楊博見(jiàn)，杜 麗，郭景仁

（1.電子科技大學(xué)，成都 611731；2.中國(guó)航空發(fā)動(dòng)機(jī)集團(tuán)有限公司四川燃?xì)鉁u輪研究院高空模擬技術(shù)重點(diǎn)實(shí)驗(yàn)室，綿陽(yáng) 621703）

調(diào)度是整個(gè)制造系統(tǒng)的核心環(huán)節(jié)[1]，其目的是滿足一系列約束前提下對(duì)資源進(jìn)行合理分配使作業(yè)過(guò)程中某些指標(biāo)達(dá)到最優(yōu)。隨著制造企業(yè)生產(chǎn)力逐漸提升，傳統(tǒng)集中控制的靜態(tài)調(diào)度方式在動(dòng)態(tài)多變的生產(chǎn)場(chǎng)景下顯得格格不入。一方面，小批量、多品種、個(gè)性化生產(chǎn)模式逐漸興起，工藝路徑愈加靈活[2]，柔性作業(yè)車間逐步取代以往的流水車間，針對(duì)柔性生產(chǎn)的調(diào)度研究愈發(fā)迫切[3]；另一方面，制造過(guò)程本質(zhì)上是動(dòng)態(tài)的，諸如訂單數(shù)量波動(dòng)、設(shè)備故障、原料緊缺等計(jì)劃外的擾動(dòng)是不可避免的[4]，如何設(shè)計(jì)調(diào)度策略使外部擾動(dòng)對(duì)系統(tǒng)的影響降到最低成為生產(chǎn)調(diào)度研究中的另一個(gè)熱點(diǎn)問(wèn)題[5]。

在生產(chǎn)組織方式從靜態(tài)集中的層次結(jié)構(gòu)向動(dòng)態(tài)分布式網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)變的趨勢(shì)下，制造系統(tǒng)呈現(xiàn)出動(dòng)態(tài)、復(fù)雜、自治等新特點(diǎn)[6]。多Agent系統(tǒng) （Multi-agent system，MAS）作為一種新興智能計(jì)算技術(shù)，其自治性、拓展性、移動(dòng)性的特點(diǎn)與當(dāng)前分布式、動(dòng)態(tài)化的生產(chǎn)環(huán)境高度契合[7]，被認(rèn)為是實(shí)現(xiàn)智能制造系統(tǒng)最有前景的方法之一，受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注[8]。目前框架設(shè)計(jì)與建模和協(xié)商機(jī)制是MAS的兩個(gè)主要研究方向。Wang等[9]采用基于物理的映射方式將車間內(nèi)實(shí)體劃分為機(jī)床、運(yùn)輸、產(chǎn)品、物料庫(kù)4類Agent，搭建了一種結(jié)合工業(yè)互聯(lián)網(wǎng)與云端監(jiān)控的多層次智能工廠框架。梁慰樂(lè)[10]搭建了一種混合架構(gòu)的多車間動(dòng)態(tài)調(diào)度系統(tǒng)，基于功能的映射方式劃分了管理、資源、工藝、算法和監(jiān)控5類Agent對(duì)象，實(shí)現(xiàn)了生產(chǎn)任務(wù)與擾動(dòng)事件的跨區(qū)域處理。魏鑫[11]針對(duì)多目標(biāo)作業(yè)車間調(diào)度問(wèn)題提出了一種基于簡(jiǎn)化CNP（Contract net protocol）的區(qū)間協(xié)同拍賣協(xié)同策略，有效解決了傳統(tǒng)CNP下調(diào)度中通信量大、Agent間劣質(zhì)競(jìng)標(biāo)以及調(diào)度結(jié)果全局性較差等問(wèn)題。Zhang等[12]建立了基于蟻群優(yōu)化的Agent協(xié)商機(jī)制，將蟻群算法中信息素的特征融入智能體決策模型中，通過(guò)信息素積累和蒸發(fā)產(chǎn)生的差異信息素圖來(lái)解決常規(guī)調(diào)度與重調(diào)度問(wèn)題。曹樂(lè)[13]應(yīng)用內(nèi)嵌Q – Learning的CNP作為上下層協(xié)商機(jī)制，搭建了基于多Agent的信息物理融合生產(chǎn)系統(tǒng)，實(shí)現(xiàn)硬件間的異構(gòu)集成與生產(chǎn)任務(wù)的合理分配。

