作者：乔非、吴莹、马玉敏 著
出版社：化学工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
复杂制造系统的可重构计划与调度试读：
前言
前 言制造业是国民经济发展的重要支柱，制造业的先进程度标志着一个国家的发展水平。随着现代制造业在环境、结构、过程等多方面表现出的复杂性日益增强，对复杂制造系统的运营管理与优化也提出了更高的要求。复杂制造系统技术密集，资金密集，例如，在半导体集成电路芯片制造生产线上，投资的75%用在设备上，相比于通过增加贵重设备来提高产能的方式，以改进生产计划与调度策略来优化生产也能收到良好效果，价格动辄数千万甚至上亿的设备如果少空闲几分钟，则将节省数目可观的成本。
生产计划与调度是复杂制造企业生产活动和组织管理的重要环节，是提高企业经济效益的有效途径，对于提高企业生产管理水平、节约成本、提升市场竞争力、快速收回投资以及获得更高的经济效益有着十分重要的意义。而复杂制造系统的调度优化毫无疑问是众多调度问题中颇具挑战性的一类，得到了国内外工业工程、控制工程、人工智能、应用数学、运筹学、计算机科学、管理科学、系统工程等领域的研究人员及工程技术人员的广泛关注，成为学术界和应用界的研究热点之一。
以多重入特征明显的半导体制造系统为代表的一类复杂制造系统，因其在工艺流程、多样性约束、生产方式等方面的复杂要求及来自内外部制造环境的动态不确定性，为其制造过程的生产计划和调度控制的研究带来了更大的挑战。近十多年来，虽然有大批学者投身这一领域的研究，也取得了相当可观的成果积累，但主要的研究工作还是集中于对生产计划与调度中各个子问题的求解，如能力计划、投料控制、实时调度等。无论是从模型到方法的理论研究，还是从优化问题到控制策略的技术探索，都难以填充研究与应用之间的鸿沟，究其原因，已有的研究成果在系统性和灵活性上的不足可能是制约因素之一。
著者从20世纪90年代初开始涉足制造领域生产计划与调度的研究，先后围绕柔性制造、计算机集成制造等先进制造系统，积累了多年的科研、教学及工程经历。近十多年来，进一步专注于对以半导体芯片制造为代表的复杂制造系统的生产计划与调度理论、方法和应用研究，同时也越来越体会到，对于复杂制造系统的调度优化管理，在不断改进模型、创新方法的基础上，更需要加强系统级的协同能力和对于复杂动态环境的应变能力。
鉴于此，本书从系统工程的角度切入，面向以半导体生产线为代表的多重入复杂制造系统，研究提出一种可重构的生产计划与调度体系结构。该体系结构不仅把复杂的半导体制造过程所涉及的各类典型生产计划与调度问题科学合理地整合为一个有机体，将各部分各环节的常规方法及著者多年研究形成的方法成果等嵌入该体系之中，而且能够针对具体业务问题在体系结构层级上重新配置其业务系统，产生合理的方案，支持具体环境下的计划调度决策。
本书的主要内容来源于著者及其研究生们的科研积累，强调理论与实践的结合以及学术研究与工程应用的结合。着重研究具有集成性和灵活性的复杂制造系统生产计划与调度体系的构建及相关技术方法，并突出其可重构特征与可重构能力的设计与实现。全书包括3篇9章。
第1篇可重构体系篇，针对复杂制造系统的生产计划与调度整体需求与特点，构建具有可重构能力的生产计划与调度体系结构，并讨论体系结构的可重构特性以及体系的重构过程和方法，为后续内容建立框架和基础。
第2篇可重构单元篇，在复杂制造系统生产计划与调度体系的整体框架下，分别讨论体系结构中的四个核心单元，即中期生产计划单元、短期生产计划单元、实时调度单元和重调度单元。在分别概述各单元的概念、发展及一般方法的基础上，重点介绍了著者研究提出的若干针对复杂制造系统的计划与调度的新方法。这些单元问题及方法都可以借助于体系结构的集成化模型纳入生产计划与调度体系的框架之中，并参与系统的重构过程。
第3篇可重构实施篇，首先给出了实施本书体系结构设计的可重构计划与调度体系原型系统的实现，继而应用此原型系统，结合案例对单元级和系统级的体系结构重构过程加以分析说明。
本书面向从事复杂制造系统计划、调度和优化等相关领域研究工作的科研人员，系统工程、工业工程、自动化、机械工程等专业大专院校研究生和教师，微电子等复杂制造行业的生产管理或工程技术人员等，力图在生产计划与调度的系统化技术、方法、工具及应用案例等方面，为读者提供有价值的参考和帮助。
与本书内容相关的研究工作得到了国家自然科学基金项目（编号：71690234和61034004）等的资助，也得到了团队创始人吴启迪教授的指导和帮助。在本书编写过程中，丁小进、施斌、叶恺、李兆佳、郭璎宵、倪嘉呈、谷翔、李雯琳、于孝雨、高海、王正等研究生参与了研究工作，研究生王巧玲、邢俊霞协助了书稿整理，在此一并表示感谢。
限于水平和能力，本书难免有不妥之处，衷心希望各位读者不吝批评指正。第1篇 可重构体系篇
本篇首先介绍复杂制造系统及其生产计划与调度体系，作为全书问题对象的引出；继而从宏观上给出可重构计划与调度的基本思想和体系框架，对体系结构的重构特性及通用方法和过程加以分析，为后续篇章建立基本概念和理论基础。第1章 复杂制造系统概述
