航空復材生產車間的智能服務化排產調度研究

金航數碼科技有限責任公司 孫棋棋

中國航空工業集團公司基礎技術研究院 丁謀

復合材料相比傳統金屬材料來說，具有輕質量、高強度、抗疲勞、耐腐蝕、可設計性強以及成本低等特點，不僅在航空產品上的應用比例越來越高，而且正在迅速擴展到國民經濟的其他領域。隨著復合材料的廣泛應用和對復合材料需求量的快速提升，對復合材料零部件的生產提出更高的要求，需要更高效的生產、更優良的質量及更低廉的成本。復材生產管理的特點如下。

（1）由于制造過程多以傳統手工為主，在車間級的生產管理多是以人工管理，紙質文件傳遞，口頭信息交互，盡管多數企業已經實施ERP等企業管理系統，但是就底層而言，其管理信息化水平偏低。

（2）復材產品屬于高成本高科技產品，受市場需求的限制，產品型號變化大，數量較少。

（3）絕大部分復合材料零部件的生產需要專用工裝，生產對工裝依賴性較強。對手工生產來說，從下料到鋪疊、固化，都離不了工裝。

（4）受瓶頸資源約束明顯，生產計劃的制定和作業過程的調度都要以這些瓶頸資源為中心。如大型熱壓罐是高精密設備，技術含量較高，大多需要進口，價格極高，因而數量不多，屬于瓶頸資源。

（5）由于復材的特殊性，所需的生產材料和輔料通常有保管期，例如膠液等，出庫入庫時間、次數及剩余可用時間等都有限制。

航空復材生產過程中手工生產、多品種小批量、瓶頸資源顯著等特點，對于車間計劃管理，尤其是現場的作業計劃管理來說是巨大的挑戰。本項目以中國航空工業集團公司基礎技術研究院復材中心（以下簡稱“復材中心”）的零部件車間作為對象，針對航空復材生產車間排產調度困難的問題，研究智能服務排產調度技術，開展排產調度服務化架構研究、車間技術要素分析和排產調度算法庫構建工作，提高設備利用率和生產效率，從而降低生產成本、減少能源消耗。

一、航空復材生產車間排產調度服務化架構

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

圖1 傳統的、中央控制式排產與調度

多品種、變批量的生產模式是當前航空企業面對的主要問題之一。多品種、變批量的排產與調度具有不同于傳統集中式調度的特征：（1）并行性，各類產品生產之間的消息傳輸、協調中的決策過程、局部計劃和調度以及設計與制造過程都是并行的；（2）分布性，各類產品生產在地理上、信息上都是分布的；（3）協同性，各產品的生產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、變批量生產管理中，必須強調協同性與適應性，通過服務化架構解決該類排產與調度問題。

賽博物理生產系統（CPPS）呈現出“系統之系統（SoS）”架構：在整線級、區域級和站位級，都要實現感知、判斷和決策流程的自動化，這都需要一個類似大腦的控制中樞。各級控制中樞的分工不同，需要提供層級化的智能排產和調度服務。基于CPPS的分層設計思路，提出了排產與調度的服務化架構（如圖2所示），用服務驅動CPPS各層技術元素的通訊、計算和控制，實現生產系統智能化的提升，該架構具有敏捷、靈活與實時的特點，一方面可以實現代理Agent分布式自主決策，另一方面各個代理Agent之間可以協同工作。但是純扁平化的服務化架構只能保證局部優化，難以達到整體最優。因此，本項目的排產與調度服務化架構分為三層，即車間級、單元級/生產線和工位級。根據計劃層級不同，響應時間的要求也不同，比如生產規劃（對應車間級）的響應時間超過8小時，作業計劃（對應單元級）的響應時間要在8小時之內，而響應式調度（對應工位級）對時效性要求更高，需要在3分鐘內進行響應。每一層級包含各類業務代理Agent，提供相關業務服務，可以被業務活動所調用；此外，還包含一個總代理Agent，進行各層級之間的溝通與協同。

圖2 排產與調度的服務化架構

以物料的準時配送為例，在車間級，通過生產準備服務調用，完成生產準備計劃編制，其中包含物料配送計劃，即何時完成物料配送；在單元級，通過配送指令服務調用，完成物料配送指令編制，即何時進行何種物料配套，何時配送物料到何地，由何人配送，通過何種設備配送。最后，在工位級，通過物流驅動服務調用，由AGV小車自動完成物料配送。至此，物料準時配送過程完成。當生產過程中遇到異常情況，如任務插單、設備故障和質量事故等，通過各層級代理Agent的溝通與協同，分析異常情況對物料配送的影響，通過生產準備服務、配送指令服務調用，完成生產準備計劃調整和物料配送指令調整，并通過物流驅動服務調用，由AGV小車執行調整后的配送指令。

