密集仓储环境下多AGV/RGV调度方法研究

针对密集仓储环境下,出库作业时,有轨车(Rail guided vehicle,RGV)在不同货架间运送货物的换乘需要借助穿梭车(Automated guided vehicle,AGV)实现,入库作业时,货物先由穿梭车从输送带送达货架口,再由有轨车完成入库操作等特征,构建密集仓储环境下考虑多出入库任务的多AGV/RGV作业调度模型,包括穿梭车任务分配模型、协同有轨车选择模型和出入库完工时间数学模型.为实现密集仓储环境下的多AGV/RGV调度,提出适应不同出入库货位分布的穿梭车任务分配规则,实现考虑执行任务均衡的穿梭车任务分配;利用遗传算法实现多AGV/RGV出入库协同调度,对遗传算法关键解码算子进行详细设计,解码确定各穿梭车与有轨车执行出入库任务的顺序、任务的起始时间和结束时间,使得所有出入库任务的总完工时间最短.最后,通过某物流仓储企业实际案例进行测试,测试结果表明,提出的启发式规则能实现穿梭车任务的均衡分配,基于遗传算法的协同调度方法能有效地产生多AGV/RGV协同调度方案,减少出入库作业总时间,提高了仓储作业整体效率.     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

智能RGV的动态调度算法设计

针对RGV(轨道式自动引导车)的实际问题,基于机理建模分别给出了一道工序加工作业和故障干扰下二道工序加工作业的动态调度模型,设计有效算法,为智能RGV的动态调度策略提供了思路。     

基于粒子群算法和仿真技术的RGV动态调度建模与优化

基于10台计算机数控机床(CNC)和1辆轨道式自动引导车(RGV)组成的智能加工系统,设计了RGV动态调度策略,包括CNC工序分配、CNC编号奇偶优先和RGV任务分派策略,建立了以系统作业效率最大化和RGV移动时间最短为优化目标的数学模型,设计了基于工序编码的粒子群算法。最后利用C++语言编程,通过对一个8 h班次两道工序物料加工过程的三组数据的计算,得出了在最优策略下一个班次三组数据分别生产熟料的数量、系统作业效率、RGV移动时间、奇偶优先策略引起的CNC工序排布变化。通过仿真对比和实例,验证了所提方法的有效性。     

智能RGV动态调度研究

本文围绕RGV动态调度问题,建立了以排队论为基础的RGV动态调度模型,设计了两道工序加工和有故障时物料加工的具体算法。利用MATLAB实现了对问题的求解。针对两道工序的物料加工问题:首先,依据不同工序加工时间的相对大小列举出三种不同情况下加工刀头数量分配,再利用遗传算法计算出不同的数量分配下的最优工序刀头排列组合,最后根据邻近原则计算出不同作业参数下分别的物料生产总数。针对有故障概率的物料加工问题:在两道工序物料加工模型基础上加入故障随机发生性以及持续时间随机性对RGV进行动态调度,由此计算出在有故障概率的情况下8小时内两道工序物料生产数。最后,对模型进行推广及优化,在模型推广中提出了多个RGV调度模型,并用遗传算法对其动态调度;在模型优化中提出了无等待RGV动态调度模型以及单个CNC可进行两道工序加工的模型,并与原模型进行比较,证实了优化模型的可行性和实用性。     

基于SO-GP的智能车间组合调度规则挖掘

针对智能车间复杂性程度高、动态不确定性明显、对调度的实时性要求高以及车间机理模型难以描述等特点,对智能车间实时调度问题展开研究,提出一种将仿真优化与遗传规划(SO-GP)算法相结合的调度规则挖掘方法,在优化生产性能的同时满足实时调度的需求.在SO-GP方法设计中,采用二叉树的结构编码,每个GP个体代表一个组合调度规则,并借助仿真获得个体的适应度值.为了进一步提高挖掘过程的时间效率,对构成GP算法的终止集进行了归一化改进.最后以MiniFAB半导体生产线模型为对象进行实验,验证了所提方法的有效性.     

面向棋盘格式立体货架的RGV控制系统研究

棋盘格式立体货架(MCB)及其有轨自动化小车(RGV)是一种面向单件多品种随机存储的新型自动化仓储设备。基于对MCB立体货架的作业特点分析,提出了RGV系统的路径优化算法以及速度优化问题解决方案,通过实时计算起始点到目标点距离,并调用对应的速度曲线从而实现了货物平稳的、智能化的出入库作业。通过介绍样机研制的情况,并进行了实验验证,表明RGV控制系统操作灵活性能稳定,可靠性高,为基于MCB立体货架的RGV系统的工程化和市场化奠定了基础。     

基于遗传算法的RGV动态调度研究

在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈.针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法.通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性.最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据.     

基于改进遗传算法的环形RGV系统调度优化

针对自动化立体仓库中环形穿梭车系统(Rail Guided Vehicle system,RGVs)调度优化问题,综合考虑RGV数量、进出货口限制、复合作业次数和堵塞次数对作业效率的影响,以最小化任务总完工时间为目标,建立了多影响因素下的RGV调度数学模型,并采用改进遗传算法对模型进行求解。首先,设计了多影响因素下的编码方式,提高算法求解实际问题的能力;然后,在遗传算法中引入模拟退火操作,提高算法的局部搜索能力,避免算法求解过程陷入局部最优;最后,设计染色体修复方法来避免非法解的出现,提高算法的收敛速度和求解稳定性。通过实例验证了模型和算法的有效性与先进性。     

