工艺规划与车间调度及两者集成的研究现状和发展趋势

吕盛坪，乔立红

（1.华南农业大学 工程学院 南方农业机械与装备关键技术省部共建教育部重点实验室，广东 广州 510642；2.北京航空航天大学 机械工程及自动化学院 先进制造技术与系统研究中心，北京 100191）

0 引言

工艺规划与车间调度是连接产品设计与制造过程的两个重要环节。工艺规划的主要任务是确定一个零件从毛坯到最终成品的技术需求，用于指导制造过程。无论传统的手工工艺规划还是当前的计算机辅助工艺规划（Computer Aided Process Planning，CAPP），在企业中都有着举足轻重的作用。车间调度是在满足工艺路线相关工序约束和资源约束的条件下，基于某个（些）目标，决策出所有工件（近似）最优的加工任务分配。车间调度对资源的优化配置和科学运作起重要作用，直接影响制造的成本和效益，日益受到业界重视。可以看出，两者之间存在紧密的关联关系。一方面，由于加工手段和技术不唯一，一个零件往往具有多条可选工艺路线，在CAPP中考虑车间资源情况、实时合理地选择加工方法和资源，对提高调度的柔性、保证生产顺利进行有重要意义；另一方面，在调度中充分利用特征加工方法、加工资源和加工顺序的多样性来分配工序任务，可以从整体上提高生产柔性，减少目标冲突，提高全局优化的效果；同时，在计划调度系统中合理选择确定零件的操作工序、技术参数和相应的投放优先级，在车间动态事件发生时基于柔性工艺进行调整，可保证生产调度质量，提高生产稳定性。所以，对工艺规划与车间调度集成（Integrated Process Planning and Scheduling，IPPS）进行研究，对提高制造系统的效率具有重要的理论与工程意义。

1 CAPP发展历程及实现方法研究现状

随着计算机技术的发展，传统手工工艺规划方式逐渐转变为CAPP 方式。对CAPP 的研究始于20世纪60年代中期，由于工艺规划本身的复杂性和产品制造环境的特殊性，在数字化制造领域，CAPP是发展最慢的，成为现代制造业的关键瓶颈。为打通该瓶颈的制约，相关人员对CAPP的相关技术方法开展了大量研究。

CAPP的发展历程大概经历了3个主要阶段：

（1）20世纪60～80年代，派生式、创成式和复合式CAPP原型系统被不断提出，零件及特征信息描述、工艺知识表达、工艺决策推理等［1］关键技术被广泛研究。

（2）20世纪80～90年代，有关CAPP的研究朝着集成化、智能化方向发展。产品信息的中性表达、工艺优化、基于神经网络的智能设计方法、工艺知识库或专家系统（Expert System，ES）的建立等是主要研究热点［2］。Leung［3］从产品信息表达、工艺优化、知识获取与表达、人工智能技术等12个方面对200多篇CAPP相关文献进行了分类总结。

（3）90年代至今，随着分布式技术、网络技术的发展，CAPP系统研发朝着集成化、网络化、商品化方向发展。XU 等［4］从基于特征技术、神经网络、产品模型数据交换标准（STandard for the Exchange of Product model data，STEP）应用等10个方面对半个多世纪以来CAPP 的研究成果进行了综述。总体来看，CAPP的相关研究主要集中在零件信息的输入、加工方法和过程的生成以及系统平台构建三方面。

其中零件信息输入的相关研究主要包括特征技术、STEP标准及其应用两方面。特征识别和基于特征的设计是零件特征信息输入常用的两类方法。Babic等［5］对特征识别的关键技术问题及其在基于规则的工艺决策中的应用进行了综述。基于特征的定义使得CAPP易于获取与解释相关特征信息，便于CAPP基于特征进行决策。为保证产品信息能在不同CAPP中共享、确保数据结构的一致，ISO 组织开发了STEP，当前主流的计算机辅助设计（Computer Aided Design，CAD）／计算机辅助制造（Computer Aided Manufacturing，CAM）软件均提供了STEP标准输出格式，为产品信息在CAPP中共享提供了重要手段。Zhao等［6］对基于STEP 的相关研究成果进行了综述。

加工方法及过程生成是CAPP研究的核心，相关研究方法主要包括ES、神经网络、Agent、Petri网、模糊集和模糊逻辑、启发式算法等。Cay［7］对ES和智能推理技术在CAPP 中的应用以及CAPP 与其他系统的集成相关文献进行了综述；Yue等［8］从网络拓扑结构、输入表示、训练方法和输出表示四个方面综述了基于神经网络的工艺知识表达与应用研究现状；Agrawal等［9］对基于Agent的CAPP 系统进行总结，开发了一个基于多Agent 的分布式CAPP原型系统；Shen 等［10］对Agent在CAPP 及其他制造系统中的应用进行了综述；Zhang等［11］将基于Agent的CAPP 相关研究划分为基于协作机制、基于黑板框架和集成方法三类进行了分类综述。Petri网是柔性工艺表达与分析的重要手段，在柔性工艺规划的研究过程中越来越被重视［4］。模糊集和模糊逻辑能将人的知识采用数学量化方式进行描述，理论上能较好地应用于约束具有一定模糊性、决策具有较强经验性的工艺规划［4］。由于工艺规划本身的复杂性、经验性和个性化特性，完全基于ES、神经网络、Agent、模糊逻辑等智能化、自动化的决策机制来生成可行的工艺路线，特别是柔性工艺路线，离工程应用还有较大距离。

