技术领域
本发明涉及智能制造领域，更具体地涉及一种订单式机器人冲压单元排版选配与调度集成优化方法。
背景技术
在现代制造业中，冲压加工是一种重要的加工方式，全世界的钢材中有60％～70％是板材，其中大部分被用于冲压加工。冲压产品以其强度高、重量轻等优点被广泛用于家用电器、汽车、航空航天等工业领域，预计到2022年，全球金属冲压加工的产业值将超过1800亿美元。目前，数控冲床和机器人在钣金加工当中的应用越来越多，随着钣金加工产品需求的增加，生产规模的扩大，钣金加工生产调度与机器人制造单元调度的重要性日益凸显，一个合理的生产调度方案，可以有效地提高生产成本。
目前对于数控冲压生产的研究，主要研究如何排版，实现板材面积的最大利用，而企业中的阶段性冲压生产，其订单中的产品结构比例虽有变化，但生产的产品种类在很长一段时间内是相对固定的，所以在很长一段时间内所用的排样图种类是相对固定的。当新的订单出现后，只需要根据订单要求，从相对固定的排版之中合理选择排样图种类和数量即可，而不需要再重新根据新订单的产品结构比例再重新生成排样图，这样可以使板材面积浪费减少，而一个订单内所有排样图加工完成后的冗余零件可以放置到零件库中等待之后的订单使用，而且目前对于数控冲压生产的研究没有考虑机器人搬运顺序的调度策略，而在实际的冲压生产单元中已经引入了机器人进行搬运和上下料，所以如何将排版选配与机器人冲压单元生产调度集成优化亟需要解决。
发明内容
本发明的目的在于提供一种订单式机器人冲压单元排版选配与调度集成优化问题的解决方案。
一种订单式机器人冲压单元排版选配与调度集成优化问题的定义可描述为：首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；然后给定多个待生产的订单，在满足生产系统约束的条件下，根据每个订单的交货期配置每个订单的生产阶段，并建立数学模型；随后，根据订单产品种类和数量以及构成每种产品所需钣金件的种类和数量，对每个订单进行排样图选配；根据每个订单的排样图选配结果，将待生产的排样图进行分批处理；根据批次形成不同作业，为每个作业在其对应的订单中安排加工顺序，并为每个作业选择数控冲床进行加工，然后为所有订单中的每个作业安排加工顺序；之后遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运；最后在考虑订单排样图选配约束、机器人调度约束以及数控冲床换模约束的基础上，建立生产调度约束；最后，通过群体智能算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。
为了实现上述目标，本发明所采用的技术方案主要包括以下过程：
步骤1、根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；
步骤2、根据每个订单的产品结构比例和交货期，采用即时订单配置方式为每个订单划分生产阶段、进行排样图选配和分批处理，具体包括以下步骤：
步骤I、根据订单的交货期先后顺序，生成一条订单顺序序列；
步骤II、根据订单的交货期和订单顺序序列，设置调度节点，将相邻的两个调度节点之间的时间视为一个生产阶段，一个生产阶段的结束对应一个订单的交货期，从零时刻到第一个订单的交货期为第一个生产阶段，第一个订单的交货期到第二个订单的交货期为第二个生产阶段，以次类推，将零时刻到最后一个生产阶段的结束时刻视为总生产阶段；
步骤III、根据已知的每个订单信息，按照订单顺序序列对每个订单依次进行排样图选配，即根据订单任务中的产品种类和数量，以及组成每种产品所需要的钣金件种类和数量，选择出生产完该订单任务所需的排样图编号和数量，当前订单排样图选配成功后，剩余的钣金件为冗余零件，将这些冗余零件放置于零件库中用于后续订单的排样图选配，在后续排样图选配中，冗余零件具有最高的优先级；
步骤IV、采用分批原则对订单进行处理，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；
步骤V、当有紧急订单插入时，根据该紧急订单的交货期，将该订单按照交货期先后插入到原有的订单顺序序列中，并且设置一个新的调度节点，再重新执行步骤III和步骤IV。
步骤3、针对一种订单式机器人冲压单元排版选配与调度集成优化问题，根据已知的每个订单信息以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标建立数学模型；
所述模型为：在该订单式机器人冲压单元排版选配与调度集成优化问题中，机器人冲压单元由多台性能相同的数控冲床(M
步骤4、采用多层组合整数编码的方式对子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列和总订单排样图批次加工顺序序列进行编码，该编码方式包括以下步骤：