考虑工序相关性的动态Job shop调度问题启发式算法

提出一类考虑工序相关性的、工件批量到达的动态Job shop 调度问题,在对工序相关性进行了定义和数学描述的基础上,进一步建立了动态Job shop 调度问题的优化模型。设计了一种组合式调度规则RAN(FCFS,ODD),并提出了基于规则的启发式算法以及该类动态Job shop 调度问题的算例生成方法。为验证算法和比较评估调度规则的性能,对算例采用文献提出的7种调度规则和RAN(FCFS,ODD)进行了仿真调度,对调度结果的分析表明了算法的有效性和RAN(FCFS,ODD)调度规则求解所提出的动态Job Shop 调度问题的优越性能。     

A fuzzy rule for job dispatching in a wafer fabrication factory—a simulation study

Job scheduling in wafer fabrication factories is subject to many sources of uncertainty or randomness. To consider the uncertainty and improve the scheduling performance in a wafer fabrication factory, this paper proposes an innovative fuzzy rule that solves the problem of slack overlapping in a non-subjective way. The fuzzy rule considers the uncertainty in the remaining cycle time and is aimed at the simultaneous optimization of the average cycle time and cycle time standard deviation. Few existing publications discuss this issue. A systematic procedure has also been established to optimize the value of the adjustable parameter in the fuzzy rule. On the other hand, a novel fuzzy back propagation network approach is also proposed in this paper to estimate the remaining cycle time accurately. The performance of the proposed methodology is evaluated with a series of production simulation experiments.     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。     

智能化重力式立体仓库设计

重力式立体仓库具有存储密度高、结构简单可靠等优点。以优化库存管理、优化调度过程和减少库存堆积为目的,设计了一种智能化重力式立体仓库,结合传统重力式货架与伺服驱动的上料机和提料机,实现了物料的自动存储与调取;提出了一种基于货区划分的调度方法,实现了货区内货物先入先出,大大降低了管理成本;开发了智能化重力式立体仓库的电控系统与控制调度软件。在某汽车热力膨胀阀厂家进行了试运行,结果表明该智能化重力式立体仓库能较好实现少品种、大批量产品的自动存储。     

半导体生产线群体智能调度模型研究

模仿蚁群生态系统，提出了半导体生产线群体智能调度模型。该调度模型由集中优化控制MAS(C-MAS)与分布式动态控制人工蚁群MAS(D-MAS)构成，实现了优化控制与动态调度的优势互补。其中，C-MAS主要由仿真Agent与调度Agent构成；D-MAS由一个蚁后Agent和代表半导体生产线物理实体的多个工件蚂蚁Agent与多个资源蚂蚁Agent构成，蚂蚁Agent通过基于信息素的间接交互实现半导体生产线的动态调度，蚁后Agent用于实现C-MAS与D-MAS的紧密协作，从而获得半导体生产线优化的动态智能调度。给出了基于群体智能调度模型的智能动态调度算法，对群体智能调度模型进行了定性评价。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

Intelligent scheduling of automated machining systems

An automated machining system involves concurrent use of manufacturing resources, alternative process plans and flexible routings. High investment in the installation of automated facilities requires an efficient scheduling system that is able to allocate the resources specified for operations over a scheduling horizon. The primary emphasis of this paper is to generate schedules that accurately reflect details of the automated environment and the objectives stated for the system. In this paper, a rule for dispatching operations, named the Most Dissimilar Resources (MDR) dispatching rule, is introduced. A scheduling algorithm for automated machining is presented. Using the previous simulation research for this topic, a rule-based scheduling system is constructed. An architecture for an intelligent scheduling system is proposed, and the system has a high potential to provide efficient schedules based on the task-specific knowledge for the dynamic scheduling environment.     

基于工件聚类的并行机调度算法及其应用

针对纺织生产广泛存在的带工件释放时间、以最小化总拖期工件数和总拖期时间为目标的大规模并行机调度问题,提出一种基于工件聚类的遗传算法。该算法将求解过程分为工件聚类和工件排序两个阶段。在工件聚类阶段,基于影响并行机调度性能的重要调度特征量,采用改进的模糊C-均值聚类方法将所有待上机工件分为多个聚类;在工件排序阶段,采用基于规则编码的遗传算法,优化各聚类内工件的加工顺序。数值计算结果及实际应用效果表明,所提出的算法适用于求解带工件释放时间的大规模并行机调度问题。     

基于PDM协同设计任务建模与调度方法研究

从产品数据管理系统中协同设计过程任务建模的角度出发,提出基于产品结构分解的协同设计过程人员-任务分配模型,建立任务结构的约束映射和基于可扩展着色Petri网的任务过程建模方法,实现Multi-agent协同设计过程任务调度集成框架,最后进行了系统实现.     

A mixed dispatching rule approach in FMS scheduling

Short-term scheduling in flexible manufacturing systems (FMSs) is a difficult problem because of the complexities and dynamic behavior of FMSs. To solve this problem, a dispatching rule approach is widely used. In this approach, however, a single dispatching rule is usually assigned for all machines in a system during a given scheduling interval. In this paper, a mixed dispatching rule which can assign a different dispatching rule for each machine is proposed. A search algorithm which selects an appropriate mixed dispatching rule using predictions based on discrete event simulation is developed for this approach. The search algorithm for the mixed dispatching rule is described in detail. The effectiveness (in meeting performance criteria) of the mixed dispatching rule and the efficiency of the search algorithm relative to exhaustive search (complete enumeration) is demonstrated on an FMS model. The mixed dispatching rule approach performs up to 15.9% better than the conventional approach, and is 4% better on average. The statistical significance of the results is dicussed.