启发式算法是工艺路线生成与优化的重要实现机制，20世纪80年代至今，相关学者开展了大量研究。近年来，Li等定义了结合切削费用、刀具费用、机床变换次数、刀具变换次数和装夹次数的优化模型，并开发了遗传算法（Genetic Algorithm，GA）与模拟退火（Simulated Annealing，SA）算法结合的复合算法［12］和基于约束满足（Constrained Satisfaction，CS）的禁忌搜索（Tabu Search，TS）［13］算法。在该组合优化目标的基础上，Guo等［14］提出了相应的粒子群优化（Particle Swarm Optimization，PSO）算法；针对独立制造系统与分布式制造系统工艺路线的生成与优选，Li等［15］提出一个基于GA 的优化实现方法；Ding等［16］针对最小制造成本、最短加工时间的工艺排序问题，提出一个结合GA、神经网络和层次分析法的复合方法；Salehi等［17］针对初始工艺规划的工序排序、工艺规划过程工序设备、刀具及进刀方向的优化选择提出了GA 实现机制；Musharavati针对工艺路线优化生成提出一个SA［18］和改进GA［19］的优化方法。表1所示为对不同实现方法的应用范围和优缺点进行的总结。

表1 CAPP加工方法及过程生成主要实现方法总结

随着网络技术、服务技术等的发展，CAPP系统平台构建朝着服务化、分布式、网络化以及集成化方向发展。近年来，Li等［20-21］构建了一个基于服务技术、支持工艺优化的网络平台；Alvares等［22］研发了一个支持CAD／CAPP／CAM 集成的网络化系统平台；Agrawal等［9］基于Agent构建了一个分布式CAPP原型系统，其自治Agent间的通信采用可扩展标记语言（eXtensible Markup Language，XML）进行描述；Hu等［23］开发了一个基于XML 来描述工艺相关信息的网络化CAPP系统，并将克隆算法嵌入平台中来优化工序顺序。但现有的CAPP 在系统实现上还存在以下不足：①对工艺信息缺乏统一的底层组织模型和相应的管理机制，工艺信息难以集成，易形成信息孤岛；②CAPP设计结果主要以二维图纸为依据指导车间生产，这种模式使零件相关信息在设计与工艺系统中难以统一和同步，三维信息无法传递到车间指导生产；③CAPP 系统在数据和业务上与设计、仿真及相应管理系统的一体化集成研究比较欠缺，离集成制造目标还有较大差距。总体来看，CAPP仍难以满足当前生产制造企业对CAPP系统工具化、集成化和智能化的需求。

2 车间调度问题研究现状

2000年，相关学者根据国际生产工程学会近10年来的研究成果总结了34种先进的制造模式，无论哪一种制造模式，都是以优化的生产调度为基础［24］。调度的成功与否，直接关系着在制品的库存水平、交货期满意度、供货周期和生产效率等重要指标［25］。根据是否考虑动态不确定事件，车间调度可以划分为静态调度和动态调度。下面分别对其实现方法的研究现状进行综述。

车间调度问题的研究始于20 世纪50 年代。1953年，Johnson研究了两台机床和部分3台机床的流水车间调度问题［26］，这标志着车间调度理论研究的开始。典型车间调度的分类可以用四元组α|β|γ|δ表示，其中：α 和β 分别为工件数和机床数；γ表征加工过程的特点；δ 为性能指标［27］。根据工件流经的机床进行划分，可分为单机调度、并行机床调度、流水车间调度、作业调度和开放调度［28］。相应的评价指标（δ）可以分为四类：①基于完工时间的性能指标，如最大（平均）完工时间、最大（平均）流程时间；②基于工件交货期的性能指标，如最大（平均）延迟时间、最大（平均）拖期工件个数等；③基于库存指标，如平均已完成工件数、平均机床空闲时间等；④多目标综合性能指标，如最大完工时间与总拖期的综合等［24］。实际的车间调度问题是多目标的，合理地综合考虑不同优化目标、根据具体环境选择和平衡相应目标、开展多目标优化研究，是当前的研究热点与重要课题。

车间调度发展至今已有60余年，大量研究成果不断涌现。有关车间调度常用的优化方法可以划分为精确法和近似法。其中精确法主要包括：①混合整数规划、动态规划、拉格朗日法［29］和分解法［30］等数学规划方法；②分支定界法［31］、基于析取图［32］和Beam 搜索［33］等枚举法。近似法主要包括构造法和智能法，构造法包括瓶颈漂移［34-35］和基于瓶颈漂移的Beam 搜 索［36］等；智 能 法 包 括ES［37］、神 经 网络［38］、多Agent、GA、SA、TS、PSO、蚁群算法（Ant Colony Optimization，ACO）和复合方法［39］等。精确方法和近似法中的构造方法往往只适合于较小规模的调度问题，相应的智能方法能针对较大规模的调度问题快速获得近似最优甚至最优结果，大大扩展了调度问题的求解范围与规模。

车间调度优化的实现机制大致经历了四个主要阶段：①20世纪50年代的起步阶段，该时期的研究主要基于一些解析方法，对规模较小的单机和简单的流水车间调度进行研究；②60年代，整数规划、动态规划和分枝定界等运筹学经典方法以及一些寻找近似优化解的启发式算法被提出来［40］；③70年代，大量启发式规则被提出，Panwalker［41］总结归纳了60～70年代发展起来的113条启发式规则，并对其进行了分类；④80年代以来，智能优化机制不断涌现，相应的优化目标也从单一目标逐渐转变为多目标优化与平衡。Aytug［42］和Potts［43］等综述了车间调度问题的研究现状。

但在实际生产中，确定调度方案并下发到生产车间进行生产时，由于新增紧急订单、工件优先级改变、机床故障、物料或刀具短缺和质量等问题，往往需要进行重调度优化［44］。目前关于动态调度的实现方法研究大致可归纳为鲁棒调度、预—反应调度和完全反应调度［45］。Vieira等［46］对动态调度研究现状进行了综述。表2所示为对这三种动态调度的实现机制、优缺点进行的总结。

表2 动态调度实现方法对比

从整体上看，对于车间静、动态调度，现有的很多优化机制均能获得很好的结果，但这些优化机制还处于理论研究阶段，很难嵌入车间管理系统，需要研究能灵活应用于车间管理系统的高效优化实现方法；同时，相应的优化效果与效率还有进一步提升的空间，特别是针对大规模车间调度问题。

