第1章　緒論

1.1　研究背景和意義

1.1.1　研究背景

人類進入工業社會后，制造業逐漸成為一個國家經濟實力乃至綜合國力的基石，全球經濟格局的轉變為制造業帶來了全新的發展機遇，同時也使其面臨諸多挑戰。首先，制造業競爭由過去的局部競爭演變成為全球范圍內的競爭，并且日趨激烈。市場的需求在不斷變化，對產品結構、性能的要求也越來越苛刻，從而使新產品的研制變得日趨復雜。企業需要在最短的時間和最少的資源約束下生產出滿足市場需求的產品，由過去的大批量規模化生產向小規模個性化定制的新型模式轉變。其次，制造業面臨人口不斷下降和勞動力成本急劇上升的壓力，資源競爭激烈，傳統制造業如何有效利用信息化技術提升效率、降低成本，成為當前制造業應對人口紅利消失的重大課題。最后，隨著人工智能、物聯網、云計算、大數據等技術的發展為制造業轉型升級提供強勁的技術動力，依靠新技術力量提升高質量低成本地迅速響應社會需求的能力，在競爭中立于不敗之地，已成為企業共同追求的目標。大力發展智能制造技術成為世界主要工業國的普遍共識，各國紛紛將智能制造上升到國家戰略高度，對制造業不斷進行創新升級，以保持在世界經濟格局中的競爭力。

在世界范圍內，以物聯網、大數據、機器人及人工智能為代表的數字技術推動著工廠之間、工廠與消費者之間的智能互聯，使生產方式從大規模制造向大規模定制轉變。通過建設“互聯網+制造業”以實現智能制造，網絡化、信息化與智能化的深度融合被認為是第四次工業革命的核心，也是目前歐美強國制造業努力的方向，德國、美國、日本等發達國家都在大力推進“互聯網+制造業”的發展進程。德國在2013年正式推出“工業4.0”戰略，目的是利用物聯網等技術，將產品、設備、資源與人連接起來，實現產品制造流程的自動化，構成產業鏈中企業之間的合作系統。

2019年2月，美國白宮發布了未來工業發展規劃，重點關注人工智能、先進制造業技術、量子信息科學和5G技術，通過智能制造扭轉美國在人力成本等方面的劣勢，重振高端制造業，以確保美國的“領導地位”。

日本在2015年提出機器人新戰略，并將應用領域分為制造業、服務業、醫療護理、公共建設四大部分。目標是利用云儲存、人工智能等技術，將傳統機器人改變成不需要驅動系統就可與外部物體和人相連接的智能機器人。

在經濟新常態下，我國傳統產業代表的舊動力在減弱，以戰略性新興產業和高新技術產業為代表的新動力不足，是我國成為制造強國的主要挑戰［1］。隨著工業化快速推進，我國制造業規模不斷擴大，已成為名副其實的世界工廠和世界制造業第一大國，但大而不強的問題仍很突出，粗放型發展模式難以持續，必須轉向創新驅動的高質量發展模式。作為世界制造業第一大國，我國必須抓住這次科技和產業革命的歷史機遇，對制造業進行創新升級，加快建設制造強國。我國于2015年提出了“中國制造2025”，同時提出，到2020年要基本實現制造業信息化，在制造業數字化、網絡化、智能化方面取得明顯進展。在制造領域強化創新引領，新動能快速成長，持續深入推進“互聯網+”行動和國家大數據戰略。2021年4月國家統計局發布公告，我國2021年一季度GDP初步核算結果為249310億元，比上年同期增長18.3%。其中，制造業增加值為68486億元，同比增長26.8%。裝備制造業和高技術制造業增加值同比分別增長39.9%、31.2%，兩年平均分別增長9.7%和12.3%，增速均明顯高于其他行業板塊，制造業的重要性更加突出，新技術對制造業轉型升級的驅動作用愈加凸顯。

