- 相關(guān)推薦
一種面向離散生產(chǎn)系統(tǒng)的智能主體仿真方法
引言
目前，基于離散事件動態(tài)仿真原理的計算機仿真技術(shù)廣泛應(yīng)用于離散生產(chǎn)系統(tǒng)中生產(chǎn)計劃、資源分配、任務(wù)調(diào)度、人員安排、物流規(guī)劃等決策問題，為提高生產(chǎn)系統(tǒng)的效率發(fā)揮著重要作用[1-5]。然而，大多數(shù)的生產(chǎn)系統(tǒng)仿真往往把系統(tǒng)中的生產(chǎn)者視為普通的制造資源，而忽略了人的智能行為對生產(chǎn)系統(tǒng)的影響。近年來，針對各種先進制造策略，人工智能技術(shù)逐漸應(yīng)用于生產(chǎn)系統(tǒng)的調(diào)度、監(jiān)控和運行管理中，以期實現(xiàn)系統(tǒng)優(yōu)化的目標(biāo)。文獻[6]在研究一種基于Agent 的工藝規(guī)劃和調(diào)度基礎(chǔ)上提出一種混合合同網(wǎng)協(xié)議并將其應(yīng)用于多主體制造系統(tǒng)的動態(tài)車間調(diào)度；文獻[7]提出一種遺傳算法并研究了在多Agent 系統(tǒng)中如何應(yīng)用其解決供應(yīng)鏈管理中生產(chǎn)分配計劃問題；文獻[8]基于多Agent 系統(tǒng)從生產(chǎn)、控制及軟件工程的角度提出一個復(fù)雜的制造過程的分布式層次化生產(chǎn)控制框架;文獻[9]為半導(dǎo)體制造過程中使用的interbay 系統(tǒng)設(shè)計了一種基于Agent 的控制架構(gòu)，并且開發(fā)了其所包含的多Agent 之間的協(xié)調(diào)機制；文獻[10]應(yīng)用預(yù)測Agent，生產(chǎn)Agent 及重分配Agent 解決了準(zhǔn)時制生產(chǎn)中生產(chǎn)及分配問題；文獻[11]基于CORBA 總線及面向?qū)ο蠹夹g(shù)實現(xiàn)了多Agent 系統(tǒng)分布式人工智能，并提出多Agent 敏捷車間控制系統(tǒng)。然而上述研究集中在機器智能模型和生產(chǎn)管理控制模型的建立，如何將人工智能技術(shù)應(yīng)用于生產(chǎn)系統(tǒng)建模及仿真的探索還非常缺乏。
針對以上問題，本文提出了一種基于智能主體的仿真方法，建立了描述離散生產(chǎn)系統(tǒng)中個體生產(chǎn)者的Agent 模型，并在其基礎(chǔ)上提出一種集成Agent 模型、離散生產(chǎn)系統(tǒng)仿真軟件、數(shù)據(jù)處理軟件和應(yīng)用軟件開發(fā)環(huán)境的仿真方法，給出該方法的實現(xiàn)方案和應(yīng)用案例。
1 生產(chǎn)者智能主體模型
考慮到生產(chǎn)系統(tǒng)中個體生產(chǎn)者不僅有簡單的反應(yīng)行為，而且有慎思行為以及協(xié)作行為，本文基于INTERRAP 混合主體模型理論[12-13]和基于角色主體建模方法[14-15]構(gòu)造生產(chǎn)者智能主體模型，該模型由角色、知識、行為三部分構(gòu)成。角色是特定職責(zé)和權(quán)力的集合，它定義了生產(chǎn)目標(biāo)下主體應(yīng)完成哪些任務(wù)，可以使用哪些資源等。知識是主體行為的主要依據(jù)。生產(chǎn)系統(tǒng)中的主體知識可分為反應(yīng)層知識、規(guī)劃層知識及協(xié)作層知識。主體行為以刺激-反應(yīng)模型為基礎(chǔ)。首先針對感受器所感知的外界環(huán)境信息，然后通過知識搜索模塊和行為匹配模塊得到行為方案，再通過驅(qū)動器將行為方案作用于外界環(huán)境。下面為生產(chǎn)者智能主體行為模型具體內(nèi)容：
(1)感受器和驅(qū)動器：感受器用于感知主體外部生產(chǎn)系統(tǒng)外界環(huán)境狀態(tài)變化和內(nèi)部狀態(tài)變化，并將變化傳遞給行為模型。外部環(huán)境狀態(tài)變化來自于生產(chǎn)系統(tǒng)環(huán)境中信息的改變，如資源約束、生產(chǎn)狀態(tài)、生產(chǎn)任務(wù)等，內(nèi)部狀態(tài)變化則來自于組織中其它主體狀態(tài)的變化，可表現(xiàn)為主體的權(quán)限變化，協(xié)作請求，協(xié)作響應(yīng)，異常報告等。驅(qū)動器主要是指將主體行為作用于外界環(huán)境的模塊。它可是人機交互接口，也可以各種輔助工具。
