清华大学制造系统第8章制造系统的调度控制(2)

规则动态切换调度控制方法 的实现框图
调度控制器 动 态 选 择 R1 R2

输入
Rr
计 算 决 策
制 造 过 程
输出
系统状态
8-5 基于仿真的调度方法
一、基本原理
计算机 仿 真
输入R
调 度 控制器
控制U
制 过
造 程
输出C
状态反馈X
二、关键问题
1. 仿真建模：准确描述实际系统
2. 实验设计：如何以最小的代价，从
一、基本原理
针对特定的制造系统设计或选用一定的 调度规则。系统运行时，调度控制器根据这 些规则和制造过程的某些易于计算的参数 （如加工时间、交付期、队列长度、机床负 荷等）确定下一步的操作（如选择一个新零 件投入系统、从工作站队列中选择下一个零 件进行加工等）。
制造过程的基本模型
ÊäÈë L QL V1 Qu W1 V2 QV Qw2 P QP Vm Wn Qwn Qw1 W2 Êä³ö U
J1的时间：21 J2的时间：23
8-3 非流水排序调度方法
二、n 个工件，m台机床的排序问题
问题：n X m 非流水最优排序问题未解决， 枚举法计算量爆炸，
n作业m机非流水排序有(n!) 个方案。
例，n=10，m=5 共有(10!) = 6.29X10
5 32
m
个排序方案
8-4 基于规则的调度方法
大量方案中选出有价值的方案
3. 仿真运行：算法与软件
4. 决策控制：仿真结果优劣比较、 调度控制命令生成
8-6 智能调度方法
一、规则动态组合控制法
1.基本原理
设用于某一决策点的调度规则为
R1 , R2 , , Rr
这 r条基本规则所对应的性能准则分别为
P 1 (t ), P 2 (t ),, P r (t )

J1的时间：21 J2的时间：23
J2 D C F E A B C A
D
C
F E
A B
E 图8-11
F D B J1
结论——方案2（红线）

J1的时间：21 J2的时间：23
J2 D C F E A B C A
D
C
F E
A B
E 图8-11
F D B J1
结论——方案3（绿线）

C 2 B 3
A 3 A 2
E 4 E 5
F 5 F 3
D 6 C 2
B 1 D 3
J2 D C F E A B C A
E 图8-11
FDBຫໍສະໝຸດ J1J2 D C F E A B C A
D
C
F E
A B
E 图8-11
F D B J1
J2 D C F E A B C A
D
C
F E
A
最优路线
B
E 图8-11
S2 S1
W1
W3 SPT P11=32 P21=68 WINQ P12=74 P22=26
t 时刻： S1 S2
综合性能准则
S1 : S2 : S1 : S2 : J 1 (t ) u1 (t ) P 11 (t ) u 2 (t ) P 12 (t ) J 2 (t ) u1 (t ) P 21 (t ) u 2 (t ) P 22 (t ) 若 u1 (t ) 0.3, u 2 (t ) 0.7 J 1 (t ) 0.3 3 2 0.7 7 4 6 1.4 J 2 (t ) 0.3 6 8 0.7 2 6 3 8.6 J 2最小，选S 2 若 u1 (t ) 0.7, S1 : S2 : u 2 (t ) 0.3 J 1 (t ) 0.7 3 2 0.3 7 4 4 4.6 J 2 (t ) 0.7 6 8 0.3 2 6 5 5.4 J 1最小，选S1
n
J 2 (t ), ,
J n (t )
则最佳方案为 Si
2.调度控制器结构
调度控制器 调度规则集
u1
规则 输入 动态 u2 组合 控制 ur P2 (t)计算 Pr (t)计算
P1(t)计算


