基于动态优先级算法的RGV调度策略
智能RGV的动态调度策略

智能RGV的动态调度策略智能RGV的动态调度策略⒈引言智能RGV(可编程自动引导车)是一种自动化物流设备,用于在工业生产中进行材料的搬运和物流组织。
其动态调度策略的设计和优化对于提高生产效率和减少设备闲置时间具有重要意义。
⒉目标与需求分析⑴目标●提高生产线的整体效率,减少工作时间和生产成本。
●最大限度地减少的等待时间,提高设备的利用率。
⑵需求●根据生产线上材料的需求,实时分配任务给RGV。
●策略应能处理多种不同类型的任务和多个RGV的协同工作。
●最小化RGV的移动距离。
⒊ RGV调度策略设计⑴任务分配策略根据生产线上各个工作站的生产节拍和产量需求,将任务按优先级排序,并合理分配给可用的RGV。
任务分配的依据可以是任务的紧急程度、材料的重要性,或者其他相关的因素。
⑵移动选择策略在任务分配过程中,需要考虑RGV的移动选择策略。
可以采用最近可达算法,即选择最近的可达工作站或材料存放位置。
同时,还需要考虑RGV的载重能力,确保能够搬运材料的重量或容量。
⑶等待时间优化策略为了减少RGV的等待时间,可以采用预测算法预测未来一段时间内各个工作站的任务需求,提前调度RGV到相应的位置,以便及时处理任务。
同时,还可以采用优先级调度算法,优先处理紧急任务或关键任务,避免任务堆积和延误。
⒋系统实现与优化⑴系统架构设计根据需求分析和策略设计,设计智能RGV的系统架构,包括任务调度模块、移动控制模块、数据传输模块等。
确保系统的可靠性和稳定性。
⑵算法实现与优化根据调度策略设计,实现相关的算法,并进行优化,以提高系统的响应速度和处理效率。
可以采用动态规划、遗传算法、模拟退火等方法来寻找最优解。
⒌系统测试与验证对智能RGV系统进行全面的测试和验证,包括功能测试、性能测试、稳定性测试等,确保系统的准确性和可靠性。
通过测试数据的分析和验证结果的对比,评估系统的性能,并对系统进行进一步的优化。
⒍结论智能RGV的动态调度策略设计对提高生产线效率和减少成本具有重要意义。
智能RGV的动态调度策略

智能RGV的动态调度策略智能RGV(自动引导车)是一种能够在物流仓库中自主移动和执行任务的机器人系统。
为了提高RGV的工作效率和资源利用率,需要采用智能的动态调度策略。
下面将详细介绍一种智能RGV的动态调度策略。
智能RGV的动态调度策略主要包括任务分配和路径规划两个方面。
任务分配方面。
在物流仓库中,存在着大量的物料,每个物料都需要进行相应的处理任务。
为了提高RGV的工作效率,需要将不同的任务合理地分配给RGV。
一种可行的任务分配策略是根据任务的紧急程度和所需时间进行优先级排序。
对于紧急任务,RGV需要立即响应并分配资源进行处理;对于较普通的任务,可以根据预估的执行时间和RGV的工作状态进行分配。
还可以根据任务的具体要求将相似的任务进行分组,通过批量处理来提高效率。
任务分配需要根据实际情况不断优化和调整,以保证RGV的高效运行。
路径规划方面。
RGV在执行任务时需要准确地知道物料的位置,并选择合适的路径进行移动。
路径规划需要考虑到RGV的能力和物料的分布情况。
一种常用的路径规划策略是最短路径算法,例如Dijkstra算法或A*算法。
这些算法通过计算路径的权重来选择最优的路径。
在实际应用中,还需要考虑到RGV的工作状态和负载情况。
当RGV处于空闲状态时,可以选择较长的路径以避免冲突和拥堵;而当RGV负载较重时,需要选择最短路径以减少工作时间。
路径规划需要综合考虑多个因素,以提高RGV的移动效率并避免不必要的能耗。
除了任务分配和路径规划,智能RGV的动态调度策略还需要考虑到实时环境信息的变化。
在物流仓库中,物料的分布和任务的数量会不断变化,因此需要实时更新调度策略。
可以利用传感器和监控系统来实时获取环境信息,并根据情况做出相应的调整。
当某个区域的任务数量较多时,可以优先分配任务给距离较近的RGV,以减少任务等待时间;当某个区域的物料数量较多时,可以增加RGV的运行速度以加快处理速度。
动态调度策略需要不断根据实际情况进行优化和调整,以确保RGV的高效运行。
工业RGV的动态调度策略

工业RGV的动态调度策略作者:孟芳汀李庆祥付辉来源:《科学导报·学术》2019年第11期摘要:本文运用有向线段旅行商,动态规划,组合调度等方法解决了题RGV动态调度模型的问题。
