企業級生產調度實驗教學仿真系統
——教學方法及實驗案例

馮毅萍， 張 益， 趙久強， 榮 岡

(浙江大學 控制科學與工程學院， 杭州 310027)

0 引 言

隨著流程工業企業智能制造的不斷推進，企業級集成優化控制技術得到了廣泛的應用。在此背景下，操作工程師除了掌握傳統操作培訓仿真器(Operator Training Simulator, OTC)培訓內容外[1-2]，還需要進行生產集成管控及優化等內容的培訓。另外，企業需要大批具備集成生產管控能力的新型工程師人才，高校過程控制相關專業的實驗教學內容需要從傳統設備操作層面提升到生產管控運行層面，仿真實驗系統的功能組成、仿真引擎、培訓場景設置、培訓教學方式等諸多方面都需要進行相應的提升[2]。

在前文第I部分介紹的企業級生產調度實驗教學仿真系統基于石化企業多層次生產仿真平臺，構建了包括石化企業多層次生產仿真模型、生產調度優化模型、優化工具及求解器、多層次調度優化工作流模型等功能模塊[3]。為過程控制專業生產調度優化實驗教學提供了仿真實驗平臺的支撐。

在生產優化的教學方法上，西班牙阿利坎特大學給出了一種面向化工供應鏈優化軟件的教學方法，并以文獻實例分析了供應鏈中各種模型要素對優化結果的影響[4]；巴西工業自動化技術應用中心針對煉油廠調度崗位設計了一種優化軟件培訓課程，從優化軟件工具、建模及算法理論等設計了層層遞進的教學案例，針對性地培訓調度人員的崗位技能，但在實現計劃、調度與過程控制協同培訓方面缺乏有效手段和方法[5]。維也納大學設計了基于生產場景的工業4.0智能制造教學培訓方法，增強了教學內容的直觀性和豐富性[6]；德國海爾布隆大學及漢諾威大學則采用了基于角色的項目任務式教學方法，在智能制造教學工廠生產環境中，學生基于不同角色任務協作完成項目目標，有效提升了學習興趣，并培養了學生團隊協作能力及解決實際工程問題的能力[7,8]。

本文針對企業級生產調度優化教學的抽象、復雜等難點，以生產調度工作流模型為主線，采用基于崗位角色的場景式培訓方法。在對生產調度工作流中計劃調度排產、指令下達、生產監控及績效評估等個崗位工作內容進行梳理的基礎上，分析了崗位間的工作流程與彼此間數據交互，構建了基于崗位角色的調度優化協作信息流模型，并實施了基于角色的生產調度場景式實驗教學。另一方面，在企業級生產調度實驗教學仿真系統，通過配置多模型復雜度的培訓系統組件參數，可構建多種符合生產調度業務工作流的企業級生產調度仿真實驗場景。通過配置不同復雜度的實驗場景，可以滿足不同層次的實驗教學需求。實驗教學案例表明了該培訓系統及教學方法的可行性及有效性。

1 生產調度業務工作流分析

實際石化企業級生產調度工作流可分為調度排產、指令下達、生產監控和績效評估四個環節，協作關系復雜，各個崗位工程師需要具備各自不同的崗位能力，生產調度工作流模型及對應崗位的能力需求如圖1所示。

1.1 計劃調度排產

企業資源計劃(Enterprise Resource Planning，ERP)層計劃人員根據產品需求、生產能力、原料供應、能源供應等因素，以盈利最大化為目標制定月度生產計劃指標，并分解成周計劃下達給生產執行(Manufacturing Executive System，MES)層調度人員。調度人員根據計劃任務及工藝設備的狀況確定企業具體的生產目標及生產方案。計劃優化、計劃指令分解及調度優化等組件分別為計劃人員的計劃優化及任務分解、調度人員的調度優化提供了數據、模型及調度算法方面的IT支持。通過此環節培訓，學員可以掌握多種工具軟件，如關鍵生產要素信息化管理軟件、數據庫及計劃調度優化軟件等，以及建模理論與方法，比如生產裝置能力模型、優化算法模型或專家規則等。