制造业是国民经济的支柱产业，是国家科技水平和综合实力的重要标志。在技术驱动和需求拉动的双重作用力下，制造业走过了机械化、自动化、信息化等的发展历程。自20世纪中叶以来，信息技术的发展越来越广泛而深刻地影响着制造业，先后出现了计算机数控（Computerized Numerical Control，CNC）、柔性制造系统（Flexible Manufacturing System，FMS）、计算机集成制造（Computer Integrated Manufacturing，CIM）、敏捷制造（Agile Manufacturing，AM）、智能制造（Intelligent Manufacturing，IM）等一系列新型制造模式。与此同时，一方面制造管理的精益化程度不断提高，另一方面制造系统也呈现着日益复杂化的趋势，包括具有大规模、不确定、强耦合等高度复杂性，以及因需求波动、设备故障、任务或工艺调整等引发的不确定性。这些复杂性特点为制造系统，特别是以半导体制造为代表的一类复杂制造系统的生产过程的计划调度和控制管理带来了更高的挑战，也受到了学术界和工业界的广泛关注。
生产计划和调度是企业生产组织和管理核心，是提高企业综合效益的关键技术。调度的基本挑战在于需要兼顾：满足约束、优化性能、实用高效。现代科学技术、特别是信息科学技术的快速发展，为生产过程带来了一系列的变化，即系统结构、系统功能、性能指标和调度环境都日趋复杂化，这些又加剧了复杂生产过程的调度和控制问题解决的难度。
本章在概述制造系统复杂性及以半导体制造为代表的复杂制造系统的信息管理系统的基础上，对生产计划与调度问题的概念与方法加以梳理，并明确新型制造模式下构建生产计划与调度可重构体系的趋势与意义。1.1 制造系统的复杂性1.1.1 制造系统的分类与特点
制造系统按照产品加工路线的特征不同，可以分为：作业车间、流水车间与多重入制造系统。这三类生产制造系统分类及特点如表1-1所示。
按照产品生产工艺的特征不同，制造系统又可以分为连续制造和离散制造，它们各自的概念及特点如表1-2所示。表1-1 生产制造系统分类及特点（按照产品加工路线特征的不同划分）表1-2 生产制造系统概念及特点（按照产品生产工艺特征的不同划分）
制造系统还可以按生产组织方式的不同分为备货型生产（Make to Stock，MTS）和订货型生产（Make to Order，MTO），如表1-3所示。备货型生产基于对市场需求的研究和预测组织生产，生产出的产品不断补充成品库存，再通过库存满足用户的需求；订货型生产则是基于用户的订单组织产品的设计、装配和生产，又可细分为按订单组装（Assemble to Order，ATO）、狭义的按订单生产（Make to Order，MTO）和按订单设计（Engineer to Order，ETO）三类，如表1-4所示。各类生产方式的制造系统和用户交界面不尽相同，由图1-1可知，从MTS、ATO、MTO到ETO，用户介入制造过程的时间依次提前，相应地，订货提前期也逐次增大。而各类制造系统在产品产量方面的比较如图1-2所示。表1-3 生产制造系统分类及特点（按照生产组织方式的不同划分）表1-4 生产制造系统分类及特点（按照订货型生产方式的不同划分）图1-1 不同生产方式对内特性的比较图1-2 不同制造系统在产品产量方面的比较
关于制造系统的分类还可以有多种，比如按产品使用性能分为通用产品生产类型和专用产品生产类型；按照生产稳定性和重复性分为大量生产、成批生产和单件小批生产等。
本书将重点讨论一类具有重入性特征的离散型制造系统，按照复杂系统组成元素多且互相存在强耦合作用的定义，这是一类典型的复杂系统。1.1.2 工业制造系统的复杂性
制造系统的复杂性可以从数量、关系、状态、信息等方面理解［1～4］，包括工程复杂性和管理复杂性。工程复杂性是复杂制造系统的自然属性，体现的是系统细节复杂性。在企业生产管理实践中，表现为具有多个连续或平行加工的生产工艺流程，半成品和产成品种类繁多，生产时间、空间跨度大等。
管理复杂性是复杂制造系统的关系属性，体现的是系统动态复杂性。具体表现为：问题规模大带来的结构复杂性、约束条件多对应的过程复杂性、目标多样化体现的高耦合复杂性以及不确定因素多反映出来的制造环境复杂性。
①问题规模大 现实生活中的复杂制造系统大多具有设备数目多、产品种类多、在制品数目多、工件加工流程长等特点，因此，针对小规模问题的寻优方法一般不具备解决实际规模问题的能力。故而，针对实际复杂制造系统的生产管理决策通常只做满意决策，随着新兴信息技术的发展，找到满意决策的优良解空间的方法也在不断发展，再加上对实用性和计算成本的考虑，更使得对计划和调度的研究和设计没有止境。
②约束条件多 计划和调度问题求解过程中，受到物料、设备、工艺、时间、人员等多种因素的影响和制约：工艺约束指产品生产过程必须遵循加工工序的顺序及各工序的工艺参数要求；设备约束主要指生产过程受相关的设备产能、设备性能、设备加工方式等约束；时间约束指生产过程需满足工艺要求的加工时间和满足客户要求的交货时间。在实际生产过程中，以上各类约束大都具有不确定性，而且需要同时被满足，否则会带来质量、拖期等一系列问题。
③目标多样化 面向复杂制造系统的计划和调度问题往往是多目标的，大致可分为三类：设备相关的目标，如设备利用率、设备排队队长等；工件相关的目标，如准时交货率、加工周期等；生产过程相关的目标，如在制品数量、工件移动步数等。上述目标之间又存在着错综复杂的关系，在不同工况下可能体现为不同的耦合关系，而生产实际往往需要达到多个目标的协同优化，这也增加了复杂制造系统计划与调度的复杂性。
