多Agent的MES任务调度的分析与设计.docxVIP

PAGE 1 PAGE 1 多Agent的MES任务调度的分析与设计  本文针对MES的生产管理的特征，利用Agent自主性、智能性等特点，提出基于多Agent的MES任务调度模型，介绍该模型的结构以及各部分Agent的功能和特点。并使用遗传算法对参与调度的多Agent的协商机制进行优化以提高任务调度中多Agent的协商效率。  1引言  进入二十一世纪，制造业的竞争日趋激烈，至今己经涌现了很多的先进制造技术。而底层的掌握由于没有实时的动态信息指导，导致生产效率受到制约，由此可见，在计划层与底层车间的掌握层之间出现了一道鸿沟。如何有效地解决两者之问的矛盾，提高计划的实时性和有效性，增加生产计划管理的响应能力，同时改善资源的运行效率，已成为一个重要的研究课题。而制造执行管理系统MES（ManufacturingExecutionSystem）的应用正好能填补这一鸿沟。任务调度是MES的核心功能之一，因此对MES的任务调度的研究有着重要的意义。  Agent又称代理，是一种具有自主性、交互性、反应性和主动性的高度自治的实体。多Agent系统MAS（Multi—AgentSystem）是分布式人工智能研究的热点，MAS具有分布式并行处理、强壮性、可伸缩性、可维护性等特点，适合于求解分布式动态环境下的决策问题。本文将多Agent理论应用于解决实际的MES任务调度问题实施方案中，建立了基于多Agent的MES任务调度模型。  2基于多Agent的MES任务调度系统结构设计  多Agent的MES任务调度系统由三个主体层——用户层、功能层和数据层构成。其总体结构如图1所示。  图1基于多Agent的MES任务调度系统结构  应用层的上层由四个不同类型的Agent组成，也是任务调度系统的核心部分，主要负责生产调度任务的创建、运行和实现。对实时事件做出准时的响应和处理，完成整个生产过程的优化工作。各个Agent功能说明如下：  （1）资源管理Agent：包含设备Agent（DA）和工序Agent等多个子Agent，负责采集、保存、更新和查询全部的加工资源及其管理维护工作，为平衡生产能力及实现资源重组供应依据。生产资源主要包括设备运行状态、工序基本信息、车间生产日志和资源配置的方法。  （2）在线监控Agent：主要负责各个Agent之间的协调交互，跟踪生产数据并把数据反馈给资源管理Agent，实时更新资源信息。  （3）评价掌握Agent：包含评价体系和评价指标两个方面。另外从策略库中调用基本模型和算法，将规律上相关的模型组合成为具有特定描述能力的某一模型，该组合方式呈动态性，即各个模型在物理上独立存在，可以依据实际问题的需要加以组合。  （4）任务Agent：包括调度掌握Agent和任务分解Agent，负责任务预安排和任务的动态安排。  ①调度掌握Agent：在生产运行过程中，由于突发事件的发生使得预调度不能满意按期完成加工任务的要求，这时在接受在线监控Agent的异常警报后，依据当时的加工任务与资源状况对生产加工进行重新排序和资源重组，它需要与资源管理Agent协调，定期进行信息交互以获得资源状态的实时信息。  ②任务分解Agent：初始接受计划文档，把计划文档中的全部任务按树型结构列入任务AgentHash表中，然后由资源Agent建立所需要的接口和网络通信，任务分解Agent在学问库中查找可以执行的资源Agent。   本文针对MES的生产管理的特征，利用Agent自主性、智能性等特点，提出基于多Agent的MES任务调度模型，介绍该模型的结构以及各部分Agent的功能和特点。并使用遗传算法对参与调度的多Agent的协商机制进行优化以提高任务调度中多Agent的协商效率。  1引言  进入二十一世纪，制造业的竞争日趋激烈，至今己经涌现了很多的先进制造技术。而底层的掌握由于没有实时的动态信息指导，导致生产效率受到制约，由此可见，在计划层与底层车间的掌握层之间出现了一道鸿沟。如何有效地解决两者之问的矛盾，提高计划的实时性和有效性，增加生产计划管理的响应能力，同时改善资源的运行效率，已成为一个重要的研究课题。而制造执行管理系统MES（ManufacturingExecutionSystem）的应用正好能填补这一鸿沟。任务调度是MES的核心功能之一，因此对MES的任务调度的研究有着重要的意义。  Agent又称代理，是一种具有自主性、交互性、反应性和主动性的高度自治的实体。多Agent系统MAS（Multi—AgentSystem）是分布式人工智能研究的热点，MAS具有分布式并