朱旭東

(無錫工藝職業(yè)技術(shù)學(xué)院,江蘇 宜興 214200)

0 引 言

隨著車間生產(chǎn)的智能化程度和柔性程度不斷提高,目前的車間機(jī)床可以加工多工件的多種工序,且工序在不同機(jī)床上的生產(chǎn)加工效率也可以不一致[1]。

合理的柔性車間調(diào)度方案可以有效提升車間的生產(chǎn)效率,體現(xiàn)企業(yè)的核心競爭力[2]。因此,研究柔性車間的生產(chǎn)調(diào)度問題具有重要的經(jīng)濟(jì)意義和實(shí)用價(jià)值。

柔性車間動態(tài)調(diào)度是在靜態(tài)調(diào)度基礎(chǔ)上,考慮生產(chǎn)擾動的一類調(diào)度問題。生產(chǎn)干擾主要由加工的中斷因素和不確定事件所引起,包括機(jī)床故障、緊急插單、加急生產(chǎn)、任務(wù)隨機(jī)到達(dá)等因素[3]。

根據(jù)優(yōu)化目標(biāo)分類,柔性車間動態(tài)調(diào)度問題可以分為完工時(shí)間優(yōu)化、能耗優(yōu)化和負(fù)載均衡優(yōu)化等[4]。根據(jù)優(yōu)化目標(biāo)數(shù)量分類,柔性車間動態(tài)調(diào)度問題可以分為單目標(biāo)調(diào)度問題和多目標(biāo)調(diào)度問題[5]。從動態(tài)調(diào)度算法的角度出發(fā),柔性車間動態(tài)調(diào)度問題又可以分為精確求解算法和啟發(fā)類求解算法。

其中,精確求解算法是基于梯度的一類求解方法,該方法的優(yōu)點(diǎn)是可以獲得算法的精確最優(yōu)解,且收斂速度較快;其缺點(diǎn)是只適用于小規(guī)模調(diào)度問題,且計(jì)算量較大。

啟發(fā)類求解方法是基于元啟發(fā)算法的一類求解方法。常見啟發(fā)類求解算法包括遺傳算法、粒子群算法等[6,7]。該類方法的優(yōu)點(diǎn)是適用于大規(guī)模調(diào)度問題、計(jì)算量適中,缺點(diǎn)是調(diào)度方案的優(yōu)劣與算法性能優(yōu)劣直接相關(guān),不能保證一定獲得最優(yōu)解。

尤一琛等人[8]研究了機(jī)器發(fā)生隨機(jī)故障時(shí)的車間動態(tài)調(diào)度問題,設(shè)計(jì)了組合重調(diào)度策略,并使用精英選擇遺傳算法對其進(jìn)行了求解,實(shí)現(xiàn)了機(jī)械故障條件下重調(diào)度的目的。張國輝等人[9]基于改進(jìn)帝國競爭算法,研究了機(jī)械故障發(fā)生時(shí)的車間重調(diào)度問題,并在3種機(jī)器故障情景下,驗(yàn)證了該方法的可行性與有效性。模糊加工時(shí)間和新訂單插入兩種擾動下,RAKOVITIS N等人[10]研究了車間的重調(diào)度問題,提出了采用兩階段人工蜂群算法求解重調(diào)度的方法,經(jīng)測試,該方法調(diào)度結(jié)果優(yōu)于另外7種現(xiàn)有的算法調(diào)度結(jié)果。

上述針對中斷因素和不確定事件的車間動態(tài)重調(diào)度問題中,研究人員主要研究了由機(jī)械故障、新訂單插入、訂單加工事件模糊等因素導(dǎo)致的重調(diào)度問題,而針對現(xiàn)有訂單的加急生產(chǎn)擾動的相關(guān)研究較少。但是當(dāng)前市場需求瞬息萬變,因此,客戶依據(jù)市場而具有時(shí)變的生產(chǎn)需求是常見情況。

