基于工業物聯網的工程機械裝配車間MES系統開發

摘要

　　隨著制造業市場競爭越來越激烈，以生產訂單為核心的制造企業開始逐步向多品種、變批量化、周期縮短化、精益化生產的方向發展。傳統人崗配置方式因缺乏科學評價體系、易受人為主觀意識等影響，導致人不能盡其用、生產效率低下：傳統排產方式因人工計算能力有限，難以獲得多約束條件下復雜生產模式的最優排產方案。故本文以工程機械裝配車間MES系統中多技能人員調度和排產安排為主要研究對象，對其效益最大化問題進行數學建模和實例仿真驗證。本文主要研究內容如下：

　　一、 針對裝配線傳統人員配置方式易受人為主觀意識影響，且班組長對人員能力認知有限，無法實現人崗配置最優化問題，以多技能人員在裝配過程中的時間效率、合格率和完成率等加工數據作為評價指標。采用客觀賦權法中的嫡值法確定各評價指標的權重系數，提出多技能人員各技能勝任力指致計算方法，以裝配線總勝任力指數值最大化為目標，構建以人崗配置關系為約束的多技能人員調度優化模型，提出一種改進匈牙利算法求解人員調度優化模型，實現裝配線多技能人員與工位之間人崗配置最優化。以M公司多型號MCV混流裝配線人崗配置為實例，仿真結果表明改進匈牙利算法能有效解決裝配線多技能人員人崗配置最優化問題，有效避免資源浪費，生產效益提高10.95%-12 86%.

　　二、針對工程機械多型號產品混流裝配線約束條件復雜，人工排產計算能力有限，難以獲得最優排產方案的問題，通過對混流裝配線的排產調度問題進行廣義描述，以多型號產品混流裝配最大循環完工周期最小為優化目標，構建混流裝配線的排產調度優化模型，結合遺傳算法的快速收斂特性和模擬退火算法的Mtopois 判定準則澄出局部最優的特性，提出一種遺傳模擬退火算法求解混流裝配線的接產調度優化模型，實現多型號產品混流裝配線的排產優化。以M公司工程機械裝配車間中多型號MCV混流裝配線的排產安排為實例，仿真結果表明遺傳模擬退火算法能有效解決混流裝配線排產安排最優化問題，混流裝配循環周期縮短3.min-43.min,生產效益提高18.2%6-23%.

　　三工程機械裝配車間MES系統開發。系統自下而上分為：數據庫層、服務器層、數據訪問層、業務邏輯層、用戶界面層和前端u1層。數據庫層主要對系統的各類數據進行動態管理和實時更新：服務器層為系統的正常運行以及系統軟硬件的交互提供了頂層，支持；數據訪問層通過將業務具體化表現，實現上層業務與下層數據庫之間的信息交互：業務邏輯層主要對系統具體功能進行邏輯算例的處理，及時響應前端用戶指令：用戶界面層與前端UI層主要包括生產管理、質量管理、庫存管理、設備管理和基礎數據管理等模塊，用戶只需根據需求選擇相應模塊中的功能進行操作，業務邏輯層將及時做出響應。

　　關鍵詞：裝配線：勝任力指數：多技能人 員調度：排產調度： MES系統

Abstract

　　With the increasingly fierce competition in the manufactural market, manufactural  companies with production orders as the core have gradually begun to develop in the drction of  multi-variety, variable batch size, cycle shortening, lean production. Due to the lack of a scientifie  evaluation system and sbjective avareness, the tadional way of manning job llocationo results  in people unable to make the most of their work and low production eficiency. Traditional  scheduling mcthods are dificult to obtain optimal scheduling plans under muliple constraints  due to limited manual computing apbilie. Therefore, this paper takes the mulisilled  personnel scheduling and scheduling method in the MES system of the construction machinery  assembly workshop as the main research objeet and conducts mathematical modeling and  example simulation to verify is benefit maximization. The main rescarch contents are as follows:

　　Firstly, Aiming at the problem that the traditional stffing method of the assembly line is  casily ffccted by subjective consciousness and the team leader has limited awareness of  personnel capbilties, it is dificult to oplimize the deployment of personnel and posts. The  procssing data such as time eficiency, pass rate, and completion rate of mouli-skilled personnel  in the assembly process are used as evaluaion indicators, and the entropy method in the objective  weighing method is adopted to detemine the weigh cofficient of ceach evaluation index. This  paper proposes a calculaion method for the competence index of cach skill of muliskilled  personnel. To maximize the total competency index value of the assembly line, the opimizaion  model of muliskilled personnel scheduling is constructed with the constaint of the relationship  of prsonnel and post configuraion. An improved Hungarian algoritm to solve the opimization  model of personnel scheduling is proposed, which realizes the optimization of the deployment of  muli-killed personnel and workstations on the assembly line, Taking the man-post configuration  of the multi-model MCV mie-low assembly line of M company as an example, the simulation  resuls show that the improved Hungary algorithm can ellivcl solve the opimizaion problem of the mut-skilled personnel configurat ion of the assembly line, effectively avoid the waste of  resources, and increase the production fficiency by 10.95%~ 12.86%.

　　Secondly, Because of the complex constraints of the mixed-flow assembly line for multi-  model products of construction mac hinery, the limited calculation capac ity of manual production,  it is dificult to obtain the optimal scheduling plan, Through the general description of the  scheduling problem of the mixed-flow assembly line, the optimization goal is to minimize the  maximum cycle completion period of mixed-flow assembly of multi-model products, and the  production scheduling and scheduling optimization model of the mixed-flow assembly line is  constructed. Combining the rapid convergence characteristics of genetic algorithm and the  feature that the Metropolis criterion of simulated annealing algorithm overflows with local  optimality, a genetic simulated annealing algorithm is proposed to solve the scheduling  optimization model of the mixed-flow assembly line, and realize the optimization of production  scheduling of mixed-flow assembly line of multi-model products. Taking the scheduling  arrangement of the muti-model MCV mixe-low assembly line in the construction machinery  assembly workshop of M company as an example, the simulation results show that the genetic  simulated anneal ing algorithm can efetively solve the optimization problem of the mixsed-flow  assembly line scheduling arrangement, and the mixed-flow assembly cycle period is shortened  by 31. 1min~43.7min. The production eficiency is increased by 18.2%~-23%.

　　Thirdly, This paper develops the MES system of construction machinery assembly  workshop. From bottom to top, the system is pided into database layer, server layer, data access  layer, business logic layer, user interface layer, and front-end Ul layer. The database layer mainly  conducts dynamic management and real-time update of various data of the system; the server  layer provides top-level support for the normal operation of the system and the interaction of  system software and hardware; the data access layer real izes the informat ion interaction between  the upper-layer business and the lower-layer database by concretizing the business; the business  logic layer mainly processes logic calculation examples for specific functions of the system, and  responds to front-end user instructions promptly; the user interface layer and the front-end UI  layer mainly include modules such as production management, quality management, inventory  management, equipment management, and basic data management. Users only need to select the  functions in the corresponding modules to operate according to their needs, and the business logic  layer will respond in time.

　　Key words: Assembly line: competency index; multi-skilled personnel schedul ing; production  scheduling: MES system

　　目 錄

　　第 1 章 緒論

　　1.1 研究目的及意義

　　隨著制造業的快速發展，傳統的制造模式：各制造車間獨立工作、上層計劃層與下層控制層聯系不緊密的傳統制造模式，以無法滿足制造業高速不斷發展帶來的新需求�？蛻粜枨笤絹碓蕉鄻踊�、小批量定制、產品工序越來越復雜化、生產周期要求越來越縮短化、企業管理越發精益化等新需求，迫使傳統制造模式向集成化、智能化方向轉型升級，工業4.0 的出現將物聯網、大數據、云計算、互聯網等新興技術與工業生產相融合，為企業向智慧工廠轉型升級帶來了新契機。從第一次工業革命到今天的工業 4.0,新技術和新理論的出現不斷推動制造業的新變革，不斷推進制造業向智慧化方向邁進，智慧工廠的智能制造必將是未來本行業長期著力發展的方向和目標，而要想把握好工業 4.0,加快智能制造的發展，對工業物聯網和智能制造 MES 系統的研究和開發顯得尤為重要。

　　工業物聯網是將 IOT 與 Internet 技術融合到制造技術當中衍生出的新技術，被廣泛應用于工業領域中[1],按結構類型可將其分解成感知層、網絡層和應用層[2],如圖 1-1 所示。

