智能RGV的动态调度策略

1智能RGV的动态调度策略摘要本文根据题目给定的智能加工系统及系统作业参数，针对一道工序物料加工作业、两道工序物料加工作业、作业中故障处理等三种情况，建立数学模型，分别给出了相应的RGV最佳调度策略。针对一道工序物料加工作业的情况，本文设计当RGV完成当前指令后若未接收到任何CNC的上料需求信号，RGV将会根据调度模型立即判别执行一次移动指令，移动到下一步发出上料需求信号的CNC前。并将作业效率最佳问题转换为一班次8小时内CNC处于工作状态总时间最长，并假设RGV具有短时间的记忆储存功能，能够记录与匹配RGV与各CNC进行最后一次交互的时间，为RGV设计“八步一走”调度模型，在RGV进行移动指令之前都会遍历搜索选择未来八次移动过后八台CNC的总等待时间最小的路径的第一步移动指令作为当前的移动指令。遍历所有可能的初始八台CNC的上料情况，依据RGV“八步一走”调度模型取成料数最多的初始CNC上料顺序，完成任务1。将题目给定的针对一道工序的三组数据带入模型计算，得出第一组最大物料加工数量为382，第二组为359，第三组为392；推算了不考虑RGV运动时间的理想状态下，三组数据的最大加工数量分别为384、368、392；得到三组数据下加工系统的作业效率分别为99.48%、97.55%、100%，完成任务2。针对两道工序物料加工作业的情况，在不可更换刀具的前提下，由第一道工序与第二道工序的比值，兼容考虑第二道工序之后的清洗时间，按比例分别为CNC安装4:4、3:5、5:3的刀具配比，并在对称性原则基础上调试具体安装方案；为RGV设计三步捆绑（或四步捆绑加工调度模型）：RGV遍历三步，取捆绑加工后的完成时间最前的走法。遍历所有的初始可能路径，依据捆绑调度模型取成料数最多的初始CNC上料顺序，完成任务1。将给定的针对两道工序的三组数据带入模型计算，得出三组最大物料加工数量分别为253、209、236；选择的两类CNC数量配比分别为4:4、3:5、5:3；通过与理想状态下最大物料加工数量268、216、236进行比较，得到三组数据下加工系统的作业效率分别为94.40%、96.76%、100%，完成任务2。针对作业中故障处理的情况，本文将每一道工序加工的故障概率设为1%，在判定故障的CNC的加工时间内，以均匀分布随机一个时间点作为故障发生时间点，并从600~1200秒之间均匀随机生成一个整数作为修复时间，在一道工序与二道工序的模型中作出以下调整：在故障发生的那一刻起，在CNC未修复并发出上料需求信号之前，将该CNC从系统中暂时抹去，RGV在执行完当前指令后，不再进行有关该CNC的指令操作，直至CNC修复发出上料需求信号。考虑到故障发生的不确定性，以及人工修复时间的可操作性，在完成任务的基础下，再分别取修复时间为600~1200秒随机，600秒，900秒，1200秒做20组的随机试验探究成料数规律，进行均值和方差计算如下：一道工序的情况下，第一组数据关于4类修复时间的成料数方差分别为12.20,9.55,11.95,9.82；第二组数据方差分别为15.57,18.68,19.55,14.68；第三组数据方差分别为10.03,13.41,8.92,13.73；两道工序的情况下，第一组数据关于4类修复时间的成料数方差分别为9.66,7.38,7.12,13.17；第二组数据方差分别为7.85,3.39,5.87,9.69；第三组数据方差分别为7.66,4.58,7.72,10.13。由此可知，实际修复时，提升技工技术，将人工修复时间尽量控制在10~15分钟左右，可以较好增加结果稳定性。关键词：RGV智能动态调度“八步一走”多步捆绑联动故障排查概率分析2一、问题重述1.1问题背景RGV是一种无人驾驶、能在固定轨道上自由运行的智能车。在智能加工系统中，轨道式自动引导车RGV的调度方案对系统的加工效率存在着决定性的影响。