筆者針對上述問題進(jìn)行研究。首先,根據(jù)預(yù)先設(shè)定的生產(chǎn)需求,提出基于強(qiáng)制進(jìn)化遺傳算法的靜態(tài)調(diào)度方法;然后,當(dāng)發(fā)生訂單加急生產(chǎn)擾動時(shí),設(shè)計(jì)具有記憶功能的優(yōu)先生產(chǎn)通道,該生產(chǎn)通道能夠根據(jù)訂單緊急程度,自適應(yīng)地調(diào)整相應(yīng)生產(chǎn)機(jī)床;最后,在生產(chǎn)車間中,對該研究的重調(diào)度方法進(jìn)行驗(yàn)證。

1 問題描述與建模

1.1 訂單加急的動態(tài)重調(diào)度問題描述

訂單擾動可以分為訂單插入和訂單加急兩類,訂單插入是指原本不在計(jì)劃中的訂單插入到當(dāng)前生產(chǎn)節(jié)奏中;訂單加急是指本來就在計(jì)劃中的訂單,要求加急生產(chǎn)[11]。

此處,筆者研究的是訂單加急擾動下的柔性車間動態(tài)重調(diào)度問題。

假設(shè)具有N個(gè)工件生產(chǎn)任務(wù),記為{T1,T2,…,TN},工件i的第j道生產(chǎn)工序記為Oij,工件i的工序數(shù)量記為Ji;車間中具有K個(gè)加工機(jī)床,記為{M1,M2,…,MK}。每個(gè)機(jī)床具有加工不同工序的能力,每個(gè)工序允許選擇不同的機(jī)床。由于機(jī)床性能的差異性,同一工序在不同機(jī)床上的加工時(shí)間是不一致的。

柔性車間生產(chǎn)調(diào)度是指:通過合理地安排工序的加工順序和對應(yīng)機(jī)床,實(shí)現(xiàn)時(shí)間最短、能耗最低、負(fù)載均衡等目標(biāo)[12]。

而訂單加急擾動下的柔性車間動態(tài)重調(diào)度問題是指:按照預(yù)定調(diào)度方案生產(chǎn)過程中,忽然接到某一訂單加急生產(chǎn)的通知,而對車間內(nèi)剩余生產(chǎn)任務(wù)進(jìn)行重新調(diào)度的問題。

1.2 動態(tài)重調(diào)度問題建模

為了建立規(guī)范實(shí)用的柔性車間動態(tài)重調(diào)度問題模型,筆者對該問題做出以下假設(shè)和規(guī)范:

(1)初始時(shí)刻,所有機(jī)床均處于健康可用狀態(tài);

(2)所有工件必須按照設(shè)定的工序順序加工;

(3)任一工序不能在多個(gè)機(jī)床上同時(shí)加工,但是必須加工一次;

(4)在任意時(shí)刻,同一機(jī)床無法同時(shí)加工多個(gè)工序;

(5)同一工件的下一工序開始時(shí)刻必須處于上一工序加工完成時(shí)刻之后;

(6)任一工序在可選機(jī)床上的加工概率是一致的。

為了建立柔性車間動態(tài)重調(diào)度模型,筆者設(shè)置一個(gè)標(biāo)識參數(shù)xijk,并將其定義為:

(1)

基于上述假設(shè)和規(guī)范,根據(jù)訂單加急擾動柔性車間動態(tài)重調(diào)度問題特點(diǎn),筆者在保證加急訂單優(yōu)先生產(chǎn)的前提下,以全部訂單的完工時(shí)間最短為優(yōu)化目標(biāo),進(jìn)行動態(tài)重調(diào)度問題建模。

則訂單加急生產(chǎn)擾動下的車間重調(diào)度問題優(yōu)化模型為:

(2)

式中:T—最大完工時(shí)間;tSij—工序Oij的開始時(shí)間;tEij—工序Oij的結(jié)束時(shí)間;Pijk1—工序Oij在機(jī)器k1上的加工概率。

2 基于強(qiáng)制進(jìn)化遺傳的靜態(tài)調(diào)度

當(dāng)發(fā)生訂單加急生產(chǎn)擾動時(shí),在預(yù)先設(shè)定生產(chǎn)方案的基礎(chǔ)上進(jìn)行重調(diào)度,因此,筆者首先要進(jìn)行靜態(tài)生產(chǎn)調(diào)度,而后考慮訂單加急生產(chǎn)擾動下的動態(tài)重調(diào)度。

