潘俊峰，唐敦兵，張澤群，伍健民，馮俊

(南京航空航天大學 機電學院，江蘇 南京 210016)

0 引言

隨著制造業(yè)走向社會化和個性化，客戶的個性化需求不斷增長。對于企業(yè)而言，訂單變得數量不確定、時間不確定、優(yōu)先級也不確定。離散制造車間(discrete manufacturing workshop, DMW)作為制造系統(tǒng)中的加工處理環(huán)節(jié)，有望更加靈活、快速地適應環(huán)境變化，并根據資源條件動態(tài)處理生產任務[1]。

為了充分發(fā)揮DMW的優(yōu)勢，有研究學者提出了多Agent制造系統(tǒng)(multi-Agent manufacturing system, MAMS)。它將車間里的物理設備與功能抽象成可以獨立決策的實體，這種設計方式讓多個決策實體共同應對和解決問題，減少了請求上層控制決策的等待時間。

在MAMS領域，KOUIDER A等[2]提出了一種基于協(xié)作方法的分布式多Agent調度系統(tǒng)。KROTHAPALLI N K C等[3]將車間實體抽象成兩種典型的Agent，即設備智能體(machine agent, MA)和工件智能體(part agent, PA)。在后續(xù)的研究中，研究者們通常使用這兩類典型Agent。為了提高系統(tǒng)的整體性能，研究人員進一步提出了各類功能Agent，包括監(jiān)控智能體(supervisor agent，SA)和數據庫智能體(database agent，DA)等[4]。但是，在MAMS研究中，絕大多數的研究均是使用軟件仿真，鮮有提及將Agent與實際設備的集成。

盡管MAMS可以穩(wěn)定運行，但整體運行結果通常不是全局最優(yōu)的。在分層/集中式控制系統(tǒng)中，Agent可以基于當前狀態(tài)和知識做出快速響應決策，但是很難實現(xiàn)全局推論，進而選取最佳策略。因此，多層混合控制架構和SA被廣泛地應用以確保MAMS的整體性能。例如文獻[4]中的實例，在SA和系統(tǒng)底層Agent(如MA、PA)之間建立了嚴格但可調整的層次架構，SA有權禁止或者更改下層Agent的決策結果。

隨著個性化定制的流行，訂單的不規(guī)則性變得越來越強。在設計MAMS的整體性能保證系統(tǒng)時，需要考慮如何在不影響MAMS的重要功能(例如反應性、魯棒性和自治性)的情況下實現(xiàn)這一目標。

針對這一問題，本文進行了兩項研究。一方面，構建了易于部署的MAMS體系結構，可以在不同的DWM中重新實現(xiàn)。另一方面，本文提出了以自組織規(guī)則中決策參數的系數作為調整目標來保障全局性能的方法。在決策過程中，指導分層控制架構中的Agent做出有利于全局性能的決策。在本文中，簡要敘述第一部分工作，著重于第二部分的研究。

1 結合設備的Agent

首先將車間中的設備按照特定功能進行分割組合，形成功能單元(functional unit, FU)，F(xiàn)U是構成DWM的基本組件。圖1顯示了位于DMW實驗室的銑削FU。該銑削FU主要由CNC銑床及其對應的工位臺、RFID讀/寫設備和各類傳感器構成。在分布式人工智能的啟發(fā)下，設計并提出了智能體計算節(jié)點(agent computing node, ACN)的概念[7]。本文基于JADE(java agent development)框架，設計開發(fā)了整體系統(tǒng)，搭載于ACN上，并通過物理連接與FU建立聯(lián)系。

圖1 銑削FU示例

ACN的物理硬件載體可以是車間服務器或嵌入式工控機。在開發(fā)階段，將單個ACN程序植入到小型嵌入式計算機中，該程序可以智能地控制單個FU。ACN軟件由硬件適配層、智能分析層和基于JADE的信息交互層三層組成。

1) 硬件適配層用于與機器互連，鏈接庫根據不同設備的通信協(xié)議提供功能支持，硬件適配層用于完成設備的動作控制和信息采集。

2) 智能分析層是基于邊緣計算思想構建智能體的核心部分，此處收集了來自FU和車間環(huán)境的信息，Agent線程模塊通過這些信息進行分析、協(xié)商、決策、控制FU。

