0 引言

    随着计算机技术的迅猛发展，我国柴油机制造企业也加快了信息化建设步伐，本文以柴油机制造企业生产实际为背景，提出了基于制造执行系统（MES）的车间单元调度系统。该系统通过对制造过程中车间层合理调度与控制，来缩短产品生产周期，提高生产资源的利用率，最终提高企业的管理水平和经济效益。

    1 柴油机制造企业MES 系统

    1.1 柴油机制造企业对MES 的需求

    MES（制造执行系统）是美国AMR 公司在上世纪90 年代初提出的，是上层的计划管理系统与底层工业控制之间面向车间层的管理信息系统，目的是为了有效的解决整体优化中生产计划与生产过程的脱节问题。通过现场调研和需求的分析，目前大多数柴油机制造企业已引入大量数控设备，但尚未实现集中管理，各数控车间现场管理混乱，生产状态反馈不准确或不及时，导致车间生产管理变成“黑箱作业”，尤其在生产调度过程中采用人工经验调度，导致设备利用率低下，工人绩效不高，交货期难以保证。由此可见，为了实现柴油机制造企业生产过程的可视化、调度的科学化以及管理的全局优化，MES 是企业资源计划系统和设备控制系统之间不可或缺的桥梁和纽带，是柴油机制造企业信息化建设发展的关键之一。

    1.2 ERP/MES/PCS 信息集成分析

    在柴油机制造企业的信息化建设中，MES 是伴随着经营计划与制造过程的统一而产生的。

    一方面数控设备需要得到来自业务部门的制造数据，包括NC 程序、工艺规程、刀具信息、机床设置信息、图纸信息等，MES可以对来自ERP 软件的生产管理信息进行细化、分解，将来自计划层操作指令传递给底层控制层。

    另一方面，数控设备为业务部门提供实时状况、设备工况、故障报告、生产统计等信息，MES 可以通过采集设备、仪表的状态数据，以实时监控底层设备的运行状态，再经过分析、计算与处理，从而方便、可靠地将控制系统与信息系统整合在一起，并将生产状况及时反馈给计划层。

    2 基于MES 的柴油机制造企业车间单元调度系统设计

    2.1 基于MES 的柴油机制造企业车间单元调度系统框架

    车间调度是生产计划实施过程中的一个关键环节，它不仅影响到企业资源的合理配置，而且还关系到各种与产品生产相似的操作。车间调度的基本思想是：如何在多个不同的生产作业中合理地利用共享资源进行生产，减少生产作业时间，提高企业的经济效益。车间调度的目标是将作业合理地安排到各设备。并合理安排作业的加工次序和加工开始时间，使各种约束条件被满足。

    在充分考虑柴油机制造企业生产实际的基础上，建立了基于MES 的柴油机制造企业车间单元调度系统的基本框架图，如图1 所示。

    图1 柴油机制造企业MES 车间单元调度系统的基本框架

[page]    2.2 车间单元调度系统的功能分析与设计

    根据对单件小批生产及管理流程的分析，并综合技术方案的可行性和经济性因素，车间单元调度系统的功能模块主要包括以下几个方面。

    （1）任务管理模块。该模块的主要功能是接收来自ERP 的生产计划，并根据库存信息和工时定额等因素，进行生产任务的更改、取消和下达操作。

    （2）计划调度模块。该模块的主要功能是根据下达的各项生产任务，及其所对应的工艺信息进行车间资源与制造能力检查，同时根据生产任务中的工件信息进行车间内的单元构建，并应用调度算法，制定车间工序级作业计划，对调度结果可进一步进行人工调整。

    3 柴油机制造企业车间作业调度模型构建及算法

    3.1 柴油机制造企业单元调度问题描述及模型构建

    需要访问一系列相似机器的零件组成零件组，这些零件组在相关单元中被加工处理，柴油机制造企业单元调度就是要解决零件调度和单元调度两大问题。由于柴油机本身价值高，产品复杂，因此，在生产实际中交货期和成本就成为影响其经济效益的关键因素。鉴于此，考虑到实际生产中一些特殊零件需要访问多个生产单元，从而引起单元间移动，本文构建了一个非线性数学模型。该模型可以减少完工时间、单元间移动以及调整成本，有利于提高单元的生产效率。这一调度模型的设计过程。

    3.2 基于TOC 的遗传- 分散搜索混合算法设计

    针对本文提出的柴油机制造企业车间调度模型，提出基于TOC 的遗传- 分散搜索混合算法，将遗传算法与分散搜索算法联合起来，既保证了分散搜索算法的大规模搜索又增强了遗传算法跳出局部最优的能力，同时以约束理论（TOC）引导收敛方向，避免早熟收敛，加快了算法的搜索速度。

    （1）遗传算法（GA）基本原理

    遗传算法（GA）是由美国 Michigan 大学的 Holland 教授提出的，后经由 De Jong，Goldberg 等人归纳总结，形成一类模拟进化算法。遗传算法搜索最优解的方法是模仿生物的进化过程，主要使用选择算子、交叉算子与变异算子来进行不断进化，从而产生一代又一代的种群。具体体现在遗传算法中初始种群的设定，初始种群内的个体之间交叉、 变异、 新个体的产生及种群的更新等方面。

    （2）分散搜索算法（SS）基本原理

    分散搜索算法是最早由Glover 于1977 年提出的用于解决整数规划问题的方法。起初Glover 将分散搜索算法描述为利用一系列初值产生最终解的方法。他介绍了解的相关集以及一系列指标，包括相对于遗传算法等其他算法的随机设计。1998 年Glover 给出了分散搜索算法的新型简化模板，并引起了其他学者的关注，这一模板包含以下五种方法：

    1. 多样性生成方法

    2. 解改进方法

    3. 参考集更新方法

    4. 子集生成方法

    5. 解合并方法

    （3）算法可行性分析

    为了评估文中提出的基于TOC 的遗传- 分散搜索混合算法的性能，使用了Lingo 8.0 将其与分支定界法进行比较，结果表明，文中提出的方法更适合柴油机企业这种复杂而大规模的问题，对单元内零件顺序和单元顺序的排定更具科学性和指导性。本文还对标准的分散搜索算法进行了重复性试验，结果表明，在解决多目标问题时，虽然标准算法采用基于种群的全局搜索策略，较少地利用搜索过程的随机性，提高了搜索的集中性和多样性，然而本文提出的方法既保证了分散搜索算法的大规模搜索又增强了遗传算法跳出局部最优的能力，同时以约束理论（TOC）引导收敛方向，避免早熟收敛，加快了算法的搜索速度。

    4 结束语

    本文结合柴油机制造企业生产的实际，设计了基于MES 的车间单元调度系统。为了保证产品交货期，减少单元间移动次数和机器的调整成本，该系统以成本为目标，建立了一个多目标函数模型，针对该模型的特点进一步设计了算法模块，模块采用基于TOC 的遗传- 分散搜索混合算法对实际调度问题进行求解，使车间单元调度系统更具指导意义。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。