不確定環(huán)境下的多Agent魯棒性生產(chǎn)調(diào)度研究.pdf

1、生產(chǎn)調(diào)度是計算機集成制造系統(tǒng)- CIMS的重要組成部分，系統(tǒng)、全面、合理的生產(chǎn)調(diào)度方法有助于提高車間管理的自動化水平，并且?guī)盹@著的經(jīng)濟效益。然而由于生產(chǎn)任務(wù)的變動、設(shè)備故障等等原因，車間生產(chǎn)實際上是處于一個不確定的環(huán)境之中，如何在調(diào)度過程中消除不確定因素的影響，已經(jīng)成為解決實際問題的關(guān)鍵。人們對不確定性環(huán)境下的調(diào)度問題進行了大量的研究工作，并且在調(diào)度方案的求解和優(yōu)化理論等方面取得了許多研究成果，但是這些理論和成果還未能夠滿足實際應(yīng)用的

2、需求。如何將理論研究與實際的生產(chǎn)控制系統(tǒng)相結(jié)合，是不確定性環(huán)境下的車間調(diào)度這一研究領(lǐng)域的主要問題之一。
　　 本文在國家自然科學基金(50875051)和國家863計劃資助項目(2006AA042132)的聯(lián)合資助下研究隨機環(huán)境中的Job-shop調(diào)度問題，根據(jù)實際的生產(chǎn)環(huán)境和組織方式，從全局的角度和應(yīng)用的角度來分析不確定性環(huán)境下的車間調(diào)度，從調(diào)度決策機制的設(shè)計、不確定性事件的數(shù)學描述和表達、調(diào)度方案求解和優(yōu)化方法三個方面綜合考

3、慮解決方案，提出相關(guān)的理論、算法和模型，目的在于為實際生產(chǎn)中的大規(guī)模動態(tài)調(diào)度問題的解決提供一種新思路。
　　 論文的主要工作包括如下幾個方面：
　　 1、分析了不確定環(huán)境下具有共同作業(yè)交貨期的Job-shop車間調(diào)度問題，并且從Job-shop調(diào)度活動的基本流程以及調(diào)度方案的結(jié)構(gòu)特征著手，闡述不確定性事件所引起的“擴散效應(yīng)”及其對整個調(diào)度方案的影響，在此基礎(chǔ)上提出了一種預(yù)測-反應(yīng)式調(diào)度決策模型，建立起一個完整的調(diào)度系統(tǒng)結(jié)

4、構(gòu)性框架。
　　 2、從機器資源工作效能的角度，分析生產(chǎn)過程中不確定性事件對具體的加工任務(wù)的影響，提出一種基于“設(shè)備整體效能（OEE）”的具有魯棒性的預(yù)測調(diào)度實現(xiàn)方法，基于對不確定性事件隨機特征的期望值分析，建立了Job-shop中不確定性事件集的數(shù)學模型，有效地降低了問題求解的難度，并且使解決方案具有廣泛的適用性和設(shè)計的簡便性。
　　 3、結(jié)合多Agent技術(shù)在解決動態(tài)調(diào)度問題上的優(yōu)點，從預(yù)測調(diào)度和反應(yīng)式調(diào)度兩個方面出

5、發(fā)，設(shè)計了一種基于多Agent協(xié)作機制的問題求解和優(yōu)化方法，以有效地削減不確定性事件的“擴散效應(yīng)”的影響，提高調(diào)度的魯棒性、穩(wěn)定性和柔性，然后采用實例分析的辦法，闡述了預(yù)測調(diào)度和反應(yīng)式調(diào)度兩個過程的詳細實現(xiàn)機制。
　　 4、針對預(yù)測調(diào)度和反應(yīng)式調(diào)度的一體化集成問題，提出了采用雙向十字鏈表DCLLs作為調(diào)度方案的統(tǒng)一數(shù)據(jù)結(jié)構(gòu)，使預(yù)測調(diào)度和反應(yīng)式調(diào)度集成在統(tǒng)一的計算過程中；設(shè)計了基于OEE和MAS的調(diào)度應(yīng)用原型系統(tǒng)，該系統(tǒng)由“基于O

6、EE的設(shè)備監(jiān)測和評估”和“基于MAS的魯棒性預(yù)測-反應(yīng)式調(diào)度”兩個子系統(tǒng)組成，有利于實現(xiàn)面向整個制造執(zhí)行業(yè)務(wù)過程的車間調(diào)度和生產(chǎn)管控。
　　 5、針對論文所提出的理論和方法的有效性測試問題，參照典型的Job-shop生產(chǎn)環(huán)境建立起仿真測試的問題實例，設(shè)置多組不同規(guī)模的應(yīng)用場景，采用不同的性能測試指標對調(diào)度的魯棒性、柔性和穩(wěn)定性進行評估。大量的實驗證明：與常規(guī)的智能調(diào)度方法相比，本論文所提出的方法和模型能夠使這些測試指標得到很好的