CN111813054B - 一种有轨制导车辆的动态调度方法及系统 - Google Patents

一种有轨制导车辆的动态调度方法及系统 Download PDF

Info

Publication number
CN111813054B
CN111813054B CN201910287609.4A CN201910287609A CN111813054B CN 111813054 B CN111813054 B CN 111813054B CN 201910287609 A CN201910287609 A CN 201910287609A CN 111813054 B CN111813054 B CN 111813054B
Authority
CN
China
Prior art keywords
numerical control
machine tool
control machine
time
procedure
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.)
Active
Application number
CN201910287609.4A
Other languages
English (en)
Other versions
CN111813054A (zh
Inventor
王先超
胡梦圆
王先传
张�杰
刘冬冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dragon Totem Technology Hefei Co ltd
Original Assignee
Fuyang Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuyang Normal University filed Critical Fuyang Normal University
Priority to CN201910287609.4A priority Critical patent/CN111813054B/zh
Publication of CN111813054A publication Critical patent/CN111813054A/zh
Application granted granted Critical
Publication of CN111813054B publication Critical patent/CN111813054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开一种有轨制导车辆的动态调度方法及系统。该方法首先确定调度目标，然后确定影响目标的各个指标，对各个指标进行计算并确定各个指标的权重，从而确定出目标函数，最后对目标函数进行求解得到调度方案。本发明综合考虑影响调度目标的各项指标，从而使调度目标最大化，能够有效提高全局调度效率和物料加工效率。