④不确定因素多 复杂制造系统中的不确定因素也是多方面的，比如，由于工艺特性等造成的加工时间不确定、由于市场需求波动引起的加工任务不确定（工件优先级变化、急件投放等）、由于设备故障或维修带来的生产资源不确定等。这些不确定扰动因素对生产过程的冲击，增加了复杂制造生产计划与调度的难度。1.2 多重入复杂制造系统运作概述1.2.1 多重入复杂制造系统概念及特征
多重入复杂制造系统（Multi Re-entrant Lines）主要指离散制造中一类具有结构性多重入特性的复杂制造系统，所谓的“重入”是指在制品WIP（Work in Process）按照其工艺流程，在生产过程中会出现反复多次进入同一个加工区域或设备进行加工的现象。发生重入的加工中心或设备的数量越多、重入的次数越多，制造过程及所需工艺也越复杂。所谓“结构性”重入，是指重入的现象是由工艺流程决定的，与其他制造系统中出现的“返工（Rework）”有本质不同，返工是指不合格品的重新加工，对生产线的负荷影响非常有限。［5］
20世纪90年代初，Kumar等将这类多重入生产系统定义为继作业生产与流水生产之后的第三类生产系统。作业车间与多重入生产［6］的不同点为：每一时刻每台机器只加工一个工件；每个作业不能在同一台机器上加工多次；不考虑作业加工的优先权；作业加工时间事先给定。流水车间每一个任务都有相同的流动次序，与多重入系统［5］的生产方式更加不同。Kumar给出的多重入制造问题的定义如下：
加工中心集合记为{1，2，…，S}，加工中心记为σ，σ∈{1，2，…，S}，包括M台相同的设备。某类型若干工件进入加工中心σ的缓σ1冲区b等待，加工完毕进入加工中心σ的缓冲区b等待。以此类推，122假设σ是最后一个加工中心。那么σ，σ，…，σ就形成了工件的加l12l工路径。对于不同的加工阶段i、j，i≠j，允许σ=σ。ij
在多重入制造系统中，普遍存在如下情况：不同加工工序的工件在同一设备前同时等待加工。这种情况使得每台设备的加工任务数目急剧增加，同时带来更多不确定性因素，直接导致设备产能即便能够满足加工任务要求，生产线也会出现WIP急剧增加、生产周期很难预测等非常不稳定状态。由于多重入加工流程的存在，使得多重入制造系统在本质上有别于传统的作业生产（Job Shop）与流水生产（Flow Shop），针对Job Shop与Flow Shop的相关研究成果也无法直接在多重入制造系统中得到应用。1.2.2 典型多重入复杂制造系统——半导体制造
具有上述特征的多重入复杂制造系统有多种，如半导体芯片制造、薄膜胶片生产，其中，以半导体芯片制造为典型代表。进入信息时代以来，半导体制造作为微电子产业的重要基石，尤其受到了学术界和工业界的广泛关注。
半导体制造的主要产品是集成电路芯片，完整的制造过程包括硅片制备、硅片加工、测试/分类、装配与封装、产品终测五大步骤［7］
。其中的硅片加工过程，即通称的半导体芯片制造过程，是技术最为复杂、资金最为密集的部分，该阶段的主要任务是将设计好的IC线路逐步制作在硅片制备加工阶段准备好的硅晶圆片上。这是一个步骤复杂且有大量重入现象的过程，往往需要进行成百上千道工序，概括起来主要有五个工艺阶段。
①氧化、淀积、金属化 通过氧化淀积在硅片表面形成一层SiO2薄膜，以隔离和保护硅片内的灵敏器件；通过金属化在绝缘介质薄膜上淀积金属薄膜，为形成电路连接做准备。
②光刻 将光刻胶涂到硅片表面后，经曝光在硅片表面形成所需的图形。这是芯片制造中最复杂也是最关键的操作，又可细分为涂胶、前烘、曝光、曝光后烘、显影、坚膜等步骤。
③刻蚀 用化学或物理方法有选择地从硅片表面去除不需要的材料，刻掉被曝光的部分以最终形成电路。刻蚀方法有干法刻蚀和湿法腐蚀，有图形刻蚀和无图形刻蚀。
④离子注入 选中的离子被植入本征半导体层中，以改变被曝光的部分的电学特性，形成不同导电形式的P型或N型区域。
⑤去胶 去掉残留的光刻胶。
由于半导体元件是层次化的结构，每一层以类似的工序生产，有些工序只是加入的材料或使用的模板有所变化，因此在工艺过程上就表现为不断重复访问某些设备，造成了多重入加工流程的出现。图［7］1-3给出了一个半导体硅片加工的生产过程示意图，表1-5是其中的设备功能明细。图1-3中的大多数设备都被多次重入访问，例如完成沉积工艺的设备1的重入次数达到10次，而在实际的半导体生产线上某些设备的重入次数往往更多。图1-3 半导体硅片加工的生产过程示意图
随着半导体芯片制造技术的不断发展，芯片制造企业之间的竞争势必越来越激烈，为了降低成本、快速收回投资，获得良好的经济效益，针对多重入的复杂半导体芯片制造的生产计划与调度的研究需求越来越强烈，提出了迫切需要解决的一系列决策优化问题。例如，合理的生产计划与调度体系结构、先进的建模方法与优化算法、实时调度与在线优化方法等。这些问题也给管理科学、系统科学和优化控制带来了新的挑战和广阔的研究和发展空间。从应用的角度看，对半导体芯片制造的生产计划与调度进行研究，将为半导体芯片制造企业的生产计划与调度提供决策支持的模型和软件工具，从而大大提高企业的生产管理水平。表1-5 设备功能明细1.2.3 制造信息系统
物质、能源和信息是社会赖以生存的三大要素，信息已渗透到社会的各个角落，对促进传统产业特别是制造业的进步发挥着越来越重要的作用。
