基于扰动事件的智能车间生产管理系统研究＊

毛柯夫 苑明海 孙 超 裴凤雀 顾文斌

（河海大学机电工程学院，江苏 常州 213002）

车间是制造业的核心和基础单元，车间的智能化成为智能制造首个研究重点。但与欧美等制造业强国相比，我国工厂大都停留在工业2.0和工业3.0阶段，因此我国的智能制造之路必须立足自身，抢抓机遇。强国战略明确提出了智能制造将成为此次战略的主攻方向[1]。智能制造的推进有助于完成车间设备的智能改造，实现车间作业的智能化生产，促进企业合理生产，有效缓解我国“人口红利”消失带来的不利影响[2]。当下，多数企业为正在对车间制造设备进行智能化改进，并引入先进的管理系统对车间调度进行优化管理，取得了一定的成效。但是，实际生产过程中生产要素类型特点各异以及车间扰动的多源性、不确定性为车间的优化调度带来了极大的困难。传统的车间扰动研究依靠扰动假设，构建基于事件或周期的重调度机制具有一定的局限性，难以符合车间的实际生产。汤洪涛等[3]对调度相关历史数据集合进行了基于扰动属性的聚类，合理划分了不同环境下调度决策所产生的数据集合。Al-Hinai N等[4]建立了基于调度鲁棒性和最大完工时间的多目标双阶段混合遗传算法，利用调度周期和设备异常结合驱动重调度。Adibi M A等[5]以随机到达生产任务和设备故障为触发事件，利用变邻域搜索实现触发事件的响应，调度触发事件的发生会自动引发变邻域搜索参数的更新，用于解决车间扰动干扰调度生产的问题。Tian S L[6]将设备故障所代表的异常事件作为重调度的触发点，利用Petri网和蚁群算法为基础，提出一种基于队列控制的自适应调度方法，用于保证操作稳定性和车间生产的正常执行。Li X X等[7]将车间实时订单和设备故障作为重调度触发点，利用融合禁忌搜索的人工蜂群算法解决多类型事件触发重调度问题。任玺悦等[8]人针对多急件插单问题提出了基于自适应的变异算子选择算法，更好地平衡各变异算子的搜索能力。车间扰动的重调度解决方案研究难点在于调度触发机制的选择，主要分为3类：基于调度周期、基于关键事件以及二者混合，由于基于时间的调度根本无法有效解决车间突发事件，因此主要的研究集中在后两类，但是后两类调度会陷入调度有效性和系统稳定性这一对矛盾之中[9]。

针对上述问题，本文提出一种基于扰动事件的智能车间生产管理系统。该系统分为五大功能模块用于对车间制造资源管理以及生产调度。通过融入Esper事件处理引擎，能有效地完成对车间异常扰动事件的监控和处理，通过案例推理模块能有效处理车间扰动，制定基于ICBR的动态车间扰动方案和生产调度策略，通过通讯接口实现与其余系统的信息交互，同时设计友好的人机交互界面建立系统和人员的协同管理，实现车间产出最大化。

1 基于扰动事件的车间资源调度系统的业务流程和总体架构

1.1 总体业务流程

车间业务流程如图1所示，首先车间通过ERP系统接受外界或云平台的订单，调度系统通过监控通讯模块接受ERP分解的车间订单，并交由车间MES系统进行订单管理[10]。MES系统根据订单内容封装调度服务请求信息，发送至生产管理系统的调度模块，模块对服务信息进行解析和算法匹配，最终将有效地调度方案发送至车间MES系统。MES系统对方案进行分解，制定车间具体生产任务，开展生产作业。车间底层的数据采集系统依靠RFID、传感器及PLC等采集设备的实时数据信息，发送至MES系统的数据采集模块，对原始数据进行过滤，将处理后的数据发送至Esper数据处理引擎，利用数据处理引擎制定的异常事件触发机制监控车间异常扰动事件[11]。扰动事件一旦被捕获，会立即发送报告事件，后台通过扰动案例库进行多层次相似度匹配计算，得出动态扰动案例解决方案，并将该方案发送至MES系统调度模块，指导车间生产。

图1 智能车间动态调度平台业务流程图

1.2 扰动评估

MES 能够对采集的生产实时数据进行分析，对生产扰动及时进行车间调度。依据扰动案例的适配度，可以分成3个层级：完全重合层、高度相似层和低相似度层。当车间生产遇到扰动事件之后，设置相似度阈值点 β并计算出最大相似度 σ；若 σ =1，则完成案例的重用，若 β ≤σ＜1，则案例修正方法进行总结归纳，设计一种基于多维相似的案例适配修正算法，确定车间扰动的处理办法；若 σ ＜β，则利用IGASA算法对车间扰动问题进行建模分析，完成车间扰动情况下调度问题重建。

