CN101556474A - 一种实现作业车间实时调度的方法和系统 - Google Patents

Abstract

本发明提供一种实现作业车间实时调度的方法和系统，具体为：A.根据输入的作业车间生产相关数据建立基于生物行为的数据模型；B.利用作业车间生产相关数据为基于生物行为的数据模型计算动态调度参数；C.根据携带有动态调度参数的基于生物行为的数据模型产生调度指令，将产生的调度指令发送给作业车间子系统，并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数；重复执行步骤C，直至完成对作业车间的调度。应用本发明方案，由于在发生扰动时仅计算动态调度参数，可以加快系统对扰动情况的响应速度，满足实时调度的要求，提高企业生产的效率。

Description

一种实现作业车间实时调度的方法和系统

技术领域

本发明涉及自动化技术，特别涉及一种实现作业车间实时调度的方法和系统。

背景技术

随着企业自动化技术的不断发展，目前提出从下达产品订单到产品完成的整个生产过程进行优化管理的目标，即实现制造执行系统(MES，Manufacturing Execution System)。在制造执行系统中，为了提高生产效率、降低生产成本等因素，需要对作业车间的加工过程进行控制，即实现作业车间的实时调度。

对作业车间进行实时调度是一个非常复杂的问题。以离散加工为例，假设作业车间包括m台设备，需要经过n道工序才可以完成一个完整的产品；一台设备具备一个或一个以上的功能，某一种功能可以由一台或一台以上设备完成；某些工序的操作顺序可以调换，某些工序的操作顺序又需要严格执行等等。在上述这种复杂的情况下，如果可以有效地组织m台设备来进行n道工序的加工，就可以较大地提高生产效率或节约生产成本。

现有技术一般将上述问题转化为一个优化问题，通过优化算法获得最优解，并将获得的最优解转化为一系列调度指令，指导作业车间进行加工生产。这里所述的优化算法有很多，比如：遗传算法、模拟退火算法等等。

但实际应用中，作业车间的状态通常是动态变化的，可能发生影响生产的情况，无法按照预期的调度指令正常进行作业。比如：按照某优化算法的结果，设备A执行完工序X之后，需要由设备B执行工序Y。但实际上，当设备A执行工序X时，设备B可能突然发生故障，无法执行后续的工序Y。在上述这种情况下，现有技术一般通过两种方法进行处理：

第一种方法是右移式(Right Shift)调度方法，即发生故障的后续工序全部延迟处理。也就是说，先停止向作业车间发送调度指令，等设备B恢复正常后再继续发送后续的调度指令。

第二种方法是重建式(Regeneration)调度方法，即将发生故障的所有后续工序全部重新进行优化，并按照新的优化结果进行调度。也就是说，如果新的优化结果是由设备C执行工序Y，则直接将调度指令发送给设备C，而不再发送给发生故障的设备B。

在上述的第一种方法中，由于需要消除扰动因素后才能继续执行调度指令，调度系统本身不能根据扰动情况改变调度策略。在这种情况下，如果消除扰动因素需要花费大量时间，整个生产工序都将被延迟，将大大降低企业生产效率。在上述的第二种方法中，虽然可以重新优化而不必等待消除扰动，但由于重新优化的时间一般比较长，导致调度系统对扰动的响应非常缓慢，也很难满足实时调度的需求。

发明内容

有鉴于此，本发明的目的是提供一种作业车间实时调度的方法和实现该方法的系统，可以对扰动情况快速响应，满足实时调度的需求。

对于实现作业车间实时调度的方法，本发明提出的技术方案为：

一种实现作业车间实时调度的方法，该方法包括以下步骤：

A、根据作业车间生产相关数据建立基于生物行为的数据模型；

B、为基于生物行为的数据模型计算动态调度参数；

C、根据携带有动态调度参数的基于生物行为的数据模型产生调度指令，将产生的调度指令发送给作业车间子系统，并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数；重复执行本步骤，直至完成对作业车间的调度。

根据本发明的方法，所述基于生物行为的数据模型为：基于细胞膜的数据模型。

根据本发明的方法，所述基于细胞膜的数据模型用细胞膜演算MC语法进行描述，其中，细胞膜演算语法的描述中包括细胞膜、对象和规则。

根据本发明的方法，所述作业车间生产相关数据包括设备信息、生产过程信息和优化目标信息，所述步骤A为：

根据输入的设备信息、生产过程信息、优化目标信息建立基于细胞膜的数据模型。

根据本发明的方法，所述设备信息包括设备数量、设备完成工序的功能、设备初始化时间、设备完成工序的执行时间、设备之间的传输时间；

所述生产过程信息包括设备之间的传输关系；

所述优化目标信息包括最小加工时间；

所述根据输入的设备信息、生产过程信息、优化目标信息建立基于细胞膜的数据模型为：将设备映射为细胞膜，将设备完成工序的功能、设备初始化时间、设备完成工序的执行时间、设备之间的传输时间映射为规则，将优化目标信息映射为对象。

根据本发明的方法，所述步骤B为：

根据重写逻辑方法验证基于细胞膜的数据模型，获得验证成功的所有执行路径；根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将计算出的动态调度参数保存于基于细胞膜的数据模型中。

根据本发明的方法，所述计算动态调度参数的方法为：将执行路径中当前节点设备到下一节点设备之间的传输时间、下一节点设备初始化时间、下一节点设备完成工序的执行时间以及从下一节点设备到工序终点所花费最小加工时间的总和作为当前节点设备到下一节点设备之间执行路径的动态调度参数。

根据本发明的方法，当计算出动态调度参数之后，所述步骤B进一步包括：

根据计算出的动态调度参数确定最优执行路径，将最优执行路径以及相应的动态调度参数传输给上层调度系统。

根据本发明的方法，步骤C所述根据携带有动态调度参数的基于生物行为的数据模型产生调度指令为：根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，获得重写结果；根据动态调度参数从重写结果中选择出一种，将选择出的重写结果转换成调度命令；

