智慧调度——车间调度问题研究突破口

1 车间调度问题简介

本文部分转载：https://mp.weixin.qq.com/s/kFVyBjFsLyoaiIP7g5UwBA。
调度问题是在实际工作中广泛应用的运筹学问题，可以定义为“在一定的约束条件下，把有限的资源在时间上分配给若干个任务，以满足或优化一个或多个性能指标”。调度的具体过程简述如下：在约束条件下以具体目标为导向，将特定任务分配给指定资源，并且针对同一资源上的任务进行排序，最终确定每个资源上各项任务的开始时间和结束时间。这类问题在生产作业计划、供应链管理、交通运输、航空航天、体育娱乐、医疗卫生和网络通讯等领域都有大量的应用，调度研究的重要性自然不言而喻。
生产调度问题的研究起源于上世纪50年代，由于该问题具有重要的实用价值，吸引了大量国内外研究人员的关注，而车间调度问题又是生产调度问题中较早出现并被广泛研究的一类问题。
车间调度问题包括作业车间调度问题、置换流水车间调度问题、混合流水车间调度问题、柔性作业车间调度问题等等。在这些经典的车间调度问题上还可以衍生众多其他调度问题，例如：考虑组合加工约束的柔性作业车间调度问题、分布式柔性作业车间调度问题等等。一个实际生产现场的车间调度便可以成为一个研究问题。

2 车间调度问题研究突破口

对于车间调度问题，总结来说创新主要为3种：
（1）问题实际化；
（2）方法创新化；
（3）目标拓展化。

以下为详细的突破口描述。

2.1 智能优化算法层面

（1） 提出一种全新的优化算法。
（2） 对现有算法进行改进。
（3） 混合不同的算法。

2.2 问题层面

（1） 目标维度
多目标优化：完工时间、能耗、关键机器负载率、机器利用率等等。
（2） 静态调度或动态调度
动态调度又分为重调度和实时调度。
（3） 时间维度
静态调度问题是指在调度时假设所有的工件均已就绪，而实际车间中，订单并不是一次性下的，因而投料也就会分不同批次，导致调度更像是对一个连续的过程进行优化，这方面可以考虑工件随机抵达。工厂接收订单后，客户也会修改交货期，交货期的变更也会对现有的生产计划造成很大的影响，这方面可以考虑交货期变更。对于新品生产，工艺往往处于试生产阶段，具有很大的不稳定性，工序加工时间往往取决于操作工人，导致实际加工工时与工时定额出入很大，因此工时不确定的调度也有现实意义。在加工车间中还存在这样的情况，由于两种工件的工艺要求不同，先加工A再加工B，和先加工B再加工A所需要的准备时间差别很大，所以就有了准备顺序依赖的问题。
（4） 机床维度
从机床角度考虑，最常见的应该就是机床故障，机床故障影响需要在其上加工的工件的开工时间，从而扰乱调度计划，最近开始研究的比较多的是将机床故障建模成一个过程，即不是瞬间故障，而是逐渐老化，在此过程中，机床的加工时间会发生变化，在学术上将这种现象称为恶化效应。现在有部分车间采购的高端机床具有两个或多个工作台，其中一个工作台在加工时，可以在其他闲置的工作台上装夹工件，从而节省准备时间，这就是多工作台调度。
（5） 工艺维度
柔性作业车间调度中每道工序可以有多台机床选择，这里的柔性体现在机床，因为机床功能类似，所有可以加工不同的工序，但其实有时工艺也可以是柔性的，不管按照哪条工艺路线加工，都可以加工出工件，这就是多工艺路线的调度问题。当选定了某一工艺路线并已经按照此路线进行加工，但加工过程中因为某些原因不得不更改工艺路线，这时就要考虑工艺变更对调度造成的影响。还有一种比较特殊的工艺就是装配工艺，其工艺路线是由多条分支并行加串行路径组合而成的，由此得到的调度问题就是装配调度问题，装配调度问题需要额外考虑不同装配件之间的约束关系，目前这方面的文章虽然有但是较少，并且一般都是针对实例进行求解。
（6） 工人维度
工人可能是车间中最不确定的了吧，人的心情也会阴晴圆缺，干活效率也会每天不尽相同，所以时间维度中的工时不确定很大一部分就是在于此。还有一方面，工人对加工过无数次的工件相当熟悉，所用时间也就相对较少，对于新品加工时间就较慢，所以对工人来说是有一个学习和适应的过程的，学术上将这个现象称为“学习效应”，这也是导致加工时间变化的原因。
（7） 物流维度
现在很多人都在提“无人车间“、“黑灯车间“、“智能车间“等，实现这个的前提是得有自动化的物流，传统的有传送带，现在更加智能的有EMS、AGV、RGV等，通过这些装备可以使调度更加准确，同时也增加了调度的复杂性，因为运输时间不能再忽略不计。之前我们实验室做过一个西安航空制造厂的项目，对一个400台机床的车间进行建模仿真，由于问题比较复杂，基本没用上什么优化的方法，目前也没看到有什么比较好的相关论文，所以这一块还是比较有价值的。
（8） 辅助资源维度
辅助资源包括刀具、夹具、量具等，这些资源也会影响调度，因为开始加工前这些辅助资源不准备好就会影响开工时间，同时对于数量比较少的辅助资源，还会存在竞争现象，因此调度过程中不仅要考虑机床还要考虑辅助资源，这就是著名的多资源调度。

2.3 融合人工智能及其他领域成果

（1） 深度学习；
（2） 强化学习（reward设计……）；
（3） 深度强化学习；
（4） 聚类；
（5） 小生境；
（6） 混沌思想；
（7） 支持向量机；
（8） 层次分析法；
（9） 博弈论；
（10） 合同网协议；
（11） 决策树；
（12） 分支定界法；
（13） 拉格朗日松弛算法；
等等。

2.4 调度规则

车间实时调度一般使用单个调度规则或者多个调度规则混合使用。
例如：最短加工时间（SPT）、最长加工时间（LPT）等等。

2.5 启发式规则

NEH启发式算法等等。

2.6 一些小技巧

在解决车间调度问题时会涉及到一些辅助技巧：
（1） 帕累托前沿；
（2） 归一化；
（3） 数学模型（比如混合整数线性规划模型）；
（4） 算法复杂度；
（5） CPU时间花费；
等等。

2.7 应用层面

在应用层面，将调度和其他一些先进概念相结合，比如大数据、物联网、数字孪生、云制造、多智能体系统、嵌入式技术、边缘计算。
以物联网和大数据技术为例，调度只有在精准的基础数据基础上才能保证鲁棒和可行，物联网实际上为准备调度数据提供了技术支持，如果车间内各种要素都可以被实时监控，那么再通过大数据相关技术手段，将这些杂乱冗余的数据变成有用有效的信息和知识，这实际上也是智能制造非常重要的一点。提到知识，一部分来源人的经验，如何将人根据多年工作经验做出的决策建模成一种数学表达，就可以初步解决工厂落地的问题，另一部分知识就是来源车间，这可以通过概率统计归纳总结出一定的规律。

2.8 混合使用

将上述7个方面有效的进行结合使用。