基于內(nèi)分泌調(diào)節(jié)原理的制造任務(wù)與資源動態(tài)協(xié)調(diào)機制研究

顧文斌　唐敦兵　鄭　堃

1.南京航空航天大學(xué)，南京，210016　　2.河海大學(xué)，常州，213022

基于內(nèi)分泌調(diào)節(jié)原理的制造任務(wù)與資源動態(tài)協(xié)調(diào)機制研究

顧文斌1,2唐敦兵1鄭堃1

1.南京航空航天大學(xué)，南京，2100162.河海大學(xué)，常州，213022

針對制造系統(tǒng)在動態(tài)環(huán)境下的任務(wù)與資源協(xié)調(diào)優(yōu)化問題，在保證按時完工的前提下，分析了制造任務(wù)與資源協(xié)調(diào)優(yōu)化過程，建立了數(shù)學(xué)模型。受人體內(nèi)分泌調(diào)節(jié)機制的啟發(fā)，設(shè)計了兩種可以相互影響的激素(任務(wù)相關(guān)激素和資源相關(guān)激素)，同時，考慮到突發(fā)事件對制造系統(tǒng)工作性能的影響，提出了基于激素的資源與任務(wù)的動態(tài)協(xié)調(diào)算法。實例驗證表明，該算法切實可行，具有任務(wù)分配質(zhì)量高、動態(tài)協(xié)調(diào)性能好、協(xié)調(diào)過程通信量小、控制系統(tǒng)魯棒性較好等優(yōu)點。

制造系統(tǒng)；任務(wù)與資源；內(nèi)分泌調(diào)節(jié)機制；動態(tài)協(xié)調(diào)

0　引言

隨著市場全球化趨勢的發(fā)展，客戶對制造企業(yè)的要求越來越高；個性化和多樣化的市場需求也使得制造系統(tǒng)所面臨的運行環(huán)境變得更加復(fù)雜，各種不確定性因素充斥其中，如中途插入的緊急訂單、動態(tài)變更的生產(chǎn)任務(wù)、突發(fā)故障的制造設(shè)備等。為了應(yīng)對這些挑戰(zhàn)，現(xiàn)代制造系統(tǒng)的規(guī)模變得越來越大，其控制結(jié)構(gòu)也愈發(fā)復(fù)雜。因此，現(xiàn)代制造系統(tǒng)需要一種良好的協(xié)調(diào)優(yōu)化機制，能夠在滿足制造環(huán)境中各種約束(如制造設(shè)備負(fù)載率、產(chǎn)品加工成本、交貨期等)的前提下，快速準(zhǔn)確地響應(yīng)這些不確定性因素，使得制造系統(tǒng)中的制造資源與生產(chǎn)任務(wù)能夠快速地得到合理的優(yōu)化配置，從而提高制造系統(tǒng)的生產(chǎn)效率[1]。

近些年來，國內(nèi)外眾多學(xué)者針對制造系統(tǒng)任務(wù)與制造資源之間的協(xié)調(diào)優(yōu)化問題進行了深入研究，并取得了很多研究成果。文獻[2]利用禁忌搜索算法對平行機多工廠供應(yīng)鏈協(xié)調(diào)調(diào)度問題進行了研究。文獻[3]提出了拉格朗日松弛法(lagrangian relaxation，LR)與列生成法相混合的算法，對并行機實時調(diào)度問題進行了求解，獲得了較好的收斂性能。文獻[4]應(yīng)用LR算法對雙機流水線的生產(chǎn)調(diào)度問題進行了任務(wù)協(xié)調(diào)優(yōu)化研究。文獻[5]利用Petri Net(PN)對分布式離散系統(tǒng)的協(xié)調(diào)控制機制進行了建模分析，并對其控制性能進行了對比評價。文獻[6]利用Petri Net對多機器人系統(tǒng)的分布協(xié)作進行了建模分析。文獻[7]利用基于合同網(wǎng)協(xié)議(contract net protocol，CNP)的協(xié)調(diào)算法對多Agent系統(tǒng)中的任務(wù)協(xié)調(diào)控制問題進行了研究，使控制系統(tǒng)的效率和性能得到一定程度的提高。隨著制造系統(tǒng)運行環(huán)境的復(fù)雜化和動態(tài)化，基于CNP的協(xié)調(diào)機制在進行決策的過程中，會不可避免地出現(xiàn)信息交互量大、易死鎖等現(xiàn)象[8-9]，且控制過程中計算量大、決策效率低。

