無線傳感器網(wǎng)絡(luò)在車間調(diào)度優(yōu)化應(yīng)用研究*

韓晉棟，徐晉勇，張應(yīng)紅

(桂林電子科技大學(xué) 機電工程學(xué)院，廣西 桂林 541004)

?

無線傳感器網(wǎng)絡(luò)在車間調(diào)度優(yōu)化應(yīng)用研究*

韓晉棟，徐晉勇，張應(yīng)紅

(桂林電子科技大學(xué) 機電工程學(xué)院，廣西 桂林 541004)

針對車間生產(chǎn)因少量員工缺勤而造成生產(chǎn)效率大幅度降低的問題，利用RFID和ZigBee建立數(shù)據(jù)采集和信息傳輸?shù)膫鞲衅骶W(wǎng)絡(luò)；采用自適應(yīng)遺傳算法對無線傳感器網(wǎng)絡(luò)采集到的數(shù)據(jù)進行數(shù)據(jù)優(yōu)化，建立了優(yōu)化調(diào)度的設(shè)計模型；并將優(yōu)化后的結(jié)果應(yīng)用于生產(chǎn)調(diào)度。在人員調(diào)動較少的前提下，達到了生產(chǎn)效率最大化的預(yù)期目標(biāo)。經(jīng)仿真實驗驗證，優(yōu)化后的結(jié)果能使產(chǎn)量提高10%。

物聯(lián)網(wǎng)；改進遺傳算法；優(yōu)化；調(diào)度

0 引言

機械制造業(yè)為整個國民經(jīng)濟提供技術(shù)裝備，其發(fā)展水平是國家工業(yè)化程度的主要標(biāo)志之一[1]。隨著經(jīng)濟全球化、信息化進程日益深入，機械制造裝備行業(yè)市場競爭日益激烈，客戶需求日趨個性化，國內(nèi)市場國際化的趨勢加劇，國際資本加速進入中國機械制造業(yè)，無數(shù)企業(yè)仍在“制造之觴”中逶迤前行，這些因素共同促使中國機械制造企業(yè)更應(yīng)該關(guān)注信息化建設(shè)，借助信息化提升企業(yè)的創(chuàng)新能力，實現(xiàn)精益化生產(chǎn)與管理[2]。管理人員應(yīng)該實時掌控物料加工倉儲情況、人員在崗情況和機器工況等信息，發(fā)揮物料管理在資源調(diào)節(jié)中的“指揮棒”作用。日本企業(yè)界認為“只看一個企業(yè)的物流調(diào)度便可以判斷企業(yè)的管理水平”[3-6]。因此高效的調(diào)度是企業(yè)有效的盈利手段之一。

1 車間調(diào)度問題描述

車間調(diào)度屬于生產(chǎn)調(diào)度，是以生產(chǎn)進度計劃為依據(jù)的一項活動[7]?，F(xiàn)代企業(yè)生產(chǎn)活動具有持續(xù)性強，生產(chǎn)環(huán)節(jié)多且生產(chǎn)協(xié)作關(guān)系復(fù)雜等特點，在某一環(huán)節(jié)出問題可能會影響到整個生產(chǎn)流程。因此實時掌握生產(chǎn)流程中的各個數(shù)據(jù)具有十分重要的意義[8]。本次研究的目的是實時采集車間員工在崗信息，如有員工缺工，系統(tǒng)將根據(jù)生產(chǎn)計劃調(diào)派相近工序員工替代，達到產(chǎn)量最大化目的。此次設(shè)計通過物聯(lián)網(wǎng)采集數(shù)據(jù)，使用ZigBee和RFID作為數(shù)據(jù)傳輸方式，最后將采集到的數(shù)據(jù)用遺傳算法進行優(yōu)化，用優(yōu)化結(jié)果指導(dǎo)生產(chǎn)調(diào)度。