分析了故障影响生产结果的情况,进行对静态模型的分析,对动态模型的仿真,根据动态静态模型的分析,确定所述情况下的调度模型。
关键词:向线段旅行商;动态规划;组合调度;matlab仿真求解随着科技的进步,生产过程的自动化程度越来越高,更多的大型企业倾向于选择智能加工系统代替人力进行生产加工,智能RGV就是典型的工业机器人中的一种。
RGV通过接受数控机床的指令进行移动,并完成上下料和清洗作业的机器。
本文RGV是一种装载有机械手,清洗槽的智能有轨制导小车,本文是针对较为简单的工业加工流程进行数学模型求解,即一台RGV为8台CNC服务,且每次作业的物料只需要在一台CNC进行一道加工工序;两道工序的物料加工作业情况,每个物料的第一和第二道工序分别由两台不同的CNC依次加工完成,以下是对数学模型的具体求解过程。
首先对所述问题进行分类讨论。
在只有一道加工的情况下,通过有向线段旅行商和对比分析的方法给出RGV路线的最短时间路线。
通过运用单片机的仿真发现并不是简单循环结构,RGV是在收到信号后才会到有需求的数控机床的位置,这样必然会导致一个时间差,致使前一个数控机床与后一个数控机床的开始进行操作的时间会越来越大。
再一次对模型进行讨论,在确定初始顺序的基础上,添加插队机制,即RGV取去最先发出需求指令的数控机床。
两道加工工序的情况,取各自加工时间的倒数作为节拍,进行同期化处理,安排机器的分布,进而得出调度安排。
考虑到工序的先后关系,子问题在一次路线中被多次考虑,建立目标调度优化模型。
目标函数为Z=min max(ek),,xik为0/1变量,表示工序wk是否选择CNC#i进行加工。
1、一道工序的物料加工作业的讨论求解首先采用动态规划[1]的方法进行理论分析。
智能RGV的动态调度策略

智能 RGV 的动态调度策略摘要:针对智能 RGV 系统一道工序的物料加工作业情况,首先,RGV根据距离就近原则选择下一操作的CNC。
在 RGV 对所有 CNC 完成一次上料操作后,不断进行上下料、清洗作业的循环操作。
考虑到物料加工时间,我们选择离 RGV 最近的 CNC 作为下一个上料对象。
模型反复按顺序进行操作,直到时间达到 8 小时。
代入各组数据计算,得到相应的RGV动态调度模型和相应的求解算法。
关键词:RGV动态调度全局搜索工作时间均衡度一、背景介绍一个智能加工系统的示意,由 8 台计算机数控机床、1 辆轨道式自动引导车、1 条 RGV 直线轨道、1 条上料传送带、1 条下料传送带等附属设备组成。
RGV 是一种无人驾驶、能在固定轨道上自由运行的智能车。
它根据指令能自动控制移动方向和距离,并自带一个机械手臂、两只机械手爪和物料清洗槽,能够完成上下料及清洗物料等作业任务。
1.任务复述与情况分析任务复述:对一般问题进行研究,给出 RGV 动态调度模型和相应的求解算法。
情况分析:要求对只加工一道工序的情况进行一般性研究。
以 8 小时内加工出最多物料为目标,我们给出了以下一道工序 RGV 动态调度模型。
考虑到RGV 移动的时间远小于物料加工时间,我们选择离 RGV 最近的 CNC 作为下一个上料对象。
模型中反复按顺序进行以下操作,直到时间达到 8 小时:1.等待直到 RGV 空闲且至少一个 CNC 空闲2.使 RGV 移动到距 RGV 当前位置最近的空闲 CNC 处3.对该 CNC 进行上下料操作,若有熟料则还需进行清洗作业三、问题求解针对于智能加工系统来说每班次工作共存在两种状态:启动阶段和稳定阶段。
启动阶段:即开始有 CNC 处于空闲状态的阶段,当所有 CNC 都有处于加工过程时,这一阶段结束,在这一阶段,RGV 不存在等待和清洗操作,CNC 只有空闲和正在加工中两个状态。
稳定阶段:即所有 CNC 都开始工作后的情况,在这一阶段 CNC 有正在加工中,成熟等待,正在上下料三个状态;RGV 有等待、移动、上下料、清洗作业四种状态。
基于最优路径的随机故障智能RGV动态调度策略

基于最优路径的随机故障智能RGV动态调度策略作者:刘丰瑞邢凯铭张宇航张琳王希来源:《电子技术与软件工程》2018年第23期摘要随着我国现代智能加工系统的不断发展,针对一种RGV-CNC智能加工系统,本文提出了一种基于最优路径的随机故障动态调度模型,采用三个优先级的目标函数,嵌套判断语句,从而建立了动态反馈调整机制。
