林曠世

摘 要：在具有現(xiàn)代化特點(diǎn)的制造行業(yè)中，再制造加工是重要的一方面內(nèi)容，它是隨著社會經(jīng)濟(jì)的發(fā)展而出現(xiàn)的一種新型制造形式，而且也是工業(yè)領(lǐng)域?qū)崿F(xiàn)良性循環(huán)生產(chǎn)的保障，從其實(shí)際應(yīng)用來看，它是以舊毛坯為加工主體，簡單說就是對于即將報(bào)廢的成型零件來進(jìn)行新的加工處理，實(shí)現(xiàn)對其缺陷的修復(fù)，在具體的修復(fù)過程中需要有針對性的采取相應(yīng)的維護(hù)設(shè)備和工藝技術(shù)，雖然這樣可以提高生產(chǎn)有序性，但是也會增加再制造加工環(huán)境的不確定性，基于此，對于生產(chǎn)企業(yè)來說，實(shí)現(xiàn)對再制造加工車間的生產(chǎn)調(diào)度優(yōu)化，就成為了企業(yè)管理的重要內(nèi)容。

關(guān)鍵詞：不確定環(huán)境；再制造；加工車間；調(diào)度優(yōu)化

中圖分類號：TM391.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-8937（2016）27-0107-02

再制造加工作為現(xiàn)代工業(yè)領(lǐng)域發(fā)展的一種趨勢，它是實(shí)現(xiàn)循環(huán)生產(chǎn)的有效途徑。依據(jù)當(dāng)前工業(yè)領(lǐng)域發(fā)展現(xiàn)狀來看，本文結(jié)合現(xiàn)有的制造加工經(jīng)驗(yàn)，技術(shù)人員在對其加工時(shí)間進(jìn)行描述時(shí)采用的是模糊隨機(jī)變量，這一變量是和再制造廢舊件特性相一致的，并由此進(jìn)一步強(qiáng)化了模糊隨機(jī)機(jī)會約束規(guī)劃的基礎(chǔ)性作用，在此基礎(chǔ)上建立了具體的調(diào)度模型，并采取了一種具有混合性質(zhì)的智能算法，以促進(jìn)再制造加工車間生產(chǎn)調(diào)度的優(yōu)化和完善。

1 再制造加工車間的調(diào)度問題模型分析

對于調(diào)度問題模型的分析，需要先對模糊隨機(jī)變量有所了解，在本文所分析的不確定環(huán)境之下，它對于制造加工時(shí)間的描述時(shí)以隨機(jī)變量和模糊變量為主的，而在這兩個變量中，需要對兩個變量的分布函數(shù)予以確定，對于隨機(jī)變量來說，它的分布函數(shù)確定需要立足于大量數(shù)據(jù)基礎(chǔ)上對其進(jìn)行科學(xué)統(tǒng)計(jì)來實(shí)現(xiàn)，保證函數(shù)的科學(xué)性和準(zhǔn)確性，而在模糊變量的分布函數(shù)確定上則相對較為簡單，它的隸屬度函數(shù)可以由相關(guān)人員依據(jù)之前的經(jīng)驗(yàn)來確定，但需要注意的是，在很多情況下，需要對兩個變量結(jié)合并具體應(yīng)用，相反，如果只是選擇其中的一個如果以單一的隨機(jī)變量或者是模糊變量進(jìn)行描述的話，描述的準(zhǔn)確性會降低。

1.1 生產(chǎn)調(diào)度中的問題分析

對于生產(chǎn)調(diào)度中的問題分析，可以設(shè)想在一個再制造加工車間中共有生產(chǎn)機(jī)器設(shè)備m臺，待加工廢舊零件n個，每一個加工工件中都包含有多個工序，對于這些工序的順序排列需要在事前給予設(shè)定，在每個加工機(jī)器上進(jìn)行一種加工工序，而且工序加工的時(shí)間也是依據(jù)損傷的程度來決定的。在確保了工序順序的約束和交貨期約束的基礎(chǔ)上，生產(chǎn)調(diào)度的優(yōu)化目標(biāo)就可以歸結(jié)為是在最小化的預(yù)定置信水平下的最大完工時(shí)間悲觀值。那么這種模型需要具備有以下幾方面假設(shè)條件：

