李廣明 張雪 張紅 余晨暉 岳晶瑩

(1.東莞理工學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，廣東東莞 523808；2.東莞理工學(xué)院 財(cái)務(wù)處，廣東東莞 523808)

隨著智能制造的發(fā)展，柔性制造系統(tǒng)進(jìn)入到人們的生產(chǎn)和生活中，它的概念第一次出現(xiàn)在英國(guó)Molines公司研制的“系統(tǒng)24”中。柔性制造系統(tǒng)(Flexible Manufacturing System，F(xiàn)MS)是由大型數(shù)控自動(dòng)加工管理裝置、物料自動(dòng)存儲(chǔ)管理裝置以及電腦自動(dòng)控制管理系統(tǒng)等組合構(gòu)成的一種新型自動(dòng)化產(chǎn)品制造管理系統(tǒng)。其設(shè)計(jì)包含了FMS功能單元資源管理、車(chē)間布局與工藝流程優(yōu)化智能算法研究、工藝資源仿真與數(shù)字化設(shè)計(jì)等多學(xué)科多領(lǐng)域的專(zhuān)業(yè)知識(shí)應(yīng)用[1]。近年來(lái)，市場(chǎng)的變化使小批量、多品種生產(chǎn)方式成為需要，由于市場(chǎng)競(jìng)爭(zhēng)的加劇和顧客需求的多樣化，導(dǎo)致了傳統(tǒng)以規(guī)模效應(yīng)帶動(dòng)成本的剛性生產(chǎn)線(xiàn)很難適應(yīng)市場(chǎng)的快速變化。為此，針對(duì)多品種小批量自動(dòng)化生產(chǎn)而研制一種基于物聯(lián)網(wǎng)的智慧排程柔性制造系統(tǒng)有著廣闊的應(yīng)用前景。

柔性制造系統(tǒng)的規(guī)劃設(shè)計(jì)問(wèn)題是屬于變量多、耦合關(guān)系復(fù)雜的非線(xiàn)性混合離散優(yōu)化問(wèn)題,目前在柔性制造系統(tǒng)中采用的大多是遺傳算法。遺傳算法具有全局尋優(yōu)、對(duì)目標(biāo)函數(shù)和設(shè)計(jì)變量要求少等優(yōu)點(diǎn)，但是存在局部搜索能力差、收斂速度慢以及處理約束問(wèn)題困難等缺點(diǎn)[2-3]。在工程設(shè)計(jì)、作業(yè)調(diào)度、智能控制等諸多優(yōu)化領(lǐng)域，經(jīng)常會(huì)遇到條件限制(約束)，在問(wèn)題求解方面，這些條件約束帶來(lái)了極大的挑戰(zhàn)，進(jìn)而引出了約束優(yōu)化問(wèn)題[4]。近年來(lái)，學(xué)者們提出了很多把約束條件與進(jìn)化算法相結(jié)合的約束處理方法，這些約束優(yōu)化方法對(duì)于約束優(yōu)化算法的性能和效率具有重大的影響，好的約束優(yōu)化方法可以把約束優(yōu)化問(wèn)題變成無(wú)約束優(yōu)化的問(wèn)題。非線(xiàn)性約束優(yōu)化的問(wèn)題在制造和工程機(jī)械自動(dòng)化中有著重要的實(shí)際應(yīng)用[5]，一般適用于目標(biāo)函數(shù)或者約束條件中至少存在一個(gè)極點(diǎn)，這就是非線(xiàn)性約束函數(shù)最優(yōu)化的問(wèn)題[6]。協(xié)同過(guò)濾算法在1992年被學(xué)者們提出，受到了國(guó)內(nèi)外學(xué)術(shù)界的廣泛重視和關(guān)注，協(xié)同過(guò)濾算法的基本理論思路就是那些具有相同或者相似的價(jià)值觀、思想觀、知識(shí)水平和興趣偏好的使用者，其對(duì)于信息的要求也可以說(shuō)是相似的[7]，協(xié)同過(guò)濾算法能夠有效地使用其他用戶(hù)的反饋信息[8-10]。

