CN115877809A - 柔性制造系统的调度方法、设备和存储介质 - Google Patents
柔性制造系统的调度方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115877809A CN115877809A CN202310179080.0A CN202310179080A CN115877809A CN 115877809 A CN115877809 A CN 115877809A CN 202310179080 A CN202310179080 A CN 202310179080A CN 115877809 A CN115877809 A CN 115877809A
- Authority
- CN
- China
- Prior art keywords
- current
- initial
- constraint
- time
- individual
- 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.)
- Granted
Links
Images
Landscapes
- General Factory Administration (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种柔性制造系统的调度方法、设备和存储介质。该方法根据系统加工完成时间最小化构建目标函数,并根据对系统加工完成时间、对各工件的工序优先级等约束构建约束条件集合,以对工序及其所涉及的机床、自动导引小车及刀具进行约束,进而构建目标优化模型,针对获取到的待加工工件集合,对目标优化模型进行迭代求解,得到最小系统加工完成时间、工序执行顺序、以及每道工序对应的机床编号、刀具编号、自动导引小车编号,和各类刀具的最小需求数量,实现了对FMS中的机床、自动导引小车以及刀具的同步调度,提升FMS加工效率,节省制造成本,同时,还可以达到合理降低刀具数量的目的。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种柔性制造系统的调度方法、设备和存储介质。
背景技术
随着全球市场形势的变化,在一定程度上使得柔性生产模式在汽车制造业中变得更加重要,并且无疑成为该领域最明显的发展趋势之一。在全球经济动荡下,从某种程度上来说,汽车柔性制造系统(Flexible Manufacturing System,FMS)变得更加重要。面对不断变化的市场形势,汽车制造商开始进一步思考如何提高竞争力。因此,能够适应高节奏、高效率、高质量的柔性生产线取代了过去的专机生产线,成为人们关注的焦点。
FMS是由数控加工设备、物料运输和储存装置以及计算机控制系统组成的自动化制造系统,适用于汽车制造领域的多品种、中小批量生产。FMS将微电子、计算机和系统工程技术有机地结合起来,可以通过简单地改变软件来制造一些零件的任何部分,理想地、圆满地解决了机械制造中高自动化和高柔性之间的矛盾,设备利用率高,且生产能力相对稳定。
然而,在现有技术中,无法实现对FMS中的加工中心(或数控车床)、自动导引小车以及刀具的同步调度,使得FMS难以有效实现高效、低成本的目标。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种柔性制造系统的调度方法、设备和存储介质,实现对FMS中的机床、自动导引小车以及刀具的同步调度,在提升FMS加工效率的同时,节省制造成本。
本发明实施例提供了一种柔性制造系统的调度方法,该方法包括:
根据柔性制造系统的系统加工完成时间最小化构建目标函数,根据对所述系统加工完成时间的约束、对各工件的工序优先级的约束、对各工件的首道工序的完成时间的约束、对各刀具承担的加工工序的约束、对各道工序无刀具延迟的约束、对各道工序中工件进行一次装载与卸载的约束、对自动导引小车的使用次数无重叠的约束、对自动导引小车进出所述柔性制造系统的一致性的约束、对各道工序的执行开始条件的约束、对自动导引小车行驶开始条件的约束、以及对自动导引小车的装载行驶条件的约束,构建约束条件集合;
基于所述目标函数以及所述约束条件集合构建目标优化模型,并获取待加工工件集合,其中,所述待加工工件集合包括多个待加工工件;
针对所述待加工工件集合,对所述目标优化模型进行迭代求解,得到所述待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载所述待加工工件的自动导引小车编号、以及各类刀具的最小需求数量。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的柔性制造系统的调度方法的步骤。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的柔性制造系统的调度方法的步骤。
本发明实施例具有以下技术效果:
根据柔性制造系统的系统加工完成时间最小化构建目标函数,并根据对系统加工完成时间、对各工件的工序优先级、对各工件的首道工序的完成时间、对各刀具承担的加工工序、对各道工序无刀具延迟、对各道工序中工件进行一次装载与卸载等约束,构建约束条件集合,以确定对加工工序及其所涉及的机床、自动导引小车及刀具的约束,进而通过目标函数和约束条件集合构建目标优化模型,针对获取到的待加工工件集合,对目标优化模型进行迭代求解,得到待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号、以及各类刀具的最小需求数量,实现了对FMS中的机床、自动导引小车以及刀具的同步调度,得到FMS优化的最小系统加工完成时间,提升FMS加工效率,节省制造成本,提高FMS加工敏捷性,同时,还可以得到加工过程中所需刀具的数量,使得每一种刀具的数量最小化,达到合理降低刀具数量的目的,且没有刀具延迟,进一步降低成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种柔性制造系统的调度方法的流程图;
图2是本发明实施例提供的一种柔性制造系统的示意图;
图3是本发明实施例提供的一种机床-工件-刀具-AGV的最优调度结果的部分示意图;
