分布式制造/生产系统总结思考1

2. 分布式制造生产分类

3. 求解思路及方法

4. 总结

1. 分布式制造生产释义

分布式生产是指多家工厂（车间）同时参与生产制造，与“云调度”有些类似。主要涉及的问题有：把一系列工件分配给多家工厂，即在车间之间进行工件分配；然后车间内部的工件进行机器分配；最后再决定工件的排序问题。

用学术语言来说，就是：

即涉及到工件-工厂分配；工件-机器分配；以及工件-机器排序问题。主要看着眼点在哪里。这三个问题具有耦合性，即彼此关联影响。所以解耦是必须考虑的问题。一种朴素的做法是分阶段求解，即先求解指派后求解排序问题。但还有其它的方法，比如进行benders分解，化解为主问题和子问题，互相关联求解，后者求解的结果会更好。

它其实和智能制造是同一个话题。最近兴起的原因是因为，问题建模更接近实际；同时计算机算力越来越强，使得快速求解实际问题成为可能。

2. 分布式制造生产分类

主要分为四类：分布式流水线flow shop；分布式作业（调度）job shop；分布式带装配的assemble；分布式柔性制造flexible manufacturing。

工件加工需要多道工序，工序和工序前后顺序是给定的，必须按照给定的工序步骤进行。

具体是指：

（1）分布式流水线——所有工件加工顺序都相同，同顺序：

一系列流水作业车间，若干条流水线同时参与生产制造。工件在每条机器上的加工顺序都一样。如四个工件在第一台机器加工顺序为2134，那么在剩余m-1台机器上的工序必须严格保持2134的顺序。因此flow shop也被称为流水作业或顺序作业。

也就是说只要第1台机器排序给定，后续加工次序也就知道了，跟第一台完全一样。

需要找到关键路径：从起点到终点的最长路径。

（2）分布式作业——所有工件都有各自的加工顺序，可能不一样，异顺序：

而对于job shop，每台机器的工序是可变的（没有要求）。因此job shop也被称为异序作业。同时，如果不限制工件j只能在机器m上加工一次，就变成可重入job shop。具体可看： jobshop。

需要找到关键路径。

注：

job-shop与flow-shop区别：job每个工件不需要经过所有机器（集），可以跳过某些工序，而 flow工件需要经过所有工件 ；job中可以对不同工艺路线工件进行加工，而flow要求工件工艺路线完全相同。

与之对应的，还有open shop，会更复杂。如果每个作业需要在每个处理机上加工，每个作业可按任意顺序加工，称之为自由顺序作业或开放作业。

（3）分布式带装配的：

加工完成之后，需要进行装配。加工是分散的，装配是集中的。先分散后集中的关系。

（4）分布式柔性制造：

机器等各不相同，比如不相关并行机等等。

3. 求解思路及方法

先建立模型，后求解。主要是求得一个调度结果，使得目标最优。

求解方法主要有以下几类：

 注意，以上各方法并不是独立的。可以互相补充，取长补短。

不同方向可能擅长不同的方法。目前运筹领域用的比较多的还是，精确解法（数学规划方法）和智能优化方法，也叫元启发式算法。精确方法也可以和启发式算法搭配使用，求取得到精确解。比如求解子问题可以使用元启发式算法。

总得来说，还是精确法和元启发式算法两种。

因为建立的模型一般是IP或MIP，MIP可以通过benders分解方法转化为IP。整数规划的求解方法一般以分支定界为基础框架。可以结合列生成、行生成和有效不等式等等，把问题划分为主问题和子问题。不断求解小的子问题，然后添加到主问题中去。这是目前论文中常见到的精确求解方法。

又或者把部分约束拿出来，先不要考虑它。先求解其余问题，再来验证约束是否成立。比如VRP+装箱问题，因为两个问题都是NP难问题，所以一种思路就是把装箱约束拿出来，先求解VRP问题，再来考虑装箱约束。有的学者把装箱约束做成二分类问题，也就是说把运筹和机器学习结合起来了。生产调度中当然借鉴。

再来，对于元启发式算法。不能单纯利用强大的算力，也就是说不能简单的搜索，而要根据问题特性设计算法搜索规则，减少搜索空间，从而提升算法求解效率和精度。这里的关键在于对问题特定的了解和把握。

4. 总结

未来的研究趋势，主要从问题具化实际层面和算法求解层面两方面发展。我觉得主要看自己的方向和擅长的点在哪里，有所选择地进行研究同时也要有所舍弃，不能同而对待。