制造系统的本质是对原材料进行加工处理，使之成为具有一定用途的产品的过程，表现在两个方面：一方面，能源是加工制造的一种驱动源；另一方面，制造过程中各种信息资源的采集和加工处理过程，也是增强产品信息含量的过程。因此，信息是加工制造的另一个驱动源。信息链接了制造系统各个要素，形成一定的生产组织结构的纽带，已经成为制造系统中与设备、能源同等重要的制造资源。建立以信息为导向的生产流程，可以使得产品设计、开发、制造、行销、售后服务等信息快速流动和有效管理，从而减少在制品数量，提升准时交货率，缩短生产周期，保证交货周期，减少不合格品数量，这已经成为企业强化竞争力，实现制造业信息化的基本前提。
制造信息系统是辅助制造企业实施管理和运营的信息化系统，是一个不断与市场、设计、制造等进行信息交换的复杂的开放性系统。［8］根据普渡企业参考体系结构（Purdue Enterprise Reference Architecture，PERA），一个完备的制造系统体系架构可以自上而下地分为5个层次22项任务，涉及制造设备体系、信息系统体系、人与组织体系三大方面。其中，仅从制造信息系统的角度考察，可以概括为5个层次，自上而下依次为经营决策、企业管理、生产调度、过程［9］优化、过程控制，如图1-4所示。基于PERA的五层结构给出了指导制造信息系统实施的详细路线图，用细分层次将生产过程控制和管理加以区分。图1-4 基于PERA的制造信息系统模型
根据美国先进制造研究机构（Advanced Manufacturing ［10］Research，AMR）提出的制造业三层结构，将制造管理信息系统分为以企业决策、财物分析为核心的经营规划系统（BPS），以优化管理、优化运行为核心的制造执行系统（MES），以设备综合控制为核心的过程控制系统（PCS）三个部分（图1-5），为充分体现生产和管理的有机结合，进一步引入了制造执行系统（MES）作为上层决策管理与底层工业控制之间的重要桥梁。本书重点讨论的生产计划与调度作为MES的核心功能，是面向车间层的制造管理信息系统的中枢，旨在实现对车间内部具体生产活动的管理和优化，在制造信息系统中起到了承上启下的作用。图1-5 基于BPS/MES/PCS三层结构的制造信息系统模型
企业车间层是一个企业物流与信息流的集中交汇点，也是制造价值增值的关键环节。通过对生产现场的透明化感知，实现对执行过程的有序可控，从而达到车间生产的高效优化，是生产计划与调度的根本任务。为此，不仅需要对生产计划与调度系统的结构、方法和集成应用等共性技术加以研究，而且还需要有针对性地对具有特殊需求和特点的制造对象加以特别研究与设计。1.3 复杂制造系统的生产计划与调度
生产计划与调度是制造企业组织和管理车间级生产活动的关键核心，旨在通过合理规划生产任务并调配有限生产资源，在保证生产有序进行的同时，尽可能提高企业综合效益，在制造信息系统中处于承上启下的核心地位。从学术研究的角度看，生产计划与调度问题可以归结为组合优化问题，即从问题的所有可行解中求出最优解，属于一类具有非确定多项式难题（Non-deterministic Polynomial Hard，NP-hard或NPH）特性的典型复杂问题。从应用的角度看，生产计划与调度是企业生产经营活动的主要依据，并直接影响着生产的性能和效益。1.3.1 生产计划与调度概念
生产计划与调度问题因其复杂性，在实际分析求解时，往往会根据研究的侧重或关注的因素不同，对其加以合理分解而形成若干子问题。
从时间性上考察，一般将实际运行前完成的优化决策称为计划（Planning），将随着生产过程的运行同时进行的优化决策称为调度（Scheduling）。生产计划又可根据时间粒度分为中期生产计划和短期生产计划（长期生产计划因归入上层企业级的决策而不属于本书讨论的范畴）。中期生产计划对应于车间级的生产计划，是根据上层计划下达的销售预测和销售订单，在考虑车间生产能力、生产负荷、产品交货要求、车间实时状态等多方面因素的情况下，给出的车间任务（主要包括产品生产任务和设备的配备安排）下达，计划周期稍长，一般以周为单位。短期生产计划也可称作车间作业计划，是根据中期生产计划下达的生产任务，在满足工艺和资源等相关约束条件下，通过确定各工序任务（作业）的加工设备和在相应设备上的加工顺序/加工开始时间等，使生产性能尽可能趋优。短期生产计划是在生产运行开始前完成的工序级的分配和序列执行方案，计划周期稍短，一般以天或班次为单位。
从空间性上考察，又可以分为投料控制、工件调度、设备维护调度等。投料控制决定产品原料投入生产系统进行生产的投放时间、数量和品种，旨在控制生产系统的在制品（Work in Process，WIP）水平，同时提高单位时间内生产线的产出。设备维护调度决定各个设备分别何时开始进入维护保养状态，以及维护的类型和时间等，通过对计划停机时间和非计划停机时间的折中优化，保证安全高效的设备运行。工件调度对每个进入系统的工件的每道加工工序进行详细安排，又可再进一步划分为工件派工（Dispatching）和工件排序（Sequencing），前者决定工件的某道加工工序由哪台或哪类设备进行加工；后者决定共同竞争加工资源的多个工件的先后加工顺序。
