呂云龍,王孝宇,馮超杰
(華北水利水電大學(xué),河南 鄭州 450000)
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(jìn)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(shí)間不同,需要對CNC 的刀頭分配進(jìn)行精確的計(jì)算,但是對于每類刀頭排序情況,若通過枚舉法數(shù)量多、計(jì)算難度大,我們考慮運(yùn)用遺傳算法,將8 臺CNC 當(dāng)成遺傳對象進(jìn)行標(biāo)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(chǔ)上,對遺傳算法得到的多種分布規(guī)律進(jìn)行求解優(yōu)化,選取工作效率最高的加工刀頭分布模型,進(jìn)而求出在規(guī)定時(shí)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(chǔ)上,去增加一個(gè)條件變化,即每次CNC 工作中是否會(huì)出現(xiàn)故障,導(dǎo)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(zhǔn)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
(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(gè)CNC 只能同時(shí)處理一個(gè)物料。
(4)RGV 每次只能揀取一件物料。
(5)RGV 運(yùn)送開始的最早時(shí)間不早于上料帶傳送到1 號CNC 前的物料所需的時(shí)間。
由于兩道工序物料加工情況,每個(gè)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(gè)CNC 只能同時(shí)處理一件物料,RGV 每次也只能揀取一件物料,且進(jìn)行兩道不同工序加工時(shí)需要用兩種不同的刀頭,在此智能系統(tǒng)中應(yīng)在最初始狀態(tài)還未開始加工物料時(shí)不同的CNC 就應(yīng)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(shí)間各不相同,故需對不同工序刀頭的個(gè)數(shù)進(jìn)行優(yōu)化,充分考慮實(shí)際生產(chǎn)情況按照兩道工序時(shí)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(shí)間長的刀頭類型四個(gè),工序時(shí)間短的刀頭類型四個(gè);②工序時(shí)間長的刀頭類型五個(gè),工序時(shí)間短的刀頭類型三個(gè);③工序時(shí)間長的刀頭類型六個(gè),工序時(shí)間短的刀頭類型兩個(gè)。
每個(gè)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(yīng)用普通算法,計(jì)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(jìn)行求解。為了讓智能加工系統(tǒng)適應(yīng)連續(xù)加工以及復(fù)雜的運(yùn)行環(huán)境,由于普通算法計(jì)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(shí)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(yùn)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(jìn)行上料,直到完成最后一個(gè)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(jìn)行二道工序加工。
Step5:若一段時(shí)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(gè)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(fù)step4,step5,step6 直到完成最后一個(gè)指令。
Step8:調(diào)度完成。
(3)兩道工序物料加工模型驗(yàn)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(jìn)行驗(yàn)證。利用遺傳算法算出符合工序時(shí)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(jì)算出最后各自的物料的總加工數(shù)。工序一刀頭四個(gè),工序二刀頭四個(gè);此時(shí)8 小時(shí)物料的總加工數(shù)為206 個(gè);工序一刀頭五個(gè),工序二刀頭三個(gè);此時(shí),8 小時(shí)物料的總加工數(shù)為158 個(gè);工序一刀頭六個(gè),工序二刀頭兩個(gè);此時(shí),8 小時(shí)物料的總加工數(shù)為107 個(gè);則在第一組系統(tǒng)加工參數(shù)下8 小時(shí)最后加工出的最多總物料數(shù)為206 個(gè),此時(shí),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(shí)作業(yè)效率最高。
由于故障發(fā)生概率約為1%,則理解為CNC 在運(yùn)行過程中每運(yùn)行一次發(fā)生故障的概率為1%,故障隨機(jī)持續(xù)時(shí)間為10~20 分鐘,其中無論物料進(jìn)行一道工序還是進(jìn)行兩道工序其基本過程一樣,步驟如下:
Step1:啟動(dòng)動(dòng)態(tài)調(diào)度。
Step2:按調(diào)度方案進(jìn)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(jìn)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(jìn)行驗(yàn)證。由上述可知,在故障隨機(jī)發(fā)生的基礎(chǔ)上,在第一組系統(tǒng)加工參數(shù)下計(jì)算出8 個(gè)小時(shí)最后加工出的總物料數(shù)為202 個(gè)。
(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(shí),會(huì)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(chǔ)上進(jìn)行修改,使RGV 能提前到達(dá)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(jìn)行上料,直到完成最后一個(gè)CNC 的上料工作。
Step2:RGV 提前移動(dòng)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(fù)step2,step3 直到完成最后一個(gè)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(gè),工序二刀頭四個(gè)的分布模型進(jìn)行驗(yàn)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(shí)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(shí)間和CNC 只能進(jìn)行物料第一道工序加工,所以再對此模型進(jìn)行優(yōu)化,提出下列優(yōu)化模型。
由于對于需進(jìn)行兩道工序加工的物料在進(jìn)行不同工序時(shí)需要在不同CNC 上進(jìn)行加工,對此進(jìn)行優(yōu)化,使物料在同一個(gè)CNC 上即可進(jìn)行兩工序加工,在實(shí)際生產(chǎn)過程中,若在不同的CNC 進(jìn)行兩工序加工時(shí),最后往往會(huì)余量部分未進(jìn)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(gè)CNC 在完成一道工序后更換刀頭所需時(shí)間在5 ~30s,故此時(shí)更換刀頭,會(huì)提高作業(yè)效率。