2 無線傳感器網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

物聯(lián)網(wǎng)的出現(xiàn)帶來一種新的數(shù)據(jù)采集方式，因而獲得工業(yè)界的廣泛親睞。在物聯(lián)網(wǎng)時代，將生產(chǎn)設(shè)備、建筑、通訊設(shè)備和運輸設(shè)備等與智能硬件和互聯(lián)網(wǎng)融為一體。通過物聯(lián)網(wǎng)技術(shù)可以方便地獲得人員、設(shè)備、倉儲及物流等各項數(shù)據(jù)，實現(xiàn)從原料到商品的完全監(jiān)控[9]。車間調(diào)度優(yōu)化就是物聯(lián)網(wǎng)應(yīng)用的一個實例。

在實際車間調(diào)度中，物聯(lián)網(wǎng)起到信息采集的重要作用。數(shù)量巨大的RFID和傳感器處于物聯(lián)網(wǎng)的最底端，為整個物聯(lián)網(wǎng)采集所需數(shù)據(jù)，是物聯(lián)網(wǎng)技術(shù)的關(guān)鍵組成部分；RFID和傳感器通過互聯(lián)網(wǎng)與服務(wù)器相連，將采集到的數(shù)據(jù)通過傳感器網(wǎng)絡(luò)發(fā)送到服務(wù)器；服務(wù)器再將數(shù)據(jù)整合之后通過互聯(lián)網(wǎng)傳送到優(yōu)化中心進行數(shù)據(jù)挖掘和優(yōu)化，管理層可以得到優(yōu)化后的結(jié)果指導(dǎo)生產(chǎn)。

車間物聯(lián)網(wǎng)結(jié)構(gòu)如圖1所示，由安裝在車間門口處和機床上的RFID閱讀器，工人攜帶的RFID芯片、貼在零件、半成品和產(chǎn)品上的RFID芯片，集線器，服務(wù)器和各管理終端組成。

圖1 車間物聯(lián)網(wǎng)結(jié)構(gòu)圖

各類RFID芯片及閱讀器將工人的在崗信息、工人所在機床信息、無人使用機床信息、零件加工信息、某位工人加工某道工序時間信息、零件及半成品在倉庫存儲位置及其存儲時間等信息上傳服務(wù)器。服務(wù)器將這些信息匯總之后分類發(fā)送至各管理終端，并抄送一份送入分析診斷中心。診斷中心將信息整理優(yōu)化后得到每位工人出勤、產(chǎn)量和合格率；每臺機床工況和合格率；每個產(chǎn)品從原料到成品所經(jīng)過的加工工序時間及其倉儲時間等信息；當(dāng)有員工缺勤，分析診斷中心會根據(jù)目前生產(chǎn)情況、在崗工人的各類信息和正常運轉(zhuǎn)機床信息提出調(diào)度方案。

圖2 加工信息與資源情況關(guān)系圖

經(jīng)過分析診斷中心分析優(yōu)化之后得到如圖2的加工信息與資源情況之間的關(guān)系，并將此關(guān)系量化后送至公司生產(chǎn)管理部門。生產(chǎn)管理部門根據(jù)優(yōu)化結(jié)果實時做出人員、設(shè)備等的調(diào)整。

3 系統(tǒng)硬件設(shè)計

Zigbee無線傳感器網(wǎng)絡(luò)的建立需要由協(xié)調(diào)器、路由器和信息采集模塊構(gòu)成，協(xié)調(diào)器用于組建網(wǎng)絡(luò)，路由器用于通信范圍的擴展和中繼，信息采集模塊則是用于信息的采集和獲取[10]。

3.1 RFID信息采集模塊電路設(shè)計

信息采集主要包括人員信息、零件信息、加工設(shè)備信息及時間信息的采集同時需要將這些信息發(fā)送出去，并通過該裝置進行數(shù)據(jù)的傳輸。人員信息和零件信息由RFID射頻芯片提供，因此本文設(shè)計的信息采集裝置以射頻芯片MFRC522和CC2530單片機為核心構(gòu)成RFID讀卡器，MFRC522是NXP公司推出的應(yīng)用于13.56MHz非接觸式通信中高集成度非接觸式讀寫卡芯片，具有低電壓、低成本、體積小特點[11]。該芯片采用了先進的調(diào)制和解調(diào)技術(shù)，完全集成了在13.56MHz下所有類型的被動非接觸式通信方式和協(xié)議，支持 ISO14443A的多層應(yīng)用，其內(nèi)部發(fā)送器部分可驅(qū)動讀寫器天線與ISO 14443A/MIFARE卡和應(yīng)答機的通信，而無需其它電路。MFRC522與主機間的通信采用串行通信，且可根據(jù)不同的用戶需求，選取SPI、I2C或串行UART，有利于減少連線，縮小PCB 板體積，降低成本。信息采集模塊電路原理圖如圖3所示。