本文結(jié)合柔性作業(yè)車間特點(diǎn)對(duì)MAS進(jìn)行了改進(jìn)，從實(shí)際柔性生產(chǎn)中的物理實(shí)體和邏輯功能映射出5類Agent并形成一種混合式組織結(jié)構(gòu)，在此基礎(chǔ)上根據(jù)典型柔性生產(chǎn)中的任務(wù)分解、機(jī)床選擇、任務(wù)分配3個(gè)步驟對(duì)多Agent協(xié)商機(jī)制進(jìn)行改進(jìn)，最后設(shè)計(jì)試驗(yàn)對(duì)該調(diào)度方案的有效性進(jìn)行了驗(yàn)證。

1 多Agent柔性作業(yè)車間動(dòng)態(tài)調(diào)度系統(tǒng)組織架構(gòu)

圖1所示的柔性生產(chǎn)線一般包含加工中心、立體刀庫(kù)、有軌制導(dǎo)小車 （Rail guided vehicle，RGV）或機(jī)械手、立體物料庫(kù)、上下料站、控制系統(tǒng)等設(shè)備。完整的柔性制造生產(chǎn)調(diào)度應(yīng)包含的流程與功能總體可概括為工單輸入與處理、工單任務(wù)分解、柔性生產(chǎn)調(diào)度規(guī)劃、異常調(diào)度、數(shù)據(jù)管理。

圖1 柔性生產(chǎn)線設(shè)備組成及分布示意圖Fig.1 Flexible production line equipment composition and distribution diagram

對(duì)應(yīng)以上設(shè)備分布與流程特征，基于多Agent理論，從制造環(huán)境中映射出5種Agent，可劃分為基于物理的任務(wù)池Agent（Task pool agent，TPA）、任務(wù)Agent（Task agent，TA）、機(jī)器Agent（Machine agent，MA），分別與車間中的立體物料庫(kù)、加工工件、加工中心對(duì)應(yīng)；以及基于功能的調(diào)度Agent（Scheduling agent，SA）和監(jiān)控Agent（Real-time monitoring agent，RMA），其內(nèi)部分別封裝了規(guī)則調(diào)度方法和異常調(diào)度策略。TPA主要完成工單輸入與處理、工單任務(wù)分解；TA、MA、SA 3者通過(guò)協(xié)商完成柔性生產(chǎn)調(diào)度規(guī)劃；RMA負(fù)責(zé)完成異常調(diào)度；數(shù)據(jù)管理則由5個(gè)Agent共同完成。

本文設(shè)計(jì)的混合式組織結(jié)構(gòu)的柔性制造動(dòng)態(tài)調(diào)度系統(tǒng)基本架構(gòu)如圖2所示。常規(guī)調(diào)度時(shí)，系統(tǒng)內(nèi)除監(jiān)控Agent以外的所有Agent共同構(gòu)成集中式的組織結(jié)構(gòu)，其中TPA處于管理層，接收與釋放上層系統(tǒng)的計(jì)劃任務(wù)；TA與SA處于處理層，對(duì)釋放的任務(wù)進(jìn)行排程；MA處于執(zhí)行層，負(fù)責(zé)執(zhí)行上層產(chǎn)生的調(diào)度計(jì)劃。當(dāng)出現(xiàn)擾動(dòng)事件使系統(tǒng)進(jìn)入異常調(diào)度狀態(tài)時(shí)，RMA將與除TPA以外的所有Agent共同構(gòu)成分布式的組織結(jié)構(gòu)，各Agent之間通過(guò)信息互通，只需對(duì)其自身做出局部調(diào)整即可完成對(duì)擾動(dòng)事件的處理。該結(jié)構(gòu)具有易拓展、高魯棒性和低成本的優(yōu)點(diǎn)。

