基于多智能体的车间自主调度系统和方法与流程

本发明涉及一种车间调度系统和方法，具体涉及一种基于多智能体的车间自主调度系统和方法。

背景技术：

车间调度是实现生产高效率、高柔性的关键。车间调度一般包含待加工任务集、加工设备集和性能指标集，其目的是根据待加工对象的加工要求，在已有加工设备的基础上，选择一个调度规则，从而使性能指标集(包含一个或者多个性能指标)达到最优。车间调度问题中的待加工对象一般需要一台或多台加工设备按照一定的顺序进行加工，一台设备在某一时间点只能加工一个加工件，一个加工件在某一时间点只能由一台加工设备进行加工，求解最优化诸如时间最短、成本最低等性能指标的调度方案问题属于NP(Non-Deterministic Polynomial,非确定多项式)问题。

作为人工智能领域的研究热点，多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。多智能体系统中的智能体拥有自适应性、学习能力、与环境和其他智能体进行交互的能力，通过适当的结构将智能体组织起来就得到多智能体系统。多智能体系统中的智能体扮演着不同的角色，相互协调，相互配合以完成复杂的任务。

随着车间规模的扩大，约束条件的增多，车间调度的动态复杂性越来越突出。目前，将多智能体系统应用于车间调度时，一般采用管理—资源—任务智能体三层结构，其分别复杂协调工作、管理加工设备资源和接收分发任务。这种将多智能体系统应用于车间调度的方式，实际上只是将车间调度分成了几个模块进行处理，而没有将基本的工件、设备和物流工具作为基本智能单元，无法实现车间自主调度，即无法通过智能体的交互解决车间调度的问题。

基于此，本领域需要新的车间自主调度系统和方法来解决上述问题。

技术实现要素：

为了解决现有技术中的上述问题，即为了实现车间自主调度的问题，本发明提供了一种基于多智能体的车间自主调度系统。

该车间自主调度系统包括：生产信息库、设备信息库、工件智能体组、设备智能体组和物流智能体；

所述生产信息库，配置为存储生产信息；

所述设备信息库，配置为存储生产设备信息；

所述工件智能体组，配置为能够接收生产计划以及从所述生产信息库读取与所接收的生产计划相匹配的生产信息，并将读取到的与所接收的生产计划对应的生产信息发送给所述设备智能体组；

所述设备智能体组，配置为能够接收所述工件智能体组发送的生产信息以及从所述设备信息库读取生产设备信息，并根据读取到的生产设备信息对所述生产计划进行可行性判断；

所述物流智能体，配置为能够执行接收到的所述工件智能体组发送的指令，并能够实时监测其对应的物流工具的工作状态。

在上述车间自主调度系统，所述工件智能体组包括：工件总管智能体、工件分管智能体和工件智能体。

每个所述工件智能体对应一个待加工工件，所述工件智能体能够实时监控所述待加工工件的加工状态，并将所述待加工工件的加工状态数据上传到所述工件分管智能体；

每个所述工件分管智能体，配置为接收所述工件智能体上传的数据，并将所述数据上传到所述工件总管智能体；

所述工件总管智能体，配置为接收所述工件分管智能体上传的数据，从而实时监控车间工件的加工状态。

在上述车间自主调度系统，所述设备智能体组包括：设备总管智能体、设备分管智能体和设备智能体。

每个所述设备智能体对应一个加工设备，所述设备智能体能够实时监控加工设备的工作状态，并将所述加工设备的工作状态数据上传到所述设备分管智能体；

每个所述设备分管智能体，配置为接收所述设备智能体上传的数据，并将所述数据上传到设备总管智能体；

所述设备总管智能体，配置为接收所述设备分管智能体上传的数据，从而实时监控车间的设备状态。

在上述车间自主调度系统，所述工件总管智能体能够接收生产计划以及从所述生产信息库读取与所接收生产计划相匹配的生产信息，并将读取到的生产信息发送给所述设备总管智能体；