通过算例分析,求解出RGV的动态调度策略和系统的作业效率,检验出本文中模型的实用性和算法的有效性良好。
【关键词】智能加工系统最优路径动态调度模型随机故障1 问题的提出本文研究如图1所示的一个智能加工系统。
将算例分为2种情况,分别含有3组检验数据。
(1)物料的第一和第二道工序分别由两台不同的CNC依次加工完成。
(2)物料可以在任一台CNC上加工完成,基于CNC在加工过程中可能发生故障(据统计:故障的发生概率约为1%)的情况,每次故障排除(人工处理,未完成的物料报废)时间介于10~20分钟之间,故障排除后即刻加入作业序列。
2 模型的建立与求解2.1 基于最优路径的双工序动态调度模型建立与求解目前,研究智能加工系统的动态调度问题常用方法包括Petri网、时态逻辑、模拟退火、遗传算法Genetic Algorithm,GA)、神经网络等算法,无论是在工业生产、商业经营、日常生活等都具有十分重要的意义。
本文定义“1”表示CNC正在工作,“0”表示CNC空闲并发出信号,1 0 0 1例如0 1 0 0表示CNC2#、CNC8#、CNC3#正在工作,CNC1#、CNC4#、CNC5#、CNC6#、CNC7#正在空闲并发出信号。
以“RGV移动到最近的CNC完成任务”为第一优先级目标函数,在同时有两个相同距离的任务请求时以"RGV移动到奇数序号的CNC完成任务”为第二优先级目标函数,在任务请求的第一优先级目标函数和第二优先级目标函数都相同时以“RGV移动到序号数值较小的CNC完成任务”为第三优先级目标函数,嵌套一段判断“RGV移动时间是否最短”的语句。
智能RGV的动态调度策略

智能RGV的动态调度策略
智能RGV(自动化导引车)是一种能够自主进行物料搬运和作业的机器人设备,在工业生产线上起到了重要的作用。
为了使RGV能够高效地完成任务,动态调度策略是必不可少的。
智能RGV的动态调度策略可以分为三个层次,分别是任务调度、路径规划和动态调度管理。
任务调度层次是指根据生产任务的优先级、时间窗口和设备的状态等因素,将任务合理地分配给RGV。
路径规划层次是指根据设备布局、物料输送线路和任务要求等因素,规划RGV的运动路径。
动态调度管理层次是指根据系统的实时状态和参数,动态调整任务的执行顺序和路径规划,以提高工作效率。
在任务调度层次上,智能RGV可以根据任务优先级进行任务分配。
高优先级任务会优先分配给RGV,以保证紧急任务的及时完成。
根据任务的时间窗口,RGV也可以合理分配任务的执行顺序,尽量减少任务的等待时间。
在路径规划层次上,智能RGV可以通过路径规划算法确定最优路径。
路径规划算法可以综合考虑设备布局、物料输送线路和任务要求等因素,找到一条最短路径,以减少RGV 的行驶时间。
路径规划算法还可以考虑设备的负载均衡,避免某些设备过载或空闲。
在动态调度管理层次上,智能RGV可以根据系统的实时状态和参数进行动态调整。
当系统出现故障或某些设备停机时,RGV可以实时调整任务的执行顺序和路径规划,以应对突发情况。
RGV还可以根据实时任务的执行情况,动态调整任务的执行顺序和路径规划,以提高工作效率。
工业RGV的动态调度策略

工业RGV的动态调度策略工业RGV (Remote Guided Vehicle) 是一种可以通过远程控制来进行移动和操作的自动化设备,广泛应用于工业生产线上的物料运输与搬运工作。
动态调度策略是指根据实时的生产需求和设备状态,在不同的情况下对RGV的任务分配和路线规划进行动态调整,以提高生产效率和设备利用率。
在工业生产中,RGV的任务主要包括两类:物料运输和设备操作。
物料运输通常需要将原料从仓库或供应区域搬运到生产线上的指定位置,或将半成品和成品从生产线上搬运到库存区域。
设备操作则包括对生产设备进行上料、下料、换模等操作。
动态调度策略主要针对这两类任务进行优化,以减少RGV的空闲时间和运输时间,提高生产效率。
动态调度策略的核心是实时监控和分析生产线的状态和需求。
通过感知和收集相关数据,包括生产设备的运行状态、物料的需求量和位置、RGV的当前位置和状态等,可以判断出哪些任务是紧急且可行的,以及哪些任务可以被合并或延迟执行。
在任务调度方面,可以采用以下策略:1. 优先级调度:根据任务的紧急程度和重要性确定执行顺序。
将紧急任务和重要任务置于优先考虑,确保生产线的正常运行和物料的及时供应。
