李雪 李芳

摘 要：為解決大規(guī)模定制中因個性化產(chǎn)品需求過多導致批量不足而增加生產(chǎn)成本問題，提出一種云制造環(huán)境下涵蓋從客戶提交制造請求到制造完成的產(chǎn)品定制模式。為解決該模式中涉及的資源調(diào)度問題，建立由所有產(chǎn)品制造時間總和最小、制造總成本最低和總合格率最高的多目標優(yōu)化函數(shù)，并使用NSGA-Ⅱ算法對模型進行求解。使用3種無人機協(xié)同制造案例模擬該模式運行過程，驗證了資源調(diào)度模型的實用性和有效性。

關鍵詞：云制造;成組技術;大規(guī)模產(chǎn)品定制;NSGA-Ⅱ

DOI：10. 11907/rjdk. 192577 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP301文獻標識碼：A 文章編號：1672-7800（2020）005-0065-04

0 引言

云制造是基于云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、面向服務技術等新興信息技術發(fā)展起來的一種新的制造模式，主要基于李伯虎院士的“分散資源集中使用，集中資源分散服務”思想，為制造業(yè)的發(fā)展提供了新的方向[1-5]。在云制造系統(tǒng)運行過程中，制造需求具有個性化特點[6]，與大規(guī)模產(chǎn)品定制中的客戶需求個性化不謀而合。

以較低成本提供高質(zhì)量產(chǎn)品是企業(yè)的經(jīng)營目標之一，而大規(guī)模產(chǎn)品定制的核心能力表現(xiàn)為降低成本、高效地為顧客提供商品。大規(guī)模定制生產(chǎn)呈現(xiàn)出多品種、小批量以及快速響應的特性[7]。然而，隨著顧客需求越來越偏向個性化發(fā)展，大規(guī)模定制的理念和規(guī)范化產(chǎn)品定位難以適應這種變化，而云制造環(huán)境的運行特點可以彌補這種不足。

云制造中產(chǎn)品個性化定制指利用云計算、物聯(lián)網(wǎng)等技術，將分布在全球不同企業(yè)的各類制造資源匯聚到云平臺并進行統(tǒng)一的管理和調(diào)度，通過網(wǎng)絡全面共享制造資源、制造能力、客戶定制信息以及第三方企業(yè)服務信息。云制造平臺為顧客、定制企業(yè)和第三方企業(yè)提供包括產(chǎn)品、信息、平臺等服務，從而實現(xiàn)低成本高效率的個性化定制生產(chǎn)[8]。目前，關于云制造研究主要集中在云制造服務構架[9-11]、云制造技術和模式創(chuàng)新[12]、資源服務的優(yōu)化組合[13]等方面;而大規(guī)模定制相關研究主要集中在技術[14]、管理[15]、產(chǎn)品[16]3個方面。目前，有關云制造與大規(guī)模定制融合的研究還處于探索階段，李強等[17]針對單個企業(yè)實施個性化定制生產(chǎn)面臨的實際問題，提出一種新的個性化定制生產(chǎn)模式，但該模式缺乏對多個個性化產(chǎn)品生產(chǎn)需求的研究;童曉薇等[18]提出一種云制造環(huán)境下大規(guī)模產(chǎn)品定制的組織模式及需求轉(zhuǎn)換模型，但對其中的資源調(diào)度問題未涉及。

本文結合云制造環(huán)境，針對大規(guī)模定制產(chǎn)品需求個性化不足的問題，提出一種云制造環(huán)境下涵蓋從客戶提交制造請求到制造完成的產(chǎn)品定制模式，并建立由所有產(chǎn)品制造時間總和最小、制造總成本最低和總合格率最高組成的多目標優(yōu)化函數(shù)，解決涉及的資源調(diào)度問題。使用NSGA-Ⅱ算法對其進行求解，并通過算例進行驗證其有效性與實用性。

1 云制造環(huán)境下大規(guī)模定制組織模式

本文提出的云制造環(huán)境下大規(guī)模定制模式如圖1所示，該組織模式共有3個過程：①需求收集過程?？蛻舻顷懺破脚_，發(fā)布產(chǎn)品制造需求;②需求分解與重組過程。云制造平臺通過云計算對客戶需求進行分類整合，先根據(jù)內(nèi)部零部件構成，把每種產(chǎn)品分解成多種制造子任務，再運用成組技術并根據(jù)內(nèi)部零部件的相似構成，對不同產(chǎn)品的相似制造子任務進行歸類整合;③需求分配過程。對整合完畢的制造任務尋找最合適的供應商生產(chǎn)制造。

在對子任務進行歸類時，主要利用成組技術相關知識。成組技術是一種制造組織策略， 在該策略中， 具有某些相似性 （如幾何形狀、材料、制造工藝或質(zhì)量標準） 的零件被歸到特定群組或系列中， 然后采用一種通用生產(chǎn)方法進行制造。在計劃加工工序時， 它針對的是整個零件系列而不是單個工件[19]。而后，基于相同的制造服務規(guī)范，進一步將制造需求與制造服務供應商目錄建立映射，實現(xiàn)制造需求的再分配，形成大規(guī)模定制需求到云制造服務供應商之間的高效轉(zhuǎn)換。在需求分配過程中，如何選擇最合適的供應商是本研究的主要內(nèi)容。

