宋海濤，陸 濤，李世強，蘭雅琴

（工業(yè)互聯(lián)網(wǎng)創(chuàng)新中心（上海）有限公司，上海201306）

0 引言

隨著新工業(yè)革命時代的序幕徐徐拉開，物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、智能ICT技術(shù)、人工智能等技術(shù)成為舞臺上最受矚目的新星。在這些新興技術(shù)的推動下，工業(yè)領(lǐng)域中的大數(shù)據(jù)環(huán)境正在逐漸形成，數(shù)據(jù)從制造過程中的副產(chǎn)品轉(zhuǎn)變成為備受企業(yè)關(guān)注的戰(zhàn)略資源。航空、航天、高鐵等領(lǐng)域的設(shè)備具有結(jié)構(gòu)復(fù)雜、工作條件嚴格、可靠性要求高等特點。隨著新一代設(shè)備綜合性能的提高，裝配質(zhì)量和效率的要求也越來越高。裝配在產(chǎn)品的生產(chǎn)制造過程中占據(jù)十分重要的地位。裝配序列規(guī)劃是產(chǎn)品數(shù)字化裝配規(guī)劃過程的重要組成部分，裝配序列規(guī)劃結(jié)果的優(yōu)劣直接影響著產(chǎn)品的質(zhì)量、使用壽命和性能[1]。

特別是裝配過程中產(chǎn)生的異構(gòu)數(shù)據(jù)使得裝配調(diào)度優(yōu)化問題更加復(fù)雜。許多常見的方法和模型對裝配大數(shù)據(jù)的處理有局限性?；诖髷?shù)據(jù)的裝配調(diào)度問題是指具有裝配資源能力約束的多目標優(yōu)化問題。然而，各種因素的影響很難用一個清晰的數(shù)學(xué)模型來描述。

裝配過程復(fù)雜性（APC）依賴于裝配過程屬性，如裝配零件和技術(shù)。裝配復(fù)雜度從根本上決定了人的失誤率，也對產(chǎn)品質(zhì)量有重要影響[2]。趙雷[1]通過二次開發(fā)工具CAA，完成自動提取產(chǎn)品三維模型的裝配信息，采用混合算法進行裝配序列的求解，實現(xiàn)了最優(yōu)裝配序列的生成，驗證了該算法的可行性。薛問濤[3]利用UG軟件平臺和VC++語言作為建模工具，構(gòu)建裝配模型，對系統(tǒng)各模塊進行程序設(shè)計，使系統(tǒng)在UG的環(huán)境下，實現(xiàn)三維裝配體和零件模型的生成及裝配信息的提取。李慧[4]在分析了裝配規(guī)劃過程對產(chǎn)品數(shù)據(jù)信息需求的基礎(chǔ)上，建立了面向裝配的產(chǎn)品層次模型，以及基于NURBS統(tǒng)一化表達的零件幾何信息模型；并結(jié)合干涉關(guān)系矩陣，建立了包含設(shè)備資源信息的層次化裝配關(guān)系模型，實現(xiàn)了對零件及其裝配資源動態(tài)約束關(guān)系的表達，降低了裝配規(guī)劃的復(fù)雜程度。盧小平[5]針對虛擬裝配中的產(chǎn)品裝配順序規(guī)劃問題，提出層次化裝配模型，在此基礎(chǔ)上生成產(chǎn)品裝配層次樹結(jié)構(gòu)，并給出基于裝配關(guān)聯(lián)圖的分層規(guī)劃算法，通過固定順序判據(jù)法降低裝配序列組合復(fù)雜性，提高裝配順序規(guī)劃的效率。孟飆等[6]通過建立由質(zhì)量數(shù)據(jù)關(guān)系模型和質(zhì)量數(shù)據(jù)倉庫模型共同組成質(zhì)量數(shù)據(jù)模型體系，設(shè)計出一種基于數(shù)據(jù)模型體系的飛機裝配質(zhì)量數(shù)據(jù)挖掘循環(huán)機制。劉明周等[7]除了各種制造資源的靜態(tài)裝配信息和各部門之間的協(xié)調(diào)之外，在裝配系統(tǒng)的操作過程中產(chǎn)生的大量動態(tài)和實時的資源信息也會導(dǎo)致裝配系統(tǒng)的復(fù)雜性。此外，對輪式移動機器人或拉式制造系統(tǒng)[8-9]有一些建模研究。