决
策 控 制
调度 命令 制 造 过 程 输出

系统状态
3. 应用举例
例：将基本规则 R1：SPT，R2：WINQ 进行组合 对工作站 W1的输入进行控制 W2
知识创成 性能 控制U
制 过 造 程
智能调度 控 制 器
输出C
状态反馈X
2. 知识校正原理
知识控制器根据使用已有知识产生的 实际性能与期望性能之差对知识进行校正或 创成新的知识。
期望性能 知识
知 识 控 制 器
知 识 使用过程
实际性能
性能反馈
四、仿真自学习控制
状态反馈X2 调 度 控 制 器2 输入R2 控制U2 虚 拟 制造过程 输出C2
为实现规则动态组合，引入动态综合性能准则
J (t ) u1 (t ) P 1 (t ) u2 (t ) P 2 (t ) ur (t ) P r (t )
式中
u1 (t ), u2 (t ),, ur (t ) 为动态加权系数
若 t时刻在该决策点上对事件序列的控制有 n个后 选方案
调度表
C A E F D B 作业 工序 J1 时间 t -t t -t t -t t -t t -t t -t 1 2 2 4 4 6 6 7 7 10 10 11
B A E F C D 作业 工序 J2 时间 t1-t3 t4-t5 t6-t7 t7-t8 t8-t9 t10-t12
结论——方案1（蓝线）
动 态 知 识 库
自学习 机 构2
自学习 机 构1
输入R
输入处理 协调控制
输入R1
调 度 控 制 器1
控制U1
实 际 制造过程
输出C1
状态反馈X1
L: 装卸站（输入） Wi:工作站 Qx:工件队列
U: 装卸站（输出） Vi: 运输装置 Qv: 运输任务队列
二、调度规则简介
目前已有一百多种调度规则 例： 1. FIFO (First in First Out)——先进先出 2. SPT (Shortest Processing Time)——优先选择具 有最短加工时间的零件 3. WINQ (Work in Next Queue)——优先选择下一 队列工作量最少的零件 4. EDD (Earliest Due Date)——优先选择具有最早 交付期的零件 5. SLACK (Slack)——优先选择松弛时间最短的零 件 J 松弛时间 Sik Di pij t
j k
三、优缺点分析
1. 优点：计算量小，实时性好，易于实施。 2. 问题：该方法不是一种全局最优化方法。 一种规则只适应特定的局部环境，找不到一种规则， 对于任何系统环境在各种性能上都优于其它规则。 例如，SLACK 规则虽然能使调度控制获得较 好的交付期性能（如延期时间最小），但却不能保 证设备负荷平衡度、队列长度等其它性能指标最优。 这样，当设备负荷不平衡造成设备忙闲不均而影响 到生产进度时，便会反过来影响交付时间。同样， 由于制造系统中缓冲容量是有限的，如果队列长度 指标恶化，很容易造成系统堵塞，反过来也会影响 交付时间。 因此，基于规则的调度方法难以适用于更广泛 的系统环境，更难适用于动态变化的系统环境。
F D B J1
J2
t12
D D
C
F E A B
C
F
E A
B C A E t5 t6 F t7 D B t8 t9t10t11 t J1
t1 t2 t3 t4
图8-12
时间表 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t11 t12
0 2 3 5 7 9 14 17 19 20 21 23

P 1r (t ) u1 (t ) u (t ) P2 r (t ) 2 Pnr (t ) u r (t )
最佳方案应是取最小值的J 所对应的方案，即 若 J i (t ) minJ1 (t ),
i 1,
2,
,

调度 命令 过 程 控 制
制 造 过 程
输出
运输装置控制
系统状态
二、基于知识的智能控制（续）
2. 存在的问题
知识来源、有效性
静 态 知 识 库
输入R
调 度 控 制 器
控制U
制 过
造 程
输出C
状态反馈X
三、自学习控制
1. 控制系统组成
动 态 知 识 库 知识 输入R 知识校正 自 学 习 机 构
第八章 制造系统的调度控制
8-1 8-2 8-3 8-4 8-5 8-6 概述 流水排序调度方法 非流水排序调度方法 基于规则的调度方法 基于仿真的调度方法 智能调度方法
8-3 非流水排序调度方法
一、2个工件、m台机床非流水排序 （图解法） 问题描述：给定两个工件A和B，每个
工件在m台机床上具有不同的加工顺
S1 , S 2 ,, S n
则这 n个候选方案所对应的综合性能准则可表示为
J1 (t ) P 11 (t ) J (t ) P (t ) 2 21 J n (t ) Pn1 (t )
P 12 (t ) P22 (t ) Pn 2 (t )
结论：
(1) 加权系数 u1、u2 对决策起着控制作用； (2) 有限调度规则 无限调度策略； (3) 将u 与系统状态相联系，可实现闭环动 态控制； (4) 关键问题： u1、u2 的确定。
二、基于知识的智能控制