陳賢照

摘?要：車間生產(chǎn)調(diào)度是智能制造系統(tǒng)運(yùn)行的基礎(chǔ)內(nèi)容。以現(xiàn)階段智能制造系統(tǒng)工作情況為基礎(chǔ)，結(jié)合近年來車間調(diào)度問題的含義及發(fā)展趨勢，明確企業(yè)發(fā)展對智能制造系統(tǒng)的要求，分析智能制造系統(tǒng)多目標(biāo)車間調(diào)度，并分析未來發(fā)展方向，以此持續(xù)優(yōu)化我國企業(yè)的管理水平。

關(guān)鍵詞：智能制造系統(tǒng);車間調(diào)度;動(dòng)態(tài)作業(yè);批量生產(chǎn)

作為制造系統(tǒng)的基礎(chǔ)，優(yōu)化生產(chǎn)調(diào)度是現(xiàn)代制造技術(shù)和管理工作的核心內(nèi)容。現(xiàn)階段，國際生產(chǎn)工程學(xué)會(huì)已經(jīng)提出了四十種先進(jìn)的制造模式，但不管是哪一種都是以優(yōu)化生產(chǎn)調(diào)度為核心提出的。因此，要想優(yōu)化我國企業(yè)管理水平，必須要研制出具有我國特色的生產(chǎn)調(diào)度技術(shù)。因此，下面對智能制造系統(tǒng)多目標(biāo)車間調(diào)度進(jìn)行研究。

1 智能制造系統(tǒng)的概念

簡單來說，這一內(nèi)容是由智能機(jī)器和人類專家共同組成的人機(jī)一體化智能系統(tǒng)，其在制造時(shí)會(huì)以一種高度柔性與集成不高的方式，整合計(jì)算機(jī)模擬人類專家的智能活動(dòng)進(jìn)行研究、判斷及思考，最終取代或延伸制造環(huán)境中人類大腦的活動(dòng)過程。同時(shí)，在實(shí)踐運(yùn)行中，其可以吸收、共享及優(yōu)化人類專家的智能。如下圖所示，其為MES系統(tǒng)構(gòu)成圖：

2 車間調(diào)度問題

2.1 含義

這一內(nèi)容是指，從時(shí)間角度合理配備系統(tǒng)中包含的資源，并滿足特定目標(biāo)提出的要求。其中，在實(shí)踐發(fā)展中，最難解的問題是一個(gè)特加工零件集合，此時(shí)每個(gè)零件中有一個(gè)工序集合，而每個(gè)工序都會(huì)引用所需生產(chǎn)資源，并嚴(yán)格按照規(guī)定路線進(jìn)行操作。因此，為了保障實(shí)踐工作的有效性，在運(yùn)行期間各個(gè)機(jī)床要針對不同要求提出對應(yīng)工序。在這一過程中，調(diào)度的本質(zhì)在于為零件科學(xué)劃分各項(xiàng)資源，且合理設(shè)計(jì)加工時(shí)間，這樣有助于工作在符合制約條件的基礎(chǔ)上，實(shí)現(xiàn)指標(biāo)最優(yōu)化[1]。

2.2 發(fā)展趨勢

現(xiàn)階段，很多車間調(diào)度問題都具備NP困難特性，雖然針對這一內(nèi)容的研究歷史已有幾十年，但一直到現(xiàn)如今都沒有提出完善的理論與方法，且兩者存在較大差異。一般情況下，在實(shí)踐操作中應(yīng)用的調(diào)度方法雖然可以滿足系統(tǒng)動(dòng)態(tài)變化，但卻難以獲取良好調(diào)度;而部分理論中擁有最優(yōu)調(diào)度方法，但因計(jì)算較難，且忽視了現(xiàn)實(shí)操作中的影響因素，導(dǎo)致兩者之間存在一定區(qū)別。未來有關(guān)調(diào)度問題的研究會(huì)從以下三點(diǎn)入手：其一，集成化;其二，動(dòng)態(tài)化;其三，高效智能化。

3 智能制造系統(tǒng)多目標(biāo)車間調(diào)度研究

3.1 生產(chǎn)周期-交貨期雙目標(biāo)

