基于規(guī)則調(diào)整的多Agent制造系統(tǒng)調(diào)度研究

潘俊峰，唐敦兵，張澤群，伍健民，馮俊

(南京航空航天大學(xué) 機(jī)電學(xué)院，江蘇 南京 210016)

0 引言

隨著制造業(yè)走向社會(huì)化和個(gè)性化，客戶的個(gè)性化需求不斷增長(zhǎng)。對(duì)于企業(yè)而言，訂單變得數(shù)量不確定、時(shí)間不確定、優(yōu)先級(jí)也不確定。離散制造車間(discrete manufacturing workshop, DMW)作為制造系統(tǒng)中的加工處理環(huán)節(jié)，有望更加靈活、快速地適應(yīng)環(huán)境變化，并根據(jù)資源條件動(dòng)態(tài)處理生產(chǎn)任務(wù)[1]。

為了充分發(fā)揮DMW的優(yōu)勢(shì)，有研究學(xué)者提出了多Agent制造系統(tǒng)(multi-Agent manufacturing system, MAMS)。它將車間里的物理設(shè)備與功能抽象成可以獨(dú)立決策的實(shí)體，這種設(shè)計(jì)方式讓多個(gè)決策實(shí)體共同應(yīng)對(duì)和解決問(wèn)題，減少了請(qǐng)求上層控制決策的等待時(shí)間。

在MAMS領(lǐng)域，KOUIDER A等[2]提出了一種基于協(xié)作方法的分布式多Agent調(diào)度系統(tǒng)。KROTHAPALLI N K C等[3]將車間實(shí)體抽象成兩種典型的Agent，即設(shè)備智能體(machine agent, MA)和工件智能體(part agent, PA)。在后續(xù)的研究中，研究者們通常使用這兩類典型Agent。為了提高系統(tǒng)的整體性能，研究人員進(jìn)一步提出了各類功能Agent，包括監(jiān)控智能體(supervisor agent，SA)和數(shù)據(jù)庫(kù)智能體(database agent，DA)等[4]。但是，在MAMS研究中，絕大多數(shù)的研究均是使用軟件仿真，鮮有提及將Agent與實(shí)際設(shè)備的集成。

盡管MAMS可以穩(wěn)定運(yùn)行，但整體運(yùn)行結(jié)果通常不是全局最優(yōu)的。在分層/集中式控制系統(tǒng)中，Agent可以基于當(dāng)前狀態(tài)和知識(shí)做出快速響應(yīng)決策，但是很難實(shí)現(xiàn)全局推論，進(jìn)而選取最佳策略。因此，多層混合控制架構(gòu)和SA被廣泛地應(yīng)用以確保MAMS的整體性能。例如文獻(xiàn)[4]中的實(shí)例，在SA和系統(tǒng)底層Agent(如MA、PA)之間建立了嚴(yán)格但可調(diào)整的層次架構(gòu)，SA有權(quán)禁止或者更改下層Agent的決策結(jié)果。

隨著個(gè)性化定制的流行，訂單的不規(guī)則性變得越來(lái)越強(qiáng)。在設(shè)計(jì)MAMS的整體性能保證系統(tǒng)時(shí)，需要考慮如何在不影響MAMS的重要功能(例如反應(yīng)性、魯棒性和自治性)的情況下實(shí)現(xiàn)這一目標(biāo)。

針對(duì)這一問(wèn)題，本文進(jìn)行了兩項(xiàng)研究。一方面，構(gòu)建了易于部署的MAMS體系結(jié)構(gòu)，可以在不同的DWM中重新實(shí)現(xiàn)。另一方面，本文提出了以自組織規(guī)則中決策參數(shù)的系數(shù)作為調(diào)整目標(biāo)來(lái)保障全局性能的方法。在決策過(guò)程中，指導(dǎo)分層控制架構(gòu)中的Agent做出有利于全局性能的決策。在本文中，簡(jiǎn)要敘述第一部分工作，著重于第二部分的研究。

1 結(jié)合設(shè)備的Agent

首先將車間中的設(shè)備按照特定功能進(jìn)行分割組合，形成功能單元(functional unit, FU)，F(xiàn)U是構(gòu)成DWM的基本組件。圖1顯示了位于DMW實(shí)驗(yàn)室的銑削FU。該銑削FU主要由CNC銑床及其對(duì)應(yīng)的工位臺(tái)、RFID讀/寫(xiě)設(shè)備和各類傳感器構(gòu)成。在分布式人工智能的啟發(fā)下，設(shè)計(jì)并提出了智能體計(jì)算節(jié)點(diǎn)(agent computing node, ACN)的概念[7]。本文基于JADE(java agent development)框架，設(shè)計(jì)開(kāi)發(fā)了整體系統(tǒng)，搭載于ACN上，并通過(guò)物理連接與FU建立聯(lián)系。