3 工艺规划与车间调度集成研究现状

现有的大量研究都是将CAPP 与车间调度系统作为两个独立串行系统进行单独考虑。相关研究表明，工艺规划和车间调度系统的单个效率很难得到大的提高［49］。同时，这种将两者分离的方式往往存在如下问题［50-53］：

（1）目标冲突问题 一方面，两者按照各自不同的优化目标进行规划，前者关心的是技术实现，后者着眼的是生产执行；另一方面，两者关注的范围不同，工艺规划针对一个或一类零件，而调度关注车间所有零件资源的共享优化利用。两者的分离模式缺乏协调机制，易导致优化冲突，难以实现整体优化［51］。

（2）工艺规划局限性问题 串行规划工艺人员认为车间资源处于理想状态，易集中选择较熟悉的加工方法与资源组合，当工艺传递到调度系统时，易出现严重的机床瓶颈和资源冲突，影响车间生产的进度和效率［38，50］。

（3）车间调度局限性问题 传统的车间调度依赖于已确定的工艺路线进行调度，但车间在生产过程中往往容易出现动态不确定的情况，传统的串行模式未提供调整与重优化的工艺柔性来快速响应动态变化需求［44，51］。

（4）规划与实施的时间差问题 工艺与生产计划的制定是在生产实施之前完成，这种规划与实施的时间差，易使原来相对较优的工艺路线下发到车间后出现部分不可行或完全不可行的情况。

针对工艺规划与车间调度独立串行研究存在的问题，一个有效的解决办法就是对两者进行集成研究。20世纪80 年代，Chryssolourisa等［54］就提出将工艺与车间调度进行集成规划；前期Shen等［55］对基于Agent的工艺规划、车间调度以及两者集成进行了综述；高亮等［56］从集成框架与优化实现方法及其扩展问题对IPPS 的已有研究成果进行了总结；Phanden等［57］对IPPS的集成模型进行了概述；Wang 等［58］对分 布 式IPPS进 行 了 介 绍；Tan等［59］从并行分配、人工智能方法、决策矩阵、非链式工艺规划与数学规划五个方面综述了IPPS 的研究成果。相关成果显示，两者集成可减少两者的目标冲突、工件流通和在制时间，提高车间资源利用率与对不确定性条件的响应能力［60］。下面从集成模型、优化实现方法两方面对该集成问题的研究现状进行总结。

3.1 工艺规划与车间调度集成模型研究概况

Larsen［61-62］对相关集成模型进行总结并将其大致归为非链式、闭环式和分布式工艺规划三类。对于非链式和闭环式工艺规划，两者集成提供的只是接口，可称为面向接口集成；分布式工艺规划是两者业务功能的集成，可称为面向功能集成。

最简单的面向接口的集成是在不考虑车间动态变化的情况下为各工件生成多条工艺路线，并按照一定指标进行优先级排序存储到工艺路线库中，然后再根据优先级高低依次选择发送到调度系统中进行评价判断，直到满足要求为止［63］，这种集成模式是一种离线式的接口集成。在离线式接口集成方式的基础上，Khoshnevis等［64］引入动态反馈思想，构建了一种在线接口式集成模型，这种集成方式将CAPP系统与车间作业计划、作业调度及资源分析等集成起来形成一个交互动态闭环仿真系统，通过车间资源信息的动态反馈产生实时的工艺方案。车间调度系统把当前车间可提供的机床资源状态反馈给草拟的工艺规程，使其能及时进行更改与调整，从而提高工艺方案的可行性。面向功能集成模型由Larsen［61-62］和Zhang［65-66］等分别提出。这种集成方式利用分层、并行协同等思想将工艺规划与车间调度相关业务进行分解，基于业务间的相互关系建立子问题，并采用分布式的方式对各子问题进行集成求解。表3所示为面向接口集成（离线式和在线式接口集成）与面向功能集成的优缺点对比情况。

从整体上看，现有的面向接口集成其集成活动发生在工艺规划之后，调度只能基于生成的工艺进行逐条选择与调整；面向功能集成一般基于单工艺路线进行调度，工艺路线柔性优势在调度优化中较难体现。同时，两种集成方式讨论的车间调度主要是静态调度，较少涉及针对动态环境的调度机制，也较少考虑生产计划的影响。

3.2 工艺规划与车间调度集成优化实现方法的研究概况

车间调度问题是目前公认的最复杂的组合优化问题之一［28］，IPPS涉及的约束及其解空间比车间调度问题更加复杂［68］，是极困难的组合优化问题，设计高效、高质量的优化实现方法具有非常重要的理论和工程意义。与车间调度类似，根据是否考虑动态因素将IPPS 划分为静态IPPS 与动态IPPS。下面分别对其实现方法的研究现状进行综述。

表3 集成模型优缺点对比

3.2.1 静态集成实现方法的研究

针对静态集成的优化实现方法大致可以总结划分为基于单一算法的实现方法、基于Agent的实现方法和复合实现方法三类。

（1）基于单一算法的实现方法

单一算法实现机制主要包括传统的数学规划方法和近代涌现的（元）启发式方法。由于进化算法（Evolutionary Algorithm，EA）编码和操作简单，同时能获得较好的优化结果，在IPPS问题的求解过程中得到了广泛应用，其中GA 是针对IPPS 应用最广泛的进化算法。近年来，Cai等［69］针对具有不同机床配置的IPPS问题建立了一个基于GA 的机床匹配规划方法；Moon等［70-72］定义了一个考虑车间工艺协作上下游供应链关系约束的IPPS 问题，并采用EA 对最小化加工周期、平均流通时间和拖期等目标进行了优化。为获得更优解，相应学者对EA 进行了改进，例如Lee等［73］设计了一个基于仿真的改进GA 优化方法；Kim 等［74］提出了一个针对IPPS的共生EA；Shao等［51］通过改进GA 来优选工艺路线与优化调度方案；Qiao等［75］从初始工艺路线生成、编码、操作等方面对GA 进行了改进，并以加工周期、平均流通时间为优化目标进行了实验验证。

