基于HCPS的智能制造可重構性研究：發展現狀和趨勢展望

□付 超 薛 旻 占倩珊 丁曉藝 侯冰冰 吳子健

[合肥工業大學 合肥 230009]

引言

制造業代表著一個國家的生產力水平，是國民經濟的支柱性產業。過去的200多年里，在經歷了第一次、第二次和第三次工業革命后，制造業的世界格局在不斷發生著變化[1]。以人工智能、云計算、物聯網等為代表的新一代信息技術的發展，正推動著以智能制造為核心的第四次工業革命的到來。如何把握這一輪工業革命的浪潮，促使制造業成功完成產業升級，實現制造大國向制造強國的轉變，是當前我國制造業面臨的重要挑戰。基于此，圍繞智能制造的發展歷程，深入分析和揭示智能制造的核心特征和發展機理便顯得尤為重要。

智能制造自誕生以來，就受到學術界和工業界的廣泛關注[2～4]。新一代信息技術，作為技術革命歷史性的突破，在泛在感知、群體智能、動態優化、敏捷響應等方面呈現出新的能力和特性，為人類認識自然、改造社會、大幅提高生產力，提供了新的技術支撐。隨著新一代信息技術和智能制造技術的不斷融合和發展，智能制造逐步從傳統制造向數字化制造、網絡化制造和以數字化、網絡化、智能化為核心的新一代智能制造邁進[5]。傳統制造系統主要包含兩個部分，即人–物理系統（Human-Physical System, HPS），通常是利用人對物理機器的操作和控制完成制造任務。不同于傳統制造，數字化制造和網絡化制造中增加了信息系統，用于替代人類完成部分勞動，可以通過操作信息系統來部分控制物理系統。這兩類制造模式通常分別被認為是人–信息–物理系統（Human-Cyber-Physical System, HCPS）1.0和1.5。然而，新一代智能制造作為未來制造的前沿方向，被認為是HCPS 2.0階段。該階段不僅僅只是HCPS 1.0和1.5的簡單優化，更強調以人為中心，極大地開發和釋放人的智慧潛力，將人與機器深入融合在一起，實現真正的智能化生產。基于HCPS和智能制造的發展歷程，可以清楚地看到，HCPS為揭示智能制造發展機理提供了重要的理論基礎。

基于上述發現，眾多學者從HCPS視角出發，深入剖析智能制造，特別是新一代智能制造的基本原理、技術特征和發展趨勢[6]。明確指出，新一代智能制造是一個基于HCPS的集成大系統。高度集成、柔性靈活、決策閉環、以人為中心等是智能制造要具備的重要能力。然而，如何在HCPS視角下提出智能制造獲取所要具備能力的有效方法和途徑，是當前圍繞智能制造開展的研究熱點和難點之一。

為解決這一難題，本文以可重構制造系統特征為基礎，圍繞基于HCPS的智能制造可重構性開展回顧性綜述分析，在系統性剖析研究現狀的基礎上，提出基于HCPS的智能制造可重構性研究展望，為解決基于HCPS視角的智能制造核心能力獲取問題提供方法參考。具體而言，本文首先分別介紹了智能制造、HCPS及可重構性的定義和內涵，并利用Institute for Scientific Information（ISI）數據庫，以“智能制造”“可重構”“智能工廠”等為關鍵詞，對智能制造可重構性的發展變化進行了簡要的統計分析。進而，本文系統分析了面向智能制造的HCPS研究現狀和面向智能制造的可重構制造系統的特征和發展趨勢。其中，重點分析了HCPS和可重構制造系統之間的關系，并基于此，給出了基于HCPS的智能制造可重構性的定義和內涵。隨后，本文基于上述理論分析結果，主要圍繞機床可重構性、生產線可重構性、智能車間可重構性和智能工廠可重構性四個方面，對面向智能制造的可重構性開展了系統而翔實的回顧性分析。在此基礎上，本文聚焦于智能制造可重構方法體系、基于HCPS的可重構智能工廠和面向工業互聯網的智能制造可重構性，闡述了基于HCPS的智能制造可重構性的下一步研究展望。上述研究工作，對于豐富基于HCPS的智能制造方法體系，推動以智能制造為核心的智能工廠的應用發展具有重要的理論意義和實踐價值。

一、定義和內涵

新興信息技術與傳統制造的不斷融合推動了智能制造的誕生和快速發展，替代了大量的重復性體力勞動，大幅提高了社會生產力。Wright和Bourne首次提出智能制造的概念，即通過集成知識工程、制造軟件系統、機器人視覺和機器人控制，針對專家知識與工人技能進行建模，進而使智能機器能夠在無人干預狀態下實現小批量生產[4]。該定義主要從技術層面解釋了智能制造的含義，將智能制造定義為一類面向生產制造過程的工程技術。

