CN113867275B - 一种分布式车间预防维修联合调度的优化方法 - Google Patents

Abstract

一种分布式车间预防维修联合调度的优化方法，建立一种面向不确定性场景下分布式车间预防维修联合调度的闭环仿真优化方法，通过仿真方法模拟典型任务不确定性和设备不确定性，同时考虑多订单加工任务的指派、排序以及分布式车间设备维修方案的制定等问题，利用遗传算法求得最优解，带回到仿真模型中进行验证，最终输出适应解。该发明将最终结果应用到实际生产中可使分布式车间高可靠灵活运行，加工任务高效按期交付，可实现资源的合理配置、优化组合及共享，减少成本，提高生产效率；还可提高机器设备的的安全性和可靠性，消除由于机器可靠性下降发生故障带来的计划外中断等现象，达到保证生产质量的目的。

Description

一种分布式车间预防维修联合调度的优化方法

技术领域

本发明涉及一种分布式车间预防维修联合调度的优化方法，属于车间调度优化领域。

背景技术

随着制造技术的进步和生产方式的改变，传统的生产模式已经不能满足当下的主流需求。在这样的背景下，一种分布式制造模式被提出并得到了发展，而分布式调度问题因为其复杂性而具有重要的实际意义。如今，企业之间的合作、兼并和业务外包成为一种普遍现象，分布式制造模式应运而生,它是一种由多个功能独立、地理位置分散的独立制造岛组成的新型生产形式，作为一种多设备、多工件和多加工地点混流加工的柔性制造系统适用于多品种的中、小批量生产，为制造业的发展提供了新途径。为了能够在生产中可以利用多个企业或工厂的资源，实现资源的合理配置、优化组合及共享，减少成本，提高生产效率，针对分布式车间建立有效的调度方法成为了一个重要的研究方向。预防性维修对提高机器设备的的安全性和可靠性有着重要意义,为保证生产质量，消除由于机器可靠性下降发生故障带来的计划外中断等现象，需要定期或不定期地对设备进行预防性维修。维修的间隔过长，设备可靠性下降易发生故障；而维修间隔过短，则会增加不必要的成本，二者都会影响生产效率。因此，针对目前多数企业亟需一种针对分布式车间和联合预防维修的调度方案来指导生产。

发明内容

本发明解决的技术问题是：针对目前现有技术中，多数企业亟需针对分布式车间和联合预防维修的调度方案来指导生产的问题，提出了一种分布式车间预防维修联合调度的优化方法。

本发明解决上述技术问题是通过如下技术方案予以实现的：

一种分布式车间预防维修联合调度的优化方法，步骤如下：

(1)根据简化后的分布式车间调度模型，以分布式设备选择及任务排序为主变量，以任务完成时间为优化目标，根据分布式设备待机、原材料运输延时、任务间半成品运输延时，建立分布式车间预防维修联合调度数学模型；

(2)根据数学模型中的变量、约束、目标模型，利用FlexSim软件平台搭建仿真模型，建立各个对象的执行逻辑和交互逻辑，并根据各个对象可能遇到的不确定性因素及可能状态进行建模，加入不确定性场景下设备、任务的动态变化逻辑进行模型完善；

(3)基于遗传算法思路，设计面向分布式车间预防维修联合调度的编码方式，分别对设备选择变量、任务序列变量以及设备对应的维修策略变量进行混合编码，针对分布式车间预防维修联合调度解空间设计选择、交叉、变异算子，进行联合调度方案的迭代生成，将算法生成的解动态转换为仿真场景可读入的形式，连接仿真模型接口，并将仿真程序加载到算法中验证生成的调度方案，实现基于遗传算法为主、仿真模型作为辅助校正工具的优化，并于优化结束后进行仿真校正验证。

所述分布式车间预防维修联合调度数学模型中，包括工件集、工件i、机器集M＝{m₁,m₂,…,m_m}、机器k、操作集O、操作j，工件i的操作集、工件i的第j道操作、某道操作j的可选机器集O、工件i的操作j在机器k上的处理时间t_ijk、工件i的操作j开始占用机器k的时间S_ijk、工件i的操作j结束占用机器k的时间C_ijk、一个充分大的数L；

