陈大林

(东南大学机械工程学院，江苏 南京 211189)

现代制造生产车间有两个关键任务：工艺路线规划和作业调度[1]。工艺路线是指生产过程中产品零部件从毛坯到成品的加工路线，它是制订零件生产工艺过程和车间任务分配的重要依据，与刀具、机床等车间资源联系紧密。工艺路线规划就是根据企业目标以及生产车间的资源，找出最合适的产品零部件加工工序和加工路线。生产企业通常安排产品零件和工序数量多于设备和工人等资源，避免浪费资源以节省制造成本。作业调度的目的就是为零件合理地分配设备等资源，并根据给定的工序和路线合理地安排加工时间，使得企业的生产效率与效益实现最优化。

作业调度问题是复杂问题，也是NP(nondeterministic polynomial-bounders)问题，随着制造企业的市场环境越来越具有不确定性，以及客户需求不断改变导致订单不断调整，使得作业调度变得更加复杂。因此，很多学者[1-3]将工艺路线规划与作业调度优化分开，单独进行研究，然而这样导致制造系统的灵活性不足，生产效率也较为低下。部分学者[4]尝试一种把工艺路线规划与作业调度集成的方法：为每个工件保留多个工艺路线，作业调度时，根据车间作业实际情况动态选择一条最合适的工艺路线。

近年来，随着分布式人工智能技术的发展，一些智能算法被单独用于工艺路线规划和作业调度。潘全科[5]研究了基于多智能体系统的多目标车间调度问题，建立了多资源、多工艺、多目标的动态调度模型，采用基于周期和事件驱动的调度策略及动态算法，仿真结果表明了算法的可行性和优越性。……