Description

一种有轨制导车辆的动态调度方法及系统
技术领域
本发明涉及有轨制导车辆领域，特别是涉及一种有轨制导车辆的动态调度方法及系统。
背景技术
有轨制导车辆(Rail GuidedVehicle，RGV)不仅可以用于物流领域，在物料加工领域也能发挥一定的作用，比如通过RGV可以实现物料的上下料，并对加工好的物料进行清洗，最后将清洗完成后的物料转移到下料传送带运出。现有的用于物料加工领域的RGV通常是一辆RGV配合多台计算机数字控制机床(ComputerizedNumerical Control Machine，CNC)完成物料的上下料和清洗，在多台CNC同时对RGV发送需求指令时，RGV通常按照指令发送的先后顺序进行调度，然而这种方式并未考虑全局的工作效率，使全局调度效率较低。
发明内容
本发明的目的是提供一种有轨制导车辆的动态调度方法及系统，提高全局调度效率。
为实现上述目的，本发明提供了如下方案：
一种有轨制导车辆的动态调度方法，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成对物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度方法包括：
当物料加工只需一道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
按照所述第一调度参数对有轨制导车辆进行调度；
当物料加工需要两道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
确定各个所述第二指标的权重，得到第二目标函数；
利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
按照所述第二调度参数对有轨制导车辆进行调度；
当物料加工只需一道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
按照所述第三调度参数对有轨制导车辆进行调度；
当物料加工需要两道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
确定各个所述第四指标的权重，得到第四目标函数；
利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
按照所述第四调度参数对有轨制导车辆进行调度。
本发明还公开一种有轨制导车辆的动态调度系统，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成对物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度系统包括：单工序无故障调度模块、双工序无故障调度模块、单工序有故障调度模块和双工序有故障调度模块；
所述单工序无故障调度模块，用于当物料加工只需一道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述单工序无故障调度模块包括：
第一指标确定单元，用于以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
第一目标函数建立单元，用于利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
第一调度参数确定单元，用于利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
第一调度单元，用于按照所述第一调度参数对有轨制导车辆进行调度；
所述双工序无故障调度模块用于当物料加工需要两道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述双工序无故障调度模块包括：
第二指标确定单元，用于以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
第二目标函数建立单元，用于确定各个所述第二指标的权重，得到第二目标函数；
第二调度参数确定单元，用于利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
第二调度单元，用于按照所述第二调度参数对有轨制导车辆进行调度；
所述单工序有故障调度模块用于当物料加工只需一道工序且存在数控机床发生故障对有轨制导车辆进行调度；
所述单工序有故障调度模块包括：
第三指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
第三目标函数建立单元，用于利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
第三调度参数确定单元，用于利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
第三调度单元，用于按照所述第三调度参数对有轨制导车辆进行调度；
所述双工序有故障调度模块用于当物料加工需要两道工序且存在数控机床发生故障时对有轨制导车辆进行调度；
所述双工序有故障调度模块包括：
第四指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
第四目标函数建立单元，用于确定各个所述第四指标的权重，得到第四目标函数；
第四调度参数确定单元，用于利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
第四调度单元，用于按照所述第四调度参数对有轨制导车辆进行调度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所公开的有轨制导车辆的动态调度方法及系统，首先确定调度目标，然后确定影响目标的各个指标，对各个指标进行计算并确定各个指标的权重，从而确定出目标函数，最后对目标函数进行求解得到调度方案。本发明综合考虑影响调度目标的各项指标，从而使调度目标最大化，能够有效提高全局调度效率和物料加工效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1的有轨制导车辆的动态调度方法的方法流程图；
图2为本发明实施例2的有轨制导车辆的动态调度方法所采用的物料加工系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1：
图1为本发明实施例1的有轨制导车辆的动态调度方法的方法流程图。
参见图1，该有轨制导车辆的动态调度方法，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成对于物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度方法包括：
步骤1：确定调度目标以及影响调度目标的多个指标；
步骤2：确定各个指标的权重，得到目标函数；
步骤3：对目标函数进行求解，得到调度方案；
步骤4：按照调度方案进行调度。
下面分四种情况进行具体说明：
情况一：当物料加工只需一道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
按照所述第一调度参数对有轨制导车辆进行调度；
情况二：当物料加工需要两道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
确定各个所述第二指标的权重，得到第二目标函数；
利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
按照所述第二调度参数对有轨制导车辆进行调度；
情况三：当物料加工只需一道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
按照所述第三调度参数对有轨制导车辆进行调度；
情况四：当物料加工需要两道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
确定各个所述第四指标的权重，得到第四目标函数；
利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
按照所述第四调度参数对有轨制导车辆进行调度。
可选的，所述以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标，具体包括：
计算所述有轨制导车辆对不同数控机床的运动操作时间指标
Ti＝T1+T2+t9,
其中Ti表示有轨制导车辆从移动到完成对第i个数控机床的作业任务的总时间，T1表示有轨制导车辆从移动到完成对第1个数控机床的作业任务的总时间；T2表示有轨制导车辆从移动到完成对第2个数控机床的作业任务的总时间；t9表示有轨制导车辆完成对一个物料的清洗时间；
计算所述数控机床的平均等待队列指标
Figure BDA0002023821740000061
其中
Figure BDA0002023821740000062
R表示物料加工系统中等待设备率；
计算所述数控机床的平均利用率指标
Figure BDA0002023821740000071
其中di为第i台数控机床在Di时间内的总的加工时间，Di为第i台数控机床的运行时间段，为最后一个物料生产结束的时间减第一个物料生产开始的时间的差；
计算所述数控机床的平均等待时间指标
Figure BDA0002023821740000072
其中si为第i个数控机床的等待时间。
可选的，所述以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标，具体包括：
计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标
Tj＝T1+T2,
其中Tj表示有轨制导车辆从移动到完成对第j个第一工序数控机床的作业任务的总时间；
计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间
Tp＝Tp1+Tp2+t9,
其中Tp表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间，Tp1表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第1个第二工序数控机床的作业任务的总时间；Tp2表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第2个第二工序数控机床的作业任务的总时间；
计算第一工序数控机床的平均等待队列指标
Figure BDA0002023821740000073
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure BDA0002023821740000081
计算第二工序数控机床的平均等待队列指标
Figure BDA0002023821740000082
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure BDA0002023821740000083
计算所有数控机床的平均等待指标
Figure BDA0002023821740000084
Rs表示物料加工系统中所有等待设备率；
计算第一工序数控机床的平均利用率指标
Figure BDA0002023821740000085
其中
Figure BDA0002023821740000086
Qj为第一工序数控机床的平均利用率；dj为第j 个第一工序数控机床在Dj时间内的总加工时间，Dj为第j个第一工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
计算第二工序数控机床的平均利用率指标
Figure BDA0002023821740000087
其中
Figure BDA0002023821740000088
