智能制造调度：文献综述

摘要

在调度框架内，基于虚拟化和智能算法的数字孪生(DT)技术的潜力可以模拟和优化制造，实现与流程的交互，并在发生破坏性事件时及时同步修改它们的行动过程。这是一项有价值的自动化计划功能，并赋予其自治性。通过促进消除由于缺陷的出现而造成的中断(无论其来源如何)，可以鼓励自动和自主的调度管理。因此，面向零干扰和零中断目标的零缺陷制造(ZDM)管理模式鲜有研究。这两种策略结合了通过实施DTS和促进ZDM目标来优化生产流程，以促进自动和自主调度系统的建模。在这种背景下，调度过程的这种特殊愿景被称为智能制造调度(SMS)。本文的目的是回顾现有的关于调度问题的科学文献，这些文献认为DT技术方法和ZDM模型可以实现自我管理，减少或消除人工干预的需要。具体地说，确定并分析了68篇研究文章。本文的主要成果是：(I)找到方法趋势来接近SMS模式，其中确定了三种趋势；即使用DT技术和ZDM模型，使用其他数字化技术，并将固有的SMS能力纳入调度；(Ii)展示每种方法趋势的主要SMS校准轴线；(Iii)提供一张地图，对最接近SMS概念的文献进行分类；(Iv)讨论本研究确定的主要发现和研究差距。最后，确定了进一步研究的管理意义和机会。

1.引言

供应链是一个异质的多目标环境，在这个环境中，具有不同角色的各种实体被层次化地组织起来，形成多层网络，以便在许多阶段和地点开发不同性质的流程。在如此复杂的情况下，计划过程的充分性和适宜性是成功应对供应链管理挑战的关键[1]。因此，供应链的数字化转变过程也必须面向生产计划过程的数字化[2]，其中包括调度。根据Pinedo[3]的说法，工业和服务公司经常使用调度来在特定的时间段内将资源分配给任务，以优化一个或多个目标。首先，值得强调的是甘特、诺佩尔和科斯对调度理论的贡献[4]。然而，自20世纪70年代以来，出版物显著增加[5]，这可能是由于康威等人的作品的影响。[6]或贝克[7]，以及最近的一些举措，如工业4.0[8]或类似的生产模式，如智能制造。科学文献中调度理论方法的多样性反映了其环境的快速演变，这主要是由于新技术的不断出现和可用，这些技术提供了转向新的框架和模型的机会，这些框架和模型可以改变传统的生产计划和调度范式[9]。

其中一项新技术是数字孪生(DT)，最初的设想是通过利用通过虚拟复制实现的计算技术来提高物理实体的性能[10]。然而，它的发展已经允许生产过程，或者更具体地说，在我们的案例中，调度，也可以在虚拟空间中复制(孪生)，以获得相同的好处[11]：降低成本、时间或风险；提高效率、可靠性或灵活性；支持复杂性管理[10]。还应该指出的是，传统的企业资源规划(ERP)系统在业务层面表现不佳[12]。与纯模拟相比，实现DT的目的是动态优化，它允许实时反映物理实体、物理和虚拟空间之间的交互以及系统的自动演化[13]。

使调度系统能够自动和自主地自我管理的目标需要系统本身采取行动。然而，自动化系统的性能还取决于要控制的环境的特性[14]。因此，当被控对象为静态或准静态时，有利于系统的正确运行，而当过程的动态性明显且瞬变现象较多时，控制就会受阻或处于危险之中。这就是工业生产中的情况，由于其随机性，以及机器故障、废品率、交货延迟等产生的不确定性，以及新订单或取消订单的到来，解决方案可能很快变得不可行[15]。因此，调度自动化将不仅仅基于内生策略，该策略专门指导自动化系统转型的行动。这样的策略，就像一个整体的策略，也必须基于外生策略[14]，即也作用于环境及其可变性、受控过程的扰动数量、这些扰动的大小及其破坏性潜在的。更具体地说，在机加工车间的真实高度随机环境中可能出现的干扰很多，范围从新订单的到来或预防性维护操作（分别是可取或可预见的事件）到订单取消、生产缺陷、缺货，机器故障等[16]，这是相当不可预测的事件，通常具有负面影响。在这种不确定的背景下，ZDM是一种战略，旨在最大限度地减少、减轻或消除生产过程中的故障和缺陷。它的依据是它们将一直存在，并最终影响生产及其产出，但它承认：(I)故障和缺陷可以更快地在网上被检测到并最小化；(Ii)任何偏离规格的生产产出都不应被允许转移到价值链的下一步，或最终转移到最终客户[17]。对于Halpin[18]来说，零缺陷模型是一种旨在通过预防来减少缺陷的管理工具。它旨在激励人们通过培养一种第一次就做好工作的持续有意识的愿望来防止犯错。随着生产环境的演进，这种方法也演进和部署了预防以外的功能，例如检测、修复和预测[19]。事实上，精益制造、六西格玛、精益六西格玛、全面质量管理和约束理论等其他哲学通过解决ZDM的三个功能：检测、修复和预防，分享了ZDM的部分目标和好处。然而，预测是ZDM的一个专属方面，这在其他哲学中是不存在的，这些哲学不会从缺陷中吸取教训，而是消除它们。因此，为了改善未来，这些其他哲学通过从现在丢失有价值的信息来分析过去，并在事件的发生和识别必要的改进之间产生惯性，而ZDM使用实时数据来防止缺陷[20]，这是ZDM区别于其他管理模型的特征，并引导运营管理(OM)走向智能制造调度(SMS)。另一方面，尽管ZDM策略的一些方法侧重于产品和过程缺陷，例如，主要将产品缺陷与质量控制、过程缺陷与生产手段的维护和健康联系在一起[21]，但其他方法将ZDM的范围扩展到还包括过程参数监视、协作生产、数据管理、生产重组和重组以及生产重新安排[22]。这是一种使ZDM模型更接近于前述互补的外生策略的方法，以作用于生产环境及其变化性，并控制那些直接或间接地或直接或间接地影响生产环境及其可变性的干扰[22]。这是一种使 ZDM 模型更接近上述补充外生策略的方法，以作用于生产环境及其可变性，并控制那些直接或间接影响调度过程并阻碍其自动化的干扰。此外，对于那些管理以更环保和更高效的生产为导向的公司来说，ZDM 可以被视为从可持续发展角度的新标准 [21]，因为解决有缺陷的产品和流程的消除间接意味着消除浪费。