2. 合并任务:当多个任务可以由同一辆RGV执行时,可以将其合并为一个任务,减少RGV的空闲和等待时间。
将多个物料的搬运需求合并到一个任务中,或将多个设备操作任务合并到一个任务中,以提高RGV的效率。
3. 动态规划路径:根据任务的位置和RGV的位置,利用动态规划算法规划最优路径。
考虑到生产线上的设备和物料的分布情况,以及RGV的速度和搬运能力,选择最短路径,并避免碰撞和拥堵。
4. 实时调整:根据实时的生产需求和设备状态,及时调整任务的执行顺序和路径规划。
当有新的紧急任务产生时,可以中断当前任务,立即响应新的任务;当某个设备出现故障或停机时,可以调整任务,将其它设备的操作任务优先安排。
动态调度策略不仅需要对RGV进行合理的任务调度和路径规划,还需要与生产线的其他设备和系统进行实时的信息交互和协调。
基于寻优算法的智能RGV的动态调度问题

下料传送带RGVCZjl
I--------^>L_i1
上料传送带
CNC1#
■ 未DQ工生料
CNC3«
CNC5*
CNC7S
CZJB加工魚料 匚二I清洗后成料
图1智能加工系统示意图
轨道式自动引导车是一种无人驾驶、能在固定轨道上自 由运行,并自带一个机械手臂、两只机械手爪和物料清洗槽的 智能车,它能根据指令自动控制移动方向和距离来完成上下
2基于模拟退火算法的RGV调度模型的建立
一道工序的物料加工作业情况:每台CNC安装同样的刀 具,物料可以在任何一台CNC上加工完成。首先,RGV的动 态调度模型的好坏体现于整个系统在RGV动态调度模型下
的工作效率。釆用定性定量分析相结合的原则,以平均每台
CNC的工作时间与系统整体总的工作时间之比为评价系统工 作效率高低的标准,可以得到CNC加工台的总的工作时间越 长,则平均每一台CNC的工作时间越长,系统的工作效率就 越大,即CNC加工台的总的空闲时间越短,系统的工作效率
料及清洗物料等作业任务。清洗槽每次只能清洗1个物料, 机械手臂前端有2个手爪,通过旋转可以先后各抓取1个物 料,完成上下料作业。智能加工系统的初始状态:RGV在 CNC1#和CNC2#正中间的初始位置,所有CNC都处于空闲状 态。RGV给偶数编号CNC2#,4#,6#,8#—次上下料所需时间 与给奇数编号CNC1#,3#,5#,7#—次上下料所需时间不同。
业的生产效率,从而提高企业的竞争力。本文运用模拟退火
算法和遗传算法找出较优的RGV调度模型。
1 RGV调度问题背景
智能加工系统由8台计算机数控机床(CNC)、1辆轨道 式自动引导车(RGV)、1条RGV直线轨道、1条上料传送带、1
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
智能加工系统由 M 台计算机数控机床 CNC、N 道工序、1 辆轨道式自动引导车 RGV、1 条 RGV 直 线轨道、1 条上料传送带、1 条下料传送带等附属设备组成。不同的物料处理时间,移动时间,清洗时间 均不同,同一物料不同工序的处理时间不同且不能用同一台 CNC 处理,RGV 两边的 CNC 上下料时间也 是不同的(具体如下图 1),CNC 在工作过程中有一定的概率发生故障,需要人工排除。已知各个步骤的 相应时间,求一个比较好的动态调度模型。
Computer Science and Application 计算机科学与应用, 2019, 9(6), 1126-1133 Published Online June 2019 in Hans. /journal/csa https:///10.12677/csa.2019.96127
上下料作业,若此时完成作业,已加工出熟料,则进行清洗作业。 4) RGV 在完成一项作业任务后,立即判别执行下一个作业指令。此时,如果没有接到其他的作业指
令,则 RGV 就在原地等待直到下一个作业指令。 某 CNC 完成一个物料的加工作业任务后,即刻向 RGV 发出需求信号。如果 RGV 没能即刻到达为
Figure 1. Schematic diagram of intelligent machining system 图 1. 智能加工系统示意图
2.1. 工序过程
1) 智能加工系统通电启动后,RGV 在 CNC1#和 CNC2#正中间的初始位置,所有 CNC 都处于空闲
DOI: 10.12677/csa.2019.96127
颛孙盈
