数字化车间调度方法探究.doc

数字化车间调度方法探究【摘要】在现代工业生产中，建立科学、完善的调度体系对于提高资源应用和保障生产效率等方法起着举足轻重的作用，是实现现代工业先进技术和生产力的重要条件。对生产调度制度进行合理的调整和完善，可以有效的减少资源浪费，提高产品质量，增加企业效益。优化生产调度体制，就是指对生产资料和材料进行合理规划，并形成一个完善的体系，而且先进的调度体系是整个企业实现先进技术、先进生产力、高效的管理制度以及数字化车间的基础。 【关键词】调度方法；数字化车间；多Agent系统 产销类企业需要在计划的时间周期内达到预期的产品产量并完成预定的销售指标。但是因为市场行情是瞬息万变的，而且企业单位使用有限的生产资源，所以生产单位和原材料提供者在资料的分配和供求方面普遍存在矛盾。在这种情况下，为了合理的分配生产资源，提高产品质量和生产效率，优化和完善生产调度体系就显得尤为重要，也是企业生产管理的重要内容之一。 1、数字化车间生产调度体系的优化方法 1.1确定性最优化调度方法 该方法需要进行的规划运算包括“线性规划、整数规划、动态规划、分支定界法”等，最后形成一个有效的数学模型，并利用该模型计算出最佳优化方案。但是由于需要大量复杂的计算工作，所以很难在短时间内完成运算，通常应用于一些细节方面的工作。 1.2基于智能的优化调度方法 主要包括以启发式规则为基础的优化方法、以知识工程为基础的优化方法以及以神经网络技术为基础的优化方法。智能优化方法主要应用了人工智能技术计算出最合理的优化方法，但是这种计算方法具有一定的局限性，比如：在多数情况下，启发式规则是可以求出优化解的，但是在少数特殊的情况下，无法通过启发式规则得到优化解。而以知识工程为基础的优化方法首先需要满足知识的需求才能得到优化解，但是由于环境时实时变化的，因此知识的获取就成了人工智能技术所面临的最大问题。 1.3基于仿生学的优化调度方法 主要包括以模拟退火算法(Simulated Annealing，简称SA)为基础的优化调度方法以及以遗传算法(Genetic Algorithm)为基础的优化调度方法。目前虽然有很多先进的算法已经在优化调度工作中得到应用，但是大多数算法都有自己的优势和缺点，因此适用的情况和环境也不一样。所以，如果将这些算法结合应用，发挥这些算法的优点，并且互相弥补各种算法的缺点，形成适用性更加广泛的优化调度方法，就成了一个重要的研究课题。许多单位曾经用这种方法进行过尝试，但是都是通过固定的模式将这些算法结合应用，而不考虑实际条件以及环境的情况。当今，随着智能Agent技术的应用于发展，使大量的知识进行有机结合成为可能，并且可以实现将这些优化调度算法可以进行有效的结合。 2、控制功能实现过程 2.1制造资源管理 制造资源管理是利用调度Agent，通过资源管理Agent与制造资源Agent闻的交互来实现的。所有的生产设备添加到系统后，都会生成并运行该设备的Agent，并且通过调度Agent在资源管理Agent中进行注册，并且登记该设备的位置、性能等信息，资源管理Agent在确认后，该设备才可以参加生产。如果该设备的相关注册信息发生改变时，需要及时将信息反馈到资源管理Agent，如果该设备不再参加生产，也需要将情况反馈到资源管理Agent，当资源管理Agent确认注销该设备后，才可以终止运行该设备Agent。这样，通过使用资源管理Agent，就可以实时对生产设备进行调度和管理，而且该方法具备很好的灵活性和可扩展性。 2.2单元重构 单元重构技术敏捷制造模式的基本思想，该方法主要包括“重构Agent、资源管理Agent、制造资源Agent、调度Agent和任务Agent”。其中需要特别强调的是“重构Agent”，首先，在多Agent的生产环境中，需要“重构Agent”对加工任务进行竞争；其次，“重构Agent”会根据任务的具体情况将生产设备和资源进行合理的组合，形成制造单元以完成任务。“重构Agent”首先将资源要求信息发送给“资源管理Agent”，然后“资源管理Agent”会根据要求向“重构Agent”发送资源信息，“重构Agent”将以该信息为基础确定加工任务，并且进行合理的配置，然后生成“任务Agent”并且向“资源管理Agent”反馈处理结果。“资源管理Agent”在接到反馈信息后，将信息发送到对应的“制造资源Agent”，“制造资源Agent”接收信息后，会向“资源管理Agent”发送消息要求“资源管理Agent”进行确认，并且将登记信息发送到“任务Agent”。而“资源管理Agent”会对“制造资源Agent”发送的确认信息进行处理，然后发动到重构Agent”。“任务Agent”接收到