Qp为第二工序数控机床的平均利用率；dp为第 p个第二工序数控机床在Dp时间内的总加工时间，Dp为第p个第二工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
计算所有数控机床的平均利用率指标
Figure BDA0002023821740000091
其中M+N＝8,Q为所有数控机床的平均利用率；
计算第一工序数控机床的平均等待时间指标
Figure BDA0002023821740000092
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
计算第二工序数控机床的平均等待时间指标
Figure BDA0002023821740000093
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
计算所有数控机床的平均等待时间
Figure BDA0002023821740000094
其中d为所有数控机床的平均等待时间。
可选的，所述以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标，具体包括：
计算所述有轨制导车辆对不同数控机床的运动操作时间指标
Ti＝T1+T2+t9,
其中Ti表示有轨制导车辆从移动到完成对第i个数控机床的作业任务的总时间，T1表示有轨制导车辆从移动到完成对第1个数控机床的作业任务的总时间；T2表示有轨制导车辆从移动到完成对第2个数控机床的作业任务的总时间；t9表示有轨制导车辆完成对一个物料的清洗时间；
计算所述数控机床的平均等待队列指标
Figure BDA0002023821740000101
其中
Figure BDA0002023821740000102
R表示物料加工系统中等待设备率；
计算所述数控机床的平均利用率指标
Figure BDA0002023821740000103
其中di为第i台数控机床在tei时间内的总的加工时间，tei为第i台数控机床的运行时间段，
Figure BDA0002023821740000104
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；
计算所述数控机床的平均等待时间指标
Figure BDA0002023821740000105
其中si为第i个数控机床的等待时间。
可选的，所述以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标，具体包括：
计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标
Tj＝T1+T2,
其中Tj表示有轨制导车辆从移动到完成对第j个第一工序数控机床的作业任务的总时间；
计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间
Tp＝Tp1+Tp2+t9,
其中Tp表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间，Tp1表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第1个第二工序数控机床的作业任务的总时间；Tp2表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第2个第二工序数控机床的作业任务的总时间；
计算第一工序数控机床的平均等待队列指标
Figure BDA0002023821740000111
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure BDA0002023821740000112
计算第二工序数控机床的平均等待队列指标
Figure BDA0002023821740000113
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure BDA0002023821740000114
计算所有数控机床的平均等待指标
Figure BDA0002023821740000115
Rs表示物料加工系统中所有等待设备率
计算第一工序数控机床的平均利用率指标
Figure BDA0002023821740000116
其中
Figure BDA0002023821740000117
Qj为第一工序数控机床的平均利用率；dj为第j 个第一工序数控机床在teki时间内的总加工时间，teki为第i个数控机床的运行时间段，
Figure BDA0002023821740000121
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；k表示工序数；k＝1或2；
计算第二工序数控机床的平均利用率指标
Figure BDA0002023821740000122
其中
Figure BDA0002023821740000123
Qp为第二工序数控机床的平均利用率；dp为第 p个第二工序数控机床在teki时间内的总加工时间；
计算所有数控机床的平均利用率指标
Figure BDA0002023821740000124
其中M+N＝8,Q为所有数控机床的平均利用率；
计算第一工序数控机床的平均等待时间指标
Figure BDA0002023821740000125
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
计算第二工序数控机床的平均等待时间指标
Figure BDA0002023821740000126
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
计算所有数控机床的平均等待时间
Figure BDA0002023821740000131
其中d为所有数控机床的平均等待时间。
实施例2：
该实施例利用层次分析法，确定了关于RGV动态调度的线性规划模型，通过禁忌搜索算法求得最优解，结合双重稳健重调度模型，给出了不同情形下RGV的最优调度策略和系统的作业效率。
针对一道工序无故障的情形，首先，对物料加工系统建立笛卡尔坐标系，为了物料加工系统在规定时间内达到效益最大化，分析得出了影响RGV动态调度的相关因素(RGV对不同CNC的运动操作时间指标，CNC平均等待队列指标，CNC平均利用率指标，CNC平均等待时间指标)。然后，利用层次分析法，确定了上述各因素的权重。最后，由线性规划建立了RGV动态调度模型，求出RGV的最佳运动轨迹。
针对两道工序无故障的情形，首先，确定出两道工序的物料加工作业时影响RGV动态调度的11个指标。其次，通过分析作业过程明确约束条件，建立RGV最优调度目标函数。最后采用禁忌搜索算法求得最优解。
针对一道工序有故障的情形，首先，考虑到某CNC故障发生后，为了节省时间，RGV对该CNC及其对面的CNC加工任务分配减少。其次，在满足智能加工系统高效运转的不同约束条件下，建立系统稳定性指标函数和最优调度目标函数，建立了有故障情形时稳健型重调度模型。最后，采用禁忌搜索算法求得最优解。
针对两道工序有故障的情形，首先，为了使成料率最高，基于每台CNC 只能加工一道工序，建立了双重最优目标函数，得出了CNC故障下双重稳健型重调度模型。最后，采用禁忌搜索算法求得最优解。
图2为本发明实施例2的有轨制导车辆的动态调度方法所采用的物料加工系统的结构图。
参见图2，一辆RGV沿着直线轨道前后运动，左右两侧分别有四台CNC，对这8台CNC进行编号，左侧为奇数编号，右侧为偶数编号，则左侧CNC 依次为CNC1#、CNC3#、CNC5#、CNC7#，右侧CNC依次为CNC2#、CNC4#、 CNC6#、CNC8#。上料传送带在RGV的左侧，下料传送带在RGV的右侧，每个传送带由四段组成，分别对应每台CNC。传送带只能向RGV的前方运动，每段传送带可以单独运动，也可以合并为一一起运动。CNC负责将生料加工成熟料，当加工完成就会向RGV发出需求信号，一直等待RGV的到来；而RGV负责接收CNC的需求信号，移动到CNC前面，完成物料的下料以及上料并且立即清洗加工好的熟料，待清洗完成后直接通过下料传送带运出。如果RGV没有接收到需求信号需要停在原地不能继续移动。RGV能根据CNC发出的指令做出判断，自动判别下一步任务，移动位置、判别方向和距离，并且在同一时间内，RGV只能执行移动、停止等待和清洗作业的一个指令。当RGV运行到某处，给发出指令的CNC工作时，传送带就将生料运送到了CNC前方的传送带上。
该实施例的方案建立在以下条件下：
1.所给数据真实可靠；
2.RGV工作过程中不会故障；
3.发生的概率，为八小时内的概率；
4.在工作时机械臂抓取生料时间忽略不计；
5.机器故障时故障排除时间为15分钟；
6.生料的补给正常，不会停止供应；
7.上下料传送带工作正常，不会出现故障；
8.每台机器发生故障是随机的。
针对一道工序无故障的情形：
建立平面直角坐标系，参见图1，其中RGV轨道为x轴，CNC1#与CNC2# 所连直线为y轴，设定CNC1#的坐标为(0,-1)，CNC2#的坐标为(0,1)， CNC3#的坐标为(1,-1)，CNC4#的坐标为(1,1)，以此类推。则有：
Lib＝|xi-Xb-1|,
Figure BDA0002023821740000141
Figure BDA0002023821740000142
i＝1,2,…,8；n＝1,2,…,4；j＝1,2,…,
其中：xi表示CNCi#位置的横坐标，Xb-1表示RGV第b次移动前位置的横坐标。Lib表示xi与Xb-1差的绝对值。T1表示RGV从移动到完成对CNC1# 的作业任务的总时间；T2表示RGV从移动到完成对CNC2#的作业任务的总时间。
建立线性规划模型。RGV动态调度问题是一个多任务多指标优化问题，对多指标综合优化可使物料加工在规定时间内达到效益最大化。物料加工系统主要指标如下：
(1)RGV对不同CNC的运动操作时间
对于RGV来说，若在同一时间接收到不同CNC发出的需求信号，则 RGV对不同CNC运动操作时间为：
Ti＝T1+T2+t9,
其中Ti表示有轨制导车辆从移动到完成对第i个数控机床的作业任务的总时间。作业任务包括下料上料、物料清洗和将物料转移至下料传送带。
作用：RGV对不同CNC的运动操作时间刻画出了生产出同一成料，由于调度不同加工系统所需的时间不同，反映了产品的生产效率。对于生产企业来说，提高生产效率意味着提高产量，降低成本。
(2)CNC平均等待队列指标
该指标能够反映在生产过程中，等待设备的数量。
Figure BDA0002023821740000151
Figure BDA0002023821740000152
其中R表示物料加工系统中等待设备率。
作用：设备有等待队列说明在生产加工过程中，加工生产计划有等待，如果队列等待严重，说明调度安排不当，需调整RGV调度安排。
(3)CNC平均利用率指标
对于每台生产设备来说，最主要的性能指标是设备的利用率，在生产活动中，我们通常定义它为在一个运行期间内设备处于工作状态的时间比率。
Figure BDA0002023821740000153
其中di为CNCi#在Di时间内的总的加工时间，Di为CNCi#的运行时间段，对于一定量的生产数量来说，Di为最后一个产品生产结束的时间减第一个产品生产开始的时间。
作用：单个生产设备的利用率不可以反映整个生产系统的生产状况，提升整个系统的生产设备利用率可以提升固定时间内的产品生产量，降低成本。
(4)CNC平均等待时间指标
Figure BDA0002023821740000161
其中si为第i个CNC等待时间。
作用：对制造周期中设备正在制造水平的定量。
设定最优目标函数：
Figure BDA0002023821740000162
Figure BDA0002023821740000163
ni为CNCi#加工物料的总量，ki为CNCi#加工物料的数量，
Figure BDA0002023821740000167
