智能制造 調(diào)度為先
——《制造系統(tǒng)智能調(diào)度方法與云服務(wù)》導(dǎo)讀

張 潔 秦 威

1.東華大學(xué)機(jī)械工程學(xué)院，上海，201620 2.上海交通大學(xué)機(jī)械與動力工程學(xué)院，上海，200240

1 智能調(diào)度是制造系統(tǒng)運(yùn)行優(yōu)化的核心

近年來，隨著大規(guī)模定制和協(xié)同生產(chǎn)模式的發(fā)展，制造企業(yè)需要獲取客戶的個性化定制數(shù)據(jù)和分布式環(huán)境下的車間制造數(shù)據(jù)，實現(xiàn)生產(chǎn)資源的合理配置［1－2］。一些明顯的環(huán)境和產(chǎn)業(yè)變化，使得制造業(yè)的服務(wù)化成為一種世界范圍內(nèi)的新趨勢。這些變化主要表現(xiàn)在以下3個層面：

（1）消費(fèi)行為的轉(zhuǎn)變。終端顧客由傳統(tǒng)的對產(chǎn)品功能的追求，轉(zhuǎn)變?yōu)榛诋a(chǎn)品的更加個性化的消費(fèi)體驗和心理滿足的追求。這使得制造業(yè)的服務(wù)化在制造環(huán)節(jié)更加貼近客戶的需求和心理滿足，最終表現(xiàn)為對客戶服務(wù)價值實現(xiàn)的追求。

（2）企業(yè)間合作和服務(wù)的趨勢。由傳統(tǒng)的單個核心企業(yè)轉(zhuǎn)變?yōu)槠髽I(yè)間密切的合作聯(lián)系，企業(yè)間通過密切的交互行為充分配置資源，形成密集、動態(tài)的企業(yè)服務(wù)網(wǎng)絡(luò)。

（3）企業(yè)模式的轉(zhuǎn)變。世界典型的大型制造企業(yè)紛紛由傳統(tǒng)的產(chǎn)品生產(chǎn)商轉(zhuǎn)變?yōu)榛诋a(chǎn)品組合＋全生命周期服務(wù)的方案解決商。

制造系統(tǒng)智能調(diào)度指利用人工智能技術(shù)，依靠具備自主感知、學(xué)習(xí)、分析、決策和協(xié)調(diào)控制的智能化設(shè)備，結(jié)合互聯(lián)網(wǎng)來進(jìn)行制造企業(yè)生產(chǎn)的動態(tài)協(xié)同自適應(yīng)的管理活動。面對企業(yè)與企業(yè)、車間與車間之間互聯(lián)程度越來越高的復(fù)雜環(huán)境，現(xiàn)代化制造系統(tǒng)正逐漸向大數(shù)據(jù)和智能化系統(tǒng)演變［3］。因此，優(yōu)化智能調(diào)度是企業(yè)快速響應(yīng)市場變化、組織高效生產(chǎn)和滿足用戶多樣化需求的根本途徑［4］，是制造系統(tǒng)運(yùn)行優(yōu)化的核心。只有這樣，才能逐漸降低制造企業(yè)的生產(chǎn)成本，提升排產(chǎn)效果，提高經(jīng)濟(jì)價值。

2 新時代制造業(yè)與云服務(wù)的結(jié)合更緊密

制造業(yè)服務(wù)化所展示的資源整合、價值創(chuàng)造、知識創(chuàng)新等優(yōu)勢越來越明顯［5－6］，因此，相對落后的制造系統(tǒng)調(diào)度方法也逐漸成為制造企業(yè)服務(wù)化過程中的瓶頸。所以新時代的制造業(yè)應(yīng)具有的特點具體如下：數(shù)據(jù)的集成化與更高的共享度，優(yōu)越的調(diào)度優(yōu)化全局性能［7］；針對生產(chǎn)過程中的動態(tài)時間（如設(shè)備故障、訂單變更等）更快的響應(yīng)速度［8］；調(diào)度系統(tǒng)更強(qiáng)勁和更廣泛的可擴(kuò)展性，以應(yīng)對隨時變化的生產(chǎn)環(huán)境［9］。

