数学建模社区-数学中国

标题: 2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型 [打印本页]
作者: 杨利霞    时间: 2019-9-27 10:50
标题: 2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型
2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型
  \+ D% c2 G- P! R  e, {2 j! t

7 v! n& f5 z7 V! |: Z+ H2 |
4 k+ s, I! ~) i8 q7 Y! c) H. R本文从规划模型、多原则求解的角度，综合了蒙特卡洛模拟与机器学习的思
3 }  I( h$ K  d7 b# p想，研究了由 8 台 CNC、1 辆 RGV 以及其他附属设备组成的智能加工系统的动
7 A) ^* W4 v& V. y态调度问题，并给出了不同工序情况下的具体调度方案。
7 c! s. ^4 f- M8 t; g针对情况一：单工序的作业流程较为简单。首先，利用规划的各个约束条件，" O7 s/ [+ E2 ]: G
刻画了 RGV 在 CNC 之间的运动过程、单个物料的加工过程、“上下料”时 RGV
2 P$ F1 p4 i/ O- ^& L' X手爪的旋转过程、清洗作业的过程、RGV 移动至下一个机床进行加工的过程等
. _3 v' I$ Z, o8 g% Y& I7 ^( H等。此外，还刻画了物料加工与运送的“唯一性”，以及利用 0-1 变量构造的目
( K) ~* T' v1 G9 n* p+ a$ y标函数。规划的目的是，在给定的时间内，使得加工出的物料数量最多。然而，3 {$ e& p) k! x3 U
这样的规划是一个 NP 问题，无法通过传统的方法求解，所以进而寻求模拟的方, W% `- p. H' B, @: Q0 ]3 g
法求得局部最优解。
. p6 Q8 s! `" f: ]' Z" h( `# Z: K本文选取了“就近原则”——构造时间代价函数，“FIFO 原则”——考虑各
; }7 z. v: b6 ]- B3 p5 f9 }台 CNC 的等待时间，以及“HRRN 原则”——将时间代价与等待时间进行综合
% `6 w5 w6 p! U* L" N9 E$ `# R5 r考虑，分别对情况一进行了模拟。事实上，每种原则的结果相同：第一组数据加
4 Z. y; `( ~2 ]% M- J工完成了 383 件物料，第二组数据加工完成了 360 件物料，第三组数据加工完成' a. o" `& c2 K* Q1 {$ @! J8 t
了 393 件物料。并且，调度的方案全部为 1→2→…→8→1→… 此外，第三组数
* E8 D/ C& ]8 R0 `+ _* Z/ U3 f据的系统效率最高，为 49.125 件/h.+ Q+ @/ m5 g4 d, g
针对情况二：双工序的作业流程十分复杂。首先，在情况一的基础上，对规
7 {, R( n: `; Y8 C划的各个约束条件进行修正；并着重刻画了 RGV 移动至下一个机床进行加工的
' a& ?+ J2 M" N! i" @4 T! {5 ~5 ]- d过程。0 J- o! {! h8 u
此外，双工序流程中各台 CNC 所负责的工序也是不确定的；因此，本文对
1 i$ f- Q. k* `4 @& W) b, a: Y256 种工序布局方案，结合三种选取原则，进行了遍历。得到的结果是：第一组
+ i) f- r+ u" g2 y7 R5 G( N数据的各台 CNC 最优工序分配为 1-2-1-2-1-2-1-2，三种原则结果一致，最终加工
2 g7 T& D. K3 {# Z出 253 件物料；第二组数据的各台 CNC 最优工序分配为 2-1-2-1-2-1-2-1，“FIFO; r1 J( }; X7 U, g& f3 G1 V6 _7 e7 C
原则”和“HRRN 原则”更优，最终加工出 212 件物料；第三组数据的各台 CNC$ h: f0 f# ~( _" M, ~, n8 C
最优工序分配为 1-1-2-1-2-1-1-2，“就近原则”最优，最终加工出 241 件物料。此
  i, b! z( i7 e9 r. Y- l外，所有的调度方案均呈现有规律的循环状态。6 m) C7 F3 Y: @
然后，利用“基于蒙特卡洛的学习算法”，在构造正反馈的前提下“随机”1 p) ?+ u" `1 N0 l; R
地尝试以获得更优解。结果反映了，三种原则中的最优原则，已非常接近全局最; I5 R. u4 k" M' _! {" E
优。此外，第一组数据和第三组数据的作业效率一样高，均为 30.125 件/h.3 g# j; V/ i5 r
针对情况三：同时考虑单工序流程与双工序流程。构造了随机变量“是否故
$ `- k: q- {9 t! g5 E$ L障”、“故障发生时间”和“故障排除时间”，并将它们融合进入规划模型。求解
4 N& I' k$ l: o# o+ A结果显示，遭遇故障后，单工序流程系统效率最多下降了 2.25 件/h，而双工序流
$ w7 W2 l  {9 s  n9 @) _5 D程系统效率最多下降了 1.875 件/h.6 U; X% `! ?  f- X# m
本文的亮点在于：首先，利用一般化的公式对系统调度进行了较为细致的机
# C, d8 z. P/ R! R" b7 X  {2 O' L理分析，使得模型具有普适性；其次，给出了多个调度原则相互比较，从而有利8 y) L$ K. i/ H+ H+ c# A- s
于结果更优；最后，将蒙特卡洛模拟与机器学习的思想相结合，对上述调度原则) k0 [7 C$ ~4 I& h" n7 |2 [
的有效性进行验证，增强了模型的说服力。
) U6 ^9 ]0 }9 k# d, ?/ l7 g' ?9 B. G

6 H, C1 W# g& K* A; t6 P5 \/ z' H& M2 O& w" J3 `5 r8 L. e

2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型.pdf

635.83 KB, 下载次数: 3, 下载积分: 体力 -2 点

售价: 2 点体力  [记录]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5