基于Multi-Agent 在爐渣廠生產中的應用研究

鄧 廣，岑 華，廖瓊章

（廣西現代職業技術學院機電工程學院，廣西 河池 547000）

0 引言

近年來，隨著生產制造技術的日益發達，公司的生產制造模式已逐步由大規模粗放型生產向小批量精細化制造過渡，由于用戶對生產技術的要求復雜多變，對工藝要求也日益提升，從而造成了市場競爭日益劇烈。為提高公司制造的柔性、穩定性和高效性，增強公司競爭力，確保公司利潤的最大化，怎樣對整個制造系統的各種資源加以合理配置，一直就是我國國內學者研討的熱點議題[1]。工廠作業車間調度問題（Job-shop Scheduling Problem，JSP）是工廠制造過程執行系統的核心內容，對車間調配方法的優化運用能夠極大減少工藝耗費，提升生產資源效率，減少制造周期，最終提升公司的整體制造效率。所以，作業車間調度問題是提升公司生產柔性與高效率的關鍵點，對作業車間調度問題的研究有著很大的意義[2]。

多智能體控制系統在交通控制系統、工業專家系統、智能工業機器人系統等應用領域中都有廣泛應用，從20 世紀80 年代，學者們就開始將其融入到工業車間生產調度的問題中。到了20 世紀90 年代，更多的學者利用了多智能體系統進行了對生產調度系統的研究，但一般都是利用把生產車間中的所有資源等實體抽象界定為具體智能體，來形成了生產調度系統的基本模式，Parunak 就把生產車間中的所有工件、機器等資源抽象界定為具體的智能體，并由此產生了一種生產車間調度系統，利用了各智能體的自主特征和交互性，通過交流協作并根據相應的調度規律處理實際的生產問題[3]。齊新在公司信息化管理系統ERP的基本上，把各種信息資源和各項任務抽象為信息資源智能體和各項任務智能體，還根據信息資源和各項任務的管理工作增設了信息管理智能體，以保證系統的穩定工作，最后形成了多智體工廠生產車間調度管理系統。

為此，針對爐渣廠的生產問題，本文首先簡要介紹了Multi-Agent 系統，并分析了Multi-Agent 在制造車間調度中的應用。然后，提出了一種基于Multi-Agent 黑板模型的車間調度方案和框架，以提高爐渣的生產效率。

1 Multi－Agent 系統概述

1.1 Multi－Agent 系統的定義

多智能體Multi-agent（簡稱MAS），就是將許多性能較簡單的Agent，經過相互通信交換而組成的一種功能較全面的穩定體系，其中的智能體間可以相互協調，也便于對使用者系統及其組成部分進行管理工作。它的主要內容就是怎樣配合各Agent 的活動，并共同完成作業各項任務[4]。因為各個Agent 都分別保留著自己的知識庫和信息，所以MAS 的知識庫都是很散亂的，而且資料和數據之間都沒有共享空間，很不全面。要想實現單個Agent 所難以完成的大量工作任務，就需要提高各個Agent 間的互動性和協商與協作。

1.2 Multi-Agent 系統特點

（1）分布式處理：個體在系統中是分布式的，它們可以存在于不同的物理位置或計算節點上。這種分布性使得個體可以在不同的環境條件下進行感知和決策，提高系統的適應性和靈活性。這種分布式處理使得系統能夠同時處理多個任務，提高系統的并發性和吞吐量。

（2）自主性：每個個體在Multi-Agent 系統中都是獨立的實體，具有自主感知、決策和行動的能力。每個個體具有一定的自主性，它們可以根據自身的目標和知識，獨立地感知環境、做出決策并執行行動。這種自主性使得個體可以適應不同的情況和變化，并具有一定的靈活性。

（3）協作與合作：個體之間可以通過通信和協調來實現合作。他們可以共享信息、傳遞消息、協商行動，并通過合作來實現共同的目標。協作可以是一對一的，也可以是多對多的，個體之間的合作方式可以根據情境和目標進行動態調整。個體之間可以通過消息傳遞、共享知識和協調行為來實現協作。