所述分布式车间预防维修联合调度数学模型中还包括非周期性预防性维修策略，在每次操作处理结束后判断是否需要执行，包括真实时间t、机器k抢修所需时间t_bk、机器k上一次预防性维修结束时间t_plk、机器k预防性维修所需时间、机器最低可靠度R、机器k的可靠性函数R_k、机器k发生故障的概率P_bk、机器k是否发生故障概率B_k；

分布式车间预防维修联合调度数学模型中，分布式车间因素包括工件i的前驱工件集P_i、机器距离D，决策变量包括工件i的操作j是否在机器k上处理X_ijk，若操作为1，否则为0；工件i的操作j是否优先于工件i’的操作j’在机器k上处理Y_iji’j’k，若优先为1，否则为0；是否选择进行预防性维修Z_ijk，若进行为1，否则为0。

所述分布式车间预防维修联合调度数学模型中，约束条件及优化目标具体为：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

其中，工件约束(1)、工件约束(2)、工件约束(3)、工件约束(6)、工件约束(7)分别表示工件操作加工的机器选择约束、时间约束、操作处理的顺序约束、工件间的前驱约束；机器约束(4)、机器约束(5)表示同一时刻一台正常工作的机器能且只能加工一种工件的单一操作；优化目标(8)为每个工件完工时间，优化目标(9)为任务订单中最后完成工件的完工时间，即最大完工时间C_max。

所述仿真模型搭建步骤具体为：

模拟任务订单并添加i个加工工件，设置到达时刻；

添加k个机器，并设置单台机器仅处理单个工件的任意一道操作；

导入每台机器每道操作的加工时间表、机器距离表，并根据机器距离确定工件的转移时间；

添加暂存区，设置等待处理的临时实体；

进行仿真模型的调度方案的设计，包括机器选择方案，操作排列方案和维修策略选择方案；

进行仿真模型不确定性因素的添加，包括设备可靠性及工件运输延迟。

所述仿真模型设计有模型接口，能够依据外部场景数据生成设备布局显示、设定场景不确定性、基于数学模型计算任务完成时间。

所述步骤(3)中，优化方法具体步骤为：

设置种群数和迭代次数以及相关参数的配置，生成符合要求的初始解种群，利用遗传算法求解；

求解过程中，随机抽取某一代种群，对本代的种群最优解进行仿真校正，将对应调度方案输出并导入仿真模型运行，以返回得到的最大完工时间作为该个体的适应度函数输入，利用遗传算法继续求解；

判断是否满足预设终止条件，若满足，则遗传算法停止并得到近似最优解，再次利用仿真模型对最后求得的近似最优调度方案进行仿真校正验证。

所述仿真校正验证的具体步骤为：

根据遗传算法得出的机器选择、任务序列及设备的维修策略等调度方案，并导入仿真模型中，根据机器获取工件的选择方案，判断各个工件是否进行处理，若不需加工，进行等待处理，若允许处理，工件进行预置处理，获取机器之间的距离，进而获取工件的转移时间和机器的维修时间，若机器的可靠度低于某一阈值，则机器进行维修，否则继续加工工件；

上述工序加工完成后，判断所有操作是否完成，若没有，进入下一个机器，若完成所有操作，此工件i进入暂存区；判断工件是否加工完成，若没有完成，返回调度方案导入关节，继续仿真加工，若完成了所有工件的加工，则完成仿真，输出该批工件的总加工时间。

本发明与现有技术相比的优点在于：

(1)本发明提供的一种分布式车间预防维修联合调度的优化方法，在车间调度问题上，通过引入不确定性因素、设备分布性因素以及维修选择作为决策变量，优化后更加贴近真实情况，可使分布式车间高可靠灵活运行，加工任务高效按期交付，同时搭建体现任务、设备以及设备分布等因素的仿真场景，可通过工业软件仿真，遗传算法优化矫正的方式，实现资源的合理配置、优化组合及共享，减少成本，提高生产效率；

(2)本发明可提高机器设备的安全性和可靠性，消除由于机器可靠性下降发生故障带来的计划外中断等现象，达到保证生产质量的目的，消除由于机器可靠性下降发生故障带来的计划外中断等现象。