图4是本发明实施例提供的一种刀具的最优调度结果的部分示意图;
图5是本发明实施例提供的一种自动导引小车的最优调度结果的部分示意图;
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例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的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的柔性制造系统的调度方法,主要适用于对柔性制造系统的加工任务进行调度的情况,具体包括对柔性制造系统中的刀具、机床以及自动导引小车的调度,以及对加工任务对应的整批工件的工序执行顺序以及所需刀具数量的确定。本发明实施例提供的柔性制造系统的调度方法可以由集成在柔性制造系统中的计算机、平板电脑或智能手机等电子设备执行。
图1是本发明实施例提供的一种柔性制造系统的调度方法的流程图。参见图1,该柔性制造系统的调度方法具体包括:
S110、根据柔性制造系统的系统加工完成时间最小化构建目标函数,根据对系统加工完成时间的约束、对各工件的工序优先级的约束、对各工件的首道工序的完成时间的约束、对各刀具承担的加工工序的约束、对各道工序无刀具延迟的约束、对各道工序中工件进行一次装载与卸载的约束、对自动导引小车的使用次数无重叠的约束、对自动导引小车进出柔性制造系统的一致性的约束、对各道工序的执行开始条件的约束、对自动导引小车行驶开始条件的约束、以及对自动导引小车的装载行驶条件的约束,构建约束条件集合。
其中,柔性制造系统可以由数控加工设备(如加工中心或数控车床,简称机床)、物料运输和存储装置(如自动导引小车)、刀具以及计算机控制系统组成。在本发明实施例中,柔性制造系统可以是用于制造汽车零部件的自动化制造系统。
具体的,柔性制造系统中的自动导引小车,可以用于实现工件在各机床之间的转运。柔性制造系统的系统加工完成时间(Makespan,MSN)可以是柔性制造系统加工完成整批工件所需的时间,即在整批工件中的最后一道工序完成时刻对应的时间。FMS在执行加工任务时,不同的工序排列顺序、不同的AGV(AutomatedGuided Vehicle,自动导引小车)、机床及刀具调度策略,会导致不同的MSN结果。
在本发明实施例中,构建目标函数以及约束条件集合之前,可以先确定柔性制造系统的初始化条件。其中,初始化条件包括:条件1、在初始加工时刻,所有工件、机床及AGV均可用;条件2、AGV的所有可能路径及其相应的行驶时间已知;条件3、AGV装卸站(Loading/Unloading Station,LUS)不仅作为工件分发中心,也可以作为工件存储中心使用;条件4、所有AGV在加工开始时可都从LUS出发,并在任务结束后返回LUS,且AGV每次仅运输单个工件;条件5、AGV可沿最短预设路径行驶,同时在塞车过程中无行驶延迟;条件6、为了在加工任务开始前及结束后存储工件,FMS中的每台加工中心(或数控车床)均配有缓冲区;条件7、LUS的输入缓冲容量和输出缓冲容量充足;条件8、加工时间包含了当前工序的加工参数(主轴转速、进给速度、进给量等)设置时间;条件9、每道工序均指定了所需加工中心(或数控车床)及相应的刀具;条件10、每个工件均有明确的顺序性工序集合,且每道工序的加工时间已知;条件11、刀具在加工任务开始之前均位于中心刀库(Centeral Tool Magazine,CTM)中;条件12、FMS中仅配置唯一的刀具运载交换装置(Tool Transporter,TT);条件13、在加工任务开始时,刀具所具有的剩余使用寿命足够其完成该加工任务;条件14、忽略塞车、返工、报废、停机、交通管制、AGV充电及换电路径规划因素。
其中,对于上述条件8,加工时间是指本道工序从开始到结束的时间,参数指的是本道工序所涉及的加工参数,例如,主轴转速、进给速度、进给量等。
进一步的,可以针对定义柔性制造系统的目标函数以及约束条件集合,来实现对柔性制造系统的敏捷调度问题的定义。
其中,目标函数可以以如下公式表示:
式中,为工序i的完成时间,即从加工任务开始到工序i的完成时刻对应的时长,/>为工序指标集,由所有工件的工序组成,n为正整数。示例性的,第一道工序的时间范围为0~1min,则ct1=1;第二道工序的时间范围为3~5min,则ct2=5,以此类推。/>得到的是整批工件中的最后一道工序的完成时刻对应的时长,即FMS加工完整批工件的时间(MSN)。
在本发明实施例中,约束条件集合可以由以下约束条件构成:对系统加工完成时间的约束、对各工件的工序优先级的约束、对各工件的首道工序的完成时间的约束、对各刀具承担的加工工序的约束、对各道工序无刀具延迟的约束、对各道工序中工件进行一次装载与卸载的约束、对自动导引小车的使用次数无重叠的约束、对自动导引小车进出柔性制造系统的一致性的约束、对各道工序的执行开始条件的约束、对自动导引小车行驶开始条件的约束、以及对自动导引小车的装载行驶条件的约束。
对各工件的工序优先级的约束,可以用于确保后一道工序在前一道工序完成后开始。对各刀具承担的加工工序的约束,可以用于确保各刀具不可以在同一时刻执行两道不同工序的加工。对各道工序无刀具延迟的约束,可以用于确保每个机床在加工工序之前无需等待刀具到位。对各道工序中工件进行一次装载与卸载的约束,可以用于确保对于每道工序,工件均只进行一次装载与卸载。对自动导引小车的使用次数无重叠的约束,可以用于确保自动导引小车的使用次数不超过柔性制造系统中AGV的数量。对自动导引小车进出柔性制造系统的一致性的约束,可以用于确保AGV进入柔性制造系统的次数与从柔性制造系统中离开的次数相同。对各道工序的执行开始条件的约束,可以用于确保在机床参数设置完成、AGV到位以及刀具准备就绪之前,本道工序未开始。对自动导引小车行驶开始条件的约束,可以用于确保在前一道工序未完成之前,AGV不会开始行驶。
在本发明实施例中,对自动导引小车的装载行驶条件的约束,可以用于确保若本次行驶是AGV第一次装载行驶或执行非工件首道工序的装载行驶时,AGV的装载行驶过程必须在其空载行驶过程结束之后开始,以及,确保当AGV执行工件首道工序装载行驶时,装载行驶过程必须在其空载行驶过程结束后开始。
在一种具体的实施方式中,对系统加工完成时间的约束,满足如下公式:
