基于多Agent的制造企業MES系統設計與應用

摘要：傳統制造企業MES系統常面臨集成難、數據質量差、成本高及靈活性不足等問題，導致系統僵化、響應慢。基于多Agent技術，構建包含管理層、協調層和執行層的制造企業MES系統架構。在系統功能上，利用RFID射頻技術設計生產數據采集功能Agent。通過構建并求解優化模型設計生產任務調度功能Agent。基于隨機森林算法設計生產設備監控功能Agent。實際應用結果表明，設計MES系統功能完善，可以為制造企業實現智能制造提供可行的技術路徑。

關鍵詞：多Agent系統；制造企業；MES系統；系統設計；系統應用

一、前言

制造企業的制造執行（MES）系統，作為連接企業資源計劃系統與現場自動化控制系統之間的橋梁，扮演著至關重要的角色。MES系統通過對生產過程的實時監控、調度與優化，確保了生產計劃的有效執行，是實現智能制造的關鍵環節。然而，隨著制造環境日益復雜多變，傳統MES系統面臨著諸多挑戰。一方面，傳統MES系統多采用集中式控制架構，難以適應分布式、異構的生產環境，導致系統靈活性不足，難以快速響應生產需求的變化。另一方面，傳統MES系統在數據處理、決策支持與故障預警等方面的智能化水平有限，難以充分利用大數據、人工智能等先進技術，實現生產過程的深度優化與預測性維護。在此背景下，多Agent系統作為人工智能領域的重要分支，以其分布式控制、自主決策、協同工作等特性，為解決復雜系統的管理與優化問題提供了新的視角。在多Agent系統中，每個Agent被視為具有一定智能的實體，能夠根據自身狀態、環境信息及與其他Agent的交互結果，自主做出決策并執行相應動作，實現對復雜動態環境的適應與優化。

因此，設計并應用基于多Agent的制造企業MES系統，以提升傳統系統的靈活性、智能化水平及綜合性能，成為當前制造業信息化領域的研究熱點。

二、基于多Agent的制造企業MES系統架構設計

由于傳統制造企業MES系統大多采用集中式控制模式，難以適應現代制造環境的動態性和復雜性，所以引入多Agent技術，設計如圖1所示的制造企業MES系統架構[1]。

如圖1所示，基于多Agent的MES系統架構含管理層、協調層、執行層[2]。管理層制定生產任務，執行層直接參與生產。協調層則作為管理層與執行層之間的橋梁，負責任務的分解、分配與協調，確保生產任務能夠順利下達到執行層，并實時監控執行進度，反饋生產狀態。執行接口等Agent協作完成任務[3]。此設計提升了智能化、靈活性與響應速度，助力智能制造轉型。

三、基于多Agent的制造企業MES系統功能設計

（一）生產數據采集功能

在制造企業MES系統中，生產數據的實時采集功能對于生產調度和決策至關重要。為了實現這一目標，本文在生產數據采集Agent中引入RFID射頻技術[4]。具體來說，在生產現場的每個RFID讀寫器作為數據采集Agent，負責收集其覆蓋范圍內的標簽信息。標簽則附著在生產物料、員工和設備上，用于標識和追蹤。當帶有標簽的物料、員工或設備經過RFID讀寫器時，讀寫器會讀取標簽中的信息，進行生產數據采集[5]，在完成生產數據采集后，將其傳輸并存儲至數據庫Agent中，以便其他Agent調用。

（二）生產任務調度功能

在生產任務調度Agent上，本文將調度轉為優化問題，構建并求解模型以實現調度[6]。在制造車間，產品需全部生產完才能進行后續工作。為提高裝配效率，需縮短整批產品生產時間，即最小化完工時間。構建數學模型時，關鍵是計算整批產品最晚完工時間。已知產品Pi的生產工序G最晚開始加工時間TPi，G為：

（1）

其中：

（2）

（3）

式中，mtn表示編號為n的生產設備的加工時間，m為生產設備數量。SPi，G表示產品Pi的生產工序G的結束時間。T0表示使用設備G的生產時間。根據上述公式，即可確定完成最后一個產品的最后一道工序的最晚時間，并以此作為生產任務調度模型的優化目標，具體計算公式如式（4）：

（4）

式中，f表示最后一個產品的最后一道生產工序的最晚生產時間函數。上述建立的數學模型為車間調度問題提供了理論基礎。為了求解該模型，采用遺傳算法（GA），這是一種模擬自然選擇和遺傳機制的優化算法，適用于解決復雜的組合優化問題。隨機生成初始調度方案，計算適應度值[7]。采用輪盤賭選擇父代，進行單點交叉和變異操作生成子代，替換種群個體。重復至收斂，選擇最優解作為最佳調度方案。在生產任務調度Agent上，構建數學模型并用遺傳算法求解，可最小化完工時間，從而提升生產效率。

（三）生產設備監控功能

在生產設備監控Agent上，為了實現對設備運行數據的深度學習和模式識別，引入隨機森林算法[8]。在生產設備監控中，隨機森林算法能夠對設備運行數據進行高效處理，識別出不同狀態下的數據特征，從而建立準確的設備狀態監測模型。假設，生產數據采集Agent獲取的制造企業生產設備歷史運行狀態樣本數據集為B={（x1，y1），（x2，y2），…，（xN，yN）}，x1，x2，…，xN為生產設備運行數據，y1，y2…，yN為對應的生產設備運行狀態標簽。利用該數據集訓練生成決策樹，在決策樹生成過程中，節點分裂至關重要。本文以信息增益作為節點分裂的依據，其計算公式如式（5）：

