增材制造生產調度研究現狀與發展趨勢分析

摘 要：為探討增材制造生產調度研究的現狀和進展，該研究以2011—2023年間發表并收錄于Web of Science（WOS）數據庫的相關文獻為對象。利用CiteSpace軟件繪制知識圖譜，并對文獻的發文量、關鍵詞共現與突現、期刊共被引、主要研究力量等進行可視化分析。文獻計量結果顯示，盡管我國在增材制造生產調度上的文獻產出量還有提升空間，但整體學術成果具有不錯的影響力。高頻關鍵詞集中在優化、設計和算法三個方面。截至2023年，仍然保持高突現強度的關鍵詞是協同3D打印。最后，提出了增材制造生產調度研究的未來發展方向，希望為后續研究提供有益參考。

關鍵詞：增材制造；生產調度；知識圖譜；CiteSpace

中圖分類號：TP391；TH166 文獻標識碼：A 文章編號：2096-4706（2025）02-0176-05

Analysis of the Current Status and Development Trend of Additive Manufacturing Production Scheduling Research

—Knowledge Graph Analysis Based on CiteSpace

CAO Lin

（School of Management Science and Engineering， University of Ji'nan， Ji'nan 250002， China）

Abstract： To explore the current status and progress of research on production scheduling for additive manufacturing， this study takes the relevant literature published and included in the Web of Science （WOS） database from 2011 to 2023 as the research object. The Knowledge Graph is drawn by using CiteSpace software， and visual analysis is carried out on the amount of literature published， keyword co-occurrence and emergence， journal co-citation， main research force and so on. The results of bibliometrics show that although there is still room for improvement in the output volume of literature on additive manufacturing production scheduling in China， the overall academic achievements have a good influence. High-frequency keywords are concentrated in three aspects of optimization， design and algorithm. The keyword that still maintains a high emergent intensity as of 2023 is collaborative 3D printing. Finally， this paper future puts forward the development direction of additive manufacturing production scheduling research， hoping to provide a useful reference for subsequent research.

Keywords： additive manufacturing; production scheduling; Knowledge Graph; CiteSpace

DOI：10.19850/j.cnki.2096-4706.2025.02.033

0 引 言

《中國制造2025》在國家層面提出打造制造強國行動計劃，增材制造技術在其中具有相當重要的地位，該技術可實現綠色制造，優質高精度制造和制造資源高效循環使用。增材制造（Additive Manufacturing， AM）又稱3D打印，其原理是通過二維平面在構建方向逐層疊加形成材料的三維輪廓，是一種凈成形技術。與傳統的減材成形工藝相比，AM可以有效節約原料，降低生產成本[1-2]。相比于傳統成形工藝，該技術不需要傳統的夾具、刀具及多道加工工序，它在高復雜結構、短工期以及低耗材方面更具優勢[3]。常見的增材制造技術，例如選擇性激光熔融（Selective Laser Melting， SLM）和選域激光燒結（Selective Laser Sintering， SLS）等，可適用于多品種、小批量、復雜形狀零件的生產[4]。

從成本角度出發，大多數增材制造機器價格昂貴，當獲得新的制造訂單時，增材制造企業為了提升增材制造生產的經濟效益，增材制造企業需要整合零件訂單，并對增材制造機器的多個零件進行分批分組加工，使得每個作業能夠同時加工多個零件，有效利用每個作業加工區域，可以減少零件的加工時間和成本[5]，增材制造生產調度問題隨之產生。隨著增材制造技術的快速發展，批量增材制造成本高的問題凸顯，在一定程度上限制了增材制造技術的應用與發展，因此在工廠生產過程中，提高增材制造機器的利用效率，降低增材制造成本，合理安排調度方案尤為重要[6]。增材制造生產調度問題要求在一定優化目標下（如最小化加工成本、最小化完工時間等），考慮零件的加工高度、交貨期、投影面積、機器加工區域的高度和面積等因素，將一批零件組合成作業并按照一定加工順序合理分配到增材制造并行機器上加工，得到一種可行的生產調度優化方案[7]。