附图说明

图1为发明提供的分布式车间预防维修联合调度优化方法流程图；

图2为发明提供的遗传优化步骤示意图；

图3为发明提供的分布式车间预防维修联合调度的优化方法示意图；

图4为发明提供的仿真模型运行示意图；

具体实施方式

一种分布式车间预防维修联合调度的优化方法，建立一种面向不确定性场景下分布式车间预防维修联合调度的闭环仿真优化方法，通过仿真方法模拟典型任务不确定性和设备不确定性，同时考虑多订单加工任务的指派、排序以及分布式车间设备维修方案的制定等问题，利用遗传算法求得最优解，带回到仿真模型中进行验证，最终输出适应解，能够将最终结果应用到实际生产中可使分布式车间高可靠灵活运行，加工任务高效按期交付，可实现资源的合理配置、优化组合及共享，减少成本，提高生产效率；还可提高机器设备的安全性和可靠性，消除由于机器可靠性下降发生故障带来的计划外中断等现象，达到保证生产质量的目的。

分布式车间预防维修联合调度的优化方法的具体步骤如下：

(1)根据简化后的分布式车间调度模型，以分布式设备选择及任务排序为主变量，以任务完成时间为优化目标，根据分布式设备待机、原材料运输延时、任务间半成品运输延时，建立分布式车间预防维修联合调度数学模型；

其中，分布式车间预防维修联合调度数学模型中，包括工件集、工件i、机器集M＝{m₁,m₂,…,m_m}、机器k、操作集O、操作j，工件i的操作集、工件i的第j道操作、某道操作j的可选机器集O、工件i的操作j在机器k上的处理时间t_ijk、工件i的操作j开始占用机器k的时间S_ijk、工件i的操作j结束占用机器k的时间C_ijk、一个充分大的数L；

所述分布式车间预防维修联合调度数学模型中还包括非周期性预防性维修策略，在每次操作处理结束后判断是否需要执行，包括真实时间t、机器k抢修所需时间t_bk、机器k上一次预防性维修结束时间t_plk、机器k预防性维修所需时间、机器最低可靠度R、机器k的可靠性函数R_k、机器k发生故障的概率P_bk、机器k是否发生故障概率B_k；

分布式车间预防维修联合调度数学模型中，分布式车间因素包括工件i的前驱工件集P_i、机器距离D，决策变量包括工件i的操作j是否在机器k上处理X_ijk，若操作为1，否则为0；工件i的操作j是否优先于工件i’的操作j’在机器k上处理Y_iji’j’k，若优先为1，否则为0；是否选择进行预防性维修Z_ijk，若进行为1，否则为0；

分布式车间预防维修联合调度数学模型中，约束条件及优化目标具体为：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

其中，工件约束(1)、工件约束(2)、工件约束(3)、工件约束(6)、工件约束(7)分别表示工件操作加工的机器选择约束、时间约束、操作处理的顺序约束、工件间的前驱约束；机器约束(4)、机器约束(5)表示同一时刻一台正常工作的机器能且只能加工一种工件的单一操作；优化目标(8)为每个工件完工时间，优化目标(9)为任务订单中最后完成工件的完工时间，即最大完工时间C_max；

(2)根据数学模型中的变量、约束、目标模型，利用FlexSim软件平台搭建仿真模型，建立各个对象的执行逻辑和交互逻辑，并根据各个对象可能遇到的不确定性因素及可能状态进行建模，加入不确定性场景下设备、任务的动态变化逻辑进行模型完善；

其中，仿真模型搭建步骤具体为：

模拟任务订单并添加i个加工工件，设置到达时刻；

添加k个机器，并设置单台机器仅处理单个工件的任意一道操作；

导入每台机器每道操作的加工时间表、机器距离表，并根据机器距离确定工件的转移时间；

添加暂存区，设置等待处理的临时实体；

进行仿真模型的调度方案的设计，包括机器选择方案，操作排列方案和维修策略选择方案；

进行仿真模型不确定性因素的添加，包括设备可靠性及工件运输延迟；

仿真模型设计有模型接口，能够依据外部场景数据生成设备布局显示、设定场景不确定性、基于数学模型计算任务完成时间；

(3)如图2所示，基于遗传算法思路，设计面向分布式车间预防维修联合调度的编码方式，分别对设备选择变量、任务序列变量以及设备对应的维修策略变量进行混合编码，针对分布式车间预防维修联合调度解空间设计选择、交叉、变异算子，进行联合调度方案的迭代生成，将算法生成的解动态转换为仿真场景可读入的形式，连接仿真模型接口，并将仿真程序加载到算法中验证生成的调度方案，实现基于遗传算法为主、仿真模型作为辅助校正工具的优化，并于优化结束后进行仿真校正验证，其中：