SMS 一词在文献中几乎没有涉及。在大多数情况下[23-27]，该表达式源于将属性 smart 添加到制造调度中作为一个简单的限定词，而不表示更大的意图。相反，在 [28,29] 中，这个表达来自智能制造的结合，它是由工业 4.0 技术的应用定义的环境，调度指向一个新的概念空间，但没有提供 SMS 的定义。因此，周等人。 [28] 利用 SMS，与传统的车间调度相比，在他们基于深度强化学习 (DRL) 的动态调度研究中强调了其更多的任务和服务、动态状态和不确定性，而 Rossit 和 Tohm´ e [29] 通过提供其一些特征（例如对去中心化、协作和实时信息交换的要求）将其作为一种范式进行了描述性介绍。然而，据我们所知，SMS 之前并没有定义。在这里，SMS 被定义为培养面向零干扰和零中断的 ZDM 目标，以通过实施 DT 来优化生产流程，从而促进自动和自主调度系统的建模。此外，我们并没有通过解决调度、DT 和 ZDM 来识别另一种最先进的技术。

本文旨在对科学出版物进行系统的文献综述，其中在工业 4.0、调度、DT 和 ZDM 概念之间建立了部分或完整的关系，无论其重点如何，但强调那些面向自动和与物理过程实时同步的自主车间调度模型。本文的主要贡献是：

• （i）根据解决该主题的概念方案对 68 篇评论论文进行分类，即工业 4.0、调度、DT 和/或 ZDM；
• (ii) 确定其主要目标、贡献和局限；
• (iii) 从技术角度深入研究概念调度、DT 和 ZDM 在所选文献中的作用；
• (iv) 使用主要的工业 4.0 支持技术之一，解决与主要方法趋势中的物理过程实时同步的自动和自主车间调度模型，该模型旨在应用 DT 技术和 ZDM 管理模型，和/或为调度系统提供 SMS 固有的功能；
• (v) 介绍审查文献为每种方法趋势提供的主要 SMS 调整轴；
• (vi) 根据这些方法学趋势及其 SMS 对齐轴，提出一个地图，用于构建最接近 SMS 概念的审查文献；
• (vii) 讨论本研究工作的主要发现和研究空白。

本文的其余部分结构如下。第 2 节介绍了文献综述方法。第 3 部分通过描述基于主题、内容和分类分析的主要发现来介绍文献综述。第 4 节讨论了最接近 SMS 概念的文献的主要发现和研究空白。第 5 节总结并确定了未来的研究方向。

4.讨论

生产计划流程的数字化作为一种​​成功解决固有供应链复杂性的策略，是一个年轻且不断发展的话题，但对于 OM 领域来说却至关重要。规划流程推动和指导采购、制造和物流系统实现其目标。然而，在发生任何不可预见的事件时，一方面行动缺乏或没有预见性，另一方面行动缓慢，会导致相关系统产生惯性反应，从经济角度讲，这会转化为不必要的成本。当计划目标因潜在的破坏性干扰而改变时，供应链结构的良好灵活性可以使其处于更有利的位置，以吸收变化，并且这些结构的设计和管理所依赖的领域肩负着使它们更加灵活的责任.优化调整采购、制造和物流系统的动力和方向的直接责任在于 OM 领域。预测变化和引入它们的速度是重要因素，因为它们以使惯性反应及其潜在负面影响最小化的方式引导系统。在调度过程中，鉴于其短期性质，反应的预期和速度比以往任何时候都更加重要。调度的数字化转型必须面向两个因素（预期和反应速度）的改进位置，而 SMS 通过专注于自动化调度的方法脱颖而出，成为具有非常高潜力的路径过程使其能够在面临可能的干扰时实时采取行动，从而促进其自主性。过去十年科学界表现出的日益增长的兴趣揭示了这种潜力，自 2016 年以来呈指数增长，并积累了 2020 年审查的所有文献的一半以上。这背后的原因可能是 DT 技术在学术上获得的成熟度，其多样化的应用潜力，以及学术界和工业界对 ZDM 管理模式的新兴趣。审查的文献提供了接近 SMS 的广泛可能性。显然，不仅考虑它的好处很重要，而且意识到它带来的限制也很重要。下面讨论每个 SMS 方法学趋势和对齐轴在这方面的主要发现和研究差距。