　　感知層是利用無線射頻識別、傳感器等感知設備，實現隨時隨地動態獲取目標物體的相關數據；網絡層主要包括移動通信網、國際互聯網和傳感器網絡等，通過網絡將感知到的各類信息進行實時傳輸；應用層是通過計算機技術自動處理接收到的各類數據。但是在將工業物聯網與企業實際相融合搭建智能化工廠時，又對其進一步劃分為：現場層、控制層、操作層、管理層和企業層等五大層次[3],如圖 1-2 所示�，F場層包括作業現場環境和設備；控制層主要包括各種控制器、HMI 以及電源等；操作層主要包括 DCS 與 SCADA等；管理層主要包含 MES 和工廠工程組態；企業層主要指 ERP 和 PLM,通過工業網絡（現場總線、工業以太網等）將各層進行組網，完成從上層管理到底層控制的網絡連接，達到管理作業過程、監控現場作業、采集作業現場各類數據的業務需求。

　　工業物聯網作為工業 4.0 的核心，在推動智能制造進程上起著至關重要的作用，為解決企業上層計劃層與底層控制層之間的"鴻溝"以及"孤島"問題帶來了解決方案[4],即基于工業物聯網的智能制造 MES 系統的開發。

　　MES 系統主要職能是對車間的各類生產數據進行統一管理，介于上級計劃層與下級控制層之間。它可以為管理者提供生產計劃的實施和追蹤數據，包括所有生產資源的實時狀況數據，是溝通上級計劃層和下級控制層之間的中間樞紐，填補了企業上層與底層之間的"空白"[5],如圖 1-3 所示。

　　在 MES 出現之前，企業生產依靠許多單一軟件共同運作完成管理，譬如設備、質量、庫存、數據采集、人員信息等管理軟件協同運作，由于單一軟件之間集成性不足，且數據共享難以實現，無法使生產過程達到最優化[6, 7],而隨著工業水平的高速不斷地發展，客戶要求越發多樣化，小批量定制，工序越發復雜化，傳統的車間生產管理模式以無法滿足各方需求[8],存在諸如：上層計劃層無法將生產任務分化到底層控制層的每個作業現場；底層控制層對于突發情況及生產數據信息亦無法及時傳輸給上層計劃層；各車間各設備之間難以實現有效的集成和數據共享，成為一個個"孤島";生產要素信息數據管理簡單且具有延遲性，無法對原始數據進行及時有效的挖掘和管理等問題，為了解決此類問題[9-12],制造執行系統（MES）應運而生，MES 的出現在很大程度上對車間生產管理進行了總體優化，加速了能制造進程。

　　完整的 MES 一般包含：資源配置和狀態監測，工序級生產任務，生產的過程、調度、設備、人力、質量、文檔、產品數據與跟蹤等管理，現場數據采集，性能分析等功能模塊[13],如圖 1-4 所示。一般情況下企業根據自身實際情況與需求，選取其中的幾個模塊進行組合并配合工業物聯網即可搭建出一個完整的智能工廠框架。

　　基于工業物聯網的智能制造 MES 系統的出現，加速了制造業智能化進程，在實際應用中有利于實現：企業實時獲取生產過程現場信息；作業現場的動態監視與管控、信息的可視化管理；生產要素信息數據的挖掘利用，作業過程的可回溯性；計劃層與控制層、各車間、各設備之間的聯系與溝通；加快企業邁向智慧化的步伐，增強對產品的制造與管控能力。 1.2 國內外研究現狀制造執行系統（MES）作為企業向智慧工廠進發的主力軍之一，其重要程度不可忽視，已被當今各大企業作為重點研發項目，特別是在德國"工業 4.0"和"中國制造 2025"的雙重戰略推動下，現今對 MES 的需求已然呈指數式爆發增長[14].同時，MES 系統一直是國內外學者熱衷研究的課題之一，在本世紀初為加速我國信息化與工業化的融合，開始實行"中國制造 2025"戰略，極大鼓舞了企業和科研院校積極參與推進智能制造 MES 的發展[15, 16].其中生產調度管理模塊作為 MES 系統的核心之一，其本質是以人員調度和排產調度為核心的優化問題，它是衡量車間智能化水平的重要指標之一，因此對其進行研究尤為必要。