在生產(chǎn)實(shí)踐中，經(jīng)常遇到非線(xiàn)性約束優(yōu)化問(wèn)題，該問(wèn)題的求解方法可分為確定性方法和隨機(jī)性方法兩類(lèi)[11]。確定性方法往往需要函數(shù)的導(dǎo)數(shù)信息, 例如可行方向法和約束變尺度法等。該方法對(duì)目標(biāo)函數(shù)和約束函數(shù)的連續(xù)性和可微性有較強(qiáng)的要求, 只能適用于分析性質(zhì)較好的函數(shù), 很難用于一些復(fù)雜的工程優(yōu)化問(wèn)題。而隨機(jī)性方法對(duì)函數(shù)的要求較低,只需利用函數(shù)值，它可用于一般的復(fù)雜工程優(yōu)化問(wèn)題, 適應(yīng)面廣。智能優(yōu)化算法是采用較多的隨機(jī)算法,如遺傳算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)是一種仿生隨機(jī)搜索算法。近年來(lái)該類(lèi)算法在約束優(yōu)化問(wèn)題中得到了廣泛的應(yīng)用[12-13]，對(duì)傳統(tǒng)的遺傳算法也進(jìn)行了改進(jìn), 提出一種基于實(shí)數(shù)編碼技術(shù)的新型自適應(yīng)混沌遺傳算法來(lái)求解復(fù)雜非線(xiàn)性約束優(yōu)化問(wèn)題[14]。

針對(duì)以上問(wèn)題，在中小型加工制造業(yè)的柔性制造系統(tǒng)設(shè)計(jì)過(guò)程中，為了既保證產(chǎn)品質(zhì)量、提高成品率又縮短完工時(shí)間提高生產(chǎn)效率，采用約束優(yōu)化算法和協(xié)同過(guò)濾算法相結(jié)合，以試圖解決運(yùn)算效率和算法復(fù)雜度等問(wèn)題。設(shè)計(jì)一種基于非線(xiàn)性約束和協(xié)同過(guò)濾算法的柔性制造系統(tǒng)，將該系統(tǒng)應(yīng)用于珠三角的某些中小型電鍍加工企業(yè)以實(shí)現(xiàn)自動(dòng)化電鍍過(guò)程中的智慧排程。具體過(guò)程是，首先使用協(xié)同過(guò)濾算法計(jì)算出相應(yīng)電鍍件所對(duì)應(yīng)的最匹配的工件槽，然后使用約束優(yōu)化算法調(diào)度電鍍車(chē)間的龍門(mén)架以?xún)?yōu)化行車(chē)移動(dòng)過(guò)程以及電鍍槽工件電鍍的時(shí)間，最終建模出適合多品種小批量的電鍍生產(chǎn)智慧排程系統(tǒng)的算法模型，并通過(guò)仿真測(cè)試和生產(chǎn)實(shí)踐進(jìn)行調(diào)試和改進(jìn)。

1 柔性制造系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)是基于工業(yè)物聯(lián)網(wǎng)技術(shù)、自動(dòng)化技術(shù)和人工智能技術(shù)的系統(tǒng)。其具有排產(chǎn)、調(diào)度與監(jiān)控等功能，能幫助中小型加工制造業(yè)解決柔性化制造轉(zhuǎn)型過(guò)程中存在的信息收集與傳輸、運(yùn)行控制、數(shù)據(jù)管理與通信網(wǎng)絡(luò)等問(wèn)題。實(shí)現(xiàn)縮短生產(chǎn)周期，保證生產(chǎn)能力的相對(duì)穩(wěn)定，提高設(shè)備的利用率，減少直接勞動(dòng)力，提高產(chǎn)品質(zhì)量的一致性，并有效地針對(duì)多品種、中小批量生產(chǎn)的特點(diǎn)來(lái)制定精益生產(chǎn)的方式。在加工區(qū)，系統(tǒng)采用傳感器采集加工液參數(shù)信息通過(guò)云服務(wù)器傳輸?shù)较到y(tǒng)，并且可以在LED顯示屏上投放車(chē)間生產(chǎn)實(shí)況信息。系統(tǒng)設(shè)計(jì)的結(jié)構(gòu)分為智慧排程子系統(tǒng)、無(wú)線(xiàn)監(jiān)控子系統(tǒng)、多屏協(xié)同通信子系統(tǒng)和云端數(shù)據(jù)分析與遠(yuǎn)程監(jiān)控子系統(tǒng)四個(gè)模塊。系統(tǒng)的框架結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)整體架構(gòu)圖