步骤C所述利用扰动信息重新计算动态调度参数为：将扰动信息翻译为细胞膜演算表达式，并利用翻译为细胞膜演算表达式的扰动信息重新计算动态调度参数。

根据本发明的方法，所述将扰动信息翻译为细胞膜演算表达式为：将扰动信息翻译为发生故障设备的细胞膜演算表达式中的设备完成工序的执行时间。

对于实现作业车间实时调度的系统，本发明提出的技术方案为：

一种实现作业车间实时调度的系统，该系统包括：

模型建立模块，根据作业车间生产相关数据建立基于生物行为的数据模型，并将建立的基于生物行为的数据模型发送给初始化模块；

初始化模块，为基于生物行为的数据模型计算动态调度参数，并将携带有动态调度参数的基于生物行为的数据模型发送给实时调度模块；

实时调度模块，根据携带有动态调度参数的基于生物行为的数据模型依次产生调度指令，将产生的调度指令发送给作业车间子系统，直至完成调度；并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数。

根据本发明的系统，所述作业车间生产相关数据包括设备信息、生产过程信息和优化目标信息，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述模型建立模块包括：

设备模型建立子模块，根据设备信息建立针对设备信息的基于细胞膜的数据模型，并将针对设备信息的基于细胞膜的数据模型发送给初始化模块，所述针对设备信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述；

生产过程模型建立子模块，根据生产过程信息建立针对生产过程信息的基于细胞膜的数据模型，并将针对生产过程信息的基于细胞膜的数据模型发送给初始化模块，所述针对生产过程信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述；

优化模型建立子模块，根据优化目标信息建立针对优化目标信息的基于细胞膜的数据模型，并将针对优化目标信息的基于细胞膜的数据模型发送给初始化模块，所述针对优化目标信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述。

根据本发明的系统，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述初始化模块包括：

验证子模块，根据重写逻辑方法验证基于细胞膜的数据模型，并将验证成功的所有执行路径发送给参数计算子模块；

参数计算子模块，根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将携带有动态调度参数的基于细胞膜的数据模型发送给实时调度模块。

根据本发明的系统，所述参数计算子模块进一步用于：

根据计算出的动态调度参数确定最优执行路径，并将最优执行路径以及动态调度参数传输给上层调度系统。

根据本发明的系统，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述实时调度模块包括：

语法翻译器，将来自作业车间子系统的扰动信息翻译为细胞膜演算表达式，并将细胞膜演算表达式传输给重写逻辑单元；

重写逻辑单元，根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，将获得的重写结果输出给选择单元；并在接收到扰动信息时，利用扰动信息重新计算动态调度参数；

选择单元，根据动态调度参数从所有重写结果中选择出一种输出给命令转换器；

命令转换器，将选择出的重写结果转换为调度指令，并发送给作业车间子系统。

由此可见，本发明提出一种实现作业车间实时调度的方法和系统，由于将输入的作业车间生产相关数据建立为基于生物行为的数据模型并计算出动态调度参数，利用携带有动态调度参数的基于生物行为的数据模型产生调度指令给作业车间子系统，所以，在接收到来自作业车间子系统的扰动信息时，只需重新计算动态调度参数即可，而不必像现有技术一样等待消除扰动再进行调度，也不必重新进行优化，从而可以加快系统对扰动情况的响应速度，满足实时调度的要求，提高企业生产的效率。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1是本发明方法实施例一的流程图；

图2是本发明方法实施例二中生产过程信息示意图；

图3是本发明方法实施例二的流程图；

图4是本发明系统实施例一的基本结构示意图；

图5是系统实施例一中模型建立模块的内部结构示意图；

图6是系统实施例一中初始化模型的内部结构示意图；

图7是系统实施例一中实时调度模块的内部结构示意图；

图8是本发明系统实施例二的基本结构示意图。

具体实施方式

本发明的基本思想是：将作业车间生产相关数据利用基于生物行为的数据模型进行建模，并计算出动态调度参数；之后，就可以直接利用携带有动态调度参数的基于生物行为的数据模型依次产生调度指令，并在接收到扰动信息时，重新计算动态调度参数，从而加快对扰动信息的响应，达到实时调度的目的。

图1是本发明实施例实现作业车间实时调度的方法实施例一的流程图。如图1所示，本实施例包括：

步骤101：将作业车间生产相关数据建立为基于生物行为的数据模型。

本步骤中，所述基于生物行为的数据模型主要是利用自然界生命结构以及受到外界刺激产生自发行为的理论而建立的一种数据模型，可以用来模拟复杂的生产工序以及发生扰动时的情况。实际应用中，关于生物行为的数据模型研究很多，比如：基于细胞膜的数据模型、生物生产系统(BMS，Biological Manufacturing Systems)的数据模型等。

其中，基于细胞膜的数据模型可以用细胞膜演算(MC，Membrane Calculus)语法进行描述，所述细胞膜演算语法是一种对复杂事务进行系统化、形式化的描述方式，通过细胞膜演算语法描述的基于细胞膜的数据模型称为细胞膜演算表达式。由于细胞膜演算表达式便于进行数学运算，比如加法、乘法运算等，所以利用细胞膜演算语法描述的基于细胞膜的数据模型属于一种数学模型，其计算速度比其它不便于进行数学运算的数据模型的计算速度要快得多。使用细胞膜演算语法来描述的基于细胞膜的数据模型可以参见下面具体实施例，此处不再赘述。

本步骤所述作业车间生产相关数据是指在作业车间中与产品加工相关的因素，可以包括设备信息和生产过程信息等。其中，设备信息可以指作业车间中设备数量、设备完成工序的功能、设备初始化时间、设备完成某工序的执行时间等等；生产过程信息可以指加工产品所必须的工序、工序之间的约束条件等等。当然，作业车间生产相关数据也可以包括其它信息，比如优化目标信息等，只要是与产品加工相关的因素即可。

