CN101533274B - 数控机床加工任务与刀具的调度方法 - Google Patents
数控机床加工任务与刀具的调度方法 Download PDFInfo
- Publication number
- CN101533274B CN101533274B CN2009100451486A CN200910045148A CN101533274B CN 101533274 B CN101533274 B CN 101533274B CN 2009100451486 A CN2009100451486 A CN 2009100451486A CN 200910045148 A CN200910045148 A CN 200910045148A CN 101533274 B CN101533274 B CN 101533274B
- Authority
- CN
- China
- Prior art keywords
- processing tasks
- processing
- workpiece
- different
- process equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种数控机床加工任务与刀具的调度方法,步骤为:1.产生一个初始的解群体,2.计算随机生成的N种不同的加工任务顺序情况下的系统通过时间,并根据计算结果评价其优劣;3.根据遗传算法的遗传算子:复制、交叉和变异,挑选k个最优解为每台加工设备Mi生成新的N种不同的加工任务顺序,4.重新评价每个加工任务顺序的优劣,直至完成预先设定的计算次数为止,5.将最后一次计算结果中的最优解,即每台加工设备Mi上,加工各工件不同工序的加工任务顺序,作为最后的数控机床加工任务调度结果。该方法解决了数控机床加工任务与刀具的调度问题,特别适用于数控机床联网控制的系统使用,能有效地提高自动化生产系统的运行效率。
Description
技术领域
本发明涉及一种数控机床生产加工制造系统,尤其是数控机床联网的制造系统,考虑机床的现有加工负荷,通过刀具与加工任务的合理分配,实现待加工任务在最短时间内完成的管理目标的加工任务与刀具的调度方法。
背景技术
对于复杂的、多品种中小批量的自动化生产制造系统,生产计划与调度技术是制造系统能否取得预期经济效益的关键技术之一。它的目标是通过对制造过程中物料流的合理规划、调度与控制,实现提高生产效率、缩短制造周期,提高生产资源利用率的目的,保证生产系统的高效运行。在包括数控加工中心在内的自动化生产制造系统中,对应不同的加工工序,一般一个工件的加工需要由若干把不同的刀具完成。为了高效率的完成加工任务,应该尽量安排一个工件在一台数控加工中心上完成,以减少工件的装卡时间。因此,需要将该工件加工所需要的刀具安装在数控加工中心的刀库之中。然而,对于多品种中小批量的自动化生产制造系统,每种工件的加工工序不同,所需要的刀具也不相同。受刀具数量与加工设备数量的限制,需要解决刀具分配与加工任务调度的问题,即实现各种刀具存放在哪台机床的刀库中的决策以及各种工件加工任务由哪台加工设备完成的决策。该问题在实际生产中,往往会导致加工设备由于缺乏刀具而必须等待其它加工设备完成加工后,才能实现工件的加工情况,即出现机床等刀具的情况。这将极大地影响系统的生产效率。
为了解决该问题,本发明提出了一种以加工一组工件时,系统通过时间最少(即待加工任务在最短时间内完成)为优化目标的数控机床加工任务与刀具的调度方法。
发明内容
本发明是要提供一种数控机床加工任务与刀具的调度方法,用于解决生产制造系统高效运行的技术问题,该方法能够考虑生产制造系统中各个机床的现有加工负荷,通过刀具与加工任务的合理分配,实现待加工任务在最短时间内完成的管理目标。
为实现上述目的,本发明的技术方案是:一种数控机床加工任务与刀具的调度方法,包括有n台加工设备M1,M2,…,Mn构成一个生产制造加工系统,m种工件p1,p2,…,pm的加工任务,每种工件的加工均由若干道pij工序组成,pij表示第i个工件的第j道工序,根据加工工艺要求由生产制造加工系统中不同的加工设备完成;
其具体步骤为:
1.产生一个初始的解群体
考虑各工件不同工序在指定加工设备上加工的约束条件,随机生成每台加工设备上,加工各工件不同工序的加工任务顺序;根据遗传算法,每台加工设备需要生成N种不同的加工任务顺序,即产生一个初始的解群体;
2.计算随机生成的N种不同的加工任务顺序情况下的系统通过时间,并根据计算结果评价其优劣;
3.根据遗传算法的遗传算子:复制、交叉和变异,挑选k个最优解为每台加工设备生成新的N种不同的加工任务顺序;
4.重新评价每个加工任务顺序的优劣,直至完成预先设定的计算次数为止;
5.将最后一次计算结果中的最优解,即每台加工设备上,加工各工件不同工序的加工任务顺序,作为最后的数控机床加工任务调度结果。
上述步骤2中的具体计算方法如下:
设有m种工件p1,p2,…,pm的加工任务,每种工件的加工均由若干道工序组成,这样就形成了一个加工任务列表:
p1:p11,p12,…,p1i
p2:p21,p22,…,p2j (1)
| |
| |
| |
pm:pm1,pm2,…,pmq
根据加工工艺要求,确定工序pij由若干个加工设备{Me,Mr,…,Mt}中的一台完成加工;
每台加工设备随机生成加工任务的顺序方法为:
随机地选择一个加工工件pi,然后再随机地选择要加工的工序pis,再在该工序的备选加工设备{Mw,Mq,…,My}中随机地选择一台加工设备Mx,随机生成加工设备Mx的一个加工任务:
Mx:pis
将加工任务pis从加工任务列表(1)中删除,再重复以上操作,直至加工任务列表为空,随机生成一个加工任务顺序:
M1:pax,pdq,…,pgu
M2:pby,per,…,phv (2)
| |
| |
| |
Mn:pcz,pfs,…,plw
另外,按照加工任务随机选择的顺序,生成一个遗传算法中的染色体:
C1:pis,pjq,pis,…,plu (3)
其中,每一道工序都对应一台随机选择的加工设备;根据染色体(3)同样获得一个由(2)所表示的加工任务顺序。
上述步骤3中的具体计算方法如下:
设按照加工任务顺序(2),每台加工设备完成加工任务的时间为{t1,t2,…,tn},系统通过时间Tmax定义为:
Tmax=max{t1,t2,…,tn} (4)
根据式(4)即可计算每一种加工任务顺序(2)的系统通过时间;
通过式(4)的计算,选择k个最优解及其它所对应的k个染色体,并通过遗传算法中的遗传算子:复制、交叉和变异,生成新的每台加工设备的N种不同的加工任务顺序;
复制:保留k个最优染色体,以保证新生成的加工任务顺序的系统通过时间Tmax至少要优于老的加工任务顺序的系统通过时间Tmax。
交叉:采用遗传算法中若干种随机排序问题的交叉算法,设两个待交叉的染色体为:
C1:p3 p5 p2 p4 p1 p6
C2:p4 p2 p6 p1 p5 p3
首先,随机地确定两个交叉位置“|”
C1:p3 p5 p2 | p4 p1 | p6
C2:p4 p2 p6 | p1 p5 | p3
令C1(C2)中与C2(C1)交叉位置内参数相同的参数为零,即
C1:p3 0 p2 | p4 0 | p6
C2:0 p2 p6 | 0 p5 | p3
分别将以上两个染色体交叉位置间的参数依次向左或向右移动,填充0的位置,其结果为
C1:p3 p2 p4 |0 0 | p6
C2:p2 p6 p5 |0 0 | p3
然后将交叉位置间的参数进行交换,得到新的染色体
C1′:p3 p2 p4 |p1 p5| p6
C2′:p2 p6 p5 |p4 p1| p3
变异:在N个染色体中抽取小于5%量的染色体,作为变异的染色体,其变异的方法为随机地交换两个参数的位置,例如对于染色体
C1:p3 p5 p2 p4 p1 p6
随机地选择p5和p1,并将其位置互换,生成新的染色体
C1′:p3 p1 p2 p4 p5 p6
通过选择代表k个最优解的染色体,并经过不同染色体之间的交叉等遗传算子操作,生成新的N种不同的加工任务顺序。
上述步骤4的具体方法如下:
采用步骤2的方法,对步骤3中新生成的N种不同的加工任务顺序进行优劣评价,并采用遗传算子利用步骤3的方法继续生成新的N种不同的加工任务顺序,直至完成预先设定的计算次数为止。
本发明的有益效果:
通过该发明的方法,解决了数控机床加工任务与刀具的调度问题,所发明的方法特别适用于数控机床联网控制的系统使用,可以有效地提高自动化生产系统的运行效率。
具体实施方式
本发明的数控机床加工任务与刀具的调度方法,包括有n台加工设备M1,M2,…,Mn构成一个生产制造加工系统,m种工件p1,p2,…,pm的加工任务,每种工件的加工均由若干道pij工序组成,pij表示第i个工件的第j道工序,根据加工工艺要求由生产制造加工系统中不同的加工设备完成。
本发明根据遗传算法,提出了数控机床加工任务与刀具的调度方法。首先论述加工任务的调度方法,其基本步骤为:
1.考虑各工件不同工序在指定加工设备上加工的约束条件,随机生成每台加工设备上,加工各工件不同工序的加工任务顺序。根据遗传算法,每台加工设备需要生成N种不同的加工任务顺序,即产生一个初始的解群体。
2.以系统通过时间最少(即待加工任务在最短时间内完成)为优化目标,计算步骤1随机生成的N种不同的加工任务顺序情况下的系统通过时间,并根据计算结果评价其优劣。
3.根据遗传算法的遗传算子:复制、交叉和变异,由步骤2挑选的k个最优解为每台加工设备生成新的N种不同的加工任务顺序。
4.返回步骤2,重新评价每个加工任务顺序的优劣,直至完成预先设定的计算次数为止(例如100次)。
5.将最后一次计算结果中的最优解,即每台加工设备上,加工各工件不同工序的加工任务顺序,作为最后的数控机床加工任务调度结果。
以下对上述每一步骤的具体计算方法进行论述。
步骤1:
设有m种工件p1,p2,…,pm的加工任务,每种工件的加工均由若干道工序组成,这样就形成了一个加工任务列表:
p1:p11,p12,…,p1i
p2:p21,p22,…,p2j (1)
| |
| |
| |
pm:pm1,pm2,…,pmq
根据加工工艺要求,可以确定工序pij由若干个加工设备{Me,Mr,…,Mt}中的…台完成加工。
每台加工设备随机生成加工任务的顺序方法为:
随机地选择一个加工工件pi,然后再随机地选择要加工的工序pis,再在该工序的备选加工设备{Mw,Mq,…,My}中随机地选择一台加工设备Mx。这样就随机生成了加工设备Mx的一个加工任务:
Mx:pis
将加工任务pis从加工任务列表(1)中删除,再重复以上操作,直至加工任务列表为空。这样就随机生成了一个加工任务顺序。
M1:pax,pdq,…,pgu
M2:pby,per,…,phv (2)
| |
| |
| |
Mn:pcz,pfs,…,plw
另外,按照加工任务随机选择的顺序,可以生成一个遗传算法中的染色体:
C1:pis,pjq,pis,…,plu (3)
其中,每一道工序都对应一台随机选择的加工设备。因此,根据染色体(3)同样可以获得一个由(2)所表示的加工任务顺序。
利用上述方法生成的加工任务顺序,有可能出现一台加工设备上加工同一工件的不同加工工序。此时,考虑生产工艺要求,一台加工设备上工件加工的每一道工序需在前一道工序完成后才能进行。随机生成的加工顺序不符合此规律时,可以通过位置置换,即将同一加工设备上工件前道与后道工序的加工顺序互换,让其满足加工工艺的约束条件。这样就随机地生成了一个加工任务顺序的可行解,同样方法可以生成N种不同的加工任务顺序,获得N个染色体C1,C2,…,CN。
步骤2:
生产调度的目标是寻找一种最优的加工任务顺序,以保证生产系统的系统通过时间最少(即待加工任务在最短时间内完成)。设按照加工任务顺序(2),每台加工设备完成加工任务的时间为{t1,t2,…,tn},系统通过时间Tmax定义为
Tmax=max{t1,t2,…,tn} (4)
根据式(4)即可计算每一种加工任务顺序(2)的系统通过时间。
步骤3:
通过式(4)的计算,选择k个最优解及其它所对应的k个染色体,并通过遗传算法中的遗传算子:复制、交叉和变异,生成新的每台加工设备的N种不同的加工任务顺序。
复制:保留k个最优染色体,以保证新生成的加工任务顺序的系统通过时间Tmax至少要优于老的加工任务顺序的系统通过时间Tmax。
交叉:本发明所涉及的是加工任务的随机排序问题,可以采用遗传算法中若干种随机排序问题的交叉算法,以下介绍其中一种。设两个待交叉的染色体为
C1:p3 p5 p2 p4 p1 p6
C2:p4 p2 p6 p1 p5 p3
首先,随机地确定两个交叉位置“|”
C1:p3 p5 p2 |p4 p1| p6
C2:p4 p2 p6 |p1 p5| p3
令C1(C2)中与C2(C1)交叉位置内参数相同的参数为零,即
C1:p3 0 p2 |p4 0| p6
C2:0 p2 p6 |0 p5| p3
分别将以上两个染色体交叉位置间的参数依次向左或向右移动,填充0的位置,其结果为
C1:p3 p2 p4 |0 0| p6
C2:p2 p6 p5 |0 0| p3
然后将交叉位置间的参数进行交换,得到新的染色体
C1′:p3 p2 p4 |p1 p5| p6
C2′:p2 p6 p5 |p4 p1| p3
变异:在N个染色体中抽取少量的(小于5%)的染色体,作为变异的染色体,其变异的方法为随机地交换两个参数的位置,例如对于染色体
C1:p3 p5 p2 p4 p1 p6
随机地选择p5和p1,并将其位置互换,生成新的染色体
C1′:p3 p1 p2 p4 p5 p6
通过选择代表k个最优解的染色体,并经过不同染色体之间的交叉等遗传算子操作,可以生成新的N种不同的加工任务顺序。值得一提的是,上述方法是一种随机排序的方法,因此会产生一台加工设备上工件加工的后道工序位于前道工序之前的问题,此时需要将工件前道与后道工序的加工顺序互换,让其满足加工工艺的约束条件。
步骤4:
采用步骤2)的方法,对步骤3)新生成的N种不同的加工任务顺序进行优劣评价,并采用遗传算子利用步骤3)的方法继续生成新的N种不同的加工任务顺序,直至完成预先设定的计算次数为止(例如100次)。以上过程实际上是一个迭代计算过程。
步骤5:
将最后一次计算结果中的最优解,即每台加工设备上,加工各工件不同工序的加工任务顺序,作为最后的数控机床加工任务调度结果。
以上是数控机床加工任务的调度计算方法,基于该调度结果,考虑刀具的调度方法。
通过加工任务的调度,确定了每台加工设备上工件的加工顺序。首先,应该将加工工件所需要的刀具安装在相应的加工设备上,当刀具使用出现矛盾时,需要对刀具使用的优先顺序做出决策,即解决刀具的调度问题。此时,按照每个工件的加工时间计算每台加工设备Mi上加工完这些工件所需要的时问ti。ti越大,说明设备对工件系统通过时问的影响也越大,因而其优先权也越大。优先权低的设备如与优先权高的设备在刀具使用上出现矛盾时,应处于等待状态,直至优先权高的设备使用完刀具为止。