对各工件的工序优先级的约束,满足如下公式:
对各工件的首道工序的完成时间的约束,满足如下公式:
对各刀具承担的加工工序的约束,满足如下公式:
式中,,/>表示采用第k类型中的第c个刀具的第i道工序的完成时间,/>表示采用第k类型中的第c个刀具的第h道工序的完成时间,为刀具类型集合,/>为每种刀具类型对应的刀具数量集合,/>表示工序i、工序h涉及的刀具类型集合;
对各道工序无刀具延迟的约束,满足如下公式:
对各道工序中工件进行一次装载与卸载的约束,满足如下公式:
式中,、/>以及/>均为示性函数,当自动导引小车从装卸站开始执行第一次任务i时,/>,当自动导引小车完成行程h且结束行驶任务返回装卸站时,/>,当自动导引小车在行程h与行程i之间为空载行驶时,/>,,/>;
对自动导引小车的使用次数无重叠的约束,满足如下公式:
式中,K为所述柔性制造系统中自动导引小车的数量;
对自动导引小车进出柔性制造系统的一致性的约束,满足如下公式:
对各道工序的执行开始条件的约束,满足如下公式:
对自动导引小车行驶开始条件的约束,满足如下公式:
对自动导引小车的装载行驶条件的约束,包括:若本次行驶为自动导引小车的第一次装载行驶或执行非工件首道工序的装载行驶,则约束自动导引小车的装载行驶过程在空载行驶过程结束之后开始,满足如下公式:
对自动导引小车的装载行驶条件的约束,还包括:若本次行驶为执行工件首道工序的装载行驶,则约束装载行驶过程在空载行驶过程结束之后开始,满足如下公式:
通过以上公式,可以分别构建各个约束条件,进而包括各个约束条件的约束条件集合。需要说明的是,其中,对各道工序无刀具延迟的约束,可以保证FMS中的机床在对各工序进行加工之前无需等待刀具到位,进一步的提高了FMS加工效率,减少系统加工完成时间。并且,约束条件集合中的其它约束条件,可以避免出现AGV使用次数重叠、工件在一道工序中出现多次装载或卸载、或AGV进入与驶出柔性制造系统的次数不同等情况,进一步的保证了柔性制造系统的调度合理性。
可选的,除了上述约束条件之外,约束条件集合还包括对柔性制造系统中各机床不能同时加工多道工序的约束,满足如下公式:
即,通过上述公式,可以形成对机床不能同时加工多道工序的约束,确保了同一台机床无法同时加工两道工序。
对于上述公式中出现的部分变量,还可以设置以下条件:
S120、基于目标函数以及约束条件集合构建目标优化模型,并获取待加工工件集合,其中,待加工工件集合包括多个待加工工件。
具体的,在得到目标函数以及约束条件集合后,可以结合目标函数以及约束条件集合,构建目标优化模型。其中,目标优化模型可以由目标函数的表达公式以及约束条件集合中各约束的表达公式构成。
并且,还可以获取待加工工件集合。其中,待加工工件集合可以理解为当前需要加工的整批工件。示例性的,待加工工件集合可以包括变速箱箱体a、变速箱箱体b、气缸活塞a、气缸活塞b、气缸活塞c以及刹车卡钳a。
需要说明的是,在本发明实施例中,对构建目标优化模型以及获取待加工工件集合的执行顺序不进行限定,如,可以是先获取待加工工件集合,再构建目标优化模型,也可以是二者同时执行。
S130、针对待加工工件集合,对目标优化模型进行迭代求解,得到待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号、以及各类刀具的最小需求数量。
具体的,在得到待加工工件集合后,可以以系统加工完成时间最小化为目标,以约束条件集合为限制条件,进行迭代求解,得到待加工工件集合对应的最优调度结果,以及该最优调度结果对应的系统加工完成时间,即最小系统加工完成时间。其中,待加工工件集合对应的调度结果包括待加工工件集合中所有工序的工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号、以及各类刀具的最小需求数量。
在一种具体的实施方式中,针对待加工工件集合,对目标优化模型进行迭代求解,得到待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号、以及各类刀具的最小需求数量,包括如下步骤:
步骤1、基于待加工工件集合,确定初始种群,其中,初始种群包括多个初始个体,初始个体为根据工序序列、机床序列、自动导引小车序列以及刀具序列构建的矩阵;
步骤2、将预设初始迭代次数确定为当前迭代次数,确定初始种群中的每一个初始个体分别对应的系统加工完成时间以及各类刀具的最小需求数量,将最小的系统加工完成时间对应的初始个体确定为最优个体;
步骤3、针对初始种群中的每一个初始个体,根据最优个体以及约束条件集合,对初始个体进行互利、共栖以及寄生处理,基于处理结果生成当前种群;
步骤4、判断当前迭代次数是否达到预设最大迭代次数,若否,则将当前种群作为初始种群,并返回执行确定初始种群中的每一个初始个体分别对应的系统加工完成时间的操作,直至当前迭代次数达到预设最大迭代次数,得到当前种群中的最小系统加工完成时间、最小系统加工完成时间对应的目标个体、以及目标个体对应的各类刀具的最小需求数量;
步骤5、基于目标个体,确定工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号。
具体的,在上述步骤1中,可以通过待加工工件集合,构建包括多个初始个体的初始种群。其中,初始个体可以是矩阵的形式,包括工序序列、机床序列、自动导引小车序列以及刀具序列。示例性的,初始个体用如下公式表示:
式中,第一列元素可以表示工序序列,第二列至第四列元素可以分别表示对应的机床序列、自动导引小车序列以及刀具序列。
可选的,在上述步骤1中,基于待加工工件集合,确定初始种群,包括如下步骤:
步骤11、获取待加工工件集合中各待加工工件分别对应的工序顺序,基于工序顺序对待加工工件集合中的所有工序进行随机排列,得到初始个体中的工序序列;
步骤12、针对工序序列中的每一个工序,随机确定工序对应的机床、刀具以及自动导引小车;
步骤13、根据工序序列中的每一个工序对应的机床、刀具以及自动导引小车,确定机床序列、刀具序列以及自动导引小车序列。
