基于多Agent的整理車間業務管理與決策系統建模

邵景峰 王進富 馬曉紅 黨金房 任克儉

1.西安工程大學，西安，710048 2.動力與能源部咸陽華潤紡織有限公司，咸陽，712000 3.西北國棉一廠，咸陽，712000

0 引言

紡織企業的整理車間在整個生產工序中占有重要地位，其業務數據的正確性不但關系到企業的生產產量、成品的等級、半成品的質量，以及每個車間的紗織疵、設備利用率等重要數據的正確性，而且還直接關系到企業的成本利潤核算、職工的工資和崗位津貼等核心數據的正確性，更與廠級生產管理者的生產管理和決策分析的正確性和合理性有著直接關系，因此，實現整理車間業務管理工作的信息化和網絡化是企業進行信息化建設的重點[1]。在德國、瑞士、日本等國家，紡織廠整理車間的業務管理工作早已實現了信息化（文獻[2-3]對此進行了詳細介紹），而且開發了相應的業務管理系統，取得了良好的使用效果。在我國，紡織企業車間的信息化集成度較低，使得管理水平與國外相比差距較大，真正面向整理車間而購買或研發的信息系統相對較少，目前僅有幾家企業使用了一種FOXBASE管理系統[4]。盡管FOXBASE管理系統基本功能也滿足車間的實際管理需要，但因其運行于DOS環境下，很多信息需手工錄入，加之沒有數據接口，更沒有數據庫管理系統，使得所有的數據均作為DAT文件的形式存儲，數據不但容易丟失，而且正確性難以得到保證，無法實現數據的共用。顯然，這種管理模式已不適應信息化發展的要求。因此，借助國外先進管理理念，在局域網環境下，為整理車間開發一種網絡化的業務管理系統，一方面通過數據接口實現企業內部異構數據信息的有效集成，以構建信息共享平臺，另一方面為紡織工廠提供較通用的管理功能，以滿足各級生產管理者的生產統計與決策分析需求，已是當前亟需解決的問題。

為此，本文按照整理車間的業務管理流程和數據流向，在局域網環境下，利用Agent的自主性、協作性、安全性和智能性[5]，提出了一種多Agent技術的業務管理系統框架[6]，并利用面向對象的程序設計方法，開發了一種多Agent的業務管理系統。

1 多Agent的結構模型設計

在多Agent的整理車間業務管理結構模型中，為實現業務數據的多元化管理，將Agent分為系統管理Agent、執行Agent、人機界面Agent、數據接口Agent以及對象管理Agent[7]。系統管理Agent主要對系統用戶對象、系統運行參數、系統安全性以及其他Agent間的通信進行協調和管理；人機界面Agent主要負責人機交互操作，為系統用戶提供基礎服務；數據接口Agent主要負責各類系統數據的操作、外部數據的導入導出操作以及各類數據報表的打印操作；對象管理Agent主要面向各個數據操作對象進行管理。多Agent的整理車間業務管理結構如圖1所示，它在結構的組織形式上與車間的業務管理流程相匹配，其中，上層為系統級Agent，中間層為對象管理Agent，底層則為生產執行級Agent。根據需要可將執行級Agent分為源數據Agent、目標Agent、查詢Agent、統計Agent、分析Agent等，通過多Agent間的相互協作完成系統管理Agent分配的任務。

首先，系統管理Agent對人機界面Agent或數據接口Agent的任務來源進行安全性判斷，并對用戶的使用權限進行驗證。若驗證通過，則調用執行Agent，執行Agent啟動初始化Agent，對系統環境變量進行初始化；否則，提示錯誤。

然后，系統管理Agent對執行Agent的執行能力和執行Agent所需要的數據資源進行分析，并根據執行Agent的能力對任務進行細化，使其形成源數據Agent、目標數據Agent，以及查詢Agent、統計Agent、分析Agent等個體Agent，并按照個體Agent的功能為其分配細化后的任務，與對象管理Agent建立消息通信。

圖1 多Agent的業務管理結構模型

其次，對象管理Agent在接收到消息后，對個體Agent的任務進行分析，查詢它們所需要的系統數據資源和任務，并結合執行Agent判斷個體Agent能否完成分解后的任務。若各個體Agent能滿足完成任務的條件，則對象管理Agent發送消息機制給系統管理Agent，由系統管理Agent做出決策，給對象管理Agent和執行Agent分配任務計劃，并由執行Agent調度各個體Agent，由個體Agent對擁有的任務進行執行，通過相互間的交互機制實現與對象管理Agent的協作和資源共享[8]；否則對象管理Agent向系統管理Agent發送錯誤信息，系統管理Agent撤銷或終止整個任務計劃的執行。

