- 相關推薦
一種面向離散生產系統的智能主體仿真方法
引言
目前，基于離散事件動態仿真原理的計算機仿真技術廣泛應用于離散生產系統中生產計劃、資源分配、任務調度、人員安排、物流規劃等決策問題，為提高生產系統的效率發揮著重要作用[1-5]。然而，大多數的生產系統仿真往往把系統中的生產者視為普通的制造資源，而忽略了人的智能行為對生產系統的影響。近年來，針對各種先進制造策略，人工智能技術逐漸應用于生產系統的調度、監控和運行管理中，以期實現系統優化的目標。文獻[6]在研究一種基于Agent 的工藝規劃和調度基礎上提出一種混合合同網協議并將其應用于多主體制造系統的動態車間調度；文獻[7]提出一種遺傳算法并研究了在多Agent 系統中如何應用其解決供應鏈管理中生產分配計劃問題；文獻[8]基于多Agent 系統從生產、控制及軟件工程的角度提出一個復雜的制造過程的分布式層次化生產控制框架;文獻[9]為半導體制造過程中使用的interbay 系統設計了一種基于Agent 的控制架構，并且開發了其所包含的多Agent 之間的協調機制；文獻[10]應用預測Agent，生產Agent 及重分配Agent 解決了準時制生產中生產及分配問題；文獻[11]基于CORBA 總線及面向對象技術實現了多Agent 系統分布式人工智能，并提出多Agent 敏捷車間控制系統。然而上述研究集中在機器智能模型和生產管理控制模型的建立，如何將人工智能技術應用于生產系統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系統中個體生產者的Agent 模型，并在其基礎上提出一種集成Agent 模型、離散生產系統仿真軟件、數據處理軟件和應用軟件開發環境的仿真方法，給出該方法的實現方案和應用案例。
1 生產者智能主體模型
考慮到生產系統中個體生產者不僅有簡單的反應行為，而且有慎思行為以及協作行為，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]構造生產者智能主體模型，該模型由角色、知識、行為三部分構成。角色是特定職責和權力的集合，它定義了生產目標下主體應完成哪些任務，可以使用哪些資源等。知識是主體行為的主要依據。生產系統中的主體知識可分為反應層知識、規劃層知識及協作層知識。主體行為以刺激-反應模型為基礎。首先針對感受器所感知的外界環境信息，然后通過知識搜索模塊和行為匹配模塊得到行為方案，再通過驅動器將行為方案作用于外界環境。下面為生產者智能主體行為模型具體內容：
(1)感受器和驅動器：感受器用于感知主體外部生產系統外界環境狀態變化和內部狀態變化，并將變化傳遞給行為模型。外部環境狀態變化來自于生產系統環境中信息的改變，如資源約束、生產狀態、生產任務等，內部狀態變化則來自于組織中其它主體狀態的變化，可表現為主體的權限變化，協作請求，協作響應，異常報告等。驅動器主要是指將主體行為作用于外界環境的模塊。它可是人機交互接口，也可以各種輔助工具。
(2)反應層行為：若經感受器傳遞的信息滿足反應層的作用規則或條件時，主體不需經過推理，直接按反應規則付諸行動。例如：機器故障時，自動停機并檢查等。
(3)規劃層行為：經傳感器融合處理的信息無法在反應層進行匹配，則需要根據本地知識庫進行一定的推理，作出相應決策，并付諸行動。例如：新訂單到達導致生產任務發生變化，生產主管不得不尋求合適的調度策略。除此之外，主體還可以通過學習，更新自己知識庫。
(4)協作層行為：在某些情況下，經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作層知識進行相應的響應。例如：一般維修工人在維修機器時發現不能成功，從而請求高級維修工人；而高級維修工人響應了該請求，接著兩人協同完成了維修任務。
2 仿真建模過程
基于上述生產者智能主體模型，仿真通過集成Agent 模型、離散生產系統仿真軟件、數據分析和計算軟件以及應用軟件開發環境實現。具體的仿真建模過程如下：
第一步，從生產資源、布局方案、人員狀況、物流狀況等方面收集生產系統生產過程的基本信息，運用離散事件仿真原理，結合所收集信息，應用生產系統仿真軟件建立生產系統生產過程基礎模型。
第二步，從操作、質量監控、調度、計劃、設備管理、維修及工藝管理等方面識別生產系統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作層，規劃層和反應層進行分層歸類，應用仿真軟件二次開發工具或數據處理軟件的智能計算來表達Agent行為，并通過開發集成接口將智能推理過程封裝成一個個智推理行為函數，創建Agent 類包含這些成員函數，最后采用動態鏈接庫（DLL）技術將整個Agent 類封裝成一個DLL。
第三步，在基本生產過程模型的基礎上，運用仿真軟件二次開發工具將Agent DLL 掛接進來，以供仿真程序運行中加載并調用。