二、航空復材生產車間排產調度要素分析

進行質量異常影響因素分析時，經常使用5M1E分析法，如圖3所示，5M即是人員(Man)、機器(Machine)、物料(Material)、方法(Method)、測量(Measurement)，1E即是環境(Environment)。

圖3 5M1E分析法

在這里，本項目借用5M1E分析法對車間要素進行分析，與傳統排產調度主要考慮設備因素不同，智能排產調度在考慮車間要素時一方面更加全面，除設備外，還要考慮物料、人員和工裝工具等因素；另一方面更加精細，比如設備細分為加工設備、檢測設備以及物流設備等，又如物料細分為原材料、在制品與成品等。具體的分析內容如表1所示。

三、航空復材生產車間排產調度算法庫構建

在已有的理論研究和企業應用基礎上，總結了六類常用排產算法，包括基于規則的排產算法、約束理論、模擬退火算法、禁忌搜索算法和遺傳算法。通過分析各類算法的優缺點以及應用場景，構建航空復雜制造環境的排產與調度的算法庫，便于在不同的生產環境中選用合適的算法，以提升排產效率并獲得最優排產方案。接下來對各種排產算法進行說明。

表1 傳統排產調度與智能排產調度考慮車間要素對比

（1）基于規則的排產算法。基于規則的排產算法即是運用已有規則對工序任務進行排序，排序靠前的工序任務優先安排資源（包括原材料、設備、工裝等），后續工序任務則依次分配未被占用的資源，直到所有工序任務排完。該算法中常用的規則如表2所示。

表2 常用的排產規則

基于規則的排產算法實現較簡單，思想易于理解，而且無須搜索、枚舉等。但不足的是，通過該算法獲得的是可行解，而不是最優解。該算法適用于車間初步應用排產系統時，其原理簡單，且能積累重要的基礎數據。

（2）約束理論。約束理論（Theory of Constraint，TOC）是以色列物理學家、企業管理顧問戈德拉特博士在他開創的優化生產技術（Optimized Production Technology， OPT）基礎上發展起來的管理方法，可以幫助企業識別出在實現目標的過程中存在著哪些制約因素，并進一步指出如何實施消除這些約束，從而更有效地實現企業目標。在制造系統中應用約束理論制定生產計劃，其所涉及到的關鍵技術和步驟包含以下三個方面：①瓶頸資源識別。對于制造系統，瓶頸資源就是指那些生產任務量大于其生產能力的設備/制造單元。②瓶頸資源排產。為保證瓶頸資源的充分利用，需按照生產訂單的重要、緊急程度對瓶頸資源上的生產任務按照一定規則、合理的批量進行排序。③推拉結合排產。選取合適的批量，瓶頸資源之前的工序按照“拉動”方式進行，瓶頸資源之后的工序按照“推動”方式進行，完成計劃期內所有任務的排產。

約束理論考慮到現實中的各種約束，更貼近實際應用，易于理解；當約束較少時可得到較好結果，即存在較少可行解，可直接得到最優解。該算法的不足之處在于約束形式的多樣性要求優化規則庫的規模較大；當約束較松弛時無法獲得較小子問題，需要結合其他優化算法解決；功能限于縮小原始問題，無法保證得到最優解。該算法適用偏宏觀排產，建議在生產過程中瓶頸資源種類較少且明確時選用。

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

這種算法由于能針對具有NP復雜性的問題提供有效地近似求解算法，并且克服了優化過程中會陷入局部極小和對初值依賴性的問題，在工程中得到了廣泛的應用，而且模擬退火算法的實驗性能具有質量高、初值魯棒性強、通用易實現的優點。但由于SA算法通常要求足夠多的抽樣，因而優化的過程較長，這也是SA算法最大的缺點，同時SA算法全局收斂時間性能差等缺陷。該算法適用于產品的品種較少、批量較大的生產車間。

