离散行业智能制造中的控制优化技术：发展与应用现状

制造业是国民经济的支柱产业，是一个国家国民经济的基础。面对日趋激烈的竞争和全球化的市场需求，制造企业必须考虑各种资源在时间和空间上的优化分配，以降低成本，提高自身的竞争能力。在供应链范围和企业范围内对制造资源和计划进行优化与控制是控制优化技术在离散行业的主要对象。这里主要讨论企业范围内的控制优化技术。

1.企业生产优化与控制

生产计划是企业为实现一个生产目标所进行的一系列的预测和决策活动，它的主要任务是确定企业在一定时期内要生产的产品和生产这些产品所需的资源如原料、设备、人力、财力、能源等，其目的是为了获得高的经济效益。

在过去几十年中，人们对生产计划和调度进行了大量的研究，提出的方法需要和当时的社会生产方式相适应。在“以产品为中心”组织生产的年代，由于是少品种的大量生产，其假设是市场需求和供应能力无限，经济批量法与订货点法是比较好的方法。当市场需求和供应能力无限的假设不再成立，市场供过于求造成大量的生产积压和停滞时，原先的计划和控制方法已不适应新的环境，新的生产计划与调度方法和理念应运而生。这时的物料需求计划（Material Requirement Planning，MRP）、最优生产技术（Optimized Production Technology，OPT）和基于准时制（Just in Time，JIT）的思想获得了巨大的成功。在生产管理步入信息化和集成化的时代，涌现了许多更先进的生产管理理念和方法，制造资源计划（Manufacture Resource Planning，MRPII）、计算机集成制造系统（Computer Integrated Manufacture System，CIMS）、企业资源计划（Enterprise Resource Planning，ERP）、制造执行系统（Manufacture Execution System，MES）以及更多生产计划和调度方法与手段的出现，使生产向更敏捷、更具有柔性、更精细的方向发展。

制造资源计划MRPII 和及时制造JIT是监控生产计划与库存控制的两种流行方法。它们与网络技术、供应链管理和电子商务等相结合，形成了企业资源计划ERP。作为短期计划范畴的分批与调度，在MRPII系统中一般分3个阶段实施。首先，不考虑能力约束，按产品结构逐层分解计算，得出批量计划；其次，调整批量计划以满足静态的能力约束要求，且不考虑项目的优先关系；最后进行作业排序。按这种策略指导生产，由于其所考虑到的具体车间级调度约束是非常有限的，因此，很难保证生成的计划能找到一个可行的具体调度，即容易产生不可行的生产计划；实际生产中以过多的在制品、延长从订货至交货的时间来弥补上述计划方法的不足。生产计划与调度集成优化研究，正是因此而产生。

若一个周期内最多只有两个项目共享一个加工设备，则我们称之为成比例分批与调度问题。如果每个周期的时间长度较短，则PLSP在时间上接近于连续。如果一个生产周期内最多只有一个生产项目，则我们称之为离散分批与调度问题。若一个生产周期内，有多个项目共享一批生产资源，由于此时该设备的生产能力（或可用时间）的分配在整个问题中占有较重要的地位，这种生产计划与调度问题被称为能力分批与调度问题。也有将分批与调度问题划分为有准备状态的分批与调度问题和无准备状态的分批与调度问题。CLSP就属于前者，DLSP属于后者，而根据情况PLSP，既可能属于前者，也可能属于后者。

另一方面，全球市场竞争越来越激烈的一个重要改变，就是市场的销售已经由过去的“以产定销”改为“以销定产”。由于产品的需求变动越来越频繁，产品的更新速度也越来越快，企业必须以用户和市场的需求为导向来安排生产。为满足个性化需求越来越高的消费者，面向订单的生产方式成为主流，定制化生产也从单件小批量生产逐步应用到大规模生产中。因此，现代企业对优质、高效的生产管理的要求也越来越强烈，把注意力转移到敏捷生产、精细生产等少投入多产出的高效生产模式上，即集直接数字控制、监控优化、生产调度、经营决策等功能于一体的综合自动化模式。其中，生产计划与调度是综合自动化系统的核心，对制造业的生产组织和管理起着非常关键的作用。

