2018-B1：基于 0-1 规划的单 RGV 动态调度模型

杨利霞

2018-B1：基于 0-1 规划的单 RGV 动态调度模型

6 L- Z1 A+ Z- E( y, H
* g# H; s. [: u8 R3 G
本文从规划角度出发，研究了智能加工系统中的单 RGV 动态调度问题。由
' O3 R4 R) D, j9 d9 p6 G2 a于 RGV 型号多样、功能有简有繁，因此本文从 RGV 是否能预判 CNC 加工完成时
间建立了两套单 RGV 动态调度模型，并进行了对比分析。
* L# c/ @2 j+ v6 E针对任务一中情况 1，本题仅需考虑一个班次中单工序加工的单 RGV 动态调
$ Y* y! O5 ?4 F! ]- E6 o9 ^. K度模型。本文以 RGV 的调度路径为决策变量，以获得最多成料为目标函数，约
束条件为每次调度单 RGV 仅能对一台 CNC 进行作业、每班次 RGV 工作时长不超
' }+ o- E/ u- M6 e过 8 小时、RGV 下轮作业移动起点为上轮作业终点、每台 CNC 每次作业仅能加
工一个物料，根据 0-1 规划的思想建立单目标规划模型，最终得到 CNC 无故障
7 ?2 I# Y% E! ?/ `6 h2 ~8 u) c下加工单工序物料的所获成料最多模型，通过求得每轮上下料最短所需时长的
, b! Q5 G% l0 T: Z% [启发信息，建立启发式算法得到近似最优解，并给出算法流程图及分析。
' W1 a$ T" i: L+ F) a针对任务一中情况 2，本题需考虑一个班次中加工双工序的单 RGV 动态调度
模型。首先，在情况 1 模型的基础上，增加约束条件：每台 CNC 仅能装配一种
刀具加工一道工序、物料工序状况与 CNC 加工工序类型相匹配。以获得成料尽
可能多、获得最多成料时 RGV 工作时间尽可能小为目标建立双目标规划模型，
( a% F) Z. x6 r) x2 J$ u' n/ |并给出以循环遍历法求最优刀具分布方案以及通过求得每轮上下料最短所需时
长的启发信息，建立启发式算法得到近似最优解，并给出算法流程图及分析。
8 Y- L, G9 q" h1 r- @5 ?! m8 a) D1 u# W针对任务一中情况 3，在任务一情况 1、2 模型的基础上，将 CNC 的故障和
维修等效转换为一次时间较长的加工作业，增加约束条件：CNC 加工过程中有
) g! o6 X' a4 R- b$ Q. \1%的概率发生故障、故障发生时该 CNC 正加工的物料即刻报废、排除故障时长
服从 10 ~20 分钟的均匀分布，并分别建立 CNC 概率故障情况下的单、双工序加
工的单目标规划模型、CNC 概率情况下双工序加工的双目标规划模型。在情况 1
和情况 2 算法的基础上加入仿真随机故障得到情况 3 的启发式算法，并给出算
9 O* Q" O/ p' d: H2 d9 w法流程图及分析。
针对任务二，利用 3 组系统作业参数对任务一中三种情况的规划模型进行求
解和检验，得到情况 1 下的产量为 382、359、392；情况 2 下的产量为 253、211、
- O& `# j7 E/ G$ e5 V9 o" O! y243，得到最高产量时 RGV 总工作时长为 28797、28755、28692，最优刀具分布
, p0 F- O8 G8 N/ P方案为[1,2,1,2,1,2,1,2]、[2,1,2,1,2,1,2,1]、[1,2,1,1,2,1,1,2]；单工序情
6 a! v$ t0 N) X$ M; f, v# |况 3 下产量为 376、354、383，对应的故障次数为 3、3、4；双工序情况 3 下产
量为 239、210、240，加工工序一时故障次数为 3、1、1，工序二故障次数为 2、
. O  p( B$ G/ ^6 X7 H$ j. f8 x7 [0、2。以普适性、经济性、实施模型的可行性和 CNC 平均非有效工作时长作为模
型实用性指标，以程序运行时间和内存使用情况作为算法有效性指标，分别对两
! i: ~+ m5 E# j) f& F5 X. {& O' E种模型各 12 组结果进行模型的实用性与算法的有效性评价。最终计算结果反映
出本文模型实用性高、有效性强，且可预判模型结果更优。
最后，本文利用仿真数据对模型进行了再检验，分析了模型的优缺点，讨
论了模型的改进方向并对模型进行了简单的推广。
7 [/ u9 v7 |) A% v/ z5 A: W' M

* Q' ^7 ]$ q% i- K  z% F' ]

952873629

这篇文章有人一起讨论一下嘛