圖1 銑削FU示例

ACN的物理硬件載體可以是車間服務(wù)器或嵌入式工控機(jī)。在開(kāi)發(fā)階段，將單個(gè)ACN程序植入到小型嵌入式計(jì)算機(jī)中，該程序可以智能地控制單個(gè)FU。ACN軟件由硬件適配層、智能分析層和基于JADE的信息交互層三層組成。

1) 硬件適配層用于與機(jī)器互連，鏈接庫(kù)根據(jù)不同設(shè)備的通信協(xié)議提供功能支持，硬件適配層用于完成設(shè)備的動(dòng)作控制和信息采集。

2) 智能分析層是基于邊緣計(jì)算思想構(gòu)建智能體的核心部分，此處收集了來(lái)自FU和車間環(huán)境的信息，Agent線程模塊通過(guò)這些信息進(jìn)行分析、協(xié)商、決策、控制FU。

3) 基于JADE的信息交互層用于與其他ACN的交互。JADE是基于JAVA語(yǔ)言的Agent開(kāi)發(fā)框架，它封裝了消息交換的接口，該接口符合FIPA(the foundation for intelligent physical agents)提出的Agent交互技術(shù)規(guī)范。

在本文的研究環(huán)境中，RFID讀寫(xiě)器的天線安裝在與FU相連的工位臺(tái)中。RFID讀寫(xiě)器作為信息的傳感節(jié)點(diǎn)，通過(guò)TCP/IP或RS232/RS485通信協(xié)議實(shí)現(xiàn)與ACN的互連，從而構(gòu)建了獲取和傳輸生產(chǎn)信息的通道。自動(dòng)倉(cāng)儲(chǔ)系統(tǒng)的ACN從云端系統(tǒng)獲取訂單信息，并通過(guò)RFID讀寫(xiě)器將信息寫(xiě)入工件托盤(pán)的RFID標(biāo)簽。FU通過(guò)位于工位臺(tái)上的RFID讀寫(xiě)器來(lái)感知工件的到達(dá)，并通過(guò)存儲(chǔ)在RFID標(biāo)簽中的信息來(lái)分析處理任務(wù)。通過(guò)ACN的感知，F(xiàn)U之間的工件傳輸相當(dāng)于在ACN之間信息傳輸。

ACN是執(zhí)行MA和PA的容器。如圖2所示，以銑削FU為例，ACN中的MA程序負(fù)責(zé)單元本身的操作。當(dāng)工件到達(dá)時(shí)，當(dāng)前的ACN會(huì)將其視為一項(xiàng)任務(wù)，與此部分對(duì)應(yīng)的PA程序此時(shí)處于靜默狀態(tài)。對(duì)于ACN而言，該部分等價(jià)于一串?dāng)?shù)據(jù)，其中包括任務(wù)ID和工藝矩陣。

圖2 PA與MA

通過(guò)任務(wù)ID，ACN從車間服務(wù)器獲取與任務(wù)相關(guān)的信息。通過(guò)工藝矩陣，ACN可以獲取當(dāng)前工藝步驟。當(dāng)加工設(shè)備中沒(méi)有任務(wù)時(shí)，ACN將從待加工的工位臺(tái)中選擇任務(wù)來(lái)進(jìn)行處理。選擇工件后，工件的數(shù)據(jù)將與相應(yīng)程序結(jié)合在一起以生成PA程序。ACN將充當(dāng)此PA運(yùn)行的容器，直到處理完該工件，并通過(guò)協(xié)商和交互確定下一步工藝的承擔(dān)設(shè)備。此后，該P(yáng)A程序?qū)⑼Ｖ惯\(yùn)行，該部分將再次轉(zhuǎn)換成一條數(shù)據(jù)的形式存在。

PA通常以一串?dāng)?shù)據(jù)的形式存在，并在需要時(shí)由ACN生成運(yùn)行程序。ACN的智能分析層負(fù)責(zé)管理MA和PA的線程。在這種模式下，PA不會(huì)總是占用計(jì)算空間和內(nèi)存，只存儲(chǔ)必要的數(shù)據(jù)在RFID標(biāo)簽中用于生成PA線程，并與車間中的工件一起流動(dòng)。