局部相似度计算公式如式（1）所示[12]。

其中：FVi,j表示案例库中编号为i的案例的j属性，fvi,j表示其对应的属性值；FV0,j表示目标案例的j表示案例j属性相似度；n表示子案例库中的案例个数。

将制造资源层、调度方案层、扰动影响层和扰动描述层的局部相似度进行综合分析，可得案例的全局相似度计算公式如式（2）所示[12]。

其中： si m(FVi,FV0)表示案例的全局相似度； α表示案例末端属性的个数；表示末端属性的权重；表示案例的局部相似度。

完全重合层：该层是案例匹配模型的顶层，是最理想的层面。历史案例库存在与目标案例基本完全重合的特例，因此不仅可以重用历史案例中的扰动应对方法，还可以直接使用历史案例的调度数据，直接生成应对扰动的调度方案。

高度相似层：该层是案例匹配模型的第二层，是最普遍的层面，即历史案例库存在与目标案例在高级属性上重合度很高的案例集，可以利用历史案例的扰动解决方法，确定案例扰动的应对策略。由于该层案例匹配重合度降低，因此不能提供具体的调度生产方案，需要结合智能算法进行求解。

低相似度层：该层是案例匹配模型的最底层，该层的出现概率不高。历史案例库中的案例与目标案例相似度很低，宣布基于扰动案例匹配法失效。因此需要重新进行传统的混合驱动模型结合IGASA算法进行动态调度求解。

1.3 系统的总体架构

如图2所示，系统总体架构主要包含数据资源层、车间异常处理层、系统业务管理层以及用户层，具体功能描述如下：

图2 系统总体架构

（1）数据资源层为车间提供基本的生产条件，包含资源感知和车间制造资源，车间制造资源涵盖了设备、软件、人员和调度知识等多个维度，资源感知模块负责车间设备接口与通讯协议的制定以及数据采集设备的管理，并将车间采集的实时数据先清洗，再进行格式转化，随后封装发送至系统数据库进行存储。

（2）车间异常处理层是智能化车间应对车间扰动的重要手段[13]。该层包括3部分，底层是异常事件监控模块，云平台将数据流发送至异常事件处理引擎，该引擎完成对数据流的解算和监控；上层是案例匹配模块，运用本体语言完成对车间异常事件的描述，构建多维度扰动目标案例，利用案例库进行多层次案例匹配，修正结果案例，完成对异常事件的处理。监控通讯接口接收各层级发送的数据信息。

（3）系统业务管理层是整个车间调度系统的操作核心，包括生产调度、车间基础数据管理、知识管理、系统服务管理、设备维修管理及库存管理等多个管理功能模块，该层承上启下，接受用户层的随访指令，调出相同的功能模块，结合其他应用层数据，提供用户所需的数据内容。

（4）系统环境支撑层是智能制造车间基于网络的管理及统筹协调。该层为整个制造网络提供基础软硬件设施，包括各类服务器、终端以及服务器、操作系统等。通过标准的网络通讯协议以及规范的技术，实现多元异构网络的正常通讯和数据交换，该层还包含了两大域，分别是面向有线网络的Web域和面向无线网络的Mobile域。

（5）用户层即服务的终端层。为不同的终端用户提供体验性高的界面服务实现人机交互，用户层的界面必须要简洁、易用且极其稳定。属性，fv0,j表示其对应的属性值；

2 生产管理系统的设计

2.1 开发环境和工具介绍

本系统采用B/S(Browser/Server)架构，结合Esper事件处理引擎作为基础，实现Esper向MES系统的集成，完成车间异常事件监控和处理；使用Matlab实现调度算法的编写，再通过OWL_S和Web Services等技术实现调度算法资源的接入[14]，利用JavaScript来实现PC端应用程序的开发，完成前端页面设计，便于车间操作员更好地管控车间。

本系统是基于NET Framework的开发框架，选用Visual Studio.NET作为开发工具。本系统前台利用HTML，CSS样式表，内容页，JavaScript函数等网页前端技术，后台选择Java作为开发语言，Visual Studio2010.NET 为系统集成开发平台，相应的配置：Web ASP.NET服务开发和应用程序模板，ADO.NET数据库的访问方式等[15]。

