2018数学建模国赛B题.docxVIP

PAGE PAGE 10 RGV 动态调度模型 摘 要：RGV 是智能加工系统的中间环节，控制 RGV 的动态调度也就是控制了智能加工系统的工作流程。需要在四种不同的情况下对 RGV 进行调度分析:单工序、单工序有故障、双工序、双工序无故障。 单工序的情况下建立了三个模型：数学规划模型、单工序分层预测模型、单工序局部最优模型。数学规划模型将第 i 件物料的上料时间、下料时间、CNC 编号等设为自变量，以 RGV 的 15 个初始状态、一台 CNC 上相邻处理的两件物料的上料时间关系等因素作为约束条件，以最后一件物料的上料时间最小为目标函数。但因为求解这种模型的程序时间复杂度较高，准确度较低，又建立了单工序分层预测模型和单工序局部最优模型，用算法模拟该智能加工系统的工作流程。单工序分层预测模型中，RGV 每次判断执行请求的次序时，都会预先模拟系统向下选择两次，找到效率最高的一种方案。单工序局部最优模型是以发出请求的 CNC 与 RGV 之间的距离为衡量指标，优先选择距离最近的请求，如果距离一样，优先选择 CNC 编号为奇数的请求。三种模型的运行结果表明：系统工作效率由高到低依次是数学规划模型、单工序分层预测模型、单工序局部最优模型。但是数学规划模型只能算出前 88 件物料所用时间，8 个小时内可以加工的总物料数目只能推测出来，准确度有待验证。因此判定单工序分层预测模型是三个模型中最优的模型，该模型下得到的第 1 组、 第 2 组、第 3 组在 8 小时内分别可以完成的物料数目为 357 件、364 件、344 件。 单工序有故障的情况下，我们在单工序分层预测模型的基础上进行修改。将 1% 的故障率转化为每秒钟 CNC 发生故障的概率，然后产生一个[10,20]间的随机数作为 CNC 的维修时间，其他算法步骤与无故障的相同。得到的第 1 组、第 2 组、第 3 组在 8 小时内分别可以完成的物料数目为 307 件、336 件、319 件。 双工序的情况下，我们依然采用局部最优模型。与单工序不同的是，双工序模型中，当一个物料加工完第一道工序时，发出的请求不是下料而是加工第二道工序。我们假定在 CNC 加工的 8 小时不可以更改刀具，为了找到将 CNC 分配给第一道工序和第二道工序最合理的方案，我们遍历了所有可能的情况，从中选出系统工作效率最大的一种方案作为最优方案。每组的 CNC 最优安排方案都不止 1 种，为了更好的描述这些方案，我们引入了最优方案矩阵，第 i 行表示第 i 种方案，第 j 列表示 CNC 的编号为 j。最后得到的第 1 组、第 2 组、第 3 组在 8 小时内分别可以完成的物料数目为 251 件、198 件、244 件。 双工序有故障的情况下，每一组从双工序模型中任意挑选一种 CNC 最优安排方案。然后将 1%的故障转化为每件物料在加工过程中产生故障的概率，提前判定是哪些物料在加工过程中会发生故障。在会发生故障的物料的加工时间段里，随机选取一个时间点作为故障开始的时间，然后随机产生一个[10,20]间的数字作为设备维修时间。得到的第 1 组、第 2 组、第 3 组在 8 小时内分别可以完成的物料数目为220 件、191 件、225 件。 关键字：数学规划，分层预测，局部最优，最优方案矩阵 RGV 动态调度模型 一、问题重述 一套智能加工系统由 8 台 CNC、一辆 RGV、一条上料传送带和一条下料传送带组成。其中，RGV 是一种在固定轨道上按照指令移动的智能车，它在这个系统中的功能有：将上料传送带上的生料放置到对应的 CNC 上，将 CNC 已加工好的熟料放入清洗槽中，将清洗好的成料放到下料传送带上。 图 1 智能加工系统示意图 设定以下三种不同情况： 情况 1：每种物料都只需要一道工序加工完成，每台 CNC 安装刀具相同，物料可以在任意一台 CNC 上完成加工。 情况 2：物料需要两道工序加工完成。每台 CNC 在同一时间只能安装一种刀具且只能加工一个物料，每个物料的第一道和第二道工艺不能在相同的 CNC 上完成。 情况 3：考虑 CNC 在加工过程中可能会发生故障的情况（故障概率约为 1%），排除故障包括人工处理和未完成的物料报废两部分，排除故障时间介于 10~20 分钟之间，故障排除后 CNC 可立即开始工作。分别考虑一道工序和两道工序发生故障的情况。 根据以上三种情况，解决下面两个任务： 任务一：建立 RGV 动态调度模型，并给出相应的算法。 任务二：根据表 1 中的三组数据，检验任务一建立的模型的实用性和算法的有效性，并依此给出合理的 RGV 调度策略，并计算出这种策略下智能加工系统的工作效率，将具体结果分别填入附件二的 Excel 中。 表 1： 智 能 加 工