从资源特殊性上考察，还有诸如瓶颈设备调度、批加工设备调度、特殊集成设备调度等局部问题。瓶颈设备泛指制造系统中限制了整体“最大”能力的少数能力“最小”的关键性设备（组），因其决定着生产系统的生产节奏，往往被作为重点调度优化的对象。批加工设备是一类可以同时加工多个产品的设备，因其产能具有不确定性，其调度的求解也需要特殊对待。另外，对于特定的复杂制造系统，还有一些专门的集成设备，比如半导体制造系统中把多组晶圆加工模块和搬运系统有效组织为一体的集束型设备（Cluster Tool），虽然能够提高生产率、充分利用作业空间，但同时也带来了精确建模与分析的困难，从而通常作为一类特殊复杂问题而被深入研究。
上述生产计划与调度子问题虽然各有特点、各不相同，但都具有在约束条件下追求目标优化的共性模式，只不过每个子问题存在的环境条件、约束方式、优化目标不尽相同罢了。另外，在实际系统中，这些子问题也往往都是同时交叉存在的，因此分解后的有效集成也是达成生产计划与调度问题求解的关键。
对于本书讨论的复杂制造系统，因其具有规模大、多重入流程、约束复杂、不确定性强等特点，其生产计划与调度问题不仅有一般计划与调度问题普遍具有的NP-难特性，而且还需要面对由于复杂制造本身多重入、混合加工方式等特殊复杂性，相关的研究也一直备受关注。1.3.2 中期生产计划问题与方法
中期生产计划需要为计划时段内的车间生产任务和车间资源安排做出合理规划，计划时段一般以周或天为单位。狭义的中期生产计划仅涉及车间生产任务的安排，也就是要确定计划时段内投入车间安排生产的产品类型、数量及相应的开始生产及计划完工时间，不涉及详细的设备机时及工件的加工工序。车间生产任务的安排其实是一个负荷与能力的匹配问题，所谓的车间生产能力，涉及可用于安排生产的设备、工具、工装、人员等多方面的资源。就设备而言，虽然其监测统计、维护保养、故障维修等管理活动一般由专门的设备管理系统负责，但其中决定生产能力并与正常生产直接相关的设备工作时间和非工作时间（包括维修保养时间）的规划，也可列入中期生产计划的范畴，本书采用这一观点，将中期生产计划扩展为投料控制（车间生产任务的投入安排）和设备维护调度（车间设备资源的安排）两部分。［11，12］
早在1988年就有学者从加工周期（Cycle Time）、成本（Cost）、库存（Inventory）和成品率（Yield）等角度论证了投料控制对复杂的可重入制造系统性能指标提升的重要性。解决投料控制的方法经历了从开环投料策略到闭环投料策略的发展过程。开环投料策略不考虑生产线的状态，按事先计划好的固定策略安排投料计划，且投料时间点也不会随着生产线状态的不同而改变。此类投料控制方法包括：统一投料法、固定时间间隔投料法、随机分布泊松流投料法、［13］指数分布投料法等。闭环投料策略通过监控生产线上的某一指标，根据实际生产线状态来对投料进行调整控制。此类投料控制方法［14，15］包括：固定在制品数投料法（Constant WIP，CONWIP）、［16］避免饥饿投料法（Starvation Avoidance，SA）、固定工作负荷［17］投料法（Constant Load，CONLOAD）等。
中期生产计划中考虑的设备维护调度主要指预防性维护，即在设备正常工作阶段，为减少和避免设备意外故障的发生，保证设备的安全可靠生产，对设备的维护时机（即预防性维护周期）提前做出的合理规划。主要的方法有基于役龄的维护计划、基于周期的维护计划、基于健康状况的维护计划。
基于役龄的维护方式是在设备累计运行时间达到预定的役龄（役龄为固定值）时安排维修；基于周期的维护方式通过统计数据或经验定期安排设备维修，根据决定周期的因素不同，又分为按加工时间的周期性维护（平均故障间隔时间，Mean Time between Failure，MTBF）、按加工数量的周期性维护（Unit Based Maintenance，UBM）计划；基于健康状况的维护计划是依据反映设备健康状况的信息来安排维护任务，比如基于性能参数的维护（Condition Based Maintenance，CBM）、基于设备故障预测与健康管理（Prognostics and Health Management，PHM）的维护计划。
在中期生产计划阶段形成的车间生产任务和设备维护任务下达到短期生产计划阶段后，都需要通过占用相应设备的时间来完成，这种生产/维护任务到设备时间在作业层面的合理优化就构成了短期生产计划阶段要重点解决的问题。1.3.3 短期生产计划生产调度问题与方法
短期生产计划是依据中期生产计划下达的任务和当前车间制造资源状态，通过生产任务转换、作业排程等操作，制定一定生产周期内的车间作业计划。因其为实际生产开始前完成的优化作业执行方案，所以是一种“计划”，故称为短期生产计划；又因为决策的是车间作业计划中的各工作任务到各类制造资源的优化指派，所以也是一种“调度”，可以称其为生产作业调度，或生产调度。复杂制造系统的调度问题可以描述为在资源受限与能力约束条件下，针对一项可分解的生产任务，通过确定工件加工顺序和生产资源的分配等，获得生产任务执行效率或成本的优化。具体而言，调度是对一定时间范围内的工件集合，按照工艺流程要求的加工步骤（工序，Step）分解后，安排分解后的各工序在设备上的加工顺序，形成调度方案（Schedule），即确定所有工序由某台设备在某个确定的时间段内完成。生产资源安排的时间精度具体到小时、分钟甚至秒，具备明显的次序要求。
作为一项具有较长历史的研究命题，自20世纪50年代以来，关于生产调度的大量理论和应用研究使这一领域的模型和方法体系逐渐形成并完善。