Claims (2)
1.一种数控机床加工任务与刀具的调度方法,包括有n台加工设备M1,M2,…,Mn构成一个生产制造加工系统,m种工件p1,p2,…,pm的加工任务,每种工件的加工均由若干道pij工序组成,pij表示第i个工件的第j道工序,根据加工工艺要求由生产制造加工系统中不同的加工设备完成,其特征在于,其具体步骤为:
(1)产生一个初始的解群体
考虑各工件不同工序在指定加工设备上加工的约束条件,随机生成每台加工设备上,加工各工件不同工序的加工任务顺序;根据遗传算法,每台加工设备需要生成N种不同的加工任务顺序,即产生一个初始的解群体;
(2)计算随机生成的N种不同的加工任务顺序情况下的系统通过时间,并根据计算结果评价其优劣;
(3)根据遗传算法的遗传算子:复制、交叉和变异,挑选k个最优解为每台加工设备生成新的N种不同的加工任务顺序;
(4)重新评价每个加工任务顺序的优劣,直至完成预先设定的计算次数为止;
(5)将最后一次计算结果中的最优解,即每台加工设备上,加工各工件不同工序的加工任务顺序,作为最后的数控机床加工任务调度结果。
2.根据权利要求1所述的数控机床加工任务与刀具的调度方法,其特征在于,上述步骤(4)的具体方法如下:采用步骤(2)的方法,对步骤(3)中新生成的N种不同的加工任务顺序进行优劣评价,并采用遗传算子利用步骤(3)的方法继续生成新的N种不同的加工任务顺序,直至完成预先设定的计算次数为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100451486A CN101533274B (zh) | 2009-01-12 | 2009-01-12 | 数控机床加工任务与刀具的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100451486A CN101533274B (zh) | 2009-01-12 | 2009-01-12 | 数控机床加工任务与刀具的调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101533274A CN101533274A (zh) | 2009-09-16 |
CN101533274B true CN101533274B (zh) | 2012-02-29 |
Family
ID=41103915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100451486A Expired - Fee Related CN101533274B (zh) | 2009-01-12 | 2009-01-12 | 数控机床加工任务与刀具的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101533274B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044011B (zh) * | 2009-10-20 | 2013-07-31 | 北京交通大学 | 一种警力资源调度的方法及系统 |
CN101770222B (zh) * | 2010-03-09 | 2011-09-28 | 江南大学 | 数控机床刀具的在线管理方法 |
CN102193521B (zh) * | 2011-05-23 | 2013-01-02 | 西安理工大学 | 基于遗传算法的多孔并行加工方法 |
CN102945018A (zh) * | 2011-11-22 | 2013-02-27 | 深圳众为兴技术股份有限公司 | 一种切割排序系统 |
CN106548305A (zh) * | 2016-12-08 | 2017-03-29 | 上海维宏电子科技股份有限公司 | 用加工任务列表描述加工形式的方法及系统 |
CN107368912B (zh) * | 2017-06-12 | 2020-06-19 | 西安交通大学 | 一种面向低碳制造的加工中心刀具决策方法 |
CN107861468A (zh) * | 2017-11-01 | 2018-03-30 | 南通欧科数控设备有限公司 | 一种数控机床加工任务与刀具的调度方法 |
CN108267954B (zh) * | 2018-01-15 | 2020-04-03 | 西北工业大学 | 一种带硬时间窗的刀具准时配送路径规划算法 |
CN109648383B (zh) * | 2018-12-17 | 2021-01-26 | 广州市大乾智能装备有限公司 | 数控铣削全自动化多卡盘工作台物料取放及智能加工方法 |
CN110991860B (zh) * | 2019-11-28 | 2022-04-08 | 王解法 | 一种建立刀具调度模型的方法 |