以往增材制造的研究主要集中于材料、設備、工藝及精度等方面，近年來，對增材制造生產調度的研究引起了國內外學者的重視[8]。目前有關于增材制造生產調度研究的綜述文獻并不多見，目前在已發表的相關文獻中，OH[9]等的工作應引起關注，他們的綜述文獻都是利用傳統文獻分析法進行現狀分析及前景展望，并沒有運用先進的文獻計量方法與工具來挖掘分析增材制造生產調度研究中的文獻信息。為此，本文使用文獻計量軟件CiteSpace對增材制造生產調度研究進行分析和展望，希望為該領域的研究提供參考和借鑒。

1 數據來源與研究方法

1.1 數據來源

文獻數據來源為Web of Science（WOS）數據庫，先通過檢索式“ALL ＝ （（Additive Manufacturing）AND（Scheduling））”進行第一步搜索，然后進行進一步篩選：檢索時間設置為2011—2023年；語言類型選定為“English”；文獻類型設置為“Article”。最后，共獲得139篇與增材制造生產調度主題相關的文獻作為本文文獻數據。

1.2 研究方法

科學知識圖譜技術通過分析生成的圖形深入挖掘文獻本身的應用價值和文獻之間的關系，可以有效解讀文獻的組成類型、研究熱點和演化趨勢等[10]。陳超美教授開發的CiteSpace因操作簡單且功能強大被我國學者所廣泛使用[11]。本文借助文獻計量分析軟件CiteSpace（6.3.R1）對采集到的增材制造生產調度文獻信息進行可視化分析，對關鍵詞共現、主要研究力量進行知識圖譜繪制，通過上述圖譜繪制可以對增材制造生產調度文獻基本情況進行了解，并對關鍵詞突現進行進一步檢索以更好的探討增材制造生產調度研究的前沿趨勢。

2 計量結果與可視化分析

2.1 文獻發表年度產出量

研究文獻發表年度產出量分布能夠分析文獻在各個階段的趨勢，并了解該領域研究的發展趨勢[12]。從Web of Science（WOS）數據庫獲取的139篇相關文獻為數據，繪制年度發文量折線圖，從2011—2023年年度發文量的變化趨勢看，增材制造生產調度研究的年度發文量大致經歷以下2個階段（如圖1所示）。第一階段是萌芽期（2011—2017年），文獻數量較少；第二階段是快速發展期（2018—2023年），文獻呈快速增長趨勢，雖然該期間發文量在高位上不穩定，呈現鋸齒狀，但總體呈上升趨勢，并在2022年達到最高值。

2.2 關鍵詞共現分析

關鍵詞是文獻內容論述的主題概念的提煉，對關鍵詞進行統計分析，可以挖掘該領域研究的熱點主題。圖2展示了2011—2023年該研究文獻的關鍵詞共現圖譜。該圖中節點的大小直接反映了關鍵詞在數據集中出現的頻率以及對網絡結構的貢獻程度；節點之間的連線粗細與合作次數是密切相關的，這些連線代表文獻之間的引用關系或合作關系，當兩個節點之間的連線較粗時，意味著它們之間的合作次數較多或引用關系較為緊密，這通常表明這兩篇文獻或這兩個作者在某一研究領域內具有較為密切的聯系或共同的研究興趣。相反，如果連線較細，則代表合作次數較少或引用關系較為松散；網絡密度指標值反映研究力量的整體合作密切程度[13]。如圖2所示，出現頻次最高的8個關鍵詞依次是：增材制造、3D打印、優化、設計、行為、算法、遺傳算法、構架；網絡密度為0.024 3。通過上述高頻關鍵詞可以總結出以下2點發現：1）關于增材制造生產優化與設計是該研究涉及較多的領域。2）遺傳算法等啟發式算法是該研究中運用最多的優化技術。