其中智能化排程子系統(tǒng)的核心技術(shù)是兩大算法，分別是非線(xiàn)性約束算法和協(xié)同過(guò)濾算法，通過(guò)運(yùn)用這兩種算法建立模型可以?xún)?yōu)化排程過(guò)程，本文重點(diǎn)介紹如何通過(guò)算法建模實(shí)現(xiàn)柔性制造系統(tǒng)的智慧排程。無(wú)線(xiàn)傳感實(shí)時(shí)監(jiān)控子系統(tǒng)實(shí)現(xiàn)了設(shè)備智能控制，按照設(shè)定的方案智能控制生產(chǎn)設(shè)備的運(yùn)行，減少不合理的等待時(shí)間。

多屏協(xié)同通信子系統(tǒng)能夠獲取需要?jiǎng)討B(tài)顯示的LED顯示屏內(nèi)容，從指定FLASH扇區(qū)讀取字模數(shù)據(jù)，通過(guò)16Pin排線(xiàn)將數(shù)據(jù)發(fā)送到各個(gè)數(shù)據(jù)顯示模塊，包括數(shù)據(jù)傳輸和多屏顯示兩部分。本系統(tǒng)使用的是 MQX Lite嵌入式操作系統(tǒng)，因?yàn)楸鞠到y(tǒng)的設(shè)計(jì)對(duì)外部設(shè)備功能的依賴(lài)性較強(qiáng)，所以以設(shè)備為中心對(duì)系統(tǒng)進(jìn)行任務(wù)劃分。云端數(shù)據(jù)分析與遠(yuǎn)程監(jiān)控子系統(tǒng)將生產(chǎn)現(xiàn)場(chǎng)采集到的加工液數(shù)據(jù)、排程數(shù)據(jù)、設(shè)備運(yùn)行數(shù)據(jù)等各相關(guān)數(shù)據(jù)上傳至云服務(wù)器，可以讓用戶(hù)遠(yuǎn)程監(jiān)控加工的作業(yè)現(xiàn)場(chǎng)。其中包括對(duì)LED顯示屏的工作狀態(tài)進(jìn)行查看和切換，對(duì)產(chǎn)品加工計(jì)劃進(jìn)行實(shí)時(shí)調(diào)整以及對(duì)產(chǎn)品加工歷史信息進(jìn)行查看等。

此處LoRa模塊的工作模式主要分為兩種，分別是點(diǎn)對(duì)多點(diǎn)無(wú)線(xiàn)模式和網(wǎng)關(guān)模式。點(diǎn)對(duì)多點(diǎn)無(wú)線(xiàn)模式的特點(diǎn)是LoRa快速組網(wǎng)透?jìng)?，無(wú)需復(fù)雜布線(xiàn)，主機(jī)可以接收從機(jī)的數(shù)據(jù)，從機(jī)不限個(gè)數(shù)。例如，工控機(jī)的上位機(jī)程序需要實(shí)時(shí)獲取來(lái)自各類(lèi)溶液傳感器的數(shù)據(jù)，因此需要在工控機(jī)端通過(guò)USB轉(zhuǎn)RS485模塊并設(shè)為主機(jī)狀態(tài)；又例如，在電鍍排程過(guò)程中各類(lèi)溶液通過(guò)RS485接口與LoRa模塊相連并設(shè)為從機(jī)狀態(tài)。