第一，在多個工序加工作用下完成工件加工再制造，不同的工序加工也要在特定的機(jī)器設(shè)備上進(jìn)行，第二， 在同一時(shí)間內(nèi)只能對一個工件進(jìn)行加工處理；第三，加工工序一旦開始就不能中途停止，需要持續(xù)不間斷完成；第四，只要是初始時(shí)刻，工序加工都可以進(jìn)行；第五，機(jī)器之間的相互運(yùn)送時(shí)間是可以省去的。

1.2 參數(shù)描述

在再制造加工過程中，會不可避免的涉及到諸多不確定因素。通過對不同工件的加工時(shí)間的歷史數(shù)據(jù)信息進(jìn)行分析可知，對于工件加工時(shí)間在自身估計(jì)值上下波動特性的表示可以在對模糊數(shù)據(jù)的利用過程中實(shí)現(xiàn)，并且這一過程也是相當(dāng)準(zhǔn)確的。除此之外，以傳統(tǒng)生產(chǎn)流程作為參考來進(jìn)行對比分析，可以知道在再制造加工車間中，需要進(jìn)行加工處理的廢舊件的損傷程度主要是由具體加工時(shí)間的決定性條件，通常情況下，對于具體損傷的程度反映可以以損傷面積大小、損傷位置以及屬性等來進(jìn)行合理劃分，進(jìn)而區(qū)別出具體的損傷級別，等級越低損傷程度就越輕?；诖耍涂梢圆捎萌请x散模糊隨機(jī)變量PTkij（ω）來對再制造加工車間中待加工廢舊零件加工時(shí)間進(jìn)行表示，具體公式表示如下：

1.3 生產(chǎn)調(diào)度的模型

通過上述分析可知，每一個加工工件在加工過程中所需要的時(shí)間實(shí)質(zhì)上是一種模糊隨機(jī)變量，在這個變量下，我們可以知道加工工序的開始和技術(shù)時(shí)間具體指，而這個所確定的時(shí)間值也是模糊隨機(jī)變量的一種，這就導(dǎo)致了調(diào)度模型和確定周的調(diào)度模型兩者就會有較大的差異，在具體分析時(shí)就可以將其描述為是模糊隨機(jī)機(jī)會約束規(guī)劃模型。假設(shè)x為決策矢量，ξ是模糊隨機(jī)矢量，f（x，ξ）就是目標(biāo)函數(shù)，gj（x，ξ）就是約束函數(shù)j=1、2、……p。

2 調(diào)度模型求解方面的分析

2.1 模糊隨機(jī)模擬

該模擬指的是以模糊隨機(jī)系統(tǒng)作為中心，并按照要求從中抽取樣本的計(jì)算機(jī)處理技術(shù)，樣本抽取的具體依據(jù)是以模糊隨機(jī)分布特征為準(zhǔn)，嚴(yán)格按照隨機(jī)分布特征來有目的性的進(jìn)行抽取。需要注意的是，在該模型之中，它所涉及到的關(guān)于模糊隨機(jī)變量的具體運(yùn)算有很多，這種繁多性就需要實(shí)現(xiàn)模糊隨機(jī)技術(shù)和仿真試驗(yàn)手段兩者的有機(jī)結(jié)合。它的具體計(jì)算流程如下：

