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

, X0 p0 i$ r) z
3 F3 h4 G$ Y$ b3 A9 I' X* [: b7 u) j6 f9 v
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
- X9 N- |4 J3 |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: ~6 I0 G" y% \  U
态调度问题，并给出了不同工序情况下的具体调度方案。8 z& ?5 M4 Q/ H8 A  R
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，
" A. S6 H) \* g0 x# h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
8 @% X* T  B. i  ~9 D( a9 n; Z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( }/ t' G% W. G- P) C- I+ n
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/ y2 S; H9 l5 ^% c( p3 j
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，
, k- C6 V% G( {( f" E1 U! J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, j+ A' r0 T% T" T  z# g* s
法求得局部最优解。! X, J% {( F1 g" C2 |; i$ R
本文选取了“就近原则”——构造时间代价函数，“FIFO 原则”——考虑各 & K' J: g; c/ b' a. x
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
* g7 a! n  Y0 K2 O4 ^; H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
# `3 A4 ^& y& }9 t% M" r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
0 X) h; U* U% t% G/ O: R9 C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
4 y7 s: P% K( P6 ^4 l据的系统效率最高，为 49.125 件/h.! z$ V3 ?5 s5 `4 w
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$ b) V+ a5 w7 `8 r' O' H+ }
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0 H5 [6 `5 V+ y
过程。" e6 n# @# m7 [- w& y
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
$ m1 y0 \- F% [$ l: ?, b256 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
' f% ]& I) u# r5 Q! J: I+ E: b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
7 [5 e5 r! u+ ~) M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- |& Q- ]( `5 b7 {% `
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. C& ]/ u# d# P% C4 ~
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
4 c9 i6 d+ T5 j. R# N外，所有的调度方案均呈现有规律的循环状态。
& h% a5 M% F" B, t$ w$ ]8 ^6 _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”9 \( _! C( r" i4 z2 d) u1 P6 @/ T! A; l
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2 U* e0 d$ |: C2 j
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.
0 V' p& T; n# k3 m, i) t) t4 c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
( v8 c1 I. p' A! X8 u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
9 g) N0 u" ~' @6 K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3 ?: J- n8 V9 f/ E5 f
程系统效率最多下降了 1.875 件/h.
  A$ b, W/ c* N, M) v5 k- 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
* W0 l$ K1 L  {* d* j6 u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
+ k+ S" H, F9 f$ S6 S; 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
  c& m# Q+ c* i9 D" S: ]  r4 T的有效性进行验证，增强了模型的说服力。
+ @; ?6 o; b$ d+ h
" W# J) n- M/ Y! z  }9 ]3 Y: {# R9 Y: u
; {4 d4 j) }) J& a

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