除GA 外，ACO、TS、SA、PSO、帝制竞争算法等在IPPS 中的应用也得到了深入研究。Kumar等［76］利用ACO 对柔性制造系统中的车间调度问题进行了优化；Weintraub［77］和Bandimarte［78］等针对IPPS 分别提出了TS 算法和分层的TS 算法；Li等［79-81］将IPPS构建成考虑刀具方向、机床和刀具变换等因素的工序排序优化的扩展问题，并提出协同确定工艺与调度优化方案的SA［79］和PSO［80-81］；Baykasoĝlu等［82］基于语法表达构建了IPPS的表达模型框架，并采用TS 算法进行了优化；Lian等［83］提出一个以最小化流通时间为优化目标的帝制竞争算法。针对IPPS优化实现，图论［84］、复合整数规划方法［85］、动态规划法［86］和分支定界［87］等经典运筹学方法也被不断提出。但这些方法较少涉及动态不确定因素，较难扩展应用到考虑动态事件的集成规划中，相应的经典运筹学方法较难适应于具有一定规模的集成问题。

（2）基于Agent的实现方法

基于Agent实现方法是当前IPPS研究的一个重要方向。McDonnell等［88］构建了一个面向IPPS的多Agent分布式系统，其中工艺路线规划、工序规划与排序优化，以及机床、刀具选择、车间调度等均通过Agent实现。针对IPPS，Wong等［89-91］构建了一个包含工件Agent、机床Agent和监控Agent的多Agent系统框架，其中：工件Agent和机床Agent用于协同确定工艺路线与车间调度方案，监控Agent负责工件Agent和机床Agent间的通信、监控与协商仲裁。Fuji等［92］提出了协同确定工艺路线与车间作业调度方案的多Agent智能学习方法。针对IPPS 的优化实现，Nejad等［93］设计开发了一个基于多Agent的分布式实现机制，工序资源的选择、工艺路线与工件调度的协同确定通过工件Agent与机床Agent匹配确定。Wang 等［94］提供了基于Agent的级联拍卖协议集成框架，以实现工艺规划和车间控制适时在线集成与优化。多Agent采用协同分布式的实现机制，它是一种面向功能的集成实现方法，Shen等［55］对基于Agent的集成进行了综述。基于Agent的优化方法利用Agent的自组织特性、社交能力、预动能力和智能反应能力来实现集成优化，易扩展应用到考虑动态不确定性的环境，但多个Agent频繁地交互、协商往往需要较长的计算时间，优化效率与效果有待进一步提高。

（3）复合实现方法

为得到更优的结果，不同学者结合不同实现机制构建了相应的复合实现方法。Li 等在改进GA［51］的基础上，将主动学习［95］、TS［96］引入GA 的搜索过程中，以提高GA 的局部搜索能力；同时，提出了一个结合改进GA［51］和Agent的复合优化机制［97］。Shukla等［98］在构建的基于多Agent的系统平台上，提出一个基于SA 与TS结合的复合算法。针对IPPS 的最短加工时间的优化问题，Leung等［99］结合多Agent的分布式计算能力和ACO 的寻优能力，开发了相应的复合优化机制，并与Kim等［74］提出的共生进化算法以及文献［89-90］中的多Agent实现方法优化效果进行了对比，验证了所提复合方法的优势；Mishra等［100］针对外协供应链环境下的车间调度，提出了快速混沌TS 算法；Chan等［101］针对带外包的IPPS问题，提出结合GA、SA和模糊逻辑控制的复合退火求解算法。复合方法结合不同实现机制的优点，往往能得到较好的优化结果。

虽然针对IPPS 也已取得了大量研究成果，但是除文献［102］外，现有的优化机制考虑的优化目标主要针对单目标，相应的实现方法的效率与效果还有进一步提高的空间。从系统实现角度来看，现有很多方法很难适应和扩展到考虑动态事件的集成规划环境中，因此嵌入商业系统较为困难。

3.2.2 动态集成实现方法的研究

对工艺规划与车间调度进行集成研究的一个重要目的，是希望车间发生动态不确定性事件时，制造系统能提供相应的柔性与调整机制，以减少它对整个车间制造执行效率的影响。相应地，学者对考虑车间动态情况的IPPS也开展了研究。Saygin等［50］针对IPPS构建了离线的集成模型，并将该集成问题划分为机床选择、工艺过程选择、调度、重调度四个阶段进行规划；Gindy等［103］基于并行工程思想构建了一个支持工艺与车间调度动态规划的原型系统，该系统能快速响应已知或不可预测的环境变化，但未提供重调度优化的具体策略；Jain等［104］以柔性工艺为输入，首先利用GA 生成一个初始解，然后利用最短加工时间优先、最早到期时间优先、先到先服务三种分派规则对机床故障、新增工件、优先级改变和订单取消四种情况分别进行了重调度优化；Zangiacomi等［105］针对大规模定制制鞋车间构建了支持工艺与调度动态集成的原型系统，该原型系统中包含的工艺规划模块与调度模块分别用于产生实时工艺路线与调度方案；Wong等［91］利用在线Agent协商机制对考虑机床故障、新增工件两种动态事件的IPPS进行了集成优化；Guo［81］等利用PSO 对IPPS进行了初始优化，同时为机床故障、新增工件两种情况提供了调整措施。

相对静态集成调度而言，动态集成调度的发展相对比较缓慢，主要原因是动态集成调度需要考虑的工程实际问题更多，构建考虑动态调度的模型与方法更加困难。现有的动态IPPS优化实现机制主要针对的是新增工件、订单取消、机床故障等几类动态事件，然而实际的车间不确定性事件的发生具有多样性，需要进一步研究针对不同动态事件的集成动态调度优化机制。虽然文献［106-107］分别对支持工艺与调度集成的信息模型及信息表达开展了研究，但现有IPPS的研究较少涉及支持两者集成的信息表达、流程组织以及管理的统一机制，相应地也较少提供支持工艺和调度人员协同并行与分布式操作的平台，离CAPP与车间调度系统之间数据和功能上的真正集成应用还有较大差距。