近年來，隨著人工智能研究領(lǐng)域的拓展與深入，人體信息處理機制逐漸成為一個新的研究熱點，其系統(tǒng)結(jié)構(gòu)、功能及其調(diào)控機制的多樣性、復(fù)雜性、可靠性、適應(yīng)性和高效性等值得我們在研究制造系統(tǒng)時進行借鑒和參考。而內(nèi)分泌系統(tǒng)更是人體信息處理系統(tǒng)中的核心部分，其復(fù)雜和獨特的信息處理機制可以給予研究者很多啟發(fā)。這種基于內(nèi)分泌隱式調(diào)節(jié)原理的協(xié)調(diào)機制的通信量小、協(xié)調(diào)過程簡單，易實現(xiàn)快速同步協(xié)調(diào)與合作，從而可以達(dá)到全局優(yōu)化的目的[10]?；诖?，本文設(shè)計了一種基于內(nèi)分泌調(diào)節(jié)原理的協(xié)調(diào)優(yōu)化算法，對生產(chǎn)任務(wù)進行實時優(yōu)化分配，能夠針對各種突發(fā)事件進行快速反應(yīng)，使得資源得到合理利用，最后，通過實例驗證了本算法的可行性和有效性。

1　基于內(nèi)分泌調(diào)節(jié)原理的動態(tài)協(xié)調(diào)機制

人體自我調(diào)控系統(tǒng)是一個非常復(fù)雜的生理系統(tǒng)，機體內(nèi)部存在許多不同的調(diào)節(jié)系統(tǒng)，各自均具有不同的生理功能，但它們皆受“神經(jīng)-內(nèi)分泌”調(diào)節(jié)系統(tǒng)的支配，并且“神經(jīng)-內(nèi)分泌”這兩大系統(tǒng)相互之間也存在復(fù)雜的雙向調(diào)節(jié)機制，具有很好的自適應(yīng)性和穩(wěn)定性。生物內(nèi)分泌系統(tǒng)是一個由多種可以相互影響的內(nèi)分泌細(xì)胞所構(gòu)成的復(fù)雜的生理網(wǎng)絡(luò)，其中的各種內(nèi)分泌細(xì)胞構(gòu)成了網(wǎng)絡(luò)節(jié)點，節(jié)點之間的相互聯(lián)系則是通過內(nèi)分泌細(xì)胞合成、傳遞并響應(yīng)各種激素信號來實現(xiàn)的。在制造業(yè)日趨信息化而生命科學(xué)走向工程化的今天，制造系統(tǒng)與生物系統(tǒng)之間的相似性變得愈發(fā)明顯與突出，兩種系統(tǒng)之間的相互借鑒、啟發(fā)和促進的作用也顯得愈發(fā)必要。在現(xiàn)代制造系統(tǒng)規(guī)模越來越大，控制結(jié)構(gòu)越來越復(fù)雜的情況下，如何尋找一種合理的快速響應(yīng)制造環(huán)境變化的協(xié)調(diào)處理方法，以有效提升制造系統(tǒng)的快速響應(yīng)、自我調(diào)節(jié)能力以及系統(tǒng)整體的魯棒性也越來越被人們重視。

最早研究“神經(jīng)-內(nèi)分泌”調(diào)節(jié)系統(tǒng)關(guān)系，并借鑒其機制的學(xué)者是Neal和Timmis，他們于2003年提出了結(jié)合神經(jīng)網(wǎng)絡(luò)的人工內(nèi)分泌網(wǎng)絡(luò)模型[11]。在該模型中，人工神經(jīng)網(wǎng)絡(luò)為前饋神經(jīng)網(wǎng)絡(luò)，負(fù)責(zé)接受外界刺激，并通過運算輸出給內(nèi)部的人工內(nèi)分泌調(diào)節(jié)模型，不同的刺激由不同的內(nèi)分泌腺體接受，然后產(chǎn)生不同數(shù)量的激素。激素可以和神經(jīng)元以不同的親和度結(jié)合，從而調(diào)節(jié)最后的神經(jīng)元輸出。其中，激素分泌的調(diào)節(jié)公式為

(1)

Jg(t+1)=β Jg(t)

(2)

式中，Jg(t)為t時刻激素g的濃度；αg為激素g的分泌速率系數(shù)；N為內(nèi)分泌系統(tǒng)所接受的外部刺激的個數(shù)；Xi為第i個外部刺激；β為激素衰減系數(shù)，其取值范圍為0<β<1。

式(1)表示激素分泌過程，式(2)表示分泌后的激素遞減規(guī)律。

受人體內(nèi)分泌機制與該模型的啟發(fā)，本文針對制造系統(tǒng)的任務(wù)與資源協(xié)調(diào)優(yōu)化模型，設(shè)計了基于內(nèi)分泌調(diào)節(jié)原理的制造系統(tǒng)任務(wù)與資源動態(tài)協(xié)調(diào)算法。

