(shù)設(shè)置分別為：m（螞蟻數(shù)量）=8；ρ（軌跡的持久性）=0.1；α（軌跡的相對重要性）=1；β（能見度的相對重要性）=5；Q（螞蟻所留軌跡量）=0.9；NC_max（最大迭代次數(shù)）=200

得到一個最優(yōu)解，加工元排列順序為：1、2、3、4、5、6、13、12、10、11、9、7、8。分別對應(yīng)的設(shè)備為：4、3、4、3、4、4、4、4、4、4、4、4、4。

4 結(jié)束語

（1）為了是問題聯(lián)系實際情況，本文考慮了以加工時間不確定為優(yōu)化目標(biāo)的工藝路線優(yōu)化方法。

（2）設(shè)計了人工蟻群算法。并通過一個實例驗證了所提出的方法合理、有效，符合生產(chǎn)實際。

【參考文獻】

[1]劉偉，王太勇.基于遺傳算法的工藝路線生成及優(yōu)化[J]. 農(nóng)業(yè)機械學(xué)報，2009（08）：203-208+202.

[2]宋栓軍，楊佩莉，石雯麗.考慮多目標(biāo)的柔性工藝與調(diào)度集成優(yōu)化算法[J].計算機應(yīng)用研究，2017（07）：1-8.

[3]常智勇，楊建新，趙杰，衛(wèi)海峰.基于自適應(yīng)蟻群算法的工藝路線優(yōu)化[J].機械工程學(xué)報，2012（09）：163-169.

[4]冉靜學(xué).三角模糊數(shù)排序方法的研究[J].中央民族大學(xué)學(xué)報（自然科學(xué)版），2011（04）：37-42.endprint