航空復(fù)材生產(chǎn)車(chē)間的智能服務(wù)化排產(chǎn)調(diào)度研究

金航數(shù)碼科技有限責(zé)任公司 孫棋棋

中國(guó)航空工業(yè)集團(tuán)公司基礎(chǔ)技術(shù)研究院 丁謀

復(fù)合材料相比傳統(tǒng)金屬材料來(lái)說(shuō)，具有輕質(zhì)量、高強(qiáng)度、抗疲勞、耐腐蝕、可設(shè)計(jì)性強(qiáng)以及成本低等特點(diǎn)，不僅在航空產(chǎn)品上的應(yīng)用比例越來(lái)越高，而且正在迅速擴(kuò)展到國(guó)民經(jīng)濟(jì)的其他領(lǐng)域。隨著復(fù)合材料的廣泛應(yīng)用和對(duì)復(fù)合材料需求量的快速提升，對(duì)復(fù)合材料零部件的生產(chǎn)提出更高的要求，需要更高效的生產(chǎn)、更優(yōu)良的質(zhì)量及更低廉的成本。復(fù)材生產(chǎn)管理的特點(diǎn)如下。

（1）由于制造過(guò)程多以傳統(tǒng)手工為主，在車(chē)間級(jí)的生產(chǎn)管理多是以人工管理，紙質(zhì)文件傳遞，口頭信息交互，盡管多數(shù)企業(yè)已經(jīng)實(shí)施ERP等企業(yè)管理系統(tǒng)，但是就底層而言，其管理信息化水平偏低。

（2）復(fù)材產(chǎn)品屬于高成本高科技產(chǎn)品，受市場(chǎng)需求的限制，產(chǎn)品型號(hào)變化大，數(shù)量較少。

（3）絕大部分復(fù)合材料零部件的生產(chǎn)需要專(zhuān)用工裝，生產(chǎn)對(duì)工裝依賴(lài)性較強(qiáng)。對(duì)手工生產(chǎn)來(lái)說(shuō)，從下料到鋪疊、固化，都離不了工裝。

（4）受瓶頸資源約束明顯，生產(chǎn)計(jì)劃的制定和作業(yè)過(guò)程的調(diào)度都要以這些瓶頸資源為中心。如大型熱壓罐是高精密設(shè)備，技術(shù)含量較高，大多需要進(jìn)口，價(jià)格極高，因而數(shù)量不多，屬于瓶頸資源。

（5）由于復(fù)材的特殊性，所需的生產(chǎn)材料和輔料通常有保管期，例如膠液等，出庫(kù)入庫(kù)時(shí)間、次數(shù)及剩余可用時(shí)間等都有限制。

航空復(fù)材生產(chǎn)過(guò)程中手工生產(chǎn)、多品種小批量、瓶頸資源顯著等特點(diǎn)，對(duì)于車(chē)間計(jì)劃管理，尤其是現(xiàn)場(chǎng)的作業(yè)計(jì)劃管理來(lái)說(shuō)是巨大的挑戰(zhàn)。本項(xiàng)目以中國(guó)航空工業(yè)集團(tuán)公司基礎(chǔ)技術(shù)研究院復(fù)材中心（以下簡(jiǎn)稱(chēng)“復(fù)材中心”）的零部件車(chē)間作為對(duì)象，針對(duì)航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度困難的問(wèn)題，研究智能服務(wù)排產(chǎn)調(diào)度技術(shù)，開(kāi)展排產(chǎn)調(diào)度服務(wù)化架構(gòu)研究、車(chē)間技術(shù)要素分析和排產(chǎn)調(diào)度算法庫(kù)構(gòu)建工作，提高設(shè)備利用率和生產(chǎn)效率，從而降低生產(chǎn)成本、減少能源消耗。

一、航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度服務(wù)化架構(gòu)

傳統(tǒng)的中央式排產(chǎn)調(diào)度系統(tǒng)（如圖1所示）是一種缺少生產(chǎn)適應(yīng)性的剛性系統(tǒng)，很難適應(yīng)組織分散、決策分散的分布式多品種管理的要求。