2　制造系統(tǒng)中生產(chǎn)任務(wù)與資源協(xié)調(diào)優(yōu)化模型

在離散式分布制造系統(tǒng)的生產(chǎn)模式下，制造企業(yè)的生產(chǎn)任務(wù)一般都同時存在多個可供選擇工藝路線，加工任務(wù)的各個工序往往需要在多種可用制造資源中進行選擇。那么，生產(chǎn)企業(yè)需在滿足交貨期的前提下，合理地選擇制造資源和分配加工任務(wù)，以使最終的生產(chǎn)成本最低。

基于此，本文所研究的制造系統(tǒng)生產(chǎn)任務(wù)與制造資源協(xié)調(diào)優(yōu)化問題可以描述為：數(shù)量為Np的代加工工件p，將其中的加工任務(wù)進行工藝分解后，可以得到一個如圖1所示的多工藝路線的加工任務(wù)與制造資源對應(yīng)的可選資源工序有向圖，其中，Tpi表示工件p的第i條可執(zhí)行工藝路線；Sp表示針對工件p的加工中可用的制造資源。為此，本文以生產(chǎn)成本最小為目標(biāo)建立了制造系統(tǒng)任務(wù)與資源協(xié)調(diào)模型：

minCtotal(p)=Cp(p)+CT(p)

(3)

(4)

(5)

(6)

(7)

式中，Ctotal(p)為總生產(chǎn)成本；Cp(p) 為工件加工費用；CT(p) 為工件運輸費用；Crp為在工藝路線rp上單個工件p的生產(chǎn)成本；Nrp為在工藝路線rp上工件p的生產(chǎn)數(shù)量；CT,rp為在工藝路線rp上工件p的運輸成本；Rp為可以加工的工藝路線總數(shù)；Trp為在工藝路線rp上工件p的加工時間；TT,rp為在工藝路線rp上工件p的運輸時間；Dp為加工任務(wù)的交貨期。

圖1　工件p的多工藝路線有向圖

制造任務(wù)與資源協(xié)調(diào)優(yōu)化問題約束條件為：要保證所有加工任務(wù)均能夠與對應(yīng)的資源配對，且能夠在規(guī)定的時間內(nèi)完成。因此，本模型通過式(6)來保證加工任務(wù)總量Np，通過式(7)來保證完工時間T。

3　基于內(nèi)分泌調(diào)節(jié)機制的“任務(wù)-資源”動態(tài)協(xié)調(diào)算法

根據(jù)生產(chǎn)任務(wù)對制造系統(tǒng)中的可用資源進行優(yōu)化配置即構(gòu)成了制造系統(tǒng)的“任務(wù)-資源”協(xié)調(diào)優(yōu)化模型，其主要功能是描述在現(xiàn)有的制造資源中如何利用某種有效的方法來尋求最優(yōu)(或近優(yōu))的“任務(wù)-資源”匹配形式，以便提升制造系統(tǒng)的自適應(yīng)性、可靠性和運行效率等生產(chǎn)性能。而生物體內(nèi)的內(nèi)分泌網(wǎng)絡(luò)中腺體受激分泌激素，破壞體內(nèi)激素平衡，從而引起相關(guān)的其他類型激素的分泌活動，并最終再次恢復(fù)到另一個動態(tài)平衡狀態(tài)的調(diào)節(jié)過程，其實質(zhì)與“任務(wù)-資源”匹配問題的求解過程很多地方類似(表1)，即在沒有干擾時，系統(tǒng)(制造系統(tǒng))保持正常工作狀態(tài)，即體液中激素濃度(制造資源的生產(chǎn)狀態(tài))穩(wěn)定，但當(dāng)外界有刺激(突發(fā)事件)時，腺體應(yīng)對刺激(突發(fā)事件)分泌激素，通過激素之間的相互影響，調(diào)節(jié)各個器官(制造資源)的工作狀態(tài)，使其重新達(dá)到一個新的動態(tài)平衡狀態(tài)。因此，在制造系統(tǒng)中任務(wù)與資源優(yōu)化配置的問題上，模擬“神經(jīng)-體液”調(diào)節(jié)網(wǎng)絡(luò)中內(nèi)分泌系統(tǒng)激素調(diào)節(jié)基本原理的動態(tài)協(xié)調(diào)優(yōu)化算法可以為其提供一個行之有效的解決方案。