①按照概率分布Pr，從樣本空間Ω中隨機(jī)采取樣本ω；

②采用模糊模擬計(jì)算，βk=Cr{f（ξ（ωk））≤0}，k取值為1、2、3……，N；

③N是aN的整數(shù)部分，N=ceil（aN）；

④返回序列{βk}中的第N個的最大元素。

給出了置信水平α和β，采用模糊隨機(jī)模擬技術(shù)可以計(jì)算得到臨界值f。它的計(jì)算流程是：

①按照概率分布Pr，從樣本空間Ω中隨機(jī)采取樣本ω；

②通過模糊模擬計(jì)算，fk=inf{fk|Ct{f（ξ（ωn））≤fk}≥β}；

③N是αN的整數(shù)部分，也就是N=ceil（αN）。

2.2 對于神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近分析

對于此內(nèi)容的分析，按照本文所依據(jù)的萬能逼近定理，本文就有針對性的選取一個三層RBF神經(jīng)網(wǎng)絡(luò)以逼近不確定函數(shù)，同時(shí)采用PSO算法來實(shí)現(xiàn)網(wǎng)絡(luò)訓(xùn)練。

2.2.1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)

從本質(zhì)上來講，它可以歸屬為是前饋神經(jīng)網(wǎng)絡(luò)，這種網(wǎng)絡(luò)在應(yīng)用中具備有結(jié)構(gòu)簡單、逼近能力強(qiáng)等的特點(diǎn)，在實(shí)際應(yīng)用中主要是用來解決對調(diào)度模式的準(zhǔn)確識別以及自適應(yīng)濾波等等問題中。此外，它在適用于函數(shù)逼近時(shí)，它的隱層節(jié)點(diǎn)基函數(shù)也具有一定的特殊性，它是以非線性激活函數(shù)為中心的，除了這方面分析外，RBF還具有很強(qiáng)的徑向?qū)ΨQ性，在神經(jīng)元輸入方面，如果它的輸入和中心值距離越來越遠(yuǎn)，就表示它的實(shí)際激活程度越低，通過調(diào)查研究可知，這種神經(jīng)網(wǎng)絡(luò)輸入層總共有■ni個神經(jīng)元，而在輸出層上則是有q+1個神經(jīng)元。

2.2.2 基于PSO算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練分析

嚴(yán)格來說，PSO算法可以歸屬為智能搜索算法范疇中，它的基礎(chǔ)是群體行為，主要運(yùn)作是以個體直接協(xié)作為主。每一個優(yōu)化問題的解答在算法中，都可以將其視為是一個粒子存在，它在n維空間中的位置表示為xi=（x1、x2，……xn，），飛行速度則表示為vi=（v1，v2，……，vn），并且每一個粒子都是具有一個直接由被優(yōu)化目標(biāo)函數(shù)所決定的適應(yīng)值。這種算法在每一次的迭代過程中，粒子對于自身位置和速度的更新主要是通過跟蹤個體和全局的最佳位置來實(shí)現(xiàn)的。

2.3 采用GA優(yōu)化再制造加工調(diào)度

在采用PSO算法RBFNN進(jìn)行訓(xùn)練，并在訓(xùn)練結(jié)束后，技術(shù)人員可以依據(jù)所獲得的信息來對需要的最優(yōu)參數(shù)值進(jìn)行確定。同時(shí)還必須要把經(jīng)過訓(xùn)練后的且訓(xùn)練好的網(wǎng)絡(luò)直接嵌入到GA，在此過程中還要對染色體進(jìn)行檢查，檢查的目的是確保其合理性達(dá)到要求。

首先，編碼和譯碼。對于染色體的編碼是立足于工序?yàn)榛A(chǔ)的，與工序密不可分，對于N個廢舊件和K個機(jī)器的再制造生產(chǎn)調(diào)度問題分析，可知它的染色體是由N×K個代表工序的基因構(gòu)成，這其中所有的工件出現(xiàn)的次數(shù)至少是K次；而在解碼環(huán)節(jié)，基因的個位數(shù)代表的是工件的自身序號，在得到準(zhǔn)確解碼之后就會生成活動調(diào)度解。

其次，初始化。對染色體種群進(jìn)行初始化，并對其大小、交叉概率、變異概率等進(jìn)行準(zhǔn)確設(shè)置。

第三，適應(yīng)度函數(shù)，技術(shù)人員把經(jīng)過訓(xùn)練得到的RBFNN嵌入GA中，可以很方便的根據(jù)實(shí)際需要直接計(jì)算得到染色體的實(shí)際輸出，輸出結(jié)束之后根據(jù)輸出的值來對染色體質(zhì)量進(jìn)行劃分。

