2018数学建模国赛优秀论文B题-基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型.pdf

基于多原则比较和蒙特卡洛模拟的RGV 动态调度模型 摘要 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， 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 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， 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 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 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 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 256 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 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 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 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。 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 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 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 程系统效率最多下降了1.875 件/h. 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 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 的有效性进行验证，增强了模型的说服力。 关键词 规划模型；多原则比较；蒙特卡洛模拟；机器学习；动态调度 1 1. 问题的重述 现有一个智能加工系统，由8 台CNC、1 辆RGV 以及其他附属设备组成。 RGV 能够根据指令与决策，在水平的轨道上自动控制移动的方向和距离，并通 过机械手爪、机械臂等部件完成“上下料”、“清洗作业”等诸多过程。 对于以下三种情况： ①加工过程包含1 道工序且每台CNC 都可以进行加工； ②加工过程包含2 道工序且每台CNC 只能完成1 道工序； ③某CNC 在加工过程中发生故障，故障需人工排除，且该CNC 上的物料报 废； 考虑完成两个任务：首先，给出一般的模型，并给出模型的求解算法；然后， 检验模型的实用性和算法的有效性，并给出具体调度策略和系统作业效率。 2. 问题的分析 对于情况（1），整个加工系统仅有一个工序。从物料的形态演化过程来看， 生料经过CNC 的加工成为熟料，而熟料经过RGV 的清洗成为成料。从RG