圖3 信息采集模塊電路原理圖

這里MFRC522與CC2530之間采用SPI通信。MFRC522可復(fù)位其接口，可以通過控制管腳上的邏輯電平來識別微控制器接口，對執(zhí)行了上電或復(fù)位的CC2530控制器接口的類型進行自動檢測。在與CC2530單片機通信時，MFRC522用作從機，接收CC2530單片機的數(shù)據(jù)，及發(fā)送和接收RF接口的相關(guān)的通信數(shù)據(jù)。通信時，SPI時鐘SCK由CC2530產(chǎn)生，數(shù)據(jù)通過MOSI線從CC2530傳到MF RC522；數(shù)據(jù)通過MISO線從MF RC522發(fā)回到CC2530主控制器。MOSI和MISO在傳輸?shù)臅r候，每個字節(jié)都是高位在前低位在后。MOSI上的數(shù)據(jù)在時鐘的上升沿保持不變，在時鐘的下降沿時改變。MISO也跟它類似，在時鐘的下降沿，MISO上的數(shù)據(jù)由MF RC522來提供，在時鐘的上升沿的時候數(shù)據(jù)就保持不變。

LCD顯示用于顯示機床號，當(dāng)前使用人員的名字、工號，當(dāng)前加工零件的圖紙編號，當(dāng)前工藝名稱和要求，上一道工序的名稱，下一道工序的名稱，加工時長等等信息。

3.2 Zigbee無線網(wǎng)絡(luò)

由于由于ZigBee無線技術(shù)具有低功耗低成本高擴充性免頻段使用費等優(yōu)點[9]，而且適合工業(yè)現(xiàn)場環(huán)境，本數(shù)據(jù)采集終端設(shè)計了一種Zigbee無線通信的模塊，選用符合Zigbee技術(shù)的2.4GHz射頻系統(tǒng)芯片CC2530，在單個芯片上整合了射頻的前端內(nèi)存和微控制器，工作電壓范圍為2～3.6V，采用較少的外圍電路即可實現(xiàn)無線信號的收發(fā)，射頻模塊電路原理如圖3所示。

系統(tǒng)時鐘由32MHz晶振提供，32kHz晶振為系統(tǒng)休眠所用時鐘，復(fù)位按鍵與RESET接口連接可實現(xiàn)硬件復(fù)位與初始化系統(tǒng)。SPI接口與MFRC522連接，將讀取到的數(shù)據(jù)存放在收發(fā)電路的先進先出緩存(FIFO)中，數(shù)據(jù)接收完后以DMA方式將收發(fā)緩存中的數(shù)據(jù)輸入到CC2530指定采集的數(shù)據(jù)的存儲區(qū)。發(fā)送數(shù)據(jù)時以DMA方式將需要發(fā)送的數(shù)據(jù)送到RF指定的FIFO，再通過CC2591無線模塊發(fā)送給協(xié)調(diào)器節(jié)點，協(xié)調(diào)器節(jié)點將收集到的各個數(shù)據(jù)采集模塊的數(shù)據(jù)通過串口上傳至上位機。

4 遺傳算法優(yōu)化設(shè)計及調(diào)度優(yōu)化

遺傳算法源于達爾文生物進化論的遺傳、變異和自然選擇思想，是一種具有隱形并行智能搜索算法[12]。它具有自組織、自學(xué)習(xí)和自適應(yīng)性等優(yōu)點，同時也存在一些諸如早熟、不易收斂等缺點[13-14]。經(jīng)過多年對傳統(tǒng)遺傳算法的改進，改進的遺傳算法克服了上述缺點，因此我們使用改進遺傳算法進行優(yōu)化仿真。