圖1 傳統(tǒng)的、中央控制式排產(chǎn)與調(diào)度

多品種、變批量的生產(chǎn)模式是當(dāng)前航空企業(yè)面對(duì)的主要問(wèn)題之一。多品種、變批量的排產(chǎn)與調(diào)度具有不同于傳統(tǒng)集中式調(diào)度的特征：（1）并行性，各類(lèi)產(chǎn)品生產(chǎn)之間的消息傳輸、協(xié)調(diào)中的決策過(guò)程、局部計(jì)劃和調(diào)度以及設(shè)計(jì)與制造過(guò)程都是并行的；（2）分布性，各類(lèi)產(chǎn)品生產(chǎn)在地理上、信息上都是分布的；（3）協(xié)同性，各產(chǎn)品的生產(chǎn)參與者之間必須部分信息共享，存在信息交互的行為。因此，在交叉并行的多品種、變批量生產(chǎn)管理中，必須強(qiáng)調(diào)協(xié)同性與適應(yīng)性，通過(guò)服務(wù)化架構(gòu)解決該類(lèi)排產(chǎn)與調(diào)度問(wèn)題。

賽博物理生產(chǎn)系統(tǒng)（CPPS）呈現(xiàn)出“系統(tǒng)之系統(tǒng)（SoS）”架構(gòu)：在整線(xiàn)級(jí)、區(qū)域級(jí)和站位級(jí)，都要實(shí)現(xiàn)感知、判斷和決策流程的自動(dòng)化，這都需要一個(gè)類(lèi)似大腦的控制中樞。各級(jí)控制中樞的分工不同，需要提供層級(jí)化的智能排產(chǎn)和調(diào)度服務(wù)。基于CPPS的分層設(shè)計(jì)思路，提出了排產(chǎn)與調(diào)度的服務(wù)化架構(gòu)（如圖2所示），用服務(wù)驅(qū)動(dòng)CPPS各層技術(shù)元素的通訊、計(jì)算和控制，實(shí)現(xiàn)生產(chǎn)系統(tǒng)智能化的提升，該架構(gòu)具有敏捷、靈活與實(shí)時(shí)的特點(diǎn)，一方面可以實(shí)現(xiàn)代理Agent分布式自主決策，另一方面各個(gè)代理Agent之間可以協(xié)同工作。但是純扁平化的服務(wù)化架構(gòu)只能保證局部?jī)?yōu)化，難以達(dá)到整體最優(yōu)。因此，本項(xiàng)目的排產(chǎn)與調(diào)度服務(wù)化架構(gòu)分為三層，即車(chē)間級(jí)、單元級(jí)/生產(chǎn)線(xiàn)和工位級(jí)。根據(jù)計(jì)劃層級(jí)不同，響應(yīng)時(shí)間的要求也不同，比如生產(chǎn)規(guī)劃（對(duì)應(yīng)車(chē)間級(jí)）的響應(yīng)時(shí)間超過(guò)8小時(shí)，作業(yè)計(jì)劃（對(duì)應(yīng)單元級(jí)）的響應(yīng)時(shí)間要在8小時(shí)之內(nèi)，而響應(yīng)式調(diào)度（對(duì)應(yīng)工位級(jí)）對(duì)時(shí)效性要求更高，需要在3分鐘內(nèi)進(jìn)行響應(yīng)。每一層級(jí)包含各類(lèi)業(yè)務(wù)代理Agent，提供相關(guān)業(yè)務(wù)服務(wù)，可以被業(yè)務(wù)活動(dòng)所調(diào)用；此外，還包含一個(gè)總代理Agent，進(jìn)行各層級(jí)之間的溝通與協(xié)同。

圖2 排產(chǎn)與調(diào)度的服務(wù)化架構(gòu)