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。接著，啟動生產系統生產過程仿真。在仿真運行到需要生產者時，仿真程序根據生產者行為所處的不同層級，執行相應處理邏輯。如果是反應層行為（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 并調用其中的反應行為函數，執行該行為；如果是規劃層行為，仿真自動暫停，主體行為模塊加載Agent DLL，并調用其中已封裝好的智能推理函數自動讀取生產狀態數據進行推理，返回推理結果，并重新啟動仿真程序；如果是協作層行為，則首先針對協作任務通過多主體之間消息傳遞及響應完成溝通、協商過程，然后再依據溝通或協商結果，執行完成任務所需的反應層行為、規劃層行為、或者一般協作行為。最后，仿真運行至設定仿真周期，仿真結束，輸出仿真結果。
4 應用案例分析
為了說明所提出仿真方法的可行性及應用價值，根據某摩托車發動機箱體生產單元基本情況，基于前面提出的建模方法，應用軟件開發環境采用VC6.0，離散生產系統仿真軟件采用Flexsim, 數據處理軟件采用Matlab 建立了面向維修任務的多主體仿真模型如所示。通過改變仿真設置比較了單臺設備失效時“專業化分工”和“人員自治”兩種不同維修策略下的多主體行為及系統績效。其中，“專業化分工”策略由生產單元制定一名專業維修人員負責維修任務，其他人員只負責生產加工任務；“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，負責生產加工任務同時也負責維修任務。
在兩種策略下，故障修復時間計算方法相同：修復時間=維修前等待時間+維修時間。運行仿真，根據仿真輸出數據可知，“專業化分工”策略下仿真周期內，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，平均修復時間60.59863 分鐘；“人員自治”策略下仿真周期內，M10 失效了52 次，其中有11 次是L1 單獨完成維修，其它41 次則是在不同協作伙伴協作下完成維修，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，平均修復時間61.14423 分鐘。兩種策略下維修時間的對比如所示。
仿真結果表明：專業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化分工下更長，卻有更短的維修前等待時間，且修復時間也達到了專業化分工水平；同時不需要專門維修人員, 節省人力資源。因此，仿真結果不僅表明了組織策略對生產系統績效有很大影響，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者個體及組織行為對整個生產系統運行效率的影響機理。
5 結論
針對一般離散生產系統仿真無法表達生產者智能行為及其對生產系統的影響和當前智能主體在離散生產系統仿真中應用的不足，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系統仿真的應用案例。實例研究表明，該方法解決了離散生產系統仿真中人的行為不易表達的難題，為針對生產系統中不同組織策略下生產者個體及組織行為對整個生產系統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，進一步對多主體之間的復雜協作行為進行研究。
中國碩士論文網提供大量免費碩士畢業論文,如有業務需求請咨詢網站客服人員！
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. 在線仿真系統在生產計劃與調度中的應用[J]. 北京航空航天大學學報,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. 智能主體及其應用[M]. 北京：科學出版社, 2000.
[13] 王文杰, 葉世偉. 人工智能原理與應用[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動態協調機制研究[J]. 系統仿真學報, 2007,19(1) ：38～47.
[15] 汪紅兵, 范植華，佘春東. 具有并行約束目標的多主體系統動態角色分配[J]. 計算機研究與發展,2007,44(4) ：693～700.
【一種面向離散生產系統的智能主體仿真方法】相關文章：
面向對象的嵌入式系統設計方法03-18
一種面向固定移動融合的移動控制切換方法03-07
智能機柜監控系統03-04
船舶遠程操縱仿真系統的研究03-07
跳頻通信系統的仿真研究12-05
電力驅動系統逆變器實時仿真03-18
智能樓宇管理系統的應用03-18
智能無線防盜系統的設計03-18