细胞膜演算语法的描述中包括细胞膜(Membrane)、对象(Object)和规则(Rule)。建立基于细胞膜的数据模型就是要将各种作业车间生产相关数据分别映射为细胞膜、对象和规则，以采用MC语法进行描述。比如：将设备映射为细胞膜，将设备完成工序的功能、设备初始化时间、设备执行时间等映射为规则，将动态调度参数映射为对象。这里列举的仅仅是一个如何将各种作业车间生产相关数据用MC语法进行描述的简单例子。但实际应用中，还可以建立其它形式的基于细胞膜的数据模型。比如：可以将设备完成工序的功能映射为细胞膜，将工序之间的约束条件映射为规则，将设备初始化时间、执行时间等映射为对象。

总之，本步骤是需要将各种作业车间生产相关数据建立为基于细胞膜的数据模型，至于如何映射为细胞膜、规则和对象则可以由应用本实施例方案的用户自行确定，此处不再赘述。

步骤102：利用作业车间生产相关数据为基于生物行为的数据模型计算动态调度参数。

这里所述的参数为基于生物行为的数据模型中执行路径的权值，可以作为后续调度的依据，所以该参数又可以称为动态调度参数。

计算动态调度参数的方法可以根据不同的基于生物行为的数据模型而不同。以基于细胞膜的数据模型为例，其方法具体可以为：根据重写逻辑(Rewriting Logic)方法验证基于细胞膜的数据模型，获得验证成功的所有执行路径；根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将计算出的动态调度参数保存在基于细胞膜的数据模型中。

这里所述重写逻辑方法是一种通用的并发描述工具，其可以基于代数语义和重写语义来进行描述，还可以采用线性时序逻辑(LTL，Linear Temporal Logic)进行形式化验证。也就是说，如果基于细胞膜的数据模型采用了形式化的语法进行描述，就可以利用重写逻辑方法进行验证。所谓验证相当于对所述模型进行遍历，判断各条执行路径是否可达、是否存在死锁等情况。例如：如果生产过程可以由m台设备完成n道工序，如果已经验证出设备A执行工序a后，可以由设备B执行工序b，也可以由设备C执行工序c，那么，设备A到设备B以及设备A到设备C就是两条验证出的执行路径，就可以利用作业车间生产相关数据分别计算这两条执行路径的动态调度参数。至于如何计算执行路径的动态调度参数的方法很多，可以由应用本发明方案的用户自行确定，下述的方法实施例二将进行详细描述，此处不再赘述。这样，为验证出的每一条执行路径都计算出动态调度参数后，就完成了对整个生产作业过程的基于细胞膜的数据模型的动态调度参数的计算。

步骤103：根据有动态调度参数的基于生物行为的数据模型产生调度指令，将产生的调度指令发送给作业车间子系统，并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数；再重复执行本步骤，直至完成调度。

这里所述的调度指令就是使作业车间子系统中某设备执行工序的控制命令，比如：启动设备的命令，但至于该设备具体如何执行调度指令则属于作业车间子系统内部的问题，可以采用现有技术实现，此处不再赘述。

本步骤所述扰动信息来自作业车间，可以是某设备执行调度命令后不正常的反馈信息，也可以是技术人员通过设备的控制台发送的影响生产的报告信息等。比如：某设备执行调度命令后，反馈实际的执行时间，该实际执行时间可能与预期时间不相同，那么，这个不正常的反馈信息就是一种扰动信息。又比如：某设备需要进行检修，技术人员通过控制台发送请求检修的信息，所述请求检修的信息是影响生产的信息，也可以作为一种扰动信息。实际应用中，作业车间还可能反馈其它类型的信息，但不管是哪种类型的信息，只要是影响生产的信息都可以称为扰动信息。

以基于细胞膜的数据模型为例，实现步骤103的具体方法可以为：

C1、根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，获得重写结果。

对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，实际上是从加工工序的第一步开始，根据设备信息和生产过程信息等作业车间生产相关数据演变出下一步所有可能的结果。比如：加工工序的第一步为设备A执行工序a，演变出的下一步可能为设备B1执行工序b，设备B2执行工序b，或者设备B3执行工序b，即重写细胞膜演算表达式产生了3个重写结果。

C2、根据动态调度参数从所有重写结果中选择出一种，将选择出的重写结果转换成调度命令，并发送给作业车间子系统。

这里，步骤C1和步骤C2就是步骤103所述根据有动态调度参数的基于生物行为的数据模型产生调度指令，将产生的调度指令发送给作业车间子系统的方法。

由于步骤C1中产生的重新结果可能为多个，需要根据动态调度参数从多个重写结果中选择出一个，即选择一条执行路径。正如步骤102中所述，动态调度参数是执行路径上的权值，可以作为调度的依据。在步骤C1中所列举的例子中，如果从设备A到设备B1，设备A到设备B2，设备A到设备B3这三条执行路径的权值分别为5、3、8，并假设权值表示完成整个工序的时间，那么，为了提高生产效率，就应该选择权值最小的路径，即选择设备B2执行工序b这个重写结果。之后，再将设备B2执行工序b这个重写结果转换为调度命令发送给作业车间子系统。

C3、如果接收到来自作业车间子系统的扰动信息，利用翻译为细胞膜演算表达式的扰动信息重新计算动态调度参数，再返回步骤C1；否则，直接返回步骤C1，直至完成调度。

也就是说，在正常的情况下，如果没有接收到来自作业车间的扰动信息，只需利用重写逻辑方法不断地对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，利用重写结果产生调度命令，指导作业车间子系统进行生产，直到完成产品加工。