与故障情况的解决办法给出了比较好的答案。并利用Matlab验证在实例情形下计算8小时内所能加工的最 大物料数和最大工作效率,在实例中,通过与自适应遗传算法对比可验证本算法具有良好的有效性。
关键词
动态优先级调度算法,分治算法,自适应遗传算法
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
DOI: 10.12677/csa.2019.96127
1129
计算机科学与应用
颛孙盈
调度时间 = 路径时间 + 上料时间 + 剩余加工时间; 3-2 若 CNC 有物料 调度时间 = 路径时间 + 上料时间 + 清洗时间 + 剩余加工时间; 4.求出最短调度时间及索引位置; 5. RGV 到索引位置等待,更新时间,若此时总时间大于机床故障开始时间,则置位该机床的故障标 志位,回到步骤 1; 该算法综合了就近原则、最短等待时间原则、最短上料时间原则,得出最短调度时间,通过此算法, 可以得出较为良好的模型解。
4.2. 模型算法的验证
在进行验证说明前,为了方便,首先设置以下变量:在第 n 台机床 CNC 加工第 i 个物料的第 j 道工
序的上料开始时间为 u0 、上料结束时间为 u1 、下料开始时间为 d0 、下料结束时间为 d1 、故障开始时间为 s0 、故障结束时间为 s1 、RGV 移动时间长度为 mi ,接下来,建立模型约束条件如下:
接下来,设置两个决策变量:
1) 决策变量 x
1, 机器正常工作
x = 0, 机器故障
(1)
2) 决策变量 y
=
1, 机器故障 0, 机器正常工作
(2)
3.2. 约束模型的建立
可建立约束模型如下:
o.p min l
l = m + t + tc + tr tb = T − tu − t
的小[6] [7] [8]。
为了方便说明,在此对相关变量进行属性描述,设第 i 台机器的调度时间为 l,RGV 移动时间为 m,
上下料时间为 t,清洗时间为 tc ,离 CNC 工作结束还需 tr (包括物料工作或修理工作),物料需加工时间为 tw ,物料已加工时间为 tb ,此刻时间为 T,上料开始时间为 tu ,下料开始时间为 td ,故障开始时间为 r, 故障结束时间为 re ,人工修理时间为 rt ,下一个物料上料开始时间为 tu′ ,下一个物料的 RGV 移动时间为 m′ ,上下料时间为 t′ ,清洗时间为 tc′ 。
Open Access
1. 引言
车间调度是生产加工的关键环节,基本任务之一是合理安排各机器上的待加工工件的顺序,使得最 大完工时间最短。轨道式导引小车(Rail-Guided Vehicle, RGV)由于其经济、容量大和灵活的特点,被广泛 应用于车间调度[1] [2]。
现有的研究多采用启发式算法解决车间作业的调度问题,然而启发式算法容易陷入局部最优解的困 境,不具有优良的全局寻优能力。本文在提出一种基于动态规划策略的 RGV 调度来解决直线往复式轨道 装配调度问题,主要采用了分治算法的思想,将整体的大问题分而化之,成为若干个小问题,通过将小 问题实现最优解以达到整体的优解[3] [4] [5]。
颛孙盈
4. 基于动态优先级算法的模型求解
4.1. 模型算法的建立
该模型算法,建立于多道工序,且需故障排除的情形下。在初始化时用一个数组记录各个步骤的相 应时间,同时利用随机函数初始化故障开始时间,需要修理的时间,以及物料号,具体可以阐述为:在 处理第 i 个物料时的 t 时刻起,机床 CNC 开始故障,需要人工修理时间为 r。对于此类问题我们可以增 设一个标志位,判断故障与否,当物料处理过程中发生故障,立刻停止处理,开始故障排除,排除故障 后复位机床 CNC 状态位,以示 RGV 可以开始工作。在机器的工作时间下:
Dynamic Scheduling Strategy Based on Dynamic Priority Algorithm
Ying Zhuansun
School of Information and Control Engineering, Qingdao University of Technology, Qingdao Shandong
Keywords
Dynamic Priority Scheduling Algorithm, Divide-and-Conquer Algorithm, Adaptive Genetic Algorithm