2.1 染色體編碼與解碼

對于多工件、多工序、多柔性機(jī)床的生產(chǎn)調(diào)度問題,此處筆者使用雙基因鏈?zhǔn)M(jìn)制編碼方式,其基因長度與總工序數(shù)量一致。一條基因鏈為工序基因鏈,規(guī)定了工序的加工順序;另一條基因鏈為機(jī)器基因鏈,規(guī)定了各工序加工對應(yīng)的機(jī)器。

此處以3個(gè)工件共10道工序、4個(gè)生產(chǎn)機(jī)床為例,某染色體編碼如圖1所示。

圖1 雙基因鏈編碼

圖1所示的染色體的工序鏈中,數(shù)字3出現(xiàn)了4次,表明工件3具有4道加工工序,數(shù)字3第1次出現(xiàn)代表工序O31,第2次出現(xiàn)代表工序O32,依此類推。

工序鏈解碼得到工序的加工順序?yàn)?O31→O11→O21→O32→O22→O12→O13→O33→O23→O34;機(jī)器鏈解碼得到對應(yīng)的生產(chǎn)機(jī)床為:M2→M4→M3→M1→M1→M3→M4→M2→M3→M1。

2.2 強(qiáng)制進(jìn)化遺傳實(shí)現(xiàn)方法

強(qiáng)制進(jìn)化遺傳操作的核心思想是:適應(yīng)度強(qiáng)的染色體具有較多的優(yōu)秀基因片段,因此,適應(yīng)度強(qiáng)的染色體應(yīng)該大概率進(jìn)行交叉,實(shí)現(xiàn)優(yōu)秀基因片段重組的目的;同時(shí)進(jìn)行小概率、小范圍的基因變異,防止優(yōu)秀基因片段的破壞;相應(yīng)的,適應(yīng)度弱的染色體具有較少的優(yōu)秀基因片段[13]。

因此,適應(yīng)度弱的染色體應(yīng)該小概率進(jìn)行交叉,同時(shí)進(jìn)行大概率、大范圍的基因變異使染色體強(qiáng)制進(jìn)化。

將交叉概率范圍設(shè)置為[pc1,pc2],變異概率范圍設(shè)置為[pm1,pm2]。某一染色體i的適應(yīng)度值記為fi,則其交叉概率和變異概率分別為:

(3)

式中:pci—染色體i的交叉概率;pmi—染色體i的變異概率;fmax，fmin—適應(yīng)度最大值和最小值。

前文中提到,交叉操作時(shí),適應(yīng)度強(qiáng)的染色體進(jìn)行小范圍變異,適應(yīng)度弱的染色體進(jìn)行大范圍變異(所謂的“大小范圍”是指參與變異的基因片段長度)。

(4)

2.3 遺傳操作方式與自然選擇

為了滿足柔性機(jī)床加工的約束條件,遺傳操作前后工序鏈中每個(gè)工序必須出現(xiàn)且僅出現(xiàn)1次,筆者提出了改進(jìn)POX交叉策略,該策略在交叉前后能夠滿足工序約束,無需進(jìn)行人為檢查和驗(yàn)證。改進(jìn)POX交叉策略如圖2所示。

圖2 改進(jìn)POX交叉策略

改進(jìn)POX交叉策略具體方法為:

(1)將工件按照數(shù)量大致相等的原則分為兩組,圖2中工件2和3為一組,工件1和4為一組;

(2)父代1的工件1、4基因位不變,遺傳給子代2,父代2的工件2、3基因位不變,遺傳給子代1;

(3)父代1的工件1、4基因位左移一位,嵌入到子代1,父代2的工件2、3基因位左移一位,嵌入到子代2。

變異包括工序變異和機(jī)床變異,染色體按照隨機(jī)方式選擇變異方式。當(dāng)進(jìn)行工序變異時(shí),按照式(4)確定變異基因長度,然后按照逆序方式進(jìn)行變異;當(dāng)進(jìn)行機(jī)床變異時(shí),以負(fù)載均衡為目的進(jìn)行變異,實(shí)現(xiàn)方法為:統(tǒng)計(jì)機(jī)床鏈中出現(xiàn)頻次最多的機(jī)床,將頻次最多的機(jī)床變異為滿足該工序生產(chǎn)要求的另一機(jī)床。