其中,每一个待加工工件均可以预先指定工序顺序,即一个工件对应各工序的顺序是确定的。具体的,在生成的初始个体中的工序序列中,对于同一待加工工件,工序必须是按工序顺序排列的,对于不同待加工工件,工序的排列可以随机指定。可以按照各个待加工工件分别对应的工序顺序,对待加工工件集合中的所有工序进行随机排列,得到了初始个体中的第一列元素,即工序序列。
进一步的,可以为工序序列中的每一道工序随机指派执行此工序的机床、刀具和自动导引小车,得到机床序列、刀具序列以及自动导引小车序列。可以通过重复上述步骤11-13,得到多个初始个体,进而得到初始种群,实现了多个初始个体的随机生成,提高了初始种群中包含的初始个体的覆盖率,进而保证优化准确性。
在得到初始种群后,进一步的,可以根据预设初始迭代次数确定当前迭代次数,如,将当前迭代次数设置为1。并且,确定初始种群中每一个初始个体分别对应的系统加工完成时间和各类刀具的最小需求数量,将系统加工完成时间最小的初始个体作为最优个体。
可选的,在上述步骤2中,确定初始种群中的每一个初始个体分别对应的系统加工完成时间以及各类刀具的最小需求数量,包括如下步骤:
步骤21、针对初始种群中的每一个初始个体,将初始个体中首个行向量确定为当前解向量;
步骤22、基于当前解向量确定当前工件的编号、当前工序的编号、当前机床的编号、当前自动导引小车的编号以及当前刀具的编号;
步骤23、获取当前工序的位置以及当前工序的完成时间;
步骤24、确定当前自动导引小车到达当前工序的位置的第一时间、以及当前工件到达当前工序的位置的第二时间;
步骤25、确定当前刀具的最小抵达时间、以及当前机床的最快可用时间,基于最快可用时间以及第二时间确定刀具抵达参考时间;
步骤26、判断最小抵达时间是否大于刀具抵达参考时间,若是,则更新柔性制造系统中当前类刀具的最小需求数量,并更新最小抵达时间;
步骤27、基于最小抵达时间、最快可用时间以及第二时间,确定当前工序的起始时间,基于起始时间以及当前工序的加工时间,确定在当前工序下的系统加工完成时间;
步骤28、判断当前解向量是否为初始个体中的最后一行向量,若否,则基于当前解向量的下一行向量更新当前解向量,并返回执行基于当前解向量确定当前工件的编号、当前工序的编号、当前机床的编号、当前自动导引小车的编号以及当前刀具的编号的步骤。
其中,对于每一个初始个体,可以读取初始个体中的第一行向量,作为当前解向量;当前解向量包括当前工序以及对应的当前机床、当前自动导引小车和当前刀具。
进一步的,获取当前工件的编号、当前工序的编号、当前机床的编号、当前自动导引小车的编号以及当前刀具的编号。并且,获取当前工序的位置以及当前工序的完成时间。
示例性的,在得到各个编号后,可以通过编号判断当前工序是否为当前工件的第一道工序,如果否,则读取当前工序编号、当前工序位置以及当前工序的完成时间,如果是,则将当前工序编号设置为0、将当前工序位置设置为0、将当前工序完成时间设置为0。
进一步的,确定在当前工序下,当前自动导引小车到达当前工序的位置的第一时间,以及当前工件到达当前工序的位置的第二时间。
进一步的,确定在当前工序下,当前刀具的最小抵达时间,以及当前机床的最快可用时间;将第二时间和最快可用时间中的最大值确定为刀具抵达参考时间。
进一步的,判断当前刀具的最小抵达时间是否大于刀具抵达参考时间,如果大于,则表示存在刀具延迟,即刀具的数量不够,此时可用更新当前类刀具的最小需求数量(如将CTM中当前类刀具的数量加1),并更新当前刀具的最小抵达时间(如将最小抵达时间设置为0)。
进一步的,将最小抵达时间、最快可用时间以及第二时间中的最大值,作为当前工序的起始时间,将起始时间与当前工序的加工时间的和作为当前工序下的系统加工完成时间。
进一步的,判断当前解向量是否为初始个体中的最后一行向量,即该初始个体的所有加工工序是否均完成,若否,则继续读取初始个体中的下一行向量,并返回执行步骤22,若是,则输出对应的系统加工完成时间,以及各类型刀具数量,即各类刀具的最小需求数量。
需要说明的是,在上述步骤中,当前自动导引小车到达当前工序的位置的第一时间,可以根据自动导引小车的行驶时间矩阵确定。如表1所示,展示了一种行驶时间矩阵,其中,M1-M6分别为自动导引小车行驶的位置,如各机床所在位置。参见图2,图2是本发明实施例提供的一种柔性制造系统的示意图,其中,包括机床M1-M6、中心刀库以及装卸站。并且,当前工序的加工时间,可以根据工序的加工时间矩阵确定,即输入数据中的每道工序加工时间。除了加工时间矩阵和行驶时间矩阵之外,输入数据还可以包括刀具矩阵、工件数量、每个工件对应的加工工序、每道工序涉及的机床。示例性的,如表2所示,展示了一种工件对应的信息,包括部分加工工序、对应的加工时间、所用机床以及所用刀具。
表1 一种行驶时间矩阵
表2 一种工件对应的信息
通过上述步骤21-步骤28,可以依次求解出每一个初始个体对应的系统加工完成时间以及各类刀具的最小需求数量,实现了MSN的准确确定,确保了刀具无延迟。
在得到每一个初始个体对应的系统加工完成时间以及各类刀具的最小需求数量,并从中确定出最优个体之后,进一步的,可以按照约束条件集合以及最优个体,对各个初始个体进行互利、共栖以及寄生处理,得到新的种群,即当前种群。
针对上述步骤3,可选的,针对初始种群中的每一个初始个体,根据最优个体以及所述约束条件集合,对初始个体进行互利、共栖以及寄生处理,基于处理结果生成当前种群,包括如下步骤:
步骤31、针对初始种群中的每一个初始个体,基于最优个体、随机数以及利益因子生成初始个体对应的新个体,判断新个体是否满足约束条件集合,若是,则确定新个体对应的系统加工完成时间,若新个体对应的系统加工完成时间小于初始个体对应的系统加工完成时间,则采用新个体替换初始个体,以实现对各初始个体的互利处理;
步骤32、针对初始种群中的每一个初始个体,基于最优个体以及随机数生成初始个体对应的新个体,判断新个体是否满足约束条件集合,若是,则确定新个体对应的系统加工完成时间,若新个体对应的系统加工完成时间小于初始个体对应的系统加工完成时间,则采用新个体替换初始个体,以实现对各初始个体的共栖处理;
步骤33、针对初始种群中的每一个初始个体,基于随机向量对初始个体进行复制和修改,得到变异个体,判断变异个体是否满足约束条件集合,若是,则确定变异个体对应的系统加工完成时间,若变异个体对应的系统加工完成时间小于初始个体对应的系统加工完成时间,则采用变异个体替换初始个体,以实现各初始个体的变异处理,得到当前种群。