生产计划和调度问题的研究受到应用数学、运筹学和工程技术等领域科学家的重视，如今，经典调度理论基本成熟，但实际问题和经典问题还是有相当的距离，经典调度理论的一些基本原则对于解决实际问题还是不够的，需要重新考虑和进一步拓展。对于调度问题的NP性质和连续变量动态系统的无确定物理和自然规律，经典理论中的优化方法和技术是难以解决调度问题的。综观过去对生产计划和调度问题的研究，主要方向是将计划和调度问题集成，或者分解为更小的规模以利求解，同时要与企业的组织层和决策层相关联，实现生产高效率、高柔性和高可靠，也得出了不少成果。主要有（刘建国，2008）：

（1）数学规划方法。数学规划方法是将调度问题简化为数学规划模型，采用整数规划、动态规划以及决策分析算法来解决调度最优化或者近似优化问题，属于精确调度方法，也称为优化调度方法。该方法的任务分配和全局性效果比较好，能够求解凸和非凸问题的全局优化，但它对模型的要求很高，对复杂多变的调度问题来说，单一的模型不能够考虑到所有的因素，参数的变化导致算法的重用性很差，以及求解空间大和计算困难等问题。

（2）启发式搜索方法。启发式搜索方法是利用任务无关信息来简化搜索过程，问题求解就是系统化地构造或者查找解，搜索过程包括检查搜索空间、评估可能有解的不同路径以及记录已经搜索到的不同路径操作。

（3）系统仿真方法。系统仿真方法不单纯追求系统的数学模型，它侧重于对系统中运行的逻辑关系进行描述，为所有分配、排序和时间选择等决策的结果提供局部的分析，能够对一个给定的调度用很低的代价进行详细和快速的分析，对各种方案进行对比，从而选择效果最优的调度方法和系统动态参数。

（4）人工智能方法。20世纪80年代以来，人工智能（Artificial Intelligence，AI）逐渐成为调度研究的重要方法，包括智能调度专家系统、约束规划方法和基于多代理系统（Multi-Agent System，MAS）的合作求解方法。

（5）计算智能方法。几种常见的基于计算智能的调度方法主要是人工神经网络、模拟退火、模糊逻辑和进化搜索算法。

2.奥迪汽车（Audi）公司Neckarsulm工厂APS应用案例^[1]

在奥迪公司位于德国的Neckarsulm工厂，每天约有800辆A6系列轿车出厂，销往世界各地。高级计划排产（Advanced Planning & Scheduling）解决方案供应商为该工厂的车间生产线提供了一套全自动的高级计划与排程系统，Neckarsulm工厂期望通过高级计划与排程系统获取和跟踪生产线上每部车辆的制造过程，实现精益生产的提升。

（1）工厂面临存在的问题。与公司成为合作伙伴以前或导入APS之前，Neckarsulm工厂主要通过Excel人工排程，他们面临如下问题：

1）难以根据现有计划准确回答客户交货期；

2）计划确定以后，调整效率低；

3）各种设备与资源制约，难以平衡生产过程；(www.xing528.com)

4）不同型号车型一起生产优化程度低；

5）总装工序多与众多前工序协调困难；

6）无法对非程式化工作进行标准化，这成为提高产品品质的重要障碍之一；

7）很难在工序级别上精确控制产品的成本和利润；

8）一直被设备紧急故障和异常变更所困扰，工作任务排定后，调整很困难；

9）无法与海外工厂更紧密联系，构成更严密的生产计划管理体系。

（2）焊装车间解决方案。在焊装车间里，APS能够帮助工厂实现生产线上的每一个加工单元精确设计、优化组合，使工件加工效率得到提高，可充分满足生产节拍的需求。这些单元可以是制造过程的关键节点，而APS可以作为链接这些节点的一条高效通道，负责将这些加工单元串接起来，贯穿整个生产车间的工艺流程，从而形成一个完整的制造系统。APS通过合理地设置前准备时间和后置时间，帮助车间实现物流输送体系将冲压件、分总成件等零部件准时、适时地运送到工位，协助工位间采用气、电葫芦进行工件传递；在空中，白车身骨架总成则由EMS空中电动车自动从主焊装线传送。