以物料的準(zhǔn)時(shí)配送為例，在車(chē)間級(jí)，通過(guò)生產(chǎn)準(zhǔn)備服務(wù)調(diào)用，完成生產(chǎn)準(zhǔn)備計(jì)劃編制，其中包含物料配送計(jì)劃，即何時(shí)完成物料配送；在單元級(jí)，通過(guò)配送指令服務(wù)調(diào)用，完成物料配送指令編制，即何時(shí)進(jìn)行何種物料配套，何時(shí)配送物料到何地，由何人配送，通過(guò)何種設(shè)備配送。最后，在工位級(jí)，通過(guò)物流驅(qū)動(dòng)服務(wù)調(diào)用，由AGV小車(chē)自動(dòng)完成物料配送。至此，物料準(zhǔn)時(shí)配送過(guò)程完成。當(dāng)生產(chǎn)過(guò)程中遇到異常情況，如任務(wù)插單、設(shè)備故障和質(zhì)量事故等，通過(guò)各層級(jí)代理Agent的溝通與協(xié)同，分析異常情況對(duì)物料配送的影響，通過(guò)生產(chǎn)準(zhǔn)備服務(wù)、配送指令服務(wù)調(diào)用，完成生產(chǎn)準(zhǔn)備計(jì)劃調(diào)整和物料配送指令調(diào)整，并通過(guò)物流驅(qū)動(dòng)服務(wù)調(diào)用，由AGV小車(chē)執(zhí)行調(diào)整后的配送指令。

二、航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度要素分析

進(jìn)行質(zhì)量異常影響因素分析時(shí)，經(jīng)常使用5M1E分析法，如圖3所示，5M即是人員(Man)、機(jī)器(Machine)、物料(Material)、方法(Method)、測(cè)量(Measurement)，1E即是環(huán)境(Environment)。

圖3 5M1E分析法

在這里，本項(xiàng)目借用5M1E分析法對(duì)車(chē)間要素進(jìn)行分析，與傳統(tǒng)排產(chǎn)調(diào)度主要考慮設(shè)備因素不同，智能排產(chǎn)調(diào)度在考慮車(chē)間要素時(shí)一方面更加全面，除設(shè)備外，還要考慮物料、人員和工裝工具等因素；另一方面更加精細(xì)，比如設(shè)備細(xì)分為加工設(shè)備、檢測(cè)設(shè)備以及物流設(shè)備等，又如物料細(xì)分為原材料、在制品與成品等。具體的分析內(nèi)容如表1所示。

三、航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度算法庫(kù)構(gòu)建

在已有的理論研究和企業(yè)應(yīng)用基礎(chǔ)上，總結(jié)了六類(lèi)常用排產(chǎn)算法，包括基于規(guī)則的排產(chǎn)算法、約束理論、模擬退火算法、禁忌搜索算法和遺傳算法。通過(guò)分析各類(lèi)算法的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)景，構(gòu)建航空復(fù)雜制造環(huán)境的排產(chǎn)與調(diào)度的算法庫(kù)，便于在不同的生產(chǎn)環(huán)境中選用合適的算法，以提升排產(chǎn)效率并獲得最優(yōu)排產(chǎn)方案。接下來(lái)對(duì)各種排產(chǎn)算法進(jìn)行說(shuō)明。

表1 傳統(tǒng)排產(chǎn)調(diào)度與智能排產(chǎn)調(diào)度考慮車(chē)間要素對(duì)比

（1）基于規(guī)則的排產(chǎn)算法?；谝?guī)則的排產(chǎn)算法即是運(yùn)用已有規(guī)則對(duì)工序任務(wù)進(jìn)行排序，排序靠前的工序任務(wù)優(yōu)先安排資源（包括原材料、設(shè)備、工裝等），后續(xù)工序任務(wù)則依次分配未被占用的資源，直到所有工序任務(wù)排完。該算法中常用的規(guī)則如表2所示。

表2 常用的排產(chǎn)規(guī)則

基于規(guī)則的排產(chǎn)算法實(shí)現(xiàn)較簡(jiǎn)單，思想易于理解，而且無(wú)須搜索、枚舉等。但不足的是，通過(guò)該算法獲得的是可行解，而不是最優(yōu)解。該算法適用于車(chē)間初步應(yīng)用排產(chǎn)系統(tǒng)時(shí)，其原理簡(jiǎn)單，且能積累重要的基礎(chǔ)數(shù)據(jù)。