4.1 遺傳算法基本原理

遺傳算法包括編碼策略及技術(shù)、建立初始種群、構(gòu)造適應(yīng)度函數(shù)、選擇操作、交叉操作、變異操作、算法終止條件設(shè)定和參數(shù)設(shè)置。

編碼：編碼是GA(遺傳算法)的第一步，涉及到運算的精度及收斂的速度，需要根據(jù)不同的需求采用不同的編碼策略。確定編碼策略后將由該類型編碼組成染色體，由染色體相互組合構(gòu)成解空間。

初始總?cè)荷桑涸诮饪臻g中隨機抽取取定數(shù)量的個體組成初始種群，遺傳算法將由這些個體開始交叉變異等操作。

構(gòu)造適應(yīng)度函數(shù)：適應(yīng)度函數(shù)是評價個體是否適應(yīng)環(huán)境的標(biāo)準(zhǔn)。每次迭代產(chǎn)生新個體之后都要對每個新個體進行適應(yīng)度評估并按適應(yīng)度高低排序，以便選取適應(yīng)環(huán)境的個體參與后續(xù)運算，可以加速收斂。

評價適應(yīng)度的函數(shù)由公式(1)表達：

(1)

式中： Ds(P)—種群規(guī)模為n的適應(yīng)度均方差，

fi—第i個個體適應(yīng)度數(shù)值，

該式的時間復(fù)雜度是O(NlogN)[15]。

選擇操作：當(dāng)所有新個體被適應(yīng)度函數(shù)評估并排序之后，選擇操作會選出一部分高適應(yīng)度個體參與后續(xù)運算[10]。選擇操作采用“保存最優(yōu)部分個體策略”，這樣可以保證最適應(yīng)環(huán)境的個體避免因交叉和變異而退化，這樣可以加速收斂。采用該方法的好處是種群的適應(yīng)度不會隨著迭代而下降。

交叉操作：兩條染色體為父代，以一定概率取它們中同等位置的一點或多點，交換取定點之間的基因，從而產(chǎn)生新個體的操作。

變異操作：以一個較小概率取某染色體的某點，取得的點進行變異操作。通過改變基因的數(shù)值達到改變個體適應(yīng)度的效果。鑒于固定的變異概率在迭代后期對收斂起較大的反作用，因此我們選用自適應(yīng)變異概率進行運算。自適應(yīng)變異概率為公式(2)如下：

(2)

式中： Pm—變異概率；

f—變異個體適應(yīng)度；

fmax—為種群最大適應(yīng)度；

favg—為種群平均適應(yīng)度；

Pcmin—交叉概率值；

Pmmax—變異概率取值上限；

Pmmin—變異概率取值下限。

算法終止條件：GA和其他算法一樣，必須滿足一個確定的條件才能停止迭代運算。這個條件可以是迭代代數(shù)、運算時間和適應(yīng)度值[16-19]。

4.2 遺傳算法參數(shù)設(shè)計

此次優(yōu)化的數(shù)據(jù)來源于某型號六面頂鉸鏈梁液壓缸體生產(chǎn)車間，該缸體生產(chǎn)共分粗車外圓、精車外圓、鏜內(nèi)壁、精鏜內(nèi)壁、鉆孔及攻絲等五道工序，每道工序由一個班進行生產(chǎn)。超硬材料六面頂鉸鏈梁液壓缸體零件圖如圖4。筆者連續(xù)采集12個工作日的工人出勤情況和產(chǎn)量數(shù)據(jù)，并將缺勤工作日的工人進行遺傳算法仿真調(diào)度得出優(yōu)化結(jié)果。