　　1.2.1 MES 系統研究現狀

　　隨著大數據、云計算、物聯網等新型技術被不斷挖掘開發出來，國內外專家學者對MES 系統的研究越發深入，MES 系統也越來越智能化和信息化。

　　祝洪敏、梁磊、荊師佳等人針對傳統 ERP 無法滿足生產車間"精益化"和"智能化"生產管理的新需求，采用 DIS 和 OPC 等技術將各信息化孤島連接起來，并與 ERP 進行系統集成，改善了生產車間管理，促進了車間"精益化"和"智能化"發展[17-21];徐祿、許紅巖、朱鐸先、張柏興等人針對傳統 MES 系統無法滿足競爭市場多變化、企業向智能化方向轉型的發展訴求，通過將信息化與新興工業生產思想相融合加入到整個生產過程的管控中，實現傳統 MES 系統升級，提高企業智能化程度[22-25];翁剛針對生產過程信息化管理水平落后問題，使用"環+星"方式進行車間網絡的部署，并引入現代化信息技術，實現車間 MES 的信息化升級，提高生產過程信息化管理水平[26];張道弘在對市場需求深入調研后，針對智慧工廠的實現所需的 MES 功能給出了詳細描述和方案，為 MES 的實現提供了可行方案[27, 28];趙振、劉韓影、靳春光、楊娜針對離散制造業車間信息化管理程度低下，導致生產效率低下的問題，利用工業以太網實現制造過程中數據的快速交互以及流程控制，并在此基礎上開發和完善 MES 的部分功能模塊，提高制造過程信息化管理水平[29-32];肖德風針對工業大數據背景下工業信息安全的需求，通過提出基于 MES 背景下的工業大數據安全機制，提高了企業安全防控能力[33].

　　Zwolińska B 等人針對傳統 MES 系統在高度自動化水平的生產中機動性和敏捷性不足問題，采用貝葉斯推理規則，開發 MES 個性算法，提高 MES 系統靈活性和敏捷性[34];Babak Shirazi 等人針對傳統 ERP 和 MES 效率效率低下，無法滿足企業所需的問題，提出一種基于云計算的ERP、MES和SPX集成的敏捷體系結構，提高企業生產效率[35];AlmadaLobo F、Mithun Mukherjee 等人為滿足客戶定制化產品新需求，將物聯網、云計算、移動設備和大數據等技術相結合，構建了智能化 MES 系統，促進企業向智能化轉型升級[36, 37].

　　國內外對 MES 的開發更多以 C/S 作為系統框架，系統對客戶端依賴強，后期維護成本較高，本課題創新性使用 B/S 作為系統框架，擺脫對客戶機的依賴，增強系統拓展性。

　　1.2.2 車間人員調度算法研究現狀

　　"人力資源"最早于 1954 年由 Peter Drucker[38] 提出，相比于其它資源，人力資源具備主觀能動性，不僅能夠被作用，同時還具有反作用能力。人崗優化匹配最早出現于 1980年，它是對人力資源高效挖掘、合理分配、避免浪費的有效途徑，它是企業管理中不可或缺的部分[39],一直以來備受海內外學者所關注。

　　胡明路針對生產車間人員調度管理缺乏科學評價體系的問題，將情景和理性主義兩種分析法相結合，歸納出生產車間人員的勝任力，改善車間人員調度管理[40];劉淼、王品悅等人針對生產車間人員配置不合理導致生產效率低下等問題，利用 Witness、eM-Plant等軟件對車間人員配置優化問題進行建模和分析，在一定程度上改善了生產車間人員配置[41-43];高麗、林仁等人針對柔性制造車間人崗匹配不合理問題，以人崗配置方案和作業排序最優化為目標函數，構建人崗配置模型，通過提出一種多目標混合算法和一種改進遺傳算法求解配置模型，降低了企業勞務成本、提高生產效益[44-46];李冬梅、張震等人針對汽車零部件機加車間，人員加工數據采集不及時、人員生產過程追溯不完整、人員能力評估不準確等問題，采用 RFID 和物聯網實時采集加工數據，并采用數理統計方法量化評估人員能力水平，改善了車間人員管理，增強了產品質量的管控力度[47, 48];張維存等人以完工周期最小化為目標，建立"一人多機"的并行工作調度模型，通過提出一種改進人工蜂群優化算法求解調度模型，縮短機加車間完工時間，節約生產成本[49, 50];劉明周等人以人員歷史加工數據為依據，以質量和時間為指標獲得人員能力評價值，以人員能力評價值為基礎，構建制造車間人員調度優化模型，采用混合 PSO 算法求解模型，實現制造車間人員調度合理化[51];曹樂等人針對裝配線人員配置不合理導致裝配效率低下的問題，以人員的能力水平和累計在崗作業時間為依據，以人崗適應度總和最大化、各匹配間適應度差異最小化為目標函數，構建人崗配置模型，設計一種基于崗位適應度矩陣的啟發式算法求解模型，優化了人員與工位之間的匹配問題，提高了產線的生產效益[52].