現(xiàn)有的制造系統(tǒng)建模方法大多從一個特定的角度函數(shù)模型、信息模型或動態(tài)模型中考慮問題，沒有充分考慮和利用制造過程中的大數(shù)據(jù)效用。在涉及信息環(huán)境的制造過程建模中，這一問題更加突出。

劉曉波[10]以CAD工程軟件CATIA/V5為平臺，完成基于模型定義的飛機裝配工藝輔助系統(tǒng)提高工藝人員的設(shè)計工作效率。實現(xiàn)飛機裝配工藝信息的分類、獲取、標注等需求。馮廷廷[11]基于MBD技術(shù)，通過對飛機裝配流程的分析，以及對裝配工藝模型的設(shè)計與仿真，最后生成裝配指令，提高飛機裝配效率。熊峰[1 2]利用XML技術(shù)構(gòu)建飛機裝配工藝信息模型，研究了其特點，用Java編程技術(shù)共享裝配工藝信息。林美安[13]考慮到劃分裝配單元，選擇定位基準與方法，利用DELMIA技術(shù)實現(xiàn)對飛機自動化裝配仿真。

尤其在復(fù)雜設(shè)備的制造裝配中，大多屬于單件或小批量生產(chǎn)，其裝配生產(chǎn)線多為多產(chǎn)品、多狀態(tài)、多批次、混合生產(chǎn)，裝配調(diào)度極其復(fù)雜。

多產(chǎn)品混合模型裝配線的調(diào)度包括兩個密切相關(guān)的方面：最優(yōu)有效作業(yè)分配和最優(yōu)生產(chǎn)序列。MILTBURG[14]、Pereira和VIL[15]以盡量減少裝配工位數(shù)、最小裝配時間和工位間最平衡負荷為目標，將多產(chǎn)品混合模型裝配線轉(zhuǎn)換為單一品種裝配線來實現(xiàn)作業(yè)分配。趙新坤[16]通過建立基于知識的飛機裝配工藝數(shù)據(jù)模型，并利用云服務(wù)平臺技術(shù)建立了多個云服務(wù)工藝系統(tǒng)，提出基于粗糙集理論的飛機裝配工藝屬性約簡算法和飛機快速工藝設(shè)計匹配算法，解決了企業(yè)歷史工藝數(shù)據(jù)資源浪費問題，實現(xiàn)對歷史工藝數(shù)據(jù)的充分利用。Hwang和Kaayaya[17]以日本鍋爐廠為對象，研究了基于操作特性相似性的混合模型裝配線，并利用遺傳算法在系統(tǒng)級獲得裝配平衡。

以往的調(diào)度研究大多是基于靜態(tài)調(diào)度環(huán)境，假定任務(wù)的執(zhí)行不受干擾。然而，在實際生產(chǎn)過程中，往往存在大量的不確定性，導(dǎo)致確定性模型調(diào)度缺乏魯棒性。為了解決這一問題，對不確定信息調(diào)度問題進行了研究[18-19]。然而，現(xiàn)有的不確定性調(diào)度研究并沒有充分考慮到在制造業(yè)中產(chǎn)生的大數(shù)據(jù)。事實上，基于裝配大數(shù)據(jù)的分析和決策可以在一定程度上減少不確定因素對制造調(diào)度的干擾。另一方面，過去的調(diào)度研究也很少考慮人的因素，或者簡單地處理人的因素的量化，并沒有探索基于生理信號的人為錯誤的原因和規(guī)律[20]。上述研究證實了大數(shù)據(jù)分析在裝配調(diào)度優(yōu)化過程中的必要性和可行性。

1 面向制造裝配過程的大數(shù)據(jù)分析與調(diào)度優(yōu)化的體系結(jié)構(gòu)