2 規(guī)則調(diào)整策略

使用ACN，可以實(shí)現(xiàn)對(duì)DMW的性能改進(jìn)。如圖3所示，多個(gè)帶有ACN的FU共同構(gòu)成了一個(gè)分層控制系統(tǒng)。在該系統(tǒng)中，ACN的軟件程序可以抽象為一個(gè)虛擬操作層，稱為“自組織控制層”。該層主要負(fù)責(zé)個(gè)體自主和群體協(xié)商行為。從混合控制策略中可以得知，增加“監(jiān)視調(diào)控層”，以監(jiān)控車間整體信息，并且能對(duì)車間進(jìn)行調(diào)控，這樣可以保障全局性能。在本文的設(shè)計(jì)中，此“監(jiān)視調(diào)控層”將不會(huì)直接控制車間的決策，而只是影響ACN決策因子，從而間接控制車間決策，這保證了ACN是車間內(nèi)部的唯一控制者。

圖3 系統(tǒng)整體架構(gòu)

將車間內(nèi)的一組加工單元抽象成FU，通過(guò)ACN控制，以這樣的方式組成了一套MAMS。從傳統(tǒng)的角度來(lái)看，在MAMS中，MA和PA是基本組件，ACN的智能分析層負(fù)責(zé)管理Agent線程。作為決策節(jié)點(diǎn)，ACN遵從設(shè)計(jì)人員制定的決策方式，并根據(jù)設(shè)計(jì)的流程完成決策過(guò)程。本文以實(shí)驗(yàn)室環(huán)境中的系統(tǒng)為例。無(wú)論ACN如何控制機(jī)床本身，僅從調(diào)度的角度來(lái)看，系統(tǒng)操作都可以簡(jiǎn)化為幾種類型的決策活動(dòng)。本文重點(diǎn)介紹系統(tǒng)運(yùn)行中的性能保證，并選擇以下兩個(gè)決策過(guò)程作為監(jiān)視調(diào)控層的調(diào)整對(duì)象。

1) 工件選擇機(jī)床：當(dāng)數(shù)據(jù)形成PA后，將監(jiān)視相應(yīng)工件當(dāng)前工藝流程的處理狀態(tài)，并在即將完成處理時(shí)啟動(dòng)一輪協(xié)商決策。系統(tǒng)中具有相應(yīng)功能的MA將成為該協(xié)商的參與者，而PA是協(xié)商發(fā)起人與裁定者。在本文中，每個(gè)FU的負(fù)載、單位時(shí)間能耗以及工位臺(tái)使用率將作為決策因素。

2) 機(jī)床選擇工件：當(dāng)加工機(jī)床完成當(dāng)前的工件加工任務(wù)時(shí)，根據(jù)協(xié)商規(guī)則，它將在工位臺(tái)中選擇下個(gè)工件進(jìn)行加工。在本文中，將選擇交貨日期、訂單日期和工件到達(dá)此FU的時(shí)間作為決策因素。

對(duì)于上述決策因子，進(jìn)行歸一化處理，并賦予不同權(quán)重，本文設(shè)計(jì)的監(jiān)控調(diào)控層將根據(jù)實(shí)際情況實(shí)時(shí)調(diào)整這些權(quán)重。如圖3所示，監(jiān)視層包含3個(gè)過(guò)程，認(rèn)知過(guò)程、分析過(guò)程和調(diào)控過(guò)程。以下基于3個(gè)過(guò)程分別敘述決策過(guò)程。

認(rèn)知過(guò)程：該過(guò)程負(fù)責(zé)統(tǒng)計(jì)和分類每個(gè)ACN上傳數(shù)據(jù)，并將用于獲取工件信息列表和FU信息列表。工件信息列表記錄了每個(gè)工件的當(dāng)前處理進(jìn)度，而FU信息列表則負(fù)責(zé)記錄每個(gè)FU的工位臺(tái)和機(jī)器負(fù)載。

分析過(guò)程：根據(jù)需求設(shè)計(jì)各種指標(biāo)并設(shè)置相應(yīng)的參考值。分析過(guò)程是通過(guò)認(rèn)知過(guò)程中的數(shù)據(jù)來(lái)計(jì)算指標(biāo)的，并將其與相應(yīng)的參考值進(jìn)行比較，以確定是否執(zhí)行自組織規(guī)則修改。在本文中，使用一個(gè)設(shè)計(jì)指標(biāo)(臨近超時(shí)指標(biāo)，near-delivery index, NDI)進(jìn)行說(shuō)明。NDI用于確定生產(chǎn)活動(dòng)中是否存在超時(shí)風(fēng)險(xiǎn)以及該超時(shí)風(fēng)險(xiǎn)的具體值。單個(gè)工件的NDI計(jì)算過(guò)程如下：

(1)