圖1 計劃調度工作流及對應能力需求

1.2 指令下達

此階段需要組織一個培訓團隊，包括4～5名成員(分別承擔調度、工藝、控制儀表、操作等工作崗位角色)。在離散制造自動化流水線上，排產指令經調度員確認后，可直接下載到過程控制系統(Process Control System，PCS)的分布式控制系統(Distributed Control System, DCS)；而在石化企業，排產指令還需車間工藝。控制儀表工程師確認，并細化為具體的操作指令，再由生產裝置操作員通過主控室DCS或現場儀表進行操控。調度指令分解組件、(Manufacturing Executive System，MES)層仿真組件及PCS層仿真組件分別為調度人員及車間工程師的調度指令分解及仿真提供了(數據調度算法及仿真)軟件方面的IT支持。通過此環節培訓，學員會加深對生產工藝流程、設備、環保、安全、質量等協同工作機制的了解。在實際操作中，由于模型的復雜性，通常需要采用基于仿真的生產決策，通過培訓，學員對仿真、流程模擬等軟件會得到進一步的熟練應用。

1.3 生產監控

此階段對生產統計數據、裝置出料質量、產率和設備運行狀態、公用工程等各項生產運行指標數據進行實時監控，采集指令運行后的生產過程狀態，并進行反饋。PCS層仿真組件、報表呈現組件為數據采集及實時監控提供了流程模擬環境及數據報表支持。通過此環節培訓，學員可以掌握數據監控、PCS等系統的工作原理及工具軟件使用方法，對數據采集、過程控制等理論知識得到實際的應用。

1.4 績效評估

根據班組生產報表統計數據信息進行績效評估，發現各種生產指令的執行偏差，并采取準確對策，以保證生產過程順利運行。石化企業多層次生產仿真平臺物料平衡、報表呈現、生產統計及調度優化等組件為績效評估提供了數據統計優化算法等方面的IT支持。通過此環節培訓，學員可以掌握績效評估的方法，熟練使用生產報表、產品質量等指標數據統計工具軟件。中高級學員還可以培訓生產再調度的方法。

2 基于崗位的調度優化協作信息流模型

由上面企業級生產調度工作流模型四大崗位的工作流程與彼此間數據交互分析，可構建基于崗位角色的調度優化協作信息流模型，如圖2所示。

圖2 多崗位協同調度優化信息流模型

由圖2可見，生產調度能力的提升是從以計劃調度排產任務為核心的信息化管理開始，到各項要素和過程的集中管控，最終達到從計劃調度排產、指令下達、生產監控、突發事件處置、評估反饋等全過程的閉環與自適應。以上工作流各階段的培訓均需通過團隊角色協作方式實施。通過完成一次完整的生產調度工作流實驗操作，學員在深刻理解生產工藝流程及生產管控優化的基本理論知識基礎上，學會熟練使用各種工具軟件，理解并分析生產過程的各種約束條件及不確定性條件，基于約束條件進行高級排產與調度的方法。此外，通過各相關崗位角色共同完成生產任務，很好地培養了人機協同和團隊協作意識和能力。

3 生產調度仿真實驗場景配置

根據企業級生產調度工作流模型，設計企業級多層次調度優化仿真實驗場景，其信息流如圖3所示。由淺入深地引導學員模擬進行單層次仿真、開閉環調度優化、基于不確定性的生產調度優化等場景操作，以深刻理解仿真和優化的基本概念，以及生產要素對優化管理與過程控制的影響。

圖3 多層次調度優化仿真場景

4 實驗教學案例

4.1 單層次仿真

支持經過現場驗證的PCS層穩態仿真、PCS層重點裝置動穩態仿真和MES層穩態仿真；支持不同配置參數的、多周期的、可重復的仿真實驗。

(1) PCS設備層仿真：根據工藝設計和物性數據，模擬煉油生產過程中原料進料量、原料性質、操作條件(如溫度、壓力、控制參數、催化劑)對產品產率和性質的影響，罐區和罐的動態庫存情況，物料輸送和閥門系數及預測公用工程(水、電、蒸汽)、氫氣的消耗。