（4）禁忌搜索算法。禁忌搜索算法(Tabu Search，TS)是在傳統的局部搜索算法基礎上引入禁忌技術而產生的一種基于鄰域的尋優方法。由于傳統的局部搜索算法只能沿目標函數值下降的方式進行搜索，所以對于較復雜的優化問題容易陷入局部最優解而無法得到全局最優解。禁忌搜索算法通過建立一個可記錄L個禁忌對象的禁忌表T（禁忌表長度設為T），表中的禁忌對象為已搜索過的局部最優解或可能的局部最優解，在搜索算法迭代的過程中通過避開禁忌表中的禁忌對象，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，進而提高算法的搜索性能。

禁忌搜索算法相比于其他傳統搜索算法由于在搜索過程中可以接受劣質解，因此具有較強的“爬山”能力；同時因其不是沿目標函數值方向進行搜索，故獲取最優解的幾率更大，所以禁忌搜索算法是一種局部搜索能力很強的全局迭代尋優算法。但是禁忌搜索也有明顯的不足，即對初始解的依賴性較強，好的初始解有助于搜索很快的達到最優解，而較差的初始解往往會使搜索很難或不能夠達到最優解；而且迭代搜索過程是串行的，僅是單一狀態的移動，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，建議對調度響應時間不敏感的生產車間選用。

（5）遺傳算法。遺傳算法就是一類模擬生物在自然界的遺傳和進化過程的隨機搜索算法，它的基本思想是：按照達爾文(Darwin)的自然選擇原理，個體在其生殖繁衍的過程中會不斷的得到進化，在進化的過程中每個個體對于自然選擇要求的適應程度是不同的，根據適者生存的道理，適應度低的個體將會被淘汰，而適應度高的個體則會繼續進行進化繁衍，直到得出適應度最高的個體。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、優質染色體的選擇等操作來完成。

遺傳算法對問題領域本身的限制較少，具有很強的通用搜索能力；搜索從群體出發，具有潛在的并行性，可以進行多個個體的同時比較；搜索使用評價函數啟發，過程簡單且適用性強；使用概率機制進行迭代，具有隨機性；可擴展性強，容易與其他算法進行有效的結合。但是遺傳算法也有其局限性，一是群體規模要求高，重復分析次數過多，導致搜索速度較慢；二是該算法對初始種群的選擇有一定的依賴性，同時有些參數的選擇過于依靠經驗；三是局部搜索能力不足，易出現早熟收斂和隨機漫游等現象。該算法適用范圍較大，適用于工藝較為復雜、涉及資源較多的生產車間，可與其它方法組合使用。

（6）算法庫的構建，建立算法與典型運行場景的映射機制。通過以上對各類算法的研究與分析，包括各類算法的優缺點以及應用場景，構建航空復雜制造環境的排產與調度的算法庫，建立排產算法與復雜制造環境之間映射關系，便于在不同的復雜生產環境中選用合適的排產算法，以提升排產效率并獲得最優排產方案。

四、研究意義

針對航空復材生產車間排產調度困難的問題，突破服務化架構技術，以航空復材中心零部件車間為應用對象，開展排產調度服務化架構研究、車間技術要素分析工作，具有如下的重要意義。

（1）實現復材生產車間排產調度的服務化應用。傳統的、中央式排產調度系統是一種缺少生產適應性的剛性系統，很難適應組織分散、決策分散的分布式多品種管理的要求。多品種、變批量的排產與調度具有不同于傳統集中式調度，需要建立分布式服務化架構，一方面可以實現代理Agent分布式自主決策，另一方面各個代理Agent之間可以協同工作，從而提升排產與調度的服務效率。

（2）實現復材生產車間排產調度要素的多元化分析。根據業務需求，對智能服務化排產與調度的要素進行詳細分析，依據制造系統的分層架構，逐層分析和判斷各要素對制造系統的影響，有選擇的保留對制造系統有重要影響的要素，忽略影響較小的要素。明確智能服務化排產與調度的要素，通過物聯網將車間各要素進行關聯，包括設備、物料、工裝工具、人員等，實現各要素狀態可感知、數據可采集以及過程可監控。

（3）通過排產調度算法庫構建，實現智能服務化排產調度向同行業推廣。在已有的理論研究和企業應用基礎上，總結了六類常用排產算法，包括基于規則的排產算法、約束理論、模擬退火算法、禁忌搜索算法和遺傳算法。通過分析各類算法的優缺點以及應用場景，構建航空復材生產車間排產調度算法庫，便于在不同的生產環境中選用合適的算法，以提升排產效率并獲得最優排產方案。