2 多目標優(yōu)化模型

2.1 問題描述及模型假設

本模型的生產(chǎn)組織模式：在客戶向云平臺發(fā)出生產(chǎn)請求后，云平臺對產(chǎn)品進行工藝流程分解，利用成組技術對包含相同零件系列的制造子任務進行歸類，統(tǒng)一尋找合適的供應商。通過這種方式，可在生產(chǎn)過程中使某些個性化要求的任務形成規(guī)模，便于生產(chǎn)和運輸。從客戶提交請求、云平臺分析計算到尋找合適的供應商提供服務的整個生產(chǎn)調(diào)度過程中，涉及到的調(diào)度問題比較復雜，本文主要從制造總時間、制造總成本以及質(zhì)量三方面實現(xiàn)整個調(diào)度過程的最優(yōu)化。為使研究更具操作性，本文作以下假設：①供應商提供的服務只包含本任務所需的生產(chǎn)服務以及物流運輸服務，不提供裝配服務，裝配工作由固定的裝配公司進行;②不同供應商之間的生產(chǎn)服務是獨立的，沒有時序約束;③同一產(chǎn)品的制造子任務具有相同的優(yōu)先級;④供應商都具有足夠的生產(chǎn)能力。

2.2 多目標優(yōu)化函數(shù)建立

假設同時有多個客戶在云平臺發(fā)布不同產(chǎn)品制造需求，不同產(chǎn)品依次對應不同編號，產(chǎn)品制造需求編號集合為N={1，2，3， …，n};每種產(chǎn)品制造需求在云平臺進行零件制造任務分解，產(chǎn)品制造子任務集合為FN={[Partmi]}，其中，i表示針對某一產(chǎn)品需求進行任務分解時的編號，i∈N+;m表示經(jīng)過歸類整合后的任務編號，m∈N+。多目標優(yōu)化目標函數(shù)為：

式（4）為時間約束，每種產(chǎn)品的完成時間不能超過客戶要求的時間[Tn];式（5）為成本約束，每種產(chǎn)品的制造裝配以及物流所產(chǎn)生的成本不能大于客戶限定成本（市場平均價格）[Cn];式（6）為質(zhì)量約束，每種產(chǎn)品的質(zhì)量不能低于客戶所要求的產(chǎn)品質(zhì)量[Qn]。

3 帶精英策略的非支配排序遺傳算法

NSGA-Ⅱ算法是Deb等學者于2000年在NSGA 算法的基礎上提出的，該算法能夠得到一系列分布均勻、多樣性較好的最優(yōu)解集，適用于多個目標的優(yōu)化問題[21] 。算法流程如圖2所示。

在對種群進行初始化時， 按整數(shù)編碼的方式對染色體進行多層編碼。每個染色體的編碼表示一個具有二維特征的可行解，該染色體前段表示子任務編號，后段表示對應的供應商編號。產(chǎn)品[n]的子任務總數(shù)為[i]，子任務[ni]對應的供應商為[mj]時，每個染色體的長度為[2i=1knimj]。例如個體[24135//21312]中，子任務2選擇對應的第2個供應商，子任務3選擇對應的第3個供應商。

然后，對初始種群中的個體進行Pareto 優(yōu)勝級別排序，級別越低表示其適應度越高。接著對初始種群進行選擇：首先比較個體的非劣級別，級別最低的進入進化池，如果級別相同則進行擁擠距離計算，擁擠距離大的進入進化池。個體i的擁擠度計算公式為：

它表示在所有目標函數(shù)中擁擠距離的和，優(yōu)先選擇擁擠距離大的個體進入下一代，有利于保持種群的多樣性[22]。選擇完畢后的個體分別進行交叉和變異操作，二者具有隨機性，但都有相應的概率。此時形成子代種群，將其與父代種群進行合并，繼續(xù)進行擁擠距離排序和 Pareto 優(yōu)勝關系排序，循環(huán)至滿足條件停止。

4 算例驗證

無人機主要由機架、飛控、電調(diào)、電機，槳、航模鋰電池、遙控器7部分組成，因客戶對其功能要求不同，在機架、風控、電調(diào)等方面會存在型號差異。某客戶通過云平臺向無人機代銷公司發(fā)布3種不同的無人機需求各10次，現(xiàn)該公司要根據(jù)其需求尋找最優(yōu)供應商來滿足客戶需求。

由圖2可以看出，經(jīng)過約35次迭代后群趨于平穩(wěn)，此時，目標函數(shù)值minT=115，minC=18639，maxQ=0.906，與需求整合前相比，3種無人機的生產(chǎn)時間共節(jié)省5天，成本節(jié)省861元，每種任務所選對應供應商見表3，每種產(chǎn)品需求的計算結果值見表4。