　　X Cai 等人針對生產車間混合技能人員的管理效率低下問題，以調配人員成本最小化為目標，構建人崗配置優化模型，提出一種改進的多準則遺傳算法[53]求解模型，提高了車間混合技能人員管理效率；Albert Corominas、Koichi Nakade 等人針對裝配車間產線人員配置不合理，導致產線裝配周期過長的問題，分別以裝配節拍縮短化、人員減員化、人員成本最小化為目標函數，構建人崗配置優化模型，并分別采用二進制線性規劃方法[54]和提 出一種用于計算人員最優分配的優化算法[55]求解模型，優化了車間人崗配置問題，降低了生產節拍和生產成本；Cristobal Miralles[56]等人針對裝配流水線人員分配不平衡問題，基 于人員對應工位的裝配時間，以生產效益與人員總舒適度均最大化為目標，構建人崗優化配置模型，提出一種基于分支和邊界的啟發式算法求解模型，提高了生產效益與人員舒適度；Yiyo Kuo[57]等人針對掌握多種裝配能力的人員在多條產線之間混合調配問題，將人員按能力等級高低編排，以人員混合調配頻率最低化為目標，構建混合整數規劃模型，利用模型求解軟件對模型進行求解，優化多技能人員在多產線間的混合調配問題。

　　國內外對車間人員調度主要集中于機加車間研究，對裝配車間尤其是一線人員調度研究缺乏，本課題將以裝配線掌握多種裝配能力的人員為研究對象，采用改進匈牙利算法將裝配線人崗匹配問題轉化為最優組合的數學問題，有效優化裝配線掌握多種裝配能力的人員調度問題，填補對裝配車間一線人員調度研究的不足。

　　1.2.3 車間排產調度算法研究現狀

　　排產調度概念最早出現于 1954 年，由英國科學家 Johnson 提出，且最初的研究僅限于兩臺機床之間的排產[58],此后排產調度問題被不斷研究和拓展，并被應用到各類作業車間中。制造企業的排產問題按車間類型主要分為兩類，一類是機加車間的排產調度，另一類則是裝配車間的排產調度。

　　在對機加車間的排產調度研究中，馬超等人針對機加車間生產任務混亂、無法按時交貨、高冗余等問題，以最小化作業時間作為目標，提出了各種改進遺傳算法，優化了機加車間的排產過程[59-63];趙澤鈺、王勁松等人針對機加車間人工排產落后問題，分別提出了基于約束理論的排產方法[64]和基于規則的啟發式算法[65],有效優化了傳統排產方式。

　　在對裝配車間的排產調度研究中，姜麗蘋、陸雪和 Patrick 等人針對裝配車間的傳統人工排產方案不合理問題，分別提出了基于約束規則的排產模型[66]、基于資源優先級的排產模型[67, 68]以及基于多屬性的排序規則排產模型[69, 70],并采用模型求解軟件求解模型，優化了裝配車間排產問題；熊福力、M.Omkumar 等人針對多級裝配車間生產不均衡，導致出現大量庫存問題，以總裝配費用最低為目標函數，分別提出模型非線性約束線性化方法[71]和一種新的基于蟻群算法的啟發式算法[72],優化了裝配車間排產，實現車間均衡生產；Roberto Dominguez 等人針對多型號產品混流裝配車間排產方案不合理，排產周期過長問題，以最小裝配完工時間為目標函數，基于粒子群和人工免疫理論，提出一種混合型的粒子群算法，并基于抗體密度的選擇策略避免粒子多樣性的流失，進而避免陷入局部最優的問題，優化了裝配車間的排產問題[73];童小英等人針對多型號產品混流裝配車間產品復雜化、多樣化、變批量化、生產周期縮短化的新需求，以裝配循環周期時間最短[74-77]或裝配成本最低[78]為目標函數，提出各種改進遺傳算法求解多型號產品混合裝配流水車間排產模型，優化了多型號產品混合裝配流水車間排產問題。