產(chǎn)品不同，具體裝配過程也不同，根據(jù)零部件裝配過程的一般框架模型[21]（如圖1）將多道工序裝配過程分解為操作人員的基本行為序列。

本研究提出一個大數(shù)據(jù)分析和調(diào)度優(yōu)化系統(tǒng)，其目的是將與裝配質(zhì)量相關(guān)的制造和人為因素數(shù)據(jù)集成起來，實現(xiàn)制造裝配的質(zhì)量評價和作業(yè)調(diào)度優(yōu)化。該系統(tǒng)由幾個子模塊組成（如圖2）。

圖1 產(chǎn)品裝配過程一般框架模型

圖2 面向制造裝配過程的大數(shù)據(jù)分析與調(diào)度優(yōu)化系統(tǒng)的體系結(jié)構(gòu)

數(shù)據(jù)操作模塊：該模塊通過底層數(shù)據(jù)采集系統(tǒng)收集制造信息，包括自動測量儀器和其他制造過程和資源數(shù)據(jù)庫。同時，模塊需要對數(shù)據(jù)進行預(yù)處理，并用唯一的標識對所有制造資源進行編碼。

評估和調(diào)度模塊：該模塊提供多目標裝配質(zhì)量評估、人為誤差預(yù)測和作業(yè)調(diào)度優(yōu)化等功能。

可視化輸出模塊：及時發(fā)布調(diào)度方案到作業(yè)現(xiàn)場，并對進度異?；蛸Y源短缺的節(jié)點進行預(yù)警。

數(shù)據(jù)庫管理模塊：復(fù)雜的裝配線需要一套專業(yè)的裝配清單，包括裝配過程描述、相關(guān)的檢查定額，以及裝配零件、工具、材料等。

2 面向制造裝配的大數(shù)據(jù)分析與調(diào)度優(yōu)化系統(tǒng)的支持技術(shù)

為了實現(xiàn)系統(tǒng)的功能和體系結(jié)構(gòu)，關(guān)鍵技術(shù)主要集中在四個方面：裝配過程的大數(shù)據(jù)分析與處理、大數(shù)據(jù)決策、人為誤差預(yù)測和基于大數(shù)據(jù)的裝配調(diào)度。決策和調(diào)度優(yōu)化模型基于設(shè)備裝配系統(tǒng)中產(chǎn)生的大數(shù)據(jù)。具體實施方法如圖3所示。

圖3 面向制造裝配的大數(shù)據(jù)分析與調(diào)度優(yōu)化系統(tǒng)的支持技術(shù)

2.1 大數(shù)據(jù)分析與處理

制造過程中產(chǎn)生的動態(tài)的、多樣的、相互矛盾的大數(shù)據(jù)是制造系統(tǒng)復(fù)雜性的根本因素。影響設(shè)備裝配質(zhì)量的因素有多方面。唐娟[22]將不確定信息分為實體元素和非實體元素，實體元素覆蓋了設(shè)備、人員、材料等信息。非實體元素覆蓋了操作標準、工藝規(guī)范和生產(chǎn)管理信息。它們都可能導(dǎo)致成品質(zhì)量波動。為了建立裝配質(zhì)量的指標體系和開發(fā)裝配質(zhì)量的測量方法，所涉及的工作包括：傳感器網(wǎng)絡(luò)和多源裝配質(zhì)量數(shù)據(jù)的測量建模，根據(jù)信號輸入的類型，將裝配質(zhì)量相關(guān)的大數(shù)據(jù)分為機械量、電量、熱量等，設(shè)計出相應(yīng)的質(zhì)量源感知量。其次，分析感知設(shè)備和面向不同感知對象、裝配條件、裝配人員等因素的適用性，并建立裝備智能化實時感知系統(tǒng)。

2.2 裝配質(zhì)量的大數(shù)據(jù)決策

制造執(zhí)行過程涉及多個多屬性或多目標決策問題。實際數(shù)據(jù)環(huán)境中包含大量不確定信息，所收集的數(shù)據(jù)通常出現(xiàn)數(shù)據(jù)缺失和不完全信息。因此，有必要對裝配大數(shù)據(jù)進行分析和處理，然后再進行決策。其目的是：