表1　任務(wù)選擇與內(nèi)分泌調(diào)節(jié)的相似關(guān)系

為了模仿內(nèi)分泌系統(tǒng)的調(diào)節(jié)過程來求解制造系統(tǒng)中生產(chǎn)任務(wù)與制造資源之間的協(xié)調(diào)優(yōu)化問題，首先必須設(shè)計好制造系統(tǒng)中激素的概念，并對激素分泌量進行定義。就像在生物內(nèi)分泌系統(tǒng)中激素分泌量的多少往往表示了機體所受外界各種刺激的強度一樣，制造系統(tǒng)中的激素分泌量表示的是某一類加工任務(wù)根據(jù)系統(tǒng)目標(biāo)函數(shù)選擇某種工藝路徑后給制造系統(tǒng)全局性能所帶來的改善程度。它被定義為一個數(shù)值，高的激素值意味著該類加工任務(wù)選擇某條工藝路線進行生產(chǎn)時，可以更好地滿足制造系統(tǒng)目標(biāo)，改善系統(tǒng)全局性能。

在本算法開始前，首先構(gòu)建兩種信息的表達(dá)方式。

(1)車間管理層的加工任務(wù)激素x信息。當(dāng)有加工任務(wù)來臨時，首先由車間管理層向生產(chǎn)資源層傳遞加工任務(wù)的刺激信息，用三元組hx(Job_id,Num,Info)來表示。其中，Job_id表示代加工任務(wù)的編號；Num表示工件的數(shù)量；Info表示任務(wù)的具體加工信息，包括任務(wù)的交貨期、所需工序、加工時間、加工費用等。

(2)工藝路線的反饋激素y信息。當(dāng)生產(chǎn)資源層向車間管理層傳遞自身針對任務(wù)的響應(yīng)時，同樣以四元組hy(Routh_id,c,t,ρ)來表示。其中，Routh_id表示工藝路線編號；c表示該工藝路徑的成本信息；t表示該路徑上工件所需的加工時間；ρ表示激素分泌量。

具體算法步驟如下。

(1)任務(wù)Job_p到達(dá)后，進行工藝分解，可根據(jù)車間實際資源狀況生成rp條工藝路線，然后由式(7)進行校驗，對實際情況進行調(diào)整，并隨機生成在各個工藝路徑上加工的產(chǎn)品數(shù)量Numx，其過程為

If(Np×min(Trp)>Dp)Then

{交貨期Dp設(shè)置不合理，調(diào)整Dp}

Else

{取rand為[0,1]區(qū)間上的隨機數(shù)，

則Numx=rand×Np，x=1,2,3，…，Rp-1；}

End if；

同時，為了滿足約束方程式(6)，最后一條路徑的代加工產(chǎn)品數(shù)量由式(8)求得：

(8)

(2)生成激素hx(Job_id,Num,Info)，并將其釋放到公共環(huán)境中。

(3)車間生產(chǎn)資源層感知到該激素信息，根據(jù)各個工藝路線的實際狀態(tài)對其進行響應(yīng)，當(dāng)某條工藝路線上的生產(chǎn)資源生產(chǎn)成本低，且滿足式(7)的要求，則增大其激素分泌量ρ；反之則減少其分泌量ρ。更新過程為

ρrp(t+1)=αρrp(t)+Δρ

(9)

(10)

式中，ρrp為路徑rp上的激素分泌量；α為激素的保留率；Q為已知固定常數(shù)量；Numrp為在路徑rp上加工的產(chǎn)品數(shù)量。

(4)生成反饋激素hy(Routh_id,c,t,ρ)，并將其釋放到公共環(huán)境中。

(5)車間管理層感應(yīng)到反饋激素hy(Routh_id,c,t,ρ)，再根據(jù)其中的信息對hx(Job_id,Num,Info)進行更新，調(diào)整其中各個路徑上加工數(shù)量。為了擴大可行解的解空間搜索范圍，本文根據(jù)多工藝路線資源的有向圖，選取m種可行分配方案為解空間Xm，其矩陣表示為

(11)

矩陣中每一行xi構(gòu)成了解空間的動態(tài)候選組，通過遺傳變異的手段來進行全局優(yōu)化。在選擇過程中，根據(jù)目標(biāo)函數(shù)式(3)對可行解中各個候選解進行計算，按概率hri選取解空間中的兩個可行解進行交叉變異操作。概率hri的計算公式為

(12)

其中，ρrp(t,i)表示解空間中第i個可行解的激素分泌量。由式(12)可以看出，在各個可行解中，其激素分泌量越大，則其被選擇出來進行交叉變異的概率越小，因為該可行解更加接近于最優(yōu)解，適合保留。

在交叉操作中，設(shè)xi和xj為進行交叉操作的兩個可行解，實際交叉概率pc=pChri，pC為系統(tǒng)規(guī)定的交叉概率。這樣對于成本比較高的可行解來說，其進行交叉的概率就比較大。隨機產(chǎn)生p∈[0，1]，若p﹥pc，則進行交叉操作。同理，在變異階段，以概率pm對交叉操作結(jié)果進行變異操作，其實際變異概率為pm=pMhri，pM為系統(tǒng)規(guī)定的變異概率。采用這樣的變異概率同樣可以使得較優(yōu)解的變量較多的得到保存。隨機產(chǎn)生p∈[0，1]，若p>pm，則進行變異操作。