最后，由對象管理Agent對個體Agent所完成的任務進行組合和分析，并上報系統管理Agent，由系統管理Agent對所完成的任務做出決策和任務流的優化。

根據上述工作原理，多個體Agent間的執行過程可用一種關系模式Q來表示，令Q＝（A，O，R），其中，A表示一系列的Agent；O表示操作集合；R表示關系集合，且R＝A∪（A∪O）。Q將構成一個無向圖，它的點集由A∪O組成，而邊集由關系 R 組成[9]。

2 多Agent的業務管理與決策模型設計

根據整理車間的業務規則可知，通常，一道工序對應多種任務，一個任務又對應多種品種信息，而每個品種信息又包括多道工序，為此，用Agenti（i＝1，2，…，n）表示第i個工序，Agentni表示第i道工序的第n種生產執行過程Agent或任務管理Agent，而每個Agentni又可細化為多個Agent，每個細化的Agent具有較強的靈活性和快速響應性，相互之間在保持相互獨立特性的基礎上又相互協調。這樣，在多Agent的業務管理與決策模型中，各個體Agent間的執行過程可用上述關系模式Q來表示。

這樣，先設Q＝（A，O，R），其中，A＝｛系統管理 Agent，用戶 Agent，感知 Agent，對象管理Agent，執行Agent，人機界面Agent，數據接口Agent，源數據Agent，目標數據Agent，初始化Agent，查詢 Agent，統計 Agent，分析 Agent，…｝，O＝｛→，∪，∩｝，并設各個體 Agent擁有的任務分別為 T1，T2，T3，T4，T5，T6，T7，T8，T9，TA，TB，TC，TD，…。多個體 Agent間通過消息通信機制相互協作，及時反饋生產過程中的異常情況，方便生產管理者作出正確決策。多Agent系統模型的工作過程如下：

（1）當用戶Agent通過人機界面Agent，向系統管理Agent發出一個請求Request時，系統管理Agent對用戶Agent作出合法性判斷，并對用戶Agent是否擁有系統功能權限進行驗證。若用戶Agent合法并擁有系統功能權限，則向遠程服務器發出一個任務Task，由服務器管理系統啟動系統管理Agent，當系統管理Agent的感知Agent11發現有Task請求時，執行關系R（T3→（T2∪T4））。同樣，感知Agent11對用戶Agent和對象Agent的使用權限進行分析，判斷是否具有合法性，若有，則對Task所需資源進行分析，以確定完成Task所需的系統資源，并將Task的任務進行細化，形成各個任務流Ti（i＝1，2，…n），再執行R（T3→T5）去調用執行Agent，向數據庫服務器發出請求，然后，執行Agent將不能滿足條件的任務流Tj，（Tj?Ti，j＝1，2，…，n，且Tj∪Ti＝Task，Tj∩Ti＝?，j≠i）所需資源通過消息機制反饋給系統管理Agent，由系統管理Agent在整個系統中做出調整。為加強Agent內部的協調性，系統管理Agent執行R（T1→T5）去調用執行Agent，通過執行Agent獲得其他個體Agent的數據資源或任務管理。

（2）系統管理Agent將任務流Tj傳遞給各對象Agent，由對象Agent執行R（T4→T5）去調用執行Agent，進行多Agent間的消息通信，而對象Agent將按任務流的要求執行R（T4→T8）去調用源數據Agent，為執行Agent的任務執行提供基礎數據支持。這時執行Agent分析所提供的源數據Agent能否滿足此任務的實際需求，如果能完全滿足，則執行Agent執行R （T5→（TA∪TB∪TC∪TD））去調用初始化 Agent、查詢Agent、統計Agent和分析Agent，首先進行系統環境變量的初始化，然后為用戶Agent提供生產管理所需的各項查詢條件，并把這些查詢組合條件通過消息機制傳遞到系統管理Agent。否則，當源數據Agent無法提供滿足業務管理所需的數據資源時，執行Agent將發送任務失敗消息給所有參與此次任務的Agent，放棄任務。

當上述條件完全滿足后，系統管理Agent對數據資源和系統任務流進行統籌安排，結合紡織廠對整理車間業務管理工作制定的管理指標，對整個業務管理過程中形成的業務數據進行統計，并對數據結果進行分析、過濾、處理，以及綜合評估。

