基于MES系統(tǒng)的動態(tài)環(huán)境自適應(yīng)調(diào)度模型

賈萬達(dá)　彭艷　石寶東

摘 要：MES 即制造企業(yè)生產(chǎn)過程執(zhí)行系統(tǒng)，是一套面向制造企業(yè)車間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng)。針對MES系統(tǒng)的特點及實際需求，本文研究了在車間復(fù)雜動態(tài)環(huán)境下，建立自適應(yīng)調(diào)度模型的關(guān)鍵技術(shù)，建立了由任務(wù)集、負(fù)載檢測器、調(diào)度處理器、任務(wù)分配器組成的區(qū)域塊自適應(yīng)調(diào)度模型。研究表明，該模型具有良好的穩(wěn)定性及容錯性。

關(guān)鍵詞：MES;自適應(yīng)調(diào)度;知識獲取

中圖分類號：TB 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2021.02.073

0 引言

隨著經(jīng)濟(jì)全球化和信息全球化趨勢的不斷加劇，市場對工件個性化生產(chǎn)及生產(chǎn)效率的要求與日俱增。一種能對生產(chǎn)過程做出快速響應(yīng)、精細(xì)規(guī)范的制造執(zhí)行系統(tǒng)（Manufacturing Execution System，MES）可滿足多變的市場需求，實現(xiàn)生產(chǎn)過程柔性化。MES制造企業(yè)的核心是實現(xiàn)調(diào)度車間高效的智能化作業(yè)，保證企業(yè)均衡生產(chǎn)。

在車間的動態(tài)生產(chǎn)環(huán)境中，制造系統(tǒng)的狀態(tài)總是在持續(xù)不斷地發(fā)生變化。為滿足動態(tài)環(huán)境下的生產(chǎn)要求，許多學(xué)者提出了自適應(yīng)調(diào)度策略，該策略使用動態(tài)多規(guī)則的調(diào)度算法替代靜態(tài)單規(guī)則的調(diào)度算法，從而實現(xiàn)每個決策點都能滿足生產(chǎn)過程的要求。

本文首先分析了自適應(yīng)策略的相關(guān)理論及模型，對比了基于模擬技術(shù)和智能歸納學(xué)習(xí)技術(shù)的自適應(yīng)調(diào)度模型的特點，選擇后者作為實現(xiàn)調(diào)度車間柔性化生產(chǎn)的理論技術(shù)。之后在分析MES生產(chǎn)特點的基礎(chǔ)上，提出了一套能在復(fù)雜動態(tài)環(huán)境下運行的MES自適應(yīng)調(diào)度模型。

1 自適應(yīng)調(diào)度理論及模型

1984年，Baker發(fā)現(xiàn)總有一些生產(chǎn)系統(tǒng)在一定狀態(tài)下的運轉(zhuǎn)性能要高于其他系統(tǒng)，他對此進(jìn)行了深入的研究并提出了自適應(yīng)策略。Park在Baker研究的基礎(chǔ)上，將自適應(yīng)理論應(yīng)用于車間的調(diào)度問題中，提出了自適應(yīng)調(diào)度模型。該模型主要由一個五元組{E，F(xiàn)，M，T，G}構(gòu)成。E表示待調(diào)度工件集合;F表示加工方式集合;M表示調(diào)度算法集合;T表示啟用最佳調(diào)度算法;G表示生產(chǎn)系統(tǒng)的所有狀態(tài)。

自適應(yīng)調(diào)度模型主要由獲取調(diào)度知識、建立目標(biāo)函數(shù)、描述問題特征，評價運行性能等部分組成，其中獲取調(diào)度知識是整個自適應(yīng)模型的核心。目前關(guān)于自適應(yīng)調(diào)度模型的研究主要分為兩大類：基于模擬技術(shù)的調(diào)度模型和基于智能歸納學(xué)習(xí)技術(shù)的調(diào)度模型。

1.1 基于模擬技術(shù)的調(diào)度模型

Wysk等人在研究調(diào)度候選規(guī)則的基礎(chǔ)上提出了模擬知識庫的仿真調(diào)度模型，最終實現(xiàn)根據(jù)不同的動態(tài)規(guī)則選出最優(yōu)調(diào)度算法;Jeong和Kim提出的模擬調(diào)度模型也能實現(xiàn)對最優(yōu)調(diào)度規(guī)則的篩選，并且還能采集車間的調(diào)度數(shù)據(jù)，評價系統(tǒng)的運行狀態(tài)。王國新等人基于模擬技術(shù)提出了灰關(guān)聯(lián)理論計算方法，通過對各項調(diào)度方案的理論計算，得出相應(yīng)的關(guān)聯(lián)系數(shù)，最終實現(xiàn)了對調(diào)度方案的評估，選出最優(yōu)調(diào)度規(guī)則。