然而，迄今為止，尚無公認的智能制造的標準概念。認可度較高的概念是由美國國家標準與技術研究院提出的，即完全集成和協作的制造系統，能夠實時響應工廠、供應鏈網絡、客戶不斷變化的需求和條件。國內多位學者也曾提出智能制造的相關概念，其中具有代表性是周佳軍和姚錫凡，他們認為智能制造是在新一代信息技術和人工智能等技術的基礎上通過感知、人機交互等類人行為操作來實現產品設計、制造、管理與維護等一系列流程，是信息化和工業化融合的集中體現[1]。

智能制造由智能制造系統和智能制造技術組成，智能制造系統是智能制造的核心[2]。智能制造系統是一類由智能裝備、智能控制和智能信息共同組成的人機一體化制造系統，它集結了人工智能、柔性制造、虛擬制造、系統控制、網絡集成、信息處理等學科和技術的發展[3,7]。

在智能制造的發展過程中，同樣伴隨著HCPS（人、信息系統和物理系統）的演進和發展。換言之，HCPS的不斷發展也改變著智能制造內涵和體系的發展。HCPS是以人為中心，由人–物理系統（HPS）進化而來，即一種由人、信息系統和物理系統組成，以優化的方式實現特定目標的復合智能系統[8～11]。HCPS包括HPS、人–信息系統（Human-Cyber-System，HCS）和信息–物理系統（Cyber-Physical-System，CPS）等子系統?；贖CPS視角，王柏村等提出以數字化、網絡化、智能化為主的新一代智能制造，其本質就是一個基于HCPS的集成大系統[6]。

在智能制造系統的自動化、網絡化、智能化等眾多特性之中，可重構性是其中一個重要的特性。美國Lowa州立大學的Lee教授將可重構性定義為一種以低成本和短周期重組制造系統的能力[12]。祁海銘將可重構性定義為在一定的能量約束條件下，控制系統在故障后通過應用主動或被動容錯控制策略仍然保持可控、可觀測性的能力[13]。以可重構性為核心，可重構制造系統的概念被提出了，并受到了眾多學者的廣泛關注，這一概念將在下文中深入分析。

為更直觀地了解面向智能制造的可重構性當前的發展趨勢，本文以“智能制造”“可重構”“智能工廠”等為關鍵詞，對智能制造可重構性的發展變化進行了簡要的統計分析。基于Institute for Scientific Information（ISI）數據庫，本文首先統計了1983～2021年智能制造可重構性相關的文獻發表數量，以及截至2021年4月前所統計文章相應的引用數量，如圖1與圖2所示。由圖1、2可得，智能制造可重構性相關研究萌芽于20世紀80年代，并于2000年后得以加速發展。同時，智能制造可重構性近五年研究增長達到巔峰，并有不斷上升的趨勢，說明該領域在當前仍有著可觀的研究前景。

圖1 智能制造可重構性研究發表數量

圖2 智能制造可重構性研究被引用數量

圍繞智能制造可重構性的研究發表于不同期刊及會議上，且發表于會議居多，其中有近4.478%研究發表于IFAC Papers Online，如表1所示。

表1 智能制造可重構性研究來源出版物

表2與表3給出智能制造可重構性研究的主要來源國家/地區，以及來自不同國家/地區的相關學者。目前智能制造可重構性相關研究主要集中于中國，研究量占比為22.090%，而美國僅次于中國，研究量占比為14.328%。相關研究量最多的三位學者分別為來自葡萄牙布拉干薩理工大學的Leitao Paulo、瑞典呂勒奧理工大學的Vyatkin Valerity以及中國華南理工大學的李迪。

表2 智能制造可重構性研究來源國家/地區

表3 智能制造可重構性研究相關學者

如表4所示，智能制造可重構性研究涵蓋不同研究方向，包括工程、計算機科學、自動化控制系統、機器人、儀器儀表等。其中，工程與計算機科學為主要研究方向，研究量占比高達92.537%與75.522%。同時，研究方向涉及商業經濟學、材料科學、數學、光學等，表明智能制造可重構性研究所涉及學科范圍較廣、領域交叉性較強。

表4 智能制造可重構性主要研究方向

本文以5年為單位，進一步分析了智能制造可重構性不同研究方向的發展情況，如圖3所示。由圖3可得，智能制造可重構性在“工程”“計算機科學”以及“自動化控制系統”方面研究量自20世紀80年代以來保持穩步增長，并于2006～2010年達到波峰。2011～2015年相關研究增長速度有所減緩，甚至稍有下降，但2016～2020年又恢復增長速度，預估未來相應研究將繼續保持增長趨勢。此外，智能制造可重構性在“機器人”“儀器儀表”及“數學”等方面研究量雖然基本保持增長趨勢，但增長速度較為緩慢。

圖3 智能制造可重構性主要研究方向的發展情況

二、基礎理論及發展現狀

（一）面向智能制造的HCPS研究現狀

智能制造的發展過程本質上也是HCPS發展的過程[14]。HCPS有兩條具有代表性的發展主線：其一是由CPS擴展得到，在CPS的基礎上，HCPS考慮了人在信息傳播技術的支持下與網絡系統和物理系統之間的互動和合作[15]。其二是從原始的人–物二元系統（HPS）過渡到人–網–物三元系統（HCPS）。