采用改進遺傳算法優(yōu)化車間調(diào)度問題，首先設(shè)置優(yōu)化目標(biāo)，優(yōu)化目標(biāo)為當(dāng)天成品產(chǎn)量最高。也就是要求每個生產(chǎn)班產(chǎn)量最大化且生產(chǎn)數(shù)量盡可能相同。其中約束條件為：各生產(chǎn)班人數(shù)之和為在崗總?cè)藬?shù)；各班人數(shù)不少于1人且不大于總?cè)藬?shù)；各生產(chǎn)班人員盡可能少調(diào)動。設(shè)置優(yōu)化變量為各生產(chǎn)班人數(shù)[R1,R2,R3,R4,R5]。編碼參數(shù)設(shè)置：各班人數(shù)是在各自范圍內(nèi)離散變化，與遺傳算法數(shù)據(jù)處理方式相類似，故本例使用十進制正整數(shù)進行染色體編碼[20]。初始種群設(shè)置為80，交叉概率為0.8，變異概率為自適應(yīng)概率，如公式(2)。設(shè)置迭代結(jié)束條件為：在100次迭代出現(xiàn)最大值不再變化。

圖4 超硬材料六面頂鉸鏈梁液壓缸體零件圖

項目123456789101112粗車外圓000000000000精車外圓000000000100鏜內(nèi)壁010000000000精鏜內(nèi)壁000000000000鉆孔攻絲000000000000

表2 優(yōu)化前產(chǎn)量統(tǒng)計表

4.3 人員調(diào)度優(yōu)化

針對超硬材料六面頂鉸鏈梁液壓缸體生產(chǎn)調(diào)度優(yōu)化，首先采集缺工人數(shù)和員工工作效率和確定遺傳算法相關(guān)參數(shù)，然后進行調(diào)度優(yōu)化，提高當(dāng)天產(chǎn)量。員工缺工數(shù)據(jù)和每天參量如圖1和圖2所示，優(yōu)化前后產(chǎn)量對比如表3所示。如表4所示，改進遺傳算法可靠性較好，此次仿真結(jié)果較可靠。

表3 優(yōu)化后產(chǎn)量變化結(jié)果表

表4 遺傳算法最優(yōu)解結(jié)果及準(zhǔn)確率統(tǒng)計表

表4中，n為工件數(shù)，m為工序數(shù)，C為理論最優(yōu)解，c為算法求解得到的最優(yōu)解。

5 結(jié)論

對大型車間人員調(diào)度的問題進行數(shù)據(jù)統(tǒng)計和分析，利用改進遺傳算法進行調(diào)度優(yōu)化。對某型號的超硬材料六面頂鉸鏈梁液壓缸體生產(chǎn)進行優(yōu)化調(diào)度，結(jié)果表明在人員缺工的情況下，通過適當(dāng)?shù)娜藛T調(diào)度操作可以在一定范圍內(nèi)加大產(chǎn)量，減小損失。從算法的驗證可以看出此次優(yōu)化可信度較高。

[1] 董鵬，鄭理，彭若帆,等.制造業(yè)內(nèi)部物流所處的困境及優(yōu)化管理研究[J].湖南包裝,2014(12):3-8.

[2] 文武,王小俠.企業(yè)內(nèi)部物流的標(biāo)準(zhǔn)化管理與信息化應(yīng)用[J].沈陽大學(xué)學(xué)報(社會科學(xué)版),2012(5):11-13.

[3] 俞仲秋.當(dāng)代物流外包中企業(yè)戰(zhàn)略關(guān)系矩陣的探索與研究[J].物流科技,2011(4):45-47.

[4] 郭玉杰.第三方物流企業(yè)內(nèi)部控制環(huán)境建設(shè)研究[J]. 會計之友,2014(4):64-67.

[5] Guoyujie. Third party logistics enterprise internal control environment construction research [J]. accounting of the 2014(4)：66-68.

[6] 制造業(yè)企業(yè)物流管理創(chuàng)新研究——以美的集團蕪湖制冷設(shè)備有限公司為例[J].特區(qū)經(jīng)濟,2009(7)：2-6.

[7] 李傳鵬，王桂從，崔煥勇.柔性作業(yè)車間調(diào)度問題研究現(xiàn)狀及發(fā)展趨勢[J].組合機床與自動化加工技術(shù)，2012(11)：109-112.