但如果作业车间子系统反馈扰动信息，就需要利用扰动信息重新计算动态调度参数，并对基于细胞膜的数据模型对应的细胞膜演算表达式进行重写，以便于在产生调度命令时，可以利用重新计算的动态调度参数。这样，由于动态调度参数发生了变化，就有可能产生与预期不同的调度指令，即重新调整工序。比如：利用扰动信息重新计算的动态调度参数后，设备B1执行工序b，设备B2执行工序b，设备B3执行工序b所对应的三条执行路径的权值分别从原来的5、3、8更新为5、10、8，那么，在设备A执行完工序a后，就需要选择设备B1执行工序b这个重写结果。

需要强调的是，本实施例利用基于生物行为的数据模型来实现调度的方法本身并不是一种优化算法，在产生扰动时仅重新计算动态调度参数即可，既不像现有技术的右移式(RightShift)调度方法一样需要等待消除扰动，也不像现有技术的重建式(Regeneration)调度方法一样需要重新执行优化，因此可以大大提高扰动时的响应速度，达到实时调度的要求。

当然，如果作业车间子系统反馈的不是扰动信息，而是正常的反馈信息，也可以将其翻译为细胞膜演算表达式并重新计算动态调度参数，只是计算出的结果与之前的动态调度参数相同。

为了更好地说明本发明方案，下面用方法实施例二进行详细说明。

方法实施例二中，假设作业车间生产相关数据包括设备信息、生产过程信息、优化目标信息。其中，设备信息包括设备数量、设备完成工序的功能、设备初始化时间、设备完成某工序的执行时间、设备之间的传输时间，其情况可以用表一～表三表示。表一表示设备数量以及设备完成工序的功能的情况，表二表示设备初始化时间和设备完成某工序的执行时间，表三表示设备之间的传输时间，其中，各设备之间的传输关系由生产过程信息限定。

设备完成工序的功能	设备名
		粗加工	MC_1
打孔	DR_1DR_2
		磨平	PL_1PL_2PL_3
精加工	MI_1MI_2

表一

表二

	MC_1	DR_1	DR_2	PL_1	PL_2	PL  3	MI_1	MI_2
									MC_1		23.5秒	21.5秒	38.5秒	3.5秒	7.5秒
DR_1				14秒	18秒	22秒	2.5秒	10.5秒
									DR_2				17秒	21秒	25秒	5.5秒	13.5秒
PL_1		35秒	32秒				15.5秒	7.5秒
									PL_2		21秒	18秒				12秒	4秒
PL_3		17秒	14秒				10.5秒	2.5秒
									MI_1
MI_2

表三

本实施例中，生产过程信息即可以用图2表示。如图2所示，本实施例假设加工产品的第一道工序为粗加工，最后一道工序为精加工，而第一道工序和最后一道工序之间可以为打孔，也可以为磨平，打孔和磨平之间没有严格的顺序。

另外，本实施例假设优化目标信息为时间，即加工时间最小为实现调度的目标。

图3是方法实施例二的流程图。如图3所示，本实施例可以包括以下步骤：

步骤301：根据输入的作业车间生产相关数据建立基于细胞膜的数据模型。

本步骤在建立基于细胞膜的数据模型时，需要利用表一～表三的设备信息、图2中生产过程信息以及加工时间最小这一优化目标信息来建立基于细胞膜的数据模型，并且用细胞膜演算语法进行描述。具体的说，可以根据输入的设备信息建立针对设备信息的基于细胞膜的数据模型，根据输入的生产过程信息建立针对生产过程信息的基于细胞膜的数据模型，根据输入的优化目标信息建立针对优化目标信息的基于细胞膜的数据模型。这里，在具体实现时，所建立的针对设备信息的基于细胞膜的数据模型、针对生产过程信息的基于细胞膜的数据模型和针对优化目标信息的基于细胞膜的数据模型可以使用同一个细胞膜演算表达式进行描述，也就是说，可以用一个细胞膜演算表达式同时描述设备信息、生产过程信息以及优化目标信息中一种以上的信息。

为了方便说明，下面仅以设备MC_1的功能、初始化时间、执行时间以及传输时间等信息为例说明建立的基于细胞膜的数据模型的格式，其格式可以为：

[MC_1：<Machining><Setup time，5><Processing time，11><transmission time，DR_1，23.5><transmission time，DR_2，21.5><transmission time，PL_1，38.5><transmission time，PL_2，3.5><transmission time，PL_3，7.5>，O]

其中，“MC_1”为细胞膜，表示数据模型是针对MC_1这个设备的；“<Machining>”、“<Setup time，5>”、“<Processing time，11>”、“<transmission time，DR_1，23.5>”、“<transmission time，DR_2，21.5>”、“<transmission time，PL_1，38.5>”、“<transmissiontime，PL_2，3.5>”、“<transmission time，PL_3，7.5>”为规则，分别表示MC_1完成工序的功能为粗加工，初始化时间为5秒，执行时间为11秒，输出给设备DR_1的时间为23.5秒，输出给设备DR_2的时间为21.5秒，传输给设备PL_1的时间为38.5秒，传输给设备PL_2的时间为3.5秒，传输给设备PL_3的时间为7.5秒；字母“O”为对象，表示从MC_1开始到加工结束的最小加工时间变量，可以用于保存动态调度参数的值。另外，由于本实施的优化目标信息是加工时间最小，所以字母“O”也可以直接体现本实施例的优化目标信息。这样，针对设备MC_1就建立了基于细胞膜的数据模型，并且该数据模型是用MC语法进行描述的。

当然，其它设备也可以按照上述类似的方法用MC语法进行描述，此处不再一一列举。如果将作业车间生产相关的所有数据都按照上述的格式进行描述，就可以完成整个生产作业过程的基于细胞膜的数据模型的建立。这里，需要再次强调的是，上述仅仅是一个如何将作业车间生产相关数据建立为基于细胞膜的数据模型的简单例子。而实际应用中，由于生产过程和作业车间的差异，哪些数据可以作为作业车间生产相关数据、哪些信息可以映射为细胞膜、哪些信息可以映射为规则，哪些信息可以映射为对象等情况并不能进行统一的规定，所以需要由用户根据实际应用自行确定，只要将所建立的基于细胞膜的数据模型用MC语法描述即可。

