智能制造系統(tǒng)多目標車間調度分析

陳賢照

摘?要：車間生產(chǎn)調度是智能制造系統(tǒng)運行的基礎內(nèi)容。以現(xiàn)階段智能制造系統(tǒng)工作情況為基礎，結合近年來車間調度問題的含義及發(fā)展趨勢，明確企業(yè)發(fā)展對智能制造系統(tǒng)的要求，分析智能制造系統(tǒng)多目標車間調度，并分析未來發(fā)展方向，以此持續(xù)優(yōu)化我國企業(yè)的管理水平。

關鍵詞：智能制造系統(tǒng);車間調度;動態(tài)作業(yè);批量生產(chǎn)

作為制造系統(tǒng)的基礎，優(yōu)化生產(chǎn)調度是現(xiàn)代制造技術和管理工作的核心內(nèi)容?，F(xiàn)階段，國際生產(chǎn)工程學會已經(jīng)提出了四十種先進的制造模式，但不管是哪一種都是以優(yōu)化生產(chǎn)調度為核心提出的。因此，要想優(yōu)化我國企業(yè)管理水平，必須要研制出具有我國特色的生產(chǎn)調度技術。因此，下面對智能制造系統(tǒng)多目標車間調度進行研究。

1 智能制造系統(tǒng)的概念

簡單來說，這一內(nèi)容是由智能機器和人類專家共同組成的人機一體化智能系統(tǒng)，其在制造時會以一種高度柔性與集成不高的方式，整合計算機模擬人類專家的智能活動進行研究、判斷及思考，最終取代或延伸制造環(huán)境中人類大腦的活動過程。同時，在實踐運行中，其可以吸收、共享及優(yōu)化人類專家的智能。如下圖所示，其為MES系統(tǒng)構成圖：

2 車間調度問題

2.1 含義

這一內(nèi)容是指，從時間角度合理配備系統(tǒng)中包含的資源，并滿足特定目標提出的要求。其中，在實踐發(fā)展中，最難解的問題是一個特加工零件集合，此時每個零件中有一個工序集合，而每個工序都會引用所需生產(chǎn)資源，并嚴格按照規(guī)定路線進行操作。因此，為了保障實踐工作的有效性，在運行期間各個機床要針對不同要求提出對應工序。在這一過程中，調度的本質在于為零件科學劃分各項資源，且合理設計加工時間，這樣有助于工作在符合制約條件的基礎上，實現(xiàn)指標最優(yōu)化[1]。

2.2 發(fā)展趨勢

現(xiàn)階段，很多車間調度問題都具備NP困難特性，雖然針對這一內(nèi)容的研究歷史已有幾十年，但一直到現(xiàn)如今都沒有提出完善的理論與方法，且兩者存在較大差異。一般情況下，在實踐操作中應用的調度方法雖然可以滿足系統(tǒng)動態(tài)變化，但卻難以獲取良好調度;而部分理論中擁有最優(yōu)調度方法，但因計算較難，且忽視了現(xiàn)實操作中的影響因素，導致兩者之間存在一定區(qū)別。未來有關調度問題的研究會從以下三點入手：其一，集成化;其二，動態(tài)化;其三，高效智能化。

3 智能制造系統(tǒng)多目標車間調度研究

3.1 生產(chǎn)周期-交貨期雙目標

通過在雙向調度方法中添加遺傳算法，可以構建全新的調度算法。在關鍵零件中應用反向調度，可以符合交貨期規(guī)定。相反，在一般零件中應用前向調度法，能在剩余車間資源的保障下盡快完成工作。整合實踐結果分析可知，引用遺傳算法中的全局搜索能力，有助于獲取優(yōu)質調度，且在生產(chǎn)工作中具有優(yōu)越性。

3.2 生產(chǎn)周期-生產(chǎn)費用雙目標

通過融合遺傳算法和小腦模型神經(jīng)網(wǎng)絡，在生產(chǎn)周期-生產(chǎn)費用雙目標調度問題中，可以提出以凈現(xiàn)值為核心的生產(chǎn)費用計算方法。在這一過程中，小腦模型可以全面掌握不同狀態(tài)下獲取的數(shù)據(jù)，并能充分展現(xiàn)各個生產(chǎn)率與生產(chǎn)成本所需的優(yōu)質調度方案。

3.3 多資源多目標作業(yè)

在了解這一調度問題時，要設計一種產(chǎn)生活動調度的啟發(fā)式算法。按照決策人員帶來的模糊偏好信息，科學優(yōu)化多目標遺傳算法，可以讓啟發(fā)式調度算法與革新后的遺傳算法融合到一起，最終獲取一個多目標的遺傳調度算法。通過實踐證明，這一內(nèi)容是具有可行性和現(xiàn)實性的。

3.4 批量生產(chǎn)調度

將控制生產(chǎn)周期看作工作目標，全面分析批量生產(chǎn)作業(yè)中的調度問題，并設計具體算法。一般情況下，在算法中會引用三種對策提升實踐生產(chǎn)率，此時不僅要將零件分為小生產(chǎn)批量，還要對小生產(chǎn)批量進行多次運輸，卻科學劃分批量啟動時間和生產(chǎn)工作時間，最終在零件達到機床前進行準備工作[2]。

3.5 動態(tài)作業(yè)調度

這項工作是指通過構建動態(tài)化的批量生產(chǎn)的多資源多工藝多目標的作業(yè)調度模型，提出對應的調度算法。更為重要的是，要研究設備故障、零件持續(xù)達到等突發(fā)現(xiàn)象，此時可以引用以周期和事件為核心的調度對策，從而保障變化狀態(tài)得到響應。

3.6 調度軟件

現(xiàn)階段，我國已經(jīng)加強了作業(yè)調度軟件開發(fā)力度，且已經(jīng)開始在企業(yè)生產(chǎn)中大量應用。

4 結語

綜上所述，在調度研究越發(fā)深入的背景下，式計算法勢必會與生產(chǎn)實踐相整合，并開始向著智能化和高效化的方向持續(xù)革新。因此，在新時代發(fā)展中，為了滿足智能制造系統(tǒng)發(fā)展需求，必須要增加多目標車間調度研究力度，以此為實踐發(fā)展提供更多依據(jù)。

參考文獻：

[1]彭憶炎，孔建壽，陳軒，等.面向智能制造的作業(yè)車間調度算法研究[J].南京理工大學學報（自然科學版），2017，41（3）：322-329.

[2]金嘉誠，張月霞，戴佐俊.離散車間多目標調度算法探究[J].電腦與電信，2017（12）：10-13.