李廣明 張雪 張紅 余晨暉 岳晶瑩

(1.東莞理工學院 計算機科學與技術(shù)學院，廣東東莞 523808；2.東莞理工學院 財務(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)控自動加工管理裝置、物料自動存儲管理裝置以及電腦自動控制管理系統(tǒng)等組合構(gòu)成的一種新型自動化產(chǎn)品制造管理系統(tǒng)。其設(shè)計包含了FMS功能單元資源管理、車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)計等多學科多領(lǐng)域的專業(yè)知識應(yīng)用[1]。近年來，市場的變化使小批量、多品種生產(chǎn)方式成為需要，由于市場競爭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)帶動成本的剛性生產(chǎn)線很難適應(yīng)市場的快速變化。為此，針對多品種小批量自動化生產(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)計問題是屬于變量多、耦合關(guān)系復(fù)雜的非線性混合離散優(yōu)化問題,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)、對目標函數(shù)和設(shè)計變量要求少等優(yōu)點，但是存在局部搜索能力差、收斂速度慢以及處理約束問題困難等缺點[2-3]。在工程設(shè)計、作業(yè)調(diào)度、智能控制等諸多優(yōu)化領(lǐng)域，經(jīng)常會遇到條件限制(約束)，在問題求解方面，這些條件約束帶來了極大的挑戰(zhàn)，進而引出了約束優(yōu)化問題[4]。近年來，學者們提出了很多把約束條件與進化算法相結(jié)合的約束處理方法，這些約束優(yōu)化方法對于約束優(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)化問題變成無約束優(yōu)化的問題。非線性約束優(yōu)化的問題在制造和工程機械自動化中有著重要的實際應(yīng)用[5]，一般適用于目標函數(shù)或者約束條件中至少存在一個極點，這就是非線性約束函數(shù)最優(yōu)化的問題[6]。協(xié)同過濾算法在1992年被學者們提出，受到了國內(nèi)外學術(shù)界的廣泛重視和關(guān)注，協(xié)同過濾算法的基本理論思路就是那些具有相同或者相似的價值觀、思想觀、知識水平和興趣偏好的使用者，其對于信息的要求也可以說是相似的[7]，協(xié)同過濾算法能夠有效地使用其他用戶的反饋信息[8-10]。

在生產(chǎn)實踐中，經(jīng)常遇到非線性約束優(yōu)化問題，該問題的求解方法可分為確定性方法和隨機性方法兩類[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。該方法對目標函數(shù)和約束函數(shù)的連續(xù)性和可微性有較強的要求, 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)化問題。而隨機性方法對函數(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)化問題, 適應(yīng)面廣。智能優(yōu)化算法是采用較多的隨機算法,如遺傳算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)是一種仿生隨機搜索算法。近年來該類算法在約束優(yōu)化問題中得到了廣泛的應(yīng)用[12-13]，對傳統(tǒng)的遺傳算法也進行了改進, 提出一種基于實數(shù)編碼技術(shù)的新型自適應(yīng)混沌遺傳算法來求解復(fù)雜非線性約束優(yōu)化問題[14]。

針對以上問題，在中小型加工制造業(yè)的柔性制造系統(tǒng)設(shè)計過程中，為了既保證產(chǎn)品質(zhì)量、提高成品率又縮短完工時間提高生產(chǎn)效率，采用約束優(yōu)化算法和協(xié)同過濾算法相結(jié)合，以試圖解決運算效率和算法復(fù)雜度等問題。設(shè)計一種基于非線性約束和協(xié)同過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)以實現(xiàn)自動化電鍍過程中的智慧排程。具體過程是，首先使用協(xié)同過濾算法計算出相應(yīng)電鍍件所對應(yīng)的最匹配的工件槽，然后使用約束優(yōu)化算法調(diào)度電鍍車間的龍門架以優(yōu)化行車移動過程以及電鍍槽工件電鍍的時間，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，并通過仿真測試和生產(chǎn)實踐進行調(diào)試和改進。

1 柔性制造系統(tǒng)總體設(shè)計

本系統(tǒng)是基于工業(yè)物聯(lián)網(wǎng)技術(shù)、自動化技術(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)型過程中存在的信息收集與傳輸、運行控制、數(shù)據(jù)管理與通信網(wǎng)絡(luò)等問題。實現(xiàn)縮短生產(chǎn)周期，保證生產(chǎn)能力的相對穩(wěn)定，提高設(shè)備的利用率，減少直接勞動力，提高產(chǎn)品質(zhì)量的一致性，并有效地針對多品種、中小批量生產(chǎn)的特點來制定精益生產(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顯示屏上投放車間生產(chǎn)實況信息。系統(tǒng)設(shè)計的結(jié)構(gòu)分為智慧排程子系統(tǒng)、無線監(jiān)控子系統(tǒng)、多屏協(xié)同通信子系統(tǒng)和云端數(shù)據(jù)分析與遠程監(jiān)控子系統(tǒng)四個模塊。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，分別是非線性約束算法和協(xié)同過濾算法，通過運用這兩種算法建立模型可以優(yōu)化排程過程，本文重點介紹如何通過算法建模實現(xiàn)柔性制造系統(tǒng)的智慧排程。無線傳感實時監(jiān)控子系統(tǒng)實現(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)備的運行，減少不合理的等待時間。