所述设备总管智能体接收所述工件总管智能体发送的生产信息以及从所述设备信息库读取生产设备信息，并根据读取到的生产设备信息对所述生产计划进行可行性判断；

所述生产信息库存储的生产信息包括生产内容信息、生产约束信息和优化目标信息；所述设备信息库存储的生产设备信息包括生产设备的基本信息和生产信息。

在上述车间自主调度系统，该系统还包括：

行为记录库，配置为接收所述工件分管智能体和所述设备分管智能体发送的在生产过程中产生的数据；

决策支持库，配置为存储决策支持信息，所述决策支持信息包括调度策略、评价信息和异常问题解决方案；并且所述决策支持库能够根据所述行为记录库存储的数据进行更新。

在上述车间自主调度系统，所述设备总管智能体根据读取到的生产设备信息判断生产计划可行时，所述设备总管智能体将每个所述设备分管体对应的生产设备信息发送给所述工件总管智能体，所述工件总管智能体根据每个所述设备分管智能体的生产设备信息将生产计划分解为各个生产任务，并下放所述生产任务给所述设备分管智能体对应的工件分管智能体；

所述设备总管智能体根据读取到的生产设备信息判断生产计划不可行时，所述设备总管智能体将生产计划不可行信息反馈给所述工件总管智能体，所述工件总管智能体发出生产计划不可行提示。

在上述车间自主调度系统，所述工件分管智能体接收到生产任务信息后，从所述设备分管智能体获取对应的生产设备信息，并根据所述生产设备信息和所述生产任务信息建立任务模型；所述工件分管智能体根据建立的任务模型从所述决策支持库读取调度策略，并将所述任务模型和所述调度策略发送给工件智能体。

在上述车间自主调度系统，所述工件智能体根据接收到的所述任务模型和所述调度策略，计算出最优调度方案，并发送给所述工件分管智能体；所述工件分管智能体将所述最优调度方案发送给所述工件总管智能体，所述工件总管智能体根据接收到的所述最优调度方案对所述生产任务进行重新分配，并对所述重新分配的生产任务进行可行性判断。

在上述车间自主调度系统，所述工件总管智能体判断所述重新分配的生产任务可行时，所述工件总管智能体发送可行性指令到所述工件分管智能体，所述工件分管智能体将所述可行性指令发送给所述工件智能体，所述工件智能体接收所述可行性指令并发送任务指令到所述物流智能体，所述物流智能体接收并执行所述任务指令；所述工件总管智能体判断所述重新分配的生产任务不可行时，所述工件总管智能体发出生产计划不可行提示。

另一方面，本发明还提供了一种基于多智能体的车间自主调度方法，该方法包括下列步骤：

步骤10、通过工件总管智能体接收生产计划并将其发送给设备总管智能体；

步骤20、所述设备总管智能体对所接收的生产计划进行可行性判断；

步骤30、在生产计划可行的情形下，所述工件总管智能体对生产计划进行分解，并下放生产任务给工件分管智能体；

步骤40、所述工件分管智能体根据接收到的生产任务建立任务模型，并根据所述任务模型从决策支持库读取调度策略，进而将所述任务模型和所述调度策略发送给工件智能体；

步骤50、所述工件智能体根据接收到的所述任务模型和所述调度策略，发送任务指令到物流智能体；

步骤60、所述物流智能体执行接收到的指令。

在上述方法中，步骤30还包括：

步骤301、在生产计划不可行的情形下，所述设备总管智能体将生产计划不可行信息反馈给所述工件总管智能体，所述工件总管智能体发出生产计划不可行提示。

在上述方法中，步骤40还包括：

步骤401、所述工件分管智能体接收到生产任务信息后，从所述设备分管智能体获取生产设备信息，并根据所述生产设备信息和所述生产任务信息建立任务模型。

在上述方法中，步骤50还包括：

步骤501、工件智能体对接收到的所述任务模型和所述调度策略进行并行计算得到最优调度策略，并将所述最优调度策略发送给所述工件分管智能体；

步骤502、所述工件分管智能体将所述最优调度方案发送给所述工件总管智能体，所述工件总管智能体根据接收到的所述最优调度方案对所述生产任务进行重新分配，并对所述重新分配的生产任务进行可行性判断；