（4）分布式知識與學習：在Multi-Agent 系統中，個體可以具有不同的知識和經驗。他們可以通過交流和共享知識來擴展個體的知識，并通過學習和適應來改進自己的行為。個體之間的學習可以是基于規則的、強化學習的，也可以是基于演化的等，以便系統能夠適應動態環境中的變化和不確定性。

（5）自適應和魯棒性：Multi-Agent 系統具有自適應和魯棒性的特點，即個體可以根據環境變化和其他個體的行為，自動調整自己的策略和行動。這使得系統能夠適應復雜和變化的環境，并在不確定性條件下保持穩定的性能。

2 Multi－Agent 系統在生產車間調度中的應用

在現代生產管理系統中，生產車間的排序問題是最基本、最關鍵的問題之一。由于agent 技術本身具有信息處理的分布特征，使用多agent 管理系統的生產車間排序問題也引起了許多學者的關注[5]。

針對分布式生產控制，Maturana 等人構建了一個基于Multi-Agent 技術的協作機制框架，并將其應用于生產車間。后來，一些研究人員證明，這種協作架構也可以作為其他分布式、智能化生產控制的參考。Takahashi 等[6]將Multi-Agent 系統應用于生產企業對市場變化的內部預期，從而建立了一個具有共享服務功能的新的市場模型，并使用Multi-Agent 仿真系統描述整個制造車間生產計劃中的決策過程。Peng等[7]設計了一組具有專門知識庫的代理人，以獲取大量信息，改善公司內部缺乏整合力量的實際問題，并與公司其他內部管理系統、人力資源管理和大數據分析人才合作。此外，還對多智能體管理系統進行了仿真。同時，Baker 還對各種多智能體體系結構、生產調度計算、過程調度計算、推拉計算及其在多智能體異構系統中的應用進行了深入研究。Hussain 等[8]在分布式生產管理系統中采用了Multi-Agent 管理系統，構建了系統性能評估機制，根據任務完成時間、一般機械效率和零件平衡時間對系統進行評估，并對仿真模塊進行了仿真測試。自從1954 年對約翰遜對流式水電站調整的具體問題進行了詳細研究以來，許多學者開始對電站排序進行進一步研究[9，10]。

隨著科學的發展，研究方法也不斷創新。我們參考了前人的成功方法求解了一系列具有代表性的電站調節計劃的優化問題，如：基于啟發式規則構建法，分支極限法，拉格朗日松弛方法等。目前，已有許多基于多代理的算法。在此基礎上，又提出了一種基于多Agent的多Agent控制方法，并將該方法應用到生產調度中。這種類型的NP難性質對更復雜的分布式系統具有天然的適應性，提出了一種解決工件生產計劃問題的新方法。

3 基于Multi-Agent 的車間調度系統模型

當前，大規模分布式開放的工業系統面臨更新換代才能保持技術優勢，并對不斷變化的市場需求、不斷提高生產效率做出快速響應。所有這些都是維持現代工業體系長期穩定運行的關鍵因素。生產過程規劃是生產過程管理的核心內容。因此，將生產計劃和優化設計方法應用于先進制造業，對實現生產計劃和生產計劃的現代化管理具有重要的現實意義。

在時間和空間上，應科學合理地分配生產車間有限的資源，以滿足公司生產經營目標的需要[11]。經典的生產調度問題也可以理解為用于處理工件的資源分配問題。每個零件都包含一個工藝集，每個工藝都需要占用大量的機械、工具等生產資源，并且以零件的工藝路線為基礎進行加工，一些機床的加工程序也會有所不同。配置的主要目標是科學合理地配置機械等各類資源，科學合理地設定技術時間，以最大限度地提高企業的收入和其他指標。

3.1 車間調度系統的管理

車間調度系統在管理上主要分為四個層次：任務管理、靜態調度、動態調度以及資源管理，如圖1 所示。任務管理負責接收下達到車間的生產訂單，并根據工藝路線和資源狀態分配任務；靜態調度負責在正常的周期性生產過程中進行任務分配以及資源調度；動態調度負責在緊急訂單或設備故障等特殊情況下，及時調整系統，進行任務重調度，保障加工系統的順利完成；資源管理不僅包括車間加工機床的管理，還包括外協廠家的管理，此外還需要實時監控資源的任務列表進度和加工狀態，如果出現異常，及時向車間管理員發出預警[12]。