4.1 趋势一：应用DT技术和/或ZDM管理模式

第一个 SMS 方法论趋势的讨论，通过应用 DT 技术和/或 ZDM 管理模型，首先得到解决。因此，关于第一个趋势的第一个 SMS 对齐轴，其中包括与 DT-ZDM-S 方案完全一致的研究形成的科学文章的核心，我们找到了 Serrano 等人提出的概述。 [5] 警告了智能制造环境中实时行动能力和灵活性的重要性，以及消除调度失败以避免中断采购、制造和物流运营的便利性。实时行动能力、灵活性和避免中断是 SMS 旋转的三个支点。因此，这种方法是相关的，因为它为 DT 技术和 ZDM 管理模型的组合使用奠定了基础，以便在与 SMS 相同的方向上更好地调度过程性能。该概述的局限性在于它考虑的科学文章样本有限，这显示了涉及该主题的文献中的部分范围。 Lindstr¨om 等人提供的初始 ZDM 模型考虑了关于重新调度能力的一个重要方面，这对 SMS 至关重要，以及它与灵活性的关系。 [17]。它认为触发调度的能力在很大程度上取决于资源的冗余，但也取决于系统的灵活性以及其他可能性，并且这种能力在DT技术的支持下得到了提高。用短信。作者将 DT 与灵活性联系起来，但没有详细介绍其实现，这一事实暗示了一个限制。他们只是提到了机器学习、大数据、物联网或云计算等技术可以赋予模型的支持。另一种整体方法，Borangiu 等人的方法。 [35]，提出了一个能够在必要时生成调度和触发重新调度的模型。此外，它专注于智能制造环境中的操作控制，不仅限于调度系统。这种情况为那些需要将具有 DT-ZDM-S 方案的系统集成到更大集合中的项目提供了有用的信息；例如，一个集成了战术和战略决策级别过程的系统，例如。 G。汇总生产计划、主生产计划或物料资源计划。对于将 DT-ZDM-S 方案与质量控制、维护等其他供应链管理领域集成到其中的项目而言，这也是一个有价值的示例。Psarommatis [72] 提供了各种可能方法的另一个示例具有与目标函数配合使用的调度模型，并包含多达 17 个不同的生产变量，以优化时间、运营和成本。作为一种新颖性，目标函数还包括与缺陷处理相关的 ZDM 频谱策略的优化，从而将其纳入数学模型。这里DT的作用不是辅助调度过程本身，而是管理所应用的ZDM。 DT 被配置为预测使用的 ZDM 控制参数集的所谓效用值，而无需运行调度工具，因此可以在给定的制造阶段评估特定的 ZDM 策略，而无需与物理调度过程交互，因此，改变生产率，这使其成为 SMS 的相关建议。它似乎是 Lindström 等人提供的替代方法。 [17] 应用 ZDM 管理模型，但更深入的分析显示其互补性：（i）一方面，对于 Psarommatis [72]，ZDM 模型的管理范围基本上仅限于产品缺陷（从中需要用于质量控制）和生产过程（由此产生对生产性维护的需求）。 Lindstr¨om 等人的方法。 [17]，在这个意义上更广泛，将管理范围扩展到其他五个领域，即过程参数监控、协同生产、数据管理、生产重新配置和重组以及生产重新调度； (ii) 另一方面，在 Psarommatis [72] 的研究中解决 DT 定义和动态调度工具的深度超过了 Lindstr¨om 等人提供的深度。 [17]。因此，这两种方法都具有相互补充的优点和局限性。 Serrano 等人的研究。 [16] 以另一种方式追求与 SMS 的一致性：作者提出的调度框架将此责任置于智能属性上，该属性基于基于 AI 的建模方法，特别是基于 DRL 算法，除了特定的感知和认知视角，赋予 DT 实时行动的能力。此外，环境的特征是从特定的智能 DT 角度配置的，排列为一系列相互关联的层，其中每一层界定一个定义的物理或虚拟子环境，以便智能 DT 通过使它们在人类中收敛来合并所有这些子集代理的界面作为一个单一的内聚环境。这种分层在两个物理和虚拟环境中的结构代表了 SMS 方案的一种可能的 DT 配置。最后，在专注于与 DT-ZDM-S 方案一致的科学文章组中，Serrano 等人。 [78]提出了一个计划框架，不仅限于调度过程和车间空间，而是解决了整个供应链空间中OM区域的所有计划过程，这导致了一个很难解决的非常大的问题.这实际上是配置一个通用的高级框架以适应更有限维度的个别问题，就像 Serrano 等人所解决的那样。 [16] 用于作业车间调度问题，但始终以它们面向 DT-ZDM 方案的方向为特征，因此当定义 OM 的其他规划过程的模型以及供应链中涉及的所有参与者的模型时，它们形成一个整体，被纳入这个共同框架的连续贡献中。该方法具有挑战性，其成功将取决于未来是否将单个模型纳入通用框架，这目前是一个限制。在所描述的框架中，供应链受制于基于 DT-ZDM 方案的数字化转型过程，这有利于将“快速响应”和“灵活”的品质归因于 SMS 的相关属性。在第一个趋势的第二个 SMS 对齐轴上，收集了应用 DT 辅助调度系统的方法，值得一提的是，DT 技术在其最基本和最简单的方法中可以通过优化、模拟、预测来支持调度过程和分析。这些技术有利于 SMS 目标。事实上，多布勒等人的研究。 [38] 采用了在演示器中进行的实验，验证了尽管基于 DT 的求解方法获得的数值结果在制造跨度方面具有可比性，但这种方法提高了结果的可变性。因此，通过考虑在优化、模拟、预测和分析方面实施 DT 的额外优势，以及所有这些不与物理过程相互作用的情况，基于 DT 的方法被提出作为相关选项。 Fang 等人也得出了同样的结论。 [40]。维贾扬等人。 [83]将调度过程作为一个物理实体来复制，在这种情况下，一个灵活的流水车间调度以获得过程的实时视觉反馈并感知影响过程性能的不同因素的变化，这与 SMS 一致. Debevec 和 Herakovic [37] 的观点在使用 SMS 方法的研讨会中似乎不是很有用，其中半自动化或自动化的目标是自治，因此，人类活动被降级为仅仅是监督行动。然而，深入了解被监督系统的行为是很重要的，因此，在逐个案例的基础上以及作为某些项目的补充功能时可能会很有用。 Hu等人的方法。 [49] 是以产品为中心和数据密集型的，当产品中嵌入的技术内容的复杂性很高时，例如在半导体和电子设备行业，在某些情况下是合理的。关于通过应用 ZDM 管理模型辅助调度系统的方法的第一个趋势的第三个和最后一个 SMS 对齐轴，该策略有助于通过在线检测和最小化生产过程中的故障和缺陷来最小化、减轻或消除它们 [ 17]，从 SMS 的角度来看，故障或缺陷被理解为可能影响调度过程的干扰，在这种情况下，ZDM 管理模型的任务是作用于调度过程环境及其可变性，受控过程的扰动数量，以及这些扰动的大小及其破坏性潜力，以促进自动过程控制。在此背景下，Psarommatis 等人。 [19] 在他们的研究中指出，不仅在线产品缺陷会扰乱调度过程，而且收到的新订单、预测错误、机器缺陷等事件也会扰乱它。他们的研究将预测故障或缺陷何时可能发生的责任放在了专门设计的算法上，这使得首先可以在它们发生之前采取行动，从而最大限度地减少干扰对过程的影响，其次，重新安排必要时生产。这种减轻调度过程干扰的预防性方法被认为是有价值的，因为它与 SMS 方案保持一致，但应该注意的是，注释文档没有详细说明算法的特征是一个限制。在 Psarommatis 等人。 [69]，采用了类似的预防策略，即在收到紧急订单或检测到有缺陷的产品时实时触发重新调度，尽管他们所指的动态调度工具没有详细说明。同样，Psaromattis 等人。 [71] 通过模拟制造商对意外事件的响应时间来考虑预防策略。Dreyfus 和 Kyritsis [39] 也采用了相同的预测、反应和自主调度的愿景来吸收干扰和中断，因此，它类似于 SMS 方案。当有缺陷的零件或产品在线出现时，自动决策的问题是高级 ZDM 环境中通常存在的问题，这导致 Psarommatis 和 Kiritsis [67] 提出了一个支持系统，该系统允许向调度过程自动化迈进，与 SMS 明确一致，并通过提高效率和减少废物产生。但是，该系统要求生产设施具有足够的灵活性，并且没有考虑重新安排显着增加的可能后果，所有这些都转化为需要适当考虑的限制。 Schmidt 等人提出的系统。 [76] 是不同的，因为它将努力实现零缺陷目标的努力集中在先进的质量控制系统上，该系统监控和控制生产并生成一个新的计划，该计划还集成了检测到缺陷时的修复操作。作为一种方法，它似乎与 SMS 指定的方法不同，因为它不能防止出现故障或缺陷，但必须考虑它，因为它知道在任何车间实现零缺陷是多么乌托邦目标。因此，应根据可能发生的案件及其特点，将其作为短信的补充可能性。最后，以一种非常个人化和不同的方式，巴尼等人。[33]旨在针对干扰和干扰造成的环境变化采取行动，从而与SMS计划保持一致，但要从精益的角度出发。