在上述步骤31中,可以通过如下公式生成各个初始个体分别对应的新个体:
在上述步骤31的互利处理阶段中,得到初始个体对应的新个体后,可以判断新个体是否满足约束条件集合,如果满足,则可以确定新个体对应的系统加工完成时间(可参考上述步骤21-步骤28);进一步的,判断新个体对应的系统加工完成时间是否小于该初始个体对应的系统加工完成时间,如果是,则使用新个体替换该初始个体,如果否,则保留该初始个体。
进一步的,对于共栖处理阶段,其在互利处理结果的基础上,再次生成各个初始个体对应的新个体,具体可采用如下公式生成新个体:
式中,表示(-1,1)区间内的随机数,/>为互利处理后的初始种群中的第i个初始个体,/>为互利处理后的初始种群中的最优个体,/>表示互利处理后的初始种群中随机选择的不同于/>的初始个体,M为初始种群中初始个体的数量。
在共栖处理阶段中,得到初始个体对应的新个体后,也可以判断新个体是否满足约束条件集合,如果满足,进一步判断新个体对应的系统加工完成时间是否小于该初始个体对应的系统加工完成时间,如果是,则采用新个体替换该初始个体,如果否,则保留该初始个体。
进一步的,对于变异处理阶段,其在共栖处理结果的基础上,再次生成各个初始个体对应的新个体。具体可以对初始个体进行复制和修改,以实现对初始个体的寄生,得到变异个体。进一步的,判断变异个体是否满足约束条件集合,如果满足,进一步判断变异个体对应的系统加工完成时间是否小于该初始个体对应的系统加工完成时间,如果是,则采用变异个体替换该初始个体,如果否,则保留该初始个体。
通过上述方式,实现了初始种群的互利共生、共栖以及寄生,进而得到新的种群,避免了陷入局部最优的情况,进而提高了最终迭代出的最优解的准确性。
需要说明的是,在上述步骤31-步骤33中,对于不满足约束条件集合的新个体或变异个体,可以直接丢弃,或者,还可以在约束与边界条件的基础上对新个体进行调整,进而再判断调整后的新个体对应的系统加工完成时间是否小于初始个体对应的系统加工完成时间,即新个体是否具备更好的适应度。
可选的,在上述步骤31中,在判断新个体是否满足约束条件集合之后,还包括:若新个体不满足约束条件集合,则基于约束与边界条件对新个体进行调整,以使新个体满足约束条件集合;其中,约束与边界条件包括满足同一待加工工件的加工工序的有序性,以及,柔性制造系统中的自动导引小车的数量不超过预设数量。
其中,满足同一待加工工件的加工工序的有序性,可以理解为满足同一待加工工件的加工工序的顺序性。具体的,可以利用约束与边界条件,对新个体进行调整,使得新个体满足约束条件集合,进而能够在不丢弃新个体的情况下,判断新个体是否具备更好的适应度,进一步的避免了迭代陷入局部最优。
在对初始个体进行互利、共栖以及寄生处理之后,可以判断当前迭代数是否达到预设最大迭代次数,如果未达到,则将当前种群作为初始种群,返回步骤2中确定各初始个体的系统加工完成时间以及各类刀具的最小需求数量的步骤,直至当前迭代次数达到预设最大迭代次数,此时,将当前种群中的系统加工完成时间最小的个体作为目标个体,并得到最小系统加工完成时间以及目标个体对应的各类刀具的最小需求数量。
进一步的,可以通过目标个体中的第一列元素,即工序序列,确定工序执行顺序,通过目标个体中的机床序列,得到每道工序对应的机床编号,通过目标个体中的刀具序列,得到每道工序对应的刀具编号,通过目标个体中的自动导引小车序列,得到每道工序对应的自动导引小车编号。即,目标个体中的每一行,均代表一个工序,以及参与该工序执行的机床、刀具以及自动导引小车,目标个体中的工序序列,描述了工序的执行顺序。
在本发明实施例中,通过步骤1-步骤5,实现了对目标优化模型的迭代求解,通过迭代生成多个种群,避免了陷入局部最优的情况,进一步的提高了求解出的最优调度结果的准确性。
示例性的,某汽车零部件制造企业所采用的FMS如图2所示,包括1台数控车床、5台数控铣床、2台AGV、1个CTM、1套TT。该FMS承担的某一批次加工任务中的待加工工件集合包括:
工件1:变速箱箱体—1;工件2:刹车卡钳—1;工件3:气缸活塞—1;工件4:变速箱箱体—2;工件5:刹车卡钳—2;工件6:气缸活塞—2;工件7:变速箱箱体—3;工件8:刹车卡钳—3;工件9:气缸活塞—3。上述变速箱箱体、刹车卡钳、气缸活塞分别涉及了16道、15道及4道工序。工件—工序匹配关系采用符号表征,其中下标i表示工件号,j表示对应的工序号。
通过本发明实施例提供的方法,得到FMS中机床-工件-刀具-AGV的联合敏捷调度结果,可以参见图3,图3是本发明实施例提供的一种机床-工件-刀具-AGV的最优调度结果的部分示意图。
采用本发明实施例提供的方法,可以在上述示例下得到最小MSN为692min,而现有算法为713min,本发明实施例提供的方法优于现有算法,且现有算法无法确定出刀具最低需求数量。
此外,在本发明实施例中,在得到最优调度结果后,还可以根据最优调度结果得到刀具调度结果以及AGV调度结果。如图4-图5所示,图4是本发明实施例提供的一种刀具的最优调度结果的部分示意图,刀具调度结果包括各刀具编号,以及各刀具编号对应的按照加工顺序排列的工序,图5是本发明实施例提供的一种自动导引小车的最优调度结果的部分示意图,AGV调度结果包括各AGV编号以及对应的按照加工顺序排列的工序。
本发明具有以下技术效果:根据柔性制造系统的系统加工完成时间最小化构建目标函数,并根据对系统加工完成时间、对各工件的工序优先级、对各工件的首道工序的完成时间、对各刀具承担的加工工序、对各道工序无刀具延迟、对各道工序中工件进行一次装载与卸载等约束,构建约束条件集合,以确定对加工工序及其所涉及的机床、自动导引小车及刀具的约束,进而通过目标函数和约束条件集合构建目标优化模型,针对获取到的待加工工件集合,对目标优化模型进行迭代求解,得到待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载待加工工件的自动导引小车编号、以及各类刀具的最小需求数量,实现了对FMS中的机床、自动导引小车以及刀具的同步调度,得到FMS优化的最小系统加工完成时间,提升FMS加工效率,节省制造成本,提高FMS加工敏捷性,同时,还可以得到加工过程中所需刀具的数量,使得每一种刀具的数量最小化,达到合理降低刀具数量的目的,且没有刀具延迟,进一步降低成本。