式中：Eti表示第i個(gè)工件的交貨日期與預(yù)估完工日期的差值；Rti表示第i個(gè)工件預(yù)估的剩余處理時(shí)間，即預(yù)估完工日期與當(dāng)前時(shí)刻的差值；NDIi表示第i個(gè)工件的NDI值。NDI的取值范圍是[0,1]，NDI的值越小，過(guò)期任務(wù)的風(fēng)險(xiǎn)越大。系統(tǒng)時(shí)刻t的NDI值取正在進(jìn)行的工作的最小值，用NDIt表示。將在分析域中設(shè)置參考值，以確定是否需要根據(jù)NDIt調(diào)整當(dāng)前規(guī)則。

調(diào)控過(guò)程：本文通過(guò)NDI對(duì)“工件選擇機(jī)床”和“機(jī)床選擇工件”決策中各種決策因素的權(quán)重進(jìn)行調(diào)整。交貨日期越緊急，對(duì)生產(chǎn)資源能源消耗的考慮就越少，那么選擇負(fù)荷少、等待零件少的機(jī)器的可能性就越大。同時(shí)，當(dāng)交貨日期更為緊急時(shí)，處理單元優(yōu)先選擇交貨日期較短的零件進(jìn)行處理?？偨Y(jié)上述各項(xiàng)因素，可以得出NDI與每個(gè)決策因子權(quán)重之間的相關(guān)性，設(shè)計(jì)調(diào)整函數(shù)，或者當(dāng)NDI處于不同區(qū)間時(shí)直接設(shè)計(jì)權(quán)重值。

3 車間部署MAMS

通過(guò)ACN在準(zhǔn)工業(yè)環(huán)境中實(shí)現(xiàn)了DMW的雛形，并形成了MAMS，車間布局如圖4所示。按照上一節(jié)的思路設(shè)計(jì)了監(jiān)控調(diào)控層，以調(diào)整生產(chǎn)過(guò)程中兩個(gè)決策過(guò)程(即“工件選擇機(jī)床”和“機(jī)床選擇工件”)中每個(gè)因素的權(quán)重。決策過(guò)程中每個(gè)因素的數(shù)值(例如能耗、各個(gè)時(shí)間點(diǎn)和負(fù)載)將由ACN在實(shí)際條件下實(shí)時(shí)計(jì)算。同時(shí)，這些參數(shù)將被歸一化處理。為每個(gè)FU準(zhǔn)備了一個(gè)能耗采集設(shè)備，并將其連接到相應(yīng)的ACN。 在系統(tǒng)運(yùn)行期間，將基于先前的能耗值來(lái)預(yù)測(cè)下一步所需的能耗。節(jié)點(diǎn)的機(jī)床負(fù)載和加工時(shí)間等信息將通過(guò)Agent程序進(jìn)行收集統(tǒng)計(jì)。

圖4 工業(yè)環(huán)境實(shí)際部署樣例

本文通過(guò)重復(fù)執(zhí)行相同訂單的生產(chǎn)以驗(yàn)證多Agent制造系統(tǒng)的實(shí)際生產(chǎn)效果，比較3種模式之間的差異，包括無(wú)規(guī)則模式，即ACN在做出選擇時(shí)遵循先到先服務(wù)的原則、沒(méi)有監(jiān)控調(diào)控層的固定規(guī)則和本文提出的模式。通過(guò)計(jì)算超期時(shí)間和總能耗的總和，并將多次運(yùn)行后的平均值作為標(biāo)準(zhǔn)，結(jié)果如圖5所示。在實(shí)際操作中，通過(guò)實(shí)時(shí)調(diào)整規(guī)則，可以更好地保持MAMS的整體性能。

圖5 實(shí)驗(yàn)結(jié)果

4 結(jié)語(yǔ)

在現(xiàn)代制造環(huán)境中，DMW有望更靈活、更快速地適應(yīng)環(huán)境變化，并能動(dòng)態(tài)處理生產(chǎn)任務(wù)。MAMS被認(rèn)為是解決這類問(wèn)題的重要方法。但是，部署困難和缺乏全局性能保證措施限制了分層控制系統(tǒng)在實(shí)際工業(yè)現(xiàn)場(chǎng)的使用。而且最主要障礙之一是大多數(shù)基于Agent的研究?jī)H僅使用軟件仿真模擬而不集成物理設(shè)備。

針對(duì)這些問(wèn)題，本文提出了一種ACN概念，以改進(jìn)DMW中MAMS的實(shí)現(xiàn)。然后，研究監(jiān)控調(diào)控層以實(shí)時(shí)優(yōu)化ACN的自組織規(guī)則。通過(guò)監(jiān)控層，可以指導(dǎo)ACN做出有利于整體性能的決策。