1.2.6 车间生产调度

当前全球化竞争形势下，快速响应市场变化、满足用户个性化定制需求、缩短产品上市周期、实现产品制造与服务融合是制造企业提升市场竞争力和实现价值创造的重要手段，在此背景下，面向多品种变批量的柔性化混线生产成为制造企业的主要生产模式之一。生产调度是企业生产过程中的核心问题，对企业加工效率、产品质量客户满意度以及经济利益的提升、对制造业的发展及智慧工业战略实施具有重大意义。生产调度主要研究车间加工机器以及加工任务，以生产为中心，通过分析如加工时间、交货时间、机器负载等实际加工需求，为工序合理地安排加工机器并确定加工顺序，最终满足加工需求并使得整个加工方案及加工流程得到优化，并实现智能化管理。

目前，复杂离散制造车间主要采用自上而下、集中式和计划式的车间运行模式。复杂离散制造车间多面向订单生产，其在运行过程中具有动态性和随机性强、不确定因素多等特点，因此生产异常频繁出现。当前这种计划式和集中式的传统车间运行模式最大的弊端是不能实现复杂离散制造车间现场生产异常的实时响应和动态调度，导致决策不及时、计划不可用、管控效率低等问题。为应对频发的生产异常，国内外学者进行了很多相关研究。在静态调度方面，学者们提出了基于模糊逻辑的预测调度、鲁棒性调度等方法来提高调度方案的抗干扰能力（包括零件加工时间的扰动、物料到达时间的不确定、设备健康状态的动态性、工艺路线的柔性等），从而降低动态调度的发生频率。然而，静态调度以损失一定的生产效率为前提，在多品种、小批量、定制化产品制造车间中的应用效果并不明显。由于车间运行环境具有复杂性、动态性和不确定性等特点，生产异常仍然过于频繁，调度和决策的实时性问题仍没有被很好地解决。在20世纪90年代前后，有部分学者提出基于多智能体（Agent）技术的动态调度方法，其采用分布式的自治架构（Autonomous Architectures）或中介架构（Mediator Architectures），通过任务Agent、单元（或资源）Agent和事件Agent之间的通信、交互、合作、博弈以及决策，实现事件驱动的任务、资源的匹配、组合和优化，从而快速解决生产异常，为实现事件驱动的实时调度和运行优化提供了一种非常有效的手段。Wang等提出了主动调度的概念，阐述了主动调度与被动调度在定义、调度元素关系和运行模式等方面的区别，并指出其主要特征是开发了设备（资源）实体和工件（任务）实体的主观能动性。Zhang等构建了基于Agent和信息物理系统（CPS）的智能车间（Intelligent Shop-Floor）体系架构，开发了基于Agent的智能车间CPS来实现上述功能模型，并应用灰度关联分析和分层冲突解决方法实现了智能车间的自组织及自适应。Zhang等提出了基于游戏理论的双层调度方法，不再采用传统的重调度方式解决异常，而是通过工序与机器的自主交互对异常进行实时处理，从而实现事件驱动的车间动态实时调度。

上述研究成果借鉴了多Agent思想和人工智能技术，通过赋予任务（或工序）实体/集合和制造资源（或设备）实体/集合以智能化，通过两者之间进行通信、交互与自主决策，实现任务—资源的快速匹配与组合，以及任务—资源的自组织和自适应、生产异常的实时处理等，有力地推动了“工业4.0”下智能车间的发展和实现。然而，基于多Agent的车间调度方法较少考虑资源Agent和资源Agent之间的自主交互与协同决策，同时由于所求得的解是局部解，有时难以保证解的全局性，且现有研究只考虑了智能车间本身，并未涉及智能车间对外的协同和扩展问题。因此这种技术思路成为未来发展趋势的论述还有待论证。