表示第i 个CNC第ki次上物料的目标函数值。该公式表示当物料是第i个CNC第ki次上的物料时，值为1，否则为0。
di≤Di i＝2,…,8
di≤T1+T2+t9≤Di
Figure BDA0002023821740000164
Ci≤Cmax
Figure BDA0002023821740000165
其中λ1、λ2、λ3和λ4均为系数，λ1+λ2+λ3+λ4＝1。μi为上下料的开始时间， Ci为上下料的完成时间；Cmax为一轮回最晚完成上下料的时间。
对目标函数权重建立层次分析模型
(1)建立影响决策的层次结构，对于RGV调度，可以把层次结构分为三个层次：
①最高层只有一个元素，其为目标层，使其达到最优。
②第二层以目标层的影响因素为导向，可以得到四项决策准则(见表1)。
③第三层包括由计算机计算出的各种调试结果。
表1四项准则表
Figure DEST_PATH_IMAGE001
Figure BDA0002023821740000171
(2)构造判断矩阵
1.所建立的判断矩阵，以上一层的某一要素EH为准则，对下一层元素进行两两比较来确定矩阵的元素值，形式列举如下：
表2判断矩阵形式
Figure BDA0002023821740000172
矩阵中B的元素bαβ表示从判断准则出发，要素Bα对要素Bβ的相对重要程度，即：
Figure BDA0002023821740000173
其中wα,wβ为优先级排序。
根据表1中的优先级，利用相对重要程度公式可得出如下判断矩阵：
表3判断矩阵
Figure BDA0002023821740000174
2.对于EH的权重，先求出判断矩阵的特征向量W，最后归一化处理。其中特征向量的分量Wα计算公式如下：
Figure BDA0002023821740000181
其中v为判断矩阵的阶数。最后，对W＝(W1,W2,…,Wv)T进行归一化，即：
Figure BDA0002023821740000182
其结果为Bα关于EH的权重
Figure BDA0002023821740000183
即：
Figure BDA0002023821740000184
3.对判断矩阵进行相容性检验如表4所示：
表4相容性检验表
Figure BDA0002023821740000185
CI为一致性检验指标；因为CI<0.1，故可认为判断矩阵具有相容性，所以计算出的权重值是可以被接受的。
针对两道工序无故障的情形：
每个物料加工都需要两道不同工序，且每一个物料的两道工序要分别由两台不同的CNC依次加工完成；设加工第一道工序的不同CNC统称为 1CNC，加工第二道工序的不同CNC统称为2CNC。整个系统中1CNC的总量为N，整个系统中2CNC的总量为M。则有：
Ljb′＝|xj-Xb′-1|,
Figure BDA0002023821740000186
Figure BDA0002023821740000187
其中xj为加工第一道工序的CNC横坐标，Xb′-1表示RGV第b′次移动到加工第一道工序的CNC前位置的横坐标；
Lp＝|xp-xj|,
Figure BDA0002023821740000191
Figure BDA0002023821740000192
其中：xp表示加工第二道工序的CNC的横坐标，Lp表示xp与xj差的绝对值。
建立线性规划模型
(1)RGV对不同1CNC的运动操作时间指标
对于RGV来说，若在同一时间接受到不同1CNC发出的需求信号，则 RGV对不同1CNC运动操作时间为：
Tj＝T1+T2,
Tj表示有轨制导车辆从移动到完成对第j个第一工序数控机床的作业任务的总时间。
(2)RGV从1CNC对不同2CNC的运动操作时间指标
对于RGV来说，若在同一时间接受到不同2CNC发出的需求信号，则 RGV对不同2CNC运动操作时间为：
Tp＝Tp1+Tp2+t9,
Tp表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间。
(3)1CNC平均等待队列指标
该指标能够反映在生产过程中，1CNC等待设备的数量。
Figure BDA0002023821740000193
Figure BDA0002023821740000194
Rj表示系统中第一工序数控机床等待设备率。
(4)2CNC平均等待队列指标
该指标能够反映在生产过程中，2CNC等待设备的数量。
Figure BDA0002023821740000201
Figure BDA0002023821740000202
其中Rp表示2CNC等待设备率。
(5)所有CNC平均等待指标
该指标能够反映在生产过程中，物料加工系统整体等待设备的数量。
Figure BDA0002023821740000203
其中Rs表示物料加工系统中所有等待设备率。
(6)1CNC平均利用率指标
对于每台生产设备来说，最主要的性能指标是设备的利用率，在生产活动中，我们通常定义它为在一个运行期间内设备处于工作状态的时间比率。
Figure BDA0002023821740000204
Figure BDA0002023821740000205
其中dj为1CNCj#生产设备在Dj时间内的总加工时间，Dj为第j个第一工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间。
(7)2CNC平均利用率指标
Figure BDA0002023821740000207
Figure BDA0002023821740000206
其中dp为2CNCp#生产设备在Dp时间内的总加工时间，Dp为第p个第二工序数控机床的运行时间段，对一定量的生产数量来说，Dp为最后一个产品生产结束的时间减第一个产品生产开始的时间。
(8)所有CNC平均利用率指标
Figure BDA0002023821740000211
M+N＝8,
其中Q表示所有CNC的平均利用率。
(9)1CNC平均等待时间指标
Figure BDA0002023821740000212
其中sj为第j个1CNC等待时间。
(10)2CNC平均等待时间指标
Figure BDA0002023821740000213
其中sp为第p个2CNC等待时间。
(11)所有CNC平均等待时间指标
Figure BDA0002023821740000214
其中d为所有CNC的平均等待时间。
设定最优目标函数：
Figure BDA0002023821740000215
由于单线往返两工序RGV调度问题需要求解的决策变量较多，情况比较复杂，用常规的线性规划算法不易求出最优值，而且误差较大。本实施例根据该问题的特性，运用基于运送序列向量作为解的表达形式，使用禁忌搜索算法，在全局逐步寻找最优解，既保障了影响因素的多样性，又保障了全局的最优性。RGV停靠序列的解可以表示为：Step(x1x2x3x4)。其中任意停靠xc，所表示的是处理横坐标为xc的CNC。但是仅仅凭靠RGV的运动序列，无法得知RGV的具体运作处理过程，还需结合CNC的机床序号。并在给定运动序列的情况下尽可能得到最优解。
禁忌搜索算法的具体步骤：
第一步：设定禁忌搜索编码方式和初始解
禁忌搜索算法减去了在进行搜索过程中的循环，加入了禁忌表。该算法的编码方式分为顺序和自然数两种。可随机给出初始解，可通过MATLAB 等一些软件实现。
第二步：构造解领域
利用两元素优化(2-opt)方法构造领域，随机的选定已生成解的两个位置，对这两个已解位置的运动顺序进行互换，随后便能求出一个与两个已解位置相近的邻居。故每次进行领域变换得到的解都是原问题的可行解。
第三步：渴望水平函数
本发明中给出的最优目标函数可满足需要。目的是求产品的最小的单位生产时间，当在领域内产生一个新的解值后，带入模型计算目标函数值，然后对该值进行测试是否满足需要。
第四步：选择备选解集
每一次都在目前解的领域中，随机选择部分个体作为备选答案，生成备选集。
第五步：禁忌的长度和禁忌的对像
将每次迭代更新后的没有被禁忌的最优解作为新的禁忌对象加入到禁忌表中。在本发明中设置的禁忌长度，也即为禁忌的步数约定为候选解个数的二分之一次方，为一常数。具体解值，根据问题复杂程度确定。
第六步：建立赦免准则
对禁忌表中的最优函数值进行比较，找到最优值进行赦免释放。但当所有的值都被禁忌时，就选择最早的候选解进行解禁。
第七步：设定迭代的停止条件
当达到所设定的迭代次数时，计算停止。
为了判断本发明所建立的禁忌搜索算法是否有效，在下面给出RGV运行总时间函数的下界MIN，计算过程中RGV运行时间函数的函数值不能低于此下界。
Figure BDA0002023821740000231
ni为第i个CNC完成物料的数量。
由于RGV生产完成一个成品后，无论从哪个CNC出发，也无论第二道工序去了哪个CNC，在RGV完成一个产品从生料加工成熟料的整个过程中，保证RGV所移动的最短路径为：RGV对距离最近的CNC实施第一道工序后就对其对面的CNC实施第二道工序，因此RGV移动到距离最近的CNC 时间为t1，在这一位置的相对两个CNC上下料时间之和为t7+t8，清洗时间为t9。
针对一道工序有故障的情形：
CNC发生故障时，机器可能存在以下两种状态：
(1)发生故障时，CNC正在对产品进行加工，处于加工状态。
(2)发生故障时，CNC处于空闲状态，正在等待加工任务。
对这两种状态，机器故障下的重调度问题可以概括为：机器故障发生后，RGV对该CNC及其对面的加工任务分配减少，把节省下的时间合理分配给正常运行的CNC。在满足生产系统的不同约束条件下，使得整个物料加工系统单位时间内产出产品量和稳定性指标达到最优。从而得到一个最优重调度方案。
设定目标函数：
F1＝max(Gi+F2,i＝1,2,…,I)，(I≤8)
其中Gi为一道工序有故障情况下的最优目标函数。
稳定性指标：
Figure BDA0002023821740000232
m为RGV的总移动次数，m为变量。
假设在t时刻，CNCi#发生故障，此时机器CNC正处于加工工件的过程中，则此工件报废，机器发生故障后，该CNC停止加工，规定时间内被加工物料的实际加工时间会发生变化，此时物料的开始加工时间和结束时间的函数关系会发生改变。
Figure BDA0002023821740000233
其中，T总表示一天中总的系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间。使teji替代一道工序有故障情况下中的Di求出一道工序有故障情况的目标函数的最优解，即为最优调度策略。
完全重调度方案除了要满足以上的插入约束条件外，但需要满足模型一种机器的约束条件，时间的约束条件，以及加工线路的运输条件等。
针对两道工序有故障的情形：
因为每台CNC只能加工一道工序，设机器CNCj#发生故障时，此时CNC 正在加工第k道工序，k＝1或k＝2。
设定目标函数：
F3＝max(Fj+F4|j＝1,2,…,N,N≤8)
其中，Fj为两道工序无故障情形下的最优目标函数。
稳定性指标：
Figure BDA0002023821740000241
其中，q为RGV移动到加工第一道工序的CNC前的次数，Lpb′为xp与Xb′-1差的绝对值，Lib′为xi与Xb′-1差的绝对值。
假设在T时刻，加工第k道工序的CNCi#发生故障，此时机器CNC正处于加工的过程中，则此工件报废，机器发生故障后，该CNC停止加工，规定时间内被加工物料的实际加工时间会发生变化，此时物料的开始加工时间和结束时间的函数关系会发生改变。
Figure BDA0002023821740000242
其中，字母含义同上。当k＝1时，即第1道工序的CNCj#发生故障时，使teki替代两道工序无故障情形下的Dj；当k＝2时，即第2道工序的CNCp# 发生故障时，使teki替代两道工序无故障情形下的Dp。由此求出模型中的目标函数的最优解，即为最优调度策略。
完全重调度方案除了要满足以上的插入约束条件外，但需要满足一道工序无故障情形下的约束条件，时间的约束条件，以及加工线路的运输条件等。
实施例3：
