【数学建模】2018年B题

智能RGV的动态调度策略

图1是一个智能加工系统的示意图，由8台计算机数控机床（Computer Number Controller，CNC）、1辆轨道式自动引导车（Rail Guide Vehicle，RGV）、1条RGV直线轨道、1条上料传送带、1条下料传送带等附属设备组成。RGV是一种无人驾驶、能在固定轨道上自由运行的智能车。它根据指令能自动控制移动方向和距离，并自带一个机械手臂、两只机械手爪和物料清洗槽，能够完成上下料及清洗物料等作业任务（参见附件1）。

图1：智能加工系统示意图
针对下面的三种具体情况：
（1）一道工序的物料加工作业情况，每台CNC安装同样的刀具，物料可以在任一台CNC上加工完成；
（2）两道工序的物料加工作业情况，每个物料的第一和第二道工序分别由两台不同的CNC依次加工完成；
（3）CNC在加工过程中可能发生故障（据统计：故障的发生概率约为1%）的情况，每次故障排除（人工处理，未完成的物料报废）时间介于10~20分钟之间，故障排除后即刻加入作业序列。要求分别考虑一道工序和两道工序的物料加工作业情况。
请你们团队完成下列两项任务：
任务1：对一般问题进行研究，给出RGV动态调度模型和相应的求解算法；
任务2：利用表1中系统作业参数的3组数据分别检验模型的实用性和算法的有效性，给出RGV的调度策略和系统的作业效率，并将具体的结果分别填入附件2的EXCEL表中。

赛题及附件下载地址：http://www.mcm.edu.cn/upload_cn/node/494/lcGi8NeCd14458641de55ec1d705ea01714ff2dd.rar

问题初想法&一些问题

\quad\quad 感觉这道题目偏向算法设计，是照顾计算机、软件系出的一道算法题。
\quad\quad 针对第一种情况，相对比较简单。从RGV方面进行分析，其状态转换流程为：等待状态 -> 移动到某CNC -> 上下料 -> 清洗 -> 等待状态。从CNC方面分析，其可处于两个状态—工作状态和不工作状态，所以针对每个CNC可以设定一个剩余工作时间$T_i$。分析到这里我们很容易就可以找到一种方法—贪心方法。RGV每次选择第 i ∣ m i n { m a x { T i , T m o v e ( i ) } } i | min\{max\{T_i , T_{move(i)}\}\} i∣min{max{Ti​,Tmove(i)​}}个CNC上下料。循环8小时，得到结果即为所求。所以针对第一问，效率如何得到？采用什么量衡量效果？
\quad\quad 针对第二种情况，变复杂了一些。此时，从RGV方面进行分析，RGV状态转换流程发生了微妙的改变：等待状态 -> 移动到某第一类CNC -> 上下料 ->移动到某第二类CNC-> 上下料 -> 清洗 -> 等待状态。需要解决的首要问题是如何分配这两道工序？
\quad\quad 针对第三种情况，这个时候明显要引入随机概率因子$p_i$，若$p_i<0.01$则代表第i太机器损坏，这个时候再进行异常处理。

寻找答案

B334

\quad\quad 在解题开始前，他们做了一个比较新颖的工作——证明。为后文的效率衡量以及第二种情况的最优分配策略作了铺垫。
\quad\quad 针对第一种情况，他们通过建立最优状态转移图模型实现问题的求解。非常核心的一点是建立起状态向量，即为每一个状态各个属性（时间、RGV位置、每个CNC距离当前任务结束的时间、当前处理零件数）。每个状态对应的下一个状态有8种选择：RGV给哪个CNC换料。并且建立约束条件：RGV 一定能够回到原点、工作在八小时内完成。（其余第一个第二个我认为已经包含在状态转化的过程当中了）。然后目标函数是求出最大的处理零件数。至于求解算法，和我所提出的算法几乎完全一致。然后，利用最大理论工作量求出工作效率（利用了之前的证明）。
\quad\quad 针对第二种情况，由于上下料的时间和加工时间都远远大于RGV移动的时间，因此，他们认为CNC工序分配的数量问题要比CNC分配位置问题要重要。他们忽略了CNC分配的位置问题。他们利用第一问的模型，为其加上了新约束：第一类RGV上换料的时候不经过清洗工作且下一步必须是第二道工序。求解过程同第一种情况。针对不同比例的第一道工序CNC和第二道工序CNC，分别进行了计算，最终发现最优分配与第一道工序与第二道工序的时间成反比，侧面验证了他们的证明。
\quad\quad 针对第三种情况，他们引入了概率因子P。若机器发生故障则进行异常处理。模型同情况一、情况二的模型。