步骤302：根据重写逻辑方法验证基于细胞膜的数据模型，获得验证成功的所有执行路径。

本实施例中，可以验证出的所有从工序起点到工序终点总路径可以如表四所示：

表四

在本实施例中，虽然完成产品加工的逻辑路径只有两条，即：粗加工->打孔->磨平->精加工，或者粗加工->磨平->打孔->精加工，但实际总的物理路径却存在如表四所述的24条。另外，由于每两台设备之间为一条执行路径，所以，表四中共包括72条执行路径。

步骤303：根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将计算出的动态调度参数保存在基于细胞膜的数据模型中。

这里，假设某一条从工序起点到工序终点的总路径上存在设备A执行工序a和设备B执行工序b两个节点，将设备A作为当前节点设备，设备B作为下一节点设备，那么计算这条执行路径的动态调度参数的方法可以为：

将当前节点设备到下一节点设备之间的传输时间、下一节点设备初始化时间、下一节点设备完成工序的执行时间以及从下一节点设备到工序终点所花费最小加工时间的总和作为当前节点设备到下一节点设备之间执行路径的动态调度参数。该方法可以用下述公式(1)表示：

C_{(State(A，a)，State(B，b))}＝TT_AB +ST_(B，b)+PT_(B，b)+Min(LT_(B，b))    (1)

其中，State(A，a)表示设备A将执行工序a；State(B，b)表示设备B将执行工序b；C_{(State(A， a)，State(B，b))}表示如果选择设备A执行工序a到设备B执行工序b这条路径，从设备A执行工序a直到工序终点所需要花费的全部时间；TT_AB表示设备A将工件传输到设备B的时间；ST_(B，b)表示设备B执行工序b的初始化时间；PT_(B，b)表示设备B完成工序b的执行时间；Min(LT_(B，b))表示设备B完成工序b之后到后续所有工序执行完成所花费时间的最小值。

这样，根据公式(1)，可以计算出设备A执行工序a到设备B执行工序b这条执行路径的权值，即动态调度参数C_{(State(A，a)，State(B，b))}。需要注意的是，C_{(State(A，a)，State(B，b))}虽然表示设备A执行工序a到设备B执行工序b这条执行路径上的权值，但并不仅仅包括设备A和设备B之间传输花费的时间以及设备B花费的时间，还包括设备B执行工序后直到工序终点所需要花费的最小时间。这样，由于包括设备B执行工序后直到工序终点所需要花费的最小时间，在根据动态调度参数选择路径时，可以使选择的结果不至于陷于局部最优解，从而保证沿着全局最优解对应的路径执行。

当然，公式(1)只是计算设备A执行工序a到设备B执行工序b这条执行路径的权值，而实际应用中，还需要根据实际情况计算工序起点到工序终点之间所有执行路径的权值，其方法相同，此处不再赘述。

本实施例中，从表二和表三可以看出，如果所有设备事先已经经过初始化，那么，在所有的物理路径中，花费时间最小的物理路径为MC_1→PL_2→DR_1→MI_1，共103秒。也就是说，如果不发生扰动，产品从粗加工开始到精加工结束，只要依次由设备MC_1进行粗加工，由PL_2进行磨平，由DR_1设备进行打孔，最后由MI_1设备进行精加工，就可以花费最少的加工时间。

实际应用中，也可以采用其它计算动态调度参数的方法。比如：设备B执行工序b的成本比较高，如果要节约成本，应该尽量少利用设备B来执行工序b。那么，可以采用如下的公式(2)计算动态调度参数：

C_{(State(A，a)，State(B，b))}＝TT_AB+ST_(B，b)+h×PT_(B，b)+Min(LT_(B，b))    (2)

其中，参数h为较大的正整数。这样，根据公式(2)，仍然可以计算出所有执行路径的动态调度参数，只是设备A执行工序a到设备B执行工序b这条执行路径所对应的动态调度参数值比较大。

实际应用中，根据计算出的动态调度参数还可以确定最优执行路径，并将最优执行路径以及对应的动态调度参数传输给上层调度系统。这样，上层调度系统就可以明确本次加工产品预期的加工情况，以便于与之后的实际加工情况进行比较。如果实际加工情况与预期加工情况不符，则可以采取相应的措施，比如重新调整输入的作业车间生产相关数据等。

执行完上述步骤301～步骤303之后，就建立完基于细胞膜的数据模型，并且为该数据模型计算出动态调度参数。此后，当真正需要进行加工作业时，就可以从加工的第一道工序开始执行以下步骤304～步骤306，即利用建立的基于细胞膜的数据模型以及动态调度参数，从当前由某个设备执行某个工序确定出下一步由哪个设备执行哪个工序，并以此类推，直到加工完成。

步骤304：根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，获得重写结果。

这里所述的基于细胞膜的数据模型就是步骤301建立的数据模型，即需要对步骤301建立的数据模型对应的细胞膜演算表达式进行重写。为了更好地描述如何将细胞膜演算表达式进行重写获得重写结果，下面仍然利用步骤301中针对设备MC_1所建立的基于细胞膜的数据模型为例进行详细描述。

从表四中可以看出，设备MC_1执行初加工工序之后，可以由设备DR_1执行打孔工序，可以由设备DR_2执行打孔工序，可以由设备PL_1执行磨平工序，可以由设备PL_2执行磨平工序，或者由设备PL_3执行磨平工序。也就是说，设备MC_1执行工序初加工之后可以有五种不同的选择，即五个重写结果。将针对设备MC_1的细胞膜演算表达式进行重写获得结果的过程可以表示为：

[MC_1：<Machining><Setup time，5><Processing time，11><transmission time，DR_1，23.5><transmission time，DR_2，21.5><transmission time，PL_1，38.5><transmission time，PL_2，3.5><transmission time，PL_3，7.5>，O]->[DR_1：<Drilling><Setup time，6><Processing time，20><transmission time，PL_1，14><transmissiontime，PL_2，18><transmission time，PL_3，22><transmission time，MI_1，2.5><transmission time，MI_2，10.5>，103]…