4 研究展望

虽然国内外针对工艺规划与车间调度以及两者的集成开展了大量研究，并取得了相应的研究成果，但挑战仍然存在，需要进一步深入开展研究。

（1）对于工艺规划问题，可能的三个重要研究方向

1）从整体发展趋势来看，20 世纪90 年代兴起的自动化、智能化CAPP系统离实际应用还有较大差距，具有一定智能决策并能支持交互操作的CAPP系统的研发是实用化和通用化CAPP发展的重要方向。针对具有确定规则、计算机易于处理的决策需朝着自动化、智能化方向发展，对计算机难以胜任的关键决策需研究相应的交互机制，以辅助具有足够工艺知识和经验的工艺人员来完成。

2）从技术实现角度来看，基于全三维几何模型的CAPP是当前的研究热点。研究基于三维模型的工艺信息的组织与表达以及相应决策机制，直接依据三维实体模型制定工艺方案，并将三维工艺模型作为制造的唯一依据，是CAPP 发展的必然趋势。为实现工艺数据的一致与共享、用户的协同互操作，需进一步以STEP数据模型为基础，开发分布式、网络化和服务化的CAPP系统。

3）从整个计算机集成制造的最终目标来看，需进一步构建支持数据集成的统一信息模型和扩展方法，研究快速响应动态不确定性事件的机制。在此基础上，继续开展CAPP 与CAD／CAM、车间控制及管理活动（如调度）的集成研究。

（2）车间调度问题未来可能的研究方向

1）从优化目标角度来看，需要根据不同需求选择不同的优化目标及相应的优化机制；同时，开展多目标优化研究，并根据不同的生产环境平衡不同的优化目标。

2）对于优化机制，仍需寻找具有较低时间复杂度的优化机制，特别是针对大规模调度问题进一步探索能快速获得近似最优解的调度算法。针对车间动态情况，需研究具有自适应能力的优化机制，开发灵活的分派规则和重调度策略。

3）在系统实现方面，工具化是车间调度研究当前的重要任务，相应的优化策略需采用易于交互操作的方式嵌入车间调度系统中。

（3）对于IPPS可以开展的研究方向

1）模型框架方面 考虑车间动态调度及计划约束条件，构建基于面向接口集成与面向功能集成相结合的复合集成模型。

2）集成优化实现机制方面 在复合集成模型基础上，设计开发考虑多目标优化平衡、能高效获得高质量优化结果的实现机制，并针对不同的动态条件研究不同的动态调度策略。

3）系统实现方面 研究构建支持集成的统一数据模型及相应的组织管理机制，开发基于网络分布式、易于业务与数据集成、方便系统扩展的集成系统。

［1］STEUDEL H J.Computer-aided process planning：past，present and future［J］.International Journal of Production Research，1984，22（2）：253-266.

［2］KIRITSIS D.A review of knowledge-based expert systems for process planning：methods and problems［J］.International Journal of Advanced Manufacturing Technology，1995，10（4）：240-262.

［3］LEUNG H C.Annotated bibliography on computer aided process planning ［J］.International Journal of Advanced Manufacturing Technology，1996，12（5）：309-329.

［4］XU X，WANG L H，NEWMAN S T.Computer-aided process planning—a critical review of recent developments and future trends［J］.International Journal of Computer Integrated Manufacturing，2011，24（1）：1-31.

［5］BABIC B，NESIC N，MILJKOVIC Z.A review of automated feature recognition with rule-based pattern recognition ［J］.Computers in Industry，2008，59（4）：321-337.

［6］ZHAO Y F，HABEEB S，XU X.Research into integrated design and manufacturing based on STEP ［J］.International Journal of Advanced Manufacturing Technology，2009，44（5／6）：606-624.

［7］CAY F，CHASSAPIS C.An IT view on perspectives of computer aided process planning research［J］.Computers in Industry，1997，34（3）：307-337.

［8］YUE Y，LIAN D，KEMAL A，et al.Study of neural network techniques for computer integrated manufacturing［J］.Engineering Computations，2002，19（1／2）：136-157.

［9］AGRAWAL R，SHUKLA S，KUMAR M K，et al.Multi-agent system for distributed computer-aided process planning problem in e-manufacturing environment ［J］.International Journal of Advanced Manufacturing Technology，2009，44（5／6）：579-59.

［10］SHEN W，HAO Q，YOON H J，et al.Applications of agent-based systems in intelligent manufacturing：an updated review ［J］.Advanced Engineering Informatics，2006，20（4）：415-431.

［11］ZHANG W J，XIE S Q.Agent technology for collaborative process planning：a review［J］.International Journal of Advanced Manufacturing Technology，2007，32（3／4）：315-325.

［12］LI W D，ONG S K，NEE A Y C.Hybrid genetic algorithm and simulated annealing approach for the optimization of process plans for prismatic parts［J］.International Journal of Production Research，2002，40（8）：1899-1922.

［13］LI W D，ONG S K，NEE A Y C.Optimization of process plans using a constraint-based tabu search approach［J］.International Journal of Production Research，2004，42（10）：1955-1985.

［14］GUO Y W，MILEHAM A R，OWEN G W，et al.Operation sequencing optimization using aparticle swarm optimization approach［J］.Journal of Engineering Manufacture，2006，220（B12）：1945-1958.

［15］LI L，FUH J Y H，ZHANG Y F，et al.Application of genetic algorithm to computer-aided process planning in distributed manufacturing environments［J］.Robotics and Computer-Integrated Manufacturing，2005，21（6）：568-578.

［16］DING L，YUE Y，AHMET K，et al.Global optimization of a feature-based process sequence using GA and ANN techniques ［J］.International Journal of Production Research 2005，43（15）：3247-3272.