步骤503、在所述最优调度策略可行的情形下，所述工件总管智能体发送可行性指令到所述工件分管智能体，所述工件分管智能体将所述可行性指令发送给所述工件智能体，所述工件智能体接收所述可行性指令并发送任务指令到所述物流智能体，所述物流智能体接收并执行所述任务指令；

步骤504、在所述最优调度策略不可行的情形下，所述工件总管智能体发出生产计划不可行提示。

综上所述，本发明的车间现场资源分为工件智能体组、设备智能体组和物流智能体组，将单个待加工工件、加工设备以及物流工具均视为智能体，通过智能体之间的相互协作实现生产计划的接收、下放、自主调度和实施。另外，应用多智能体系统相当于引入了多个专家系统，它们之间相互补充、合作，可以将本身复杂的问题简单化，多智能体高效的并行处理能够处理大规模调度问题，提高生产效率和产品质量，降低成本。并且，由于本发明中的智能体覆盖所有的待加工工件、设备和物流工具，因此能够方便地收集到生产过程中的数据，进而监测生产状态和设备运行情况，发生故障及时报警，根据车间环境的变化自适应调整，提高了系统的鲁棒性和可靠性。

附图说明

图1是本发明的基于多智能体的车间自主调度系统的结构示意图；

图2是本发明的基于多智能体的车间自主调度方法的流程图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

本发明公开的基于多智能体的车间自主调度系统，将车间现场涉及到的资源分为工件智能体组、设备智能体组和物流智能体。通过工件智能体组、设备智能体组和物流智能体之间的相互协调和配合，完成从生产计划输入到产品输出的整个过程。

下面结合附图对本发明的技术方案进行详细说明。如图1所示，本发明的基于多智能体的车间自主调度系统主要包括生产信息库、设备信息库、工件智能体组、设备智能体组和物流智能体。

生产信息库配置为存储生产信息。具体地，该生产信息库存储的生产信息主要包括生产内容(例如生产产品种类、生产数量、加工方式、加工时间和工期等)、优化目标(例如整个生产过程能够达到的最小时间、最低能耗等)、生产约束(例如准备时间、提交时间和优先约束等)等信息。

设备信息库配置为存储生产设备信息，具体包括生产设备的基本信息(比如设备的名称、类型、时间等)和设备的生产信息(比如设备的生产速度、精度等)等。

工件智能体组配置为能够接收生产计划以及从生产信息库读取与所接收的生产计划相匹配的生产信息，并将读取到的与所接收的生产计划对应的生产信息发送给设备智能体组。其中，工件智能体组包括工件总管智能体、工件分管智能体和工件智能体。

设备智能体组配置为能够接收工件智能体组发送的生产信息以及从设备信息库读取生产设备信息，并根据读取到的生产设备信息对生产计划进行可行性判断。其中，设备智能体组包括设备总管智能体、设备分管智能体和设备智能体。

物流智能体配置为能够接收并执行工件智能体组发送的指令，并能够实时监测其对应的物流工具的工作状态。其中，每个物流智能体对应一个用于运输待加工工具的物流工具，物流智能体实时监测对应的物流工具的工作状态，并在物流工具发生故障时，及时发出警报提醒。

在本发明的一个实施例中，工件总管智能体和设备总管智能体位于现场控制中心。工件分管智能体和设备分管智能体位于对应的固定区域，即各自所负责的生产区域，并且具有显示、报警、条码或RFID扫描读写、数据存储、有线和无线通信、高性能计算能力以及数据库访问和生产状况监测权限。工件智能体、设备智能体和物流智能体分别通过吸附或夹紧的方式固定在工件、设备和物流工具上，其具有报警、无线通信、数据存储以及低性能的计算能力，并具有监测自身工件或设备状态的权限。