步骤I、对订单顺序序列中第一个订单的子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列进行编码
步骤II、生成一条子订单排样图选配序列，该序列的长度为排样图种类，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图的数量；
步骤III、生成一条长度与子订单排样图选配序列相同的子订单排样图批次机器选择序列，该序列的每个位置用整数表示，其中每个位置的数字表示加工该编号所对应的排样图批次的加工机器编号；
步骤IV、生成一条长度与子订单排样图选配序列相同的子订单排样图批次加工顺序序列，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图批次在该订单中的加工顺序；
步骤V、对后续订单依次执行步骤II、步骤III和步骤IV，直到所有订单完成；
步骤VI、生成一条总订单排样图批次加工顺序序列，该序列的长度为订单数乘以排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置上的数字表示订单顺序序列中的订单号，每个数字出现的次数表示该订单排样图批次加工顺序序列中所对应的加工批次。
步骤5、根据总订单排样图批次加工顺序序列进行机器人调度选择，在生产过程中，由机器人将成品板材从装载站搬运至数控冲床上进行加工，加工完成后，由机器人将废料搬运至卸载站。遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运。
步骤6、在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束；
步骤7、通过群体智能算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。
所述生产调度模型的需满足以下约束条件：
1)每一个订单中的排样图选配完成后，能满足生产完该订单所需要，即：
式中，S
2)在总生产阶段的零时刻，数控冲床都未安装模具，首先需要为数控冲床安装模具；
3)在总生产阶段的零时刻，机器人和成品板材均在装载站准备；
4)数控冲床加工不同编号的排样图，都需要进行一次换模；
5)采用分批原则进行加工，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工，将一个批次当成一个作业加工；
6)同一台机器在某一时刻只能处理一个作业；
7)不同作业之间不存在先后约束；
8)所有作业在安装完模具之后都可以被加工；
9)机器人在各设备之间转运不考虑发生碰撞。
所述生产调度模型的目标函数如下：
生产成本：
订单的平均操作时间：
库存：
具体实施方式
下面以NSGA-II算法为例详细说明本发明的具体实施方式：
本发明针对一种订单式机器人冲压单元排版选配与调度集成优化问题，以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标进行调度。首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号；在该机器人冲压单元生产调度过程中，从外部收到具有不同交货期以及订单结构产品比例不同的订单，随后对订单进行处理，采用即时订单配置方式安排订单；为了保证该生产调度计划的顺利实现，需要为每一个订单进行一次排样图选配，即从相对固定的排样图中选择完成该订单所需要的排样图编号和数量，将所有订单完成排样图选配后；随后按照分批原则，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；然后确定每个批次的加工机器，以及每个批次在本订单中的加工顺序；之后在满足交货期的前提下，确定所有订单中的批次的加工顺序；最后遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行成品板材的上下料，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。
其具体实施过程如下：
首先，根据当前所有订单中所有产品钣金件的厚度、材料、尺寸和型号，预先进行排版，得到多件不同的排样图，然后根据每件排样图中的钣金件种类生成相对应的模具，并生成相对应的排样图编号和模具编号。
针对一种订单式机器人冲压单元排版选配与调度集成优化问题，采用即时订单配置方式处理订单，包括以下步骤：
步骤I、根据订单的交货期先后顺序，生成一条订单顺序序列；
步骤II、根据订单的交货期和订单顺序序列，设置调度节点，将相邻的两个调度节点之间的时间视为一个生产阶段，一个生产阶段的结束对应一个订单的交货期，从零时刻到第一个订单的交货期为第一个生产阶段，第一个订单的交货期到第二个订单的交货期为第二个生产阶段，以次类推，将零时刻到最后一个生产阶段的结束时刻视为总生产阶段；