2.2 功能模块设计

根据上述架构及功能需求分析，确定本系统的功能模块主要有以下5类：系统管理、车间资源管理、车间数据监控、扰动处理以及生产管理。利用模块化设计思想[16]，建立基于扰动事件的车间调度系统功能模型图如图3所示，各个模块的作用如下：

图3 系统功能模块

（1）系统管理

该模块是保障系统能正常合理运行的关键模块，也是整个调度系统的入口，包括用户管理操作和RFID标签的管理操作。首先，该模块提供了登录管理功能，用户还可以通过手机号或邮箱重设密码；其次，该模块为保障调度系统的安全性，增设了车间人员权限设定，共分3级：普通员工、管理员和超级管理员，层级依次递增，系统根据人员权限，开放操作更改功能的权利。另外，系统管理模块需要完成对RFID标签的注册和回收。最后，该模块提供对系统日志的管理功能，能够有效地定位问题的根源。

（2）车间资源管理

车间资源管理是系统最基础的功能模块。该模块包含了人员、设备以及物料等数据信息的管理功能。人员信息管理模块记录员工的基本信息，有助于企业更清晰地掌握员工的基本信息。车间加工的基本单元模块是设备，因此设备管理需要掌控所有的智能车间设备可加工信息，如数控机床、AGV和机械手等，为生产任务的合理分配打下基础。物料管理主要是对物料清单进行添加和维护，物料清单还原了产品与其组成部件，部件与零件之间的层次结构关系，为车间生产加工提供了清晰的层次关系。

（3）车间数据监控模块

车间数据监控分为数据采集和异常监控两个模块。车间实时信息采集模块利用RFID、传感器、PLC等载体，通过车间无线传感网络和各类通讯协议将车间原始数据采集至MES系统，由MES系统完成对数据的格式统一和封装上传至云平台，完成数据采集和存储。

异常监控和数据采集模块是自上而下的关系。数据为异常情况的监控提供了原料。该模块的本质是分析实时数据是否异常，按照设定规则的处理引擎对数据流进行分析，从而完成对异常的捕获，实现对车间设备、物料消耗、工艺参数以及生产进度的多维监控。

（4）扰动处理

案例推理模块是车间扰动事件的处理模块，通过改进的案例推理技术作为驱动内核，以历史案例库和扰动规则为基础，实现经验重用[17]。因此，该模块的两大子模块分别是案例管理和案例推理。案例管理主要负责案例的添加、修改以及删除操作，而案例推理则包括目标案例的输入、权重输入、案例查询以及扰动策略的修改、评价以及输出。

（5）生产管理

生产管理模块是完成保证车间生产工作顺利完成最直接的保障。该模块主要负责对车间生产活动进行合理的规划和管理，其可分为4个子模块分别为订单管理、生产调度、检验管理和工艺管理。

①订单管理

订单信息反映了车间所需的生产目标，包含了成品数量、交货期以及其余的加工要求，订单管理需要实时更新订单要求，防止产能过剩和不足。

②生产调度

实际工作中的生产调度必须兼顾静态和动态两种[18]。静态调度功能是依赖云平台实现的，首先，将算法资源以及已有的车间调度算法利用Web Service接口技术集成到云平台的算法云服务资源池，将车间调度任务封装通过服务请求发送至云平台，通过云平台内部的算法匹配机制，解算出合理静态调度方案，返回车间MES系统。动态调度方案是依据Esper异常事件处理引擎对于车间异常事件的处理回应，通过案例推理技术，完成车间动态扰动方案的制定。

③检验管理

产品生产加工之后需要检验其质量，检验管理模块主要负责对已加工工件的质量检测工作进行合理分配，并汇总所有工件的质量检测数据，利用规范的检测数据以验证产品是否达标。

④工艺管理

原料加工工艺路线的设计制定依赖于工艺管理模块，不仅如此，工艺管理模块还负责产品工序信息的发布和维护、以及工艺路线的查询等工作。

2.3 基于 UML 的系统建模

在分析了系统业务流程和功能模块的基础上，采用面向对象分析方法，运用建模语言UML，建立系统级用例视图，完成系统开发的业务功能建模，如图4所示。其中的普通员工、管理员和超级管理员是系统业务的参与者，拥有的权限逐级递增。超级管理员拥有管理权限的功能，赋予普通员工和管理员各自的操作权限，普通员工和管理员可以登录系统进行车间生产和信息管理。若用户权限不够，则无法查阅或操作该模块。