基于动态优先级算法的RGV调度策略
颛孙盈
青岛理工大学信息与控制工程学院,山东 青岛
收稿日期:2019年6月6日;录用日期:2019年6月20日;发布日期:2019年6月28日
Received: Jun. 6th, 2019; accepted: Jun. 20th, 2019; published: Jun. 28th, 2019
Abstract
The core of intelligent RGV dynamic scheduling strategy is to maximize the system efficiency, and priority determination of CNC machining is a powerful guarantee for maximizing efficiency. Based on the dynamic scheduling priority algorithm, this paper sets the priority selection criteria for the workbench by integrating the nearby principle, the shortest waiting time principle and the shortest feeding time principle. And taking the shortest task completion time as the goal, the paper gives a good answer to the path selection and the arrangement of the occurrence of fault in dynamic scheduling. Finally, Matlab is used to verify the maximum number of materials and the maximum working efficiency that can be processed within 8 hours under different cases of instance data. After verification, this strategy has good effectiveness.
摘要
针对自动化仓库中直线型轨道RGV调度问题,以任务完成最多为目标,结合分治算法,提出基于CNC动态 优先级的调度算法。该算法综合了就近原则、最短等待时间原则、最短上料时间原则,就RGV的路径选择
文章引用: 颛孙盈. 基于动态优先级算法的 RGV 调度策略[J]. 计算机科学与应用, 2019, 9(6): 1126-1133. DOI: 10.12677/csa.2019.96127
1.若 CNC 空闲 1-1 若机器故障 a.物料数减 1,不删除数据 1-2 若 CNC 上无物料 a.更新上料开始时间,即总时间; b.更新总时间:总时间+=上料开始时间; c. CNC 状态置位加工,有物料; 1-3 若 CNC 有物料,则根据 CNC 物料工序道数: a.更新总时间:总时间+=清洗时间;此时总时间即为下料开始时间; b.更新此台 CNC 生产总时间:生产总时间+=需生产加工时间 c.若为最后一道工序,则生产物料总数加 1 d.更新新物料上料开始时间,即总时间; e.更新总时间:总时间+=需生产加工时间; 2.计算各 CNC 剩余加工时间 遍历 CNC: 2-1 若 CNC 故障 故障结束时间 = 故障开始时间 + 人工修理时间; a.若总时间 < 故障结束时间 则剩余时间 = 故障结束时间 − 总时间; b.否则,剩余时间 = 0,CNC 状态复位; 2-2 若 CNC 空闲,则剩余时间为 0; 2-3 若 CNC 工作 计算已加工时间:已加工时间 = 总时间 − 上料开始时间 − 上下料时间; a.若已加工时间 < 生产加工时间 则剩余时间 = 需生产加工时间 − 已加工时间; b.否则,剩余时间 = 0,CNC 状态复位; 3.动态调度,计算最优选择 遍历 CNC: 3-1 若 CNC 无物料 a.若 CNC 正常 调度时间 = 路径时间 + 上料时间; b.若 CNC 故障