4.2 趋势2：应用使能的数字技术

对第二种SMS方法论趋势，即通过应用使能数字技术来帮助调度系统的讨论的进展发现，模拟是其第一个SMS对准轴。模拟是一个在已回顾的文献中非常常见的概念。根据分析的论文，仿真是DT最常用的使能技术，是调度中的第二种建模方法。在Dobler等人中。[38]智能模拟模型通过按原样模拟和基于ML的模拟为DT提供了智能能力，以实时分配作业，这是SMS方案中的一项重要功能。值得一提的是，这一示范框架受到以下限制：缺乏专门为满足中小型企业(SME)特殊需求而开发的启发式方法，以及DT与车间元素的集成和互连有限。由Ma等人提出的基于DT的模型。[56]可通过实现实时同步和高保真虚拟化来模拟和优化生产流程，这超出了SMS的兴趣领域，仅侧重于计划。但是，如果可能需要将多个区域集成到单个DT中，它可能会很有用。与这种整合的可能性相反的是，该模型不通过云平台运行，这是一个重要的限制，此外，数据安全机制也缺乏。Negri等人的创新细微差别。[60]由采用设备健康指数产生的，对于由ZDM管理模型管理的制造环境是有意义的，但是该模型由于没有纳入诸如风险因素或操作员行为之类的随机数据源而受到限制。此外，它在实验室外的真实工业环境中的验证还在等待中。最后，关于邵逸夫和基比拉的研究，[79]的意义在于，这是评论文献中唯一一篇提到实现DT的标准的文章。这项研究工作提供了一个说明性的例子，但没有实验证据。此外，它还留下了未探索的研究领域，例如特定制造领域中数字代理的建模方法或实现指南。第二个SMS方法论趋势的第二个SMS对准轴是传感技术。这也是文献综述中使用频率最高的第二种技术。车间的感应化通过监控提高了对其资源和环境的情景感知，这提供了可见性，有利于减少缺陷，并增加了决策过程的健壮性，所有这些在SMS中都很有价值。在综述的文献中，传感器的存在通常与规划需求有关；然而，当车间集成包括某种类型的机器人的生产单元时，传感器还用于其他目的，例如路径规划。这就是夏等人的研究情况。[13]。盖克瓦德等人的研究也出现了类似的情况。[43]。正如我们可以看到的，这两种方法都是传感器存在的基础更多地与进程的物理相关，而不是支持调度功能，尽管它们间接地实现了这一点。其他类似用法的例子还有Vach‘Alek等人的例子。[82]或者周等人。[94][老外谈]。相反，对于Negri等人来说。[61]传感器的主要任务是优化调度过程。在Preuveneers等人的DT方法中。[66]为了确保无故障的制造工作流程，传感起着重要作用。然而，进行的实验只提供了有关其可行性的信息。从定量的角度看，需要更多的统计证据和纵向研究，该模型只检测错误并阻止错误的进一步传播，而没有提供解决错误的机制，这是一个显著的局限性。使用物联网及其工业版本IIoT作为第二种趋势的第三个SMS对齐轴在相关文献中有广泛的报道，尽管作者的开发方法明显不同，但它们有一个共同的一般目的：支持增强互联和连通性的环境。基于Borangu等人的IIoT和网络物理生产系统的未来工厂的全息透视。[34]倾向于促进实时的智能决策，但该模型仅限于描述性的方法，这使得对该主题的进一步研究有待于进一步研究。另一方面，郭氏等人的IoT支持的票务系统。[47]简单易行，弹性强；对于生产管理，将客户需求和实时生产约束作为随机输入，符合SMS方案，但实时动作能力依赖于生产系统的其余部分，这是一个重要的约束。由Santos等人提出的集成系统。[75]连接物理车间和虚拟车间有助于减少通过物联网平台将实时数据插入仿真模型这一任务中的人为干预，这一点值得注意。最后，给出了Wang等人的解决方案。[86]要克服由孤立的传统机器组成的制造环境中缺乏物联网的问题，受限于它提出了一个针对单个机器的框架，而不是针对流程或系统的框架。大数据技术是第二种趋势的第四条短信调整轴，它正在逐步进军行业，尽管速度参差不齐，这取决于用户(经理和技术人员)的意识以及是否有足够的数据来超过其盈利和效率门槛。此外，当涉及实时数据时，关于语义互操作性条件下的数据开发技术的知识对于大数据和其他数据驱动技术(例如DT)至关重要，以确保各种软件应用程序和设备之间的高效和准确的数据传输通信[97]，在该问题中，本体的使用已被证明是丰富数字数据建模域中的现有信息系统[98]和促进数据ETL(提取、转换和加载)过程的有效工具。De Modesti等人的研究承认了大数据的进步及其对制造业的影响。36.像Borangu等人的研究工作。[34]或者Yu等人。[89]还值得注意的是他们赋予这项技术的作用。事实上，后一项研究突出了大数据技术在模型中的使用，这是错误预测和诊断的关键，并有助于对影响生产过程的动态扰动进行有效预测和诊断，以便提前制定相应的补偿策略。相比之下，他们的研究没有涉及数据分析或大数据驱动的预测模型和算法的构建和优化。ML是第二个趋势的第五个SMS对齐轴。在回顾的文献中，所有在其框架中考虑ML的研究工作都发表于2020年和2021年。因此，这是一种非常新的趋势，但也是一种日益存在的趋势，而且与SMS也有很大的联系，因为ML方法的目的通常是获得智能属性和实时动作能力。有了ML，日程安排可以在发生变化的情况下更快地调整，计划中的错误也可以降到最低[38]。夏等人的制造单元模型。[13]基于具有DRL和指向SMS的智能调度程序。然而，验证此方法的适用性需要更多样化的制造任务和物流，包括协作装配作业、视觉检查、优化返工或连续运动任务。Dobler等人的混合仿真方法。[38]基于DT和ML，因此与其他传统方法相比，改进了结果的可变性。Hu等人提出的基于Petri网卷积网络的深度Q网络算法。[48]改进了动态调度问题的求解方法，但该模型没有考虑随机机器故障和随机加工时间。Reichardt等人。[73]还提出了一种用于柔性流水作业中订单排序和机器分配的ML支持的辅助系统模型，尽管该过程正在等待经验验证，并承认如果不进一步开发人工智能应用程序，该过程模型还不能取代详细计划。无论如何，该方法在生产计划与控制领域具有很大的潜力，值得进一步研究。基于Serrano等人的DRL的概念框架。[16]目的就像SMS一样，旨在减少可能改变生产过程的干扰所引起的风险，从而节省成本并提高生产系统的效率，但这是在描述性的水平上进行的，因此是有限的。最后，本文提出了一种模拟与启发式相结合的方法，与徐某等人提出的最大似然法相结合的混合方法，作为SMS对准轴线的一种贡献。[87]强调与SMS保持一致。值得注意的是，该模型的结果虽然接近于其他技术所获得的最优解，但在最大生产系统能力和机器总负荷方面并没有超过它们，而是接近于多目标筛选的最优调度方案，并且优于普通的启发式调度规则。研究结果为DT在车间调度领域的应用提供了参考。无论如何，所有的研究都指出，ML是一种方法论，在目前的文献综述框架内具有巨大的潜力，这在很大程度上取决于未来的研究进展、新的更好的软件工具的开发以及计算能力的增加。第二个趋势的第六个也是最后一个SMS对齐轴是云计算，它通常与物联网或IIoT技术齐头并进。这项技术的目标是走向更大的模块化、互联性、连通性、决策的分散化和能源效率。因此，在所评论的文献中，有几篇论文或多或少地解决了这一问题，并且都以显著简化远程系统或元件之间的数据传输为基础，都采取了类似的关注重点。其中一些例子是Borangu等人的研究工作。[34][中英文摘要]、郭某等人。[47][中英文摘要]、Park等人。[64][中英文摘要]，Serrano et al.。[16]或者Yu等人。[89][老外谈]。Ma等人。[56]用他们的DT驱动的生产管理系统进行生产全生命周期管理，以及张某等人。[93]他们的双层分布式动态调度架构也考虑将云计算作为未来的研究方向。