PCS層仿真的主要功能是驗證調度指令分解后的PCS層操作指令是否合理，如不合理需要再次分解指令或再調度，反之則投入實際生產，模擬現場實際生產過程并輸出相應生產結果。

(2) MES調度層仿真：模擬調度層的煉油生產過程，包括裝置的啟停、加工方案和加工量，物料的轉化、輸送和存儲及生產的流向和產品分布等。

調度層仿真可以選擇多個批次運行，每個批次的方案可以自由配置，配置界面如圖4所示。仿真結果通過報表顯示，并可以按時間查看煉油廠裝置的進出料和罐的庫存。MES仿真還可以用于演示調度指令執行過程，來驗證調度優化結果的可行性。

圖4 調度層仿真單裝置配置界面

4.2 調度優化不確定性分析與建模

在煉油廠實際生產過程中，經常會發生各種各樣的生產不確定性，包括環境動態變化，輸入信息中的噪聲、生產頻繁切換、產量和質量的波動、設備故障、加工時間及成本變化等。實驗過程中可對不確定性進行建模，并可引入相應的隨機擾動模塊，主要包括以下幾個方面：

(1) 裝置開停工及故障。在實際生產中由于不安全操作引起的裝置開停工或設備老化故障等，均會對優化模型中裝置產能產生影響，嚴重時導致調度指令無法執行。在MES層調度仿真組件及PCS層仿真組件中均可定義裝置故障隨機因子，以模擬裝置故障不確定性。

(2) 方案切換產率不確定性。在實際生產過程中出料側線產率會隨生產方案的切換產生較大動態波動，而隨著生產的連續進行趨于平穩，此不確定性同樣會對裝置產能產生影響。

(3) 加工裝置精確描述下的裝置不確定性。調度層仿真組件中裝置產率模型采用簡化線性模型，通過建立調度層各裝置對應PCS層的溫度切割方案或者delta-base模型，可以描述與裝置操作溫度及物性相關的實際生產波動。此因素會對優化模型中的產品質量產生影響。

(4) 加工裝置能耗不確定性。加工裝置的能源消耗一般包括燃料氣、蒸汽等。裝置能耗模型的輸入參數包括裝置加工量、生產方案與溫度，輸出該生產狀況下的各種能源介質消耗量。仿真過程中根據生產方案建立相應的裝置能耗模型。

(5) 裝置操作動態響應。當調度指令下達到PCS層進行動態仿真時，由于現場操作員的業務能力或環境不確定性等的干擾，裝置級的過程控制質量也存在不確定性，并將直接影響生產調度執行效果。集成傳統OTS就是保證調度指令能在DCS中有效執行。

4.3 開環及閉環調度優化

采用多層次閉環反饋和滾動優化的思想，應對層次中的諸多不確定性，逐層實現優化目標和使得指標性能最優。結合調度優化工作流模型，設計各步驟培訓要求及目標：

(1) 根據調度優化模型。按照混合整數線性規劃(Mixed Integer Linear Programming, MILP)特點，調用ILOG Cplex優化工具軟件實現生產調度混合整數規劃，得到煉廠周調度優化結果。

啟動調度層仿真，選擇不同復雜度仿真模型，使學員理解優化模型、算法及仿真模型之間的關系。

(2) 指令下達環節。調度優化模塊能夠得到1周的調度生產指令，包括各個裝置的裝置加工量及加工方案選定。在此實驗場景設計中，模擬實際工廠運行，根據生產調度結果是否對下一步的調度指令存在反饋校正，設置了開環運行和閉環運行兩種培訓模式，可以根據培訓目的自主選擇。

① 開環運行模式：此模式不存在反饋校正，按照調度的目標函數，裝置生產應該盡可能的平穩，通過生產調度優化得到的初始仿真指令中各個主要生產裝置在7個班次的裝置加工量通常是平穩分布的。當初始調度優化指令下達給仿真平臺進行開環執行時，優化模塊采用靜態確定性優化建模方法，對仿真模塊運行中的不確定性無法做出調整，容易造成調度執行偏差。且前面班次的裝置故障所帶來的欠負荷無法在后面周期進行調整補償，會導致產品產量無法滿足計劃預期。