基于大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)技術(shù)，制造系統(tǒng)結(jié)合智能調(diào)度云服務(wù)，能夠縮短制造車間調(diào)度系統(tǒng)開發(fā)周期，提高業(yè)務(wù)響應(yīng)速度，實現(xiàn)用戶服務(wù)獲取與數(shù)據(jù)共享［10］，與現(xiàn)代制造調(diào)度系統(tǒng)的需求相符合。構(gòu)建基于云服務(wù)的制造系統(tǒng)智能調(diào)度平臺，可實現(xiàn)“按需即用，隨需應(yīng)變”，能夠適應(yīng)現(xiàn)代制造系統(tǒng)服務(wù)化需求，實現(xiàn)多系統(tǒng)的跨區(qū)信息交互、業(yè)務(wù)整合以及海量數(shù)據(jù)存儲和處理［11］，集成和共享面向服務(wù)的體系架構(gòu)，便于實現(xiàn)動態(tài)擴(kuò)展，能產(chǎn)生巨大的經(jīng)濟(jì)效益［12］。

3 制造系統(tǒng)調(diào)度問題研究的結(jié)構(gòu)體系

制造系統(tǒng)調(diào)度問題基于數(shù)學(xué)模型來描述，了解調(diào)度問題的實質(zhì)需要從數(shù)學(xué)模型入手進(jìn)行分析比較。在理解模型的基礎(chǔ)上，使用不同的智能調(diào)度算法求解調(diào)度問題，使得近似化算法求解最大程度上趨于最優(yōu)。結(jié)合云計算技術(shù)，應(yīng)用到智能調(diào)度云服務(wù)體系，以適應(yīng)智能調(diào)度逐漸向云制造轉(zhuǎn)變。多條并行產(chǎn)線或多道工序具有加工能力不同、生產(chǎn)時間不等、生產(chǎn)成本不一致的特征，歸結(jié)為非等效并行調(diào)度問題；為提高調(diào)度的柔性，每道工序添加多條加工工藝路線，為選擇一條合理的工藝路線且能生成全部任務(wù)的調(diào)度結(jié)果，產(chǎn)生了多工藝路線作業(yè)車間調(diào)度問題；結(jié)合流水車間調(diào)度問題和并行機(jī)調(diào)度問題，集成產(chǎn)品的批次劃分，構(gòu)成了混合流水車間調(diào)度問題；而面對復(fù)雜產(chǎn)品的裝配過程中多型架、多種零部件、多構(gòu)型的特點，并且裝配過程中可能發(fā)生工時偏差、零件報廢、型架被占用等異常事件，結(jié)合平尾翼裝配過程實例，介紹了混流裝配線智能調(diào)度問題。由于不同產(chǎn)品的制造過程特征不同，產(chǎn)品的生產(chǎn)計劃安排往往需要面向多制造過程進(jìn)行，為保證產(chǎn)品總體進(jìn)度最優(yōu)，面向多車間、多制造過程的調(diào)度模型和算法，開發(fā)出智能調(diào)度算法庫和插件平臺，實現(xiàn)不同調(diào)度算法的集成。為了促進(jìn)小微制造企業(yè)信息化完善，以靈活的方式根據(jù)自身需要選擇合適的服務(wù)，書中給出了制造系統(tǒng)智能調(diào)度云服務(wù)平臺原型系統(tǒng)設(shè)計實例與實現(xiàn)過程。制造系統(tǒng)調(diào)度問題研究的結(jié)構(gòu)體系如圖1所示。

圖1 制造系統(tǒng)調(diào)度問題研究框架Fig.1 Research framework of manufacturing system scheduling problem

4 求解大規(guī)模調(diào)度問題，智能調(diào)度算法提供新思路

由于制造系統(tǒng)中的絕大部分調(diào)度問題均屬于NP-hard組合優(yōu)化問題，在不同的發(fā)展階段，研究的側(cè)重點和手段方法有較大差別。早期解決調(diào)度問題的主要方法為精確方法，包括分支定界法、混合整數(shù)規(guī)劃法、拉格朗日松弛法、分解方法等，它們雖然能夠保證得到全局最優(yōu)解，但對大規(guī)模的問題卻表現(xiàn)出計算量繁復(fù)的劣勢。雖然近似算法中的啟發(fā)式規(guī)則能快速得到問題的解，但解的質(zhì)量通常較差，難以得到全局優(yōu)化結(jié)果，不能很好地對獲得的結(jié)果進(jìn)行次優(yōu)性的定量評估。