　　國內外對于車間排產研究中產品型號單一或型號種類較少，對于多約束條件下多型號產品混流裝配的排產調度研究缺乏，本課題將以多約束條件下多型號產品混流裝配為研究對象，創新性提出一種改進的遺傳模擬退火算法，優化多約束條件下多型號產品混合裝配流水線的排產問題，為后續研究者提供一種可行的方法。

　　1.3 本文主要研究內容

　　本文根據工程機械裝配車間混流裝配線的特點，以實現裝配線上人員總體效益最高和最大裝配循環時間最小為目標，通過對人員勝任力指數的評價考核體系的構建以及人員調度和排產調度模型的建立，采用改進的調度算法對模型進行求解，彌補傳統人員配置方法和傳統人工排產方法的不足，實現混流裝配線人員和排產的智能調度，最后，本文將改進的人員調度算法以及排產調度算法應用到工程機械裝配車間 MES 系統的開發中。本文主要研究內容有：

　�。�1）確定裝配線人員各項評價指標，將各項評價指標作無量綱化處理和類型一致化處理，采用熵值法確定各項指標的占比系數，以此獲得裝配線人員勝任力計算方法，以裝配線人員各項裝配技能的勝任能力水平為依據，以裝配線的整體效益最大化為目標函數，構建裝配線人員調度優化模型，利用改進匈牙利算法求解調度模型，實現裝配線人員調度最優化，并通過實例進行驗證；

　�。�2）以人員調度得到的各工位實際裝配時間為依據，以多型號產品混合裝配最大循環完工周期最短為目標，構建多型號混合裝配流水線排產優化模型，提出一種遺傳模擬退火算法求解模型，實現多型號產品混合裝配流水線排產調度的優化，并通過實例進行驗證；

　�。�3）將人員調度算法和排產調度算法融合到所開發的 MES 系統當中，并開發其他相應功能子模塊，實現工程機械裝配車間人崗配置與排產安排的智能化和實時化。

　　1.4 論文的組織結構

　　論文分五章對工程機械裝配車間 MES 系統中的人員調度和排產調度問題進行了研究，以及對 MES 系統部分功能模塊的開發，論文組織結構如圖 1-5 所示。

　　各章節具體安排如下：

　　第一章：首先明確指出本課題研究的目的和意義，然后全面綜合敘述海內外關于 MES系統、人員調度和排產調度的相關研究，最后對本文的主要研究內容進行概括描述；第二章：通過分析裝配線人員配置的特點和問題，對裝配線多技能人員勝任力的定義和經典模型進行概述，以人員歷史加工數據中的時間效率、合格率和完成率為評價指標，結合熵值法獲得多技能人員的勝任力指數計算方法，構建裝配線人崗匹配優化模型，提出一種改進匈牙利算法求解調度模型，最后通過實例進行驗證。

　　第三章：通過對多型號混合裝配流水線的排產問題進行分析，結合產線的特點，構建多型號混合裝配流水線的排產調度模型，提出一種遺傳模擬退火算法求解模型，最后通過實例進行驗證。

　　第四章：首先根據工程機械裝配車間的實際需求，對工程機械裝配車間 MES 系統進行整體架構設計和技術選型，然后對系統數據庫模型進行設計，最后基于 IntelliJ IDEA、MySQL Workbench 等開發環境完成工程機械裝配車間 MES 系統的開發。