步骤III、根据已知的每个订单信息，按照订单顺序序列对每个订单依次进行排样图选配，即根据订单任务中的产品种类和数量，以及组成每种产品所需要的钣金件种类和数量，选择出生产完该订单任务所需的排样图编号和数量，当前订单排样图选配成功后，剩余的钣金件为冗余零件，将这些冗余零件放置于零件库中用于后续订单的排样图选配，在后续排样图选配中，冗余零件具有最高的优先级；
步骤IV、采用分批原则对订单进行处理，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工；
步骤V、当有紧急订单插入时，根据该紧急订单的交货期，将该订单按照交货期先后插入到原有的订单顺序序列中，并且设置一个新的调度节点，再重新执行步骤III和步骤IV。
针对一种订单式机器人冲压单元排版选配与调度集成优化问题，根据已知的每个订单信息以最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存为优化目标建立数学模型。
所述模型为：在该订单式机器人冲压单元排版选配与调度集成优化问题中，机器人冲压单元由多台性能相同的数控冲床(M
采用多层组合整数编码的方式对子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列和总订单排样图批次加工顺序序列进行编码，该编码方式包括以下步骤：
步骤I、对订单顺序序列中第一个订单的子订单排样图选配序列、子订单排样图批次机器选择序列、子订单排样图批次加工顺序序列进行编码
步骤II、生成一条子订单排样图选配序列，该序列的长度为排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图的数量；
步骤III、生成一条长度与子订单排样图选配序列相同的子订单排样图批次机器选择序列，该序列的每个位置用整数表示，其中每个位置的数字表示加工该编号所对应的排样图批次的加工机器编号；
步骤IV、生成一条长度与子订单排样图选配序列相同的子订单排样图批次加工顺序序列，该序列的每个位置用整数表示，其中每个位置的数字表示该编号所对应的排样图批次在该订单中的加工顺序；
步骤V、对后续订单依次执行步骤II、步骤III和步骤IV，直到所有订单完成；
步骤VI、生成一条总订单排样图批次加工顺序序列，该序列的长度为订单数乘以排样图编号的总个数，该序列的每个位置用整数表示，其中每个位置上的数字表示订单顺序序列中的订单号，每个数字出现的次数表示该订单排样图批次加工顺序序列中所对应的加工批次。
根据总订单排样图批次加工顺序序列进行机器人调度选择，在生产过程中，由机器人将成品板材从装载站搬运至数控冲床上进行加工，加工完成后，由机器人将废料搬运至卸载站。遵循最快到达搬运起点的启发式规则，从多台机器人当中，选择最快到达搬运点的机器人进行搬运。
在考虑订单排样图选配约束、机器人调度约束和数控冲床换模约束的基础上，建立生产调度约束。
最后，通过NSGA-II算法对该数学模型进行求解，以达到最小化生产成本目标函数、最小化订单的平均操作时间和最小化库存的优化目标。
所述生产调度模型的需满足以下约束条件：
1)每一个订单中的排样图选配完成后，能满足生产完该订单所需要，即：
式中，S
2)在总生产阶段的零时刻，数控冲床都未安装模具，首先需要为数控冲床安装模具；
3)在总生产阶段的零时刻，机器人和成品板材均在装载站准备；
4)数控冲床加工不同编号的排样图，都需要进行一次换模；
5)采用分批原则进行加工，将单个订单排样图选配结果中相同编号的排样图当成一个批次进行加工，将一个批次当成一个作业加工；
6)同一台机器在某一时刻只能处理一个作业；
7)不同作业之间不存在先后约束；
8)所有作业在安装完模具之后都可以被加工；
9)机器人在各设备之间转运不考虑发生碰撞。
所述生产调度模型的目标函数如下：
生产成本：
订单的平均操作时间：
库存：
上述提出的编码方式可以用现有的各种主流的群体智能算法进行求解，下面以NSGA-II算法为例。
每个等级解中第一个个体和最后一个个体的拥挤距离设为无穷大，同一等级解中的每个个体的拥挤距离是指计算与其相邻的两个个体在每个子目标函数上的距离差之和，计算公式为：
D
所述NSGA-II算法的具体过程如下；
S1、初始化NSGA-II算法的参数：种群规模N、迭代次数G、交叉概率P
S2、随机产生种群初始种群P
S3、将P
S4、清空P
S5、对分好等级的非支配解集进行拥挤距离排序，根据非支配解集等级和拥挤距离，将前N个体加入到P
S6、对P
S7、如果i S8、运用AHP层次分析法从最终的Pareto最优解中选出满意方案。
机译： 一种焊接机器人单元机器人程序的优化方法
机译： 一种焊接机器人单元机器人程序的优化方法
机译： 一种焊接机器人单元机器人程序的优化方法