在模型方面，早期针对多重入制造系统的调度模型主要是以排队论为基础的Kelly模型、Brawnian模型、连续流模型、马尔可夫模型等，但因其对实际系统过强的人为假设，以及无法克服系统复杂度带来的维数灾难，因此基本不具备实用性。另一类以离散事件动态系统理论为基础的调度模型，如Petri模型、离散事件仿真模型等，虽然能够较好地描述复杂制造系统动态、并发等特性，但因缺乏准确、及时的模型参数和对复杂生产系统不确定因素的快速反应等，而无法真正得到精度和应变力都满足实际要求的模型；近年来，随着信息技术的发展，特别是制造业信息化的普及，新的基于数据的生产调度建模方法被提出并日益得到重视。基于数据的调度建模涉及两方面含义：一方面是基于制造信息系统积累的大量离线和在线数据，运用数据挖掘等技术手段，建立生产调度过程的模型；另一方面是基于工业制造数据的生产调度模型的参数预测和在线调整，以增加模型的精度。
在方法方面也出现了运筹学方法（随机整数规划、动态规划等）、启发式方法（各类启发式调度规则）和智能方法（神经网络、遗传算法、蚁群算法等）等主要流派。传统运筹学方法在理论上能求得问题的全局最优解，但计算量偏大，对于实际问题规模的求解速度往往难以达到实用的要求，因此通常只能用来解决规模较小或大幅简化了的问题，缺乏实用性。启发式方法虽然不存在计算成本过大的问题，但易于陷入局部最优及无法保证最优等问题也限制了其通用性。近十多年来，相关研究更注重于引入智能化方法，通过模拟某种自然现象、物理规律或生物行为来探索更为高效可行的运算机理。更有学者进一步尝试将智能方法加以混合运用，以提高方法的性能和效率。1.3.4 动态调度问题与方法
生产调度（Production Scheduling）是对工件在相关设备上的加工顺序和加工时间实施安排，以保证所选定的生产目标趋优。生产调度按照类型可以分为静态调度（Static Scheduling）和动态调度（Dynamic Scheduling）。静态调度是在作业及设备等生产环境确定已知且不考虑意外扰动变化的情况下，对加工任务进行的组合优化决策；动态调度需要依据动态变化的实时生产环境，逐步生成调度方案并指导实际的生产过程。通常的动态调度方法大致分为三类：反应式调度（Reactive Scheduling）、预测-反应式调度（Predictive-reactive ［18］Scheduling）和主动式调度（Proactive Scheduling）。
反应式调度并不会事先形成全局的优化调度方案，而是伴随着实际生产过程的执行，根据生产系统的实时状态及加工任务信息，实时进行局部决策，为空闲的设备确定加工任务，这种动态调度也称为实时调度（Real-time Scheduling）。最常见的实时调度方法就是运用某种调度规则（Dispatching Rule）从等待空闲设备加工的众多加工任务中，选择优先级最高的一个加工，优先级的计算依据是当前加工任务和相关设备的实时状态与属性。经过众多学者的长期研究，已有非常多的调度规则被提出并加以实际应用。基于调度规则的实时调度方法具有快速、直观、易实施等优点，但其局部优化的本质也导致其具有难以达成全局和长远的调度优化效果等局限性。
预测-反应式调度是一个调度/重调度的过程。调度阶段在假定生产系统状态和加工任务均确定的情况下，形成优化的调度方案（原始调度方案）；重调度阶段在已形成的原始调度方案基础上，响应实际动态环境下生产系统状态和加工任务执行的变化情况，对原始调度方案加以调整，产生新的也是最终的调度方案。因为前一阶段调度过程实际上相当于短期生产计划，所以后一阶段的重调度就是这一类动态调度的关注重点，或者就直接称其为重调度（Rescheduling）问题。
主动式调度是指在进行调度决策时，提前将可能出现的不确定因素考虑在内，从而构建一种对动态生产环境具有一定鲁棒性的预防式调度方案，所以这种动态调度方法也称为鲁棒调度。在主动式调度研究中，目前被广泛加以考虑的是加工时间相关的不确定性。例如，［19］Pereira针对单机调度问题，将其中不确定的工序加工时间在固定闭区间上取值，基于场景规划方法，提出了以加权完工时间为性能［20］指标的鲁棒调度方法。Drwal等基于并行机调度中工序加工时间只有其间隔边界已知的认识，提出了以总完工时间为评价指标的最小、最大后悔值调度方法。除了加工时间的不确定，也有学者通过对［21］［22］随机机器故障和急件到达等生产系统不确定性的预测，开展主动式鲁棒调度方法的研究。
综观过去几十年的学术研究和实践探索，关于生产计划与调度的研究和应用已取得了大量成果，从概念理论到方法体系，再到系统工具都有丰厚的积累。但是，大部分工作都是将生产计划和车间调度分离开来，作为两个独立的领域，分别针对其各自的子问题加以分析和求解。例如，生产计划领域的投料控制、维护调度，生产调度领域的作业排程、实时调度、组批调度、瓶颈设备调度等。然而这些子问题之间又是密切相关的，为了达到彼此协同、优化整合的效果，需要将其纳入一个系统框架下加以分析和研究，以探索真正适合实际的复杂制造系统管理需要的解决方案，这也正是本书撰写的初衷。1.4 复杂制造系统的发展趋势1.4.1 新一代互联网技术驱动下的制造系统发展趋势
遵循一般的科技发展规律，制造业也是受两种力量的驱动——技术的推动和需求的拉动，两者共同促成了制造业的发展。自从工业革命以来，制造业需求由早期强调制造的时间、质量和成本（Time，Quality，Cost，TQC），扩展到进一步对效率、应变、服务等的追求。制造相关的技术进步也走过了机械化、电气化、自动化、信息化的历程。伴随着需求的增强和技术的进步，制造业的发展经历了刚性自动线、柔性制造系统、计算机集成制造、敏捷制造等发展阶段。