20世紀(jì)80年代以來，人們通過模擬或揭示某些自然現(xiàn)象、過程和規(guī)律而產(chǎn)生的人工智能算法，為解決復(fù)雜的組合優(yōu)化問題提供了新的思路和手段。這些算法有的是從生物學(xué)的機(jī)理中受到啟發(fā)而建立的智能算法，如遺傳算法、粒子群算法和蟻群算法等；有的是從物理學(xué)、人工智能的思想中受到啟發(fā)，由傳統(tǒng)的局部搜索算法擴(kuò)展而提出的，如禁忌搜索算法、模擬退火算法等；以及受帝國競爭機(jī)制啟發(fā)而建立的帝國競爭算法。這些智能算法的目的都是解決NP-hard組合優(yōu)化問題的全局最優(yōu)解，并追求求解的快速性。

5 調(diào)度系統(tǒng)云服務(wù)體系——基于云計算的智能調(diào)度

目前關(guān)于云計算，為大眾所廣泛接受的是美國國家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）的定義：一種按使用量付費(fèi)的模式，提供可用的、便捷的、按需的網(wǎng)絡(luò)訪問，進(jìn)入可配置的計算資源共享池，只需投入很少的管理工作。云計算是一種動態(tài)的、易擴(kuò)展的、基于互聯(lián)網(wǎng)的、利用虛擬化技術(shù)為不同用戶提供服務(wù)的計算模式。

云計算基本結(jié)構(gòu)由SOA構(gòu)建層、管理中間層、資源池層和物理資源層構(gòu)成，所具有的能力分別為獲得服務(wù)接口、服務(wù)注冊、服務(wù)查找、服務(wù)訪問和服務(wù)工作流；對虛擬資源情況進(jìn)行實時監(jiān)測以達(dá)到均衡管理云計算資源，以及根據(jù)用戶提交的任務(wù)找到相應(yīng)資源并進(jìn)行部署和管理；應(yīng)用虛擬化技術(shù)，將數(shù)據(jù)中心包含的基礎(chǔ)設(shè)施和硬件資源虛擬為各種虛擬資源，并供給管理中間層對資源分配利用；不同地域數(shù)據(jù)中心的物理資源基礎(chǔ)設(shè)施構(gòu)成云計算硬件的硬件平臺支持。

現(xiàn)代網(wǎng)絡(luò)化先進(jìn)技術(shù)與云計算、物聯(lián)網(wǎng)等技術(shù)相結(jié)合所構(gòu)建出的云制造服務(wù)模式，不僅可以實現(xiàn)資源的跨地區(qū)、跨空間大規(guī)模配置，滿足大規(guī)模復(fù)雜制造任務(wù)的需求，而且其專業(yè)化的服務(wù)平臺可以實現(xiàn)大批量的資源匹配和信息檢索，實現(xiàn)制造資源的智能化配置。云制造服務(wù)把用戶的需求放在價值鏈的頂端，實現(xiàn)了真正的面向服務(wù)、面向需求的架構(gòu)。這種大轉(zhuǎn)變是實現(xiàn)生產(chǎn)型企業(yè)向服務(wù)型企業(yè)轉(zhuǎn)變、實現(xiàn)資源優(yōu)化配置以提高資源利用率的關(guān)鍵。

調(diào)度業(yè)務(wù)具有實時性強(qiáng)、可靠性高、分布廣、一體化程度高等特點。借助云計算的發(fā)展，可以更好地提高調(diào)度智能化和一體化水平。調(diào)度領(lǐng)域具有廣域監(jiān)控與集中管理的特點，通過遠(yuǎn)程訪問代理服務(wù)實現(xiàn)從本地計算機(jī)到遠(yuǎn)程服務(wù)的訪問，提供網(wǎng)絡(luò)文件服務(wù)、節(jié)點冗余管理和并行計算等功能?；谠朴嬎愕恼{(diào)度愿景，是通過調(diào)度數(shù)據(jù)網(wǎng)絡(luò)將分布于各調(diào)度中心的應(yīng)用、數(shù)據(jù)及IT資源整合成一個抽象的、虛擬的和可動態(tài)擴(kuò)展的調(diào)度資源池，以“需則可用”的方式快速為模型管理、實時監(jiān)控與預(yù)警、方式計算、調(diào)度計劃編制、安全校核以及調(diào)度管理等業(yè)務(wù)應(yīng)用提供所需的計算、控制、信息、存儲等各類服務(wù)，從而實現(xiàn)計算能力和海量信息的共享以及應(yīng)用功能的協(xié)同，更好地適應(yīng)未來調(diào)度領(lǐng)域?qū)I(yè)務(wù)融合和多層級、多維度高效協(xié)同的需求。調(diào)度領(lǐng)域采用虛擬化分布式處理、云安全等云計算技術(shù)，具有廣闊的應(yīng)用前景。