4.3 趋势3：通过SMS功能提供日程安排

朝着构成在综述文献中检测到的第三个也是最后一个SMS方法论趋势的四个SMS对准轴前进，即为调度过程提供SMS能力，我们发现系统的实时动作能力作为第一个轴，这使得能够与其环境在时间上同步地交互，而不会引入除了环境本身的自然延迟之外的延迟，也不会进行延迟干预。反过来，在过程自动化和自主化框架内，实时的行动能力使决策能够与环境的时间尺度同步，从而避免了环境等待做出继续过程或修改其行动路线的决定的时间段。因此，这是面向SMS的规划系统的关键品质。讨论这一能力的评论文章从几个角度进行了阐述，但主要有两个方面：有时它是由系统的一个部分明确获取的能力，但被传输到整个系统；在另一些时候，能力不被传输，而是保留为系统的该部分的部分能力。在第一组中，我们发现了Feldt等人的方法。[41][中英文摘要]，Gramegna et al.。[46][中英文摘要]，Ma等人。[56]和Negri等人。[61][老外谈]。在Feldt等人报告的方法中。[41]为了解决集中重新调度以实现实时反应的问题，必须考虑这样一个事实，即这种能力仅限于中小企业，因为它们不那么复杂。Gramegna等人提出的DT数据驱动模型。[46]也仅限于中小企业。由Ma等人提出的DT驱动的生产管理系统(DT-Driven Production Management System)。[56]与生产过程实时同步。Negri等人提出的动态生产调度框架。[61]也与车间实时同步，但受到提供有限采样频率的通信协议的限制。最后一个方面，即与CPS通信的采样频率，是生产系统设计阶段必须考虑的限制因素。对于第二类，即探讨系统的部分实时性的论文，我们找到了Dobler等人的研究成果。[38][中英文摘要]、郭某等人。[47]，Lin和Low[54]，Santos等人。[75]以及Vijayan等人。[83][老外谈]。Dobler等人的第二种方法。[38]借助专门为此设计的数字化身系统，通过过程监控来关注实时动作能力，但它这样做时并没有赋予调度系统这种能力。对于郭等人来说。[47]实时能力仅限于信息交换。在Lin和Low[54]提出的制造业计算机物理DT系统的体系结构中，实时实现的不是数据交换，而是过程和物理机数据的收集。在Santos等人的研究中。[75]实时能力也限于系统的一部分，在这种情况下限于将数据插入到系统的仿真模型中的功能。最后，Vijayan等人。[83]将此容量限制为为决策提供实时数据的功能。作为这第三个趋势的第二个SMS对齐轴是自动化，其主要指标是Dreyfus和Kyritsis[39]、Psarommats和Kiritsys[67]、Psarommats等人的研究。[71][中英文摘要]，Santos et al.。[75]和施密特等人。[76][老外谈]。Dreyfus和Kyritsis[39]将调度过程的自动化集中在一个算法中，以决定何时维护、何时调整机器以及何时生产订单。Psarommats和Kiritsis[67]提出的决策支持系统通过自动化调度过程本身，而不是与在线缺陷检测和修复相关的决策过程，间接倡导车间调度自动化的目标，并构成了一种值得特别关注的方法，因为它是实现SMS的相关途径。在Psarommats等人中。[71]装配线是半自动的，意味着重新安排的自动化，但仅限于接收紧急订单和检测不良产品。在Santos等人的研究中。[75]仅自动将数据插入到其决策支持系统的仿真模型中。对施密特等人来说也是如此。[76]提出的体系结构是一种具有柔性自动化智能制造方法的体系结构。第三个趋势的第三条短信走向轴是自主。综述的文献提供了几个为系统提供自治性的例子，其中一个例子是GoroDetsky等人提出的网络物理多智能体系统。[44]这可以自主运行，不过，作者承认，网络物理系统完全自主地管理资源，与人力资源一样，或者比人力资源更好，这仍然需要研究人员花费很长时间和付出很多努力。另一个例子是Ma等人的DT驱动的生产管理系统的自调整能力。[56]这表明它是一个自治实体。Moyne et al.。[59]讨论了当前DT技术框架中的自主性等方面。维拉隆亚等人的研究。[84]之所以相关，是因为它们在两个级别构建的复杂DT模型配置了自主决策，尽管只有第一级DT具有自治性，并且该模型没有为调度系统提供自治性。与SMS更一致的方法之一是Feldt等人的方法。[41]其将调度过程本身理解为其优化意味着获得自主性的函数。Serrano等人的工作。[16]也通过DRL代理采用这种方法，DRL代理为系统提供规定角色，或者在更高级的阶段，提供决策者角色。最后，关于第三个趋势的第四个SMS对准轴，它为调度提供了抗干扰能力，值得一提的是Paprocka等人的方法。[63]生成能够吸收干扰和中断而不影响制造的预测性调度。这样的方法与SMS是一致的。这种弹性行为的核心是一项政策，其目标是零机器故障、零缺陷产品和零工作事故，这与制定的目的范围一致，但需要涉及多个生产领域，包括维护、质量控制和人力资源。Yu等人的智能调度平台。[89]预测和诊断即将到来的动态干扰。这里的问题是，车间和DT之间没有实时同步，这本身就可能导致中断。相反，Pinon et al.。[65]分析和评估中断的影响，并确定从这些中断中实现最佳恢复的战略。因此，本研究从接受这些干扰的必然性开始，并提出如何从这些干扰中恢复过来。当为实现零干扰目标而投入的资源实在令人望而却步时，这种方法是切合实际的，而且可能是一种合适的战略。相应地，Psarommats et al.。[69]和Psarommats等人。[71]从接受生产环境中断的可能性开始，分别采用将紧急订单有效地合并到现有计划中的方法，以及在计算的时限之前触发重新计划的预定义反应策略。Vijayan等人。[83]提出了一种基于DT的模拟随机中断场景的调度生成器，用于生成零件的调度，该调度也是从某些预定的调度中随机产生的，这些预定的调度在基于仿真的方案中是有用的。