如图3所示，优化方法具体步骤为：

设置种群数和迭代次数以及相关参数的配置，生成符合要求的初始解种群，利用遗传算法求解；

求解过程中，随机抽取某一代种群，对本代的种群最优解进行仿真校正，将对应调度方案输出并导入仿真模型运行，以返回得到的最大完工时间作为该个体的适应度函数输入，利用遗传算法继续求解；

判断是否满足预设终止条件，若满足，则遗传算法停止并得到近似最优解，再次利用仿真模型对最后求得的近似最优调度方案进行仿真校正验证；

如图4所示，仿真校正验证的具体步骤为：

根据遗传算法得出的机器选择、任务序列及设备的维修策略等调度方案，并导入仿真模型中，根据机器获取工件的选择方案，判断各个工件是否进行处理，若不需加工，进行等待处理，若允许处理，工件进行预置处理，获取机器之间的距离，进而获取工件的转移时间和机器的维修时间，若机器的可靠度低于某一阈值，则机器进行维修，否则继续加工工件；

上述工序加工完成后，判断所有操作是否完成，若没有，进入下一个机器，若完成所有操作，此工件i进入暂存区；判断工件是否加工完成，若没有完成，返回调度方案导入关节，继续仿真加工，若完成了所有工件的加工，则完成仿真，输出该批工件的总加工时间。

下面根据具体实施例进行进一步说明：

在当前实施例中，如图1所示，优化方法具体步骤为：

步骤一：针对简化的分布式车间调度模型，以分布式设备选择和任务排序为主要变量，以任务完成时间为主要目标，考虑设备待机、原材料运输延时、任务间半成品运输延时等不确定性因素，增加非周期性预防性维修策略的选择，建立分布式车间预防维修联合调度数学建模。

所述的数学模型中涉及的参数包括工件集、工件i、机器集M＝{m₁,m₂,…,m_m}、机器k、操作集O、操作j，工件i的操作集，工件i的第j道操作，某道操作j的可选机器集O，工件i的操作j在机器k上的处理时间t_ijk，工件i的操作j开始占用机器k的时间S_ijk，工件i的操作j结束占用机器k的时间C_ijk，一个充分大的数L。

在所述的数学模型中引入预防性维修的因素，它是非周期性的，在每次操作处理结束后判断是否执行，故涉及的参数还包括真实时间t，机器k抢修所需时间t_bk，机器k上一次预防性维修结束时间t_plk，机器k预防性维修所需时间，机器最低可靠度R，机器k的可靠性函数R_k，机器k发生故障的概率P_bk，机器k是否发生故障B_k。

在所述的数学模型中引入分布式车间的因素，故设计的参数还包括工件i的前驱工件集P_i，机器距离D。

所述的数学模型中涉及的决策变量包括，工件i的操作j是否在机器k上处理X_ijk，若操作为1，否则为0；工件i的操作j是否优先于工件i’的操作j’在机器k上处理Y_iji’j’k，若优先为1，否则为0；是否选择进行预防性维修Z_ijk，若进行为1，否则为0；

所述的数学模型中的设计的约束条件和优化目标为：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

式(1)(2)(3)(6)(7)是工件约束，分别表示工件操作加工的机器选择约束、时间约束、操作处理的顺序约束和工件间的前驱约束。式(4)(5)是机器约束，表示同一时刻一台正常工作的机器能且只能加工一种工件的一个操作。式(8)是对每个工件完工时间的定义，式(9)为任务订单中最后完成工件的完工时间，即最大完工时间C_max，即优化目标；