(6)根據(jù)目標(biāo)函數(shù)對交叉變異后的新分配方案進行計算，并對所有解進行排序、篩選、末位淘汰，更新可行解空間矩陣Xm，并根據(jù)步驟(3)生成反饋激素hy(Routh_id,c,t,ρ)。

(7)設(shè)置N為算法的循環(huán)次數(shù)，則有

If (n≤N)Then

{n=n+1,

Goto Step8}

Else

{更新激素hy(Routh_id,c,t,ρ)，

更新激素hx(Job_id,Num,Info)，

輸出最優(yōu)分配結(jié)果，

Goto Step9}

End if；

(8)檢測動態(tài)事件的算法為

If (有突發(fā)事件)then

{檢測事件類型，

更新激素hy(Routh_id,c,t,ρ)，

更新激素hx(Job_id,Num,Info)，

Goto Step3}

Else

{Goto Step2}

End if；

(9)算法結(jié)束。

上述算法模型主要是受內(nèi)分泌調(diào)節(jié)機制的啟發(fā)，設(shè)計了兩種可以相互影響的參數(shù)組，來迅速尋優(yōu)，其中為了拓展尋優(yōu)的解空間，還使用了遺傳交叉變異的方法來對可行解進行操作，以便在多工藝路線的情況下，可以根據(jù)加工任務(wù)對生產(chǎn)資源進行更合理的選擇和分配。通過算法步驟(8)的檢測，可以便于本算法對制造系統(tǒng)中的動態(tài)事件進行響應(yīng)，提高系統(tǒng)的敏捷性。

4　應(yīng)用分析

4.1制造任務(wù)協(xié)調(diào)優(yōu)化

南京某模具生產(chǎn)企業(yè)的某個車間所需加工的生產(chǎn)任務(wù)為{P1，P2，P3，P4}，其中P1的加工數(shù)量為60，交貨期為3000；P2的加工數(shù)量為100，交貨期為2000；P3的加工數(shù)量為36，交貨期為2800；P4的加工數(shù)量為50，交貨期為950。生產(chǎn)任務(wù)加工信息如表2所示。

采用本文設(shè)計的基于內(nèi)分泌調(diào)節(jié)機制的動態(tài)協(xié)調(diào)算法對加工任務(wù)與資源進行優(yōu)化分配，當(dāng)任務(wù)到達(dá)車間層時，車間層控制器接受加工任務(wù)，并對其進行工藝分解，得到表2中所示各種信息，此時，按本算法步驟對該問題進行求解，構(gòu)建激素hx(Job_id,Num,Info)，其中數(shù)組Num=(Num1,Num2,Num3,Num4,Num5,Num6,Num7,Num8,Num9,Num10,Num11,Num12)T表示加工任務(wù)在各個路徑上的分配數(shù)量，如，在三條工藝路線P1的分配數(shù)量為(Num1,Num2,Num3)，P2的分配數(shù)量為(Num4,Num5,Num6)，P3的分配數(shù)量為(Num7,Num8,Num9)，P4的分配數(shù)量為(Num10,Num11,Num12)。則目標(biāo)函數(shù)可寫為

表2　生產(chǎn)任務(wù)的原始加工信息表

minCtotal(P)=CrpNum+CT,rpNum

其中，Crp=(32,24,37, 37,50,67, 29,24,32,12,28,22)，CT,rp=(5,0,5, 0,10,30,5,0,5, 0,0,4)。

約束方程式(6)可寫成：

Np=ANum

而約束方程式(7)可寫成：

TrpNum+TT,rpA≤Dp

Trp=

在算法運算過程中，設(shè)置最大循環(huán)次數(shù)N=30；其可行解空間m=5，算法中激素分泌量中的激素保留率α=0.9，運算結(jié)果如表3所示。

