协同制造单元的知识自学习建模与技术研究*

河南中烟工业有限责任公司驻马店卷烟厂 范国民

协同制造单元的知识自学习建模与技术研究*

河南中烟工业有限责任公司驻马店卷烟厂 范国民

当前，随着计算机技术和制造技术的快速发展，各种先进制造系统应运而生，协同制造模式便是其中之一。通过采用协同技术、工作流建模技术、虚拟仿真技术、自学习技术及其他技术，核心制造单元将参与该制造任务的企业内部和外部协同制造单元动态组织起来，合理组织、协调和调度制造任务，协同完成该制造任务。协同制造单元在参与协同制造的过程中，将各自拥有的知识或产品传递给核心制造单元，也可以从核心制造单元中获取限定的知识，通过在协同知识链上的自学习，最大化地实现知识收益。

传统的制造联盟重视合作任务是否顺利完成，强调产品或知识完成的时间、质量、成本等。然而，协同是当前企业的必然选择，尽管协同过程中获取经济效益对协同制造单元非常重要，但知识是所有企业的核心资源，核心知识是否高效增值是企业未来可持续发展的关键。在协同制造模式中，协同制造单元积极参与到产品的协同制造过程中，在提供本身核心知识服务的同时，还可以通过协同制造平台和外部信息源进行自学习，来实现个体知识的增值。因此，如何在产品协同制造过程中提高协同制造单元的自学习效率、加快个体知识的增值和创新对企业的发展极其重要，对于提高企业的核心竞争力也具有十分重要的意义。

本文将研究协同制造过程中的知识自学习模型，建立协同制造单元和核心制造单元的知识学习与转移过程模型，研究协同制造过程中各智能体的自学习过程和机理。建立基于协同进化算法的协同制造单元自学习模型和算法，提高各智能体的自学习效率，实现协同制造单元知识增值的最大化。

一、协同制造过程中的知识自学习模型

1.协同制造单元的知识学习与转移过程模型。图1的协同制造单元知识学习与转移过程模型反映了协同制造单元的知识自学习与转移的过程，体现了协同制造过程中知识的新陈代谢流动过程。具体流程是：协同制造单元识别并获取知识源（Internet、核心制造单元下达的制造任务需求、协同制造平台上的共享信息和其他信息源）上的有用知识，通过完成相应的协同制造任务，将不同学科、不同类型的知识融合到产品中（部分协同制造单元只提供技术咨询或技术支持），核心制造单元获取协同制造单元的产品或技术后，进行消化和集成创新，完成产品的协同制造，并将部分共享知识存储发布到Internet、协同制造平台或其他资源库上。

图1 协同制造单元的知识学习与转移过程模型

2.核心制造单元的知识学习与转移过程模型。由于协同制造单元和核心制造单元职能和角色的不同，核心制造单元的知识学习与转移过程与协同制造单元存在一定的区别。具体流程是：协同制造单元网络是由多层次单元组成的，有的协同制造单元在进行协同任务的时候，可能和多家子公司或多家制造单元联合完成。各协同制造单元通过协作完成各自的子项目，将其产品或知识传递给上一级制造单元。最终，产品的全部知识将传递给核心制造单元，核心制造单元再通过Internet或其他信息源获取知识的基础上完成的核心制造任务，通过知识融合，整合所有制造单元的成果，完成协同制造任务，实现知识的获取、学习、消化和创新。图2为核心制造单元的知识学习与转移过程模型。

图2 核心制造单元的知识学习与转移过程模型

二、协同制造单元自学习技术

每一个协同制造单元都具有自学习性，可以从外部知识源、也可以从知识链上各节点上的共享信息中提取有价值的知识进行学习。但知识链上每一个知识单元不是从个体需求出发，而是从整个知识链的需求角度去学习，拓展需求知识的深度和广度，提高组织的知识创新能力。协同制造单元在参与协同制造的过程中，不仅可以提供知识服务，还可以通过协同制造平台和外部信息源进行自学习，来实现个体知识的增值。常用的自学习技术有遗传算法、BP神经网络、贝叶斯网络、模糊神经网络和协同进化算法等。采用合适的自学习技术，可以提高学习的效率从而提高整个知识链的知识增值性。本文采用适合协同制造单元的协同进化算法，具体模型如下。