进入21世纪，制造业迈入互联网时代，由互联网引发的新兴IT技术，包括物联网、信息物理系统（Cyber Physical System，CPS）、云计算和大数据等，使得制造业面临着进一步转型提升的机遇。一方面，社会发展对制造业提出了更高的要求，在追求TQCS（TQC和Service）的传统需求之外，越发强调对于节能、环保和适应力等方面的新需求；另一方面，新兴信息技术和新型IT设施与条件飞速发展和普及，先进的信息通信技术（Information and Communication Technology，ICT）和自动化技术也进一步发展融合，这一切都对制造业产生了深刻的影响。
在这样的背景下，涌现出一批制造领域的新理念、新思想。例如，“可重构制造”借助于快速调整制造的能力和制造的功能，来提升市场的响应能力；“分布式制造”用一种分布式的方式解决各类制造问题；“网络制造”把网络技术和不同的软件硬件集成在一起，寻找新的制造解决方法；“泛在制造”以泛在感知信息为基础，来实现工业生产的精细化控制；“预测制造”解决生产过程中不确定事件，提高透明度；“云制造”是一种面向服务的网络化产品的开发模式；“绿色制造”更强调环保、节能等。
对于新一代互联网技术驱动下的制造业变革，不仅学术界有非常活跃的新观点，近年来世界各国政府也都纷纷提出了自己的应对战略。例如，德国的工业4.0、美国的先进制造战略、日本的产业振兴战略、英国的重振制造业的战略等。我国也提出了中国制造2025战略，制高点就是制造业的数字化、网络化、智能化，切入点是加快信息通信技术和制造业的深度融合。可见，无论国内国外，都在以国家战略的高度积极应对制造业的新一轮发展机遇。
随着互联网与大数据等新一代信息技术在制造领域的全面渗透，复杂制造系统的生产经营管理模式及运行方式也呈现出新的发展特征。
①互联物联 借助于信息和网络技术与环境，构建虚实结合、互联互通的融合系统，为跨地域、跨层次、跨领域的信息共享与互联协作奠定基础。
②综合协同 从更大的系统范围和更全面的研究视角来考察复杂制造系统的运行与管理，包括：纵向上从经营、规划、执行到控制的上下贯通，横向上的全生命周期管理，以及生产、能源或者环保等不同领域的协同。
③智能化的方法 用智能优化的理论和方法处理复杂性，将制造问题与智能化方法相结合，增强制造系统自主分析和决策的能力。
④适应性效果 当来自外部需求和内部扰动的不确定因素影响到生产计划和调度方案的正常执行时，通过实时感知、科学分析和及时调整，提升对复杂制造不确定性的应对能力。
⑤基于数据 充分利用由大量离线和在线数据构成的工业大数据，通过数据分析和信息挖掘提炼其中蕴涵的价值，并进一步借助知识的表达、共享和更新提高制造管理的智慧化。
总之，通过自适应和协同，达到智慧制造的效果，代表着以新一代信息技术为支撑的未来制造模式的共同特点。具体在未来的制造场景中，纵向层面上，企业内部从上到下的信息高度自动化和集成化，达成从经营、规划、执行到控制各个环节的贯通；横向层面上，借助于跨生命周期管理、制造服务外包和全球供应链管理，也是一个有机贯通的协作体。1.4.2 新型制造模式下计划调度的可重构意义
在新型制造模式下，信息通信技术和制造技术深度融合，使得制造资源和制造能力逐步远程共享，为使得制造系统能够根据加工产品的差异、加工状况的改变，进行自动、及时的调整，达到“自省”［23］，需要计划与调度控制系统具有相应的“自适应”能力，首要的是能够“可重构”，其本质是计划调度信息集成系统的可重构，从而为达成具有自感知、自适应、自决策、自执行等功能的新型制造模式奠定基础。
可重构的概念最早来源于制造系统生产资源级的物理重构，为了响应市场需求的突然变化，迅速调整在一个零件族内的生产能力和功［24］能性，快速改变制造系统的结构以及硬件与软件组元。将此概念借用到生产计划与调度领域，则可将计划调度系统的可重构定义为：为了响应生产需求变化，以重排、重复利用、更新子系统的方式，实现快速调整计划调度方案的可变计划调度系统。其基本特点如下。
①模块化 计划调度的功能组件采用模块化设计。
②集成性 系统及其组件易于集成和更新。
③可转换性 计划调度层次内部功能组件的快速替换以及层次之间系统化调整。
④可诊断性 迅速发现计划调度过程中的关键问题。
⑤定制性 调整计划调度的功能以适应生产需求的变化。
在生产计划与调度的集成研究方面有三种主要的思路：集中集成、递阶集成与协同集成。制造过程包含许多动态、离散、随机的事件，整个制造系统是一个确定和随机混杂的系统，很多时候无法建立精确的解析模型，需要借助计算机仿真对系统进行模拟分析，可重构的计划调度体系结构的核心是模块化的开放式结构，将解析模型与计算机仿真结合起来，通过模块化设计，改变计划调度的配置，适应生产需求变化，易于集成和重构，同时具有递阶控制的稳定性与协同控制的柔性，是实现协同集成的较好方式。参 考 文 献
［1］ Simon H. The architecture of complexity. Proceedings of the American philosophical society，1962，106 （6）：467-482.