多屏協(xié)同通信子系統(tǒng)能夠獲取需要動態(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16Pin排線將數(shù)據(jù)發(fā)送到各個數(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)，因為本系統(tǒng)的設(shè)計對外部設(shè)備功能的依賴性較強，所以以設(shè)備為中心對系統(tǒng)進行任務(wù)劃分。云端數(shù)據(jù)分析與遠程監(jiān)控子系統(tǒng)將生產(chǎn)現(xiàn)場采集到的加工液數(shù)據(jù)、排程數(shù)據(jù)、設(shè)備運行數(shù)據(jù)等各相關(guān)數(shù)據(jù)上傳至云服務(wù)器，可以讓用戶遠程監(jiān)控加工的作業(yè)現(xiàn)場。其中包括對LED顯示屏的工作狀態(tài)進行查看和切換，對產(chǎn)品加工計劃進行實時調(diào)整以及對產(chǎn)品加工歷史信息進行查看等。

此處LoRa模塊的工作模式主要分為兩種，分別是點對多點無線模式和網(wǎng)關(guān)模式。點對多點無線模式的特點是LoRa快速組網(wǎng)透傳，無需復(fù)雜布線，主機可以接收從機的數(shù)據(jù)，從機不限個數(shù)。例如，工控機的上位機程序需要實時獲取來自各類溶液傳感器的數(shù)據(jù)，因此需要在工控機端通過USB轉(zhuǎn)RS485模塊并設(shè)為主機狀態(tài)；又例如，在電鍍排程過程中各類溶液通過RS485接口與LoRa模塊相連并設(shè)為從機狀態(tài)。

2 協(xié)同過濾算法模型設(shè)計

為了使需要加工的工件匹配到合適的工件槽進行加工，在系統(tǒng)獲取到生產(chǎn)車間的信息之后，需要對信息進行處理，設(shè)計出系統(tǒng)的最優(yōu)化生產(chǎn)流程。在眾多的推薦算法中，協(xié)同過濾算法以其簡單高效而受到工業(yè)界的關(guān)注[15]。協(xié)同過濾算法模塊流程如圖2所示。系統(tǒng)會根據(jù)優(yōu)化目標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)同過濾算法模型計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)，安排給指定工件進行加工作業(yè)，然后記錄預(yù)測的準確率。

圖2 協(xié)同過濾算法流程圖

具體算法流程如下：

假設(shè)已知每個進行加工的工件具有x1和x2兩個特征，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間。如果一個工件的特征表示為(1，0)，那么就認為該工件是一個需要大濃度浸泡的物件；如果特征表示為(0，1)，那么就認為該工件是一個緩慢反應(yīng)的物件；如果表示為(0.5，0.5)，那么就認為該工件是一個需要一定濃度適當延長浸泡時間的物件。

假設(shè)現(xiàn)在已經(jīng)計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)來記錄每個工件的特征。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)，那么就可以評估該工件A對工件槽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具備高濃度溶液的槽，因此匹配度也就較高。對于每一個工件而言，其優(yōu)化目標為：

(1)

其中θ(j)表示j第個工件的特征；x(i)表示第i個工件槽的特征；y(i,j)表示第j個工件對第i個工件槽的匹配度；i:r(i，j)=1表示第j個工件對第i個工件槽是匹配過的(不是缺失值)；m(j)表示第個工件匹配工件槽的數(shù)目，其中的正則項是防止過擬合的。由于左右兩項具有m(j),因此式(1)還可以寫成：

(2)

利用梯度下降更新θ(j)：

(3)

所求θ(j)即為第j個工件的匹配條件。如果是已知工件特征θ，那么系統(tǒng)就可以學習工件槽的特征x了。對于每一個工件槽，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目標函數(shù)結(jié)合起來進行優(yōu)化。協(xié)同過濾優(yōu)化目標：給出x(1),…,x(nm)，估計θ(1),…,θ(nm)：

給出θ(1),…,θ(nm)，估計x(1),…,x(nm):