本发明还公开一种有轨制导车辆的动态调度系统，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度系统包括：单工序无故障调度模块、双工序无故障调度模块、单工序有故障调度模块和双工序有故障调度模块；
所述单工序无故障调度模块，用于当物料加工只需一道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述单工序无故障调度模块包括：
第一指标确定单元，用于以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
第一目标函数建立单元，用于利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
第一调度参数确定单元，用于利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
第一调度单元，用于按照所述第一调度参数对有轨制导车辆进行调度；
所述双工序无故障调度模块用于当物料加工需要两道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述双工序无故障调度模块包括：
第二指标确定单元，用于以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
第二目标函数建立单元，用于确定各个所述第二指标的权重，得到第二目标函数；
第二调度参数确定单元，用于利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
第二调度单元，用于按照所述第二调度参数对有轨制导车辆进行调度；
所述单工序有故障调度模块用于当物料加工只需一道工序且存在数控机床发生故障对有轨制导车辆进行调度；
所述单工序有故障调度模块包括：
第三指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
第三目标函数建立单元，用于利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
第三调度参数确定单元，用于利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
第三调度单元，用于按照所述第三调度参数对有轨制导车辆进行调度；
所述双工序有故障调度模块用于当物料加工需要两道工序且存在数控机床发生故障时对有轨制导车辆进行调度；
所述双工序有故障调度模块包括：
第四指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
第四目标函数建立单元，用于确定各个所述第四指标的权重，得到第四目标函数；
第四调度参数确定单元，用于利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
第四调度单元，用于按照所述第四调度参数对有轨制导车辆进行调度。
可选的，所述第一指标确定单元包括：
无故障运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同数控机床的运动操作时间指标
Ti＝T1+T2+t9,
其中Ti表示有轨制导车辆从移动到完成对第i个数控机床的作业任务的总时间，T1表示有轨制导车辆从移动到完成对第1个数控机床的作业任务的总时间；T2表示有轨制导车辆从移动到完成对第2个数控机床的作业任务的总时间；t9表示；
无故障平均等待队列指标确定子单元，用于计算所述数控机床的平均等待队列指标
Figure BDA0002023821740000261
其中
Figure BDA0002023821740000262
R表示物料加工系统中等待设备率；
无故障平均利用率指标确定子单元，用于计算所述数控机床的平均利用率指标
Figure BDA0002023821740000271
其中di为第i台数控机床在Di时间内的总的加工时间，Di为第i台数控机床的运行时间段，为最后一个物料生产结束的时间减第一个物料生产开始的时间的差；
无故障平均等待时间指标确定子单元，用于计算所述数控机床的平均等待时间指标
Figure BDA0002023821740000272
其中si为第i个数控机床的等待时间。
可选的，所述第二指标确定单元包括：
无故障第一工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标
Tj＝T1+T2,
其中Tj表示有轨制导车辆从移动到完成对第j个第一工序数控机床的作业任务的总时间；
无故障第二工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间
Tp＝Tp1+Tp2+t9,
其中Tp表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间，Tp1表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第1个第二工序数控机床的作业任务的总时间；Tp2表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第2个第二工序数控机床的作业任务的总时间；
无故障第一工序平均等待队列指标确定子单元，用于计算第一工序数控机床的平均等待队列指标
Figure BDA0002023821740000281
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure BDA0002023821740000282
无故障第二工序平均等待队列指标确定子单元，用于计算第二工序数控机床的平均等待队列指标
Figure BDA0002023821740000283
其中Rp表示系统中第二工序数控机床等待设备率，M表示第一工序数控机床的总数，
Figure BDA0002023821740000284
无故障双工序总平均等待指标确定子单元，用于计算所有数控机床的平均等待指标
Figure BDA0002023821740000285
Rs表示物料加工系统中所有等待设备率；
无故障第一工序平均利用率指标确定子单元，用于计算第一工序数控机床的平均利用率指标
Figure BDA0002023821740000286
其中
Figure BDA0002023821740000287
Qj为第一工序数控机床的平均利用率；dj为第j 个第一工序数控机床在Dj时间内的总加工时间，Dj为第j个第一工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
无故障第二工序平均利用率指标确定子单元，用于计算第二工序数控机床的平均利用率指标
Figure BDA0002023821740000291
其中
Figure BDA0002023821740000292
Qp为第二工序数控机床的平均利用率；dp为第 p个第二工序数控机床在Dp时间内的总加工时间，Dp为第p个第二工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
无故障双工序总平均利用率指标确定子单元，用于计算所有数控机床的平均利用率指标
Figure BDA0002023821740000293
其中M+N＝8,Q为所有数控机床的平均利用率；
无故障第一工序平均等待时间指标确定子单元，用于计算第一工序数控机床的平均等待时间指标
Figure BDA0002023821740000294
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
无故障第二工序平均等待时间指标确定子单元，用于计算第二工序数控机床的平均等待时间指标
Figure BDA0002023821740000295
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
无故障双工序总平均等待时间确定子单元，用于计算所有数控机床的平均等待时间
Figure BDA0002023821740000301
其中d为所有数控机床的平均等待时间。
可选的，所述第三指标确定单元包括：
有故障运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同数控机床的运动操作时间指标
Ti＝T1+T2+t9,
其中Ti表示有轨制导车辆从移动到完成对第i个数控机床的作业任务的总时间，T1表示有轨制导车辆从移动到完成对第1个数控机床的作业任务的总时间；T2表示有轨制导车辆从移动到完成对第2个数控机床的作业任务的总时间；t9表示；
有故障平均等待队列指标确定子单元，用于计算所述数控机床的平均等待队列指标
Figure BDA0002023821740000302
其中
Figure BDA0002023821740000303
R表示物料加工系统中等待设备率；
有故障平均利用率指标确定子单元，用于计算所述数控机床的平均利用率指标
Figure BDA0002023821740000304
其中di为第i台数控机床在tei时间内的总的加工时间，tei为第i台数控机床的运行时间段，
Figure BDA0002023821740000305
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；
有故障平均等待时间指标确定子单元，用于计算所述数控机床的平均等待时间指标
Figure BDA0002023821740000311
其中si为第i个数控机床的等待时间。
可选的，所述第四指标确定单元包括：
有故障第一工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标
Tj＝T1+T2,
其中Tj表示有轨制导车辆从移动到完成对第j个第一工序数控机床的作业任务的总时间；
有故障第二工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间
Tp＝Tp1+Tp2+t9,
其中Tp表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间，Tp1表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第1个第二工序数控机床的作业任务的总时间；Tp2表示有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第2个第二工序数控机床的作业任务的总时间；
有故障第一工序平均等待队列指标确定子单元，用于计算第一工序数控机床的平均等待队列指标
Figure BDA0002023821740000312
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure BDA0002023821740000313
有故障第二工序平均等待队列指标确定子单元，用于计算第二工序数控机床的平均等待队列指标
Figure BDA0002023821740000321
其中Rp表示系统中第二工序数控机床等待设备率，M表示第一工序数控机床的总数，
Figure BDA0002023821740000322
有故障双工序总平均等待指标确定子单元，用于计算所有数控机床的平均等待指标
Figure BDA0002023821740000323
Rs表示物料加工系统中所有等待设备率
有故障第一工序平均利用率指标确定子单元，用于计算第一工序数控机床的平均利用率指标
Figure BDA0002023821740000324
其中
Figure BDA0002023821740000325
Qj为第一工序数控机床的平均利用率；dj为第j 个第一工序数控机床在teki时间内的总加工时间，teki为第i个数控机床的运行时间段，
Figure BDA0002023821740000326