(2)反應(yīng)層行為：若經(jīng)感受器傳遞的信息滿足反應(yīng)層的作用規(guī)則或條件時，主體不需經(jīng)過推理，直接按反應(yīng)規(guī)則付諸行動。例如：機器故障時，自動停機并檢查等。
(3)規(guī)劃層行為：經(jīng)傳感器融合處理的信息無法在反應(yīng)層進行匹配，則需要根據(jù)本地知識庫進行一定的推理，作出相應(yīng)決策，并付諸行動。例如：新訂單到達(dá)導(dǎo)致生產(chǎn)任務(wù)發(fā)生變化，生產(chǎn)主管不得不尋求合適的調(diào)度策略。除此之外，主體還可以通過學(xué)習(xí)，更新自己知識庫。
(4)協(xié)作層行為：在某些情況下，經(jīng)傳感器融合處理的信息涉及到多主體或超出了單個主體的本地處理能力，此時主體則需要按協(xié)作層知識進行相應(yīng)的響應(yīng)。例如：一般維修工人在維修機器時發(fā)現(xiàn)不能成功，從而請求高級維修工人；而高級維修工人響應(yīng)了該請求，接著兩人協(xié)同完成了維修任務(wù)。
2 仿真建模過程
基于上述生產(chǎn)者智能主體模型，仿真通過集成Agent 模型、離散生產(chǎn)系統(tǒng)仿真軟件、數(shù)據(jù)分析和計算軟件以及應(yīng)用軟件開發(fā)環(huán)境實現(xiàn)。具體的仿真建模過程如下：
第一步，從生產(chǎn)資源、布局方案、人員狀況、物流狀況等方面收集生產(chǎn)系統(tǒng)生產(chǎn)過程的基本信息，運用離散事件仿真原理，結(jié)合所收集信息，應(yīng)用生產(chǎn)系統(tǒng)仿真軟件建立生產(chǎn)系統(tǒng)生產(chǎn)過程基礎(chǔ)模型。
第二步，從操作、質(zhì)量監(jiān)控、調(diào)度、計劃、設(shè)備管理、維修及工藝管理等方面識別生產(chǎn)系統(tǒng)中個體工作者的基本行為，按本文前面提出Agent 模型對這些行為按協(xié)作層，規(guī)劃層和反應(yīng)層進行分層歸類，應(yīng)用仿真軟件二次開發(fā)工具或數(shù)據(jù)處理軟件的智能計算來表達(dá)Agent行為，并通過開發(fā)集成接口將智能推理過程封裝成一個個智推理行為函數(shù)，創(chuàng)建Agent 類包含這些成員函數(shù)，最后采用動態(tài)鏈接庫（DLL）技術(shù)將整個Agent 類封裝成一個DLL。
第三步，在基本生產(chǎn)過程模型的基礎(chǔ)上，運用仿真軟件二次開發(fā)工具將Agent DLL 掛接進來，以供仿真程序運行中加載并調(diào)用。
3 仿真運行過程
仿真初始化階段，用戶打開自定義的仿真控制界面，啟動仿真軟件，初始化仿真參數(shù)。接著，啟動生產(chǎn)系統(tǒng)生產(chǎn)過程仿真。在仿真運行到需要生產(chǎn)者時，仿真程序根據(jù)生產(chǎn)者行為所處的不同層級，執(zhí)行相應(yīng)處理邏輯。如果是反應(yīng)層行為（例如：機床故障需要停機），則仿真模型中主體行為模塊加載Agent DLL 并調(diào)用其中的反應(yīng)行為函數(shù)，執(zhí)行該行為；如果是規(guī)劃層行為，仿真自動暫停，主體行為模塊加載Agent DLL，并調(diào)用其中已封裝好的智能推理函數(shù)自動讀取生產(chǎn)狀態(tài)數(shù)據(jù)進行推理，返回推理結(jié)果，并重新啟動仿真程序；如果是協(xié)作層行為，則首先針對協(xié)作任務(wù)通過多主體之間消息傳遞及響應(yīng)完成溝通、協(xié)商過程，然后再依據(jù)溝通或協(xié)商結(jié)果，執(zhí)行完成任務(wù)所需的反應(yīng)層行為、規(guī)劃層行為、或者一般協(xié)作行為。最后，仿真運行至設(shè)定仿真周期，仿真結(jié)束，輸出仿真結(jié)果。
