2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型

杨利霞

2018-B2：基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型

& ^, c) S, G2 C( d; [. b
, \% O( y. H; f# C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
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
态调度问题，并给出了不同工序情况下的具体调度方案。
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，
; @- s( ]3 ]# q2 \7 @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
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
, M8 O8 G3 c( ?7 |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
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，
/ r7 U& Z: H# W5 r- j& r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
法求得局部最优解。
本文选取了“就近原则”——构造时间代价函数，“FIFO 原则”——考虑各
- c/ |# A; d9 f, [9 m! Z2 c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
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
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
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
+ b5 I+ t. d9 t6 B5 }# D: t据的系统效率最高，为 49.125 件/h.
9 O- r" A& Z4 \& H( V9 g8 X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
$ Z  ]. C; p% z$ ]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
$ C) b. N' Y! G过程。
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
, I3 A( N" A* ?/ \. v3 v4 e/ x256 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
3 r9 R" z0 }/ S; e/ R' b4 c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
, c3 n2 u9 C' U0 b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
! z: q; z# ^/ c' \/ 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 CNC
6 ^6 n% B" E4 F& C3 v% r6 r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
. \- @- b+ t( C0 l, d- c外，所有的调度方案均呈现有规律的循环状态。
9 M" J; e, Q- O/ Q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”
! a6 f7 _( ^3 Q' L! B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
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.
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
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
' R7 C( B) R. K0 d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
2 o3 Z. k5 b4 m9 S) ^' o程系统效率最多下降了 1.875 件/h.
  \0 C( a' t+ ^* Y1 T7 I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
# t( }# R) w- N1 X6 p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
3 U+ h4 H: w: Q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
, O0 T1 C0 c- R1 K的有效性进行验证，增强了模型的说服力。

7 s6 k. g! n9 C; X- n" ^
  ]% Z1 D7 R* U  a) H+ F