同時最小化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)同過濾算法：初始化x(1),…,x(nu),θ(1),…,θ(nu)，為小的隨機值。然后運用最小梯度下降法，Jx(1),…,x(nm),θ(1),…,θ(nu)，對于每一個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)測那些缺失值，然后可以把預(yù)測的高匹配度工件槽安排給指定工件進行加工作業(yè)。

3 非線性約束算法模型設(shè)計

在預(yù)測好加工工件所對應(yīng)的工件槽之后，怎樣在流水線上使工件以最短時間到達相應(yīng)工件槽并完成加工流程，對生產(chǎn)效率具有很重要的影響。本研究主要采用非線性約束排程算法設(shè)計出最優(yōu)化的行車移動過程。非線性約束排程算法流程如圖3所示，主要負責接收用戶輸入的關(guān)于產(chǎn)品生產(chǎn)的條件以及產(chǎn)品的生產(chǎn)工藝流程，通過進行非線性約束求解，得出產(chǎn)品的上線生產(chǎn)排程結(jié)果，然后通過多屏協(xié)同通信子系統(tǒng)進行顯示。同時，用戶也可以根據(jù)結(jié)果進行再次的調(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行產(chǎn)品上線生產(chǎn)安排。

圖3 非線性約束算法流程圖

具體算法如下：

(9)

(10)

已知一個完整的行車移動過程為行車吊起產(chǎn)品移動到一個工件槽，并且上升到導(dǎo)軌準備下一個動作的一個完整過程所需要花費的時間，則第i個產(chǎn)品完成第j個生產(chǎn)步驟所需要的移動時間可以表示為：

(11)

該模型主要應(yīng)用在智能化排程子系統(tǒng)中，用來優(yōu)化行車移動過程，以獲取最小的行車移動時間來縮短加工時間，提高生產(chǎn)效率。

4 系統(tǒng)實驗與測試

本系統(tǒng)的Android模塊是一個智慧排程監(jiān)控的模塊，系統(tǒng)實現(xiàn)了對加工排程的仿真、檢測以及控制功能。該應(yīng)用系統(tǒng)的所有基本功能都是基于OpenGL ES API軟件進行設(shè)計實現(xiàn)，仿真界面的繪制是通過OpenGL ES繪圖技術(shù)來實現(xiàn)的。只需要通過多個Activity 進行畫面之間的切換即可達到所需要的UI效果，Android仿真圖如圖4所示。

圖4 Android仿真圖

系統(tǒng)的檢測功能是通過獲取NB-IoT網(wǎng)關(guān)上傳到云端數(shù)據(jù)庫的以json格式封裝的數(shù)據(jù)，將數(shù)據(jù)顯示在檢測頁面上并使用圖表控件MP Android Chart繪制曲線圖，便于用戶直觀了解加工工作的變化情況，可以實時檢測到加工液的溫度、濃度、PH值等。系統(tǒng)的檢測圖如圖5所示。

圖5 系統(tǒng)檢測圖

在實驗中，采用五金件鍍霧錫為測試對象，按照電鍍的標準工藝規(guī)范進行操作。對于實時性檢測要求高的加工溶液，利用傳感器檢測其各種參數(shù)數(shù)據(jù)，并做到實時傳輸。對于傳統(tǒng)加工方法，當鍍件在處理時，起落臂會停下來等待的情況，可進行多級流水線生產(chǎn)，時間利用率會明顯提高。表1所示是某酸洗槽實驗檢測的數(shù)據(jù)。

檢測條件：

1)溶液成分：NaNO3、H2SO4、HCl 、XF-5;

2)試驗室溫度：23±2 ℃;

3)試驗室相對濕度：85%以上。

表1 酸洗槽的數(shù)據(jù)檢測

通過在某公司進行實驗測試，傳統(tǒng)生產(chǎn)線上的電鍍制作環(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)時長顯著減少，并且產(chǎn)品合格率也由原來的89%提高到96%，同比提高7%。

5 結(jié)語

針對物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)構(gòu)建了兩大算法模型，分別是非線性約束算法和協(xié)同過濾算法，對算法進行建模、優(yōu)化和應(yīng)用分析。它們是實現(xiàn)智能化排程子系統(tǒng)的核心技術(shù)，可以有效實現(xiàn)智能調(diào)度，得到工件需求條件和工件槽特征，把預(yù)測的高匹配工件槽安排給指定的工件進行加工，為實現(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，通過傳感器采集工業(yè)現(xiàn)場數(shù)據(jù)上傳至服務(wù)器，在系統(tǒng)中進行數(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)測試對象，對系統(tǒng)的數(shù)據(jù)采集、檢測以及智能調(diào)度功能進行了測試，表明設(shè)計的物聯(lián)網(wǎng)智慧排程柔性制造系統(tǒng)對改進傳統(tǒng)自動化加工制造業(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。