3) 基于JADE的信息交互層用于與其他ACN的交互。JADE是基于JAVA語言的Agent開發(fā)框架，它封裝了消息交換的接口，該接口符合FIPA(the foundation for intelligent physical agents)提出的Agent交互技術規(guī)范。

在本文的研究環(huán)境中，RFID讀寫器的天線安裝在與FU相連的工位臺中。RFID讀寫器作為信息的傳感節(jié)點，通過TCP/IP或RS232/RS485通信協(xié)議實現(xiàn)與ACN的互連，從而構建了獲取和傳輸生產信息的通道。自動倉儲系統(tǒng)的ACN從云端系統(tǒng)獲取訂單信息，并通過RFID讀寫器將信息寫入工件托盤的RFID標簽。FU通過位于工位臺上的RFID讀寫器來感知工件的到達，并通過存儲在RFID標簽中的信息來分析處理任務。通過ACN的感知，F(xiàn)U之間的工件傳輸相當于在ACN之間信息傳輸。

ACN是執(zhí)行MA和PA的容器。如圖2所示，以銑削FU為例，ACN中的MA程序負責單元本身的操作。當工件到達時，當前的ACN會將其視為一項任務，與此部分對應的PA程序此時處于靜默狀態(tài)。對于ACN而言，該部分等價于一串數據，其中包括任務ID和工藝矩陣。

圖2 PA與MA

通過任務ID，ACN從車間服務器獲取與任務相關的信息。通過工藝矩陣，ACN可以獲取當前工藝步驟。當加工設備中沒有任務時，ACN將從待加工的工位臺中選擇任務來進行處理。選擇工件后，工件的數據將與相應程序結合在一起以生成PA程序。ACN將充當此PA運行的容器，直到處理完該工件，并通過協(xié)商和交互確定下一步工藝的承擔設備。此后，該PA程序將停止運行，該部分將再次轉換成一條數據的形式存在。

PA通常以一串數據的形式存在，并在需要時由ACN生成運行程序。ACN的智能分析層負責管理MA和PA的線程。在這種模式下，PA不會總是占用計算空間和內存，只存儲必要的數據在RFID標簽中用于生成PA線程，并與車間中的工件一起流動。

2 規(guī)則調整策略

使用ACN，可以實現(xiàn)對DMW的性能改進。如圖3所示，多個帶有ACN的FU共同構成了一個分層控制系統(tǒng)。在該系統(tǒng)中，ACN的軟件程序可以抽象為一個虛擬操作層，稱為“自組織控制層”。該層主要負責個體自主和群體協(xié)商行為。從混合控制策略中可以得知，增加“監(jiān)視調控層”，以監(jiān)控車間整體信息，并且能對車間進行調控，這樣可以保障全局性能。在本文的設計中，此“監(jiān)視調控層”將不會直接控制車間的決策，而只是影響ACN決策因子，從而間接控制車間決策，這保證了ACN是車間內部的唯一控制者。

圖3 系統(tǒng)整體架構

將車間內的一組加工單元抽象成FU，通過ACN控制，以這樣的方式組成了一套MAMS。從傳統(tǒng)的角度來看，在MAMS中，MA和PA是基本組件，ACN的智能分析層負責管理Agent線程。作為決策節(jié)點，ACN遵從設計人員制定的決策方式，并根據設計的流程完成決策過程。本文以實驗室環(huán)境中的系統(tǒng)為例。無論ACN如何控制機床本身，僅從調度的角度來看，系統(tǒng)操作都可以簡化為幾種類型的決策活動。本文重點介紹系統(tǒng)運行中的性能保證，并選擇以下兩個決策過程作為監(jiān)視調控層的調整對象。

1) 工件選擇機床：當數據形成PA后，將監(jiān)視相應工件當前工藝流程的處理狀態(tài)，并在即將完成處理時啟動一輪協(xié)商決策。系統(tǒng)中具有相應功能的MA將成為該協(xié)商的參與者，而PA是協(xié)商發(fā)起人與裁定者。在本文中，每個FU的負載、單位時間能耗以及工位臺使用率將作為決策因素。

2) 機床選擇工件：當加工機床完成當前的工件加工任務時，根據協(xié)商規(guī)則，它將在工位臺中選擇下個工件進行加工。在本文中，將選擇交貨日期、訂單日期和工件到達此FU的時間作為決策因素。

