不确定扰动下高维多目标集成式工艺规划与车间调度方法研究

Integrated Process Planning and Scheduling（IPPS）is one of the key problems in manufacturing system. This project is planning to conduct in-depth research on IPPS under uncertain disturbances. Taking many-objective optimization and coping strategies of uncertain disturbance events as the breakthrough points, the correlation mechanism between process planning and scheduling during integrated operation process is revealed. Then the linear bi-level hierarchical optimization model of uncertain IPPS is established considering green, economic and social benefit simultaneously. The logistic regression model is utilized to explore the problem domain knowledge and the minimum contradictory subset calculation method based on correlation information entropy metric is designed to discover the nonlinear relationships among different many-objectives. Based on priori knowledge, multi-archive maintenance mechanism and immune principle, a knowledge-driven and efficient integrated optimization method is constructed to generate non-dominated solution set as alternative scheme by offline learning. Combining the subjective uncertain demands in the production field to make optimal decision, the data value of the alternative scheme is deeply explored. Then the two-stage dynamic controlling method of “re-decision/re-scheduling” is constructed to quickly generate efficient, low carbon and stable schemes, which will give full play to the advantages brought by IPPS. The project will provide an effective way for the production management of process planning and scheduling, benefit the sustainable development of the manufacturing industry and promote the practical application of the theoretical achievement.

集成式工艺规划与车间调度（IPPS）问题是我国制造系统生产中亟需解决的关键问题之一。本项目围绕不确定扰动下的IPPS问题，以高维多目标优化及不确定扰动事件应对策略为切入点，揭示工艺规划与车间调度集成运行的关联机制，构建兼顾绿色、经济和社会效益的不确定IPPS双层递阶结构优化模型；基于逻辑回归模型挖掘问题领域知识，设计基于相关信息熵度量的最小矛盾子集计算方法，揭示高维多目标之间的非线性关系；基于先验知识、多档案维护机制以及免疫原理构建知识驱动的高效集成优化方法，离线学习获取非支配解集作为备选方案；结合生产现场主观不确定需求优选决策，深度探寻备选方案集的数据价值，构建“重决策-重调度”两阶段动态调控方法，快速生成高效、低碳、平稳的调控方案，充分发挥工艺规划与车间调度集成优化的优势。研究成果为工艺规划与车间调度的生产管理提供一种新途径，有利于制造业的可持续发展，促进研究理论的实际应用。

集成式工艺规划与车间调度（IPPS）问题是我国制造系统生产中亟需解决的关键问题之一。本项目围绕不确定扰动下的IPPS问题，以高维多目标优化及不确定扰动事件应对策略为切入点，主要研究不确定扰动下IPPS的内在结构与性质、高效求解方法以及动态调控机制。主要研究内容包括：（1）归纳了不确定扰动事件类型，分析了不确定扰动事件对生产效率、碳排放和客户满意度的影响，确定了不同不确定扰动事件的应对策略，建立了双扰动因素下的车间调度仿真优化模型；（2）建立了综合考虑最小化完工时间、生产过程总碳排放和总拖期指标的数学模型，设计了三种集成式优化求解策略实现两阶段信息交互，计算结果表明提出方法可以有效解决绿色多目标IPPS问题，并应用于某电池包装机械关键零件生产车间的真实案例；（3）建立了以最小化完工时间、工序偏离度、机器偏离度为优化目标的多目标IPPS动态调度数学模型，设计了一种基于事件驱动的预-反应调度方法应对机器故障，结合IPPS问题多柔性的特点，提出了基于工件分类的工艺调整策略，实验结果表明提出的动态调度策略能够有效应对机器故障对调度方案的影响；（4）开发了不确定扰动下IPPS原型系统，实现了对车间工艺、设备、生产过程的可视化管理，将其应用于实际企业生产中，验证了提出动态调控方法的有效性；（5）开发了基于数字孪生的不确定扰动IPPS优化方法，孪生控制平台用于实现人机交互、物理车间、孪生模型和生产计划制定模块之间的信息流通与处理，生产计划制定包括IPPS问题模型的动态构建、工艺适配和生产方案寻优功能。本项目聚焦多目标优化、动态调度等调度优化理论应用于工程实践的痛点，提出了一系列新颖的智能调度理论与高效方法，取得了系统性的研究成果，在智能生产系统领域具有广阔的应用前景。