工序變異和機(jī)床變異方式如圖3所示。

圖3 變異策略

圖3(a)中,父代選擇了基因2和基因3之間的片段,將其逆序變異后得到子代工序鏈;圖3(b)中,父代機(jī)床鏈機(jī)床2出現(xiàn)的頻次最多,隨機(jī)選擇一個(gè)機(jī)床2,將其變異為滿足生產(chǎn)要求的機(jī)床3。

自然選擇過程即為優(yōu)勝劣汰過程[14],遺傳操作后比較子代和父代的適應(yīng)度值,保留其中適應(yīng)度高的個(gè)體,維持物種的規(guī)模穩(wěn)定。

3 基于記憶優(yōu)先通道的動態(tài)重調(diào)度

接下來,筆者設(shè)計(jì)記憶優(yōu)先通道,解決訂單加急生產(chǎn)擾動下的柔性車間動態(tài)重調(diào)度問題。首先,對優(yōu)先通道的記憶功能進(jìn)行說明;而后,對優(yōu)先通道的重調(diào)度原理進(jìn)行設(shè)計(jì);最后,給出車間重調(diào)度的流程圖。

3.1 記憶功能與記憶矩陣

在出現(xiàn)訂單緊急加工擾動時(shí),擾動時(shí)刻Te之間的加工方案無法改變,擾動時(shí)刻Te之后的生產(chǎn)方案進(jìn)行重新調(diào)度。因此,具有記憶功能的記憶矩陣是重調(diào)度方法必需的,記憶矩陣包括機(jī)器記憶矩陣M和時(shí)間記憶矩陣T兩個(gè)。

其中,機(jī)器記憶矩陣M用于記憶已完成工序使用的機(jī)床,以及未完成工序的可選機(jī)床集合,為:

(5)

式中:mij=[m1,…,mk]—滿足工序Oij生產(chǎn)要求的機(jī)床集合。

在訂單加急生產(chǎn)時(shí)刻Te之前,已完成工序只保留選擇的機(jī)床、淘汰未選機(jī)床,未完成工序保留可選機(jī)床集合。

同樣地,時(shí)間記憶矩陣用于記憶已完成工序的耗時(shí),以及未完成工序的可能耗時(shí),為:

(6)

式中:tij=[t1,…,tk]—可選機(jī)床集合mij中各機(jī)床的加工時(shí)間。

在訂單加急生產(chǎn)時(shí)刻Te之前,已完成工序只保留選擇機(jī)床對應(yīng)的加工時(shí)間、淘汰未選機(jī)床的加工時(shí)間,未完成工序保留可選機(jī)床集合的加工時(shí)間集合。

3.2 優(yōu)先加工通道設(shè)置

優(yōu)先加工通道是為了應(yīng)對訂單加急等擾動而設(shè)置的,當(dāng)訂單加急生產(chǎn)時(shí)刻Te到來時(shí),已進(jìn)行而未完成的工序繼續(xù)生產(chǎn),未上機(jī)床生產(chǎn)線的工序進(jìn)行重新調(diào)度。

由于訂單的緊急程度不同,在安排生產(chǎn)機(jī)床時(shí)的優(yōu)先程度也必然不同,筆者通過設(shè)置一個(gè)優(yōu)先系數(shù)e∈[0,1],使機(jī)床安排的優(yōu)先程度隨訂單緊急程度自適應(yīng)變化。

優(yōu)先加工通道根據(jù)訂單生產(chǎn)的緊急程度,為其安排耗時(shí)相對較小的加工機(jī)床,具體方法為:

mij=rand[Mij((1-e)+1)·lij]

(7)

式中:mij—優(yōu)先通道為工序Oij安排的機(jī)床,rand()—隨機(jī)函數(shù);Mij—工序Oij的可使用機(jī)床按照加工時(shí)間升序排列得到的集合; —向上取整函數(shù);lij—工序Oij可使用機(jī)床的數(shù)量。

