動態(tài)循環(huán)分類法解決RGV調(diào)度問題

青島工程職業(yè)學(xué)院 邱勇進

對于一道工序的物料加工情況，我們首先根據(jù)RGV在各個CNC之間的移動時間，建立各CNC之間移動時間的圖。對于兩道工序的物料加工情況，針對工序一和工序二的配置比例及位置安排問題，我們仿照問題一提出了位置配比的原則，再針對不同的配置原則進行驗證，從中選出8種位置安排。對于有潛在故障的一道工序的物料加工情況，考慮到每個故障情況是相互獨立的，我們將所有錯誤依據(jù)是否影響循環(huán)周期分成兩種。對于有潛在故障的兩道工序的物料加工情況，選擇使用類似問題二的方法計算出物件總量。在討論故障時候，類似問題三，我們同樣分類對是否影響周期分開進行討論。

1 問題的提出

1.1 背景介紹

RGV，是有軌制導(dǎo)車輛（Rail Guided Vehicle）的英文縮寫 ，又叫有軌穿梭小車， RGV小車可用于各類高密度儲存方式的倉庫，小車通道可設(shè)計任意長，可提高整個倉庫儲存量，并且在操作時無需叉車駛?cè)胂锏?，使其安全性會更高。在利用叉車無需進入巷道的優(yōu)勢，配合小車在巷道中的快速運行，有效提高倉庫的運行效率。

一個智能加工系統(tǒng)的示意圖1，由8臺計算機數(shù)控機床（Computer Number Controller，CNC）、1輛軌道式自動引導(dǎo)車（Rail Guide Vehicle，RGV）、1條RGV直線軌道、1條上料傳送帶、1條下料傳送帶等附屬設(shè)備組成。RGV是一種無人駕駛、能在固定軌道上自由運行的智能車。它根據(jù)指令能自動控制移動方向和距離，并自帶一個機械手臂、兩只機械手爪和物料清洗槽，能夠完成上下料及清洗物料等作業(yè)任務(wù)。

圖1 智能加工系統(tǒng)示意圖

1.2 問題重述

一個由8臺數(shù)控機床和1個軌道式自動引導(dǎo)車的智能系統(tǒng)加工系統(tǒng)，針對如下幾種情況：（1）每個物件在每臺CNC上加工一次；（2）每個物件在不同兩件CNC上先后加工兩次；（3）CNC在加工過程中出現(xiàn)故障，故障時間介于10～20min。請建立相應(yīng)的RGV動態(tài)調(diào)度模型和相應(yīng)的求解算法，并利用表中系統(tǒng)作業(yè)參數(shù)的三組數(shù)據(jù)檢驗?zāi)Ｐ偷膶嵱眯院退惴ǖ挠行?。給出RGV的調(diào)度策略和系統(tǒng)的作業(yè)效率，并將具體的結(jié)果填入附件的表格中。

2 問題分析

2.1 情況一的分析

問題整體分為兩個階段：第一個階段為第一次上料，此時RGV可使用功能有且只有為CNC上料和移動。第二個階段為第二次及以后，RGV利用旋轉(zhuǎn)將上下料同時進行。在上下料過程完成后，RGV會對物件進行清洗并將其放在傳送帶上。這樣，一個物料的加工完成。在第一階段，我們有如下問題：（1）是否有必要在第一階段為所有CNC上料；（2）是否會出現(xiàn)循環(huán)工作情況；（3）是否有必要在循環(huán)階段讓所有CNC保持工作。

2.2 情況二的分析

問題二要求我們針對需要兩道工序加工的物料，配置CNC和RGV軌跡，保證8h內(nèi)產(chǎn)出盡可能多的物件。我們將其分為兩大部分：（1）確定第一道工序和第二道工序的CNC配比；（2）確定RGV最佳移動軌跡。