2.3 突現詞分析

關鍵詞突現分析是針對關鍵詞在某一時間段內的重要程度和被關注度進行的統計分析。對關鍵詞進行突現分析可深化對研究熱點隨時間變化而變化的認識，并有利于掌握領域該研究的熱點與趨勢。為此，對增材制造生產調度文獻進行了關鍵詞突現檢測，結果顯示共有13個突現關鍵詞，如圖3所示，表中的細線段代表了從2011—2023年的時間跨度，粗線段表示突現的持續時間。粗線段的變化展示了增材制造生產調度研究熱點的演變過程。由圖3可總結出以下4點發現：1）最早開始突現的關鍵詞是“multiple objective optimization（多目標優化）”，在增材制造生產調度中，存在多個目標需要優化，例如最大完工時間最小化，加工成本最小化等，這表明在此期間，多目標優化在增材制造生產調度研究中的應用價值受到學者的高度重視；2）與多目標優化同時突現的關鍵詞是“hunting behavior”（狩獵行為），突現時間為2012—2013年，“optimization（優化）”的突現時間為2014年，狩獵行為可以作為算子應用于調度算法中，通過模擬自然界中捕食者的策略來指導搜索和優化過程。這表明學者們意識到在生產調度優化中，借鑒動物的捕獵行為可以提供啟發和策略，有助于優化資源分配、提高生產效率和解決復雜調度問題；3）在2012年之后突現的關鍵詞中有6個涉及增材制造生產調度的關鍵詞，分別是“fabrication（裝配）”“deposition（堆積）”“dispatching rules（分派規則）”“bin packing（裝箱問題）”“cooperative 3D printing（協同3D打印）”“parts（零件）”；4）“cloud manufacturing（云制造）”“Big Data（大數據）”分別在2019、2020開始突現。構建基于云制造的智能調度系統，提供計算資源和數據存儲，支持實時調度和動態調整；利用大數據技術分析歷史生產數據和實時采集數據，優化調度策略，提高生產效率和質量。這表明在此期間，云制造和大數據在增材制造生產調度研究中獲得了成功應用，受到了不少學者的青睞。

2.4 期刊被引分析

為找到有助于增材制造生產調度研究的期刊，于是繪制出關于增材制造生產調度文獻的期刊共被引圖譜，并對增材制造生產調度研究文獻的發文期刊進行統計，如表1、圖4所示。圖4中節點有274個，連線有1 391條，節點之間的連線粗細與合作次數密切相關。從表1中可以看出，被引頻次排名前5的期刊分別是International Journal of Advanced Manufacturing Technology（國際先進制造技術雜志）、International Journal of Production Research（國際生產研究雜志）、Additive Manufacturing（增材制造）、Computers amp; Operations Research（計算機與運籌學）、Rapid Prototyping Journal（快速原型制作雜志）。上述期刊的JCR分區均在Q2及以上，這些高質量期刊將為后續增材制造生產調度研究提供重要的理論支持。此外，中介中心性（Betweenness Centrality， BC）指數是分析關鍵詞重要程度的關鍵指標，超過0.1則被視為中心節點，在研究領域中比較重要并具有較大的影響力。圖4中節點的中介中心性指數體現了上述期刊對增材制造生產調度研究成果的傳播影響，圖4中節點的中介中心性指數最高的3個期刊分別是Computers amp; Operations Research（計算機與運籌學）、Rapid Prototyping Journal（快速原型制作雜志）、Applied Mathematics and Computation（應用數學與計算），它們對應的中介中心性指數值均不低于0.18。可見，上述期刊在圖4中具有突出的中介作用，是增材制造生產調度學術交流的重要媒介。

2.5 主要研究力量分析

如表2所示，呈現了2011—2023年增材制造生產調度研究發文數量前5名的國家和研究機構的詳情。從研究的國家上看，美國的發文量最高，中國和英國位列其后。從研究機構上看，增材制造生產調度發文量排名前3的研究機構依次是俄亥俄大學、得克薩斯農工大學、德克薩斯農工大學學院站分校。由表2可知，在增材制造生產調度發文量排名前5的國家中，美國的中介中心性指數值為0.23，中國的中介中心性指數值為0.32，雖然我國發文量與美國還有差距，但我國中介中心性指數高于美國，表明我國在增材制造生產調度方面的研究成果具有比較好的傳播廣度與影響力，今后我國學者有必要繼續精耕細作增材制造生產調度這一研究方向，著力探索首創特征明顯的科學問題并產出從無到有的原創成果。

3 結 論

本研究的樣本來自Web of Science（WOS）數據庫中的增材制造生產調度文獻，共選取139篇相關文獻，對增材制造生產調度相關文獻進行可視化分析，利用CiteSpace軟件，對關鍵詞共現與突現詞檢測、期刊共被引等情況進行知識圖譜繪制，得到如下3點結論：1）在發文量方面，增材制造生產調度文獻年度發文情況呈現鋸齒狀，但總體呈上升趨勢，并在2022年達到最高值；2）在關鍵詞共現與突現情況方面，出現頻率最多的關鍵詞分別是增材制造、優化和設計，啟發式算法中運用最多的優化技術是遺傳算法，通過關鍵詞突現檢測共發現的13個突現詞中，強度最高的關鍵詞是優化和裝箱問題，截止到2023年保持高突現強度的關鍵詞是協同3D打印；3）在主要研究力量的發文量與發文影響力方面，在按國家的增材制造生產調度發文量排名中，美國位列第1，中國的發文量和中介中心性指數均為第二，我國產出增材制造生產調度成果的具有不錯的影響力。