（2）約束理論。約束理論（Theory of Constraint，TOC）是以色列物理學(xué)家、企業(yè)管理顧問(wèn)戈德拉特博士在他開(kāi)創(chuàng)的優(yōu)化生產(chǎn)技術(shù)（Optimized Production Technology， OPT）基礎(chǔ)上發(fā)展起來(lái)的管理方法，可以幫助企業(yè)識(shí)別出在實(shí)現(xiàn)目標(biāo)的過(guò)程中存在著哪些制約因素，并進(jìn)一步指出如何實(shí)施消除這些約束，從而更有效地實(shí)現(xiàn)企業(yè)目標(biāo)。在制造系統(tǒng)中應(yīng)用約束理論制定生產(chǎn)計(jì)劃，其所涉及到的關(guān)鍵技術(shù)和步驟包含以下三個(gè)方面：①瓶頸資源識(shí)別。對(duì)于制造系統(tǒng)，瓶頸資源就是指那些生產(chǎn)任務(wù)量大于其生產(chǎn)能力的設(shè)備/制造單元。②瓶頸資源排產(chǎn)。為保證瓶頸資源的充分利用，需按照生產(chǎn)訂單的重要、緊急程度對(duì)瓶頸資源上的生產(chǎn)任務(wù)按照一定規(guī)則、合理的批量進(jìn)行排序。③推拉結(jié)合排產(chǎn)。選取合適的批量，瓶頸資源之前的工序按照“拉動(dòng)”方式進(jìn)行，瓶頸資源之后的工序按照“推動(dòng)”方式進(jìn)行，完成計(jì)劃期內(nèi)所有任務(wù)的排產(chǎn)。

約束理論考慮到現(xiàn)實(shí)中的各種約束，更貼近實(shí)際應(yīng)用，易于理解；當(dāng)約束較少時(shí)可得到較好結(jié)果，即存在較少可行解，可直接得到最優(yōu)解。該算法的不足之處在于約束形式的多樣性要求優(yōu)化規(guī)則庫(kù)的規(guī)模較大；當(dāng)約束較松弛時(shí)無(wú)法獲得較小子問(wèn)題，需要結(jié)合其他優(yōu)化算法解決；功能限于縮小原始問(wèn)題，無(wú)法保證得到最優(yōu)解。該算法適用偏宏觀(guān)排產(chǎn)，建議在生產(chǎn)過(guò)程中瓶頸資源種類(lèi)較少且明確時(shí)選用。

（3）模擬退火算法。模擬退火算法(Simulated Annealing， SA)是基于熱力學(xué)原理建立的一種隨機(jī)搜索算法，顧名思義模擬退火算法的基本思想源于熱力學(xué)固體物質(zhì)退火過(guò)程與組合優(yōu)化問(wèn)題的相似性，由一較高初始溫度開(kāi)始，利用具有概率突跳特性的Metrpolis抽樣策略在解空間中進(jìn)行隨機(jī)搜索，伴隨溫度的不斷下降重復(fù)抽樣過(guò)程，最終得到問(wèn)題的全局最優(yōu)解。

這種算法由于能針對(duì)具有NP復(fù)雜性的問(wèn)題提供有效地近似求解算法，并且克服了優(yōu)化過(guò)程中會(huì)陷入局部極小和對(duì)初值依賴(lài)性的問(wèn)題，在工程中得到了廣泛的應(yīng)用，而且模擬退火算法的實(shí)驗(yàn)性能具有質(zhì)量高、初值魯棒性強(qiáng)、通用易實(shí)現(xiàn)的優(yōu)點(diǎn)。但由于SA算法通常要求足夠多的抽樣，因而優(yōu)化的過(guò)程較長(zhǎng)，這也是SA算法最大的缺點(diǎn)，同時(shí)SA算法全局收斂時(shí)間性能差等缺陷。該算法適用于產(chǎn)品的品種較少、批量較大的生產(chǎn)車(chē)間。