對于上述決策因子，進行歸一化處理，并賦予不同權重，本文設計的監(jiān)控調控層將根據實際情況實時調整這些權重。如圖3所示，監(jiān)視層包含3個過程，認知過程、分析過程和調控過程。以下基于3個過程分別敘述決策過程。

認知過程：該過程負責統(tǒng)計和分類每個ACN上傳數據，并將用于獲取工件信息列表和FU信息列表。工件信息列表記錄了每個工件的當前處理進度，而FU信息列表則負責記錄每個FU的工位臺和機器負載。

分析過程：根據需求設計各種指標并設置相應的參考值。分析過程是通過認知過程中的數據來計算指標的，并將其與相應的參考值進行比較，以確定是否執(zhí)行自組織規(guī)則修改。在本文中，使用一個設計指標(臨近超時指標，near-delivery index, NDI)進行說明。NDI用于確定生產活動中是否存在超時風險以及該超時風險的具體值。單個工件的NDI計算過程如下：

(1)

式中：Eti表示第i個工件的交貨日期與預估完工日期的差值；Rti表示第i個工件預估的剩余處理時間，即預估完工日期與當前時刻的差值；NDIi表示第i個工件的NDI值。NDI的取值范圍是[0,1]，NDI的值越小，過期任務的風險越大。系統(tǒng)時刻t的NDI值取正在進行的工作的最小值，用NDIt表示。將在分析域中設置參考值，以確定是否需要根據NDIt調整當前規(guī)則。

調控過程：本文通過NDI對“工件選擇機床”和“機床選擇工件”決策中各種決策因素的權重進行調整。交貨日期越緊急，對生產資源能源消耗的考慮就越少，那么選擇負荷少、等待零件少的機器的可能性就越大。同時，當交貨日期更為緊急時，處理單元優(yōu)先選擇交貨日期較短的零件進行處理。總結上述各項因素，可以得出NDI與每個決策因子權重之間的相關性，設計調整函數，或者當NDI處于不同區(qū)間時直接設計權重值。

3 車間部署MAMS

通過ACN在準工業(yè)環(huán)境中實現(xiàn)了DMW的雛形，并形成了MAMS，車間布局如圖4所示。按照上一節(jié)的思路設計了監(jiān)控調控層，以調整生產過程中兩個決策過程(即“工件選擇機床”和“機床選擇工件”)中每個因素的權重。決策過程中每個因素的數值(例如能耗、各個時間點和負載)將由ACN在實際條件下實時計算。同時，這些參數將被歸一化處理。為每個FU準備了一個能耗采集設備，并將其連接到相應的ACN。 在系統(tǒng)運行期間，將基于先前的能耗值來預測下一步所需的能耗。節(jié)點的機床負載和加工時間等信息將通過Agent程序進行收集統(tǒng)計。

圖4 工業(yè)環(huán)境實際部署樣例

本文通過重復執(zhí)行相同訂單的生產以驗證多Agent制造系統(tǒng)的實際生產效果，比較3種模式之間的差異，包括無規(guī)則模式，即ACN在做出選擇時遵循先到先服務的原則、沒有監(jiān)控調控層的固定規(guī)則和本文提出的模式。通過計算超期時間和總能耗的總和，并將多次運行后的平均值作為標準，結果如圖5所示。在實際操作中，通過實時調整規(guī)則，可以更好地保持MAMS的整體性能。

圖5 實驗結果

4 結語

在現(xiàn)代制造環(huán)境中，DMW有望更靈活、更快速地適應環(huán)境變化，并能動態(tài)處理生產任務。MAMS被認為是解決這類問題的重要方法。但是，部署困難和缺乏全局性能保證措施限制了分層控制系統(tǒng)在實際工業(yè)現(xiàn)場的使用。而且最主要障礙之一是大多數基于Agent的研究僅僅使用軟件仿真模擬而不集成物理設備。

針對這些問題，本文提出了一種ACN概念，以改進DMW中MAMS的實現(xiàn)。然后，研究監(jiān)控調控層以實時優(yōu)化ACN的自組織規(guī)則。通過監(jiān)控層，可以指導ACN做出有利于整體性能的決策。