綜合分析后發(fā)現(xiàn)基于模擬技術(shù)調(diào)度模型的核心思想是首先建立模擬調(diào)度模型，之后根據(jù)模擬調(diào)度算法模擬整個加工過程，最后記錄系統(tǒng)中的數(shù)據(jù)狀態(tài)，評價系統(tǒng)性能。

基于模擬技術(shù)的調(diào)度模型有以下缺點：（1）如果系統(tǒng)發(fā)生瞬態(tài)變化，需要對系統(tǒng)做必要的修改才能使系統(tǒng)繼續(xù)穩(wěn)定運行;（2）需要時間去分析每個決策點的調(diào)度規(guī)則，難以實現(xiàn)實時調(diào)度。因此，該方法并不適合復(fù)雜動態(tài)環(huán)境下的實時調(diào)度和控制。

1.2 基于智能歸納學(xué)習(xí)技術(shù)的調(diào)度模型

不少學(xué)者將智能歸納學(xué)習(xí)技術(shù)與自適應(yīng)調(diào)度相結(jié)合，開發(fā)了具有學(xué)習(xí)能力的自適應(yīng)調(diào)度模型。

GENGE系統(tǒng)是由Pierreval開發(fā)的具有智能歸納學(xué)習(xí)能力的系統(tǒng)，當(dāng)生產(chǎn)過程約束條件變多時，該系統(tǒng)會依據(jù)各條件的約束能力對調(diào)度規(guī)則進(jìn)行歸納合并，更易求出最優(yōu)調(diào)度方案;Shaw等人使用智能歸納學(xué)習(xí)技術(shù)提出了PDS（Pattern Directed Scheduling）調(diào)度模型，縮短了調(diào)度方案的求解時間。

相比于基于模擬技術(shù)的調(diào)度模型，基于智能歸納學(xué)習(xí)技術(shù)的調(diào)度模型將系統(tǒng)的線性組合技術(shù)作為解決多約束調(diào)度問題的方法，縮短了調(diào)度時間，提高了計算精度。

2 基于MES系統(tǒng)的自適應(yīng)調(diào)度模型

建立基于MES系統(tǒng)的自適應(yīng)調(diào)度模型，需要兩方面工作：

（1）提出一套具有完善體系架構(gòu)的區(qū)域塊自適應(yīng)調(diào)度模型。

（2）將該區(qū)域塊自適應(yīng)調(diào)度模型嵌入到MES系統(tǒng)中。

2.1 區(qū)域塊自適應(yīng)調(diào)度模型的建立

區(qū)域塊自適應(yīng)調(diào)度模型（圖1）采用的是智能歸納學(xué)習(xí)技術(shù)調(diào)度模型的理論框架，主要包含任務(wù)集、負(fù)載檢測器、調(diào)度處理器、任務(wù)分配器。整個模型的核心功能是實現(xiàn)生產(chǎn)任務(wù)的智能管理初步調(diào)度。

（1）任務(wù)集：任務(wù)集包含所有滿足加工任務(wù)要求的待加工件。

（2）負(fù)載檢測器：負(fù)載檢測器主要用于檢測設(shè)備的負(fù)載情況。當(dāng)生產(chǎn)任務(wù)在某機(jī)器上的加工時間超過規(guī)定時間時，負(fù)載檢測器會認(rèn)為該加工機(jī)器設(shè)備已損壞，然后回鎖死該機(jī)器并為當(dāng)前加工任務(wù)重新調(diào)度新的加工機(jī)器。

（3）調(diào)度處理器：主要用于處理加工任務(wù)的調(diào)度異常情況。當(dāng)加工任務(wù)同時被多次調(diào)度時，該調(diào)度任務(wù)會占用調(diào)度處理器大量空間，此時處理器會根據(jù)這些調(diào)度的重要程度來為加工任務(wù)分配調(diào)度。

（4）任務(wù)分配器：任務(wù)分配器的作用是為加工任務(wù)分配合適的機(jī)器。當(dāng)該加工任務(wù)為單體個性化任務(wù)時，分配器會依據(jù)其特性選擇合適的加工機(jī)器;當(dāng)加工任務(wù)為大批量任務(wù)時，分配器則采用計算池機(jī)制進(jìn)行處理。為保證所有任務(wù)的實時調(diào)度，引入弱化因子λ（本文取0.8），作用是對沒有進(jìn)行加工的任務(wù)進(jìn)行弱化處理，從而提高該任務(wù)的重要性。