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；k表示工序数；k＝1或2；
有故障第二工序平均利用率指标确定子单元，用于计算第二工序数控机床的平均利用率指标
Figure BDA0002023821740000327
其中
Figure BDA0002023821740000328
Qp为第二工序数控机床的平均利用率；dp为第 p个第二工序数控机床在teki时间内的总加工时间；
有故障双工序总平均利用率指标确定子单元，用于计算所有数控机床的平均利用率指标
Figure BDA0002023821740000331
其中M+N＝8,Q为所有数控机床的平均利用率；
有故障第一工序平均等待时间指标确定子单元，用于计算第一工序数控机床的平均等待时间指标
Figure BDA0002023821740000332
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
有故障第二工序平均等待时间指标确定子单元，用于计算第二工序数控机床的平均等待时间指标
Figure BDA0002023821740000333
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
有故障双工序总平均等待时间确定子单元，用于计算所有数控机床的平均等待时间
Figure BDA0002023821740000334
其中d为所有数控机床的平均等待时间。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明所公开的有轨制导车辆的动态调度方法及系统，首先确定调度目标，然后确定影响目标的各个指标，对各个指标进行计算并确定各个指标的权重，从而确定出目标函数，最后对目标函数进行求解得到调度方案。本发明综合考虑影响调度目标的各项指标，从而使调度目标最大化，能够有效提高全局调度效率和物料加工效率。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种有轨制导车辆的动态调度方法，其特征在于，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成对物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度方法包括：
当物料加工只需一道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
按照所述第一调度参数对有轨制导车辆进行调度；
当物料加工需要两道工序且8台数控机床均未发生故障时：
以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
确定各个所述第二指标的权重，得到第二目标函数；
利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
按照所述第二调度参数对有轨制导车辆进行调度；
当物料加工只需一道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
按照所述第三调度参数对有轨制导车辆进行调度；
当物料加工需要两道工序且存在数控机床发生故障时：
以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
确定各个所述第四指标的权重，得到第四目标函数；
利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
按照所述第四调度参数对有轨制导车辆进行调度；
其中，所述以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标，具体包括：
计算所述有轨制导车辆对不同数控机床的运动操作时间指标；
计算所述数控机床的平均等待队列指标
Figure FDA0003185616200000021
其中
Figure FDA0003185616200000022
R表示物料加工系统中等待设备率；
计算所述数控机床的平均利用率指标
Figure FDA0003185616200000023
其中di为第i台数控机床在Di时间内的总的加工时间，Di为第i台数控机床的运行时间段，为最后一个物料生产结束的时间减第一个物料生产开始的时间的差；
计算所述数控机床的平均等待时间指标
Figure FDA0003185616200000024
其中si为第i个数控机床的等待时间。
2.根据权利要求1所述的有轨制导车辆的动态调度方法，其特征在于，所述以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标，具体包括：
计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标；
计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间；
计算第一工序数控机床的平均等待队列指标
Figure FDA0003185616200000031
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure FDA0003185616200000032
计算第二工序数控机床的平均等待队列指标
Figure FDA0003185616200000033
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure FDA0003185616200000034
计算所有数控机床的平均等待指标
Figure FDA0003185616200000035
Rs表示物料加工系统中所有等待设备率；
计算第一工序数控机床的平均利用率指标
Figure FDA0003185616200000036
其中
Figure FDA0003185616200000037
Qj为第一工序数控机床的平均利用率；dj为第j个第一工序数控机床在Dj时间内的总加工时间，Dj为第j个第一工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
计算第二工序数控机床的平均利用率指标
Figure FDA0003185616200000038
其中
Figure FDA0003185616200000041
Qp为第二工序数控机床的平均利用率；dp为第p个第二工序数控机床在Dp时间内的总加工时间，Dp为第p个第二工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
计算所有数控机床的平均利用率指标
Figure FDA0003185616200000042
其中M+N＝8,Q为所有数控机床的平均利用率；
计算第一工序数控机床的平均等待时间指标
Figure FDA0003185616200000043
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
计算第二工序数控机床的平均等待时间指标
Figure FDA0003185616200000044
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
计算所有数控机床的平均等待时间
Figure FDA0003185616200000045
其中d为所有数控机床的平均等待时间。
3.根据权利要求1所述的有轨制导车辆的动态调度方法，其特征在于，所述以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标，具体包括：
计算所述有轨制导车辆对不同数控机床的运动操作时间指标；
计算所述数控机床的平均等待队列指标
Figure FDA0003185616200000051
其中
Figure FDA0003185616200000052
R表示物料加工系统中等待设备率；
计算所述数控机床的平均利用率指标
Figure FDA0003185616200000053
其中di为第i台数控机床在tei时间内的总的加工时间，tei为第i台数控机床的运行时间段，
Figure FDA0003185616200000054
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；
计算所述数控机床的平均等待时间指标
Figure FDA0003185616200000055
其中si为第i个数控机床的等待时间。
4.根据权利要求1所述的有轨制导车辆的动态调度方法，其特征在于，所述以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标，具体包括：
计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标；
计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间；
计算第一工序数控机床的平均等待队列指标
Figure FDA0003185616200000056
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure FDA0003185616200000057
计算第二工序数控机床的平均等待队列指标
Figure FDA0003185616200000061
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure FDA0003185616200000062
计算所有数控机床的平均等待指标
Figure FDA0003185616200000063
Rs表示物料加工系统中所有等待设备率
计算第一工序数控机床的平均利用率指标
Figure FDA0003185616200000064
其中
Figure FDA0003185616200000065
Qj为第一工序数控机床的平均利用率；dj为第j个第一工序数控机床在teki时间内的总加工时间，teki为第i个数控机床的运行时间段，
Figure FDA0003185616200000066
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；k表示工序数；k＝1或2；
计算第二工序数控机床的平均利用率指标
Figure FDA0003185616200000067
其中
Figure FDA0003185616200000068
Qp为第二工序数控机床的平均利用率；dp为第p个第二工序数控机床在teki时间内的总加工时间；
计算所有数控机床的平均利用率指标
Figure FDA0003185616200000071
其中M+N＝8,Q为所有数控机床的平均利用率；
计算第一工序数控机床的平均等待时间指标
Figure FDA0003185616200000072
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
计算第二工序数控机床的平均等待时间指标
Figure FDA0003185616200000073
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
计算所有数控机床的平均等待时间
Figure FDA0003185616200000074
其中d为所有数控机床的平均等待时间。
5.一种有轨制导车辆的动态调度系统，其特征在于，应用于一种物料加工系统，该物料加工系统包括：8台数控机床和一辆有轨制导车辆，所述8台数控机床分两组对称分布在所述有轨制导车辆的两侧，每组所述数控机床均沿所述有轨制导车辆的前后方向均匀分布；在所述有轨制导车辆的左侧设置有上料传送带，在所述有轨制导车辆的右侧设置有下料传送带；每台所述数控机床均用于完成对物料进行加工的一道工序；所述有轨制导车辆用于完成各所述数控机床的上下料、对加工好的熟料进行清洗以及将清洗好的物料转移到下料传送带上；