该车间自主调度系统还包括行为记录库和决策支持库。

行为记录库配置为接收工件分管智能体和设备分管智能体发送的在生产过程中产生的数据。具体包括工件智能体组、设备智能体组以及物流智能体在生产过程中产生的数据。

决策支持库配置为存储决策支持信息，该决策支持信息主要包括调度策略、评价信息和异常问题应对策略等。具体地，调度策略包括调度模型、求解方法、求解参数设定、智能体任务分配、执行结果反馈以及评价分数。其中，求解方法包括模型对应的基本运筹学算法、邻域搜索算法和基于代理的算法；评价分数针对不同模型，用来描述算法对于模型的适应程度。评价信息包括智能体控制器、物流工具和加工设备的出错率、生产状态、老化程度等以及加权得到的综合评价分数。异常问题应对策略主要包括出现任务变更、设备故障、智能体故障或原料不足等情况时的处理方案。另外，决策支持库能够根据行为记录库存储的数据进行更新，即随着生产的进行，决策支持信息能够不断更新和扩充。

在本实施例中，将车间分成多个固定区域，每个固定区域设置有相应的工件分管智能体和设备分管智能体来分别管理该固定区域的工件智能体和设备智能体。

每个工件智能体对应一个待加工工件，工件智能体能够实时监控待加工工件的加工状态，并将待加工工件的加工状态数据上传到对应的工件分管智能体；每个设备智能体对应一个加工设备，设备智能体能够实时监控加工设备的工作状态，并将加工设备的工作状态数据上传到对应的设备分管智能体。

每个工件分管智能体配置为接收工件智能体上传的数据，并将数据上传到工件总管智能体。每个设备分管智能体配置为接收设备智能体上传的数据，并将数据上传到设备总管智能体。每个设备分管智能体还能够获取固定区域内的设备的状态信息(如振动、温度、声音等，无法自动获取的通过人工检查并录入)，并将设备的状态信息发送到设备信息库，用于更新设备信息库。

工件总管智能体总管所有与工件相关的智能体，即能够接收工件分管智能体上传的数据，从而实时监控车间工件的加工状态。在监控车间工件的加工状态时，可以通过监控平台来显示车间的生产进度、生产故障灯信息，并将生产过程中出现的状况及时反馈给车间管理人员。工件总管智能体负责接收生产计划以及从生产信息库读取与所接收生产计划相匹配的生产信息，该生产信息包括生产内容信息、生产约束信息和优化目标信息等，并将该生产信息发送给设备总管智能体。

设备总管智能体总管所有设备相关智能体，即能够接收设备分管智能体上传的数据，从而实时监控车间的设备状态，并及时将设备状态信息上报给车间管理人员。设备总管智能体接收工件总管智能体发送的生产信息以及从设备信息库读取生产设备信息，根据车间生产设备信息对生产计划的可行性进行判断，即判断生产设备的条件是否满足生产计划的要求。

设备总管智能体根据读取到的生产设备信息判断生产计划不可行(即生产设备的条件不满足生产计划)时，设备总管智能体将生产计划不可行信息反馈给工件总管智能体，工件总管智能体发出生产计划不可行提示，由计划制定部门重新制定生产计划。

设备总管智能体根据读取到的生产设备信息判断生产计划可行(即生产设备的条件满足生产计划)时，设备总管智能体将每个设备分管体对应的生产设备信息发送给工件总管智能体，工件总管智能体根据每个设备分管智能体的生产设备信息对生产计划进行分解，并下放生产任务给设备分管智能体对应的工件分管智能体。

