摘 要：本文研究的是在固定班次時(shí)間內(nèi)，提高加工系統(tǒng)總體工作效率的智能RGV動(dòng)態(tài)調(diào)動(dòng)策略問(wèn)題。 分析智能加工系統(tǒng)的工作原理以及工作過(guò)程中RGV和各CNC可能出現(xiàn)的狀態(tài)，得出加工系統(tǒng)的工作流程是循環(huán)過(guò)程，RGV循環(huán)對(duì)各CNC進(jìn)行操作。分析影響加工系統(tǒng)工作效率的因素，根據(jù)班次時(shí)間內(nèi)所有CNC等待RGV的時(shí)間總和越小，系統(tǒng)工作效率越大的特點(diǎn)，建立0-1規(guī)劃模型，編程求得各組參數(shù)下CNC總最短等待時(shí)間的RGV循環(huán)操作線路，進(jìn)而求得各組參數(shù)下系統(tǒng)的作業(yè)效率。

關(guān)鍵詞：循環(huán)操作；等待時(shí)間；0-1規(guī)劃

一、循環(huán)路徑的分析

從題目中可知，一共有八臺(tái)CNC，每個(gè)CNC對(duì)料的加工時(shí)間是相同的。要想工作效率高，那就要保證CNC的等待時(shí)間最少。智能加工系統(tǒng)通電啟動(dòng)以后，8個(gè)CNC都處于空閑狀態(tài)，此時(shí)它們都會(huì)發(fā)出上料需求信號(hào)，可以人為調(diào)度CNC發(fā)出第一次需求信號(hào)的順序，以達(dá)到減少原始工作方式里CNC等待時(shí)間的目的。

在這里將用圖2表示，如下：

圖2 原始工作方式工作流程圖

完成CNC8的操作之后，RGV不會(huì)提前移動(dòng)到最先發(fā)出需求信號(hào)的CNC1處，而是停留在CNC8的正前方，等接到需求信號(hào)再移動(dòng)到CNC1處進(jìn)行操作。CNC1在發(fā)出需求信號(hào)時(shí)候不能立即操作，就會(huì)出現(xiàn)等待時(shí)間，系統(tǒng)的工作效率會(huì)降低，那么針對(duì)這一問(wèn)題，要減少CNC1也就是第1個(gè)發(fā)出第二次需求信號(hào)的CNC的等待時(shí)間，可以讓RGV剛好停留在這個(gè)CNC的正前方，也就是說(shuō)第1個(gè)發(fā)出第一次需求信號(hào)的CNC與第8個(gè)發(fā)出第一次需求信號(hào)的CNC為一對(duì)CNC，此時(shí)CNC1一發(fā)出信號(hào)就能立刻接收到反應(yīng)，那么CNC1的等待時(shí)間就是0。

假設(shè)CNC2為最開(kāi)始第一個(gè)發(fā)出需求信號(hào)的機(jī)器，CNC1為最后一個(gè)。很明顯此時(shí)CNC2發(fā)出第二次需求信號(hào)時(shí)立刻能得到回應(yīng)，進(jìn)行上下料等一系列操作，類似于第一次工作一樣，又開(kāi)始一個(gè)新的循環(huán)。按照這種工作流程進(jìn)行多次循環(huán)，一直到班次結(jié)束。具體是哪個(gè)CNC 作為第一個(gè)發(fā)出第一次需求信號(hào)的機(jī)器，還需要用模型進(jìn)行求解。但毋庸置疑的是第一個(gè)與最后一個(gè)肯定是一對(duì)CNC。

二、建立數(shù)學(xué)模型

其中n為循環(huán)中的CNC數(shù)量， εmi為0-1變量， ，A1 ，A2 是確定的， tMij是已知的 n×n的時(shí)間矩陣。 根據(jù)時(shí)間情況的上下料所需時(shí)間tui、清洗作業(yè)時(shí)間tc 、從CNCi正前方移動(dòng)到CNC j正前方所需要的時(shí)間為 tMij和加工物料所需的時(shí)間 tw的具體數(shù)值，以求出一個(gè)循環(huán)流程里面CNC的最優(yōu)操作順序。

三、總結(jié)

工廠的物料加工可以在任意一臺(tái)CNC上完成，對(duì)RGV進(jìn)行動(dòng)態(tài)調(diào)度的目的是提高其工作效率.那么每一個(gè)CNC在工作時(shí)間內(nèi)，每?jī)纱渭恿系臅r(shí)間間隔越短，即它的等待時(shí)間越短，加工的時(shí)間越多，效率也就越高.根據(jù)任意兩個(gè)CNC之間的距離，得到距離矩陣.求出每個(gè)CNC等待的時(shí)間，建立優(yōu)化模型，目標(biāo)函數(shù)為所有CNC的等待時(shí)間之和，利用最小等待時(shí)間的約束可解出RGV對(duì)CNC的操作順序即調(diào)度策略.利用數(shù)學(xué)模型可以有效的解出合適的調(diào)度策略

參考文獻(xiàn)：

[1] 馬銀山.電動(dòng)汽車充電技術(shù)及運(yùn)營(yíng)知識(shí)問(wèn)答[M].北京：中國(guó)電力出版社，2012，1：121.

[2] 沈榮芳.運(yùn)籌學(xué)（第二版）[M].北京：機(jī)械工業(yè)出版社，2009，9：86-88.

[3] 姜啟源，謝金星，葉俊.數(shù)學(xué)模型（第四版）[M].北京：高等教育出版社，2001：187-191.

作者簡(jiǎn)介：

孫健文，出生年月：1997年11月，性別：男，名族：漢 籍貫：安徽省天長(zhǎng)市，當(dāng)前職務(wù)：學(xué)生，當(dāng)前職稱：無(wú)，學(xué)歷：大學(xué)本科，研究方向：電氣工程.