未來增材制造生產調度研究方向應基于現有成果，重點在增材制造生產調度求解技術方面尋求突破。目前在研究中運用的求解技術主要有三類：一是以分支定界法、動態規劃法為代表的精確解法；二是基于特定規則的、具備多項式時間復雜度的確定型啟發式算法；三是尋優機理源于自然界或人類社會中客觀現象與生物行為的元啟發式算法。通過元啟發式算法可以有效的解決復雜的生產調度問題。由于增材制造生產調度問題是NP困難問題，元啟發式算法是有效求解它們的首選技術，想要在短時間內獲得高質量的調度解必須依賴元啟發式算法。對于增材制造生產調度問題的求解，通過元啟發式算法不僅可以提高解的質量，還可以縮短求解時間。因此，在未來增材制造生產調度算法研究中如何設計元啟發式算法應受到重視。此外，未來增材制造生產調度研究應考慮零件的特殊情況，例如零件的構建方向，當訂單中的零件到達時，由于零件不規則，可供選擇的構建方向有很多，作業中零件的不同構建方向對整個加工時間會產生很大的影響，因此有必要研究考慮零件構建方向的增材制造生產調度問題，進而得到一批零件在增材制造機器上的不同調度方案。

參考文獻：

[1] ALTIPARMAK S C，YARDLEY V A，SHI Z，et al. Challenges in Additive Manufacturing of High-strength Aluminium Alloys and Current Developments in Hybrid Additive Manufacturing [J].International Journal of Lightweight Materials and Manufacture，2021，4（2）：246-261.

[2] ANUBHAV M，RISHIK A，NAKUL K，et al. A Critical Review on the Additive Manufacturing of Aluminium Alloys [J].Materials Today： Proceedings，2021，47（P13）：4074-4078.

[3] XIONG Y，TANG Y L，ZHOU Q，et al. Intelligent Additive Manufacturing and Design State of the Art and Future Perspectives [J/OL].Additive Manufacturing，2022，59（PA）：103139（2022-08-20）.https：//doi.org/10.1016/j.addma.2022.103139.

[4] 賀智鋒，趙婧，柴如霞，等.基于鈦合金絲材的增材制造技術研究進展 [J].銅業工程，2024（2）：88-105.

[5] GAULT R S. Intelligent Process Planning for Rapid Prototyping [D].Cardiff：Cardiff University，2000.

[6] 周明霞，張夢娜，李虓宇，等.基于改進粒子群算法的多機器多任務3D打印智能調度方法 [J].計算機測量與控制，2022，30（8）：245-250+288.

[7] 趙志斌.考慮零件構建方向的增材制造相同并行機調度研究 [D].福州：福州大學，2021.

[8] 黃彬，肖彥楷.考慮零件構建方向的增材制造單機調度研究 [J].機械設計與制造工程，2021，50（5）：15-19.

[9] OH Y，WITHERELL P，LU Y，et al. Nesting and Scheduling Problems for Additive Manufacturing： A Taxonomy and Review [J/OL].Additive Manufacturing，2020，36：101492（2020-09-08）.https：//doi.org/10.1016/j.addma.2020.101492.

[10] 曹倩，趙一鳴.知識圖譜的技術實現流程及相關應用 [J].情報理論與實踐，2015，38（12）：127-132.

[11] 胡澤文，孫建軍，武夷山.國內知識圖譜應用研究綜述 [J].圖書情報工作，2013，57（3）：131-137+84.

[12] 朱兼白，劉利芳，周杭群.基于CiteSpace知識圖譜的“人工智能+圖書館”研究進展分析 [J].科技創新與應用，2024，14（17）：98-101+105.

[13] 楊洋，王穎，何春陽，等.21世紀以來城市蔓延國際研究進展與趨勢——基于CiteSpace的知識圖譜分析 [J].世界地理研究，2020，29（4）：750-761.

作者簡介：曹霖（2000—），男，漢族，湖北荊州人，碩士在讀，研究方向：信息管理與物流工程。

收稿日期：2024-07-05