國內關于HCPS的研究還處于起步階段。王柏村等基于HCPS的系統組成和內涵，探討了智能制造的演進過程和新一代智能制造的主要特征，從人、信息系統、物理系統及系統集成等角度提出發展建議，為我國相關制造企業踐行HCPS和發展智能制造技術提供參考[16]。周濟等基于HCPS的角度回顧智能制造的發展進程，深度剖析了用于新一代智能制造的HCPS的作用、特征、技術框架和關鍵技術，進而總結并展望在智能制造中實施HCPS所面臨的關鍵挑戰[5]。

國際上關于HCPS的研究較早于國內，但也處于探索階段。Ma等將人引入傳統的CPS過程中，提出用于CPS數據和決策智能的閉環計算框架并且對該閉環的關鍵特征進行了定義，通過審查和比較，總結了建立人參與的CPS智能閉環的關鍵未來機遇[17]。Emmanouilidis等提出一種新觀點，即人能夠與認知能力聯系起來并參與生產制造過程，并強調信息管理在工業系統中的作用，此外，還提供了技術支持者的示例，這些技術支持者可以在與生產環境相關的應用案例中將人置于循環之中[18]。Wang等基于人工智能發展過程，指出傳統制造到智能制造的發展歷程也是原始HPS到HCPS的發展歷程，此外，明確表明HCPS揭示了智能制造發展的基本準則[15]。Sun等基于工業互聯網和可穿戴科技的系統角度提出健康運營商4.0（HO4.0）概念，構建一個統一框架支持不同技術的融合來實現這一新概念，此外，開發了一個原型系統并進行了相關實驗以驗證所提出的系統架構和實現框架的可行性[19]。Flores等從人類技能的角度來對比人與機器之間的相似性和優勢，該分析突顯了一些已經轉移到技術上的人類能力并且提供了人機能力差異的更新列表，此外，確定了參與HCPS的人為因素以及與HCPS合作時包括和要求的技能[20]。Liu和Wang回顧了HCPS的發展進程，引出并明確了HCPS中的部分重要概念，進而討論了從系統工程的角度建立HCPS科學基礎的關鍵挑戰及未來研究方向[21]。Wang等構造了一個統一的框架來理解HCPS中的學習和智能并提出一個對工業4.0更加現實和整體的理解，此外，介紹了HCPS學習和智能的要素和子系統，討論了實施以人為中心的工業4.0將要面臨的挑戰[22]。由此得出，HCPS是支持智能制造未來發展的理論基礎，從HCPS視角探究智能制造的可重構性對于傳統制造轉向智能制造的影響是尤為重要的[5]。

（二）面向智能制造的可重構性研究現狀

1.可重構制造系統定義

以可重構性為核心所形成的制造系統，被稱為可重構制造系統（Reconfigurable Manufacturing System，RMS）。本文將以RMS為核心深入分析面向智能制造的可重構性的研究現狀。1999年，在國際生產工程研究學會（CIRP）年會上，Koren教授等提出了可重構制造系統（RMS）的概念：“可重構制造系統是一種能在同一零件族內快速改變系統結構、軟硬件模塊，迅速調整生產能力和生產功能以快速響應瞬息萬變的市場需求和客戶定制要求的制造系統。”[23]

北京理工大學的梁福軍等將可重構制造系統定義為：一種對市場需求變化具有快速響應能力的可重新構形的可變制造系統，該系統能夠基于現有自身系統在系統規劃與設計規定的范圍內，通過系統構件自身變化和數量增減以及構件間連續變化等方式動態地改變其構形，從而達到根據發生的變化調整生產過程、生產功能和生產能力，實現短系統研制周期、低重構成本以及高加工質量和經濟效益的目標[24]。

2.可重構制造系統特征

區別于傳統制造系統，可重構制造系統主要具備重構性、經濟性、定制性、集成性、模塊化、可診斷性、可轉換性等特征。具體而言，重構性是可重構制造系統區別于其他制造系統最本質的特點。重構性的實現主要依靠制造模塊的合理劃分和接口的科學設計，根據結構的變化實現不同的功能?？芍貥嬛圃煜到y的重構性在克服了一般柔性系統的冗余煩瑣和周期長等缺點的基礎上，增加了制造柔性?？芍貥嬛圃煜到y的定制性特點可以滿足客戶個性化和多樣化的需求，同時能夠快速響應市場變化和客戶的需求變化。定制性特點增加了可重構制造系統的柔性和響應速度，同時縮短了研發周期、降低了管理成本?？芍貥嬛圃煜到y的集成性是指系統中各個設備和模塊具備可集成化的能力。一般而言，可重構制造系統中的所有主要部件，包括硬件和軟件都是模塊化的。此外，可重構制造系統能夠對重構后的產品加工質量和可靠性等進行辨識和檢測[25]。