② 閉環優化運行模式：此模式存在反饋校正。指令分解模塊采用專家規則與人機交互相結合的方式，得到仿真閉環調度優化策略下的各裝置班次加工量，實現對調度優化迭代修正。仿真結果可見，閉環仿真運行策略具有明顯的動態補償效應，能夠結合前面周期的運行偏差以及閉環反饋機制，滾動修正調度優化，使得計劃目標執行具有較高的滿意度，同時裝置波動也控制在合理的范圍之內。

當簡化調度模型得到主要決策變量，無法適用復雜仿真模型所需輸入指令時，應采用其他的指令分解方法。引導學生了解生產實際中常見指令分解方法。

(3) 監控環節。調度指令執行(仿真)過程中，及時觀察不確定性(仿真)造成的執行偏差，并采用合理措施。

(4) 績效評估反饋環節。通過平臺提供的仿真與優化功能展板，如圖5所示，可以查看調度仿真對計劃的執行情況，PCS穩態仿真對調度層的執行情況，并用Excel表輸出仿真評估結果。

石化企業調度優化仿真實驗內容及目標如表1所示。

圖5 仿真與優化績效看板

知識點實驗教學內容教學目標單層次仿真多層次閉環管控優化理論與算法優化工具生產調度閉環優化生產過程不確定分析不同配置參數的、多周期的、可重復的各個層次單層次仿真運行ERP、MES、PCS各層次閉環管控結構、組成、協同關聯優化建模的基本方法,常用算法原理常用工具軟件、數據庫、優化算法求解器生產調度工作流、多層次閉環優化方法,生產管控協同原理環境、噪聲、生產切換、質量波動、設備故障、加工時間、成本等不確定性對生產管控的影響。在單元過程控制基礎上,理解企業級多層次閉環管控的原理,學習優化理論與工具軟件,以及實現企業級集成優化的典型方法

5 結 語

面向智能制造管控系統縱向集成所需的人才實踐教學需求，針對企業級生產調度優化教學的抽象、復雜等難點，以生產調度工作流模型為主線，采用了基于崗位角色的場景式培訓方法。另一方面，基于企業級生產調度實驗教學仿真系統，通過配置多模型復雜度的培訓系統組件參數，可構建多種符合生產調度業務工作流的企業級生產調度仿真實驗場景，滿足不同層次的實驗教學需求。實驗教學案例表明了該培訓系統及教學方法的可行性及有效性。不僅可用于石化企業調度工程師及相關專業大學生的實踐教育和培訓，也為對接傳統OTS提供了一種有效途徑。

參考文獻(References)：

[1] 張志檁.操作員培訓仿真系統OTS應用進展[J].自動化博覽, 2010, 5(1):80-86.

[2] ULRICH T, HORST J R. Operator guidance simulator: A new power plant training tool concept[J]. IFAC Symposium on Power Plants and Power Systems Control, Kananaskis, Canada, 2006, 327-332.

[3] GARC A N, RUIZ-FEMENIA R, CABALLERO J A. Teaching mathematical modeling software for multiobjective optimization in chemical engineering courses [J]. Education for Chemical Engineers, 2012, 7(4): e169-e180.

[4] JOLY M, ROCHA R, SOUSA L C F,etal. The strategic importance of teaching Operations Research for achieving high performance in the petroleum refining business [J]. Education for Chemical Engineers, 2015, 10:1-19.

[5] YALM K, TUREL. Relationships between students’ perceived team learning experiences, team performances, and social abilities in a blended course setting [J]. Internet and Higher Education, 2016,37:79-86.

[6] SELIM E, ANDREAS J,etal. Tangible Industry 4.0: A scenario-based approach to learning for the future of production [J]. Procedia CIRP , 2016, 54:13-18.

[7] G?RKE M, BELLMANN V, BUSCH J,etal. Employee qualification by digital learning games [J]. Procedia Manufacturing, 2017,9: 229-237.