5 結語

本文針對大規(guī)模定制生產(chǎn)中因個性化需求過多導致批量不足而增加成本和時間的問題，結合云制造環(huán)境，提出云制造環(huán)境下涵蓋從客戶提交制造請求到制造完成的產(chǎn)品定制模式。建立由所有產(chǎn)品制造時間總和最小、制造總成本最低和總合格率最高組成的多目標優(yōu)化函數(shù)，解決制造成本、質(zhì)量、時間的調(diào)度問題，并使用帶精英策略的非支配排序遺傳算法對其進行求解。最后使用無人機這一算例模擬該模式下的生產(chǎn)過程。計算結果表明，可實現(xiàn)該生產(chǎn)方案最優(yōu)，說明該模式具有一定的現(xiàn)實意義。

本文雖然創(chuàng)新地提出了云環(huán)境下解決大規(guī)模定制中個性化不足的生產(chǎn)模式，但由于現(xiàn)存研究對該模式的研究尚處于起步階段，后續(xù)還需結合更多生產(chǎn)實例加以優(yōu)化。

參考文獻：

[1] 李伯虎，張霖，王時龍，等. 云制造——面向服務的網(wǎng)絡化制造新模式[J]. 計算機集成制造系統(tǒng)，2010，16（1）：1-7，16.

[2] 李伯虎，張霖， 任磊，等. 再論云制造[J]. 計算機集成制造系統(tǒng)，2011，17 （3）：449-457

[3] ZHANG L，LUO Y L ，TAO F ，et al. Cloud manufacturing： a new manufacturing paradigm[J]. ?Enterprise Information Systems， 2014， 8（2）： 167-187

[4] 李伯虎，張霖，任磊，等. 云制造典型特征、關鍵技術與應用[J]. 計算機集成制造系統(tǒng)，2012， 16（7）：1345-1356

[5] 張霖，羅永亮，陶飛，等. 制造云構建關鍵技術研究[J]. 計算機集成制造系統(tǒng)，2010，16（11）：2510-2520.

[6] 楊文偉，樊蓓蓓，李聰. 基于改進粒子群算法的大規(guī)模定制生產(chǎn)調(diào)度問題研究[J]. 計量與測試技術，2018，45（8）：19-23.

[7] JIAO J X， TSENG M M. A methodology of developing product family architecture for mass customization [J]. ?Journal of Intelligent Manufacturing， 1999，10（1）： 3-20.

[8] 魏宏靜，李少波. 云制造中產(chǎn)品個性化定制研究綜述[J]. 工程設計學報，2018，25（1）：12-17.

[9] WANG X V，WANG L H ，G？RDES R. Interoperability in cloud manufacturing：a case study on private cloud structure for SMEs[J]. International Journal of Computer Integrated Manufacturing，2018，31（7）：653？663.

[10] 黃爽，黃必清. 云制造平臺安全體系架構[J]. 計算機集成制造系統(tǒng)，2018，24（4）：851-861.

[11] 李清，唐騫璘，陳耀棠，等. 智能制造體系架構、參考模型與標準化框架研究[J]. 計算機集成制造系統(tǒng)，2018，24（3）：539-549.

[12] 任磊，任明侖. 基于學習與協(xié)同效應的云制造任務動態(tài)雙邊匹配模型[J]. 中國管理科學，2018，26（7）：63-70.

[13] 馬俊濤，陳業(yè)恩，胡國杰，等. 云計算環(huán)境下基于遺傳算法的任務調(diào)度技術研究[J]. 軟件導刊，2016，15（1）：51-53.

[14] 程德通，李登峰，余高鋒. 大規(guī)模定制模式下多類型評價信息的多目標生產(chǎn)指派問題[J]. 控制與決策，2017，32（11）：2099-2106.

[15] PETER J JOST，THERESA SUSSER. Company-customer interaction in mass customization[J]. International Journal of Production Economics，2019（65）：213-224.

[16] 權錫鑒，杜元偉. “互聯(lián)網(wǎng)+”下大規(guī)模個性化定制產(chǎn)品的三元證據(jù)融合配置方法[J]. 科技進步與對策，2016，33（21）：83-89.

[17] 李強，史志強，閆洪波，等. 基于云制造的個性化定制生產(chǎn)模式研究[J]. 工業(yè)技術經(jīng)濟，2016，35（4）：94-100

[18] 童曉薇，劉艷斌. 云制造環(huán)境下大規(guī)模產(chǎn)品定制技術研究[J]. 圖學學報，2018，39（1）：109-115.

[19] PATRICK DE VOS. 成組技術：在工業(yè)4.0時代實現(xiàn)卓越運營[J]. 金屬加工（冷加工），2019（3）：16-17.

[20] 陳友玲，牛禹霏，劉艦，等. 面向云制造的多供應商協(xié)同生產(chǎn)任務分配優(yōu)化[J]. 計算機集成制造系統(tǒng)，2018（2）：56-61.

[21] 程楠. 一種改進的非支配排序多目標遺傳算法[J]. 計算機與數(shù)字工程，2010，38（4）：23-25，77.

[22] 汪文彬，鐘聲. 基于改進擁擠距離的多目標進化算法[J]. 計算機工程，2009，35（9）：211-213.

（責任編輯：杜能鋼）