第四，選擇。選擇的依據(jù)是以適應(yīng)度的值為準(zhǔn)，同時(shí)在具體過程中還要遵循精英保護(hù)策略相結(jié)合的原則。

第五，交叉和變異。以POX為基礎(chǔ)在父代染色體中隨機(jī)選取一段位置，與被選中位置內(nèi)的基因進(jìn)行交換，并把剩下的基因依據(jù)順序來逐一填入其與位置，這樣可以提高染色體表示可行解的全面性。

2.4 混合式算法的基本流程

第一，參數(shù)的初始化。參數(shù)的初始化一般只需要考慮一下幾種即可，即樣本數(shù)T、模糊隨機(jī)模擬次數(shù)、交貨期機(jī)會約束以及模糊隨機(jī)加工時(shí)間分布特征等，并由此形成一個仿真平臺，發(fā)揮其作用。

第二，對PSO算法的參數(shù)信息初始化處理，處理內(nèi)容包括慣性權(quán)重函數(shù)、最大迭代次數(shù)以及群體規(guī)模大小等。

第三，依據(jù)樣本數(shù)據(jù)采用PSO算法來訓(xùn)練RBF網(wǎng)絡(luò)，確定網(wǎng)絡(luò)的函數(shù)中心、寬度、隱層節(jié)點(diǎn)數(shù)以及隱層和輸出層之間的連接權(quán)重。

第四，對GA參數(shù)進(jìn)行初始化，其中就包含有染色體種群大小、交叉概率、變異概率等等。

第五，在對染色體進(jìn)行更新操作時(shí)，最常見的措施是借助交叉和變異行為實(shí)現(xiàn)，還可以在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上對染色體可行性進(jìn)行檢測。

第六，通過對訓(xùn)練好的RBF網(wǎng)絡(luò)的應(yīng)用，可以得到所有的染色體的自身目標(biāo)值信息，并在參考這個目標(biāo)值作用下可以對染色體進(jìn)行針對性排除和分布。

第七，重復(fù)上兩個環(huán)節(jié)操作，直到染色體最優(yōu)解的輸出。

3 結(jié) 語

現(xiàn)階段的工業(yè)發(fā)展正處于改造升級趨勢中，實(shí)現(xiàn)工業(yè)生產(chǎn)的循環(huán)是當(dāng)前的一個研究方向。再制造加工可以推動工業(yè)的循環(huán)生產(chǎn)，本文分析了不確定環(huán)境下再制造加工的生產(chǎn)調(diào)度優(yōu)化問題，構(gòu)建了模糊隨機(jī)機(jī)會約束問題模型，提出了一種新的混合智能算法，而且也闡述了這種算法在不確定環(huán)境下再制造生產(chǎn)調(diào)度優(yōu)化方面所具有的優(yōu)勢。

參考文獻(xiàn)：

[1] 劉明周，張璽，劉從虎，等.不確定環(huán)境下再制造加工車間生產(chǎn)調(diào)度優(yōu)化 方法[J].機(jī)械工程學(xué)報(bào)，2014，50（10）：206-212.

[2] 王超，劉階萍，常偉濤等.不確定條件下的作業(yè)車間生產(chǎn)調(diào)度綜述[J].裝 備制造技術(shù)，2011，（4）：144-148，154.

[3] 張紅宇，高陽.再制造生產(chǎn)計(jì)劃與調(diào)度的研究進(jìn)展[J].科研管理，2011，32 （5）：120-128.

[4] 張銘鑫，張璽，彭建剛，等.不確定環(huán)境下再制造加工車間多目標(biāo)調(diào)度優(yōu) 化方法[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，39（4）：433-439，542.

[5] 趙會丹.不確定環(huán)境下多重入制造系統(tǒng)優(yōu)化調(diào)度方法的研究[D].北京： 北京化工大學(xué)，2011.