從表3所示的計算結(jié)果中可以看出，本算法兩種激素經(jīng)過多次的相互協(xié)調(diào)，在滿足約束條件的前提下，使生產(chǎn)系統(tǒng)盡可能地獲得較好的工作特性，并降低生產(chǎn)任務(wù)的總生產(chǎn)成本。在文獻[12]中，針對此類問題采用將模擬退火算法與粒子群算法混合的方式(LPEPSO-SA)來進行計算，其計算結(jié)果如表4所示，同時，本文還運用LINGO軟件中的分枝界定法(B&B)對本案例進行求解測試，其計算結(jié)果同樣列在表4中。從表4中可以看出，LPEPSO-SA算法和LINGO軟件雖然也可以解決問題，但是在求解過程中變量數(shù)目較多，當(dāng)問題規(guī)模變大時，其計算量和運行時間將大大增加，尤其是LINGO軟件中的B&B算法，這些都極大地影響了模型的計算效率。文獻[13]中采用合作型優(yōu)化協(xié)同進化算法對制造資源的優(yōu)化選擇配置問題進行求解，該方法可以取得不錯的近優(yōu)解，但是同樣存在設(shè)計編碼的方案復(fù)雜、計算過程繁瑣、收斂速度較慢等問題。相比較而言，本文所提出的基于內(nèi)分泌調(diào)節(jié)機制的動態(tài)協(xié)調(diào)算法則具有算法結(jié)構(gòu)簡單、收斂速度較快、所得最優(yōu)方案比較準(zhǔn)確等特點。

表3　加工任務(wù)與生產(chǎn)資源協(xié)調(diào)優(yōu)化結(jié)果

表4　不同算法性能比較

4.2突發(fā)事件動態(tài)協(xié)調(diào)

在實際生產(chǎn)過程中，制造設(shè)備有時會隨機的出現(xiàn)各種故障，若不及時處理，就會對正在進行的生產(chǎn)任務(wù)產(chǎn)生不良影響。為了驗證本算法在處理動態(tài)突發(fā)事件時的敏捷性和自適應(yīng)性，假設(shè)在上述實驗中，當(dāng)任務(wù)P4中的工件生產(chǎn)到第20個時，生產(chǎn)設(shè)備m2突然發(fā)生故障，而后經(jīng)過檢修，當(dāng)P4中的工件進行到第40個時，生產(chǎn)設(shè)備m2又被修復(fù)，重新投入生產(chǎn)。

在本實驗中，當(dāng)生產(chǎn)任務(wù)P4進行第20個工件時，生產(chǎn)設(shè)備m2突然發(fā)生故障，其所影響的工藝路線4-1的屬性就會發(fā)生改變，激素hy中工藝路徑4-1的激素分泌量ρ變?yōu)?(因為該工藝路線已經(jīng)不具備加工能力)。而激素hx發(fā)現(xiàn)激素hy發(fā)生變化后，會迅速根據(jù)激素hy變化后的狀態(tài)對自身信息進行相應(yīng)調(diào)整，激素hx中P4的待加工總數(shù)量Num會更新為30，進而反饋給激素hy使其可以在剩余的兩條工藝路線4-2和4-3中快速地對P4的剩余任務(wù)進行二次協(xié)調(diào)優(yōu)化，并最后反過來更新激素hx中的Numrp。當(dāng)生產(chǎn)任務(wù)P4進行到第40個時，生產(chǎn)設(shè)備m2修復(fù)重新投入生產(chǎn)，工藝路線4-1恢復(fù)生產(chǎn)，激素hy中工藝路徑4-1的激素分泌量ρ重新恢復(fù)，進而導(dǎo)致激素hx再次隨之變化，使得剩余任務(wù)可以在不影響正常生產(chǎn)進行的情況下，再次進行協(xié)調(diào)優(yōu)化。整個協(xié)調(diào)過程如表5和圖2所示。

表5　故障協(xié)調(diào)優(yōu)化過程

注：Num表示任務(wù)P4中實際待加工數(shù)量；n＇表示已完成加工工件的數(shù)量；Numrp表示激素hx中各個工藝路線重新分配后的待加工工件數(shù)量。