4 應(yīng)用案例分析
為了說明所提出仿真方法的可行性及應(yīng)用價值，根據(jù)某摩托車發(fā)動機箱體生產(chǎn)單元基本情況，基于前面提出的建模方法，應(yīng)用軟件開發(fā)環(huán)境采用VC6.0，離散生產(chǎn)系統(tǒng)仿真軟件采用Flexsim, 數(shù)據(jù)處理軟件采用Matlab 建立了面向維修任務(wù)的多主體仿真模型如所示。通過改變仿真設(shè)置比較了單臺設(shè)備失效時“專業(yè)化分工”和“人員自治”兩種不同維修策略下的多主體行為及系統(tǒng)績效。其中，“專業(yè)化分工”策略由生產(chǎn)單元制定一名專業(yè)維修人員負(fù)責(zé)維修任務(wù)，其他人員只負(fù)責(zé)生產(chǎn)加工任務(wù)；“人員自治”策略下，不再制定專門的維修人員，所有人員都具備一定的維修技能，負(fù)責(zé)生產(chǎn)加工任務(wù)同時也負(fù)責(zé)維修任務(wù)。
在兩種策略下，故障修復(fù)時間計算方法相同：修復(fù)時間=維修前等待時間+維修時間。運行仿真，根據(jù)仿真輸出數(shù)據(jù)可知，“專業(yè)化分工”策略下仿真周期內(nèi)，M10 失效了51 次，全部由LR 維修，可以得出其平均維修時間為49.5398 分鐘，維修前平均等待時間為11.05882353 分鐘，平均修復(fù)時間60.59863 分鐘；“人員自治”策略下仿真周期內(nèi)，M10 失效了52 次，其中有11 次是L1 單獨完成維修，其它41 次則是在不同協(xié)作伙伴協(xié)作下完成維修，其中可以得出其平均維修時間為56.64423 分鐘，維修前平均等待時間為4.5 分鐘，平均修復(fù)時間61.14423 分鐘。兩種策略下維修時間的對比如所示。
仿真結(jié)果表明：專業(yè)化分工下維修時間與人員自治下維修時間有顯著性差異，且前者更短；專業(yè)化分工下維修前等待時間與人員自治下維修前等待時間有顯著性差異，且后者更短；兩種策略下的修復(fù)時間無顯著性差異。這說明：人員自治下，維修時間盡管較專業(yè)化分工下更長，卻有更短的維修前等待時間，且修復(fù)時間也達(dá)到了專業(yè)化分工水平；同時不需要專門維修人員, 節(jié)省人力資源。因此，仿真結(jié)果不僅表明了組織策略對生產(chǎn)系統(tǒng)績效有很大影響，而且驗證了所提出的仿真方法可以用來研究不同組織策略下生產(chǎn)者個體及組織行為對整個生產(chǎn)系統(tǒng)運行效率的影響機理。
5 結(jié)論
針對一般離散生產(chǎn)系統(tǒng)仿真無法表達(dá)生產(chǎn)者智能行為及其對生產(chǎn)系統(tǒng)的影響和當(dāng)前智能主體在離散生產(chǎn)系統(tǒng)仿真中應(yīng)用的不足，本文提出一種基于智能主體模型及集成軟件平臺的仿真方法，并給出了一個離散生產(chǎn)系統(tǒng)仿真的應(yīng)用案例。實例研究表明，該方法解決了離散生產(chǎn)系統(tǒng)仿真中人的行為不易表達(dá)的難題，為針對生產(chǎn)系統(tǒng)中不同組織策略下生產(chǎn)者個體及組織行為對整個生產(chǎn)系統(tǒng)運行效率的影響機理的仿真提供了一條新的途徑。今后研究將以此為基礎(chǔ)，進一步對多主體之間的復(fù)雜協(xié)作行為進行研究。
中國碩士論文網(wǎng)提供大量免費碩士畢業(yè)論文,如有業(yè)務(wù)需求請咨詢網(wǎng)站客服人員！
參考文獻
[1] Piera M A, Narciso M, Riera D. Optimization of logistic and manufacturing systems through simulation: Acolored Petri net-based methodology [J]. Simulation-Transactions of the Society for Modeling and SimulationInternational, 2004, 80(3): 121～129.