步骤二：根据模型的变量、约束和目标模型，利用FlexSim软件平台搭建仿真模型，包含灵活分布的生产设备建模、任务建模等，建立各个对象的执行逻辑和交互逻辑，并根据各个对象可能遇到的不确定性因素和可能状态进行建模，加入不确定性场景下设备、任务的动态变化逻辑，完善模型，使其更贴合实际情况。在此基础上，设计模型接口，使其能够依据外部场景数据生成设备布局等并显示，能够设定场景不确定性，能够基于数学模型计算任务完成时间等优化目标。

所述的仿真模型搭建步骤包括：任务生成即模拟任务订单、添加i个加工工件，设置到达时刻；添加k个机器，并设置单台机器仅处理单个工件的某道操作；导入每台机器每道操作的加工时间表、机器距离表，然后根据机器距离确定工件的转移时间；添加暂存区，设置等待处理的临时实体；进行仿真模型的调度方案的设计，包括机器选择方案，操作排列方案和维修策略选择方案；仿真模型不确定性因素的添加，具体包括设备可靠性的引入和工件运输的延迟；

步骤三：基于遗传算法思路，设计面向分布式车间预防维修联合调度的编码方式，分别对设备选择变量、任务序列变量以及设备对应的维修策略变量进行混合编码，针对分布式车间预防维修联合调度解空间设计选择、交叉、变异算子，实现联合调度方案的迭代生成。在此基础上，将算法生成的解动态转换为仿真场景可读入的形式，连接仿真模型接口，并将仿真程序加载到算法中验证生成的调度方案，实现基于遗传算法为主、仿真模型作为辅助校正工具的优化方法，其中：

优化方法具体步骤为，设置种群数和迭代次数以及相关参数的配置，首先生成符合要求的初始解种群，然后利用遗传算法求解。在求解过程中，随机抽取某一代，对本代的种群最优解进行仿真校正，将对应调度方案输出并导入仿真模型运行，返回得到的最大完工时间作为该个体的适应度函数输入，然后利用遗传算法继续求解。最后，满足终止条件，遗传算法停止并得到近似最优解，再次利用仿真模型对最后求得的近似最优调度方案进行仿真验证；

仿真校正步骤包括：根据遗传算法得出的机器选择、任务序列和设备的维修策略等调度方案导入仿真模型，根据机器获取工件的选择方案，判断各个工件是否进行处理，若不需加工，进行等待处理，若允许处理，工件进行预置处理，获取机器之间的距离，进而获取工件的转移时间和机器的维修时间，若机器的可靠度低于某一阈值，则机器进行维修，否则继续加工工件。此道工序加工完成后，然后判断所有操作是否完成，若没有，进入下一个机器，若完成所有操作，此工件i进入暂存区；判断工件是否加工完成，若没有完成，返回调度方案导入关节，继续仿真加工，若完成了所有工件的加工，则完成仿真，输出该批工件的总加工时间。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (5)

1.一种分布式车间预防维修联合调度的优化方法，其特征在于步骤如下：

(1)根据简化后的分布式车间调度模型，以分布式设备选择及任务排序为主变量，以任务完成时间为优化目标，根据分布式设备待机、原材料运输延时、任务间半成品运输延时，建立分布式车间预防维修联合调度数学模型；

(2)根据数学模型中的变量、约束、目标模型，利用FlexSim软件平台搭建仿真模型，建立各个对象的执行逻辑和交互逻辑，并根据各个对象可能遇到的不确定性因素及可能状态进行建模，加入不确定性场景下设备、任务的动态变化逻辑进行模型完善；

(3)基于遗传算法思路，设计面向分布式车间预防维修联合调度的编码方式，分别对设备选择变量、任务序列变量以及设备对应的维修策略变量进行混合编码，针对分布式车间预防维修联合调度解空间设计选择、交叉、变异算子，进行联合调度方案的迭代生成，将算法生成的解动态转换为仿真场景可读入的形式，连接仿真模型接口，并将仿真程序加载到算法中验证生成的调度方案，实现基于遗传算法为主、仿真模型作为辅助校正工具的优化，并于优化结束后进行仿真验证；