所述动态调度系统包括：单工序无故障调度模块、双工序无故障调度模块、单工序有故障调度模块和双工序有故障调度模块；
所述单工序无故障调度模块，用于当物料加工只需一道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述单工序无故障调度模块包括：
第一指标确定单元，用于以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标；
第一目标函数建立单元，用于利用层次分析法确定各个所述第一指标的权重，得到第一目标函数；
第一调度参数确定单元，用于利用线性规划算法求解所述第一目标函数确定所述有轨制导车辆的第一调度参数；
第一调度单元，用于按照所述第一调度参数对有轨制导车辆进行调度；
所述双工序无故障调度模块用于当物料加工需要两道工序且8台数控机床均未发生故障时对有轨制导车辆进行调度；
所述双工序无故障调度模块包括：
第二指标确定单元，用于以物料加工数量最多为第二目标，确定影响所述第二目标的多个第二指标；
第二目标函数建立单元，用于确定各个所述第二指标的权重，得到第二目标函数；
第二调度参数确定单元，用于利用禁忌搜索算法求解所述第二目标函数确定所述有轨制导车辆的第二调度参数；
第二调度单元，用于按照所述第二调度参数对有轨制导车辆进行调度；
所述单工序有故障调度模块用于当物料加工只需一道工序且存在数控机床发生故障对有轨制导车辆进行调度；
所述单工序有故障调度模块包括：
第三指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第三目标，确定影响所述第三目标的多个第三指标；
第三目标函数建立单元，用于利用层次分析法确定各个所述第三指标的权重，得到第三目标函数；
第三调度参数确定单元，用于利用线性规划算法求解所述第三目标函数确定所述有轨制导车辆的第三调度参数；
第三调度单元，用于按照所述第三调度参数对有轨制导车辆进行调度；
所述双工序有故障调度模块用于当物料加工需要两道工序且存在数控机床发生故障时对有轨制导车辆进行调度；
所述双工序有故障调度模块包括：
第四指标确定单元，用于以物料加工数量和物料加工系统的稳定性之和最大为第四目标，确定影响所述第四目标的多个第四指标；
第四目标函数建立单元，用于确定各个所述第四指标的权重，得到第四目标函数；
第四调度参数确定单元，用于利用禁忌搜索算法求解所述第四目标函数确定所述有轨制导车辆的第四调度参数；
第四调度单元，用于按照所述第四调度参数对有轨制导车辆进行调度；
其中，所述以物料加工数量最多为第一目标，确定影响所述第一目标的多个第一指标，具体包括：
计算所述有轨制导车辆对不同数控机床的运动操作时间指标；
计算所述数控机床的平均等待队列指标
Figure FDA0003185616200000091
其中
Figure FDA0003185616200000092
R表示物料加工系统中等待设备率；
计算所述数控机床的平均利用率指标
Figure FDA0003185616200000093
其中di为第i台数控机床在Di时间内的总的加工时间，Di为第i台数控机床的运行时间段，为最后一个物料生产结束的时间减第一个物料生产开始的时间的差；
计算所述数控机床的平均等待时间指标
Figure FDA0003185616200000094
其中si为第i个数控机床的等待时间。
6.根据权利要求5所述的有轨制导车辆的动态调度系统，其特征在于，所述第二指标确定单元包括：
无故障第一工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标；
无故障第二工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间；
无故障第一工序平均等待队列指标确定子单元，用于计算第一工序数控机床的平均等待队列指标
Figure FDA0003185616200000101
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure FDA0003185616200000102
无故障第二工序平均等待队列指标确定子单元，用于计算第二工序数控机床的平均等待队列指标
Figure FDA0003185616200000103
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure FDA0003185616200000104
无故障双工序总平均等待指标确定子单元，用于计算所有数控机床的平均等待指标
Figure FDA0003185616200000105
Rs表示物料加工系统中所有等待设备率；
无故障第一工序平均利用率指标确定子单元，用于计算第一工序数控机床的平均利用率指标
Figure FDA0003185616200000106
其中
Figure FDA0003185616200000107
Qj为第一工序数控机床的平均利用率；dj为第j个第一工序数控机床在Dj时间内的总加工时间，Dj为第j个第一工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
无故障第二工序平均利用率指标确定子单元，用于计算第二工序数控机床的平均利用率指标
Figure FDA0003185616200000111
其中
Figure FDA0003185616200000112
Qp为第二工序数控机床的平均利用率；dp为第p个第二工序数控机床在Dp时间内的总加工时间，Dp为第p个第二工序数控机床的运行时间段，即最后一个物料生产结束的时间减第一个物料生产开始的时间；
无故障双工序总平均利用率指标确定子单元，用于计算所有数控机床的平均利用率指标
Figure FDA0003185616200000113
其中M+N＝8,Q为所有数控机床的平均利用率；
无故障第一工序平均等待时间指标确定子单元，用于计算第一工序数控机床的平均等待时间指标
Figure FDA0003185616200000114
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
无故障第二工序平均等待时间指标确定子单元，用于计算第二工序数控机床的平均等待时间指标
Figure FDA0003185616200000115
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
无故障双工序总平均等待时间确定子单元，用于计算所有数控机床的平均等待时间
Figure FDA0003185616200000121
其中d为所有数控机床的平均等待时间。
7.根据权利要求5所述的有轨制导车辆的动态调度系统，其特征在于，所述第三指标确定单元包括：
有故障运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同数控机床的运动操作时间指标；
有故障平均等待队列指标确定子单元，用于计算所述数控机床的平均等待队列指标
Figure FDA0003185616200000122
其中
Figure FDA0003185616200000123
R表示物料加工系统中等待设备率；
有故障平均利用率指标确定子单元，用于计算所述数控机床的平均利用率指标
Figure FDA0003185616200000124
其中di为第i台数控机床在tei时间内的总的加工时间，tei为第i台数控机床的运行时间段，
Figure FDA0003185616200000125
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；
有故障平均等待时间指标确定子单元，用于计算所述数控机床的平均等待时间指标
Figure FDA0003185616200000126
其中si为第i个数控机床的等待时间。
8.根据权利要求5所述的有轨制导车辆的动态调度系统，其特征在于，所述第四指标确定单元包括：
有故障第一工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆对不同第一工序数控机床的运动操作时间指标；
有故障第二工序运动操作时间指标确定子单元，用于计算所述有轨制导车辆从第一工序数控机床移动到第二工序数控机床且完成对第p个第二工序数控机床的作业任务的总时间；
有故障第一工序平均等待队列指标确定子单元，用于计算第一工序数控机床的平均等待队列指标
Figure FDA0003185616200000131
其中Rj表示系统中第一工序数控机床等待设备率，N表示第一工序数控机床的总数，
Figure FDA0003185616200000132
有故障第二工序平均等待队列指标确定子单元，用于计算第二工序数控机床的平均等待队列指标
Figure FDA0003185616200000133
其中Rp表示系统中第二工序数控机床等待设备率，M表示第二工序数控机床的总数，
Figure FDA0003185616200000134
有故障双工序总平均等待指标确定子单元，用于计算所有数控机床的平均等待指标
Figure FDA0003185616200000135
Rs表示物料加工系统中所有等待设备率
有故障第一工序平均利用率指标确定子单元，用于计算第一工序数控机床的平均利用率指标
Figure FDA0003185616200000136
其中
Figure FDA0003185616200000137
Qj为第一工序数控机床的平均利用率；dj为第j个第一工序数控机床在teki时间内的总加工时间，teki为第i个数控机床的运行时间段，
Figure FDA0003185616200000141
T总表示一天中总的物料加工系统运行时间，G总表示总的设备数，tmax表示故障设备最多故障时间，tmin表示故障设备最少时间；k表示工序数；k＝1或2；
有故障第二工序平均利用率指标确定子单元，用于计算第二工序数控机床的平均利用率指标
Figure FDA0003185616200000142
其中
Figure FDA0003185616200000143
Qp为第二工序数控机床的平均利用率；dp为第p个第二工序数控机床在teki时间内的总加工时间；
有故障双工序总平均利用率指标确定子单元，用于计算所有数控机床的平均利用率指标
Figure FDA0003185616200000144
其中M+N＝8,Q为所有数控机床的平均利用率；
有故障第一工序平均等待时间指标确定子单元，用于计算第一工序数控机床的平均等待时间指标
Figure FDA0003185616200000145
其中dj为第一工序数控机床的平均等待时间，sj为第j个第一工序数控机床的等待时间；
有故障第二工序平均等待时间指标确定子单元，用于计算第二工序数控机床的平均等待时间指标
Figure FDA0003185616200000146
其中dp为第二工序数控机床的平均等待时间，sp为第p个第二工序数控机床的等待时间；
有故障双工序总平均等待时间确定子单元，用于计算所有数控机床的平均等待时间
Figure FDA0003185616200000151
其中d为所有数控机床的平均等待时间。
CN201910287609.4A 2019-04-11 2019-04-11 一种有轨制导车辆的动态调度方法及系统 Active CN111813054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910287609.4A CN111813054B (zh) 2019-04-11 2019-04-11 一种有轨制导车辆的动态调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910287609.4A CN111813054B (zh) 2019-04-11 2019-04-11 一种有轨制导车辆的动态调度方法及系统