3 實現與應用

本系統已在西北國棉一廠的整理車間成功應用。現從該系統中按日期檢索出分品種的產量質量數據，并與原有FOXBASE系統的分品種分日期數據進行對比，詳細過程如下：

首先從原有整理車間的FOXBASE系統中獲取每日交接班的歷史數據，并按分品種分日期的原則進行統計，形成每日的分品種生產數據，見表1。表1中的總產量、一等品、合格品數據均為手工錄入數據，未經任何數據處理。理論上，總產量來自整理車間的抄表產量，是一個恒定值，一等品產量為布匹分等后的數據，合格品產量為打包入庫后的數據，同時，表1中的一等品率、合格率數據分別由一等品、合格品與總產量通過計算公式得出，而漏檢率與一等品、合格品以及總產量有關。為保證整個制造執行過程中生產數據的正確性和實時性，以及為廠級生產管理者提供真實、準確、可靠的生產管理與決策分析數據，需對整個業務管理流程、數據來源，以及數據的類型與屬性進行分析，并對各類數據間的聯系和計算過程進行分析，以確保表1中所有數據的正確性和準確性。

由表1可見，部分分品種分日期的一等品率、合格率達到了100%，在車間的實際生產過程中這屬于理想狀態，即所有打包入庫的布匹屬于一等品和合格品，但是漏檢率均大于0，是一種非正常狀態，這可能與實際的制造執行過程不符，需要進行數據合理化處理。同時，部分分品種分日期數據的漏檢率超過了3%甚至達到了5%，這與紡織廠的生產管理指標相違背（規定漏檢率應小于3%），不利于車間乃至企業的生產管理與決策分析，使得企業的成本利潤核算數據結果不準確。產生這種非正常工作狀態的主要原因在于，原有FOXBASE系統中部分源數據存在異常，導致數據統計結果不正確。

表1 分品種分日期報表

針對系統的使用部門繁多、用戶數量龐大、并發操作相對集中，以及數據庫訪問頻率高等特點，經分析，在局域網環境下，影響數據統計結果正確性的因素集中體現為人為原因、機械故障、計劃異常、強電干擾等。因此，在業務管理與決策分析過程中，必須對這些影響因素進行分析，找出相互間的核度，利用關系模式Q，以及多Agent間的相互協作關系進行數據處理，并結合廠級生產管理指標對原始數據進行綜合評價，盡可能將因素的影響降到最小。具體數據綜合處理過程如下：

（1）將影響生產管理數據正確性的因素劃分為人為誤操作、機械故障、計劃異常、環境異常、系統故障及其他因素幾大類，分別記為X1、X2、X3、X4、X5、X6，組成因素集X＝｛X1，X2，X3，X4，X5，X6｝，同時，根據實際管理需要，每個類還可進一步劃分，使其形成各級子類。

（2）在多Agent系統中，確定各個因素之間的兩兩相關性，將其定義為xixj。這樣，兩兩之間的相關性就構成了一個無向圖G，在圖G中，G的頂點集為V（G），可用｛x1，x2，…，xm｝來表示，邊集E（G）可用｛xixj｜，其中xi與xj有結構關系｝來表示，按照相互之間結構關系的重要程度可細化為五類，并分別給每個xi與xj的結構關系分配一個權重關系值，如表2所示。由表2，根據xi與xj的結構關系及其關系值，為確定系統核度，可將各個影響因素之間的相關性劃分為四個區域：[1，3]為稍相關區，[3，5]為較相關區，[5，7]為強相關區，[7，9]為最相關區。

（3）根據xi與xj間的結構關系，在多Agent的結構模型中確定相互之間的耦合度，從中挖掘影響生產數據正確性的主要因素。這樣，使得主要影響因素成為系統中的核心元素，所有的數據處理方法需通過核心元素得出，若離開這個核心元素，便無法找到一個可行的方法進行數據處理。為此，根據系統核度理論[10]，可將影響生產數據正確性的主要因素定義為一個異常系統核，具體設計過程如下：

首先，定義G為一個連通圖，圖G有m個頂點，則其全體割集集合可定義為Q（G），且｜V（G）｜＝m≥4，其相應的核度為

這樣，在多Agent系統中，G是它的無向連通圖，ω（G）為圖G的連通分枝數，r′ 則為圖G 的核。又因為多Agent系統是一個G連通系統，則G的核就是多Agent系統的核，同時G的核度p（G）就是多Agent系統的核度p（x），而且，系統的核度越大，整個綜合評價過程越準確。