6 典型制造系統(tǒng)智能調(diào)度方法

制造系統(tǒng)的產(chǎn)能主要取決于瓶頸工序的生產(chǎn)能力，提高瓶頸工序的計劃與調(diào)度水平能夠優(yōu)化生產(chǎn)資源的配置，改善生產(chǎn)系統(tǒng)的績效。制造系統(tǒng)通常具有多條并行生產(chǎn)線或多道工序，且每道工序有多臺并行設(shè)備生產(chǎn)。由于并行生產(chǎn)線或設(shè)備功能相同，但存在加工能力不同、生產(chǎn)時間不等、生產(chǎn)成本不一致的非等效特征，從而產(chǎn)生了非等效并行機(jī)調(diào)度問題；在日益完善的生產(chǎn)制造系統(tǒng)中，為了提高調(diào)度的柔性，每道工序可以有多條可行的加工工藝路線，則零件能以不同的方式加工，從而產(chǎn)生了多工藝路線作業(yè)車間調(diào)度問題；由于同一種產(chǎn)品作為最小的調(diào)度單元，而實際生產(chǎn)中一種產(chǎn)品包含多個工件，對產(chǎn)品進(jìn)行合理批次劃分進(jìn)而縮短設(shè)備負(fù)載縮短周期，結(jié)合流水車間調(diào)度和并行機(jī)調(diào)度進(jìn)而產(chǎn)生了混合流水車間調(diào)度問題；由于一些大型復(fù)雜產(chǎn)品裝配涉及多副型架、多種零部件供應(yīng)、多構(gòu)型產(chǎn)品混流裝配等多種因素，從而產(chǎn)生了混流裝配線調(diào)度問題。

6.1 非等效并行機(jī)智能調(diào)度方法

非等效并行機(jī)調(diào)度問題，即在多個工件在多臺機(jī)器上加工的基礎(chǔ)上，要求每個工件僅需在某臺機(jī)器上加工一次，它在各臺機(jī)器上的加工時間完全獨(dú)立，使得某個調(diào)度序列的目標(biāo)函數(shù)最優(yōu)，例如最小化最長完工時間。針對帶重入式特征的非等效并行機(jī)動態(tài)調(diào)度問題，滾動時間窗口的大小與窗口工件的數(shù)量可以依據(jù)生產(chǎn)中的實際情況加以確定。采用兩段式編碼策略，完成設(shè)備選擇和確定加工順序，解碼后利用集成PD-SRPT規(guī)則的遞階混合帝國競爭算法，進(jìn)行初始化、同化、交換地位、代價計算、競爭、革命和取優(yōu)過程，對比不同驅(qū)動機(jī)制并綜合，能夠得到混合利用了PDSRPT規(guī)則的遞階混合帝國競爭算法，對在線調(diào)度問題進(jìn)行局部優(yōu)化的同時，兼顧了全局調(diào)度性能，相對于一般的算法，加入基于混沌序列的局部搜索算法后，算法性能有了進(jìn)一步提高。