［17］SALEHI M，TAYAKKOLI-MOGHADDAM R.Application of genetic algorithm to computer-aided process planning in preliminary and detailed planning［J］.Engineering Applications of Artificial Intelligence，2009，22（8）：1179-1187.

［18］MUSHARAVATI F，ISAMAIL N，HAMOUDA A M S，et al.A metaheuristic approach to manufacturing process planning in reconfigurable manufacturing systems［J］.Journal of Technology，2008，48（A）：55-70.

［19］MUSHARAVATI F，HAMOUDA A S M.Modified genetic algorithms for manufacturing process planning in multiple parts manufacturing lines［J］.Expert Systems with Applications，2011，38（9）：10770-10779.

［20］LI W D，ONG S K，NEE A Y C.A Web-based process planning optimization system for distributed design［J］.Computer-Aided Design，2005，37（9）：921-930.

［21］LI W D.A Web-based service for distributed process planning optimization［J］.Computers in Industry，2005，56（3）：272-288.

［22］ALVARES A J，FERRERIA J C E，LORENZO R M.An integrated Web-based CAD／CAPP／CAM system for the remote design and manufacture of feature-based cylindrical parts［J］.Journal of Intelligent Manufacturing，2008，19（6）：643-659.

［23］HU C J，LI Z Z，ZHENG L，et al.An XML-based implementation of manufacturing route sheet documents for context-sensitive and Web-based process planning［J］.International Journal of Computer Integrated Manufacturing，2008，21（6）：647-656.

［24］HANS-PETER W L.Load oriented manufacturing control［M］.Berlin，Germany：Springer-Verlag，1999：114.

［25］NIE Li.Research on methods based on gene expression programming for dynamic scheduling［D］.Wuhan：Huazhong University of Science and Technology，2011（in Chinese）.［聂黎.基于基因表达式编程的车间动态调度方法研究［D］.武汉：华中科技大学，2011.］

［26］JOHNSON S M.Optimal two and three-stage production scheduling with set-up times includes［J］.Naval Research Logistics Quarterly，1953，1（1／2）：64-68.

［27］CONWAY R V，MAXWELL W L，MILLER L W.Theory of scheduling ［M］.Boston，Mass.，USA：Addison-Wesley Publishing Company，1967：134.

［28］GRAVES S C.A Review of Production scheduling［J］.Operations Research，1981，29（4）：646-675.

［29］FISHER M L.Optimal solution of scheduling problems using Lagrange multipliers［J］.Part I Operation Research，1979，21（5）：113-138.

［30］KRUGER K，SHAKHLEVICH N V，SOTSKOV Y N.A heuristic decomposition algorithm for scheduling problems on mixed graphs［J］.Journal of the Operational Research Society，1995，46（12）：1481-1497.

［31］CALIER J，PINSON E.An algorithm for solving the job shop problem ［J］.Management Science，1989，35（29）：164-167.

［32］BALAS E.Machine Scheduling via disjunctive graphs：an implicit enumeration algorithm ［J］.Operations Research，1969，17（6）：941-957.

［33］SABUNCUOGLU I，BAYIZ M.Job shop scheduling with beam search［J］.European Journal of Operational Research，1999，118（2）：390-412.

［34］ADMAS J，BALAS E，ZAWACK D.The shifting bottleneck procedure for job shop scheduling［J］.Management Science，1988，34（3）：391-401.

［35］HUANG W Q，YIN A H.An improved shifting bottleneck procedure for the job shop scheduling problem［J］.European Journal of Operational Research，2004，31（12）：2093-2110.

［36］CHANG Y，MATSUO H，SULLIVAN R S.A bottleneckbased beam search for job scheduling in a flexible manufacturing System ［J］.International Journal of Production Research，1989，27（11）：1949-1961.

［37］BIEGEL J E，WINKL J.Expert systems can do job shop scheduling：an exploration and a proposal［J］.Computers and Industrial Engineering，1989，17（1-4）：347-352.

［38］TANG L X，LIU W X，LIU J Y.A neural network model and algorithm for the hybrid flow shop scheduling problem in a dynamic environment［J］.Journal of Intelligent Manufacturing，2005，16（3）：361-370.

［39］ROSSI A，BOSCHI E.A hybrid heuristic to solve the parallel machines job-shop scheduling problem ［J］.Advances in Engineering Software，2009，40（2）：118-127.

［40］GERE W S.Heuristics in job shop scheduling［J］.Management Science，1966，13（8）：167-190.

［41］PANWALKAR S S，ISKANDER W.A survey of scheduling rules［J］.Operation Research，1977，25（1）：45-61.

［42］AYTUG H，LAWLEY M A，MCKAY K，et al.Executing production schedules in the face of uncertainties：a review and some future directions［J］.European Journal of Operation Research，2005，161（1）：86-110.

［43］POTTS C N，STUSEVICH V A.Fifty years of scheduling：a survey of milestone［J］.Journal of the Operational Research Society，2009，60（2）：41-48.

［44］SAYGIN C，KILLICS E.Integrating flexible process plans with scheduling in flexible manufacturing systems［J］.International Journal of Advanced Manufacturing Technology，1999，15（4）：268-280.

［45］SURESH V，CHANDHURI D.Dynamic scheduling-a survey of research［J］.International Journal of Production Economies，1993，32（1）：53-63.

［46］VIERA G E，HERRMANN J W，LIN E.Rescheduling manufacturing systems：a framework or strategies，policies，and methods［J］.Journal of Scheduling，2003，6（1）：39-62.

［47］SHNITS B，RUBINOVITZ J，SINREICH D.Multi-criteria dynamic scheduling methodology for controlling a flexible manufacturing system ［J］.International Journal of Production Research，2004，42（17）：3457-3472.

［48］LAWRENCE S R.，SEWELL E C.Heuristic，optimal，static and dynamic schedules when processing times are uncertain［J］.Journal of Operations Management，1997，15（1）：71-82.