图6是本发明实施例提供的一种电子设备的结构示意图。如图6所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的柔性制造系统的调度方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图6中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的柔性制造系统的调度方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的柔性制造系统的调度方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种柔性制造系统的调度方法,其特征在于,包括:
根据柔性制造系统的系统加工完成时间最小化构建目标函数,根据对所述系统加工完成时间的约束、对各工件的工序优先级的约束、对各工件的首道工序的完成时间的约束、对各刀具承担的加工工序的约束、对各道工序无刀具延迟的约束、对各道工序中工件进行一次装载与卸载的约束、对自动导引小车的使用次数无重叠的约束、对自动导引小车进出所述柔性制造系统的一致性的约束、对各道工序的执行开始条件的约束、对自动导引小车行驶开始条件的约束、以及对自动导引小车的装载行驶条件的约束,构建约束条件集合;
基于所述目标函数以及所述约束条件集合构建目标优化模型,并获取待加工工件集合,其中,所述待加工工件集合包括多个待加工工件;
针对所述待加工工件集合,对所述目标优化模型进行迭代求解,得到所述待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载所述待加工工件的自动导引小车编号、以及各类刀具的最小需求数量。
2.根据权利要求1所述的方法,其特征在于,所述对所述系统加工完成时间的约束,满足如下公式:
所述对各工件的工序优先级的约束,满足如下公式:
所述对各工件的首道工序的完成时间的约束,满足如下公式:
所述对各刀具承担的加工工序的约束,满足如下公式:
式中,,/>表示采用第k类型中的第c个刀具的第i道工序的完成时间,/>表示采用第k类型中的第c个刀具的第h道工序的完成时间,/>为刀具类型集合,/>为每种刀具类型对应的刀具数量集合,/>表示工序i、工序h涉及的刀具类型集合;
所述对各道工序无刀具延迟的约束,满足如下公式:
所述对各道工序中工件进行一次装载与卸载的约束,满足如下公式:
式中,、/>以及/>均为示性函数,当自动导引小车从装卸站开始执行第一次任务i时,/>,当自动导引小车完成行程h且结束行驶任务返回装卸站时,/>,当自动导引小车在行程h与行程i之间为空载行驶时,/>,/>,;
所述对自动导引小车的使用次数无重叠的约束,满足如下公式:
式中,K为所述柔性制造系统中自动导引小车的数量;
所述对自动导引小车进出所述柔性制造系统的一致性的约束,满足如下公式:
所述对各道工序的执行开始条件的约束,满足如下公式:
所述对自动导引小车行驶开始条件的约束,满足如下公式:
所述对自动导引小车的装载行驶条件的约束,包括:若本次行驶为自动导引小车的第一次装载行驶或执行非工件首道工序的装载行驶,则约束自动导引小车的装载行驶过程在空载行驶过程结束之后开始,满足如下公式:
所述对自动导引小车的装载行驶条件的约束,还包括:若本次行驶为执行工件首道工序的装载行驶,则约束装载行驶过程在空载行驶过程结束之后开始,满足如下公式:
4.根据权利要求1所述的方法,其特征在于,所述针对所述待加工工件集合,对所述目标优化模型进行迭代求解,得到所述待加工工件集合的最小系统加工完成时间、工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载所述待加工工件的自动导引小车编号、以及各类刀具的最小需求数量,包括:
基于所述待加工工件集合,确定初始种群,其中,所述初始种群包括多个初始个体,所述初始个体为根据工序序列、机床序列、自动导引小车序列以及刀具序列构建的矩阵;
将预设初始迭代次数确定为当前迭代次数,确定所述初始种群中的每一个所述初始个体分别对应的系统加工完成时间以及各类刀具的最小需求数量,将最小的系统加工完成时间对应的初始个体确定为最优个体;
针对所述初始种群中的每一个所述初始个体,根据所述最优个体以及所述约束条件集合,对所述初始个体进行互利、共栖以及寄生处理,基于处理结果生成当前种群;
判断所述当前迭代次数是否达到预设最大迭代次数,若否,则将所述当前种群作为初始种群,并返回执行确定所述初始种群中的每一个所述初始个体分别对应的系统加工完成时间的操作,直至所述当前迭代次数达到所述预设最大迭代次数,得到所述当前种群中的最小系统加工完成时间、所述最小系统加工完成时间对应的目标个体、以及所述目标个体对应的各类刀具的最小需求数量;
基于所述目标个体,确定工序执行顺序、每道工序对应的机床编号、每道工序对应的刀具编号、每道工序中运载所述待加工工件的自动导引小车编号。
5.根据权利要求4所述的方法,其特征在于,所述针对所述初始种群中的每一个所述初始个体,根据所述最优个体以及所述约束条件集合,对所述初始个体进行互利、共栖以及寄生处理,基于处理结果生成当前种群,包括:
针对所述初始种群中的每一个所述初始个体,基于所述最优个体、随机数以及利益因子生成所述初始个体对应的新个体,判断所述新个体是否满足所述约束条件集合,若是,则确定所述新个体对应的系统加工完成时间,若所述新个体对应的系统加工完成时间小于所述初始个体对应的系统加工完成时间,则采用所述新个体替换所述初始个体,以实现对各所述初始个体的互利处理;
针对所述初始种群中的每一个所述初始个体,基于所述最优个体以及随机数生成所述初始个体对应的新个体,判断所述新个体是否满足所述约束条件集合,若是,则确定所述新个体对应的系统加工完成时间,若所述新个体对应的系统加工完成时间小于所述初始个体对应的系统加工完成时间,则采用所述新个体替换所述初始个体,以实现对各所述初始个体的共栖处理;