6.2 多工藝路線作業(yè)車間智能調(diào)度方法

多工藝路線作業(yè)車間智能調(diào)度方法主要分為單目標(biāo)多工藝路線柔性作業(yè)車間調(diào)度問題（flexible job shop scheduling problem with process plan flexibility，F(xiàn)JSP-PPF）方法、多目標(biāo) FJSPPPF方法和批調(diào)度方法。單目標(biāo)主要是以最小化最長完工時間為目標(biāo)，研究問題的建模方法、調(diào)度模型和優(yōu)化算法，目前的建模方法主要有基于染色體種群的建模方法、基于語法的建模方法和混合整數(shù)線性規(guī)劃模型建模方法。在多目標(biāo)優(yōu)化問題中，最優(yōu)解的定義相比單目標(biāo)問題中的定義有較大變化，單一目標(biāo)的比較不適用，需要找到的是包含多個目標(biāo)的妥協(xié)解，在不降低其他目標(biāo)性能的情況下盡量提高一個目標(biāo)的性能，使其成為一個有效解。常見的目標(biāo)有最小化最長完工時間、平均流經(jīng)時間、最大機(jī)器負(fù)載、機(jī)器總負(fù)載、拖期懲罰、設(shè)備空閑時間等。但是，早期大多數(shù)車間調(diào)度問題的研究沒有考慮工件的批量，而在實際生產(chǎn)中工件往往是成批生產(chǎn)的，即構(gòu)成批量生產(chǎn)調(diào)度問題。多工藝批量調(diào)度是柔性作業(yè)車間調(diào)度的擴(kuò)展，工件不僅采用批量生產(chǎn)，而且每種工件具有多條加工路徑。

面向多目標(biāo)優(yōu)化的三階段蟻群調(diào)度算法應(yīng)用于多工藝路線作業(yè)車間調(diào)度問題，采用三層嵌套結(jié)構(gòu)，第一階段為工藝路線選擇層，螞蟻根據(jù)一定的狀態(tài)轉(zhuǎn)移規(guī)則進(jìn)行搜索，得到工藝路線選擇方案；第二階段為機(jī)器指派層，針對工藝路線選擇螞蟻搜索到的每一種工藝路線序列，為各批次的每一道工序指派機(jī)器，第三階段為工序排序?qū)?，針對機(jī)器指派層搜索到的工藝路線序列的每一種機(jī)器指派方案，對工藝路線約束下各機(jī)器的工序進(jìn)行排列，并根據(jù)序列得到排產(chǎn)方案。相比其他調(diào)度方法，應(yīng)用于FJSP-PPF的三階段蟻群算法能夠表現(xiàn)出明顯的優(yōu)越性。

6.3 混合流水車間智能調(diào)度方法

混合流水車間調(diào)度問題（hybrid flow-shop scheduling problem，HFSP）結(jié)合了流水車間調(diào)度問題和并行機(jī)調(diào)度問題，主要分為靜態(tài)調(diào)度和動態(tài)調(diào)度。靜態(tài)調(diào)度中包含訂單分批問題和多目標(biāo)生產(chǎn)調(diào)度問題，由于智能化方法求解效率高、易于融入問題知識和魯棒性強(qiáng)，在求解大規(guī)模復(fù)雜的組合優(yōu)化問題方面具有很好的優(yōu)勢，但基于其自身的不足和優(yōu)勢互補(bǔ)的思想，常考慮將智能化方法和啟發(fā)式方法相結(jié)合。靜態(tài)調(diào)度問題中，一般設(shè)定一個調(diào)度周期的各項參數(shù)事先已知并且在該周期內(nèi)不會改變。但在實際生產(chǎn)過程中，一些參數(shù)會隨著生產(chǎn)活動的進(jìn)行發(fā)生變化，按照確定環(huán)境中建立模型得到的調(diào)度方案在實際生產(chǎn)過程中執(zhí)行時可能不再是最優(yōu)的，通常將這些在實際生產(chǎn)過程中的不確定事件稱為動態(tài)事件或擾動。針對動態(tài)事件影響下的調(diào)度問題通常采用的措施是重調(diào)度，而對重調(diào)度策略的研究主要有完全反應(yīng)式和預(yù)測反應(yīng)式。近年來，群智能方法由于具有較強(qiáng)的通用性和較低的經(jīng)驗依賴性等優(yōu)點，在重調(diào)度中得到了廣泛的重視。