实现了瓶颈工序和关键资源设备的最合适的投入批量，改善计划执行时资源负荷和追求柔性化的工作时间，实现效率化目标。

APS自动制订的生产计划与物料控制方案，可以通过EMS（Electrical Motor System）空中电动车自动传送系统，调整不同的传输速率。实现车身混线传输、柔性化生产。在传送线上采用了LED显示屏（电子看板），可将生产信息和设备状态进行实时显示和报告。焊装后的白车身骨架要通过一条总长120米的白车身总成调整线，该线以滑橇为车身载体与板式链构成一条20个工位的车身调整线，在沿线工位上完成车门、机盖、翼子板等分总成的安装和车身调整、打磨等工序的操作。在这里，每一个车身都要经过一系列精心的调试，保证各项工艺间隙的精确度，经过检验合格后的白车身总成，通过举升机回到空中的车身输送线上，再通过车身识别系统，按照不同车型进行分类，有序地存放在车身储存区内。这些都可以依靠APS系统的强大功能，进行控制和提前计划，按照“一种车型存放在一条储存线”的原则进行车身存放。根据涂装车间的生产安排，存储区会自动地将不同车型的白车身输送至涂装车间的入口，随后空滑橇将按照已规划的路线自动返回到车身调整线的开始端进入下一个生产循环。

（3）涂装生产线解决方案。同一条生产线上生产4种不同平台的车型，通过APS系统完成不同工艺段的自动管理和生产过程的控制。

APS系统可以方便地通过以太网连接到工厂局域网或数据库系统。AVI（自动车身识别系统）控制焊装、车体分配中心、涂装的车体直到车体运送到总装。APS系统可以从AVI系统或FLEX/SFE系统请求生产数据，获得反馈信息。通过合理安排某辆特殊的车体的工序位置和生产进度，使得从车体分配中心过来的相同颜色的车体一起喷涂来提高生产效率。

实现工序级别的生产情况的跟踪与工厂的可视化、透明化管理，提升车间的生产效率和管理水平。

从焊装车间过来的白车身通过车体分配中心BDC进入涂装车间进行电泳、密封和喷涂。处理完后，车身通过车体分配中心送往总装车间做进一步装配。通过由APS系统组成的生产计划和控制管理系统实现了对整个生产过程的全程跟踪。通过使用APS技术，可以很好地了解生产现场中的情况和某个订单的执行情况，可以与IT部门很好地进行信息交换，了解在涂装车间对此车进行的工艺处理过程。

（4）总装车间解决方案。Neckarsulm工厂的总装生产线采用具有适合多车型柔性化混线生产的输送链系统，总装车间共有5条总装生产线，每条流水线增加缓冲区，在出现小问题时，缓冲区可缓冲15分钟，使整个生产线不停止运转；总装线可同时组装3种车型，采用APS系统进行工序和流程排产，实现混线生产，生产效率大为提高。在总装车间装配线的起始工位，APS通过工业端子系统接收来自涂装车间的生产数据并进行分析，这样就可以把每项工作步骤的过程数据（如螺丝钉自动装配站的转矩值或填充高度）合理分配到车辆上。

奥迪的IT项目运营管理负责人Frank Siefert解释说：“引进APS之前，工作人员不得不一次又一次地扫描条形码，条形码只保存了车辆识别号，这不仅浪费时间，也可能因条形码标签太脏等情况而导致错误的发生。”

导入APS，工位时间控制管理精度缩短为秒级，实现了计划立案工时的缩减，工期也缩短了20%。举例来说，假设每个工作人员在每个工位仅用10秒钟来扫描条码，生产线上有250个工位，那么每辆车则会花去20多分钟的非生产性工作时间做这项工作。在Neckarsulm，每天生产下线的车辆约有800辆之多，所以，Siefert说引进APS系统是英明之举，“它极大地提高了生产效率”。除此之外，APS可以对流水线的具体生产步骤做出精准的安排，这样可以减少误差。因此，APS适合应用于严格的工业环境。

奥迪通过采用以APS为核心的生产计划和排产管理系统，实现了多种车型共线生产的柔性化生产方式，提高了生产效率，缩短了新型号的生产周期。因此，采用APS系统的根本原因源于它带来的经济效益。