（4）禁忌搜索算法。禁忌搜索算法(Tabu Search，TS)是在傳統(tǒng)的局部搜索算法基礎(chǔ)上引入禁忌技術(shù)而產(chǎn)生的一種基于鄰域的尋優(yōu)方法。由于傳統(tǒng)的局部搜索算法只能沿目標(biāo)函數(shù)值下降的方式進(jìn)行搜索，所以對(duì)于較復(fù)雜的優(yōu)化問(wèn)題容易陷入局部最優(yōu)解而無(wú)法得到全局最優(yōu)解。禁忌搜索算法通過(guò)建立一個(gè)可記錄L個(gè)禁忌對(duì)象的禁忌表T（禁忌表長(zhǎng)度設(shè)為T(mén)），表中的禁忌對(duì)象為已搜索過(guò)的局部最優(yōu)解或可能的局部最優(yōu)解，在搜索算法迭代的過(guò)程中通過(guò)避開(kāi)禁忌表中的禁忌對(duì)象，從而可以獲取更廣泛的解空間，使算法不易陷入局部極值點(diǎn)，進(jìn)而提高算法的搜索性能。

禁忌搜索算法相比于其他傳統(tǒng)搜索算法由于在搜索過(guò)程中可以接受劣質(zhì)解，因此具有較強(qiáng)的“爬山”能力；同時(shí)因其不是沿目標(biāo)函數(shù)值方向進(jìn)行搜索，故獲取最優(yōu)解的幾率更大，所以禁忌搜索算法是一種局部搜索能力很強(qiáng)的全局迭代尋優(yōu)算法。但是禁忌搜索也有明顯的不足，即對(duì)初始解的依賴(lài)性較強(qiáng)，好的初始解有助于搜索很快的達(dá)到最優(yōu)解，而較差的初始解往往會(huì)使搜索很難或不能夠達(dá)到最優(yōu)解；而且迭代搜索過(guò)程是串行的，僅是單一狀態(tài)的移動(dòng)，而非并行搜索，這使得搜索地效率不夠高。該算法適用范圍較大，但處理速率較慢，建議對(duì)調(diào)度響應(yīng)時(shí)間不敏感的生產(chǎn)車(chē)間選用。

（5）遺傳算法。遺傳算法就是一類(lèi)模擬生物在自然界的遺傳和進(jìn)化過(guò)程的隨機(jī)搜索算法，它的基本思想是：按照達(dá)爾文(Darwin)的自然選擇原理，個(gè)體在其生殖繁衍的過(guò)程中會(huì)不斷的得到進(jìn)化，在進(jìn)化的過(guò)程中每個(gè)個(gè)體對(duì)于自然選擇要求的適應(yīng)程度是不同的，根據(jù)適者生存的道理，適應(yīng)度低的個(gè)體將會(huì)被淘汰，而適應(yīng)度高的個(gè)體則會(huì)繼續(xù)進(jìn)行進(jìn)化繁衍，直到得出適應(yīng)度最高的個(gè)體。遺傳算法主要由染色體編碼、種群的初始化、染色體的交叉及變異、優(yōu)質(zhì)染色體的選擇等操作來(lái)完成。

遺傳算法對(duì)問(wèn)題領(lǐng)域本身的限制較少，具有很強(qiáng)的通用搜索能力；搜索從群體出發(fā)，具有潛在的并行性，可以進(jìn)行多個(gè)個(gè)體的同時(shí)比較；搜索使用評(píng)價(jià)函數(shù)啟發(fā)，過(guò)程簡(jiǎn)單且適用性強(qiáng)；使用概率機(jī)制進(jìn)行迭代，具有隨機(jī)性；可擴(kuò)展性強(qiáng)，容易與其他算法進(jìn)行有效的結(jié)合。但是遺傳算法也有其局限性，一是群體規(guī)模要求高，重復(fù)分析次數(shù)過(guò)多，導(dǎo)致搜索速度較慢；二是該算法對(duì)初始種群的選擇有一定的依賴(lài)性，同時(shí)有些參數(shù)的選擇過(guò)于依靠經(jīng)驗(yàn)；三是局部搜索能力不足，易出現(xiàn)早熟收斂和隨機(jī)漫游等現(xiàn)象。該算法適用范圍較大，適用于工藝較為復(fù)雜、涉及資源較多的生產(chǎn)車(chē)間，可與其它方法組合使用。