圖2 多Agent柔性作業(yè)車間動(dòng)態(tài)調(diào)度系統(tǒng)組織結(jié)構(gòu)Fig.2 Organization structure of dynamic scheduling system of multi-agent flexible job-shop

2 柔性作業(yè)車間動(dòng)態(tài)調(diào)度策略

合同網(wǎng)協(xié)議 （Contract net protocol，CNP）在復(fù)雜環(huán)境下具有較好的靈活性和實(shí)用性，整體邏輯較為簡(jiǎn)單，能夠?qū)Υ笠?guī)模任務(wù)進(jìn)行分解執(zhí)行。在基于傳統(tǒng)CNP的多Agent調(diào)度方法中，通常采用具備任務(wù)性質(zhì)和具備處理能力的兩類Agent進(jìn)行招投標(biāo)交互，完成加工任務(wù)在加工設(shè)備之間的分配，最終得到調(diào)度計(jì)劃。一個(gè)完整調(diào)度流程的協(xié)商過(guò)程如圖3所示，整個(gè)過(guò)程中TA與m個(gè)MA之間至少經(jīng)過(guò)4m次通信才能完成任務(wù)分配，當(dāng)多個(gè)TA對(duì)自身任務(wù)進(jìn)行釋放時(shí)，系統(tǒng)內(nèi)的信息流將會(huì)急劇增長(zhǎng)；除此之外Agent的貪婪性驅(qū)使其只根據(jù)自身當(dāng)前的狀態(tài)做出決策，造成實(shí)際招投標(biāo)過(guò)程缺乏一定的全局能力，并且協(xié)商過(guò)程中缺乏應(yīng)急處理機(jī)制，出現(xiàn)異常時(shí)可能會(huì)導(dǎo)致調(diào)度系統(tǒng)出現(xiàn)鎖死甚至故障。由此可知，該協(xié)商流程存在通信量大、單步優(yōu)化以及動(dòng)態(tài)性能較差等缺陷。

圖3 基于傳統(tǒng)CNP的調(diào)度協(xié)商流程Fig.3 Scheduling and negotiation process based on traditional CNP

本文從調(diào)度過(guò)程中任務(wù)分解、機(jī)床選擇、任務(wù)分配3個(gè)步驟的運(yùn)行機(jī)制入手，改進(jìn)得到基于工序塊的任務(wù)分解機(jī)制、基于加工精度的機(jī)床選擇機(jī)制以及基于調(diào)度規(guī)則的動(dòng)態(tài)時(shí)間窗調(diào)度方法，保證動(dòng)態(tài)任務(wù)的合理分配，提升系統(tǒng)的動(dòng)態(tài)性能以及對(duì)特定加工環(huán)境的適應(yīng)力。

2.1 基于工序塊的任務(wù)分解機(jī)制

近幾年，以工序集中原則為基礎(chǔ)的復(fù)合加工技術(shù)快速發(fā)展，車銑復(fù)合中心、五軸加工中心等復(fù)合加工機(jī)床應(yīng)運(yùn)而生。傳統(tǒng)的柔性作業(yè)車間調(diào)度問(wèn)題 （Flexible job-shop scheduling problem，F(xiàn)JSP）求解方法往往以工序離散的原則處理工藝路徑中的工序，即系統(tǒng)在調(diào)度的過(guò)程中按照工件的工序順序逐項(xiàng)釋放、逐項(xiàng)加工。因此，在得到的調(diào)度結(jié)果中，同一工件的加工過(guò)程總是離散化的，其相鄰的兩道工序通常不在同一臺(tái)機(jī)床上進(jìn)行。這與當(dāng)前復(fù)雜工件的實(shí)際加工方式是不符的，各工序加工準(zhǔn)備時(shí)間的存在也會(huì)導(dǎo)致大量加工工件在多臺(tái)設(shè)備間轉(zhuǎn)移的用時(shí)不可忽視，如果調(diào)度計(jì)算得到的調(diào)度解與實(shí)際調(diào)度情況的偏差較大，調(diào)度解將會(huì)失去參考性。