（1）建立無效或弱有效的數(shù)據(jù)處理后的決策表；

（2）完善不完全信息；

（3）沖突和不一致信息的標準化處理。

為了處理不確定信息，許多學(xué)者提出了基于粗糙集理論的知識約簡方法[23-25]。然而，經(jīng)典粗糙集理論在大數(shù)據(jù)處理中存在一定的困難。本文提出了將局部線性嵌入（LLE）、Adaboost（自適應(yīng)Boosting）、支持向量機（SVM）和D-S證據(jù)理論（Dempster-Shafer證據(jù)理論）集成在大數(shù)據(jù)決策中。對于制造過程中的大量非線性數(shù)據(jù)，局部線性嵌入是一種廣泛應(yīng)用的非線性數(shù)據(jù)降維方法。其特點是處理后的低維數(shù)據(jù)可以保持與觀測樣本的原始高維數(shù)據(jù)相同的拓撲關(guān)系。通過降維，確定了裝配質(zhì)量的主要特征和屬性。裝配質(zhì)量的特征權(quán)重對多目標決策的影響可以通過AdaBoost給出不同的條件來實現(xiàn)。AdaBoost通過迭代裝配大數(shù)據(jù)，根據(jù)分類錯誤率更新弱分類器的權(quán)重，使得大數(shù)據(jù)可以有效地用于特征權(quán)重的決策[26]?；诖髷?shù)據(jù)集的裝配評價結(jié)合特征變量，輸入實際裝配數(shù)據(jù)，進行裝配質(zhì)量評價。然后，利用支持向量機和D-S證據(jù)理論，對裝配過程進行質(zhì)量評價，如圖4所示。支持向量機與D-S證據(jù)理論的結(jié)合得到了廣泛的應(yīng)用。將支持向量機的輸出映射到質(zhì)量等級的概率，作為D-S證據(jù)理論（即基本概率分配，BPA）中質(zhì)量等級的判別函數(shù)，實現(xiàn)BPA分配的客觀性。最后，利用D-S證據(jù)理論對不同等級的數(shù)據(jù)進行融合。

圖4 基于大數(shù)據(jù)集的制造裝配評價過程

2.3 基于生理大數(shù)據(jù)的裝配人員誤差預(yù)測

由于思維的復(fù)雜性、人體生理的復(fù)雜性以及人、組織技術(shù)和環(huán)境的相互制約和制約，裝配工人的誤差行為是極其復(fù)雜的（如圖5）。為了更好地預(yù)測人的誤差，將神經(jīng)工業(yè)工程應(yīng)用于大數(shù)據(jù)特征降維過程中，采用改進的遺傳算法對樣本數(shù)據(jù)進行分段編碼，并將各段間的編碼進行遺傳交叉變異操作。

圖5 制造裝配過程中的人為誤差因素模型

此外，從裝配技術(shù)、裝配環(huán)境、多任務(wù)等方面對人的心理負荷和認知能力的影響，建立耦合的人-機-環(huán)境模型，研究各種因素對裝配過程中人為誤差的影響機理?；诖髷?shù)據(jù)的制造裝配中人為誤差的預(yù)測是基于所獲得的生理大數(shù)據(jù)，采用遺傳算法和貝葉斯學(xué)習(xí)方法預(yù)測此過程中的人為誤差：

步驟1：分析裝配人員誤差預(yù)測模型。

步驟2：輸入樣本數(shù)據(jù)。

步驟3：基于改進遺傳算法的特征降維。

步驟4：構(gòu)造基于貝葉斯學(xué)習(xí)的分類器。

步驟5：裝配人員的誤差預(yù)測。

2.4 基于大數(shù)據(jù)的裝配調(diào)度

為了實現(xiàn)生產(chǎn)效率、生產(chǎn)線平衡和智能裝配的最大化，關(guān)鍵是要根據(jù)裝配過程中的大數(shù)據(jù)來解決混合模型裝配線的建模問題，并找到一種有效的求解動態(tài)規(guī)劃模型的方法，如下：