（6）算法庫(kù)的構(gòu)建，建立算法與典型運(yùn)行場(chǎng)景的映射機(jī)制。通過(guò)以上對(duì)各類(lèi)算法的研究與分析，包括各類(lèi)算法的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)景，構(gòu)建航空復(fù)雜制造環(huán)境的排產(chǎn)與調(diào)度的算法庫(kù)，建立排產(chǎn)算法與復(fù)雜制造環(huán)境之間映射關(guān)系，便于在不同的復(fù)雜生產(chǎn)環(huán)境中選用合適的排產(chǎn)算法，以提升排產(chǎn)效率并獲得最優(yōu)排產(chǎn)方案。

四、研究意義

針對(duì)航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度困難的問(wèn)題，突破服務(wù)化架構(gòu)技術(shù)，以航空復(fù)材中心零部件車(chē)間為應(yīng)用對(duì)象，開(kāi)展排產(chǎn)調(diào)度服務(wù)化架構(gòu)研究、車(chē)間技術(shù)要素分析工作，具有如下的重要意義。

（1）實(shí)現(xiàn)復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度的服務(wù)化應(yīng)用。傳統(tǒng)的、中央式排產(chǎn)調(diào)度系統(tǒng)是一種缺少生產(chǎn)適應(yīng)性的剛性系統(tǒng)，很難適應(yīng)組織分散、決策分散的分布式多品種管理的要求。多品種、變批量的排產(chǎn)與調(diào)度具有不同于傳統(tǒng)集中式調(diào)度，需要建立分布式服務(wù)化架構(gòu)，一方面可以實(shí)現(xiàn)代理Agent分布式自主決策，另一方面各個(gè)代理Agent之間可以協(xié)同工作，從而提升排產(chǎn)與調(diào)度的服務(wù)效率。

（2）實(shí)現(xiàn)復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度要素的多元化分析。根據(jù)業(yè)務(wù)需求，對(duì)智能服務(wù)化排產(chǎn)與調(diào)度的要素進(jìn)行詳細(xì)分析，依據(jù)制造系統(tǒng)的分層架構(gòu)，逐層分析和判斷各要素對(duì)制造系統(tǒng)的影響，有選擇的保留對(duì)制造系統(tǒng)有重要影響的要素，忽略影響較小的要素。明確智能服務(wù)化排產(chǎn)與調(diào)度的要素，通過(guò)物聯(lián)網(wǎng)將車(chē)間各要素進(jìn)行關(guān)聯(lián)，包括設(shè)備、物料、工裝工具、人員等，實(shí)現(xiàn)各要素狀態(tài)可感知、數(shù)據(jù)可采集以及過(guò)程可監(jiān)控。

（3）通過(guò)排產(chǎn)調(diào)度算法庫(kù)構(gòu)建，實(shí)現(xiàn)智能服務(wù)化排產(chǎn)調(diào)度向同行業(yè)推廣。在已有的理論研究和企業(yè)應(yīng)用基礎(chǔ)上，總結(jié)了六類(lèi)常用排產(chǎn)算法，包括基于規(guī)則的排產(chǎn)算法、約束理論、模擬退火算法、禁忌搜索算法和遺傳算法。通過(guò)分析各類(lèi)算法的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)景，構(gòu)建航空復(fù)材生產(chǎn)車(chē)間排產(chǎn)調(diào)度算法庫(kù)，便于在不同的生產(chǎn)環(huán)境中選用合適的算法，以提升排產(chǎn)效率并獲得最優(yōu)排產(chǎn)方案。