圖1 車間控制系統模型

3.2 Multi－Agent 黑板模型

黑板控制模塊的工作機制如下：當有多個代理共同處理某個問題時，在這些常見的工作空間中，管理模板使用相應的游戲（如動作域）來啟動一個代理，然后讓代理完成指定的任務[13]。在智能體完成解答之后，將解答的結果記載在黑板上，讓其他智能體能夠看見和共享，智能體也可以利用這些成果來解決問題；直到所有的問題都被解答出來，羅蘭才滿意地得出了一個結論。圖2 中展示了一個黑板模型的構造圖。

圖2 黑板模型的體系結構

3.3 生產車間調度方案建模

企業的生產計劃關系到產品的科學合理分配。為了利用Multi-Agent 的黑板模型實現生產和車間管理，首先定義了一個應用車間管理的Multi-Agent 管理系統，包括：工廠管理系統Agent（MA）、管理單元Agent（WA）、任務管理Agent（TA）、事件管理Agent（SA）等[14]。

MA 是一個全局Agent，其主要功能是分配車間任務、制定車間生產計劃、調度計劃和生產流程管理等。MA 還可以管理與其他Agent 的信息交換和傳輸。Ma 是一名全球代理商。

其中，代理單元是指所有機器設備組成的具有對應功能的機器單元，它是特定工作的主體。在其知識倉庫中，存儲了各種切削工具的產量、切削工具所需的原料以及切削所需的切削時間。

Agent 將移動代理從移動代理中獲得的目標，根據需求將其分解為若干子目標，然后將這些子目標向移動代理中的Broadcast 模塊發送。在其專業知識庫中，主要存儲任務的生產技術、加工流程、加工時間等相關專業知識，并對每個任務進行分解處理。

SA 通常是根據緊急情況動態生成的。例如，SA可以在緊急情況、訂單取消或補充的情況下激活，或者在設備故障、工具損壞、工作延遲等情況下激活。SA 可以在所有工作完成后銷毀。

在它的知識庫中，有一系列的事件邏輯推理，其中有：IF [突發提高訂單-增加訂單的速度]，THEN[發布公共目標工作任務-機器需求]。IF [裝備出現問題]，then [發布通用任務-裝備需求]。

4 生產車間調度模型驗證

為證實Multi-Agent 系統使用黑板模型進行生產車間調度管理的有效性，本研究以爐渣廠某一智能生產系統車間為例，實施了Multi-Agent 系統使用黑板模型進行生產車間調度管理的全過程。這里主要分析兩種情況：（1）機械出現了意外，比如電路受損，比如切割工具斷裂等等；（2）企業在訂單量的驟升或驟降。將這兩種情況都定義為SA，在SA 開始之后，MA 引發的應急因子為△，這個因子是MA 按照突發情況的嚴重程度和損失的程度來判定的，一般取值為：1，緊急任務，請立即回復。0，所有的普通工作，都需要用到機器上來回答。-1，所有的工作都要排隊，請帶著空閑的儀器來完成。

MA 在收到生產車間的生產工作任務之后，會根據各個零件的生產施工條件、具體的時間工作計劃，將這些工作分配給WA 和TA，并使用通信模塊來完成與各個生產代理單位的聯絡。WA 從MA 和TA 那里接受工作安排，將工作安排分配到機器裝置單元Agent，并使用通信模塊與機器裝置單元Agent、MA和TA 等進行通信。TA 在接收到MA 任務、WA 綜合設備信息之后，根據零件的特性展開了一個機械加工制造子任務，并將P 十一定義為機械加工制造零件P-的第一個工序，其他工作完成任務以此類推。

5 結語

車間調度問題是現代生產制造中最基礎的問題，本文利用多代理進行了車間排程策略的研究與開發，運用Multi-Agent 技術中的黑板模型構建生產車間調度模型，為爐渣廠的生產提供重要的理論依據。