3.發展歷程

第一，可重構制造系統出現的原因?？芍貥嬛圃煜到y的提出和傳統生產線制造模式（Transfer Line, TL）以及柔性制造系統（Flexible Manufacturing System, FMS）密不可分，傳統生產線制造模式和柔性制造系統是制造業應用最為廣泛的兩種基本制造模式，但這兩種制造模式都有其優缺點[26]。FMS具有高柔性但生產率較低，TL具有高生產率，但柔性較低。從柔性和生產率的關系來看，同時具備高生產率和高柔性的制造系統目前尚不存在，需要提出一個兼具高柔性和高生產率的新型制造系統，即可重構制造系統。

第二，可重構制造系統的發展趨勢?？芍貥嬛圃煜到y一經提出，便受到了學術界和工業界的廣泛關注。目前而言，圍繞以下三個方面，形成了可重構制造系統的主要研究方向。（1）系統建模：RMS的系統建模通過建立能反映RMS的各要素隨時間發生變化的隨機模型，準確判斷RMS性能與各因素之間的關系，進而對系統性能進行優化[27～28]。（2）模塊化設計：RMS的模塊化設計包括硬件和軟件的模塊化設計。硬件模塊化設計是指采用模塊化設計的各種設備，如可重構機床、工業機器人、夾具和物流設備等。軟件模塊化設計是指制造系統的控制系統采用模塊化設計，在系統重構過程中能夠快速完成控制系統的調整[29～30]。（3）設施布局與優化：RMS的設施布局與優化技術可以根據費用、質量、系統穩定性等要求，選擇最優重構方式[31-33]。

（三）HCPS和RMS之間的關系

HCPS和RMS本質上都是一種通過集成子系統或模塊構成的具有一定智能的制造系統，這里從三個方面對HCPS和RMS的相同點進行闡述和分析，分別是智能性、系統性和集成性。

第一，智能性是HCPS最基本的特征，即系統能夠通過不斷優化調整進而實現自身行為趨于最優。在智能制造的生產過程中，RMS能夠通過增強子系統或模塊的可重構性，進而實現快速響應變化的需求生產出符合客戶要求的產品，依托于優化、調度、人工智能算法等，使得RMS系統具備了所需的智能性。因此，從智能制造的視角看，HCPS和RMS都具備智能性這一特征。

第二，從系統的角度來看，HCPS和RMS本質上都是一類集成系統。HCPS是由人、信息系統和物理系統構成的復合系統，其包括HPS、HCS和CPS等子系統。RMS是由多個可重構的子系統或模塊集成的能夠通過自調整、自優化實現特定目標的系統?？偟膩砜矗琀CPS和RMS都具備系統性這一特征。

第三，HCPS和RMS都不是由單一系統構成，二者都是通過集成具有不同功能和作用的子系統或模塊得到的復雜系統。因此，HCPS和RMS都具備集成性這一特征。

盡管HCPS和RMS具有以上三個相同點，但二者所強調的側重點不同。HCPS強調的是通過融合先進的人工智能和信息技術來智能化制造過程，而先進的人工智能技術和信息技術卻是RMS所缺失或者研究較少的方向。RMS強調的是通過提高系統的可重構性來快速響應市場需求，其中包括機床可重構性、生產線可重構性、車間可重構性等，而HCPS相關研究尚未明確涉及系統的可重構性這一特性。

基于上述對HCPS和RMS的分析，這里給出基于HCPS的智能制造可重構性的新定義，即基于人、信息系統和物理系統的集成系統，深度融合新一代信息技術和制造業以實現產品全生命周期流程的自組織、可重構、智能化的復雜制造系統。

三、關鍵技術及研究現狀

圍繞智能制造的可重構性特征，以下主要從機床可重構性、生產線可重構性、智能車間可重構性和智能工廠可重構性開展回顧分析。

（一）機床可重構性

在過去的幾十年里，隨著計算機技術的迅猛發展，新興因素對制造業產生了巨大的影響。新興因素，如市場需求的變化、對于靈活性的需求、產品生命周期縮短、海量的個性化需求，這些因素都極大地改變了生產環境，促使制造企業開展生產模式的革新[30]。

可重構機床（Reconfigurable Machine Tools，RMT）是可重構制造系統中的重要組成部分，是實現可重構制造系統的關鍵技術設備之一，是針對特征族零部件而設計的新一代機床[25]。可重構機床的主要組成部分包括：基礎模塊，如底座、立柱、床身等，以及輔助模塊，也稱作動態模塊，用來執行不同的任務和操作，如主軸、面板、刀架等，輔助部件和基礎部件之間的連接應該是模塊化的，以便快速添加和移除[30]。機床可重構性是指以成本效益的方式，在機床上添加或移除模塊化部件的能力。通過使用一系列模塊化部件，如驅動關節、部件之間的鏈接、傳感器等來增強可重構機床的可重構性[34]。