2 協(xié)同過(guò)濾算法模型設(shè)計(jì)

為了使需要加工的工件匹配到合適的工件槽進(jìn)行加工，在系統(tǒng)獲取到生產(chǎn)車(chē)間的信息之后，需要對(duì)信息進(jìn)行處理，設(shè)計(jì)出系統(tǒng)的最優(yōu)化生產(chǎn)流程。在眾多的推薦算法中，協(xié)同過(guò)濾算法以其簡(jiǎn)單高效而受到工業(yè)界的關(guān)注[15]。協(xié)同過(guò)濾算法模塊流程如圖2所示。系統(tǒng)會(huì)根據(jù)優(yōu)化目標(biāo)生成工件需求條件和工件槽特征，然后采用已經(jīng)訓(xùn)練好的協(xié)同過(guò)濾算法模型計(jì)算工件槽和工件的相似度，得到相似度最高的工件槽之后返回給加工區(qū)，安排給指定工件進(jìn)行加工作業(yè)，然后記錄預(yù)測(cè)的準(zhǔn)確率。

圖2 協(xié)同過(guò)濾算法流程圖

具體算法流程如下：

假設(shè)已知每個(gè)進(jìn)行加工的工件具有x1和x2兩個(gè)特征，其中x1表示該工件加工需要的濃度，x2表示該工件加工需要的時(shí)間。如果一個(gè)工件的特征表示為(1，0)，那么就認(rèn)為該工件是一個(gè)需要大濃度浸泡的物件；如果特征表示為(0，1)，那么就認(rèn)為該工件是一個(gè)緩慢反應(yīng)的物件；如果表示為(0.5，0.5)，那么就認(rèn)為該工件是一個(gè)需要一定濃度適當(dāng)延長(zhǎng)浸泡時(shí)間的物件。

假設(shè)現(xiàn)在已經(jīng)計(jì)算出所有加工工件的特征數(shù)據(jù)，那么系統(tǒng)就可以利用這些數(shù)據(jù)來(lái)記錄每個(gè)工件的特征。由于工件特征x是二維的，工件槽工作條件狀態(tài)θ也應(yīng)該是二維的,如果識(shí)別到某工件A特征為θ(4.5，1)，且某工件槽a的特征為(0.9，0)，那么就可以評(píng)估該工件A對(duì)工件槽a 的匹配度為4.05。工件A特征表明其需要大濃度浸泡，工件槽a的特征表明它是一個(gè)具備高濃度溶液的槽，因此匹配度也就較高。對(duì)于每一個(gè)工件而言，其優(yōu)化目標(biāo)為：

(1)

其中θ(j)表示j第個(gè)工件的特征；x(i)表示第i個(gè)工件槽的特征；y(i,j)表示第j個(gè)工件對(duì)第i個(gè)工件槽的匹配度；i:r(i，j)=1表示第j個(gè)工件對(duì)第i個(gè)工件槽是匹配過(guò)的(不是缺失值)；m(j)表示第個(gè)工件匹配工件槽的數(shù)目，其中的正則項(xiàng)是防止過(guò)擬合的。由于左右兩項(xiàng)具有m(j),因此式(1)還可以寫(xiě)成：

(2)

利用梯度下降更新θ(j)：

(3)

所求θ(j)即為第j個(gè)工件的匹配條件。如果是已知工件特征θ，那么系統(tǒng)就可以學(xué)習(xí)工件槽的特征x了。對(duì)于每一個(gè)工件槽，其優(yōu)化函數(shù)為：

(4)

利用梯度下降更新x(i):

(5)

所求x(i)即為第i個(gè)工件槽的特征。如果現(xiàn)在工件槽特征和工件特征都未知，那么可以把上面兩個(gè)目標(biāo)函數(shù)結(jié)合起來(lái)進(jìn)行優(yōu)化。協(xié)同過(guò)濾優(yōu)化目標(biāo)：給出x(1),…,x(nm)，估計(jì)θ(1),…,θ(nm)：