其中，第一个中括号“[]”表示针对设备MC_1的细胞膜演算表达式，其含义与步骤301中相同，此处不再赘述。符号“->”表示进行重写。第二个中括号“[]”获得的第一个重写结果。为了描述简便，后面四个重写结果在此省略未写出，但其格式与第一个重写结果类似。第一个重写结果，即第二个中括号中的内容表示针对设备DR_1的细胞膜演算表达式，具体为：“DR_1”为细胞膜，表示数据模型是针对DR_1这个设备的；“<Drilling>”、“<Setup time，6>”、“<Processing time，20>”、“<transmission time，PL_1，14>”、“<transmission time，PL_2，18>”、“<transmission time，PL_3，22>”、“<transmissiontime，MI_1，2.5>”、“<transmission time，MI_2，10.5>”为规则，分别表示DR_1完成工序的功能为打孔，初始化时间为6秒，执行时间为20秒，输出给设备PL_1的时间为14秒，输出给设备PL_2的时间为18秒，传输给设备PL_3的时间为22秒，传输给设备MI_1的时间为2.5秒，传输给设备MI_2的时间为10.5秒；参数“133”为对象，表示从MC_1到DR_1这条执行路径的动态调度参数的值。

其它四个重写结果也可以按照第一个重写结果的格式进行表示，此处不再赘述。

步骤305：根据动态调度参数从所有重写结果中选择出一种，将选择出的重写结果转换成调度命令，并发送给作业车间子系统。

本实施例中，由于将总的加工时间最小作为实现调度的目标，那么，本步骤就可以从步骤304所获得的五个重写结果中选择一个动态调度参数值最小的重写结果。

步骤306：如果接收到来自作业车间子系统的扰动信息，则利用扰动信息重新计算动态调度参数，再返回步骤304；否则，直接返回步骤304，直至完成调度。

仍然以步骤304中由设备MC_1的细胞膜演算表达式重写出五个结果为例，假设步骤305选择第一个重写结果，向设备DR_1发送调度指令，那么，当设备DR_1执行打孔工序完毕之后，就应该由针对DR_1的细胞膜演算表达式再次进行重写，并获得针对设备PL_1、设备PL_2、设备PL_3共三个重写结果，再按照步骤305的方法进行选择和发送调度指令，并以此类推，直至完成所有的调度。

本实施例中，步骤304～步骤306为一个循环过程。在这个循环过程中，如果没有发生扰动，每次选择的重写结果对应的动态调度参数都是由步骤303计算出来的，必然会选择动态调度参数最小的执行路径，即可以按照最优的物理路径完成整个生产。也就是说，如果步骤303按照公式(1)来计算所有执行路径上的动态调度参数，如果不发生扰动，整个生产将按照最优物理路径MC_1→PL_2→DR_1→MI_1进行。

当然，如果发生扰动，则需要重新计算执行路径上的动态调度参数。如果从设备A到下一个工序的某执行路径原来的动态调度参数最小，但经过重新计算后，可能改变为比较大的动态调度参数，那么，再次执行步骤305时，该执行路径可能就不会被选择。也就是说，后续生产将不会再按照原来最优的路径进行，而是按照次优的路径实现生产，总的生产时间也会相应地增加。

需要强调的是，由于本实施例采用了基于细胞膜的数据模型来表示作业车间相关数据，该模型属于一种数学模型，如果发生了扰动，重新计算动态调度参数的速度非常快，其原因在于：由于动态调度参数是利用公式(1)或公式(2)等数学公式计算出来的，并且在发生扰动时可以根据实际情况将发生故障设备的执行时间等影响动态调度参数值的数据更新为一个较大的值，那么，某条执行路径上新的动态调度参数也仍然可以采用公式(1)或公式(2)等数学公式快速地计算出来，再一次循环执行到步骤305时，就可以立即利用新计算出的动态调度参数选择重写结果，确定下一个调度命令，从而提高调度系统对扰动的响应速度。

另外，实际应用中，还可以在步骤303和步骤304之间等待上层调度系统的指令，当接收到来自上层系统的指令后才开始执行步骤304。比如：上层调度系统发送加工某种工件的指令，当接收该指令后，才开始执行步骤304实现工件的加工。相应地，当完成某种工件的加工时，还可以向上层调度系统返回实际执行时间等执行情况，以便于上层调度系统与预期的执行时间进行比较。

针对上述提出的方法，本发明还提出一种实现作业车间实时调度的系统。

图4是本发明实现作业车间实时调度的系统实施例一的基本结构示意图。如图4所示，该系统包括：模型建立模块401、初始化模块402、实时调度模块403，其中，

模型建立模块401，根据输入的作业车间生产相关数据建立基于生物行为的数据模型，并将建立的基于生物行为的数据模型发送给初始化模块402。

初始化模块402，根据作业车间生产相关数据计算动态调度参数，并将携带有动态调度参数的基于生物行为的数据模型发送给实时调度模块403。

实时调度模块403，根据携带有动态调度参数的基于生物行为的数据模型依次产生调度指令，将产生的调度指令发送给作业车间子系统，直至完成调度；并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数。

也就是说，模型建立模块401先根据输入的作业车间生产相关数据建立基于生物行为的数据模型，并将建立的基于生物行为的数据模型发送给初始化模块402；初始化模块402根据作业车间生产相关数据计算动态调度参数，并将携带有动态调度参数的基于生物行为的数据模型发送给实时调度模块403；此后，当需要产生调度指令时，实时调度模块403根据携带有动态调度参数的基于生物行为的数据模型依次产生调度指令，将产生的调度指令发送给作业车间子系统；并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数。