式(7)可解釋為:假設(shè)e=70%,那么從加工時(shí)間最短的前30%機(jī)床集合中隨機(jī)選擇一個(gè)機(jī)床,執(zhí)行工序Oij的加工任務(wù)。式(7)中,這種按照排序和隨機(jī)方式產(chǎn)生的機(jī)床,既保證了工序Oij的優(yōu)先生產(chǎn),也使用隨機(jī)方式提高了染色體多樣性,是一種兼顧優(yōu)先和多樣性的調(diào)度方式。

3.3 動態(tài)重調(diào)度流程

基于記憶優(yōu)先通道和強(qiáng)制進(jìn)化遺傳算法的柔性車間動態(tài)重調(diào)度算法流程,如圖4所示。

圖4 柔性車間動態(tài)重調(diào)度流程

對柔性車間的動態(tài)重調(diào)度流程進(jìn)行如下說明:

(1)車間在接到訂單加急生產(chǎn)通知之前,按照靜態(tài)調(diào)度方案進(jìn)行生產(chǎn);

(2)車間接到訂單加急生產(chǎn)通知之后,使用記憶優(yōu)先通道對加急訂單進(jìn)行調(diào)度,而后使用強(qiáng)制進(jìn)化遺傳算法,將剩余生產(chǎn)任務(wù)插入到訂單加急調(diào)度方案中。

4 實(shí)驗(yàn)與結(jié)果分析

筆者從兩個(gè)方面對柔性車間動態(tài)重調(diào)度方法進(jìn)行實(shí)驗(yàn)驗(yàn)證:(1)驗(yàn)證基于強(qiáng)制進(jìn)化遺傳算法的靜態(tài)調(diào)度性能;(2)驗(yàn)證基于記憶優(yōu)先通道的動態(tài)重調(diào)度性能。

4.1 車間靜態(tài)調(diào)度性能驗(yàn)證

根據(jù)江蘇亨鑫科技有限公司某車間的生產(chǎn)需求,該車間共承擔(dān)6個(gè)工件的生產(chǎn)任務(wù),每個(gè)工件具有6道生產(chǎn)工序,車間中具有10臺制造機(jī)床,各工序的可選機(jī)床及對應(yīng)加工時(shí)間如表1所示。

表1 工件加工任務(wù)

為了進(jìn)行比較,筆者分別使用標(biāo)準(zhǔn)遺傳算法、強(qiáng)制進(jìn)化遺傳算法、文獻(xiàn)[15]改進(jìn)遺傳算法對表1給出的案例進(jìn)行調(diào)度。文獻(xiàn)[15]改進(jìn)遺傳算法的參數(shù)按照原文設(shè)置,標(biāo)準(zhǔn)遺傳算法和強(qiáng)制進(jìn)化遺傳算法的共同參數(shù)設(shè)置一致:染色體規(guī)模為100,算法最大迭代次數(shù)為200。另外,在標(biāo)準(zhǔn)遺傳算法中,交叉概率Pc=0.3,變異概率Pm=0.2;在強(qiáng)制進(jìn)化遺傳算法中,交叉概率范圍[pc1,pc2]=[0.2,0.4],變異概率[pm1,pm2]=[0.1,0.3]。

筆者利用上述3種算法分別進(jìn)行10次柔性車間靜態(tài)調(diào)度,統(tǒng)計(jì)10次最優(yōu)調(diào)度方案的最大生產(chǎn)時(shí)間、最小生產(chǎn)時(shí)間、平均生產(chǎn)時(shí)間,其結(jié)果如圖5所示。

圖5 任務(wù)完工時(shí)間統(tǒng)計(jì)

由圖5可知:針對表1給出的加工案例,上述3種算法規(guī)劃的10次調(diào)度方案中,強(qiáng)制進(jìn)化遺傳算法靜態(tài)調(diào)度方案的平均加工時(shí)間為39.4 min,比改進(jìn)遺傳算法減少了4.57%,比標(biāo)準(zhǔn)遺傳算法減少了6.85%;強(qiáng)制進(jìn)化遺傳算法給定調(diào)度案例的最大完成時(shí)間、最小完成時(shí)間均小于標(biāo)準(zhǔn)遺傳算法和文獻(xiàn)[15]改進(jìn)遺傳算法所用時(shí)間,說明強(qiáng)制進(jìn)化遺傳算法具有最佳的靜態(tài)調(diào)度性能。這是因?yàn)?