給出θ(1),…,θ(nm)，估計(jì)x(1),…,x(nm):

同時(shí)最小化x(1),…,x(nm)和θ(1),…,θ(nm)：

J(x(1),…,x(nm),θ(1),…,θ(nu))=

(6)

因此，可以得出如下協(xié)同過(guò)濾算法：初始化x(1),…,x(nu),θ(1),…,θ(nu)，為小的隨機(jī)值。然后運(yùn)用最小梯度下降法，Jx(1),…,x(nm),θ(1),…,θ(nu)，對(duì)于每一個(gè)j=1,…nu，i=1,…nm：

(7)

(8)

最終，可以得到工件需求條件和工件槽特征。根據(jù)訓(xùn)練得到的參數(shù)，就可以預(yù)測(cè)那些缺失值，然后可以把預(yù)測(cè)的高匹配度工件槽安排給指定工件進(jìn)行加工作業(yè)。

3 非線(xiàn)性約束算法模型設(shè)計(jì)

在預(yù)測(cè)好加工工件所對(duì)應(yīng)的工件槽之后，怎樣在流水線(xiàn)上使工件以最短時(shí)間到達(dá)相應(yīng)工件槽并完成加工流程，對(duì)生產(chǎn)效率具有很重要的影響。本研究主要采用非線(xiàn)性約束排程算法設(shè)計(jì)出最優(yōu)化的行車(chē)移動(dòng)過(guò)程。非線(xiàn)性約束排程算法流程如圖3所示，主要負(fù)責(zé)接收用戶(hù)輸入的關(guān)于產(chǎn)品生產(chǎn)的條件以及產(chǎn)品的生產(chǎn)工藝流程，通過(guò)進(jìn)行非線(xiàn)性約束求解，得出產(chǎn)品的上線(xiàn)生產(chǎn)排程結(jié)果，然后通過(guò)多屏協(xié)同通信子系統(tǒng)進(jìn)行顯示。同時(shí)，用戶(hù)也可以根據(jù)結(jié)果進(jìn)行再次的調(diào)整，觸發(fā)新的排程，最后把最終的排程結(jié)果輸送到主程序模塊進(jìn)行產(chǎn)品上線(xiàn)生產(chǎn)安排。

圖3 非線(xiàn)性約束算法流程圖

具體算法如下：

(9)

(10)

已知一個(gè)完整的行車(chē)移動(dòng)過(guò)程為行車(chē)吊起產(chǎn)品移動(dòng)到一個(gè)工件槽，并且上升到導(dǎo)軌準(zhǔn)備下一個(gè)動(dòng)作的一個(gè)完整過(guò)程所需要花費(fèi)的時(shí)間，則第i個(gè)產(chǎn)品完成第j個(gè)生產(chǎn)步驟所需要的移動(dòng)時(shí)間可以表示為：

(11)

該模型主要應(yīng)用在智能化排程子系統(tǒng)中，用來(lái)優(yōu)化行車(chē)移動(dòng)過(guò)程，以獲取最小的行車(chē)移動(dòng)時(shí)間來(lái)縮短加工時(shí)間，提高生產(chǎn)效率。

4 系統(tǒng)實(shí)驗(yàn)與測(cè)試

本系統(tǒng)的Android模塊是一個(gè)智慧排程監(jiān)控的模塊，系統(tǒng)實(shí)現(xiàn)了對(duì)加工排程的仿真、檢測(cè)以及控制功能。該應(yīng)用系統(tǒng)的所有基本功能都是基于OpenGL ES API軟件進(jìn)行設(shè)計(jì)實(shí)現(xiàn)，仿真界面的繪制是通過(guò)OpenGL ES繪圖技術(shù)來(lái)實(shí)現(xiàn)的。只需要通過(guò)多個(gè)Activity 進(jìn)行畫(huà)面之間的切換即可達(dá)到所需要的UI效果，Android仿真圖如圖4所示。