6.4 混流裝配線智能調(diào)度方法

以飛機(jī)平尾翼裝配為例的混流裝配調(diào)度問題具有復(fù)雜的動態(tài)生產(chǎn)環(huán)境，經(jīng)常發(fā)生各種動態(tài)異常事件。由于裝配過程中部分采用人力手工裝配生產(chǎn)模式，裝配過程中經(jīng)常發(fā)生裝配工時偏差事件；裝配過程中可能發(fā)生零部件裝配報廢現(xiàn)象；裝配型架可能會臨時被其他產(chǎn)品訂單緊急占用。所以該類問題具有多道裝配工序、每個工序具備多個裝配站位多構(gòu)型混流裝配、裝配周期長等特點，該類問題可分為正向調(diào)度問題和逆向調(diào)度問題，利用改進(jìn)的兩級遺傳算法對正向調(diào)度問題進(jìn)行求解，利用混合遺傳算法對逆向調(diào)度問題進(jìn)行求解。由自適應(yīng)容忍度驅(qū)動機(jī)制的偏差容忍實驗分析，基于該策略的智能調(diào)度算法在求解混流裝配線調(diào)度問題上表現(xiàn)出優(yōu)異的求解性能。

7 整合統(tǒng)一——智能調(diào)度算法庫應(yīng)用于多制造過程控制管理

飛機(jī)、大型汽輪機(jī)、壓縮機(jī)、發(fā)動機(jī)、大型電力裝備等復(fù)雜裝備的生產(chǎn)制造過程，是由多個跨時空、跨地域的制造系統(tǒng)耦合而實現(xiàn)的分布式復(fù)雜制造過程。大型負(fù)載裝備多為單件小批量生產(chǎn)，其關(guān)鍵零部件復(fù)雜度高、精度高、價值高，整個產(chǎn)品的生產(chǎn)組織一般都是圍繞其關(guān)鍵零部件展開多個不同的制造過程。不同產(chǎn)品制造過程特征不同，因此，產(chǎn)品的生產(chǎn)計劃安排往往需要面向多制造過程進(jìn)行，從而保證產(chǎn)品總體進(jìn)度最優(yōu)。

智能調(diào)度算法庫應(yīng)用于多制造過程控制管理多采用面向?qū)ο蟪绦蛟O(shè)計的思想，充分利用面向?qū)ο缶幊陶Z言的繼承性和多態(tài)性，利用接口開發(fā)技術(shù)定義規(guī)范，利用類的繼承實現(xiàn)父類和子類的層次分解，可以使算法庫具有很好的靈活性和可擴(kuò)展性。利用Microsoft.Net類庫技術(shù)，將調(diào)度算法封裝為類庫中的不同方法，最終形成DLL文件供其他程序調(diào)用。采用三層架構(gòu)來開發(fā)類庫，數(shù)據(jù)層包含SQL Server數(shù)據(jù)庫、專用存檔文件、Excel數(shù)據(jù)文件，通過協(xié)議與過程層相連，包含參數(shù)輸入、問題建模、算法選擇和配置、問題求解和結(jié)果輸出，輸出的結(jié)果通過應(yīng)用程序接口反映到應(yīng)用層，體現(xiàn)在甘特圖、數(shù)據(jù)報表和性能指標(biāo)分析圖中。

生產(chǎn)計劃與調(diào)度算法庫包含5部分功能，首先在問題定義時，結(jié)合調(diào)度問題的特征實現(xiàn)對不同類型調(diào)度問題的歸類，針對每一類問題給出適用的算法以供選擇；建立模型時，定義統(tǒng)一的建模流程，實現(xiàn)建模流程的格式化、規(guī)范化；算法插件封裝，將不同的算法封裝后作為插件，通過統(tǒng)一的接口集成到平臺中。可根據(jù)調(diào)度背景添加和移除算法插件，實現(xiàn)平臺快速配置；在系統(tǒng)輸入輸出上，制定兼容各問題描述的輸入規(guī)范，制定統(tǒng)一的文件存儲格式和圖標(biāo)輸出規(guī)范；基礎(chǔ)功能代碼復(fù)用，實現(xiàn)文件讀寫、甘特圖繪制、數(shù)據(jù)庫訪問、用戶權(quán)限控制等基礎(chǔ)功能的模塊化。