图4 生产管理系统用例图

3 系统平台验证

为更好地展示本文系统的业务功能，结合某模具制造车间，对基于扰动事件的智能车间调度系统进行应用验证。以“车间静态调度信息发布→静态调度算法响应→车间异常事件监控→车间扰动案例搜索→案例修正匹配”为主线完成车间动态扰动调度系统的搭建，并实现对本文所提出的模型以及算法有效性的验证。

3.1 系统登录

企业内部员工需要通过输入“工号+密码+用户身份”登录系统。为安全性考虑，禁止游客登录，并将用户的身份分为超级管理员、管理员和员工，不同身份的用户具有不同的操作权限。另外，用户还可以通过手机或邮箱验证，登录或重设密码。

3.2 系统主界面

整个系统主界面的设计采用三分框架模式，即“顶端导航条+左端导航菜单+右端内容展示”。系统管理、车间资源管理、车间数据监控、扰动处理以及生产管理将组成系统主界面的顶级模块，每个顶级模块都配有下拉菜单，当用户点击每个顶级模块的末端子模块时，对应的内容会出现在右端的页面窗口。若用户权限不够，则无法点击该模块。

3.3 车间资源管理

车间资源管理包括车间人员管理、设备管理以及原料管理。以下介绍车间人员和设备管理模块。由于本系统是车间内部生产管理系统，所有登录人员必须是企业员工，员工登录系统前需要完成身份注册。员工注册需要由人事部门完成，当普通员工身份信息注册完成后，可以修改部分个人信息，但是没有修改自己的员工编号和系统使用权限。

车间设备资源管理模块将车间设备按照加工设备、传送设备、动力设备、传感设备、网络设备以及其他设备分成6类。起初由采购部门完成设备信息的添加，将设备信息注册到后台数据库后，可以通过搜索按钮，输入设备ID实现对设备的查询、修改或删除等操作。

3.4 异常事件处理

本系统需要对车间的异常事件进行监控和捕捉，从而更快速地对车间扰动进行合理且有效的处理。如图5所示，右端界面显示设备的实时运行数据以及待加工信息。设备正常运行时，指示灯处于绿色状态，用户可以点击“查看详情”查看设备的具体运行情况，事件处理引擎Esper时刻监控车间的RFID数据流，实现对异常事件的捕获，再通过异常事件处理模块界面进行显示。

图5 异常事件监控正常情况

如图6所示，数控车床区的M3号设备初次加工工件6的监测时间被记录，系统定义的加工阈值已知，若最新监测时间减去初次监测时间超出阈值，则界面数控车床区域的指示灯就会变红，异常事件会以弹窗的形式弹出，只要工件6一直在该工位上，则最新监测时间会一直刷新。

图6 异常事件监控异常情况

3.5 静态调度管理模块

生产调度初始方案的制定需要依靠调度算法模块，首先录入工件生产任务和加工时间信息，确定方案的优化目标，利用服务提交链接，将信息提交至调度管理模块，通过后端对任务进行解析，并选择合适算法对任务进行求解，将最优调度方案传回生产调度模块，系统对调度方案进行解析，生成更为直观的生产调度甘特图，如图7所示。

图7 静态方案制定

3.6 案例推理模块

案例处理模块执行时，需要先录入事件信息。首先，点击事件信息输入，进入车间扰动事件信息输入界面，完成扰动事件的属性信息输入以及权重设计值的确定。

用户可以在案例权重设计页面选择默认权重，也可以对权重进行调整。当事件信息和案例属性权重录入成功后，即可以进行案例检索，系统首先确定案例扰动的类型，选择子案例库，利用多层相似度匹配算法求解目标案例与历史案例的相似度集合，基于相似度值进行降序排列，确定相似案例所处层级和适配方案，检索处理结果如图8所示。

图8 案例检索结果

检索结束后，相似案例集将以表格的形式呈现给用户，用户可以点击表格中的详情链接，查询历史案例的详细信息。扰动处理的应对方案会以甘特图的形式输出，使处理结果更为直观。

4 结语

本文开发了一款基于扰动事件的智能车间生产管理系统，设计了系统的组织架构和业务流程，其主要组成部分包括系统管理、车间资源管理、车间数据监控、扰动处理以及生产管理，并对系统的主要功能界面进行展示，最后验证智能制造车间对异常事件监控处理及生产调度模型的可行性和合理性。