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

; }( k1 H7 l0 r% }
2 |# z5 |) h  A+ z, o. }  m. ]3 H9 O% A5 Q2 n3 `1 M' }* |+ J6 G
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2 N3 \0 f1 E0 M* e! L
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3 a$ h& M1 C0 t
态调度问题,并给出了不同工序情况下的具体调度方案。
3 s+ t+ X( y- B2 h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,
* \5 b4 w) S5 \4 A! V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) ~& k( Y6 k# i5 s" j
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 t9 ~$ V, Q/ V/ {4 T) k* S
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
" I" D8 c( R6 ~2 x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,- l# @, H+ S! K& H; h
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
" H# a2 r5 l; e9 B+ g; _5 h法求得局部最优解。7 G9 ~0 C5 }* f+ r! `
本文选取了“就近原则”——构造时间代价函数,“FIFO 原则”——考虑各 7 X8 w; [& u# z3 F7 \
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
5 y! V! V/ X. Q+ _. B, u/ ^9 z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8 V3 {* n, y* q3 Z$ H, }
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
- Y* E( z2 Q0 h4 _' g, S+ p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' j* R. x7 P& D" T, }5 e' d
据的系统效率最高,为 49.125 件/h.
+ [* ^) K/ b3 O. A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& N. T( ^$ l4 o( y
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% F; s2 q: C; d! p( V$ j$ n% h
过程。
3 {; B- w( G+ g4 }, y% ~% U9 S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
( S! e1 _) h" m" |; x# b9 J256 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
6 V! m# f% e: T6 L& F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
! I2 x5 U6 }- d6 ~+ V  }9 W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
: i; j  ~2 a0 [8 c7 J# ]3 z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 CNC2 B6 V& Z$ @7 f" k( D% A
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
+ k. A$ j9 G: F( \5 \$ v外,所有的调度方案均呈现有规律的循环状态。! \$ y4 }- s) L
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”5 O5 t1 Z' u( P( E$ h
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
0 E  n) x$ |6 A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.) }: h* t, C4 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
: d( f- ~; r4 i) I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1 C/ `2 a% X0 Z  U3 _! n$ B
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9 y( G6 v- z: E+ ?$ ]
程系统效率最多下降了 1.875 件/h.' m' V. v: i; q2 {4 ^! b( a+ [) a9 I9 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
( [) [" i# k9 J; J2 \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1 F# S, K) m, A/ J8 ]3 P- }) n
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. T" d3 [+ K/ J7 J; Y7 C3 z/ R: @
的有效性进行验证,增强了模型的说服力。
1 u# [! x! b$ ]
6 r9 n/ r$ j8 n' }5 j. h1 @
2 P1 L# b  G6 j$ o% m, w1 V; x. 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