Ersal等針對可重構機床的設計提出一種模塊化建模方法，分為構件模型開發和構件裝配兩個步驟來構建可重構模型[35]。利用機床投資成本、生產率和設備可用性等多種評價指標，Spicer等確定了可重構機床中包含的最優模塊數量[36]。特征選擇方法可用于識別滿足可重構機床加工要求的最小模塊集合[37]?；谏a流程信息和輔助模塊需求的機床間相似性度量方法，利用模塊化機床設計機床單元，實現機床可重構。在最小化零件之間的移動量，以及最小化用于生產的輔助模塊的總變化量的基礎上，運用多目標進化算法對需要重構的機床單元進行識別，得到Pareto最優解，實現機床可重構[38]?；谛蜗笏季S的人機交互設計方法可以通過計算機模仿人的形象思維方式，獲取人的知識，模擬可重構機床的所有重構情形[39]?？紤]到輔助模塊的可用性，即輔助模塊在機床上的安裝和拆卸，以及輔助模塊在可重構機床之間的運轉，Bortolini等提出一種線性規劃優化模型對可重構機床進行重構，進而實現對可重構制造系統的動態管理[30]。

（二）生產線可重構性

可重構生產線是指面對市場不確定性、訂單多樣性等不可預知因素的隨機性質，可重新分配現有制造資源，改變生產過程和生產能力，以適應新環境的能力。當前可重構生產線的研究主要聚焦于可重構生產線系統建模、可重構生產線平衡以及可重構生產線評估三個方面。

1.可重構生產線系統建模

可重構生產線系統建模通過構建可重構生產線的動態隨機模型對制造過程中的隨機性進行分析、仿真、優化和控制。多年來，可重構生產線系統建模問題的重要性和復雜性受到學術界的廣泛關注并開展了大量研究。

在基礎研究層面，He等面向智能工廠設計了具有高度自動化、柔性化、可靠性和可重構性的自動化柔性傳輸生產線。該生產線由多個加工單元組合的順序和可重構階段組成，可減少平衡和配置生產線的成本[40]。針對發動機缸體清理打磨產線的設計周期長、混線效率低、作業過程復雜等問題，通過結合工業物聯網和數字孿生提出一條發動機缸體智能清理打磨生產線，降低了產品廢品率，實現了車間無污染、無工傷、無不良品目的[41]。針對道釘整理裝箱效率低和生產線自動化程度低的問題，基于差速傳送帶分離思想設計全自動道釘整理裝箱生產線，提高了道釘整理裝箱效率和生產線的整體自動化程度[42]。

在應用研究層面，面向紡織工業，基于計算機視覺、深度學習和機器人技術針對服裝生產過程設計了生產線的硬件部署和管理架構，促進了紡織工業發展，提升了現有生產技術[43]。面向自行車生產過程，Liu等設計了自動控制系統、現場管理監控系統和遠程監控系統，提升了自行車生產效率和工業生產安全性[21]。面向手工藝品生產加工過程，基于數據建模、數據收集、數據分析和數據可視化技術構建了工藝品結構自動生產線大數據平臺，實現了對工藝品加工過程的實時動態控制[44]。

2.可重構生產線平衡

可重構生產線平衡問題直接關系設施利用率和生產效率，是制造領域的關鍵問題。制造業的生產線通常是細分后的多工序流水化連續作業生產線。在作業細分化之后，各工序作業時間之間的差異容易造成工序間作業負荷不均衡的現象。高負荷工序不能按時完成生產任務，降低生產效率。低負荷經常停工待料，造成工時損失和工件堆積滯留，阻礙生產線的順暢流通。多年來，可重構生產線平衡問題一直受到學術界的廣泛關注，開展了大量研究。

在基礎研究層面，針對預防維護下的裝配線平衡問題，提出一種帶有重啟策略的多目標變鄰域搜索算法，優化了正常工作、設備維護下的節拍并調整了工序[45]。針對單U型裝配線平衡問題，焦玉玲等提出一種基于鄰接矩陣特征的啟發式算法[46]。針對2型流水線平衡問題，提出混合整數編程模型并開發基于邏輯的Benders分解算法，縮短了每個任務的設置時間[47]?？紤]到任務中不同型號設備對任務作業次數、設備采購成本的影響，Niroomand等提出了元啟發式算法來高效求解[48]。Li等利用不確定性理論對不確定任務時間進行建模，并考慮不相容的任務集約束，提出了一種能夠逃避鄰域生成得到的局部最優的重啟機制，整合了一個修復機制，使工作站結合起來，進一步提高解決方案的質量[49]。針對求解大規模機加工線平衡問題時存在的復雜性高和效率低等問題，提出面向缸體類零件加工特征的層次聚類方法，提高了優化問題的求解效率[50]。針對求解箱體類零件的可重構生產線平衡優化模型的效率低問題，提出基于多色集合理論方法優化求解效率[51]。針對不確定的市場需求，Delorme等基于貪婪隨機自適應搜索程序框架提出一種新的啟發式方法[52]。Lahrichi等考慮到分配給工作站操作之間的可訪問性、包含性、排除性和優先級約束，提出了多項式精確算法并嵌入到元啟發式框架中[53]。針對需求不確定性，提出基于貪婪隨機自適應搜索程序和可變鄰域搜索的啟發式算法，刻畫了不確定需求[54]。