1.基于协同进化算法的协同制造单元自学习逻辑模型。基于协同进化思想的进化算法近年来已成为学术界关注的一个热点。通过借鉴自然界中不同生物种群之间相互作用、协同进化的机理，建立计算机可识别的协同进化算法。协同进化算法把一个复杂的问题分解为若干个相对简单的子问题，分配给多个子群体分别进行进化操作，子群体之间定期进行信息的交互，通过合作或竞争的关系，共同完成优化问题的求解。本人采用求解SAT问题的组织进化算法，建立基于协同进化算法的协同制造单元过程模型，具体过程如图3所示。

图3 基于协同进化算法的协同制造单元自学习过程

在图3中，协同制造单元通过协同进化算法在平台上进行检索，搜索出建议解，通过与需求模型进行一致性检验，如果和需求模型相匹配，那么协同制造单元自学习成功；如果不匹配，重新搜索，直到搜索到匹配解或相近解为止。

2.协同制造单元自学习进化算法。协同制造单元自学习进化算法采用自学习算子信息学习。自学习算子利用问题自身的信息进行搜索，是协同制造单元提高自身适应度的重要方式。具体算法如下。

在协同制造单元org上执行该算法的条件为：

Fitness（org）＜Sixeorg.

设org符合上式的条件，则自学习算子首先从org的假字句集合中随机选择一个字句，然后计算该字句的每个变量的值取反后org的适应度，然后在能使org的适应度同样最大的变量中随机选择一个取反值，具体步骤如下：

MaxList为一个整体数组，记录使org适应度最大的所有变量；MaxCount为当前MaxList中的变量集合中的变量u的值取反。

步骤1：从CForg中随即选择一个字句C，且Uc={u1,u2,…uk}；

步骤2：令Max＝－Maxlnt，MaxCount＝1，i＝1；

步骤3：若Fitness(org)>Max，则令Max＝Fitness(org)，MaxList [o]=u，MaxCount=1；否则，若Fitness(org)=Max，则令MaxList [MaxCount]=u，MaxCount=MaxCount+1；

步骤4：令i=i+1，若i≤k，则转步骤3；

步骤5：从MaxList中随机选择一个变量，将其值取反，并更新org的适应度。

三、协同制造平台自学习系统的设计与实现

本课题基于.NET技术，采用VisualStudio.NET2005作为开发环境，以VB.NET作为主要开发语言对基于协同进化算法的知识自学习模型进行了系统开发，使用MicrosoftSQLServer 2003作为数据库管理系统。自学习系统主框架如图4所示。

图4 协同制造单元自学习平台框架

在图4中，协同制造单元自学习系统平台主要由平台基础层、知识逻辑层、协同学习层和门户层等4层组成。平台基础层主要由知识库、设计数据库、制造数据库、协同企业数据库、信息系统数据库等组成，还包括内部网、数据库管理系统、防火墙等基础设施。

知识逻辑层是对设计知识、制造知识、仿真知识、业务过程知识、算法等进行逻辑处理的环节，为协同制造单元自学习的实现提供逻辑支持。

协同学习层是整个自学习系统的核心，自学习环节对系统信息进行搜索、控制和操作以产生、修正和进化知识，是系统的“知识创新源”。主要由知识浏览器、知识管理器、通讯管理器、学习搜索引擎和算法管理器等组成。

门户层是多协同制造单元参与协同作业的入口，包括金融服务机构、原材料/装备供应商、协同制造企业群、大学、科研单位等。通过门户接口进行知识的获取、学习、消化和创新。

四、结束语

本文指出了协同制造过程中提高协同制造单元的自学习效率、加快个体知识的增值和创新对企业发展的重要意义。提出了协同制造过程中的知识自学习模型，建立了基于协同进化算法的协同制造单元自学习系统，使协同制造单元在参与协同的过程中拥有自学习、自适应能力，并且初步建立了原型系统，下一步工作需要加快完善系统和实际运营。

河南省创新型科技人才队伍建设工程资助项目（项目编号084100510014）