結(jié)合上述方法結(jié)構(gòu)，多制造過程的智能調(diào)度算法庫總的功能實現(xiàn)設(shè)計思路如下：首先進(jìn)行問題定義，選擇問題類別、選擇具體問題、設(shè)定問題參數(shù)、載入問題相關(guān)數(shù)據(jù)；其次設(shè)置算法插件，為各算法建立專有類庫項目；再次建立模型，選擇調(diào)度算法、選擇目標(biāo)函數(shù)、設(shè)定約束條件、設(shè)定算法參數(shù)；最后模型建立完畢后求解算法，執(zhí)行算法，顯示算法中間結(jié)果，對結(jié)果進(jìn)行輸出和保存。基于此，可以借助此實例，從中觀和微觀層面實現(xiàn)產(chǎn)品制造過程的控制與管理，以及企業(yè)生產(chǎn)計劃的閉環(huán)控制。

8 調(diào)度服務(wù)云平臺系統(tǒng)為更多小微型企業(yè)日常調(diào)度服務(wù)提供方案需求

生產(chǎn)計劃與調(diào)度根據(jù)市場的需求和企業(yè)的生產(chǎn)能力，對企業(yè)中的產(chǎn)出產(chǎn)品、產(chǎn)出速度、產(chǎn)出時間、勞動力和設(shè)備配置以及庫存等問題做出預(yù)先的考慮和安排。生產(chǎn)計劃與調(diào)度技術(shù)是企業(yè)生產(chǎn)管理的核心和關(guān)鍵技術(shù)，系統(tǒng)、全面、合理的生產(chǎn)計劃與調(diào)度方法不僅有助于提高制造企業(yè)的整體運(yùn)行效率，而且能為企業(yè)帶來顯著的社會效益和經(jīng)濟(jì)效益。隨著企業(yè)信息化、自動化程度的提高，企業(yè)生產(chǎn)計劃與調(diào)度方案的制定已從過去的人工排產(chǎn)階段進(jìn)入計算機(jī)排產(chǎn)階段。排產(chǎn)算法也由最初的規(guī)則算法拓展到啟發(fā)式規(guī)則、智能算法等多種方法。企業(yè)資源計劃（ERP）、制造執(zhí)行系統(tǒng)（MES）、高級計劃與排程系統(tǒng)（APS）等的出現(xiàn)，使得精確的制造過程管控成為可能。

隨著“互聯(lián)網(wǎng)＋”的浪潮和“大眾創(chuàng)業(yè)”的政策導(dǎo)向，我國出現(xiàn)了大批小微型企業(yè)。相比大型制造企業(yè)的成熟完善，小微型企業(yè)在制造設(shè)備、管理體系、人才配置和資本方面有著較大差距，加之對應(yīng)的制造系統(tǒng)多樣，使其在企業(yè)管理信息化上面臨著投資高、難以找到合適的軟件系統(tǒng)的難點，從而制約了其進(jìn)一步的發(fā)展。云服務(wù)概念的提出，為小微型制造企業(yè)的信息化提供了新的解決思路。通過提供IaaS、PaaS、SaaS等多種不同類型的云制造服務(wù)，以靈活的方式有效地幫助小微制造企業(yè)解決企業(yè)信息化的問題。

制造系統(tǒng)調(diào)度云服務(wù)的核心思想是實現(xiàn)計劃調(diào)度的云端化、層次化、并行化和分布化，其體系由企業(yè)用戶、調(diào)度云服務(wù)平臺、云計算基礎(chǔ)設(shè)施3部分構(gòu)成，關(guān)鍵功能模塊包括數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、調(diào)度算法庫模塊、調(diào)度方案執(zhí)行監(jiān)控模塊、服務(wù)封裝與發(fā)布模塊、用戶在線交互模塊，借助物聯(lián)網(wǎng)、云計算等技術(shù)來實現(xiàn)制造資源和制造能力的共享、協(xié)同與服務(wù)化；實現(xiàn)生產(chǎn)數(shù)據(jù)的合理組織與有效管理，為上層提供可靠可復(fù)用的數(shù)據(jù)資源；通過調(diào)度問題、調(diào)度對象、目標(biāo)約束等不同分類條件，對不同類別的調(diào)度算法實行直觀有效的統(tǒng)一管理和規(guī)范化輸入輸出；實現(xiàn)對制造執(zhí)行過程的把控，達(dá)到數(shù)據(jù)反饋的效果；實現(xiàn)某業(yè)務(wù)目標(biāo)將若干個Web服務(wù)按照一定業(yè)務(wù)邏輯組裝成組合服務(wù)并執(zhí)行；使物理世界與信息世界之間的交互更加順暢等。