（5）

其中：

（6）

式中，W（B，x）表示某一生產設備運行數據x對數據集B進行劃分時所獲取的信息增益，其值越大說明集合純度越高。H（B）表示數據集B的信息熵。Bl表示數據集B在數據x上編號為l的屬性上取值的樣本集合。L表示數據屬性集合。Zk表示第k個生產設備運行狀態類別yk在數據集合B中所占比例。根據式（5）計算出全部數據的信息增益，從而選擇最大信息增益的數據進行節點分裂，直到全部決策樹節點的信息熵為0，完成節點分裂，生成決策樹。

可構建隨機森林，輸入設備運行數據得到監控結果，幫助檢修維護。本文基于多Agent的MES系統，在主體上分別實現采集、調度、監控功能，保障企業智能化管理。

四、實際應用

（一）應用準備

完成基于多Agent的制造企業MES系統的架構與功能設計后，在我國某液壓元件制造企業內應用該系統，展開系統功能測試。首先，在該液壓元件制造企業中，配置系統開發環境的參數，見表1。

基于上表所示環境，開發基于多Agent的制造企業MES系統，并將其部署在生產車間內，一一進行生產數據采集功能、生產任務調度功能、生產設備監控功能的驗證，確保各功能模塊正常運行。

（二）生產數據采集功能驗證

針對基于多Agent的制造企業MES系統的生產數據采集功能，以液壓元件制造企業車間內某型號的數控機床作為測試對象，應用本文設計系統進行數控機床設備的數據采集，點擊設備按鈕，即可顯示對應機床的詳細加工狀態數據，如圖2所示。

本系統實時采集機床狀態、工序、報警等關鍵數據，避免人工錯誤與遺漏，為生產管理和維護提供準確信息，驗證了多Agent MES系統生產數據采集功能的有效性。

（三）生產任務調度功能驗證

針對基于多Agent的制造企業MES系統的生產調度功能，基于液壓元件制造企業的實際生產需求，設置100個不同的元件生產任務，分別在不應用本文設計系統和應用MES系統的情況下，進行100個液壓元件生產任務的調度，記錄并比較最大完工時間，如圖3所示。

隨著液壓元件生產任務增加，未用本系統時最大完工時間近似線性增長，而用本系統時增長幅度小，表明處理多任務效率高。在所有任務量下，使用本系統的最大完工時間均顯著縮短，生產效率提升。因此，本文設計的多Agent MES系統生產調度功能可行、可靠。

（四）生產設備監控功能驗證

針對基于多Agent的制造企業MES系統的生產設備監控功能，在上述數控機床設備運行過程中，模擬正常、警戒、異常、故障這四種不同的運行狀態，每種狀態下各采集20組設備運行數據，通過本文設計系統進行該數控機床設備運行狀態監控，記錄監控結果如圖4所示。

從圖4可以看出，本文設計系統能夠準確識別制造企業生產車間中數控機床設備的正常、警戒、異常、故障狀態，識別正確率高達97.5%，說明本文設計系統的生產設備監控功能良好。綜上所述，通過本次實際應用結果驗證了基于多Agent的制造企業MES系統的功能完善，可以為制造企業提供更全面的管理支持。

五、結語

本研究聚焦多Agent技術的MES系統設計，構建了智能化、可擴展的MES原型，涵蓋數據采集、調度優化、設備監控等。實驗顯示系統適應性強、功能完善。未來，將進一步探索AI算法與多Agent系統的深度融合，以期在預測性維護、質量控制等領域取得更多突破，推動制造業向更高層次的智能制造邁進。

參考文獻

[1]史慧杰，王立平，王冬.基于微服務的制造執行系統架構研究[J].現代制造工程，2024（01）：45-50.

[2]莊永航，向軍，潘如如.基于B/S架構的漿紗MES系統開發與應用[J].棉紡織技術，2023，51（08）：11-14.

[3]黃佳銘，張逸，陳晶騰，等.基于多Agent系統的大型電網電壓暫降評估[J].電力系統保護與控制，2023，51（10）：45-53.

[4]張操，向軍，潘如如.基于數據挖掘的織物疵點MES系統開發[J].棉紡織技術，2023，51（08）：7-10.

[5]唐紅濤，張偉，張雁翔.面向高端液壓缸離散制造的PLM/ERP/MES全生命周期管控平臺構建與應用研究[J].機床與液壓，2023，51（01）：63-70.

[6]張亞平.對集成的MES系統應用于中小型變壓器鐵心車間的研究[J].變壓器，2024，61（02）：17-21.

[7]張濤，資明庚，蔣鑫強，等.基于MES+信息化管理系統的鈑金加工數字化車間建設[J].鍛壓技術，2024，49（04）：242-248.

[8]劉艷，宋雷雷，趙云峰.智能制造背景下精益生產制造執行系統的應用[J].城市軌道交通研究，2024，27（05）：190-193.

作者單位：上海南洋萬邦軟件技術有限公司

■ 責任編輯：王穎振 鄭凱津