针对所述初始种群中的每一个所述初始个体,基于随机向量对所述初始个体进行复制和修改,得到变异个体,判断所述变异个体是否满足所述约束条件集合,若是,则确定所述变异个体对应的系统加工完成时间,若所述变异个体对应的系统加工完成时间小于所述初始个体对应的系统加工完成时间,则采用所述变异个体替换所述初始个体,以实现各所述初始个体的变异处理,得到当前种群。
6.根据权利要求5所述的方法,其特征在于,在所述判断所述新个体是否满足所述约束条件集合之后,还包括:
若所述新个体不满足所述约束条件集合,则基于约束与边界条件对所述新个体进行调整,以使所述新个体满足所述约束条件集合;
其中,所述约束与边界条件包括满足同一待加工工件的加工工序的有序性,以及,所述柔性制造系统中的自动导引小车的数量不超过预设数量。
7.根据权利要求4所述的方法,其特征在于,所述确定所述初始种群中的每一个所述初始个体分别对应的系统加工完成时间以及各类刀具的最小需求数量,包括:
针对所述初始种群中的每一个所述初始个体,将所述初始个体中首个行向量确定为当前解向量;
基于所述当前解向量确定当前工件的编号、当前工序的编号、当前机床的编号、当前自动导引小车的编号以及当前刀具的编号;
获取所述当前工序的位置以及所述当前工序的完成时间;
确定所述当前自动导引小车到达所述当前工序的位置的第一时间、以及所述当前工件到达所述当前工序的位置的第二时间;
确定所述当前刀具的最小抵达时间、以及所述当前机床的最快可用时间,基于所述最快可用时间以及所述第二时间确定刀具抵达参考时间;
判断所述最小抵达时间是否大于所述刀具抵达参考时间,若是,则更新所述柔性制造系统中当前类刀具的最小需求数量,并更新所述最小抵达时间;
基于所述最小抵达时间、所述最快可用时间以及所述第二时间,确定所述当前工序的起始时间,基于所述起始时间以及所述当前工序的加工时间,确定在所述当前工序下的系统加工完成时间;
判断所述当前解向量是否为所述初始个体中的最后一行向量,若否,则基于所述当前解向量的下一行向量更新所述当前解向量,并返回执行基于所述当前解向量确定当前工件的编号、当前工序的编号、当前机床的编号、当前自动导引小车的编号以及当前刀具的编号的步骤。
8.根据权利要求4所述的方法,其特征在于,所述基于所述待加工工件集合,确定初始种群,包括:
获取所述待加工工件集合中各所述待加工工件分别对应的工序顺序,基于所述工序顺序对所述待加工工件集合中的所有工序进行随机排列,得到所述初始个体中的工序序列;
针对所述工序序列中的每一个工序,随机确定所述工序对应的机床、刀具以及自动导引小车;
根据所述工序序列中的每一个工序对应的机床、刀具以及自动导引小车,确定机床序列、刀具序列以及自动导引小车序列。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至8任一项所述的柔性制造系统的调度方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至8任一项所述的柔性制造系统的调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310179080.0A CN115877809B (zh) | 2023-03-01 | 2023-03-01 | 柔性制造系统的调度方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310179080.0A CN115877809B (zh) | 2023-03-01 | 2023-03-01 | 柔性制造系统的调度方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115877809A true CN115877809A (zh) | 2023-03-31 |
CN115877809B CN115877809B (zh) | 2023-06-06 |
Family
ID=85761700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310179080.0A Active CN115877809B (zh) | 2023-03-01 | 2023-03-01 | 柔性制造系统的调度方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115877809B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1315622A (en) * | 1971-01-05 | 1973-05-02 | Witton Ltd James | Control equipment for web-slicing apparatus |
JP2000317710A (ja) * | 1999-05-07 | 2000-11-21 | Toyoda Mach Works Ltd | 工作機械における工具異常検出方法および装置 |
CN101901425A (zh) * | 2010-07-15 | 2010-12-01 | 华中科技大学 | 一种基于多种群协同进化的柔性作业车间调度方法 |
CN103809506A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 基于一维粒子群算法获得零件加工最优调度方案的方法 |
CN111563336A (zh) * | 2020-04-30 | 2020-08-21 | 南通大学 | 一种基于改进遗传算法的柔性制造系统无死锁调度方法 |
CN112147960A (zh) * | 2020-09-17 | 2020-12-29 | 武汉理工大学 | 一种柔性制造系统优化调度方法及装置 |
-
2023
- 2023-03-01 CN CN202310179080.0A patent/CN115877809B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1315622A (en) * | 1971-01-05 | 1973-05-02 | Witton Ltd James | Control equipment for web-slicing apparatus |