本文基于工序集中處理原則提出一種基于工序塊的任務(wù)分解機(jī)制。在分解工單時(shí)，將同一工件工藝路線中工藝類型相近、工序順序相鄰的工序組合成為1個(gè)工序塊一次性釋放，利用加工過(guò)程中必要的翻轉(zhuǎn)裝夾、在機(jī)檢測(cè)等步驟自然地隔離不同的工序塊，單個(gè)工序塊內(nèi)的所有工序?qū)⒃谕慌_(tái)滿足所有工序加工條件的機(jī)床上進(jìn)行加工。以表1所示的工藝路線為例（其中翻轉(zhuǎn)裝夾、在機(jī)檢測(cè)等準(zhǔn)備步驟視作工序，但不會(huì)作為任務(wù)Agent釋放），按工序塊進(jìn)行分解，工件會(huì)由原先的8道加工工序合并為3個(gè)工序塊參與調(diào)度計(jì)算。

表1 示例工藝路線Table 1 Example process routes

采用基于工序塊的任務(wù)分解機(jī)制主要有以下優(yōu)點(diǎn)。

（1）任務(wù)分解方式與實(shí)際加工方式對(duì)應(yīng)，考慮了工序的加工準(zhǔn)備時(shí)間，提高了調(diào)度解的參考性與可執(zhí)行性。以上述工藝路線為例，加工前的準(zhǔn)備時(shí)間將由單工序的分解機(jī)制下的7段減小為2段，且并入加工時(shí)間期望。

（2）該機(jī)制與原先單工序處理機(jī)制的適應(yīng)性相同，基于工序塊的任務(wù)分解機(jī)制在本質(zhì)上沒(méi)有改變?cè)热蝿?wù)分解機(jī)制的主要流程，僅在任務(wù)總量上有所變化，原有的調(diào)度求解方法仍舊可用。（3）減輕了MAS系統(tǒng)內(nèi)的通信負(fù)擔(dān)，以m臺(tái)設(shè)備加工上述工件為例，單工序的分解機(jī)制下，系統(tǒng)至少需經(jīng)過(guò)8×（2m+ 2）次通信才能完成所有工序任務(wù)的釋放，但在基于工序塊的分解機(jī)制下，系統(tǒng)只需經(jīng)過(guò)3×（2m+ 2）次通信。（4）可以更好地適應(yīng)未來(lái)工序順序柔性這一趨勢(shì)?；诠ば驂K的任務(wù)分解機(jī)制下工序順序僅需要在工序塊內(nèi)部進(jìn)行調(diào)整即可，并不會(huì)影響到調(diào)度計(jì)算，整體調(diào)度流程的柔性將得到提高。

2.2 基于加工精度的機(jī)床選擇機(jī)制

加工質(zhì)量是制造過(guò)程中重點(diǎn)關(guān)注的問(wèn)題，在調(diào)度過(guò)程中應(yīng)當(dāng)采取適當(dāng)?shù)拇胧﹣?lái)保障復(fù)雜結(jié)構(gòu)件的加工精度，提高首件加工合格率。目前復(fù)雜結(jié)構(gòu)件的制造過(guò)程一般根據(jù)加工任務(wù)中工件的尺寸、加工類型提前選擇合適的生產(chǎn)線，因此機(jī)床精度就成為唯一的機(jī)床選擇決策指標(biāo)。一般會(huì)對(duì)生產(chǎn)線進(jìn)行周期性檢測(cè)和評(píng)估其整體加工精度，并更新生產(chǎn)系統(tǒng)內(nèi)對(duì)應(yīng)信息以便于進(jìn)行機(jī)床選擇。