[8] 韓立杰.基于internet的數(shù)據(jù)監(jiān)控系統(tǒng)的監(jiān)控與實現(xiàn)[J].科技創(chuàng)新導(dǎo)報，2010(2)：72-75.

[9] 孫利民，李建中，陳渝，等.無線傳感器網(wǎng)絡(luò)[M].北京：清華大學(xué)出版社，2005.

[10] 魏延,曹長修,唐政,等.利用ZigBee技術(shù)構(gòu)建無線傳感器網(wǎng)絡(luò) [J].重慶大學(xué)學(xué)報(自然科學(xué)版),2011,7(15):203-204.

[11] 張東，姜巖峰，生曉坤．RFID中天線的優(yōu)化設(shè)計[J].電子測量與儀器學(xué)報，2011，25(7)：626-629．

[12] 楊紅紅，吳智銘．基于自適應(yīng)遺傳算法的柔性動態(tài)調(diào)度研究[J].中國機械工程，2002,13(21):1845-1848．

[13] 喻壽益,鄺溯瓊. 保留精英遺傳算法收斂性和收斂速度的鞅方法分析[J].控制理論與應(yīng)用, 2010(7):843-848.

[14] Wu Xiaojin,Zhu Zhongying.Reseaarch on diversity measure of genetic algorithms[J].Information and Control, 2005,34(4):416-422.

[15] 徐宗本，聶贊坎，張文修,等.父代種群參與競爭遺傳算法幾乎必然收斂[J].應(yīng)用數(shù)學(xué)學(xué)報，2002，25(1):167-175.

[16] 余琦瑋，趙亮，潘雙夏基于遺傳算法的柔性作業(yè)車間調(diào)度優(yōu)化[J].組合機床與自動化加工技術(shù)，2004(4):32-34.

[17] 李宏,焦永昌,張莉,等.一種求解全局優(yōu)化問題的新混合遺傳算法[J].控制理論與應(yīng)用,2007,24(3):343-348.

[18] Moura Scott Jason,Fathy Hosam K,Callaway Duncan S,et al.A stochastic optimal control approach for power management in plug-in hybrid electric vehicles[J]. IEEE Transactions on Control Systems Technology,2011.

[19] 陳庭貴,琚春華.多干擾的資源約束項目調(diào)度問題[J].計算機集成制造系統(tǒng),2012,18(11):2409-2418.

[20] 萬敏，唐敦兵，王雷,等.求解車間調(diào)度問題的改進型自適應(yīng)遺傳算法[J].科學(xué)技術(shù)與工程，2013,13(11):2997-3001.

(編輯 李秀敏)

Research on the Application of Wireless Sensor Networks in Job Shop Scheduling Optimization

HAN Jin-dong，XU Jin-yong，ZHANG Ying-hong

(School of Mechanical and Electrical Engineering, Guilin University of Electronic Technology, Guilin Guangxi 541004,China)

In order to solve the workshop production efficiency greatly reduces the problem caused by a small number of employee absenteeism. In this paper, RFID and ZigBee establish data collection and information transfer of sensor networks, using adaptive genetic algorithm to optimize the data collected by wireless sensor network, and the establishment of the design model optimization scheduling. The result is applied to the optimized production scheduling. The expected goal of maximizing the efficiency of the personnel transfer and production is achieved. After the experimental verification, the optimized results can improve the yield of 10%.

intemet of things; improved genetic algorithm; optimization; scheduling

1001-2265(2016)10-0157-04

10.13462/j.cnki.mmtamt.2016.10.043

2015-11-27；

2016-01-21

廣西制造系統(tǒng)與先進制造技術(shù)重點實驗室(10004607-005)；桂林電子科技大學(xué)研究生創(chuàng)新項目(YJCXS201508)；全國大學(xué)生創(chuàng)新訓(xùn)練計劃項目(201510595001)

韓晉棟(1988—)，男，山西朔州人，桂林電子科技大學(xué)碩士研究生，研究方向為制造業(yè)信息化，(E-mail)maizi1980s@sina.com。

TH166；TG65

A