所述分布式车间预防维修联合调度数学模型中，包括工件集、工件i、机器集M＝{m₁,m₂,…,m_m}、机器k、操作集O、操作j，工件i的操作集、工件i的第j道操作、某道操作j的可选机器集O、工件i的操作j在机器k上的处理时间t_ijk、工件i的操作j开始占用机器k的时间S_ijk、工件i的操作j结束占用机器k的时间C_ijk、一个充分大的数L；

所述分布式车间预防维修联合调度数学模型中还包括非周期性预防性维修策略，在每次操作处理结束后判断是否需要执行，包括真实时间t、机器k抢修所需时间t_bk、机器k上一次预防性维修结束时间t_plk、机器k预防性维修所需时间、机器最低可靠度R、机器k的可靠性函数R_k、机器k发生故障的概率P_bk、机器k是否发生故障概率B_k；

分布式车间预防维修联合调度数学模型中，分布式车间因素包括工件i的前驱工件集P_i、机器距离D，决策变量包括工件i的操作j是否在机器k上处理X_ijk，若操作为1，否则为0；工件i的操作j是否优先于工件i’的操作j’在机器k上处理Y_iji’j’k，若优先为1，否则为0；是否选择进行预防性维修Z_ijk，若进行为1，否则为0；

所述分布式车间预防维修联合调度数学模型中，约束条件及优化目标具体为：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

其中，工件约束(1)、工件约束(2)、工件约束(3)、工件约束(6)、工件约束(7)分别表示工件操作加工的机器选择约束、时间约束、操作处理的顺序约束、工件间的前驱约束；机器约束(4)、机器约束(5)表示同一时刻一台正常工作的机器能且只能加工一种工件的单一操作；优化目标(8)为每个工件完工时间，优化目标(9)为任务订单中最后完成工件的完工时间，即最大完工时间C_max。

2.根据权利要求1所述的一种分布式车间预防维修联合调度的优化方法，其特征在于：

所述仿真模型搭建步骤具体为：

模拟任务订单并添加i个加工工件，设置到达时刻；

添加k个机器，并设置单台机器仅处理单个工件的任意一道操作；

导入每台机器每道操作的加工时间表、机器距离表，并根据机器距离确定工件的转移时间；

添加暂存区，设置等待处理的临时实体；

进行仿真模型的调度方案的设计，包括机器选择方案，操作排列方案和维修策略选择方案；

进行仿真模型不确定性因素的添加，包括设备可靠性及工件运输延迟。

3.根据权利要求2所述的一种分布式车间预防维修联合调度的优化方法，其特征在于：

所述仿真模型设计有模型接口，能够依据外部场景数据生成设备布局显示、设定场景不确定性、基于数学模型计算任务完成时间。

4.根据权利要求1所述的一种分布式车间预防维修联合调度的优化方法，其特征在于：

所述步骤(3)中，优化方法具体步骤为：

设置种群数和迭代次数以及相关参数的配置，生成符合要求的初始解种群，利用遗传算法求解；

求解过程中，随机抽取某一代种群，对本代的种群最优解进行仿真校正，将对应调度方案输出并导入仿真模型运行，以返回得到的最大完工时间作为该个体的适应度函数输入，利用遗传算法继续求解；

判断是否满足预设终止条件，若满足，则遗传算法停止并得到近似最优解，再次利用仿真模型对最后求得的近似最优调度方案进行仿真校正验证。

5.根据权利要求4所述的一种分布式车间预防维修联合调度的优化方法，其特征在于：

所述仿真校正验证的具体步骤为：

根据遗传算法得出的机器选择、任务序列及设备的维修策略等调度方案，并导入仿真模型中，根据机器获取工件的选择方案，判断各个工件是否进行处理，若不需加工，进行等待处理，若允许处理，工件进行预置处理，获取机器之间的距离，进而获取工件的转移时间和机器的维修时间，若机器的可靠度低于某一阈值，则机器进行维修，否则继续加工工件；

上述工序加工完成后，判断所有操作是否完成，若没有，进入下一个机器，若完成所有操作，此工件i进入暂存区；判断工件是否加工完成，若没有完成，返回调度方案导入关节，继续仿真加工，若完成了所有工件的加工，则完成仿真，输出该批工件的总加工时间。