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

% w" r5 F8 o; w% _

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
& m3 [& E, k; a* w, |/ N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 J! `* \5 o6 p1 \; V5 n' C) h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，
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
! y6 s+ B& [. G# a& X- u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
7 a* [' o3 k# _; J: `( m2 M3 `2 ]  s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，
) b+ ?4 {1 |; i" v( I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
! v: j& F1 B. \9 ^, P; s+ W" `法求得局部最优解。
' T" ~' n9 \9 x: ~; Z3 D. m5 d本文选取了“就近原则”——构造时间代价函数，“FIFO 原则”——考虑各
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
$ B3 \9 r' Q9 Y" U  |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
据的系统效率最高，为 49.125 件/h.
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
( l7 l' V# D) ]0 J: a, F! U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
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
( m! G$ Q: v+ U0 N! f7 S256 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 A  w3 w8 h& m( v$ h9 ^0 L( l- n9 ?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
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  d# l# y" L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
7 r* U( h4 ^: F& H1 p3 {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
外，所有的调度方案均呈现有规律的循环状态。
: L$ E% h4 Y8 D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”
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
' R! S! {) N! @5 i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.
6 F4 Z- \# A5 Y. X+ W; X* {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
/ Y0 h" @/ {) {/ 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
) i- j7 A$ j0 y$ `8 j* l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
7 E/ ]- I; o9 n- V% }9 j( m程系统效率最多下降了 1.875 件/h.
; n( G4 d5 q2 N8 _0 @) u1 T6 o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
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
  U+ F8 k- ?9 \* l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
1 _5 j0 |9 J+ x) s! k的有效性进行验证，增强了模型的说服力。

, d" Q/ J. S9 L& I( y4 A7 j6 n' e  L
  p6 l9 n- k+ `4 _4 T8 W
# a% b1 m6 X3 a0 _% U9 W& k