圖4 Android仿真圖

系統(tǒng)的檢測(cè)功能是通過(guò)獲取NB-IoT網(wǎng)關(guān)上傳到云端數(shù)據(jù)庫(kù)的以json格式封裝的數(shù)據(jù)，將數(shù)據(jù)顯示在檢測(cè)頁(yè)面上并使用圖表控件MP Android Chart繪制曲線(xiàn)圖，便于用戶(hù)直觀了解加工工作的變化情況，可以實(shí)時(shí)檢測(cè)到加工液的溫度、濃度、PH值等。系統(tǒng)的檢測(cè)圖如圖5所示。

圖5 系統(tǒng)檢測(cè)圖

在實(shí)驗(yàn)中，采用五金件鍍霧錫為測(cè)試對(duì)象，按照電鍍的標(biāo)準(zhǔn)工藝規(guī)范進(jìn)行操作。對(duì)于實(shí)時(shí)性檢測(cè)要求高的加工溶液，利用傳感器檢測(cè)其各種參數(shù)數(shù)據(jù)，并做到實(shí)時(shí)傳輸。對(duì)于傳統(tǒng)加工方法，當(dāng)鍍件在處理時(shí)，起落臂會(huì)停下來(lái)等待的情況，可進(jìn)行多級(jí)流水線(xiàn)生產(chǎn)，時(shí)間利用率會(huì)明顯提高。表1所示是某酸洗槽實(shí)驗(yàn)檢測(cè)的數(shù)據(jù)。

檢測(cè)條件：

1)溶液成分：NaNO3、H2SO4、HCl 、XF-5;

2)試驗(yàn)室溫度：23±2 ℃;

3)試驗(yàn)室相對(duì)濕度：85%以上。

表1 酸洗槽的數(shù)據(jù)檢測(cè)

通過(guò)在某公司進(jìn)行實(shí)驗(yàn)測(cè)試，傳統(tǒng)生產(chǎn)線(xiàn)上的電鍍制作環(huán)節(jié)平均需要180分鐘左右。在應(yīng)用智慧排程柔性制造系統(tǒng)后，電鍍制作環(huán)節(jié)大約減少了100 min，平均生產(chǎn)時(shí)長(zhǎng)顯著減少，并且產(chǎn)品合格率也由原來(lái)的89%提高到96%，同比提高7%。

5 結(jié)語(yǔ)

針對(duì)物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)構(gòu)建了兩大算法模型，分別是非線(xiàn)性約束算法和協(xié)同過(guò)濾算法，對(duì)算法進(jìn)行建模、優(yōu)化和應(yīng)用分析。它們是實(shí)現(xiàn)智能化排程子系統(tǒng)的核心技術(shù)，可以有效實(shí)現(xiàn)智能調(diào)度，得到工件需求條件和工件槽特征，把預(yù)測(cè)的高匹配工件槽安排給指定的工件進(jìn)行加工，為實(shí)現(xiàn)物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)提供了算法支持。介紹了物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)的總體設(shè)計(jì)，通過(guò)傳感器采集工業(yè)現(xiàn)場(chǎng)數(shù)據(jù)上傳至服務(wù)器，在系統(tǒng)中進(jìn)行數(shù)據(jù)加工分析和智能控制。以電鍍工業(yè)中的五金件鍍霧錫為系統(tǒng)測(cè)試對(duì)象，對(duì)系統(tǒng)的數(shù)據(jù)采集、檢測(cè)以及智能調(diào)度功能進(jìn)行了測(cè)試，表明設(shè)計(jì)的物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)對(duì)改進(jìn)傳統(tǒng)自動(dòng)化加工制造業(yè)生產(chǎn)的效率、節(jié)能減排有較好的效果，本系統(tǒng)有望在中小型加工制造業(yè)中逐步推廣應(yīng)用。