9 展望

通過閱讀本書，可以幫助從事智能調(diào)度的科研人員、學(xué)生在熟悉多種制造系統(tǒng)調(diào)度模型異同的基礎(chǔ)上充分了解制造系統(tǒng)調(diào)度方法的發(fā)展過程和適用條件，全面掌握多種制造系統(tǒng)智能調(diào)度算法的原理和應(yīng)用，領(lǐng)略基于云計算的制造系統(tǒng)調(diào)度服務(wù)體系的精髓，由淺入深地充分理解非等效并行機(jī)調(diào)度問題、多工藝路線作業(yè)車間調(diào)度問題、混合流水車間調(diào)度問題、混流裝配線調(diào)度問題的智能調(diào)度方法，以及它們特有的云端化處理技術(shù)的應(yīng)用方法，并結(jié)合面向多制造過程調(diào)度算法庫與制造系統(tǒng)智能調(diào)度云服務(wù)平臺，分別對實際案例進(jìn)行全程模擬，這對掌握智能調(diào)度方法和云服務(wù)技術(shù)具有重要指導(dǎo)意義。

閱讀本書，也可以為從事制造業(yè)調(diào)度設(shè)計和云端化技術(shù)的企業(yè)工作人員提供參考。云服務(wù)概念的提出和云計算、大規(guī)模數(shù)據(jù)處理方法、制造服務(wù)的出現(xiàn)，為小微型企業(yè)的制造提供了新方案。智能調(diào)度作為制造系統(tǒng)運(yùn)行優(yōu)化的核心，將和云技術(shù)結(jié)合得更加緊密，從而呈現(xiàn)出云端化、層次化、并行化和分布化特點。

云端化 計劃調(diào)度算法以遠(yuǎn)程服務(wù)的形式提供，核心調(diào)度算法庫部署在云平臺上，企業(yè)通過遠(yuǎn)程調(diào)用的方式租用相應(yīng)的調(diào)度模塊，來管理車間生產(chǎn)過程。

層次化 實現(xiàn)制造系統(tǒng)調(diào)度云服務(wù)平臺內(nèi)部架構(gòu)的分層設(shè)計，將通過數(shù)據(jù)訪問、調(diào)度算法、對外接口、圖形報表等不同目標(biāo)的功能點進(jìn)行優(yōu)化組合，內(nèi)聚成數(shù)據(jù)訪問層、業(yè)務(wù)邏輯層、用戶服務(wù)層，使得各層間解耦，更加便于系統(tǒng)開發(fā)和提供服務(wù)。

并行化 通過數(shù)據(jù)分區(qū)、算法分解、資源協(xié)調(diào)等方式，將原有的單線程的算法發(fā)放到多處理器多線程上，以實現(xiàn)同時處理大量數(shù)據(jù)，并充分利用云平臺帶來的大量計算資源，加快處理速度。

分布式 通過使用眾多服務(wù)器以可控的成本快速搭建調(diào)度云服務(wù)平臺，同時提供高并發(fā)能力、高吞吐能力、高計算能力、高擴(kuò)展能力、高容錯能力和高可靠性的服務(wù)。

基于物聯(lián)網(wǎng)和云服務(wù)，實現(xiàn)智能設(shè)備之間、人與生產(chǎn)資料之間的互聯(lián)互通，將會使更多企業(yè)產(chǎn)生生產(chǎn)制造變革，逐步走向智能化。隨著人工智能技術(shù)的不斷發(fā)展，應(yīng)用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的方法在智能調(diào)度上的應(yīng)用將更加廣泛和深入，并且結(jié)合多領(lǐng)域（如生物技術(shù)、金融學(xué)、語言學(xué)甚至社會行為學(xué)等）在智能調(diào)度方面的跨學(xué)科研究也將呈現(xiàn)出越來越深入的趨勢。相信未來智能調(diào)度和云服務(wù)將在生產(chǎn)設(shè)備更新、不斷吸引新型技術(shù)的同時，不斷地發(fā)展和變化，并最終能夠在企業(yè)中生根發(fā)芽，引領(lǐng)中國智能制造創(chuàng)造出更多成就，使祖國的工業(yè)發(fā)展更加繁榮昌盛。