这里主要讨论的结果总结如下：(I)在DT技术的支持下，优化触发调度的能力得到了提高；(Ii)ZDM模型应用的SMS方法要求将其范围从产品缺陷和生产过程扩展到过程参数监控、协作生产、数据管理、生产重组和生产重新安排；(Iii)通过预测故障或缺陷，用预防性方法对调度问题进行建模，有助于减轻干扰并使其具有弹性；(Iv)在任何情况下，接受中断的可能性；(V)DT-ZDM组合方案有利于SMS；(Vi)大数据、模拟技术和人工智能指导实时行动的调度；(Vii)调度系统的自动化意味着在问题建模中考虑预防性维护过程；(Viii)从SMS的角度来看，自主性和最优化是密切相关的概念。

在这篇文献综述中发现的主要研究差距包括：(I)SMS的实施对需要考虑的其余OM区域规划过程有影响，这使其成为一个挑战，这是文献中通常被忽视的；(Ii)同样适用于全面的SMS方法，它还需要涉及其他生产领域，如维护、质量控制和人力资源；(Iii)文献往往忽视中小企业的特定需求，而侧重于更复杂的背景；(Iii)一些文章只是从描述性的角度来讨论SMS，而且，在实验方法中，许多模型的验证是在实验室条件下进行的，而不是通过案例研究或纵向研究工作在真实的工业环境中进行的；(Iv)总的来说，CPS在管理资源和/或更好的人力资源方面的完全自主权将继续需要研究人员花费大量时间和精力；(V)特别是，通过人工智能应用取代详细规划仍然是一个具有挑战性的问题；(Vi)文献中对实时动作能力的方法通常基于忽略组成系统的设备的物理限制(例如，CPS到CPS通信系统中的采样频率)的重要性的考虑。

5.结论

本研究从DT技术提供的共生方法观点和为调度系统提供自我管理能力的零缺陷模型的角度对调度问题文献进行了回顾，该模型被理解为实时动作能力、自动化和自主性的组合，在此被称为SMS，这是一个很少被探索和讨论的主题，该主题由DT技术和ZDM管理模型等概念元素组成，其研究在过去十年，特别是最近几年一直是研究人员非常感兴趣的主题。SMS可以为开发先进的生产计划做出重大贡献，这些计划响应当前生产模式(如Industry 4.0或Supply Chain 4.0)所隐含的数字化转型模式，在这些模式下，提高调度流程性能及其对生产的影响是时间、资源、性能或能效方面的关键方面。在此，本研究对工业4.0、调度、DT和ZDM概念之间建立了部分或全部关系的科学出版物进行了系统的文献综述，无论其侧重点如何，但侧重于那些面向实时与物理过程同步的自动和自主车间调度模型的科学出版物。这一主要目的是通过对文献综述的探索，并通过对所选文献的内容、主题和分类的分析，由68篇研究文章组成。

