机械工程学报

作者：顾文斌, 李育鑫, 刘斯麒, 苑明海, 裴凤雀

单位：河海大学机电工程学院 常州 213022

关键词：混合流水车间,实时调度,强化学习,序列相关设置时间,阻塞；

基金：国家自然科学基金(51875171)、江苏省自然科学基金面上(BK20221231)和江苏省研究生科研与实践创新计划(KYCX21_0465)资助项目。

智能制造系统采用了物联网等大量先进信息技术，使得车间积累了大量的实时生产数据。同时，复杂制造系统在运行过程中容易出现一系列干扰事件，这对车间实时响应能力提出了更高的要求。因此，在工业大数据支撑的制造环境下，针对考虑序列相关设置时间和阻塞的混合流水车间调度问题(Hybrid flow shop scheduling problem with sequence-dependent setup times and blocking, HFSP-SDST-B)，提出一种基于深度强化学习的实时调度方法，从而实现制造资源的合理分配和完工时间最小化。作为一个序列决策问题，HFSP-SDST-B可以被建模为一个马尔科夫决策过程。在每个调度点，智能体根据当前的生产状态选择相应的调度规则，从而进行合理的工件排序和机器分配。为了实现生产数据驱动的实时调度方法，依次设计考虑阻塞因素的调度点、通用生产状态特征、基于遗传规划的启发式规则和奖励函数。然后提出一种基于近端策略优化算法的训练方法，从而让智能体构建状态与规则之间的有效映射。最后试验结果表明，与现有的动态调度方法相比，该方法具有优越性和通用性，并且通过学习能够有效处理随机扰动时间和新订单插入的未知情况。

来源：2023年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第12期