第1章　绪论

1.1　研究背景和意义

1.1.1　研究背景

人类进入工业社会后，制造业逐渐成为一个国家经济实力乃至综合国力的基石，全球经济格局的转变为制造业带来了全新的发展机遇，同时也使其面临诸多挑战。首先，制造业竞争由过去的局部竞争演变成为全球范围内的竞争，并且日趋激烈。市场的需求在不断变化，对产品结构、性能的要求也越来越苛刻，从而使新产品的研制变得日趋复杂。企业需要在最短的时间和最少的资源约束下生产出满足市场需求的产品，由过去的大批量规模化生产向小规模个性化定制的新型模式转变。其次，制造业面临人口不断下降和劳动力成本急剧上升的压力，资源竞争激烈，传统制造业如何有效利用信息化技术提升效率、降低成本，成为当前制造业应对人口红利消失的重大课题。最后，随着人工智能、物联网、云计算、大数据等技术的发展为制造业转型升级提供强劲的技术动力，依靠新技术力量提升高质量低成本地迅速响应社会需求的能力，在竞争中立于不败之地，已成为企业共同追求的目标。大力发展智能制造技术成为世界主要工业国的普遍共识，各国纷纷将智能制造上升到国家战略高度，对制造业不断进行创新升级，以保持在世界经济格局中的竞争力。

在世界范围内，以物联网、大数据、机器人及人工智能为代表的数字技术推动着工厂之间、工厂与消费者之间的智能互联，使生产方式从大规模制造向大规模定制转变。通过建设“互联网+制造业”以实现智能制造，网络化、信息化与智能化的深度融合被认为是第四次工业革命的核心，也是目前欧美强国制造业努力的方向，德国、美国、日本等发达国家都在大力推进“互联网+制造业”的发展进程。德国在2013年正式推出“工业4.0”战略，目的是利用物联网等技术，将产品、设备、资源与人连接起来，实现产品制造流程的自动化，构成产业链中企业之间的合作系统。

2019年2月，美国白宫发布了未来工业发展规划，重点关注人工智能、先进制造业技术、量子信息科学和5G技术，通过智能制造扭转美国在人力成本等方面的劣势，重振高端制造业，以确保美国的“领导地位”。

日本在2015年提出机器人新战略，并将应用领域分为制造业、服务业、医疗护理、公共建设四大部分。目标是利用云储存、人工智能等技术，将传统机器人改变成不需要驱动系统就可与外部物体和人相连接的智能机器人。

在经济新常态下，我国传统产业代表的旧动力在减弱，以战略性新兴产业和高新技术产业为代表的新动力不足，是我国成为制造强国的主要挑战［1］。随着工业化快速推进，我国制造业规模不断扩大，已成为名副其实的世界工厂和世界制造业第一大国，但大而不强的问题仍很突出，粗放型发展模式难以持续，必须转向创新驱动的高质量发展模式。作为世界制造业第一大国，我国必须抓住这次科技和产业革命的历史机遇，对制造业进行创新升级，加快建设制造强国。我国于2015年提出了“中国制造2025”，同时提出，到2020年要基本实现制造业信息化，在制造业数字化、网络化、智能化方面取得明显进展。在制造领域强化创新引领，新动能快速成长，持续深入推进“互联网+”行动和国家大数据战略。2021年4月国家统计局发布公告，我国2021年一季度GDP初步核算结果为249310亿元，比上年同期增长18.3%。其中，制造业增加值为68486亿元，同比增长26.8%。装备制造业和高技术制造业增加值同比分别增长39.9%、31.2%，两年平均分别增长9.7%和12.3%，增速均明显高于其他行业板块，制造业的重要性更加突出，新技术对制造业转型升级的驱动作用愈加凸显。

智能制造体系［2］如图1.1所示。

图1.1　智能制造体系

智能化是第四次工业革命的核心，新一代人工智能的突破和应用进一步提升了制造业数字化、网络化、智能化的水平，推动制造业发展进入数字化网络化智能化制造阶段。新一代人工智能是第四次工业革命的核心驱动力，世界主要国家将人工智能提升至新的战略高度。自2019年以来，美国启动“美国人工智能倡议”，日本出台《人工智能战略2019》，欧盟委员会发布《人工智能白皮书：通往卓越和信任的欧洲路径》，争夺人工智能全球引领者地位，在人工智能技术研发和人才引育等方面的国际竞争日趋激烈。2016年7月，人工智能首次被纳入我国《“十三五”国家科技创新规划》；2017年7月，国务院发布《新一代人工智能发展规划》，将人工智能上升至国家战略；同年12月，工信部发布《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，提出通过实施四项重点任务，力争到2020年，一系列人工智能标志性产品取得重要突破，在若干重点领域形成国际竞争优势，人工智能和实体经济融合进一步深化，产业发展环境进一步优化，互联网行业和传统制造业正在面临的一场大变局已经来临［3］。

车间是制造业中实现物理制造的场所，同时也是企业内信息最密集的地方，因此，实现数字化智能化升级改造的智能车间是实现制造过程创新的重要组成部分，是智能制造的核心单元。智能车间将数字化建模、控制和管理等先进技术应用于车间规划、生产运行、工艺执行、车间物流、质量控制等业务活动，基于物联网等手段获得海量车间生产数据［4］，结合人类专家的知识和经验，立足大数据驱动和应用场景牵引两大特征，融合场景内外的多源异质大数据，利用大规模数据挖掘、机器学习和深度学习等预测性分析方法和技术，提取数据中蕴含的有价值的模式［5］。通过对工业大数据的处理、分析和挖掘，通过数据赋能［6］提升生产车间的决策和控制水平，使其具备动态感知、实时分析、自主决策、优化运行、高度集成和精准执行的特征，达到提高生产效率、降低生产成本、提高产品质量、提升客户满意度和创造核心价值的目标。

