数据驱动下X公司生产调度系统研究与实现.pdfVIP

数据驱动下X公司生产调度系统研究与实现

摘要

当下，制造业正在经历由高速发展向高质量发展的关键转型期，顾客对产

品的个性化、价格、质量、时间、服务等综合指标需求越来越高，以数字化、

网络化、智能化为特征的新一代智能制造模式作为这一时代的产物已经成为研

究热点，其应用将极有力地推动制造业生产过程的敏捷化、标准化等。其中，

新模式在优化作业车间生产调度问题（JSSP）上成果显著，并成功应用在一些

制造业龙头企业。然而，中小型企业由于基础薄弱，如果强行复制标杆企业的

应用模式，将导致一系列灾难性后果。本文以X公司JSSP为研究背景，面向

其生产车间多品种、小批量生产方式且订单下达频繁导致调度混乱的现状，基

于数据处理和知识挖掘等智能算法助力中小型企业数字化、网络化的赋能进而

实现对新模式的成功应用，本研究力图规避使用传统的数学建模与算法的复杂

性高和普适化程度低、完全仿真方法的计算量大和成本高等缺点，采用数据驱

动的方法，结合计算机仿真技术、机器学习技术以机器前待加工产品的最小平

均完工时间、最小平均延迟时间为目标，平衡生产系统中各订单中产品的完成

时间，研究并开发一套以机器为单位实时指派调度规则（DR）的调度系统，达

到优化X公司生产调度、实现实时对机器指派DR、提高生产车间生产效率的

目的。

首先，在整理大量相关文献和对X公司深入调研的基础上，为保证模型构

建和实验分析过程的样本数据量，根据X公司生产车间的生产特点且得到X公

司相关管理人员认可后，模拟出其生产车间同类别同工艺流程产品在所经过的

机器上的加工时间、准备时间等作为该类产品的原始静态属性数据，根据原始

静态属性数据求得如最大剩余加工时间、松弛时间等作为该类别产品的原始动

态属性数据，并与原始静态属性数据组成原始属性数据；其次，建立DR库，

利用计算机仿真技术对同类别同工艺流程产品以机器为单位从DR库中优选出

该类产品应被指派的最优DR，其中该DR作为原始属性数据样本的标签，对获

得的原始带标签数据的属性数据进行加工以获得适合机器学习分类算法的原始

可用带标签数据，进而对原始可用带标签数据预处理获得高质量数据；再次，

构建随机森林（RF）多分类模型，根据输入属性预测最优DR，构建支持向量

机（SVM）二分类模型监控RF多分类模型输出的DR是否可用，对判断为不

进行使用的DR所对应的样本属性数据进行重新仿真从DR库中优选出最优DR

作为该样本下的可用DR，融合RF多分类模型、SVM二分类模型和仿真优选

最优DR最终形成DR优选模型；最后，根据对X公司生产车间整个生产调度

过程的业务流程的优化结果，开发出一套生产调度系统并将提出的模型嵌入其

中，实现本文所提模型的落地使用。对优化X公司生产车间生产调度问题的研

究方法与成果，对中小型离散制造企业向智能制造模式跨越性转型提供了借鉴

意义，其提出的DR优选模型以其开发过程简单、计算成本低、解决订单频繁

扰动的普适化程度高等优点可广泛应用于解决中小型离散制造企业JSSP中。

关键词：

数据驱动，调度规则，计算机仿真，机器学习，生产调度系统

ABSTRACT

Atpresent,themanufacturingindustryisundergoingacriticaltransitionperiod

fromrapiddevelopmenttohigh-qualitydevelopment.Customersareincreasingly

demandingcomprehensiveindicatorssuchasproductindividuation,price,quality,

time,andservice.Inordertosolvetheaboveproblems,anewgenerationof

intelligentmanufacturingmodelcharacterizedbydigitization,networking