在傳統(tǒng)的FJSP案例中，一般采用的是單工藝型或半全能型機(jī)床，但現(xiàn)階段的柔性生產(chǎn)線已采用全能型的加工中心，以往基于加工能力的機(jī)床選擇機(jī)制已不再適用。因此，根據(jù)當(dāng)前柔性作業(yè)車間的設(shè)備情況，本文提出一種基于加工精度的機(jī)床選擇機(jī)制。新機(jī)制下TA與MA之間協(xié)商的流程如圖4所示，當(dāng)TA將加工任務(wù)需求以招標(biāo)請(qǐng)求的方式發(fā)送至MA時(shí)，MA將任務(wù)對(duì)應(yīng)的工序塊內(nèi)需求的最高精度與自身精度進(jìn)行比較，根據(jù)比較結(jié)果選擇是否參與競(jìng)標(biāo)。本文機(jī)床精度與TA內(nèi)攜帶的加工任務(wù)規(guī)定的工件尺寸精度均采用IT公差等級(jí)進(jìn)行描述。

圖4 基于加工精度的機(jī)床選擇機(jī)制下TA與MA的協(xié)商流程Fig.4 Negotiation process between TA and MA under machine tool selection mechanism based on machining accuracy

基于加工精度的機(jī)床選擇機(jī)制在調(diào)度過(guò)程中能夠保障工件的加工質(zhì)量，并且MA會(huì)定期訪問(wèn)生產(chǎn)系統(tǒng)的機(jī)床精度數(shù)據(jù)庫(kù)獲取機(jī)床最近時(shí)段的精度，將獲取到的數(shù)據(jù)存儲(chǔ)至自身知識(shí)庫(kù)，從而使調(diào)度系統(tǒng)能夠?qū)?dòng)態(tài)的環(huán)境做出良好的反應(yīng)。

2.3 基于調(diào)度規(guī)則的動(dòng)態(tài)時(shí)間窗調(diào)度方法

上層系統(tǒng)下達(dá)的工單任務(wù)經(jīng)過(guò)分解和機(jī)床選擇之后，還需按一定的方法對(duì)任務(wù)進(jìn)行分配才能產(chǎn)生最終的調(diào)度解，任務(wù)分配的方法將直接決定調(diào)度解的優(yōu)劣。傳統(tǒng)CNP協(xié)商過(guò)程中的單步優(yōu)化會(huì)導(dǎo)致劣質(zhì)調(diào)度解的出現(xiàn)，為解決此問(wèn)題，國(guó)內(nèi)外學(xué)者在CNP的基礎(chǔ)之上引入了時(shí)間窗的概念，同時(shí)在MAS中設(shè)置全局管理型的Agent，形成了一種基于周期調(diào)度的預(yù)反應(yīng)式調(diào)度策略。但隨之引入了時(shí)間窗長(zhǎng)度的選取問(wèn)題，選取過(guò)長(zhǎng)會(huì)導(dǎo)致任務(wù)堆積，過(guò)短會(huì)退化為單步優(yōu)化，尤其在時(shí)間窗長(zhǎng)度固定時(shí)，其無(wú)法適應(yīng)工件到達(dá)密度多變的小批量生產(chǎn)場(chǎng)景。

根據(jù)以上情況，本文提出一種動(dòng)態(tài)時(shí)間窗的策略。其具體執(zhí)行邏輯如圖5所示，其中Z為表征產(chǎn)線狀態(tài)的決策變量；min（eBiu）為開(kāi)啟時(shí)間窗的時(shí)刻下產(chǎn)線內(nèi)所有機(jī)床的最早完工時(shí)刻；Tnow為開(kāi)啟時(shí)間窗的時(shí)刻；L為單個(gè)時(shí)間窗內(nèi)參與調(diào)度的工序塊數(shù)量上限，以避免待調(diào)度的工序塊過(guò)多導(dǎo)致調(diào)度系統(tǒng)瞬時(shí)計(jì)算負(fù)擔(dān)過(guò)大。Z與L的計(jì)算方法分別如式 （1）和 （2）所示。

圖5 動(dòng)態(tài)時(shí)間窗策略的具體執(zhí)行邏輯Fig.5 Specific execution logic of dynamic time window strategy