［2］ Deshmukh A V，Talavage J J，Barash M M. Complexity in manufacturing systems. part 1：analysis of static complexity. IIE Transactions，1998，30 （10）：645-655.
［3］ Casti J L. Connectivity，complexity and catastrophe in large-scale system. New York：Wiley，1979.
［4］ 饶运清，Janet E. 基于信息熵的制造系统通过复杂性测度及其在调度中的应用［J］. 机械工程学报，2006，42（7）：8-13.
［5］ Kumar P R. Re-entrant lines. Queueing Systems，1993，12 （1-2）：87-110.
［6］ Jensen M T. Robust and flexible scheduling with evolutionary computation：［D］. Aarhus：Department of Computer Science，University of Aarhus，2001.
［7］ 吴启迪，乔非，李莉，等. 半导体制造系统调度. 北京：电子工业出版社，2006.
［8］ Williams T J. The Purdue Enterprise Reference Architecture. Computers in Industry，1994，24（2-3）：141-158.
［9］ 柴天佑，金以慧，任德祥，等. 基于三层结构的流程工业现代集成制造系统. 控制工程，2002，9（3）：1-6.
［10］ 李民锋，阳春华，桂卫华. 基于CIMS三层结构环境的成本管理在钢铁工业的应用研究. 计算技术与自动化，2003，22（2）：93-96.
［11］ Wein L M. Scheduling semiconductor wafer fabrication［J］. Semiconductor Manufacturing，IEEE Transactions on，1988，1（3）：115-130.
［12］ C. Roger Glassey，Mauricio G. C. Resende. Closed-loop job release control for VLSI circuit manufacturing［J］. IEEE Transactions on Semiconductor Manufacturing，1988，1（1）：36-46.
［13］ 王中杰，吴启迪. 半导体生产线控制与调度研究［J］. 计算机集成制造系统，2002，8（8）：607-611.
［14］ Hopp W，Spearman M. Throughput of a constant work in process manufacturing line subject to failures［J］. International Journal of Production Research，1991，29（3）：635-655.
［15］ Lin Y H，Lee C E. A total standard WIP estimationmethod forwafer fabrication［J］. European Journal of Operational Research，2001，131（1）：78-94.
［16］ Goldratt E M，Cox J. The goal：Excellence in manufacturing［M］. Croton-on-Hudson，NY：North River Press，1984.
［17］ Rose O. CONLOAD—A new lot release rule for semiconductor wafer fabs［C］. Proceedings of the 31st conference on Winter simulation：Simulation a bridge to the future-Volume 1. ACM，1999：850-855.
［18］ Ouelhadj D，Petrovic S. A survey of dynamic scheduling in manufacturing systems. Journal of Scheduling，2009，12：417-431.
［19］ Pereira J. The robust （minmax regret） single machine scheduling with interval processing times and total weighted completion time objective［J］. Computers & Operations Research，2015，66（C）：141-152.
［20］ Drwal M，Rischke R. Complexity of interval minmax regret scheduling on parallel identical machines with total completion time criterion［J］. Computer Science，2014，44（3）：354-358.
［21］ Lu Z，Cui W，Han X. Integrated production and preventive maintenance scheduling for a single machine with failure uncertainty［J］. Computers & Industrial Engineering，2015，80：236-244.
［22］ 张先超，周泓. 考虑急件到达的单机鲁棒调度方法［J］. 工业工程，2012，15（5）：118-124.
［23］ Lee J，Bagheri B，Kao H A，et al. Industry 4.0 and manufacturing transformation［J］. Manufacturing Leadership Journal，2015，（2）：2-9.
［24］ Koren Y，Heisel U，Jovane F，et al. Reconfigurable manufacturing systems［J］. CIRPAnnals，1999，48（2）：527-540.第2章 可重构的复杂制造系统生产计划与调度体系
长期以来，制造系统生产计划与调度领域的研究主要是从各个子问题加以展开，大多是以独立的实现过程解决具体问题。这不仅导致系统的封闭性，各个子问题的研究成果不能很好地配合，研究不成体系；而且已有的模型和方法较为固定、缺乏灵活性，对于解决实际制造系统所面对的高度不确定环境，在应用上也存在局限性。鉴于生产计划和调度的各子问题是并存于制造系统运行过程之中的，相互之间息息相关，有必要对复杂制造生产计划与调度展开系统化深入研究，构建能够将各个子问题协同整合的体系结构，并进而在统一框架下探索各部分内部的有效算法和各部之间的协同方法。本章从一般体系结构的概念入手，提出具有可重构能力的共性体系结构框架，并以此为基础构建面向复杂制造系统的生产计划与调度集成体系。2.1 体系结构的一般概念2.1.1 体系结构和体系结构框架
体系结构，又称体系（Architecture），是对系统中各部分的基本配置和连接的描述（模型），是“一组用以描述所研究系统的不同方面和不同开发阶段的、结构化的、多层次多视图的模型和方法的集合，体现了对系统的整体描述和认识，为对系统的理解、设计、开发和构［1］建提供工具和方法论的指导”。随着制造系统复杂性的不断提高，为了增强调度方法的复用性和调度问题之间的协同交互能力，以提升
试读结束[说明：试读内容隐藏了图片]