通過在雙向調(diào)度方法中添加遺傳算法，可以構(gòu)建全新的調(diào)度算法。在關(guān)鍵零件中應(yīng)用反向調(diào)度，可以符合交貨期規(guī)定。相反，在一般零件中應(yīng)用前向調(diào)度法，能在剩余車間資源的保障下盡快完成工作。整合實(shí)踐結(jié)果分析可知，引用遺傳算法中的全局搜索能力，有助于獲取優(yōu)質(zhì)調(diào)度，且在生產(chǎn)工作中具有優(yōu)越性。

3.2 生產(chǎn)周期-生產(chǎn)費(fèi)用雙目標(biāo)

通過融合遺傳算法和小腦模型神經(jīng)網(wǎng)絡(luò)，在生產(chǎn)周期-生產(chǎn)費(fèi)用雙目標(biāo)調(diào)度問題中，可以提出以凈現(xiàn)值為核心的生產(chǎn)費(fèi)用計(jì)算方法。在這一過程中，小腦模型可以全面掌握不同狀態(tài)下獲取的數(shù)據(jù)，并能充分展現(xiàn)各個(gè)生產(chǎn)率與生產(chǎn)成本所需的優(yōu)質(zhì)調(diào)度方案。

3.3 多資源多目標(biāo)作業(yè)

在了解這一調(diào)度問題時(shí)，要設(shè)計(jì)一種產(chǎn)生活動(dòng)調(diào)度的啟發(fā)式算法。按照決策人員帶來的模糊偏好信息，科學(xué)優(yōu)化多目標(biāo)遺傳算法，可以讓啟發(fā)式調(diào)度算法與革新后的遺傳算法融合到一起，最終獲取一個(gè)多目標(biāo)的遺傳調(diào)度算法。通過實(shí)踐證明，這一內(nèi)容是具有可行性和現(xiàn)實(shí)性的。

3.4 批量生產(chǎn)調(diào)度

將控制生產(chǎn)周期看作工作目標(biāo)，全面分析批量生產(chǎn)作業(yè)中的調(diào)度問題，并設(shè)計(jì)具體算法。一般情況下，在算法中會(huì)引用三種對策提升實(shí)踐生產(chǎn)率，此時(shí)不僅要將零件分為小生產(chǎn)批量，還要對小生產(chǎn)批量進(jìn)行多次運(yùn)輸，卻科學(xué)劃分批量啟動(dòng)時(shí)間和生產(chǎn)工作時(shí)間，最終在零件達(dá)到機(jī)床前進(jìn)行準(zhǔn)備工作[2]。

3.5 動(dòng)態(tài)作業(yè)調(diào)度

這項(xiàng)工作是指通過構(gòu)建動(dòng)態(tài)化的批量生產(chǎn)的多資源多工藝多目標(biāo)的作業(yè)調(diào)度模型，提出對應(yīng)的調(diào)度算法。更為重要的是，要研究設(shè)備故障、零件持續(xù)達(dá)到等突發(fā)現(xiàn)象，此時(shí)可以引用以周期和事件為核心的調(diào)度對策，從而保障變化狀態(tài)得到響應(yīng)。

3.6 調(diào)度軟件

現(xiàn)階段，我國已經(jīng)加強(qiáng)了作業(yè)調(diào)度軟件開發(fā)力度，且已經(jīng)開始在企業(yè)生產(chǎn)中大量應(yīng)用。

4 結(jié)語

綜上所述，在調(diào)度研究越發(fā)深入的背景下，式計(jì)算法勢必會(huì)與生產(chǎn)實(shí)踐相整合，并開始向著智能化和高效化的方向持續(xù)革新。因此，在新時(shí)代發(fā)展中，為了滿足智能制造系統(tǒng)發(fā)展需求，必須要增加多目標(biāo)車間調(diào)度研究力度，以此為實(shí)踐發(fā)展提供更多依據(jù)。

參考文獻(xiàn)：

[1]彭憶炎，孔建壽，陳軒，等.面向智能制造的作業(yè)車間調(diào)度算法研究[J].南京理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，41（3）：322-329.

[2]金嘉誠，張?jiān)孪?，戴佐?離散車間多目標(biāo)調(diào)度算法探究[J].電腦與電信，2017（12）：10-13.