要调查结果显示，在2020年大流行中途，学术界对这一框架表现出的兴趣大幅增加，当时发表的出版物数量是2019年的三倍。有关这一主题的知识主要集中在中华人民共和国、美国和瑞士联邦，这三个国家占作者总数的52%，以出版物形式发表的科学产量占47%。表3显示了第一批提出这一主题的作者，并突出了洛桑理工学院的Foivos Psarommats的作品。将DT技术和ZDM管理模型结合起来以综合方式支持调度过程的研究还不是很多，但已经存在，而最常见的部分方案是DT辅助调度过程的部分方案，它占综述文献中一半以上的文献。对调度问题进行建模的最广泛使用的目标函数方法是优先考虑时间最小化，其次是距离较远，然后是成本最小化。最常见的建模方法是启发式方法，紧随其后的是分析和模拟。然而，在过去的两年里，人工智能建模方法已经达到了与上述三种方法相当的水平。学者们赋予SMS框架内的DT技术的目的是非常多样化的，没有明显的趋势，但模拟、优化和分析的方法更多。对于综述文献中最常见的ZDM策略，缺陷检测和预防与较少考虑的修复或预测策略相关。实施ZDM最常见的方式是通过半自动化或自动化，与在线流程集成，最好是在制造周期的开始阶段。在构成文献综述的文献中出现了与SMS方案一致的三个主要趋势：(I)其与SMS一致的研究方法，其主要在于应用DT技术和/或ZDM管理模型；(Ii)其与SMS一致的方法，其通过应用主要使能数字技术之一来突出；(Iii)其与SMS一致的方法，其一致源于向调度系统提供SMS能力。这三个趋势依次被分解为三个、六个和四个对齐轴，这三个轴已经得到了广泛的讨论。响应DT-ZDM-S方案的论文呈现了与SMS方法最高程度的亲和力，并通过提供关于其基本基础、ZDM模型的实施、与更广泛的方案在供应链组织中的集成、ZDM模型的实用价值的评估、人工智能的辅助以及DT技术和ZDM模型在4.0供应链组织中的适用性和作用的信息，构成了该主题的知识核心。从这个核心出发，其他对齐趋势和轴中确定的其他文档对SMS方案做出了有价值的贡献。通过突出显示它们在以下方面提供的信息来记录它们：验证DT工具；接口、边缘计算解决方案；模拟\“假设\”场景；在调度过程中培训监督人员；产品质量跟踪；缺陷预测算法；预测性、反应性和自主性调度；智能仿真模型；设备健康指数；零DT故障；物理车间和虚拟车间之间的连接；错误预测；AI调度器；云计算解决方案；实时调度框架；实时数据插入、共享和收集；ZDM战略自动化、重新调度自动化；调度。这些知识的核心和载体构成了短信技术的现状，并在研究中讨论了它们各自的好处和局限性。

管理含义面向收集、分析和讨论的信息，以及提供该信息的结构为更深入地理解主题设定了先例，该主题将形成面向SMS方案或类似方案的自主调度管理框架的未来研究的基础。几乎78%的综述研究文章采取了实验研究的方法，因此进行了某种类型的实证验证。因此，从学术领域到商业领域的这一步是一个挑战，一些提出的概念框架和模型可能会经过相应的修改或调整，转移到面临数字转型过程的真正研讨会，或者计划在相对较近的将来实施。

最后，需要指出的是，本研究存在一定的局限性。咨询的数据库，即Scopus、Web of Science、Science Direct、Pro Quest、IEEE Xplore和Google Scholar正在不断更新，提供的数据与进行研究时获得的数据一致。此外，尽管遵循了系统的搜索过程，但一些有价值的论文在这篇综述中可能被忽略了。在任何情况下，在进行这项研究时发现的一些局限性都是一个值得注意的进一步研究的机会。一方面，研究发现，DT-ZDM-S方案迫使OM区域与其他供应链管理区域进行交互，例如质量控制或维护。更深入地了解其组织含义，将在受该计划管辖的车间的数字化转型过程中提供有价值的学术和管理信息。因此，郑等人提出了多Agent体系结构。[99]同时基于MPFQ模型(材料、生产过程、生产功能/未来、产品质量)和DT技术，可以作为新研究的基础。另一方面，调度只是OM领域的计划问题之一。作为一个整体，该领域的合理战略将意味着在其职责范围内的所有进程遵循某种统一的标准。因此，进一步的研究评估在战略、战术和操作三个决策层面联合转移DT-ZDM方案的可取性，并提供更多关于这样做的方法的知识，将使整体上能够更一致地处理OM地区的数字转型过程。此外，描述性研究解决了具有基于AI的DT-ZDM-S方案的框架，例如使用DRL方法。用提供经验性验证模型的实验研究来推进这一研究，将有助于准确评估人工智能方案对手头问题的贡献。最后，在行业5.0范例已经形成的情况下，人的因素在其中发挥特殊作用的全球SMS模型将在数字规划环境中贡献新的知识[100,101]。