（4）確定模糊關系矩陣。根據影響因素的分類和系統核度的分析，以及xi與xj間結構關系的計算過程，結合專家系統理論[11]，可將影響因素對應的模糊關系矩陣表示為

矩陣 M 中，mij（i＝1，2，… ，m；j＝1，2，… ，n）是專家根據經驗給出的，表示在所有造成異常的事件中，第i種生產異常事件中第j種影響因素所占的權重，故有

表2 xi與xj間的結構關系及其關系值

（5）通過多Agent的業務管理系統對整理車間的生產管理指標qi進行量化，使其形成系統所能接受的指標集Q，即Q＝｛qi｜，i＝1，2，…，n｝。然后借助步驟（2）中xi與xj間的結構關系，為方便專家評議，在系統人機界面上將這種結構關系以五級制模糊評語集V＝｛無關（V1），稍相關（V2），較相關（V3），強相關（V4），最相關（V5）｝來表示。系統在量化處理評議結果時，評語集V中的值與結構關系值Val相對應。這樣，在多Agent系統中，若有u位專家對整個業務管理過程進行評議，則形成的模糊關系矩陣為Mi（i＝1，2，…，u）。同時，為保證整個業務管理數據的正確性和有效防止人為因素所引起的數據誤差，結合步驟（3）確定系統的核度p（x）。根據核度p（x），為每個 Mi分配一定的權重系數wi（i＝1，2，…，u），且w1＋w2＋ … ＋wu＝1，這樣，利用加權求和的方法可獲得M的最終值，即

（6）在多Agent的關系模型中，系統管理Agent執行R（T1→T5）去調用執行Agent，由執行Agent執行R（T5→（T8∪TB））啟動源數據Agent、查詢Agent，在系統數據庫中獲取評議結果yik，然后執行Agent執行R（T5→TC）去調用統計Agent，由執行Agent對統計分析任務所需的數據資源、評議結果yik進行分析，并將分析結果上報系統管理Agent，由系統管理Agent確定執行方案；最后，系統管理Agent組織各個體Agent結合評議結果值yik和系統業務管理數據，執行R （（T5∪T8）→ （T4∪T8∪TC））開始執行任務，對生產管理數據進行統計，形成管理工作所需的數據結果。

綜上所述，在多Agent的業務管理系統中，首先，對廠級制定的10項生產管理指標進行量化（表3），使其形成系統所能接受的指標集Q＝｛qi｜i＝1，2，…，10｝。

表3 綜合指標評議值

然后，由系統對其兩兩相關性進行分析，得出系統核度，并確定關系矩陣M；利用量化的指標、評語集V、權重系數wi，以及多Agent間的相互協作關系，對表1中的分品種數據進行優化處理，結果如表4所示。

最后，將系統數據庫中的產量表、質量表、疵點表、設備使用情況分析表、評議結果數據表，按照品種編號進行內部鏈接，同時將管理指標表、評議結果數據表、影響因素分類表按照管理指標編號進行內部鏈接，分別從中檢索出影響因素集X所對應的綜合評議結果值Yi，通過結構關系值Val與指標集Q，一方面形成Val與Yi間的關系圖（圖2a），另一方面形成qi與Val間的關系圖（圖2b）。這樣，借助數據表間的品種編號與指標編號的內部連接關系，通過品種數據之間的耦合度找出影響生產數據正確性的主要因素（核度）和次要因素。

表4 分品種分日期的綜合評價報表

圖2 綜合分析示意圖

由表4可見，多Agent的業務管理系統所統計的數據結果中，除品種JC60601009550＂和JC6060908850＂細布外，其他分品種的一等品、合格品數據大于表1中的數據，同時，一等品率、合格率與表1相比明顯有所增大，而分品種的漏檢率與表1相比明顯有所減小，均小于3.000%，同時，消除了分品種合格率為100%而漏檢率大于0的非正常現象。因此，與原有FOXBASE系統相比，該系統的優勢在于：在業務管理方面，其數據統計結果準確，各項數據考核指標與廠級的生產管理目標基本一致，而且系統的主要功能滿足整理車間業務管理工作的發展需要，有利于生產管理者的生產管理與決策分析；在結構模型方面，系統為個各異構數據庫的集成提供了較多的數據接口，解決了“信息孤島”問題，實現了生產數據在局域網內的共用共享。