RGV在智能加工系统中，因面临的工作环境各不相同，因此目前仍没有一个理想的算法可以对RGV的调度路径进行最佳优化，因此针对特定的系统工作环境，RGV的动态调度仍存在着很大的研究空间。本文研究的工作环境由8台CNC、1辆RGV、1条RGV直线轨道、1条上料传送带、1条下料传送带等设备组成。图1：智能加工系统示意图1.2系统作业参数表1：智能加工系统作业参数的3组数据表时间单位：秒系统作业参数第1组第2组第3组RGV移动1个单位所需时间202318RGV移动2个单位所需时间334132RGV移动3个单位所需时间465946CNC加工完成一个一道工序的物料所需时间560580545CNC加工完成一个两道工序物料的第一道工序所需时间400280455CNC加工完成一个两道工序物料的第二道工序所需时间378500182RGV为CNC1#，3#，5#，7#一次上下料所需时间283027RGV为CNC2#，4#，6#，8#一次上下料所需时间313532RGV完成一个物料的清洗作业所需时间253025注：每班次连续作业8小时。1.3三种具体情况——工作环境(1)一道工序的物料加工作业情况，每台CNC安装同样的刀具，物料可以在任一台CNC上加工完成；(2)两道工序的物料加工作业情况，每个物料的第一和第二道工序分别由两台不同的CNC依次加工完成；(3)CNC在加工过程中可能发生故障（故障发生概率约为1%），每次人工处理故障（未完成的物料报废）需要耗时10~20分钟，故障排除后CNC即刻加入作业序列。要求分别考虑一道工序和两道工序的物料加工作业情况。1.4两个任务——问题要求任务1：对一般问题进行研究，给出RGV动态调度模型和相应的求解算法；任务2：利用表1中系统作业参数的3组数据分别检验模型的实用性和算法的有效性，给出RGV的调度策略和系统的作业效率，并将结果分别填入相应EXCEL表中。3二、问题分析2.1一道工序物料加工作业的问题分析在该工作环境下，每台CNC都安装有相同的刀具，进行同一种加工工序，每一个生料均需在任意八台CNC之一上完成一道工序的加工并由RGV清洗后方可成料。本文为提高系统加工效率，考虑到当所有CNC处于加工状态时，RGV完成当前指令后，将会有长时间CNC不会对RGV发出上料需求信号，当CNC再次对RGV发出上料需求信号时，RGV将从上一次指令完成位置进行移动指令，因此考虑若在无谓的等原地待之前RGV提前执行移动指令将会更好地节约时间。因此在为RGV设计调度模型时，设计当RGV完成当前指令后若未接收到任何CNC的上料需求信号，RGV将会根据调度模型立即判别执行移动指令。为增大作业效率，即尽可能增加在一班次8小时内成料数量，即使得CNC尽可能多时间处于工作状态，换言之，即为CNC的总等待（闲置）时间尽可能小。综合以上考量，假设RGV具有短时间的记忆储存功能，能够记录与匹配RGV与各CNC进行最后一次交互的时间，由此时间为RGV设计“八步一走”调度模型，即RGV在判别执行移动指令之前，要遍历计算未来移动（或原地停留）八次，并要求每一次移动或停留过后必须间隔一道指令以上方可再次进行移动或停留指令，遍历搜索未来移动八次后八台CNC的总等待时间最小的路径的第一步移动指令（或原地停留）作为RGV的下一道指令，并要求实施检测判别完成当前指令后是否留有足够的时间在一班次8小时末回到初始点，若不能则拒绝接受有关移动回到初始点之外的任何指令。将表1系统作业参数的3组数据带入模型，给出RGV的调度策略，并估计理想状态下RGV运转速度足够快，忽略RGV的移动时间和清洗熟料的时间，进行计算此时情景下理想能加工完成的最大成料数，与模型结果进行比较估计系统的作业效率，并说明模型的实用性和算法的有效性2.2两道工序物料加工作业的问题分析在该工作环境下，CNC可选择安装两种刀具中的一种，对应进行两种加工工序，每一个生料均需在任意八台CNC之一上完成一道工序的加工并由RGV清洗后方可成料。仍然考虑当为RGV设计调度模型时，当RGV完成当前指令后若未接收到任何CNC的上料需求信号，RGV将会根据调度模型立即判别执行移动指令。