式中，m為產(chǎn)線內(nèi)機(jī)床的總數(shù)；mB為更新變量Z時(shí)產(chǎn)線內(nèi)損壞機(jī)床的總數(shù)。

在整個(gè)動(dòng)態(tài)時(shí)間窗運(yùn)行的過(guò)程中，單個(gè)時(shí)間窗內(nèi)等待調(diào)度的工序塊數(shù)量會(huì)逐漸大于L，此時(shí)應(yīng)采取一定的措施來(lái)選擇符合條件的工序塊參與調(diào)度計(jì)算，否則會(huì)使所有工件的等待時(shí)間及完工時(shí)間難以得到保證。調(diào)度規(guī)則具有較低時(shí)間復(fù)雜度，動(dòng)態(tài)性能較好的特點(diǎn)，是解決實(shí)際生產(chǎn)中動(dòng)態(tài)調(diào)度問(wèn)題的一個(gè)有效方法。本文采用基于到達(dá)時(shí)刻的最先到達(dá)最先加工規(guī)則 （First come first service，F(xiàn)CFS）對(duì)工序塊進(jìn)行選取，以保證工件的等待時(shí)間以及完工時(shí)間。FCFS的具體執(zhí)行邏輯如圖6所示。

圖6 FCFS的具體執(zhí)行邏輯Fig.6 Specific execution logic of FCFS

2.4 柔性作業(yè)車間異常調(diào)度策略

任何制造過(guò)程都避免不了異常事件的發(fā)生，本文針對(duì)設(shè)備故障與急件插單兩類擾動(dòng)設(shè)計(jì)了異常調(diào)度策略，其異常處理流程如圖7所示。

圖7 設(shè)備故障與急件插單擾動(dòng)下的異常處理流程Fig.7 Exception handling process under disturbance of equipment malfunction and urgent order

由于急件插單擾動(dòng)下插單工件需要盡早完工，TPA將會(huì)以新的方式釋放加工任務(wù)，在其知識(shí)庫(kù)中設(shè)置一個(gè)用于表征插單狀態(tài)的決策變量D，其具體描述見(jiàn)式（3）。單個(gè)時(shí)間窗內(nèi)參與調(diào)度的工序塊數(shù)量上限L也將變更為式 （4）的計(jì)算方式。

3 仿真試驗(yàn)與結(jié)果分析

本文在JDK 4.5.0（Java development kit）環(huán)境下借助Eclipse 4.14.0開(kāi)發(fā)工具與JADE 4.5.0（Java agent development framework）搭建調(diào)度平臺(tái)，調(diào)度平臺(tái)的功能主界面如圖8所示，該平臺(tái)主要包含用戶管理、任務(wù)管理、調(diào)度控制、生產(chǎn)監(jiān)控、幫助5個(gè)模塊。將主要借助調(diào)度控制和生產(chǎn)監(jiān)控模塊進(jìn)行基于固定時(shí)間窗調(diào)度策略 （Scheduling strategy based on fixed time window，SSBFTW）與基于動(dòng)態(tài)時(shí)間窗調(diào)度策略（Scheduling strategy based on dynamic time window，SSBDTW）的對(duì)比試驗(yàn)，以及SSBDTW處理擾動(dòng)事件的有效性試驗(yàn)，仿真結(jié)果將由甘特圖展示，甘特圖顯示界面如圖9所示。

圖8 調(diào)度平臺(tái)功能主界面Fig.8 Main interface of scheduling platform

圖9 調(diào)度平臺(tái)甘特圖顯示界面Fig.9 Gantt chart interface of scheduling platform

3.1 試驗(yàn)環(huán)境設(shè)置

試驗(yàn)中模擬柔性生產(chǎn)線由4臺(tái)全能型加工中心組成，加工能力如表2所示，其基礎(chǔ)數(shù)據(jù)來(lái)源于文獻(xiàn)[11]，可處理包括人工翻轉(zhuǎn)裝夾、在機(jī)檢測(cè)在內(nèi)的10種工藝類型。人工翻轉(zhuǎn)裝夾、在機(jī)檢測(cè)的加工系數(shù)固定為1.0，其余工藝類型的加工系數(shù)由區(qū)間[0.7，1.3]內(nèi)取隨機(jī)數(shù)并精確到小數(shù)點(diǎn)后一位得到。

表2 機(jī)床加工能力信息[11]Table 2 Machine tool processing capacity information[11]