1.1.2　研究意义

车间生产调度是生产运行业务中的重要内容，是经典的管理问题，同时也是复杂的NP问题。它是在考虑生产能力和设备的前提下，在物料数量确定的情况下优化生产顺序，科学选择设备，平衡设备和工人的生产负荷，满足特定的评价目标，提高生产效率。智能车间中的生产调度问题可以通过数据驱动的方式，借助于新一代人工智能技术，将生产订单分解到工序工单，精准分配智能车间的生产能力、机器设备和物料资源，实现生产运行的精确管理，是制造执行过程的基础工作。智能车间中的生产调度要根据加工任务的生产工艺确定详细的工序计划，并与设备管理、车间物流等环节进行数据共享，相互影响，相互支撑。通过工序级调度形成产品各工序的生产调度指令，以数据驱动的方式及时获取生产进度、各生产要素实时状况，甚至生产设备的异常信息，快速响应紧急插单、机器故障等突发情况，敏捷高效协调人员、设备、物料等资源，保证生产作业有序、按计划完成［7］。

借助于新一代人工智能技术，通过数据驱动和机器推理，使算法具备感知、学习、推理和决策的能力是当前的研究热点［8］，新技术加速了大数据智能、人机混合增强智能、群体智能、跨媒体智能在制造业中的融合发展，已成为制造业未来发展的核心驱动力。在生产设备网络化、智能化的基础上，应用机器学习分析处理工业大数据，加速制造业全流程、智能化、连续生产等智能管理进程，增强产品研发、设计和生产过程组织能力；加速提高生产车间智能化水平，有效提升生产效率、改进生产工艺、降低能耗、提高质量控制水平等。随着深度学习、强化学习等技术的应用，逐步实现对生产调度、工艺执行、质量控制和设备管理等生产过程的精细化管理，提升大规模、小批量、个性化的柔性生产与协作优化能力，将生产车间打造成软硬一体的智能制造系统，实现高效、高质、绿色和低耗的生产目标。

在现实车间生产调度问题中，以模拟退火算法、遗传算法、蚁群算法、禁忌搜索、进化规划和进化策略等智能优化方法为主，可以较好地解决大规模复杂问题中的组合爆炸问题，具有通用、简单和便于并行处理等优点，在传统方法无法求解的实际应用问题上取得了重大突破，成为当前求解车间生产优化排程问题的主流方法。但随着第四次工业革命的到来，新一代人工智能、大数据、物联网等技术飞速发展，有力推动了制造业的转型升级；同时，实际应用中所面临的问题规模越来越大、约束条件越来越多、个性化程度越来越高、系统结构越来越复杂、对响应需求的能力要求越来越苛刻，多约束、短时间、非线性、不确定成为新问题的基本特征。结合新技术研究适合大规模、高复杂度和具备智能特征的问题求解方法，充分利用工业大数据，使生产调度与车间机器运行、资源配置、车间物流等因素有机统一，实现生产车间自感知、自学习、自决策的高度智能化的目标。

本书基于新一代人工智能相关技术对智能制造背景下的车间生产调度问题展开研究，具有一定的理论意义和实践意义。

在理论意义方面，生产调度是实现制造业高柔性、高效率和高可靠性的关键，高效的生产调度技术有助于对紧急订单、客户需求变更或其他突发事件做出快速反应，改善生产性能指标，从而达到提高设备利用率、提高交单准时率、提升客户满意度、降低库存及成本的目标。现有的车间生产调度问题求解以启发式方法为主，研究的重点就是如何平衡局部搜索与全局搜索，以及如何有效逃离局部最优解。本书基于深度强化学习等新一代人工智能技术研究车间生产调度问题：从数据驱动的视角研究车间生产调度问题，有利于补充完善现有的车间生产调度理论，有利于探究不同问题情境下生产调度规则对调度结果的影响因素分析；进一步拓展现有的车间生产调度问题求解方法，改变以启发式方法为主的现状，将数据驱动方法与启发式方法有机结合，相互补充，充分发挥各种方法的优点，形成新的生产调度问题智能求解方法；深度学习、强化学习等新一代人工智能技术在图像识别、自动驾驶、围棋、游戏等领域的应用取得了极大的成功，但在生产调度问题上的应用还不够成熟和完善，本书的工作可以拓展深度强化学习应用范围，并对现有的深度强化学习理论形成补充和完善。

在实践意义方面，制造业领域考虑最多的当属产品的质量、成本和交货期，但随着经济社会发展和人们对产品的需求变化，仅靠稳定的产品质量和准确的交货期已远远不够，制造业开始更加关注卓越的便利性和交货速度，对车间生产提出了更为严苛的要求。生产车间以设备物联网为基础，以高效的制造执行系统为核心，构建生产设备自动化、生产管理数字化、车间运营自动化的数字化车间：高效的生产车间离不开强大的制造执行系统的支撑，将生产订单快速分解为工序工单，根据车间的实际状况将加工任务投放至设备、时间等资源上，实现精细化管理，而生产调度是制造执行系统的核心，基于新一代人工智能的生产调度算法有利于构造高效智能的制造执行系统，使制造执行系统的心脏更强健，大脑更聪明；有利于将车间生产调度与加工设备、加工任务、物料、车间内外环境等因素形成有机统一体，消除信息孤岛，有效应对车间的哑岗位、哑设备和哑企业之“三哑”问题；充分挖掘工业大数据的价值，提高车间的自感知、自学习和自决策能力，构建面向制造业务的数据共享平台，打造更加高效的用户端需求与系统资源协调机制，帮助企业不断提升用户响应。