從表5中可以看出，當(dāng)故障發(fā)生時，制造系統(tǒng)加工狀態(tài)發(fā)生變化，激素hy中的激素分泌量ρ的值也發(fā)生變化，其必然會帶動激素hx中的實際待加工數(shù)量Num的變化，而激素hx中的狀態(tài)變化又會導(dǎo)致變動后的激素hy中不同工藝路線上的激素分泌量ρ變化，進而再次對激素hx中的各個工藝路線的分配量Numrp產(chǎn)生影響，最終通過本算法步驟來取得了一個新的動態(tài)平衡。圖2所示為突發(fā)事件處理過程中的激素hy中各個工藝路線的激素分泌量ρ的變化曲線，由圖2可以看出，通過合理地設(shè)計激素分泌量ρ的公式，本算法可以較好地反映出任務(wù)與制造資源之間的匹配程度，并且，當(dāng)遇到突發(fā)情況，本算法可以根據(jù)各個工藝路線的殘留信息素來了解到當(dāng)前生產(chǎn)狀態(tài)，進而迅速做出各種相應(yīng)的處理。在本實驗平臺中，總體的任務(wù)分配安排是由上位機進行的，而突發(fā)意外情況則由現(xiàn)場控制器(ARM)負(fù)責(zé)處理，這樣就可以避免多層控制所帶來的滯后效應(yīng)，保證了生產(chǎn)任務(wù)的延續(xù)性和系統(tǒng)反應(yīng)的敏捷性，提高了制造系統(tǒng)的局部動態(tài)自適應(yīng)能力。同時，與傳統(tǒng)的CNP等協(xié)調(diào)機制相比，本算法在動態(tài)協(xié)調(diào)過程中具有通信量小、避免死鎖等優(yōu)點。如本文案例中有這4個任務(wù)需要加工，制造系統(tǒng)中有3個制造資源都有能力完成這4個任務(wù)。如果應(yīng)用傳統(tǒng)的CNP協(xié)調(diào)機制的話，每一個任務(wù)都要經(jīng)歷“標(biāo)書信息發(fā)布→投標(biāo)→中標(biāo)通知→簽約”這4個階段，需要8×(2×3+2)次通信，因此需要的總的通信量為32×(2×3×4+2×4)次。但是，如果利用基于內(nèi)分泌調(diào)節(jié)機制的這種隱式協(xié)調(diào)方法，完成這些任務(wù)的分配調(diào)度和加工需要的總信息量為20×(4×3+4×2)次。而且，隨著制造系統(tǒng)的復(fù)雜程度越來越高，基于內(nèi)分泌調(diào)節(jié)原理的隱式協(xié)調(diào)機制在通信量上的優(yōu)勢將會更加明顯。

因此，通過上述實驗可以發(fā)現(xiàn)，基于內(nèi)分泌調(diào)節(jié)機制的動態(tài)協(xié)調(diào)優(yōu)化方法具有簡單、穩(wěn)定可靠的協(xié)調(diào)優(yōu)化機制，在靜態(tài)任務(wù)分配時表現(xiàn)出良好的尋優(yōu)能力，同時應(yīng)對動態(tài)干擾又具有很強的自適應(yīng)性，并且在通信協(xié)調(diào)過程，可以有效地減小控制系統(tǒng)的通信量，降低制造系統(tǒng)的復(fù)雜程度，更好地避免死鎖等現(xiàn)象，從而可以進一步提高制造系統(tǒng)控制的魯棒性、敏捷性和自適應(yīng)性。

5　結(jié)語

本文針對制造系統(tǒng)中生產(chǎn)任務(wù)具有多條不同的工藝路線、產(chǎn)品加工工序具有多個可選加工設(shè)備的任務(wù)與資源協(xié)調(diào)問題，建立了任務(wù)與資源協(xié)調(diào)優(yōu)化的數(shù)學(xué)模型，考慮傳統(tǒng)的協(xié)調(diào)機制在制造系統(tǒng)任務(wù)分配協(xié)調(diào)控制中存在的一些不足，在滿足制造資源加工能力和生產(chǎn)任務(wù)交貨期約束的同時，提出了基于內(nèi)分泌調(diào)節(jié)原理的動態(tài)協(xié)調(diào)機制。通過簡單的協(xié)調(diào)控制策略，降低了制造系統(tǒng)的資源與任務(wù)優(yōu)化配置問題的復(fù)雜程度，減小了系統(tǒng)協(xié)調(diào)控制中的信息通信量，避免了死鎖等問題，提高了系統(tǒng)針對突出事件的響應(yīng)能力，改善了制造系統(tǒng)的動態(tài)自適應(yīng)性，為加工任務(wù)與制造資源優(yōu)化分配協(xié)調(diào)問題提供了有效的技術(shù)方案。但是，基于內(nèi)分泌調(diào)節(jié)機制的動態(tài)協(xié)調(diào)機制的合理性分析尚缺乏有效的數(shù)學(xué)證明。進一步研究合理的數(shù)學(xué)模型，并從理論上對其進行證明，對提高大規(guī)模復(fù)雜制造系統(tǒng)的生產(chǎn)性能具有良好的實際意義和應(yīng)用價值。

[1]Maravelia C T, Sung C. Integration of Production Planning and Scheduling: Overview, Challenges and Opportunities[J]. Computers & Chemical Engineering, 2009, 33(12):1919-1930.

[2]蔣大奎，李波. 基于禁忌搜索的平行機多工廠供應(yīng)鏈調(diào)度[J]. 中國機械工程，2012，23(6): 688-693.

Jiang Dakui, Li Bo. Multi-plant Supply Chain Scheduling with Parallel Machines Based on Taboo Search Algorithm[J]. China Mechanical Engineering, 2012, 23(6): 668-693.

[3]汪恭叔, 唐立新. 并行機實時調(diào)度問題的LR&CG算法[J]. 控制與決策, 2013, 28(6): 829-836.

