不確定環境下單機器生產與運輸協同調度研究

(成都大學 四川 成都 610106)

一、單機器生產與車輛運輸過程中的不確定性

(一)生產的不確定性

1.訂單的不確定性

在接收客戶訂單制定相應生產計劃階段下，存在著訂單相關的不確定性，由于采用訂單式生產，訂單的微小變化可能直接影響企業生產與運輸的有效調度。隨著客戶需求呈現個性化和多樣化的發展趨勢，產品訂單特點逐漸表現為多品種、小批量及大規模定制等特點。對于相應訂單的交貨期而言，產品的交貨期差異大，對于不同客戶的產品交貨期可能不同，相同客戶的不同產品的交貨期也可能不同，這就需要企業能夠盡可能滿足不同客戶的需求，在交貨期內完成交貨。而訂單中訂單優先級提高、工件返工、緊急客戶訂單的加入、訂單取消、交貨期提前等，訂單因為具有實時性和突發性變得難以預測，這些突發情況的產生都對企業的調度提出了很高的要求。

2.單機器生產能力的不確定性

在生產階段單機器生產下，定量因素為單機器以生產的既定的生產率連續生產客戶的批次訂單，在生產率的既定情況下，訂單的生產加工時間和數量有著線性的相關關系，但影響單機器生產能力的因素中仍有大量的不確定性因素。生產能力的大小受到外部環境和內部環境的雙重影響，在訂單生產中存在離散的不確定性，如機器的偶發故障與檢修、突發的停電狀況、人工誤操作、原材料儲備不夠等，盡管該類不確定性發生的概率較低，但在這類不確定性的影響下一旦發生對生產能力的影響是巨大的。生產能力的不確定性會直接影響企業處理訂單時間和相關生產成本和的高低，企業需要將該類不確定因素考慮進生產能力的規劃中，根據Zadeh可能性/概率兼容性原理，借助機會約束，盡量減少離散不確定性的出現。

(二)運輸的不確定性

訂單運輸時間、運輸成本的不確定性：

在運輸階段車輛充足情況下，大多數文獻在考慮生產與運輸的協同調度問題時，僅考慮訂單生產時間，而忽略了訂單運輸時間。而訂單運輸時間也影響是其產品成本的重要因素，在充足車輛直達運輸模式下，各個訂單選擇不同的運輸模式則會產生不同的運輸時間和運輸成本。當產品的運輸由企業自身完成時，訂單運輸的先后次序、訂單運輸數量、訂單是否分開運輸等的選擇都具有不確定性；當產品的運輸由第三方物流公司完成時，有多種不同的海運、陸運和空運方式可供選擇。采用不同的運輸模式會產生不同的運輸成本和運輸時間，企業需要將不同運輸模式下的運輸時間和運輸成本進行比較，靈活的依據不同產品批次的運輸相關成本選擇一種合適的運輸時間，從而合理控制運輸成本。

(三)協同調度多角度研究現狀

運輸成本與平均交貨時間 [1]最大拖期及配送成本 [2]制造商信譽懲罰成本與配送成本 [3]制造生產成本與完工配送成本 [4]總成本最小化 [5]生產成本、庫存成本、配送成本 [6]

二、單機器生產與車輛運輸過程中的協同調度優化方法

(一)數學規劃法

數學規劃法是指根據生產與運輸中出現的不確定因素的特性，將不確定性的描述出來，采用數學模型的方法進行解決。在數學描述中，主要采用概率分布描述、模糊數學描述、區間描述和離散描述值的方法搭建不確定性參數的數學框架，數學模型的表現隨機規劃、模糊規劃和魯棒優化方法。在建立數學模型的過程中，要依據不確定參數的自身特性來選擇具體的數學模型方法。各方法概念及特點見下表。

方法概念類型適用隨機規劃利用離散或連續的概率分布函數動態隨機規劃、機會約束規劃、多階段隨機規劃、基于場景的隨機規劃、模糊隨機規劃參數本身帶有隨機性,信息完整、可以提供概率分布函數模糊規劃將不確定參數表示成模糊數柔性規劃和可能性規劃信息不完整的不確定參數或者參數本身帶有模糊特性的情況下魯棒優化利用有界的數學集合變化頻繁但幅度較小的不確定參數

然而，數學規劃法作為一種較為嚴格的數學解決法，采用對生產與運輸不確定性參數建立模型的方法，當相關不確定性參數發生變動的時候，就會使得根據模型得出的最優方案發生改變。因此，在運用數學規劃法的時候，應該注意對相關數據參數確定的準確性，優化參數的約束范圍，使建立的模型更加可靠。

(二)系統仿真法

系統仿真法是指根據系統分析的目的，在分析系統各要素性質及其相互關系的基礎上，建立能描述系統結構或行為過程的、且具有一定邏輯關系或數量關系的仿真模型。在生產與運輸的協同調度中，系統仿真法能夠將對模型進行仿真實驗，依據不確定參數的具體情況，進行在有關約束條件下的實驗，從而確定出在不確定參數下目標的最佳水平。但是系統仿真法只是在實驗室的環境下運作，其結果具有一定的理想性，無法準確及時的對真實運作中的變化發生反映。并且，系統仿真法是以計算機運作為依據，其具體的操作需要擁有相關專業知識的人員。

(三)人工智能算法

人工智能算法是指將生產與運輸的協同調度模擬為人類的智能活動，增加供應鏈的大數據處理能力，及時判斷生產與運輸的時間，提高運輸的利用度。在協同調度中，人工智能法主要表現其一是：利用人工智能，全面分析生產與運輸協同調度中的問題，通過對大數據的解析，判斷單機器生產與運輸下的不確定參數，從而建立相應數學模型，通過人工智能法予以求解，在實際生產運作中運用人工智能法對生產與運輸的調度予以優化，人工智能法具有適應性強、快速的特點，可以根據不確定環境的改變，而改變其判斷。

人工智能算法是指解決最優化問題的一系列具有特殊性質的算法，其特點是具有全局優化性能且通用性很強，并且具有并行處理的能力，因此常被用于求解生產線協同調度問題。常見的智能算法有遺傳算法、模擬退火、粒子群算法、差分進化算法等,各算法特點見下表。

方法特點遺傳算法和模擬退火算法不依賴于問題的具體結構,算法簡單,應用范圍廣泛粒子群算法依賴群體信息共享的智能隨機尋優算法,算法簡單,通用性強差分進化算法算法簡單、容易實現、快速收斂及魯棒性強

三、結語

隨著國家“2025 中國制造”的全面拉開，制造型企業面臨全面得升級與轉型，而在這個過程中，生產與運輸的協同調度的地位日益凸顯。在企業的生產環境中，存在著許多的不確定性因素，對生產與運輸協同調度有著相應影響，在實際生產過程中，需要結合相關方法，提出兩者協同調度的方法，從而確保生產與運輸協同調度能夠順利完成，降低相關成本，提高企業經濟效益。本文總結了不確定環境下單機器生產與運輸協同調度中的不確定因素和相應的優化方法，并指出了相應方法的適用性和局限性。