在應用研究層面，針對手機裝配線不平衡問題，運用Lingo軟件提升產線平衡率實現裝配線的優化改善[55]。針對柴油發動機缸體機缸體加工生產線平衡問題，提出基于粒子群和模擬退火的混合算法求解機加工工藝線平衡問題[56]。針對航空發動機裝配線不平衡問題，萬曉琴等根據系統負載平衡原則優化裝配組數量，建立班組自重構優化模型并提出啟發式算法求解[57]。

3.可重構生產線評估

可重構生產線評估是指從多個方面（屬性）評估多個生產線規劃設計方案的過程。生產線規劃設計是一項復雜的系統工程，影響最終規劃設計方案質量的因素也很多。因此，有必要針對制造系統生產線的規劃設計問題，建立系統有效的綜合評估體系。多年來，國內外學者對制造系統生產線評價體系展開了研究。

在基礎研究層面，孫連勝等基于虛擬制造技術建立制造系統的模糊綜合評價模型以指導制造系統方案實施并保證系統各項性能指標[58]。針對復雜生產線健康度難以評估、量化和預測的問題，提出結合物元信息嫡和支持向量機的生產線健康度評估預測方法，為生產決策提供數據支持和理論依據[59]。

在應用研究層面，針對復雜的芯片組組裝和測試生產線，Li等提出了考慮性能區間和狀態可變性的生產線評估方法[60]。針對核工業企業生產線工作場所空氣汞濃度超標問題，采用現場調查法、現場檢測法、半定量風險評估法對工作場所的汞污染治理效果進行檢測與評估[61]。針對AP1000核燃料元件生產線存在核臨界、UF_6泄漏等問題，構建風險評估體系并對生產輻射風險進行評估，為企業管理提供了科學依據[62]。

由上述分析可知，關于可重構生產線的平衡問題的理論研究較多，關于可重構生產線系統建模和評估的應用研究較多。

（三）智能車間可重構性

可重構智能車間是指面對市場需求不確定性、技術的更新、制造流程的改變，車間能夠快速實現可配置、可縮放和可重用的能力?？芍貥嬛悄苘囬g是目前學術界和工業界研究和應用的熱點之一，國內外學者對可重構智能車間進行了廣泛的研究，也取得了一定的成果。

在基礎研究層面，針對現有車間自動編程系統高耦合性問題，王泓暉等設計并實現了一種基于加工特征的可重構式車間自動編程系統，實驗結果表明該系統耦合性較低且便于維護和升級，具有一定的實用性[63]。針對生產裝備與操作工人的在線數據采集與信息交互問題，提出一種面向服務的離散車間可重構制造執行系統，為操作工人提供了一個實時信息采集與信息交互的工作平臺[64]。針對工藝管理在車間執行過程的集成問題，提出一種可重構性工作流管理方法，既能滿足制造系統的可重構性要求，也能很好地指導車間生產[65]。針對車間布局的小范圍精細搜索問題，Shoham和Linkens等提出基于智能體機制的混合作業車間布局和調度模型[66～67]。面向不同尺寸設備，Sherali等提出一種改進的混合整數規劃模型來解決車間設施布局優化問題[68]。Ertay等結合數據包絡分析法與層次分析法優化車間設備布局[69]。Azadeh等提出隨機數據包絡分析和仿真方法在安全和環境層面找到最佳設備布局方案[70]。為減少設備間的搬運成本，通過運用粒子群優化算法求解車間動態布局設施優化問題[71]。為減少生產車間設備布局物流費用，建立車間設備布局優化問題的二次分配模型，并采用蟻群–遺傳混合算法求解該模型[72]。為提高車間物流搬運效率，構建智能車間布局和AGV路徑規劃集成優化模型，并提出帶精英策略的快速非支配排序遺傳算法求解該模型[73]。為縮短完工時間，設計多目標果蠅優化算法求解構建的以總完工時間最小為優化目標的車間布局和調度集成優化模型[74]。

在應用研究層面，面向紗線染整企業車間布局問題，改進系統布置設計分析流程，基于車間物流強度和車間面積構建優化模型并運用遺傳算法求解，為開發智能化染整示范性車間提供了合理的布局方案[75]。面向造船業中的車間布局問題，構建優化布局和調度的集成優化模型并運用非支配排序遺傳算法Ⅱ求解，為造船業的綠色制造提供了指導[49]。

由上述分析可知，智能車間可重構性研究主要聚焦于制造資源的可重構性，即能根據需求變化快速有效重構車間資源，如人、設備、工具等，為車間設備和工人提供接口和信息交互平臺，并有效地實現人、技術、設備集成的能力。