[2] Li Q, Gong J ,Tang J F, et al.Simulation of the Model of Workers' Assignment in Cellular Manufacturingbased on the Multifunctional Workers[A]. 2012 Chinese Control and Decision Conference, 2012, 1(11):992～996.
[3] Bang J Y, Kim Y D.Hierarchical Production Planning for Semiconductor Wafer Fabrication Based on LinearProgramming and Discrete-Event Simulation [J]. Ieee Transactions on Automation Science and Engineering.2012,7(2): 326-336.
[4] Selen W J , Ashayeri J. Manufacturing cell performance improvement: a simulation study [J]. Robotics andComputer-Integrated Manufacturing, 2001,4(17): 169～176.
[5] 楊建軍, 寇益. 在線仿真系統(tǒng)在生產(chǎn)計劃與調(diào)度中的應(yīng)用[J]. 北京航空航天大學(xué)學(xué)報,2012,35(2) ：215～218.
[6] Wong T N, Leung C W, Mak K L,et al. Dynamic shopfloor scheduling in multi-agent manufacturingsystems[J]. Expert Systems with Applications, 2006,10(31): 486～494.
[7] Kazemi A, Zarandi M H F, Husseini S M M. A multi-agent system to solve the production-distributionplanning problem for a supply chain: a genetic algorithm approach[J]. International Journal of AdvancedManufacturing Technology, 2012, 44(1-2): 180～193.
[8] Monch L.Autonomous and cooperative control of complex manufacturing processes usingmulti-agent-systems [J]. Wirtschaftsinformatik, 2006,48(2): 107～119.
[9] Wang K J, Lin J T, Weigert G.Agent-based interbay system control for a single-loop semiconductormanufacturing fab[J]. Production Planning & Control, 2007,18(2): 74～90.
[10] Davidsson P, Wernstedt F. A multi-agent system architecture for coordination of just-in-time production anddistribution [J]. Knowledge Engineering Review, 2002,17(4): 317～329.
[11] Chan F T S, Zhang J. A multi-agent-based agile shop floor control system [J]. International Journal ofAdvanced Manufacturing Technology, 2002,19(10): 764～774.
[12] 史忠植. 智能主體及其應(yīng)用[M]. 北京：科學(xué)出版社, 2000.
[13] 王文杰, 葉世偉. 人工智能原理與應(yīng)用[M]. 北京：人民郵電出版社, 2004.
[14] 劉林源, 朱海濱, 尚文倩. 基于角色的主體服務(wù)動態(tài)協(xié)調(diào)機制研究[J]. 系統(tǒng)仿真學(xué)報, 2007,19(1) ：38～47.
[15] 汪紅兵, 范植華，佘春東. 具有并行約束目標(biāo)的多主體系統(tǒng)動態(tài)角色分配[J]. 計算機研究與發(fā)展,2007,44(4) ：693～700.
【一種面向離散生產(chǎn)系統(tǒng)的智能主體仿真方法】相關(guān)文章：
面向?qū)ο蟮那度胧较到y(tǒng)設(shè)計方法03-18
一種離散T-S模糊系統(tǒng)穩(wěn)定性分析方法的研究03-07
一種面向固定移動融合的移動控制切換方法03-07
智能機柜監(jiān)控系統(tǒng)03-04
船舶遠(yuǎn)程操縱仿真系統(tǒng)的研究03-07
跳頻通信系統(tǒng)的仿真研究12-05