智能制造體系［2］如圖1.1所示。

智能化是第四次工業革命的核心，新一代人工智能的突破和應用進一步提升了制造業數字化、網絡化、智能化的水平，推動制造業發展進入數字化網絡化智能化制造階段。新一代人工智能是第四次工業革命的核心驅動力，世界主要國家將人工智能提升至新的戰略高度。自2019年以來，美國啟動“美國人工智能倡議”，日本出臺《人工智能戰略2019》，歐盟委員會發布《人工智能白皮書：通往卓越和信任的歐洲路徑》，爭奪人工智能全球引領者地位，在人工智能技術研發和人才引育等方面的國際競爭日趨激烈。2016年7月，人工智能首次被納入我國《“十三五”國家科技創新規劃》；2017年7月，國務院發布《新一代人工智能發展規劃》，將人工智能上升至國家戰略；同年12月，工信部發布《促進新一代人工智能產業發展三年行動計劃（2018—2020年）》，提出通過實施四項重點任務，力爭到2020年，一系列人工智能標志性產品取得重要突破，在若干重點領域形成國際競爭優勢，人工智能和實體經濟融合進一步深化，產業發展環境進一步優化，互聯網行業和傳統制造業正在面臨的一場大變局已經來臨［3］。

車間是制造業中實現物理制造的場所，同時也是企業內信息最密集的地方，因此，實現數字化智能化升級改造的智能車間是實現制造過程創新的重要組成部分，是智能制造的核心單元。智能車間將數字化建模、控制和管理等先進技術應用于車間規劃、生產運行、工藝執行、車間物流、質量控制等業務活動，基于物聯網等手段獲得海量車間生產數據［4］，結合人類專家的知識和經驗，立足大數據驅動和應用場景牽引兩大特征，融合場景內外的多源異質大數據，利用大規模數據挖掘、機器學習和深度學習等預測性分析方法和技術，提取數據中蘊含的有價值的模式［5］。通過對工業大數據的處理、分析和挖掘，通過數據賦能［6］提升生產車間的決策和控制水平，使其具備動態感知、實時分析、自主決策、優化運行、高度集成和精準執行的特征，達到提高生產效率、降低生產成本、提高產品質量、提升客戶滿意度和創造核心價值的目標。

1.1.2　研究意義

車間生產調度是生產運行業務中的重要內容，是經典的管理問題，同時也是復雜的NP問題。它是在考慮生產能力和設備的前提下，在物料數量確定的情況下優化生產順序，科學選擇設備，平衡設備和工人的生產負荷，滿足特定的評價目標，提高生產效率。智能車間中的生產調度問題可以通過數據驅動的方式，借助于新一代人工智能技術，將生產訂單分解到工序工單，精準分配智能車間的生產能力、機器設備和物料資源，實現生產運行的精確管理，是制造執行過程的基礎工作。智能車間中的生產調度要根據加工任務的生產工藝確定詳細的工序計劃，并與設備管理、車間物流等環節進行數據共享，相互影響，相互支撐。通過工序級調度形成產品各工序的生產調度指令，以數據驅動的方式及時獲取生產進度、各生產要素實時狀況，甚至生產設備的異常信息，快速響應緊急插單、機器故障等突發情況，敏捷高效協調人員、設備、物料等資源，保證生產作業有序、按計劃完成［7］。

借助于新一代人工智能技術，通過數據驅動和機器推理，使算法具備感知、學習、推理和決策的能力是當前的研究熱點［8］，新技術加速了大數據智能、人機混合增強智能、群體智能、跨媒體智能在制造業中的融合發展，已成為制造業未來發展的核心驅動力。在生產設備網絡化、智能化的基礎上，應用機器學習分析處理工業大數據，加速制造業全流程、智能化、連續生產等智能管理進程，增強產品研發、設計和生產過程組織能力；加速提高生產車間智能化水平，有效提升生產效率、改進生產工藝、降低能耗、提高質量控制水平等。隨著深度學習、強化學習等技術的應用，逐步實現對生產調度、工藝執行、質量控制和設備管理等生產過程的精細化管理，提升大規模、小批量、個性化的柔性生產與協作優化能力，將生產車間打造成軟硬一體的智能制造系統，實現高效、高質、綠色和低耗的生產目標。