Publications (2)

Publication Number Publication Date
CN111813054A CN111813054A (zh) 2020-10-23
CN111813054B true CN111813054B (zh) 2021-09-03

Family

ID=72844379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910287609.4A Active CN111813054B (zh) 2019-04-11 2019-04-11 一种有轨制导车辆的动态调度方法及系统

Country Status (1)

Country Link
CN (1) CN111813054B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113433896B (zh) * 2021-05-24 2022-04-15 深圳大学 一种动态生产调度方法及系统
CN113341896B (zh) * 2021-06-07 2022-08-05 电子科技大学 面向离散制造的动态集成车间调度与装配序列规划方法
CN114063584B (zh) * 2021-11-19 2024-04-26 江苏科技大学 一种舰船关重件集成化加工的调度控制方法、装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156788A (zh) * 2014-08-20 2014-11-19 国家电网公司 一种基于禁忌搜索算法的配网资源抢修优化调度方法
CN105117892A (zh) * 2015-10-10 2015-12-02 广东轻工职业技术学院 一种自动化仓储管理方法
CN106249738A (zh) * 2016-07-19 2016-12-21 南京航空航天大学 一种车间环境下agv智能动态调度方法
CN106959675A (zh) * 2017-03-21 2017-07-18 山东大学 一种面向流水车间的多目标调度优化方法
WO2018217842A1 (en) * 2017-05-23 2018-11-29 Walmart Apollo, Llc Product distribution system

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4377792B2 (ja) * 2004-10-05 2009-12-02 新日本製鐵株式会社 配車計画作成装置、配車計画作成方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
CN102566431A (zh) * 2012-01-16 2012-07-11 浙江工业大学 一种基于改进遗传算法的动态扰动下的模糊化参数作业车间调度控制方法
CN104268722B (zh) * 2014-10-20 2017-08-22 南京信息工程大学 基于多目标进化算法的动态柔性作业车间调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156788A (zh) * 2014-08-20 2014-11-19 国家电网公司 一种基于禁忌搜索算法的配网资源抢修优化调度方法
CN105117892A (zh) * 2015-10-10 2015-12-02 广东轻工职业技术学院 一种自动化仓储管理方法
CN106249738A (zh) * 2016-07-19 2016-12-21 南京航空航天大学 一种车间环境下agv智能动态调度方法
CN106959675A (zh) * 2017-03-21 2017-07-18 山东大学 一种面向流水车间的多目标调度优化方法
WO2018217842A1 (en) * 2017-05-23 2018-11-29 Walmart Apollo, Llc Product distribution system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于混合禁忌蝙蝠算法的AGV 物料配送调度研究;魏永来 等;《组合机床与自动化加工技术》;20181130(第11期);第145-149页 *

Also Published As

Publication number Publication date
CN111813054A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN111813054B (zh) 一种有轨制导车辆的动态调度方法及系统
CN109375601B (zh) 基于数据驱动建模与仿真优化的流水线规划方法及设备
CN108891838B (zh) 订单处理方法、装置、电子设备以及计算机可读存储介质
CN105974891B (zh) 一种基于动态看板的模具生产过程自适应控制方法
CN113867299B (zh) 基于数字孪生的不确定扰动下的ipps问题求解方法
CN101833319A (zh) 面向多重入制造系统在线调度的单台设备匹配重调度方法
CN108229853B (zh) 一种基于静态调度预测的智慧工厂动态协同调度方法
CN114936783B (zh) 一种基于mmddpg算法的rgv小车调度方法及系统
CN112488606A (zh) 一种生产物流智能优化和自动调度系统
CN110764472B (zh) 一种基于复合智能体的车间实时调度方法及装置
CN107544451B (zh) 一种加工车间数控机床集中调度系统及方法
Chen et al. Performance modelling and evaluation of dynamic tool allocation in flexible manufacturing systems using coloured Petri nets: an object-oriented approach
Zhang et al. An agent based intelligent distributed control paradigm for manufacturing systems
Mahadevan et al. Buffer levels and choice of material handling device in flexible manufacturing systems
Wang et al. Research and Analysis of Intelligent RGV Based on Dynamic Scheduling Optimization Model
CN101859101A (zh) 基于Match-up的制造系统设备组匹配重调度方法
Zhang et al. Dynamic scheduling model of intelligent rail-guided vehicles based on dynamic programming
CN116341880B (zh) 一种基于有限状态机的列检机器人分布式调度方法
Lun et al. Holonic concept based methodology for part routeing on flexible manufacturing systems
Cui et al. Simulation Design of AGVS Operating Process in Manufacturing Workshop
Wang et al. Scheduling reclaimer operations in the stockyard to minimize makespan
Yao Priority-based intelligent allocation scheduling model
Weikang Dynamic scheduling strategy of intelligent RGV
Tao et al. Research of unidirectional automated guided vehicles system based on simulation
Li et al. AGV Scheduling Problem with Flexible Charging Operations and Limited Number of Charging Stations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 236000 100 Qinghe West Road, Fuyang City, Anhui Province

Patentee after: Fuyang Normal University

Address before: 236000 100 Qinghe West Road, Fuyang City, Anhui Province

Patentee before: FUYANG NORMAL University

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20231214

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 236000 100 Qinghe West Road, Fuyang City, Anhui Province

Patentee before: Fuyang Normal University

TR01 Transfer of patent right