（5）樹形調(diào)度：讀取任務(wù)分配器的分配信息，按照樹形模糊聚類算法將加工任務(wù)分配給機(jī)器加工。

2.2 基于MES系統(tǒng)的區(qū)域塊自適應(yīng)調(diào)度模型

本節(jié)根據(jù)MES系統(tǒng)架構(gòu)的特點，將區(qū)域塊自適應(yīng)調(diào)度理論嵌入其中，具體調(diào)度流程如下：

（1）根據(jù)MES集成制造的特點，區(qū)域塊自適應(yīng)調(diào)度模型中的任務(wù)集會將加工任務(wù)積攢到一定數(shù)目后才會對所有任務(wù)進(jìn)行一次映射。

（2）任務(wù)分配器會根據(jù)加工任務(wù)的規(guī)模及特性進(jìn)行邏輯分組，對于單體個性化的加工任務(wù)，選擇較小的邏輯分組作為調(diào)度節(jié)點;對于大規(guī)模的加工任務(wù)，則選擇較大的邏輯分組作為調(diào)度節(jié)點，實現(xiàn)自適應(yīng)調(diào)度。

（3）小規(guī)格邏輯分組采用時間差值最大算法（Maximum time difference algorithm，MTD）進(jìn)行調(diào)度。其核心思想是算出最小工件加工時間Timin，算出次小加工時間Tjmin，二者之差即為時間差值Td，找出Td最大時的加工任務(wù)優(yōu)先加工。如此反復(fù)直至所有任務(wù)都被指派。

（4）大規(guī)格邏輯分組也同樣采用MTD算法，找出時間差值最大的優(yōu)先加工，實現(xiàn)自適應(yīng)調(diào)度。

（5）對于沒被加工的任務(wù)，用該任務(wù)對應(yīng)的時間差值除以弱化因子，以提高新的Td值，優(yōu)先調(diào)度。

（6）負(fù)載檢測器和調(diào)度處理器用于檢測和處理身生產(chǎn)過程中的設(shè)備工況問題，保證工件的正常加工。

2.3 實例仿真

為驗證本文提出的模型計算能力，對22個節(jié)點組成的3組邏輯分組進(jìn)行了計算，最終的執(zhí)行節(jié)點及執(zhí)行時間如圖2所示。

根據(jù)圖2分析可知：

（1）區(qū)域塊自適應(yīng)調(diào)度模型具有較好的加工穩(wěn)定性。其主要原因是負(fù)載檢測器和調(diào)度處理器能及時檢測機(jī)器的工作狀態(tài)并重新分配任務(wù)，使得系統(tǒng)趨于穩(wěn)定狀態(tài)。

（2）無效節(jié)點5，6未能進(jìn)行調(diào)度，不影響后續(xù)節(jié)點的工作，證明了區(qū)域塊自適應(yīng)調(diào)度模型具有較好的容錯性能。

3 結(jié)論

本文建立了基于MES系統(tǒng)的區(qū)域塊自適應(yīng)調(diào)度模型，通過采用MTD算法不但實現(xiàn)了對單體個性化產(chǎn)品和大規(guī)格產(chǎn)品的邏輯分組，而且各組都具有自適應(yīng)調(diào)度能力。研究表明，該模型具有良好的運行穩(wěn)定性及容錯性，有望用于實際生產(chǎn)。

參考文獻(xiàn)

[1]何軼超.MES生產(chǎn)調(diào)度與控制系統(tǒng)設(shè)計與實現(xiàn)[D].杭州：浙江理工大學(xué)，2017.

[2]何軍紅，馬國偉，劉賽，等.MES柔性作業(yè)車間調(diào)度優(yōu)化算法的研究[J].工業(yè)儀表與自動化裝置，2020，（01）：26-32.

[3]王偉達(dá).動態(tài)的車間環(huán)境下自適應(yīng)調(diào)度器及其關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2008.

[4]Wu Szu-Yung David，Wysk Richard A.Multi-pass expert control system-a control/scheduling structure for flexible manufacturing cells[J].Elsevier，1988，7（2）.

[5]K.-C.Jeong，Y.-D.Kim.A real-time scheduling mechanism for a flexible manufacturing system： Using simulation and dispatching rules[J].InternationalJournalofProduction Research，1998，36（9）.

[6]王國新，寧汝新，王愛民，等.基于仿真的調(diào)度規(guī)則組合決策研究[J].北京理工大學(xué)學(xué)報，2006，（07）：598-601+629.

[7]A Simulation and Learning Technique for Generating Knowledge about Manufacturing Systems Behavior，1990，41（6）：461-474.

[8]M.J.Shaw，S.Park，N.Raman.Intelligent Scheduling with Machine Learning Capabilities： The Induction of Scheduling Knowledge[J].IIE Transactions，1992，24（2）.