2.3 情況一的故障問題分析

故障的CNC分布符合b（0.01，m），m為該CNC的啟動次數(shù)。則每一個CNC工作的概率為0.01。因為每一次CNC工作都可能出現(xiàn)故障，故應(yīng)把單個CNC獨立出來進行討論。而有的CNC錯誤出現(xiàn)不會改變RGV運行軌跡，只是單純地浪費時間少產(chǎn)出了1個物件，這里需要著重討論的是會改變RGV運動軌跡的錯誤。

2.4 情況二的故障問題分析

類比問題二和問題三來解決問題四。只不過相比于問題三，問題四中的情況更為復(fù)雜，需要就不同工序發(fā)成錯誤再進行一次討論。

3 模型的建立與求解

3.1 模型建立

總體示意圖如圖2所示。

圖2 流程示意圖

局部循環(huán)示意圖如圖3所示。

圖3 循環(huán)示意圖

3.2 初步模型架構(gòu)

初步模型參考貪心算法，考慮局部最優(yōu)解和生產(chǎn)過程中生成的循環(huán)情況，我們在響應(yīng)完成工序2加工的CNC時需要考慮以下三原則：（1）需要同時存在完成工序1的CNC，否則等待至完成工序1的CNC出現(xiàn)；（2）優(yōu)先選擇距離最近的完成工序1的CNC；（3）若存在同樣近的完成工序1的CNC，優(yōu)先使用編號為奇數(shù)的CNC。

通過此種原則，我們的每一步操作均為該操作的最優(yōu)解。以此為依據(jù)我們提出了一種遞推模式的貪心算法。

我們采用時間軸的思想，采用時間為單位推進，判斷各個工作臺和RGV的狀態(tài)，RGV的動作會造成時間軸的變動，進而產(chǎn)生各種需要判斷處理的事件。通過提出的三原則，我們即可得到最優(yōu)解，累加生成的成品物料個數(shù)。當時間軸推動到八個小時時，終止程序，我們就得到了最終產(chǎn)生的成品物料個數(shù)。

3.3 模型重建結(jié)果

通過使用上面模型編程計算，我們通過代入第一組數(shù)據(jù)發(fā)現(xiàn)程序輸出的數(shù)值并不合理，這是由于時間軸推動會造成時間的冗余，我們處理數(shù)據(jù)的即時化效果并不好。因此我們轉(zhuǎn)而尋找另外的編程思路。如圖4所示。

圖4 問題二最終流程圖

4 模型評價

4.1 模型的優(yōu)點

假設(shè)的合理性：在查閱相關(guān)物理、數(shù)學(xué)模型文獻的基礎(chǔ)上做出了一系列科學(xué)的假設(shè)，抓大放小，有的放矢，忽略了對結(jié)果影響較小的因素，從而大大簡化了模型和算法，同時取得了很好的建模效果。

建模的科學(xué)性：模型建立的理論知識基于動態(tài)規(guī)劃、最小路程、遺傳算法等多門交叉學(xué)科，就建模的科學(xué)論證、知識儲備上，本模型以小窺大、由淺到深的對相關(guān)知識進行聯(lián)結(jié)整理。

建模的可推廣性：本模型基于1個RGV在8個CNC的移動問題，顯然可以拓展到n個CNC工作的問題。

4.2 模型的缺點

誤差的必然存在性：考慮到存在實際產(chǎn)品安裝匹配、操作使用以及模型的轉(zhuǎn)換取舍中，必然存在誤差，模型就誤差的減少上提出循環(huán)優(yōu)化。但就誤差取舍的選擇問題上，還仍有參數(shù)改進的空間。

算法的適用性：本文模型中適用于RGV數(shù)量為1的工作問題，當RGV數(shù)量增加后，需要考慮碰撞問題。

算法的準確性：在問題四中，我們因計算過于龐大，選擇忽略了第一道工序中周期改變的情況，這樣在極端情況下（等待時間遠遠大于加工時間）可能出現(xiàn)誤差。