由圖2a可見，評議結果峰值抖動最大的波形所對應的結構關系值Val區間為[1，3]、[3，5]、[5，7]。

結合圖2a以及數據綜合處理過程的步驟（2），對管理指標qi及結構關系值Val進行分析，使其直觀地展現影響業務數據正確性的主要因素。由圖2b可見結構關系值Val的分布情況：Val數據點主要落在指標4、1、8上，指標4對應的數據點個數為4（數據點個數越多，與指標qi的相關性越高，因為所有的Val值都是由指標qi計算得到的），其狀態已處于稍相關、較相關和強相關三個區域；指標1對應的數據點個數為2，其狀態處于較相關和強相關兩區域；指標8對應的數據點個數為2，其狀態處于稍相關區；其他指標對應的數據點個數為0。

將圖2b的結果與廠級制定的管理指標進行對照，按指標qi上的Val數據點個數多少進行排序，結果依次為指標4、1、8。這三個指標編號對應的指標類型分別為人為因素、機器因素和計劃因素。上述分析表明，在整個業務管理過程中，人為影響因素如誤操作、估產等對業務數據正確性的影響最大；其次為機械故障，而機械故障的產生一定程度上也與人為因素有關，如職工的勞動熟練程度、人為停機、人為斷電、機臺異常事件未及時處理等；再次為計劃異常，這需對車間整個制造執行過程中的在機品種信息及時進行調整。

4 結語

通過對整理車間業務需求的深入分析和任務數據流向的研究，在網絡環境下構建了一種多Agent的業務管理模型，對多車間、多工序、多品種特點的管理模式進行了優化，解決了現階段整理車間業務管理流程復雜、原有DOS系統個性化服務缺乏、數據信息處于孤立狀態的問題，使得系統結構模型快捷、靈活、易用，可適應業務管理需求的發展。在此基礎上，開發了多Agent的業務管理系統，并有效地整合了系統數據資源，使得系統具有很好的集成性、異構性和開放性，一定程度上提高了系統的可維護性和可擴充性，使廠級生產管理者對各車間的投入產出、成本利潤實現在線智能分析和評價，同時，為廠級生產管理者實現紡織廠生產管理和決策分析提供了良好的數據依據，并在局域網內為遠程多用戶提供了智能化、個性化的服務。多Agent的結構模型充分體現了整理車間業務管理工作的主動性、智能性、協調性，提高了車間的工作效率，實現了業務管理工作的人性化，有力地推動了紡織廠生產管理工作的信息化。

[1]梅自強.我國棉紡織行業面臨的挑戰與應對措施[J].棉紡織技術，2008，36（1）：2-3.

[2]Guzaitis J，Verikas A.Image Analysis and Information Fusion Based Defect Detection in Particleboards[J].Electronics and Electrical Engineering，2006，71（7）：67-71.

[3]Jeffrey K C F，Lee C J.A Back－propagation Neural Network for Recognizing Fabric Defects[J].Textile Research Journal，2003，73（2）：147-151.

[4]張元虎，俱文選.整理車間計算機工藝管理系統的開發[J].陜西紡織，2003（2）：44-45.

[5]金士堯，黃紅兵，范高俊.面向涌現的多Agent系統研究及其進展[J].計算機學報，2008，31（6）：881-895.

[6]Zhao X P，Li M S，Wang Q，et al.An Agentbased Self－adaptive Software Process Model[J].Journal of Software，2004，15（3）：348-359.

[7]Huynh T D，Jenningsss N R，ShadboltN R.An Integrated Trust and Reputation Model for Open Multi－Agent Systems[J].Journal of Autonomous Agent Multi－Agent System，2006，12（3）：119-154.

[8]Moreau L.Stability of Multiagent Systems with Time－dependent Communication Links[J].IEEE Transactions on Automatic Control，2005，50（2）：169-182.

[9]胡軍，李志昂.面向虛擬組織的政策導向型自治、可控Agent模型[J].湖南大學學報（自然科學版），2010，37（6）：71-76.

[10]朱鵬，趙炳新，黃璐艷.基于點賦權圖核與核度理論的企業核心能力識別[J].山東社會科學，2010（2）：115-117.

[11]姚金武，霍劍青，楊旭，等.基于C／S的RBI專家系統的設計與實現[J].中國科學技術大學學報，

2010，40（6）：629-634.