［49］SHOBRYS D E，WHITE D C.Planning，scheduling and control systems：why can them not work together［J］.Computers and Chemical Engineering，2000，24（2-7）：163-173.

［50］KUMAR M，RAJOTIA S.Integration of process planning and scheduling in a job shop environment［J］.International Journal of Advanced Manufacturing Technology，2006，28（1／2）：109-116.

［51］SHAO X Y，LI X Y，GAO L，et al.Integration of process planning and scheduling-a modified genetic algorithm-based approach［J］.Computer Operation and Research，2009，36（6）：2082-2096.

［52］LI Xinyu.Research on the solution methods of integrated process planning and scheduling［D］.Wuhan：Huazhong University of Science and Technology，2011（in Chinese）.［李新宇.工艺规划与车间调度集成问题的求解方法研究［D］.武汉：华中科技大学，2009.］

［53］LI X Y，SHAO X Y，ZHANG C Y.Mathematical modeling and evolutionary algorithm-based approach for integrated process planning and scheduling［J］.Computers and Operation Research，2010，37（4）：656-667.

［54］CHRYSSOLOURIS G，CHAN S，COBB W.Decision making on the factory floor：an integrated approach to process planning and scheduling［J］.Robotics and Computer-Integrated Manufacturing，1984，1（3／4）：315-319.

［55］SHEN W，WANG L，HAO Q.Agent-based distributed manufacturing process planning and scheduling：a state-ofthe-art survey［J］.IEEE Transactions on Systems，Man and Cybernetics，Part C：Applications and Reviews，2006，36（4）：563-577.

［56］GAO Liang，LI Xinyu.Current researches on integrated process planning and scheduling［J］.China Mechanical Engineering，2011，22（8）：1001-1009（in Chinese）.［高 亮，李新宇.工艺规划与车间调度集成研究现状及进展［J］.中国机械工程，2011，22（8）：1001-1009.］

［57］PHANDEN R K，JAIN A，VERMA R.Integration of process planning and scheduling：a state-of-the-art review［J］.International Journal of Computer Integrated Manufacturing，2011，24（6）：517-534.

［58］WANG L H，SHEN W M，HAO Q.An overview of distributed process planning and its integration with scheduling［J］.International Journal of Computer Applications in Technology，2006，26（1／2）：3-14.

［59］TAN W，KHOSHNEVIS B.Integration of process planning and scheduling—a review ［J］.Journal of Intelligent Manufacturing，2000，11（1）：51-63.

［60］KUMAR M，RAJOTIA S.Integration of scheduling with computer aided process planning［J］.Journal of Materials Processing Technology，2003，138（1-3）：297-300.

［61］LARSEN N E，ALTING L.Dynamic planning enriches concurrent process and production planning［J］.International Journal of Production Research，1992，30（8）：1861-1876.

［62］LARSEN N E.Method for integration of process planning and production planning［J］.Journal of Computer Integrated Manufacturing，1993，6（1／2）：152-162.

［63］KRUTH J P，DETAND J.A CAPP system for nonlinear process plans ［J］.Annals of the CIRP，1992，41（1）：489-492.

［64］KHOSHNEVIS B，CHEN Q M.Integration of process planning and scheduling functions ［J］.Journal of Intelligent Manufacturing，1990，2（3）：165-176.

［65］ZHANG H C.IPPM-A prototype to integrated process planning and job shop scheduling functions［J］.Annals of the CIRP，1993，42（1）：513-518.

［66］ZHANG H C，MALLUR.An integrated model of process planning and production scheduling［J］.International Journal of Computer Integrated Manufacturing，1994，7（6）：356-364.

［67］USHER J M.Evaluating the impact of alternative plans on manufacturing performance［J］.Computers and Industrial Engineering，2003，45（4）：585-596.

［68］HO Y C，MOODIE C L.Solving cell formation problems in a manufacturing environment with flexible processing and routing capabilities［J］.International Journal of Production Research，1996，34（10）：2901-2923.

［69］CAI N，WANG L，FENG H Y.GA-based adaptive setup planning toward process planning and scheduling integration［J］.International Journal of Production Research，2009，47（10）：2745-2766.

［70］MOON C，KIM J，HUR S.Integrated process planning and scheduling with minimizing total tardiness in multi-plants supply chain ［J］.Computers and Industrial Engineering，2002，43（1／2）：331-349.

［71］MOON C，SEO Y.Evolutionary algorithm for advanced process planning and scheduling in a multi-plant［J］.Computers and Industrial Engineering，2005，48（2）：311-325.

［72］MOON C，LEE Y H，JEONG C S，et al.Integrated process planning and scheduling in a supply chain［J］.Computers and Industrial Engineering，2008，54（4）：1048-1061.

［73］LEE H，KIM S S.Integration of process planning and scheduling using simulation based genetic algorithms［J］.International Journal of Advanced Manufacturing Technology，2001，18（8）：586-590.

［74］KIM Y K，PARK K，KO J.A symbiotic evolutionary algorithm for the integration of process planning and job shop scheduling［J］.Computers and Operations Research，2003，30（8）：1151-1171.

［75］QIAO L H，LYU S P.An improved genetic algorithm for integrated process planning and scheduling［J］.International Journal of Advanced Manufacturing Technology，2012，58（5-8）：727-740.

［76］KUMAR R V，TIWARI M K，SHANKAR R.Scheduling of flexible manufacturing systems：an ant colony optimization approach ［J］.Mechanical Engineers Part B：Engineering Manufacturing，2003，217（1）：1443-1453.

［77］WEINTRAUB A，CORMIER D.HODGSON T，et al.Scheduling with alternatives：a link between process planning and scheduling［J］.IIE Transactions，1999，31（11）：1093-1102.

［78］BRANDIMARTE P，CALDERINI M.A hierarchical bicriterion approach to integrated process plan selection and job shop scheduling［J］.International Journal of Production Research，1995，33（1）：161-181.