（四）智能工廠可重構性

目前而言，直接關注于智能工廠可重構性的研究較少，因此尚沒有智能工廠可重構性的規范化定義。當前圍繞智能工廠可重構性的研究大多聚焦于智能工廠的流程可重構性、制造過程可重構、組織可重構性等內容。

在基礎研究層面，面向智能工廠流程可重構性，提出一種基于可重構流程模型和組件技術的流程進化實施方法，使得制造執行系統流程與用戶業務流程保持一致[76]。針對復雜流程工業過程中能源流、物流和信息流之間的強耦合性，基于Petri網提出CpnHPN方法，精確描述能源流、物流和信息流，通過構件化封裝理念實現快速、靈活的多層次可重構建模方式[77]?；诂F有加工設備、刀具、夾具等制造資源，提出一種針對生產能力擴展過程中的工藝重構方法，并設計混合遺傳算法完成求解[78]?？紤]到組織與過程優化重構是優化配置制造資源的基礎，王成恩等討論了組織重構的影響因素和基本形式，促進了供應鏈管理、動態聯盟和網絡化制造等的發展[79]。針對嵌入式計算設備之間異構資源接入和自適應協同管理問題，提出了一種任務驅動的嵌入式可重構異構計算平臺，有助于形成具有足夠規?！八懔Α钡闹悄芸臻g“云”計算平臺[80]。

在應用研究層面，為適應醫療行業在敏捷性、靈活性以及低成本需求，基于藥品的生產需求以及低級機器資源的信息，提出一種數據驅動的可重構智能制藥工廠生產模式[81]。為將新產品無縫引入生產并適應需求波動，提出可重構航空生產系統的數字制造和柔性裝配技術，為提升航空生產系統的靈活性提供支持[82]。

由上述綜述可知，關于智能工廠可重構的理論研究和應用研究工作較少，亟需相關研究工作來彌補空白。

四、研究展望

圍繞基于HCPS的智能制造系統可重構性特征，基于上述關鍵技術和研究現狀回顧分析，以下主要從智能制造可重構性方法體系、基于HCPS的智能工廠可重構性和面向工業互聯網的智能制造可重構性展望未來研究。

（一）智能制造可重構性方法體系

智能制造的目標是通過精確跟蹤過程狀態和完整獲取實時數據，以獲得更豐富的信息，進而對生產過程進行更科學的管理和決策，實現更加柔性和靈活的制造過程[1～2,16,83]?？芍貥嬓允侵悄苤圃斓闹饕卣髦唬撎卣魇沟弥圃爝^程能夠快速響應市場需求波動，對制造系統生產能力和功能進行調整。伴隨新興技術的發展與演進，未來智能制造可重構性方法體系可從以下兩個方面展開：

一是繼續推進基于人工智能的智能制造可重構優化算法研究。在已有智能制造可重構研究中，存在可重構機床配置優化、生產線優化調度、生產線平衡以及車間布局優化等優化問題。這些優化問題多為NP難問題，當問題規模較大時，求解優化模型是相當困難的。在計算技術的推動下，啟發式人工智能方法，如遺傳算法、模擬退火算法、禁忌搜索算法、神經網絡算法等被越來越多地應用于優化模型求解中。未來智能制造可重構研究將更加聚焦于啟發式人工智能方法在上述制造可重構優化問題中的應用，強化不確定復雜制造環境下的智能分析和優化控制能力，進一步完善智能制造可重構性方法體系研究。

二是繼續推進制造系統的可重構決策支持方法研究?，F有制造系統可重構決策大多局限于系統的特定方面，如機床可重構性、生產線可重構性、布局規劃可重構性等，而忽視了對制造系統整體性能的諸多因素進行綜合。此外，現有制造系統可重構水平評估研究多采用多屬性決策方法，其評價指標權重大多通過專家知識水平和檢驗確定，客觀程度有待提高。因此，未來智能制造可重構性研究將針對制造系統整體可重構水平進行客觀綜合的評估，在實際應用中分析、比較多種可重構方案并加以選擇，幫助對制造系統進行快速重構。

（二）基于HCPS的智能工廠可重構性

智能工廠由于其涉及制造單元、層次較多，其可重構建模優化也面臨著更多不確定性、復雜性等問題，因此當前智能制造可重構性研究大多仍聚焦于機床、生產線及車間層面，難以針對智能工廠提供全面、多層次的可重構方案。

面向未來不確定復雜制造環境，基于HCPS的智能工廠憑借HCPS2.0所賦予的強大的智能，利用智能感知、智能決策、智能控制與自主認知等技術，在充分發揮人類智慧的基礎上形成人機混合增強智能，變革智能工廠的可重構性，有效應對復雜制造環境下制造工藝復雜性、生產任務多樣性與生產需求波動性等問題，實現制造資源的高度動態敏捷可重構，滿足高維、動態、多目標可重構場景的需求，進而突破傳統可重構邊界，實現基于HCPS的智能工廠可重構性的集成式創新，如圖4所示。