(1)強(qiáng)制進(jìn)化遺傳算法根據(jù)染色體適應(yīng)度自適應(yīng)調(diào)整個(gè)體的交叉概率,使優(yōu)秀個(gè)體的交叉概率較大,實(shí)現(xiàn)了優(yōu)秀基因片段重組;

(2)強(qiáng)制進(jìn)化遺傳算法根據(jù)染色體適應(yīng)度自適應(yīng)調(diào)整個(gè)體的變異概率,使較差個(gè)體的變異概率和范圍較大,實(shí)現(xiàn)了較差染色體的強(qiáng)制進(jìn)化;

(3)改進(jìn)POX交叉策略在滿足工序約束條件下,使染色體變化較大,增強(qiáng)了算法的全局搜索能力。

強(qiáng)制進(jìn)化遺傳算法規(guī)劃的最優(yōu)生產(chǎn)調(diào)度方案的甘特圖,如圖6所示。

圖6 任務(wù)調(diào)度的甘特圖

分析圖6可知:所有工件的工序加工均滿足時(shí)序要求,且均由滿足加工要求的機(jī)床完成。

4.2 車間動態(tài)重調(diào)度性能驗(yàn)證

為了對動態(tài)重調(diào)度方法進(jìn)行驗(yàn)證,筆者將記憶優(yōu)先通道重調(diào)度方法與貪婪自適應(yīng)方法[16]進(jìn)行比較;并設(shè)計(jì)不同加急時(shí)刻、不同任務(wù)加急的情況進(jìn)行比較。

筆者將加急時(shí)刻Te=10min，加急任務(wù)T1稱為任務(wù)1;加急時(shí)刻Te=20min，加急任務(wù)T1稱為任務(wù)2;加急時(shí)刻Te=20min，加急任務(wù)T3稱為任務(wù)3,重調(diào)度結(jié)果如表2所示。

表2 動態(tài)重調(diào)度任務(wù)完成時(shí)間/min

分析表2中數(shù)據(jù)可知:

(1)在3個(gè)訂單加急生產(chǎn)任務(wù)中,實(shí)現(xiàn)了訂單加急生產(chǎn)。以任務(wù)1為例,記憶優(yōu)先通道重調(diào)度方法的加急調(diào)度方案使任務(wù)1的生產(chǎn)時(shí)間減少了2 min,貪婪自適應(yīng)方法的加急調(diào)度方案使任務(wù)1的生產(chǎn)時(shí)間減少了1 min;

(2)在訂單加急生產(chǎn)的條件下,相比于預(yù)先的靜態(tài)方案,記憶優(yōu)先通道重調(diào)度方法和貪婪自適應(yīng)方法在所有任務(wù)耗時(shí)上均有一定提高,但是記憶優(yōu)先通道重調(diào)度方法的增加時(shí)間少于貪婪自適應(yīng)方法調(diào)度方案增加的時(shí)間。以任務(wù)1為例,記憶優(yōu)先通道重調(diào)度方法的加急調(diào)度方案在整體生產(chǎn)時(shí)間上增加了5.0 min,貪婪自適應(yīng)方法加急調(diào)度方案在整體生產(chǎn)時(shí)間上增加了8.0 min;

(3)記憶優(yōu)先通道重調(diào)度方案在任務(wù)1、任務(wù)2、任務(wù)3的整體完工時(shí)間分別為42.0 min、43.0 min、42.5 min,比貪婪自適應(yīng)方法分別減少了3.0 min、2.0 min、3.5 min,說明記憶優(yōu)先通道重調(diào)度方案在加急工況下的重調(diào)度性能好于貪婪自適應(yīng)方法;