工單任務(wù)將以下述規(guī)則從如表3所示的5種工藝路線各不相同的示例工件中產(chǎn)生：在區(qū)間[1，4]取每種工件的個(gè)數(shù)βi（1≤i≤5），使每個(gè)工單均包含上述5種示例工件，工單內(nèi)總工件數(shù)且工件的到達(dá)順序隨機(jī)。各示例工件的工藝路線原始數(shù)據(jù)主要來(lái)源于文獻(xiàn)[14]～[16]。

表3 示例工件工藝路線[14–16]Table 3 Process routes for sample artifacts[14–16]

實(shí)際生產(chǎn)過(guò)程中，由于各工件的狀態(tài)不完全相同，不同工序塊的加工前準(zhǔn)備時(shí)間可能不相同，當(dāng)這些實(shí)際的準(zhǔn)備時(shí)間與試驗(yàn)設(shè)定的準(zhǔn)備時(shí)間產(chǎn)生偏差并累積，試驗(yàn)結(jié)果便會(huì)與實(shí)際結(jié)果產(chǎn)生差異。但由于在實(shí)際生產(chǎn)中，工件的加工前準(zhǔn)備時(shí)間一般僅為數(shù)十秒，而加工總時(shí)長(zhǎng)可達(dá)數(shù)百分鐘，加工前準(zhǔn)備時(shí)間的偏差對(duì)試驗(yàn)結(jié)果造成的影響較小，在此忽略不計(jì)。

3.2 動(dòng)態(tài)時(shí)間窗與固定時(shí)間窗調(diào)度方法對(duì)比試驗(yàn)

本試驗(yàn)以最大完工時(shí)間及設(shè)備利用率作為性能評(píng)價(jià)指標(biāo)對(duì)比SSBFTW與SSBDTW隨工件到達(dá)密度的變化情況 （SSBFTW方法中取示例工件所有工序的平均加工時(shí)間為時(shí)間窗長(zhǎng)度）。為盡可能保證得到的變化趨勢(shì)具有普遍性，根據(jù)工單規(guī)則構(gòu)建如表4所示的3個(gè)批量分別為10、15、20的示例工單進(jìn)行3組試驗(yàn)，每組試驗(yàn)工件到達(dá)密度由大到小設(shè)置為[0，5]、[5，10]、[10，15]、[15，20]、[20，25]（相鄰兩工件的到達(dá)時(shí)間差在對(duì)應(yīng)區(qū)間內(nèi)隨機(jī)取得，首個(gè)工件默認(rèn)初始時(shí)刻到達(dá)），考慮平臺(tái)啟動(dòng)時(shí)間、Agent通信延誤等偶然因素對(duì)試驗(yàn)的影響，以每個(gè)工單每個(gè)檔位進(jìn)行5次試驗(yàn)取平均值作為對(duì)應(yīng)檔位的結(jié)果。

表4 各示例工單內(nèi)的工件信息Table 4 Artifact information in each sample worksheet

SSBFTW與SSBDTW對(duì)比試驗(yàn)結(jié)果由圖10所示，分析可知： （1）調(diào)度結(jié)果的最大完工時(shí)間與工件到達(dá)密度呈負(fù)相關(guān)，在工件到達(dá)密度較大時(shí)兩種方法最大完工時(shí)間較接近，但SSBDTW調(diào)度結(jié)果的最大完工時(shí)間隨工件到達(dá)密度的變化將顯著優(yōu)于SSBFTW； （2）調(diào)度結(jié)果的設(shè)備利用率隨工件到達(dá)密度減小而減小，但SSBDTW調(diào)度結(jié)果的設(shè)備利用率均優(yōu)于SSBFTW；（3）總體上，SSBDTW受工件到達(dá)密度變化的影響相比SSBFTW小。由此可見(jiàn)，SSBDTW在工件到達(dá)密度變化的小批量、多品種生產(chǎn)場(chǎng)景下具有更好的調(diào)度性能和適應(yīng)性。

圖10 SSBFTW和SSBDTW對(duì)比試驗(yàn)結(jié)果Fig.10 Comparison of SSBFTW and SSBDTW experimental results