CN113245649B (zh) * | 2021-05-28 | 2022-07-05 | 珠海格力精密模具有限公司 | 多电极高效加工方法 |
CN114442578B (zh) * | 2022-01-28 | 2022-08-16 | 湘南学院 | 复杂型面智能生产单元任务的刀具联合动态调度方法 |
CN116984924B (zh) * | 2023-09-27 | 2023-12-01 | 南京航空航天大学 | 一种智能加工单元刀具需求优化方法 |
-
2009
- 2009-01-12 CN CN2009100451486A patent/CN101533274B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101533274A (zh) | 2009-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101533274B (zh) | 数控机床加工任务与刀具的调度方法 | |
CN103942610B (zh) | 基于任务的可重组制造系统多态构型优化方法 | |
CN105629927A (zh) | 一种基于混合遗传算法的mes生产计划排产方法 | |
CN101303749A (zh) | 面向客户需求的车间作业调度方法 | |
CN102854855A (zh) | 一种柔性生产线监控系统 | |
CN102799144A (zh) | 基于特征的数控加工程序移植方法 | |
CN110989513A (zh) | 一种应用于智能加工生产线的中央刀库控制系统 | |
CN104808629A (zh) | 一种柔性机器人制造单元的调度方法 | |
US20170343994A1 (en) | Manufacturing management device for controlling manufacturing cells in which maintenance work is conducted | |
CN109154809A (zh) | 生产规划系统和方法 | |
CN103365243A (zh) | 转角侧铣加工轨迹快速生成方法 | |
CN114310423B (zh) | 一种加工单元多刀库联动配置方法 | |
Karuppanan et al. | Optimized sequencing of CNC milling toolpath segments using metaheuristic algorithms | |
Kongchuenjai et al. | An integer programming approach for process planning for mixed-model parts manufacturing on a CNC machining center | |
CN113705978B (zh) | 一种多机任务刀具静态与动态集成决策方法及系统 | |
US20210398044A1 (en) | Production assistance system | |
CN108919645B (zh) | 一种存在不可控行为的自动制造系统的稳健性控制方法 | |
Sugimura et al. | Integrated process planning and scheduling in holonic manufacturing systems-Optimization based on shop time and machining cost | |
CN113867275A (zh) | 一种分布式车间预防维修联合调度的优化方法 | |
CN104483950A (zh) | 多通道制孔机床的控制系统 | |
CN117132181A (zh) | 一种分布式柔性生产与运输协同调度方法 | |
Amouzgar et al. | Optimizing index positions on CNC tool magazines considering cutting tool life and duplicates | |
CN107861468A (zh) | 一种数控机床加工任务与刀具的调度方法 | |
CN101885191B (zh) | 木工cnc加工中心工序的优化方法 | |
Qiao et al. | Genetic algorithm based novel methodology of multi-constraint job scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120229 Termination date: 20150112 |
|
EXPY | Termination of patent right or utility model |