智能RGV 動態調度研究

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，每次求解局部最優解，避免局部內循環，最后得到全局最優解。在此基礎上，對遺傳算法得到的多種分布規律進行求解優化，選取工作效率最高的加工刀頭分布模型，進而求出在規定時間內的最大工件數。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 工作中是否會出現故障，導致物料變為廢料。根據概率論的相關知識，考慮到只有在基數大的情況下，故障率才可以得到準確的體現，所以必須使得模型是最優化的，這樣才能更好地根據故障發生數去調整調度模型，提高工作效率。圖1 為智能加工系統示意圖。

圖1 智能加工系統示意圖

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，在此智能系統中應在最初始狀態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進行優化，充分考慮實際生產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，難以找出較優結果，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適應連續加工以及復雜的運行環境，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量分配。

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

Step3：RGV 按照最優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RGV 沒有接受到指令，則RGV 在原地等待CNC 發出的指令，若有多個CNC 發出指令，則采取就近優先原則執行指令。

Step6：RGV 執行并完成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作業參數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量分配情況下各自加工刀頭的最優分布模型并計算出最后各自的物料的總加工數。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為107 個；則在第一組系統加工參數下8 小時最后加工出的最多總物料數為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

由于故障發生概率約為1%，則理解為CNC 在運行過程中每運行一次發生故障的概率為1%，故障隨機持續時間為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：啟動動態調度。

Step2：按調度方案進行生產。

Step3：突發事件或周期性調度判別，若是執行step4，若否執行step2。

Step4：CNC 初始狀態修正，工件初始狀態修正。

Step5：GA 進行優化調度并生成新的調度方案。

（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作業參數對所提出模型進行驗證。由上述可知，在故障隨機發生的基礎上，在第一組系統加工參數下計算出8 個小時最后加工出的總物料數為202 個。

4 模型推廣與優化

4.1 無等待RGV 調度模型

（1）無等待RGV 調度模型的建立。在兩道工序物料加工模型中，RGV 在沒有街道其他作業指令時，會留在原地等待CNC 指令的發出，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 能提前到達即將發出指令的CNC 位置，提高作業效率。

無等待RGV 調度步驟：

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

Step2：RGV 提前移動到即將發出指令CNC 的位置處。

Step3：CNC 發出指令，RGV 執行并完成其指令。

Step4：重復step2，step3 直到完成最后一個指令。

Step5：調度完成。

（2）無等待RGV 調度模型求解。按照上述步驟，利用第一組所給作業參數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現，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化，提出下列優化模型。

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，對此進行優化，使物料在同一個CNC 上即可進行兩工序加工，在實際生產過程中，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，會提高作業效率。