此时需要考虑CNC上安装的刀具可以在初始固定后不再改变，也可以在CNC未进行加工时进行更换，这使得问题分为更换刀具与不更换刀具两种情况考虑。对于不更换刀具的情况，需要考虑安装不同刀具的CNC的配比及放置位置。就放置位置而言，可以根据简单的推算得出一个最佳方案；就配比而言，我们需要先筛选出可能出现最佳调度方案的几种情况，再对这几种情况分别建立模型完成调度。对每一种配比情况，由于该问题有两道工序，以CNC等待时间最短为目标会使计算更加复杂，因此直接以物料最大加工数量为目标。针对每一配比情况，会有一种最佳的分组方案，即以固定个数的物料完成加工的过程为一组，按照组序进行逐步调度。对每一组，有若干可能的顺序完成组内所有步骤，取其中时间最短的顺序方案，将每一组的方案组合成最终的调度方案，即为所求的模型。对于更换刀具的情况，需要考虑其更换刀具的频率、提高的加工效率，以此判断更换刀具的模型是否有意义，若无意义，则忽略此情形。将表1系统作业参数的3组数据带入模型，给出RGV的调度策略，并估计理想状态下RGV运转速度足够快，忽略RGV的移动时间和清洗熟料的时间，进行计算此时情景下理想能加工完成的最大成料数，与模型结果进行比较估计系统的作业效率，并说明模型的实用性和算法的有效性。2.3作业中故障处理的问题分析在该工作环境下，CNC在加工过程中约有1%的概率发生故障，故障发生时间出现4在CNC加工过程中的任一时刻的概率均相同，对故障进行人工排查修复处理需要耗时为10~20分钟，故障排除后CNC即刻加入作业序列。假设一道工序物料加工过程和两道工序的各步物料加工过程中故障发生的概率相同，皆视为1%。每一道工序加工均有1%的概率发生故障，在CNC的加工时间内，以均匀分布随机一个时间点作为故障发生时间点，并以10~20分钟，即600~1200秒之间均匀随机生成一个整数作为修复时间。对一道工序物料加工作业时间，两道工序物料加工作业的模型作出以下调整：在故障发生的那一刻起，在CNC未修复并发出上料需求信号之前，将该CNC从系统中暂时抹去，RGV在执行完当前指令后，不再进行有关该CNC的指令操作，直至CNC修复发出上料需求信号。考虑到故障发生的不确定性，模型结果的稳定性与能够人工干预的故障修复时间息息相关，因此本文在建模求解600~1200秒之间均匀随机生成一个整数作为修复时间后，还将分别取修复时间为600秒，900秒，1200秒做20组的随机试验，查验当将修复时间尽量控制在哪一个范围内，模型结果的稳定性将会更好。三、模型假设1.假设对于确定的某一工序，CNC加工时间恒定且一致。2.假设传送带会将物料及时运送到上料处，不产生等待时间3.不考虑两道工序间废渣的处理，即假设第一道工序加工产生的废渣不会对第二道工序的加工产生影响。4.假设RGV在接收到CNC发出的上料需求指令之后，当RGV移动到该CNC位置前时，RGV才会对其进行上下料。5.假设RGV具有短时间的记忆储存功能，能够记录与匹配与各CNC进行最后一次交互的时间。6.假设一道工序物料加工过程和两道工序的各步物料加工过程中故障发生的概率相同，皆视为1%。7.假设RGV性能良好，严格按照各组参数时间按时执行指令。四、符号说明符号符号意义iAHit1ku2kuikhtt编号为i的CNC的状态所有CNC的总等待时间移动i个单位所需要的时间上料开始时间点下料开始时间点表示第i台CNC对第k个物料的等待时间CNC完成一个物料的加工需要时间5五、模型的建立和求解5.1一道工序加工模型建立与求解5.1.1任务1任务1要求给出一般情况下RGV的动态调度模型与相应的求解算法。一般情况表示适应可选范围内的任意情况，即不能仅仅建立适应于某一组或几组参数值的模型，而要给出对任何可选参数值均适应的一般化模型。因此，模型的建立不能基于任何特定参数值、依赖任何特殊情形；同理，相应的求解算法也不能针对任何一组特定参数，应当在给出任何一组可取参数时，都能给