JP2000317710A (ja) * | 1999-05-07 | 2000-11-21 | Toyoda Mach Works Ltd | 工作機械における工具異常検出方法および装置 |
CN101901425A (zh) * | 2010-07-15 | 2010-12-01 | 华中科技大学 | 一种基于多种群协同进化的柔性作业车间调度方法 |
CN103809506A (zh) * | 2014-01-26 | 2014-05-21 | 西安理工大学 | 基于一维粒子群算法获得零件加工最优调度方案的方法 |
CN111563336A (zh) * | 2020-04-30 | 2020-08-21 | 南通大学 | 一种基于改进遗传算法的柔性制造系统无死锁调度方法 |
CN112147960A (zh) * | 2020-09-17 | 2020-12-29 | 武汉理工大学 | 一种柔性制造系统优化调度方法及装置 |
Non-Patent Citations (3)
Title |
---|
N. SIVARAMI REDDY ET AL.: "Minimizing the total completion time on a multi-machine FMS using flower pollination algorithm", SOFT COMPUTING * |
吕琳: "基于Multi-agent的协同制造资源共享的相关理论与技术研究", 《武汉理工大学博士学位论文》 * |
张亮 等: "一种改进型遗传算法在FMS刀具调度中的应用", 工业控制计算机 * |
Also Published As
Publication number | Publication date |
---|---|
CN115877809B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Viswanadham et al. | Performance modeling of automated systems | |
KR102353518B1 (ko) | 오더 처리 방법, 장치, 기기, 시스템 및 저장매체 | |
Haddou-Benderbal et al. | Hybrid heuristic to minimize machine’s unavailability impact on reconfigurable manufacturing system using reconfigurable process plan | |
US20200401106A1 (en) | Machining command improving system and machining command improving method | |
US11065820B2 (en) | Optimization approach to load balancing and minimization of build time in additive manufacturing | |
CN112465192B (zh) | 任务调度的方法、装置、设备及介质 | |
US20130199014A1 (en) | Processing Workpieces on Machine Tools | |
CN115877809A (zh) | 柔性制造系统的调度方法、设备和存储介质 | |
Turkcan et al. | Due date and cost-based FMS loading, scheduling and tool management | |
Jun et al. | Heuristics for a tool provisioning problem in a flexible manufacturing system with an automatic tool transporter | |
CN111684374B (zh) | 数控加工方法、数控机床及计算机存储介质 | |
Gafurov | The importance of CAD/CAM/CAE application development | |
CN111007803A (zh) | 机械加工过程数控代码标准化集成模型及方法 | |
US20190317478A1 (en) | Setting device and computer readable medium | |
JP3513100B2 (ja) | 制御装置 | |
CN115204525A (zh) | 一种加工任务调度方法、装置、终端及存储介质 | |
CN113298445A (zh) | 一种模型训练和调度无人设备的方法及装置 | |
Wang et al. | Hybrid Kanban/Conwip control system simulation and optimization based on theory of constraints | |
CN112214020A (zh) | Agv调度系统任务框架的建立和任务处理的方法及装置 | |
CN111815226A (zh) | 一种自动导引运输车调度方法、调度系统和存储装置 | |
CN114355838B (zh) | 一种工件工序加工时间的计算方法及装置 | |
Nidhiry et al. | Evaluation of genetic algorithm approach for scheduling optimization of flexible manufacturing systems | |
Halevi | The magic matrix as a smart scheduler | |
Gola et al. | Computer aided FMS machine tools subsystem selection-conception of methodology | |
CN116305929B (zh) | 一种数控加工仿真方法、装置、设备及存储介质 |
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 |