圖4 基于HCPS的智能工廠可重構性

首先，基于HCPS的智能工廠將能實現復雜制造系統可重構建模與優化。面向不確定復雜制造環境，基于HCPS的智能工廠可基于工業大數據與工業大數據，挖掘生產制造流程中的“關聯關系”與“因果關系”，并利用大數據智能建模方法對二者進行深度融合，進而提出復雜動態可重構過程混合建模方法，提高復雜制造系統可重構的建模與優化求解能力，實現不確定復雜制造環境下的制造系統動態可重構。

其次，基于HCPS的智能工廠將能實現高度的動態敏捷可重構。新一代HCPS2.0，使得智能工廠能夠基于其自身強大的感知、計算與分析能力，依據“知識庫”及實時生產數據，不斷總結歸納新的知識規律，形成學習與認知的能力。基于這一能力，智能工廠可對不同可重構場景中的規律進行歸納、挖掘，構建智能可重構決策模型，并能對模型進行自學習優化，從而在滿足復雜制造環境高敏捷性、高穩定性與高可靠性要求的前提下，自動為不同場景中的重構需求提供最優解決方案，實現制造資源的高度動態敏捷可重構。

最后，基于HCPS的智能工廠將能充分發揮人類智慧，突破傳統可重構性邊界。基于HCPS的智能工廠將人的智慧與人工智能有效結合，充分發揮二者優勢，從而帶來極大的創新潛能。這一創新潛能將給智能工廠的可重構性帶來根本上的變革，使其不局限于對機床、生產線或車間進行簡單的制造流程重構，能夠進一步對設計、研發的要素加以考慮，突破傳統可重構性邊界，進行集成式創新，形成面向組織、流程、架構，集設計、研發、生產、管理于一體的高動態、多維度、多目標可重構場景，大幅提高智能工廠的生產效率。

（三）面向工業互聯網的智能制造可重構性

工業互聯網是支撐智能制造的基礎，面向工業互聯網的智能制造系統可將智能產品設計、智能制造過程、智能優化管理和智能服務等相集成，實現技術流程和業務流程的融合。在面對市場需求不確定性、技術更新、制造流程改變時，面向工業互聯網的智能制造系統所具備的可重構性，可賦予制造系統可配置、可縮放和可重用的能力，這在產品制造質量、時間、成本等方面提供了巨大的競爭優勢。伴隨制造業數字化轉型的不斷深化與新一代信息技術的加速融入，面向工業互聯網的智能制造可重構性也得到進一步提高，具體表現在以下三個方面：

一是基于數據的高效集成。不斷增加的業務模式與日趨復雜的業務流程加大了各類業務間的數據集成難度，進一步加劇了數據孤島問題。工業互聯網通過在設備層和邊緣層建設生產控制網絡，推動工業數據充分高效集成，打破數據孤島，幫助構建全方位、多層次、高集成的智能制造可重構模式，可迅速對制造流程、組織等進行調整優化，進而提升制造系統對市場變化和需求的響應與交付速度。

二是基于制造業智能化核心驅動—數據智能?；诠I互聯網對制造數據資源的集成能力，可利用人工智能技術對數據分析應用的深度和廣度進行持續拓展，并形成數據智能。數據智能可強化面向工業互聯網不確定復雜制造系統中的決策能力，提高可重構模型智能水平，同時能自動化提供可重構方案，并對可重構方案進行在線評估、優化及學習，最終形成具備自學習、自決策、自使用能力的新型智能制造系統。

三是基于應用開放創新。當業務模式發生變化或不同業務之間開展協同時，需要對現有制造系統進行定制化二次開發或打通集成。在此基礎上，系統可軟件化封裝工業經驗知識，復用共性業務組件，集成式重構包含制造、研發、銷售、管理等在內的業務模式，調整企業整體生產、經營目標，從而幫助制造系統構建快速適應市場變化和滿足用戶個性化需求的能力，形成智能制造開放性可重構模式，進一步提高智能制造靈活性。

五、結束語

在分析可重構制造系統特征的基礎上，梳理面向智能制造的HCPS研究現狀和面向智能制造的可重構性發展趨勢，剖析HCPS和可重構制造系統之間的關系，給出基于HCPS的智能制造可重構性的定義和內涵。在系統分析可重構制造系統關鍵技術的基礎上，從未來智能制造可重構性方法體系，基于HCPS的智能工廠可重構性設想，以及面向工業互聯網的智能制造可重構性三個方面，提出基于HCPS的智能制造可重構性研究展望。

在新一代信息技術和新一代人工智能的助力下，智能制造成為制造業重要發展趨勢，在可以預見的未來，基于HCPS的智能制造可重構性的理論探索方興未艾，以智能制造為核心的智能工廠的應用探索前景廣闊。