3.3 異常調(diào)度策略有效性驗(yàn)證試驗(yàn)

本文選取工單2設(shè)置兩組試驗(yàn)分別驗(yàn)證SSBDTW在設(shè)備故障、急件插單擾動(dòng)下的有效性。處理設(shè)備故障的試驗(yàn)中，隨機(jī)取得故障發(fā)生時(shí)刻為第93 min，故障機(jī)床為MA4，故障維護(hù)時(shí)間為137 min， MA4維護(hù)后的精度將由IT6下降至IT8；處理急件插單的試驗(yàn)中，隨機(jī)取得插單時(shí)刻為第85 min，插單工件為示例工件3。設(shè)備故障、急件插單及無(wú)擾動(dòng)狀態(tài)下調(diào)度結(jié)果性能對(duì)比如圖11所示，3種狀態(tài)下以檔位[0，5]為例的調(diào)度結(jié)果甘特圖如圖12所示。

圖11 設(shè)備故障、急件插單與無(wú)擾動(dòng)狀態(tài)下的調(diào)度結(jié)果性能對(duì)比Fig.11 Performance comparison of dispatching results under equipment failure, urgent order and undisturbed state

圖12 工單2 [0，5]檔位調(diào)度結(jié)果甘特圖Fig.12 Gantt chart of scheduling results of work order two [0, 5] stalls

由上述試驗(yàn)可知： （1）設(shè)備故障擾動(dòng)的調(diào)度結(jié)果相比無(wú)擾動(dòng)的，最大完工時(shí)間由562 min增加到575 min，性能下降約2.31%，減少的4個(gè)工序塊為直接受機(jī)器損壞影響的工件TestJob_11的剩余未加工工序塊，即設(shè)備發(fā)生故障后系統(tǒng)停止加工受損壞影響的工件，對(duì)剩余任務(wù)重新規(guī)劃且與損壞前銜接較好，MA4在結(jié)束維修恢復(fù)使用后處理的工序塊的精度需求也均未高于IT8；（2）急件插單擾動(dòng)下的調(diào)度結(jié)果相比無(wú)擾動(dòng)的，最大完工時(shí)間由562 min增加到613 min，性能下降約9.10%，增加的4個(gè)工序塊為插單工件InsertJob_1的所有工序塊，插單工件到達(dá)后系統(tǒng)便將其安排在最早可以開(kāi)始加工的機(jī)床上進(jìn)行加工，且插單工件的后續(xù)工序塊均被連續(xù)釋放，保證插單工件的優(yōu)先完成。證明了本文調(diào)度策略處理異常擾動(dòng)的有效性。

4 結(jié)論

本文通過(guò)分析生產(chǎn)調(diào)度問(wèn)題的現(xiàn)狀，發(fā)現(xiàn)其在當(dāng)前柔性生產(chǎn)場(chǎng)景下應(yīng)用效果并不理想，未充分利用加工環(huán)境中的動(dòng)態(tài)數(shù)據(jù)，導(dǎo)致系統(tǒng)的實(shí)時(shí)性、靈活性較差。因此結(jié)合實(shí)際柔性作業(yè)車間生產(chǎn)流程，基于多Agent構(gòu)建了柔性制造動(dòng)態(tài)調(diào)度系統(tǒng)，并根據(jù)柔性作業(yè)加工特點(diǎn)以及調(diào)度過(guò)程中不同階段的運(yùn)行機(jī)制對(duì)傳統(tǒng)CNP進(jìn)行了改進(jìn)，形成了以基于調(diào)度規(guī)則的動(dòng)態(tài)時(shí)間窗調(diào)度方法為核心的動(dòng)態(tài)調(diào)度策略。最后借助具備可視化交互界面的動(dòng)態(tài)調(diào)度平臺(tái)設(shè)計(jì)試驗(yàn)驗(yàn)證了本文動(dòng)態(tài)調(diào)度策略的可行性，對(duì)當(dāng)前實(shí)際柔性作業(yè)車間的生產(chǎn)活動(dòng)具有一定的指導(dǎo)意義。