［79］LI W D，MCMAHON C A.A simulated annealing-based optimization approach for integrated process planning and scheduling［J］.International Journal of Computer Integrated Manufacturing，2007，20（1）：80-95.

［80］GUO Y W，LI W D，MILEHAM A R，et al.Application of particle swarm optimization in integrated process planning and scheduling［J］.Robotics and Computer-Integrated Manufacturing，2009，25（2）：280-288.

［81］GUO Y W，LI W D，MILEHAM A R，et al.Optimization of integrated process planning and scheduling using aparticle swarm optimization approach ［J］.International Journal of Production Research，2009，47（14）：3775-3796.

［83］LIAN K L，ZHANG C Y，GAO L，et al.Integrated process planning and scheduling using an imperialist competitive algorithm ［J］.International Journal of Production Research，2012，11（1）：79-89.

［84］ZIJIM W H M.The integration of process planning and shop floor scheduling in small batch part manufacturing［J］.Annals of the CIRP，1995，44（1）：429-432.

［85］TAN W，KHOSHNEVIS B.A linearized polynomial mixed integer programming model for the integration of process planning and scheduling［J］.Journal of Intelligent Manufacturing，2004，15（4）：593-605.

［86］CHANG H C，CHEN F F.A Dynamic programming based process planning selection strategy considering utilization of machines［J］.International Journal of Advanced Manufacturing Technology，2002，19（2）：97-105

［87］GAN P Y，LEE K S.Scheduling of flexible-sequenced process plans in a mold manufacturing shop［J］.International Journal of Advanced Manufacturing Technology，2002，20（3）：214-222.

［88］MCDNNELL P，SMITH G，JOSHI S.A cascading auction protocol as a framework for integrating process planning and heterarchical shop floor control［J］.International Journal of Flexible Manufacturing Systems，1999，11（1）：37-62.

［89］WONG T N，LEUNG C W，MAK K L，et al.An agentbased negotiation approach to integrate process planning and scheduling ［J］.International Journal of Production Research，2006，44（7）：1331-1351.

［90］WONG T N，LEUNG C W，FUNG R Y K.Dynamic shop floor scheduling in multi-Agent manufacturing system ［J］.Expert System Application，2006，31（3）：486-494.

［91］WONG T N，LEUNG C W，MAK K L，et al.Integrated process planning and scheduling／rescheduling—an Agentbased approach［J］.International Journal of Production Research，2006，44（18／19）：3627-3655.

［92］FUJI N，INOUE R，UEDA K.Integration of process planning and scheduling using multi-agent learning［C］／／Proceeding of the 41st CIRP Conference on Manufacturing Systems.Berlin，Germany：Springer-Verlag，2008：297-300.

［93］NEJAD H T N，SUGIMURA N，IWAMURA K，et al.Agent-based dynamic process planning and scheduling in flexible manufacturing system［C］／／Proceeding of the 41st CIRP Conference on Manufacturing Systems.Berlin，Germany：Springer-Verlag，2008：269-274.

［94］WANG L H，LIN S K.A multi-Agent based agile manufacturing planning and control system ［J］.Computers and Industrial Engineering，2009，57（2）：620-640.

［95］LI X Y，GAO L，SHAO X Y.An active learning genetic algorithm for integrated process planning and scheduling［J］.Expert Systems with Applications，2012，39（8）：6683-6691.

［96］LI X Y，SHAO X Y，GAO L，et al.An effective hybrid algorithm for integrated process planning and scheduling［J］.International Journal of Production Economics，2010，126（2）：289-298.

［97］LI X Y，ZHANG C Y，GAO L，et al.An Agent-based approach for integrated process planning and scheduling［J］.Expert System Application，2010，37（2）：1256-1264.

［98］SHUKLA S K，TIWARI M K，SON Y J.Bidding-based multi-Agent system for integrated process planning and scheduling a data-mining and hybrid tabu-SA algorithm-oriented approach［J］.International Journal of Advanced Manufacturing Technology，2008，38（1／2）：163-175.

［99］LEUNG C W，WONGT N，MAK K L，et al.Integrated process planning and scheduling by an agent-based ant colony optimization ［J］.Computers and Industrial Engineering，2010，59（1）：166-180.

［100］MISHRA N，CHOUDLHARY A K，TIWARK M K.Modeling the planning and scheduling across the outsourcing supply chain：a chaos-based fast tabu-SA approach［J］.International Journal of Production Research，2008，46（13）：3683-3715.

［101］CHAN F T S，KUMAR R V，TIWARI M K.The relevance of outsourcing and legible strategies in performance optimization of an integrated process planning and scheduling model［J］.International Journal of Production Research，2009，47（1）：119-142.

［102］LI X Y，GAO L，LI W D.Application of game theory based hybrid algorithm for multi-objective integrated process planning and scheduling［J］.Expert Systems with Applications，2012，39（1）：288-297.

［103］GINDY N N，SAAD S M，YUE Y.Manufacturing responsiveness through integrated process planning and scheduling［J］.International Journal of Production Research，1999，37（11）：2399-2418.

［104］JAIN A K，ELMARAGHY H A.Production scheduling／rescheduling in flexible manufacturing ［J］.International Journal of Production Research，1997，35（1）：281-309.

［105］ZANGIACOMI A，ZHIJIAN L，SACCO M，et al.Process planning and scheduling for mass customized shoe manufacturing ［J］.International Journal of Computer Integrated Manufacturing，2004，17（7）：613-621.

［106］CIURANA J，GARCIA R M L，FERRER I，et al.A model for integrating process planning and production planning and control in machining processes［J］.Robotics and Computer-Integrated Manufacturing，2008，24（4）：532-544.

［107］DUŠAN NŠ，JAIKUMAR A，RAMACHANDRA S H，et al.Integration of product design，process planningscheduling，and FMS control using XML data representation［J］.Robotics and Computer-Integrated Manufacturing，2010，26（6）：583-595.