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
& J- d8 p6 R( r+ ^7 E/ z' z

7 J  z3 J' t7 g( p
  x! W0 ^8 ~5 p' @4 P: s9 [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
5 ?: S; S" X# S4 P& f: x; e6 Y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
0 {! X0 P5 c0 k/ s  `/ I态调度问题，并给出了不同工序情况下的具体调度方案。
* {, w: s  O# J; e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，0 e. b9 N) l1 u" D  O! W
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
. B& E: @+ }; R1 y  p6 c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9 q8 z  q+ d4 m& {
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
" f0 h' g, ]4 L; f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，
* Y/ s* h: F: t, W( v! d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
9 [' @" q  k( v3 q法求得局部最优解。
& S4 }8 |3 |1 U! o本文选取了“就近原则”——构造时间代价函数，“FIFO 原则”——考虑各 ( w' h( m; I$ L! R
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( l, k" i: n. z3 E8 H  U
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
! J8 T# G5 e( u1 h1 e! ~& [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
! g5 ?4 E* L0 Y! _' {8 l( N# K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* Z/ r# o" e6 c& s! Q( l) `% i
据的系统效率最高，为 49.125 件/h., O5 Z$ _: F4 _/ p6 d8 o
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
" p0 O- j. p# ?9 T( N% F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
$ s: {8 q8 g1 B过程。; y5 @- c# T4 E# T% _) [
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
* v9 s. m$ F6 k% W  j7 {256 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1 R, ~3 y$ \; ^
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0 F; H# |/ Y2 F- R2 F2 I3 O. @
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
& n* E& |8 t* E! S" ]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 CNC3 Y3 h* F) |. R# q( p4 q# |
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
/ z* A' c( K9 u$ Q' }外，所有的调度方案均呈现有规律的循环状态。
' S& e: v+ o  h/ O7 w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”
- ~  K: I, l+ e/ o1 s( i+ W0 c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
. m: q+ z, h/ y+ u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.9 R; ?5 c# p# I7 j3 u0 {/ B
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9 n% Q5 j9 n$ }( n
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
, n. i" Q2 y* U* 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, R% R0 L; e5 v. a- k7 R7 _
程系统效率最多下降了 1.875 件/h.1 d6 k7 Z' x8 t2 u- c( l$ l' g4 g
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
8 i" M. {9 ^/ u( Z( v* ^( y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4 }# v0 ~* F8 h" B& m) w  ^
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6 l% r! f/ C+ q& ]
的有效性进行验证，增强了模型的说服力。
: v3 q$ e: U# {7 \; h/ F
" h& ?' l' p, v- S
0 e/ ^  a) l7 q3 f; M% i2 j* I& X2 ~
! F, n0 w1 l6 k! x

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