工件分管智能体接收到下放的生产任务(即分解后的生产计划)后，从负责该固定区域生产设备的设备分管智能体处获取生产设备信息，其包括生产设备的数量、每道工序的生产时间、设备的适用限制、设备之间的缓冲区等等，结合生产任务信息(加工时间、工期等基本信息以及优化目标)建立任务模型。具体而言，工件分管智能体根据生产设备信息和生产任务信息建立的任务模型一般使用<E,R,O>三元组来表示，E代表环境，R代表约束，O代表目标。其中，环境表示车间生产设备环境，其主要包括流水车间、加工车间和开放车间，若有并行设备，上述车间环境都会具有一定的柔性；流水车间中的工件具有确定的相同加工路径，加工车间中的工件具有确定的加工路径，这些加工路径可能相同也可能不同，开放车间没有具体的加工路径，一般不常见；并行设备的添加，使得相同加工路径中的加工节点有多重选择，增加了加工车间的灵活性。约束主要包括任务约束、设备约束和其他约束；任务约束包括提交日期、加工优先级约束任务指定的约束内容；设备约束包括设备应用的工件约束和时间约束，工件在一种设备上加工，但并不是所有同种类设备都能够加工该工件，同时，设备应用的时间点和连续工作的最长时间也有一定的限制；其他约束指除去上述约束之外的其他约束。目标主要是调度要优化的指标，通常是最小化或最大化某个目标函数，一般有最小化制造期、最小化最大延迟时间等目标。

任务模型三元组根据实际情况进行组合，对于具体生产车间，大多数情况下任务三元组都是确定的，即任务模型是可知的。对应的任务模型有成熟的调度算法(如对于确定性加工车间，由Adams、Balas和Zawack提出的转换瓶颈启发式算法，用于求解生产现场较为普遍的最小化制造期的无约束加工车间问题，Nakano和Yamada将传统遗传算法应用于加工车间调度的方法，通过适当的编码，求得尽可能接近最优解的可行解，在这些基础上，与模拟退火、禁忌搜索算法等启发式算法相结合，得到了更加准确或能够求解针对各种约束存在情况下的调度问题的解决方案，近几年的成果包括改进的启发式算法应用，如改进遗传算法、改进人工鱼群算法均取得了良好的成果，这些方法应用性强，能够处理约束和多目标优化问题；对于多智能体结构，基于市场和代理的方法简单易行，虽然精度较其他针对性优化算法差，但其适应性强，能够找到较好的可行解，加上学习机制，可用于处理复杂环境的调度问题；遗传算法及基于代理的方法在一些ERP和MES系统中，例如著名的SAP系统中已有体现；对于其他任务模型不赘述，但一般都能够通过已有算法找到相应的可行解)，这些算法存放在决策支持库中。

工件分管智能体根据建立的任务模型从决策支持库读取调度策略，并将建立的任务模型和读取到的调度策略发送给工件智能体。具体而言，在任务模型建立之后，工件分管智能体首先查询决策支持库中有没有相同的实例，若有相同的实例则直接将该实例中的调度策略发送给工件智能体；若没有相同的实例，则根据任务模型选择对应的调度策略，根据任务模型信息进行调度策略参数的改动，并将得到的调度策略发送给工件智能体；如果没有相同的实例，也没有与任务模型对应的调度策略时，工件分管智能体可以使用基于代理或者是基于知识的方法寻找可行调度策略，并将得到的调度策略发送给工件智能体。

在一个可能的实施方式中，工件分管智能体在决策支持库查询对应的调度策略时，可以按照调度策略算法对任务模型的评价分数由高到底进行选择。

工件智能体根据接收到的任务模型和调度策略，通过多个工件智能体并行计算的方式求取任务分配的最优解，并将得到的最优调度方案发送给工件总管智能体；工件总管智能体根据接收到的最优调度方案对生产任务进行重新分配，并对重新分配的生产任务进行可行性判断。具体地，由于每个固定区域的生产能力不同，工件总管智能体分配给工件分管智能体的生产任务指标可能无法满足该最优调度方案，可能刚好满足该最优调度方案，也可能超出该最优调度方案。因此，工件总管智能体对生产任务进行重新分配，以使得各工件分管智能体所负责的固定区域能够完成生产任务。工件总管智能体将各工件分管智能体所负责区域生产能力信息发送给设备总管智能体并写入生产信息库，检查制造期、延迟等生产任务要求是否满足，当重新分配的生产任务不可行(制造期、延迟等生产任务要求不满足)时，工件总管智能体发出生产计划不可行提示，由管理人员重新制定生产计划。