Wang, Gongshu, Tang, Lixin. LR&CG Algorithm for Parallel Machine Real-time Scheduling Problem[J]. Control and Decision, 2013, 28(6): 829-836.

[4]Anis G, Talel L,Mohamed Kaise M, et al. The Two-machine Flowshop Scheduling Problem with Sequence-independent Setup Times: New Lower Bounding Strategies[J]. European Journal of Operational Research, 2013, 231(1):69-78.

[5]Jan K, Tomas M, Schuppen V,et al.Coordination Control of Distributed Discrete-event Systems[J]. Lecture Notes in Control And Information Sciences, 2013, 433：147-167.

[6]Gen'Ichi Y. Distributed Coordination of Multiple Robot Systems Based on Hierarchical Petri Net Models[C]//6th International Conference on Intelligent Robotics and Applications, ICIRA. Busan,South Korea,2013:602-613.

[7]Zhang Jin, Cao Yaoqin.Research on Cooperation of Multiple Agent Based on Contract-net Protocol[C]// 2012 International Conference on Industrial Control and Electronics Engineering, IEEE .Xi’an,2012:1945-1949.

[8]甘璐,楊宜民,王建彬. 一種基于投標(biāo)結(jié)果修正的合同網(wǎng)協(xié)議[J]. 控制理論與應(yīng)用, 2008, 25(2): 329-330.

Gan Lu, Yang Yimin, Wang Jianbin.An Improved Contract Net Protocol Based on Amendatory Bidding Result[J]. Control Theory & Applications, 2008, 25(2): 329-330.

[9]Dan Z G, Cai L N, Zheng L. Improved Multi-agent System for the Vehicle Routing Problem with Time Windows[J]. Tsinghua Science and Technology, 2009, 14(3):407-412.

[10]Hsieh F S. Developing Cooperation Mechanism for Multi-agent Systems with Petri Nets[J].Engineering Applications of Artificial Intelligence,2009,22(4/5):616-627.

[11]Neal M, Timmis J. Timidity: A Useful Mechanism for Robot Control[J]. Informatica, Special Issue on Perception, and Emotion Based Control, 2003,4(27): 197-204.

[12]Hassan R, Reza M, Mahdi Z. Solving a Dynamic Virtual Cell Formation Problem by Linear Programming Embedded Particle Swarm Optimization Algorithm[J]. Applied Soft Computing, 2011(11): 3160-3169.

[13]郭寧，金天國，劉文劍. 基于虛擬制造單元的制造資源組織模型[J]. 計算機集成制造系統(tǒng)，2010，16(8)：1049-1056.

Guo Ning, Jin Tianguo, Liu Wenjian. Manufacturing Resources Organization Model Based on Virtual Manufacturing Cell[J]. Computer Integrated Manufacturing Systems, 2010，16(8)：1049-1056.

(編輯袁興玲)

Dynamic Coordination among Manufacturing Resources and Tasks Based on Endocrine Regulation Principle

Gu Wenbin1，2Tang Dunbing1Zheng Kun1

1.Nanjing University of Aeronautics and Astronautics， Nanjing， 210016 2.Hohai University， Changzhou，Jiangsu，213022

For solving the coordination problems of tasks and resources in dynamic manufacturing environments, the optimization process of the coordination problems among tasks and resources was analyzed, and a mathematical model was established. Inspired by the endocrine regulation principle, two kinds of hormone(task hormone and resource hormone)were designed. Considering the influences of the emergency in manufacturing system, a novel dynamic coordination approach was proposed based on the hormone regulation principle. This proposed approach was characterized by higher efficiency, lower communication, and better robustness. A prototype system was developed, and experimental results confirm that the approach has excellent stability and optimization ability for task allocation problems in a static environment, and it also has excellent control performance and adaptability to disturbances in shop floor.

manufacturing system; task and resource; endocrine regular mechanism; dynamic coordination

2014-07-04

國家自然科學(xué)基金資助項目(51175262)；江蘇省杰出青年基金資助項目(BK2012010111)；江蘇省產(chǎn)學(xué)研基金資助項目(BY201220116)；南京航空航天大學(xué)博士學(xué)位論文創(chuàng)新與創(chuàng)優(yōu)基金資助項目(BCXJ10-09)

TH166DOI：10.3969/j.issn.1004-132X.2015.11.009

顧文斌，男，1980年生。南京航空航天大學(xué)機電學(xué)院博士研究生，河海大學(xué)機電學(xué)院講師。主要研究方向為智能制造系統(tǒng)建模和控制理論。發(fā)表論文10余篇。唐敦兵，男，1972年生。南京航空航天大學(xué)機電學(xué)院教授、博士研究生導(dǎo)師。鄭堃，男，1984年生。南京航空航天大學(xué)機電學(xué)院博士研究生。