实际应用中，作业车间生产相关数据可以建立为基于细胞膜的数据模型、BMS数据模型等。下面以基于细胞膜的数据模型为例说明模型建立模块401、初始化模块402、实时调度模块403的内部结构：

如果作业车间生产相关数据包括设备信息和生产过程信息，所述模型建立模块401的内部结构示意图可以如图5所示：

设备模型建立子模块4011，根据输入的设备信息建立针对设备信息的基于细胞膜的数据模型，并将针对设备信息的基于细胞膜的数据模型发送给初始化模块402，所述针对设备信息的基于细胞膜的数据模型用细胞膜演算语法进行描述；

生产过程模型建立子模块4012，根据输入的生产过程信息建立针对生产过程信息的基于细胞膜的数据模型，并将针对生产过程信息的基于细胞膜的数据模型发送给初始化模块402，所述针对生产过程信息的基于细胞膜的数据模型用细胞膜演算语法进行描述。

另外，如果所述作业车间生产相关数据还包括优化目标信息，所述模型建立模块401还可以进一步包括：

优化模型建立子模块4013，根据输入的优化目标信息建立针对优化目标信息的基于细胞膜的数据模型，并将针对优化目标信息的基于细胞膜的数据模型发送给初始化模块402，所述针对优化目标信息的基于细胞膜的数据模型用细胞膜演算语法进行描述。

总之，不管作业车间生产相关数据包括哪些信息，都需要将其建立为基于细胞膜的数据模型，用细胞膜演算语法进行描述。

图6是初始化模块402的内部结构示意图。如图6所示，初始化模块402可以包括：

验证子模块4021，根据重写逻辑方法验证基于细胞膜的数据模型，并将验证成功的所有执行路径发送给初始化子模块4022；

参数计算子模块4022，根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将携带有动态调度参数的基于细胞膜的数据模型发送给实时调度模块403。

实际应用中，当参数计算子模块4022计算出动态调度参数后，还可以根据计算出的动态调度参数确定最优执行路径，并将最优执行路径以及动态调度参数传输给上层调度系统。

图7是实时调度模块403的内部结构示意图。如图7所示，实时调度模块403可以包括：

语法翻译器4031，将来自作业车间子系统的扰动信息翻译为细胞膜演算表达式，并将细胞膜演算表达式传输给重写逻辑单元4032。

重写逻辑单元4032，根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，将获得的重写结果输出给选择单元4033；并在接收到扰动信息时，利用扰动信息重新计算动态调度参数。

选择单元4033，根据动态调度参数从重写结果中选择一种输出给命令转换器4034。

命令转换器4034，将选择出的重写结果转换为调度指令，并发送给作业车间子系统。

实际应用中，所述语法翻译器4031还可以接收来自上层调度系统的指令。

不管模型建立模块401、初始化模块402、实时调度模块403内部包括哪些功能模块，都可以进行任意的组合。

比如：图8是实现作业车间实时调度的系统实施例二的结构图。如图8所示，该系统可以包括：模型建立模块401，其内部结构如图5所示；初始化模块402，其内部结构如图6所示；实时调度模块403，其内部结构如图7所示。

另外，本实施例中，初始化模块402还可以将确定的最优路径以及对应的动态调度参数，通过模型建立模块401或直接返回给上层调度系统；实时调度模块403接收到上层调度系统的调度指令后才开始产生发送给车间作业子系统的调度指令；实时调度模块403不但接收来自车间作业子系统的扰动信息，也接收正常执行后的反馈信息；初始化模块402可以先将基于细胞膜的数据模型保存在语法翻译器4031，等语法翻译器4031接收到上层调度指令后再发送给重写逻辑单元4032。

也就是说，设备模型建立子模块4011、生产过程模型建立子模块4012、优化模型建立子模块4013分别将输入的设备信息、生产过程信息、优化目标信息建立为基于细胞膜的数据模型，所述基于细胞膜的数据模型用细胞膜演算语法进行描述。验证子模块4021根据重写逻辑方法验证基于细胞膜的数据模型，并将验证成功的所有执行路径发送给参数计算子模块4022；参数计算子模块4022根据作业车间生产相关数据为所有执行路径计算动态调度参数，将携带有动态调度参数的基于细胞膜的数据模型发送给实时调度模块403，并将确定的最优路径及其对应的动态调度参数直接返回给上层调度系统。

此后，当接收到上层调度系统的调度指令时，语法翻译器4031将基于细胞膜的数据模型对应的细胞膜演算表达式发送给重写逻辑单元4032，重写逻辑单元4032根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，将获得的重写结果输出给选择单元4033；选择单元4033根据动态调度参数从重写结果中选择一种输出给命令转换器4034；命令转换器4034将选择出的重写结果转换为调度指令，并发送给作业车间子系统。作业车间子系统执行调度指令，并返回执行后的反馈信息。

语法翻译器4031、重写逻辑单元4032、选择单元4033、命令转换器4034以及车间作业子系统构成一个闭合的系统，不断地产生和执行调度指令，直到完成产品加工，向上层调度系统返回执行情况。

在上述过程中，如果接收到来自作业车间子系统的扰动信息，语法翻译器4031还需要将扰动信息翻译为细胞膜演算表达式，并传输给重写逻辑单元4032；重写逻辑单元4032利用扰动信息重新计算动态调度参数，再利用重新计算的动态调度参数从重写结果中选择一种输出给命令转换器4034；命令转换器4034将选择出的重写结果转换为调度指令，并发送给作业车间子系统。

应用本发明方案，可以根据作业车间生产相关数据建立基于生物行为的数据模型并计算动态调度参数，利用携带有动态调度参数的基于生物行为的数据模型产生调度指令以指导作业车间的加工。这样，当发生扰动时，就可以利用扰动信息快速地重新计算基于生物行为的数据模型的动态调度参数，调整工序，加快系统对扰动情况的响应速度，满足实时调度的要求，提高企业生产的效率。

Claims (15)