(4)在不同加急時(shí)刻、不同工件加急的工況下,記憶優(yōu)先加工通道的加急訂單生產(chǎn)時(shí)間、整體加工時(shí)間均小于貪婪自適應(yīng)方法;

(5)對于同一任務(wù),在不同時(shí)刻進(jìn)行加急,任務(wù)的可加急空間是不同的;對于同一時(shí)刻,不同任務(wù)的加急空間也是不同的。

綜合上述實(shí)驗(yàn)數(shù)據(jù)可以得出結(jié)論:

在上述3種任務(wù)加急生產(chǎn)擾動中,記憶優(yōu)先通道重調(diào)度方案的整體生產(chǎn)耗時(shí)少于貪婪自適應(yīng)方法重調(diào)度方案,同時(shí)記憶優(yōu)先通道重調(diào)度方案的加急訂單生產(chǎn)耗時(shí)少于貪婪自適應(yīng)方法。這是因?yàn)楫?dāng)發(fā)生訂單加急擾動時(shí),加急生產(chǎn)通道能夠根據(jù)生產(chǎn)任務(wù)的緊急程度自適應(yīng)為其分配合適的生產(chǎn)機(jī)床,在滿足加急生產(chǎn)的同時(shí)保證了任務(wù)整體的加工效率[17-19]。

以加急時(shí)刻為Te=20 min,加急任務(wù)為T3為例,對2種方法動態(tài)重調(diào)度方案進(jìn)行展示,結(jié)果如圖7所示。

圖7 動態(tài)重調(diào)度的甘特圖

分析圖7可知:所有工件的工序加工均滿足時(shí)序要求,且均由滿足加工要求的機(jī)床完成,滿足設(shè)定的約束條件。

5 結(jié)束語

為了解決訂單加急生產(chǎn)擾動下的柔性車間動態(tài)重調(diào)度問題,以縮短整體加工時(shí)間為目標(biāo),筆者提出了一種基于強(qiáng)制進(jìn)化遺傳算法和記憶優(yōu)先加工通道的動態(tài)重調(diào)度方法。

筆者首先根據(jù)預(yù)先設(shè)定的生產(chǎn)需求,提出了基于強(qiáng)制進(jìn)化遺傳算法的靜態(tài)調(diào)度方法;然后,當(dāng)發(fā)生訂單加急生產(chǎn)擾動時(shí),設(shè)計(jì)了具有記憶功能的優(yōu)先生產(chǎn)通道,該生產(chǎn)通道能夠根據(jù)訂單緊急程度,自適應(yīng)地調(diào)整相應(yīng)生產(chǎn)機(jī)床;最后,在生產(chǎn)車間中,對該研究的重調(diào)度方法進(jìn)行了驗(yàn)證。

經(jīng)6工件生產(chǎn)的實(shí)驗(yàn)驗(yàn)證,得出以下結(jié)論:

(1)在柔性車間靜態(tài)調(diào)度中,強(qiáng)制進(jìn)化遺傳算法靜態(tài)調(diào)度方案的平均加工時(shí)間為39.4 min,比改進(jìn)遺傳算法減少了4.57%,比標(biāo)準(zhǔn)遺傳算法減少了6.85%,說明強(qiáng)制進(jìn)化遺傳算法具有最佳的靜態(tài)調(diào)度性能;

(2)在柔性車間動態(tài)調(diào)度中,記憶優(yōu)先通道重調(diào)度方案在任務(wù)1、任務(wù)2、任務(wù)3的整體完工時(shí)間分別為42.0 min、43.0 min、42.5 min,比貪婪自適應(yīng)方法分別減少了3.0 min、2.0 min、3.5 min,說明記憶優(yōu)先通道重調(diào)度方案在加急工況下的重調(diào)度性能好于貪婪自適應(yīng)方法。

在對訂單加急生產(chǎn)情況下的柔性車間重調(diào)度問題進(jìn)行研究時(shí),筆者未考慮訂單插入、機(jī)械故障、加工時(shí)間模糊等特殊情況。因此,在后續(xù)的研究中,筆者將針對這些特殊情況展開相關(guān)的研究。