充分利用裝配執(zhí)行的歷史信息，建立裝配活動的知識模板、組裝任務(wù)和工作分解。

結(jié)合描述柔性裝配的多目標調(diào)度問題，以生產(chǎn)效率最大化、成本最小化、設(shè)備利用率最大化為優(yōu)化目標，實現(xiàn)復(fù)雜裝備裝配的多目標調(diào)度優(yōu)化。

（1）制造裝配任務(wù)的可變度量聚類

通過對裝配任務(wù)的相似性分析，將屬于不同裝配階段的相似裝配任務(wù)集成在同一批中，以保證裝配生產(chǎn)效率和生產(chǎn)線平衡的最大化。

通過可變度量聚類初步處理裝配任務(wù)，根據(jù)不同裝配任務(wù)的不同過程，在k維空間中用不同的裝配參數(shù)建立裝配任務(wù)的高維聚類空間（數(shù)據(jù)集D、特征參數(shù)和閾值）。

通過MDL（最小描述長度）技術(shù)剪輯空間，構(gòu)造由密集單元構(gòu)成的樣本的優(yōu)化聚類空間。在優(yōu)化聚類空間的基礎(chǔ)上，利用k-均值算法對裝配任務(wù)進行聚類。

（2）制造裝配調(diào)度與求解

基于裝配大數(shù)據(jù)的裝配調(diào)度決策的目標和定量表達是首要任務(wù)。調(diào)度目標集成了生產(chǎn)效率、設(shè)備利用率、人的因素（心理負荷）等，為調(diào)度問題的建立奠定了基礎(chǔ)。此外，分析了裝配調(diào)度問題中涉及的裝配約束，包括配送時間、資源能力、成本、任務(wù)優(yōu)先級等，并利用混合智能算法求解制造裝配的調(diào)度優(yōu)化問題。

3 結(jié)論

本文提出了一種面向制造裝配的多目標決策調(diào)度優(yōu)化模型，闡述了大數(shù)據(jù)分析與調(diào)度優(yōu)化系統(tǒng)的支撐技術(shù)，為定量化、信息化的裝備制造提供決策支持。本研究的貢獻可歸納如下：

（1）通過對制造裝配過程中產(chǎn)生的裝配大數(shù)據(jù)進行分析，發(fā)現(xiàn)裝配大數(shù)據(jù)與裝備制造中裝配任務(wù)執(zhí)行的綜合性能之間的關(guān)系。在此基礎(chǔ)上，構(gòu)建了具有知識關(guān)聯(lián)的裝配資源模型，為制造裝配決策奠定了基礎(chǔ)。

（2）提出了制造裝配過程中多目標決策問題的一般解決方案，包括裝配大數(shù)據(jù)的維數(shù)約簡、特征權(quán)重評價、基于裝配大數(shù)據(jù)的裝配質(zhì)量評價和人的誤差預(yù)測等。

（3）局部線性嵌入方法可以減少不確定信息的干擾，提高裝配調(diào)度系統(tǒng)在動態(tài)大數(shù)據(jù)環(huán)境下的適應(yīng)性和準確性。同時，基于大數(shù)據(jù)的AdaBoost算法的特征權(quán)重評價比傳統(tǒng)的人工評價方法更客觀、更科學(xué)。

（4）在復(fù)雜設(shè)備裝配調(diào)度優(yōu)化前，利用神經(jīng)工業(yè)工程對裝配人員的性能進行準確預(yù)測有助于探索各種因素對裝配質(zhì)量的影響規(guī)律，明顯提高裝配的可靠性。

本文所分析的支撐技術(shù)為大數(shù)據(jù)決策在制造優(yōu)化中的應(yīng)用提供了良好的理論基礎(chǔ)和應(yīng)用參考。但是在某些情況下，復(fù)雜設(shè)備的小批量生產(chǎn)可能導(dǎo)致歷史制造數(shù)據(jù)的短缺，影響優(yōu)化效果。在接下來的研究中，將繼續(xù)改進模型的約束和算法，如引入時間窗約束等，以更好地適應(yīng)在時間效率要求和數(shù)據(jù)不充分情形下的環(huán)境系統(tǒng)。