1.一种实现作业车间实时调度的方法，该方法包括以下步骤：

A、根据作业车间生产相关数据建立基于生物行为的数据模型；

B、为基于生物行为的数据模型计算动态调度参数；

C、根据携带有动态调度参数的基于生物行为的数据模型产生调度指令，将产生的调度指令发送给作业车间子系统，并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数；重复执行本步骤，直至完成对作业车间的调度。

2.根据权利要求1所述的方法，其特征在于，所述基于生物行为的数据模型为：基于细胞膜的数据模型。

3.根据权利要求2所述的方法，其特征在于，所述基于细胞膜的数据模型用细胞膜演算MC语法进行描述，其中，细胞膜演算语法的描述中包括细胞膜、对象和规则。

4.根据权利要求2或3所述的方法，其特征在于，所述作业车间生产相关数据包括设备信息、生产过程信息和优化目标信息，所述步骤A为：

根据输入的设备信息、生产过程信息、优化目标信息建立基于细胞膜的数据模型。

5.根据权利要求4所述的方法，其特征在于：所述设备信息包括设备数量、设备完成工序的功能、设备初始化时间、设备完成工序的执行时间、设备之间的传输时间；

所述生产过程信息包括设备之间的传输关系；

所述优化目标信息包括最小加工时间；

所述根据输入的设备信息、生产过程信息、优化目标信息建立基于细胞膜的数据模型为：将设备映射为细胞膜，将设备完成工序的功能、设备初始化时间、设备完成工序的执行时间、设备之间的传输时间映射为规则，将优化目标信息映射为对象。

6.根据权利要求2或3所述的方法，其特征在于，所述步骤B为：

根据重写逻辑方法验证基于细胞膜的数据模型，获得验证成功的所有执行路径；根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将计算出的动态调度参数保存于基于细胞膜的数据模型中。

7.根据权利要求6所述的方法，其特征在于，所述计算动态调度参数的方法为：将执行路径中当前节点设备到下一节点设备之间的传输时间、下一节点设备初始化时间、下一节点设备完成工序的执行时间以及从下一节点设备到工序终点所花费最小加工时间的总和作为当前节点设备到下一节点设备之间执行路径的动态调度参数。

8.根据权利要求6所述的方法，其特征在于，当计算出动态调度参数之后，所述步骤B进一步包括：

根据计算出的动态调度参数确定最优执行路径，将最优执行路径以及相应的动态调度参数传输给上层调度系统。

9.根据权利要求2或3所述的方法，其特征在于，步骤C所述根据携带有动态调度参数的基于生物行为的数据模型产生调度指令为：根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，获得重写结果；根据动态调度参数从重写结果中选择出一种，将选择出的重写结果转换成调度命令；

步骤C所述利用扰动信息重新计算动态调度参数为：将扰动信息翻译为细胞膜演算表达式，并利用翻译为细胞膜演算表达式的扰动信息重新计算动态调度参数。

10.根据权利要求9所述的方法，其特征在于，所述将扰动信息翻译为细胞膜演算表达式为：将扰动信息翻译为发生故障设备的细胞膜演算表达式中的设备完成工序的执行时间。

11.一种实现作业车间实时调度的系统，该系统包括：

模型建立模块，根据作业车间生产相关数据建立基于生物行为的数据模型，并将建立的基于生物行为的数据模型发送给初始化模块；

初始化模块，为基于生物行为的数据模型计算动态调度参数，并将携带有动态调度参数的基于生物行为的数据模型发送给实时调度模块；

实时调度模块，根据携带有动态调度参数的基于生物行为的数据模型依次产生调度指令，将产生的调度指令发送给作业车间子系统，直至完成调度；并在接收到来自作业车间子系统的扰动信息时，利用扰动信息重新计算动态调度参数。

12.根据权利要求11所述的系统，其特征在于，所述作业车间生产相关数据包括设备信息、生产过程信息和优化目标信息，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述模型建立模块包括：

设备模型建立子模块，根据设备信息建立针对设备信息的基于细胞膜的数据模型，并将针对设备信息的基于细胞膜的数据模型发送给初始化模块，所述针对设备信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述；

生产过程模型建立子模块，根据生产过程信息建立针对生产过程信息的基于细胞膜的数据模型，并将针对生产过程信息的基于细胞膜的数据模型发送给初始化模块，所述针对生产过程信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述；

优化模型建立子模块，根据优化目标信息建立针对优化目标信息的基于细胞膜的数据模型，并将针对优化目标信息的基于细胞膜的数据模型发送给初始化模块，所述针对优化目标信息的基于细胞膜的数据模型用细胞膜演算MC语法进行描述。

13.根据权利要求11所述的系统，其特征在于，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述初始化模块包括：

验证子模块，根据重写逻辑方法验证基于细胞膜的数据模型，并将验证成功的所有执行路径发送给参数计算子模块；

参数计算子模块，根据作业车间生产相关数据为所有执行路径计算动态调度参数，并将携带有动态调度参数的基于细胞膜的数据模型发送给实时调度模块。

14.根据权利要求13所述的系统，其特征在于，所述参数计算子模块进一步用于：

根据计算出的动态调度参数确定最优执行路径，并将最优执行路径以及动态调度参数传输给上层调度系统。

15.根据权利要求11所述的系统，其特征在于，所述基于生物行为的数据模型为基于细胞膜的数据模型，所述实时调度模块包括：

语法翻译器，将来自作业车间子系统的扰动信息翻译为细胞膜演算表达式，并将细胞膜演算表达式传输给重写逻辑单元；

重写逻辑单元，根据重写逻辑方法对基于细胞膜的数据模型所对应的细胞膜演算表达式进行重写，将获得的重写结果输出给选择单元；并在接收到扰动信息时，利用扰动信息重新计算动态调度参数；

选择单元，根据动态调度参数从所有重写结果中选择出一种输出给命令转换器；

命令转换器，将选择出的重写结果转换为调度指令，并发送给作业车间子系统。

Images