工件总管智能体判断重新分配的生产任务可行(制造期、延迟等生产任务要求满足)时，工件总管智能体发送可行性指令到工件分管智能体，工件分管智能体将可行性指令发送给工件智能体，工件智能体接收可行性指令并发送任务指令到物流智能体，物流智能体接收并执行该任务指令。具体地，物流智能体将接收的指令发送给物流工具控制器，物流工具控制器控制物流工件将待加工工具运载到指定的加工设备处进行加工，进而依次完成生产任务。工件智能体和设备智能体记录生产过程中得到的数据，并分别上传到工件分管智能体和设备分管智能体暂时存储。在生产过程中出现异常问题时，查询决策支持库中的异常问题应对策略，选择相应的解决方案，当决策支持库中没有该异常问题的解决方案时，此时可以发出警报并提醒车间管理人员。

在生产计划完成后，工件分管智能体和设备分管智能体将接收到的数据和操作信息、异常问题解决方案以及评价信息等存储于行为记录库；决策支持库读取行为记录库中的内容，根据执行情况调整调度策略的评价分数，记录优化后的调度策略参数，读取执行过程中出现的非正常情况并记录解决方案，通过数据分析在数据中挖掘潜在的问题进行故障预警。

另一方面，本发明还提供了一种基于多智能体的车间自主调度方法。该方法包括以下步骤：

步骤10、通过工件总管智能体接收生产计划并将其发送给设备总管智能体。在该步骤中，工件总管智能体对接收的生产计划进行初步分析，获取生产内容信息、生产约束信息和优化目标信息，并将生产内容信息、所述生产约束信息和所述优化目标信息发送给设备总管智能体。

步骤20、设备总管智能体对所接收的生产计划进行可行性判断。在该步骤中，设备总管智能体接收生产内容信息、生产约束信息和优化目标信息以及读取设备信息库，并根据读取到的生产设备信息判断生产计划的可行性。

步骤30、在生产计划可行的情形下，所述工件总管智能体对生产计划进行分解，并下放生产任务给工件分管智能体。具体地，设备总管智能体将各设备分管智能体负责区域的生产能力信息发送给工件总管智能体，由工件总管智能体对生产计划进行分解并下放给工件分管智能体。在生产计划不可行的情形下，设备总管智能体将生产计划不可行信息反馈给所述工件总管智能体，工件总管智能体发出生产计划不可行提示。

步骤40、工件分管智能体根据接收到的生产任务建立任务模型，并根据任务模型从决策支持库读取调度策略，进而将任务模型和调度策略发送给工件智能体。在该步骤中，工件分管智能体接收到生产任务信息后，从设备分管智能体获取生产设备信息，并根据生产设备信息和生产任务信息建立任务模型。具体可参加上文中的描述。

步骤50、工件智能体根据接收到的任务模型和调度策略，发送任务指令到物流智能体。在该步骤中，还进一步包括：

步骤501、工件智能体对接收到的任务模型和调度策略进行并行计算得到最优调度策略，并将最优调度策略发送给工件分管智能体。

步骤502、工件分管智能体将最优调度方案发送给工件总管智能体，工件总管智能体根据接收到的最优调度方案对生产任务进行重新分配，并对重新分配的生产任务进行可行性判断。

步骤503、在最优调度策略可行的情形下，工件总管智能体发送可行性指令到工件分管智能体，工件分管智能体将可行性指令发送给工件智能体，工件智能体接收可行性指令并发送任务指令到物流智能体，物流智能体接收并执行任务指令。

步骤504、在最优调度策略不可行的情形下，工件总管智能体发出生产计划不可行提示。

步骤60，物流智能体执行接收到的指令。具体地，物流智能体将接收的指令发送给物流工具控制器，物流工具控制器控制物流工件将待加工工具运载到指定的加工设备处进行加工，进而依次完成生产任务。

在本实施例中，生产计划完成后，工件分管智能体和设备分管智能体将接收到的数据和操作信息、异常问题解决方案以及评价信息等存储于行为记录库；决策支持库根据行为记录库中的内容，调整调度策略的评价分数，记录优化后的调度策略参数，读取执行过程中出现的非正常情况并记录解决方案，通过数据分析在数据中挖掘潜在的问题进行故障预警。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。