在現實車間生產調度問題中，以模擬退火算法、遺傳算法、蟻群算法、禁忌搜索、進化規劃和進化策略等智能優化方法為主，可以較好地解決大規模復雜問題中的組合爆炸問題，具有通用、簡單和便于并行處理等優點，在傳統方法無法求解的實際應用問題上取得了重大突破，成為當前求解車間生產優化排程問題的主流方法。但隨著第四次工業革命的到來，新一代人工智能、大數據、物聯網等技術飛速發展，有力推動了制造業的轉型升級；同時，實際應用中所面臨的問題規模越來越大、約束條件越來越多、個性化程度越來越高、系統結構越來越復雜、對響應需求的能力要求越來越苛刻，多約束、短時間、非線性、不確定成為新問題的基本特征。結合新技術研究適合大規模、高復雜度和具備智能特征的問題求解方法，充分利用工業大數據，使生產調度與車間機器運行、資源配置、車間物流等因素有機統一，實現生產車間自感知、自學習、自決策的高度智能化的目標。

本書基于新一代人工智能相關技術對智能制造背景下的車間生產調度問題展開研究，具有一定的理論意義和實踐意義。

在理論意義方面，生產調度是實現制造業高柔性、高效率和高可靠性的關鍵，高效的生產調度技術有助于對緊急訂單、客戶需求變更或其他突發事件做出快速反應，改善生產性能指標，從而達到提高設備利用率、提高交單準時率、提升客戶滿意度、降低庫存及成本的目標。現有的車間生產調度問題求解以啟發式方法為主，研究的重點就是如何平衡局部搜索與全局搜索，以及如何有效逃離局部最優解。本書基于深度強化學習等新一代人工智能技術研究車間生產調度問題：從數據驅動的視角研究車間生產調度問題，有利于補充完善現有的車間生產調度理論，有利于探究不同問題情境下生產調度規則對調度結果的影響因素分析；進一步拓展現有的車間生產調度問題求解方法，改變以啟發式方法為主的現狀，將數據驅動方法與啟發式方法有機結合，相互補充，充分發揮各種方法的優點，形成新的生產調度問題智能求解方法；深度學習、強化學習等新一代人工智能技術在圖像識別、自動駕駛、圍棋、游戲等領域的應用取得了極大的成功，但在生產調度問題上的應用還不夠成熟和完善，本書的工作可以拓展深度強化學習應用范圍，并對現有的深度強化學習理論形成補充和完善。

在實踐意義方面，制造業領域考慮最多的當屬產品的質量、成本和交貨期，但隨著經濟社會發展和人們對產品的需求變化，僅靠穩定的產品質量和準確的交貨期已遠遠不夠，制造業開始更加關注卓越的便利性和交貨速度，對車間生產提出了更為嚴苛的要求。生產車間以設備物聯網為基礎，以高效的制造執行系統為核心，構建生產設備自動化、生產管理數字化、車間運營自動化的數字化車間：高效的生產車間離不開強大的制造執行系統的支撐，將生產訂單快速分解為工序工單，根據車間的實際狀況將加工任務投放至設備、時間等資源上，實現精細化管理，而生產調度是制造執行系統的核心，基于新一代人工智能的生產調度算法有利于構造高效智能的制造執行系統，使制造執行系統的心臟更強健，大腦更聰明；有利于將車間生產調度與加工設備、加工任務、物料、車間內外環境等因素形成有機統一體，消除信息孤島，有效應對車間的啞崗位、啞設備和啞企業之“三啞”問題；充分挖掘工業大數據的價值，提高車間的自感知、自學習和自決策能力，構建面向制造業務的數據共享平臺，打造更加高效的用戶端需求與系統資源協調機制，幫助企業不斷提升用戶響應。