　　第五章：本文研究成果的總結，主要包括人員調度和排產調度的研究成果、MES 系統的開發成果；對研究過程中存在的不足以及對未來的展望進行了簡述。

　　第 2 章 基于改進匈牙利算法的裝配線人員調度優化研究

　　2.1 裝配線人員調度的特點和問題

　　2.2 裝配線多技能人員勝任力評價

　　2.2.1 勝任力的定義和模型

　　2.2.2 多技能人員勝任力指數計算

　　2.3 裝配線人員調度優化模型

　　2.3.1 人員調度優化模型概念

　　2.3.2 人員調度優化模型問題描述

　　2.3.3 人員調度優化模型構建

　　2.4 改進匈牙利算法

　　2.5 實例仿真驗證

　　2.6 本章小結

　　第 3 章 多型號混流裝配線排產調度優化研究

　　3.1 混流裝配線排產問題描述

　　3.2 混流裝配線排產調度優化模型

　　3.3 遺傳模擬退火算法

　　3.3.1 染色體編碼與初始化種群

　　3.3.2 適應度函數定義

　　3.3.3 遺傳操作

　　3.3.4 模擬退火操作

　　3.4 實例仿真驗證

　　3.5 本章小結

　　第 4 章 工程機械裝配車間 MES 系統開發

　　4.1 系統整體框架設計

　　4.2 數據庫設計

　　4.2.1 數據庫應用場景需求分析

　　4.2.2 數據庫概念結構設計

　　4.2.3 數據表設計

　　4.3 MES 系統功能模塊設計與技術實現

　　4.3.1 系統工作原理

　　4.3.2 生產管理模塊

　　4.3.3 質量管理模塊

　　4.3.4 庫存管理模塊

　　4.3.5 設備管理模塊

　　4.3.6 基礎數據管理模塊

　　4.4 本章小結

　　第 5 章 結論與展望

　　5.1 結論

　　本文針工程機械混流裝配車間客戶需求多樣化、產品復雜化、變批量化、生產周期縮短化等需求，分析混合裝配流水線的特點和問題，提出了一種改進匈牙利算法對裝配線人員進行優化調度，提出了一種遺傳模擬退火算法對裝配線排產進行優化調度，以 B/S 架構設計和開發工程機械裝配車間 MES 系統，對推進企業智慧工廠的建設進程。主要研究成果如下：

　�。�1）針對裝配線傳統人崗配置方式因缺乏科學評價體系、班組長對班組人員裝配能力認知不足、易受人為主觀意識影響、人工計算能力有限，導致人員調度不合理、人不能盡其用、裝配效率低下以及廢品率增加等問題。本文基于勝任力原理，考慮了時間效率、合格率以及完成率等對裝配線效益的影響，利用客觀賦權法中的熵值法為三個指標賦權，構建了以時間效率、合格率以及完成率等作為評價指標的裝配線多技能人員勝任力評價體系；基于最優匹配原理，分析了勝任力指數與經濟效益之間的關系，以總勝任力指數最大化為目標函數，構建了裝配線多技能人員優化調度模型，提出了一種改進匈牙利算法對模型進行求解，優化了裝配線多技能人員調度，提升了產線效益。

　�。�2）針對帶復雜約束條件的多型號混合裝配流水線的 Flowshop 生產模式，傳統人工排產方式易受人為主觀意識影響、計算能力有限以及考慮問題不全面等因素影響，導致混合裝配流水線生產效率低下和生產周期延長等問題。本文分析了多型號混合裝配流水線Flowshop 生產模式的特點，采用平行移動的時間組織形式進行作業，避免了物料成批等待現象出現，以多型號產品混流裝配最大循環完工時間最小化為目標函數，建立了多型號混流裝配線排產優化模型，提出了一種遺傳模擬退火算法求解排產模型，優化了混合裝配流水線的排產調度，極大縮短了排產周期和生產周期。

　�。�3）在 IntelliJ IDEA 平臺中完成了工程機械裝配車間 MES 系統的開發。利用 Java語言完成系統框架搭建，利用 CSS、HTML、JavaScript、Bootstrap、JSP、JSTL 等技術完成系統前端網頁的開發，利用 Servlet、JQuery、JDBCTemplate、Duird、BeanUtils、Tomcat、MySQL 等技術完成系統后端功能的開發，利用 MySQL Workbench 對系統數據進行動態管理。系統主要包括生產、質量、庫存、設備和基礎數據等 5 大管理模塊。實現了工程機械裝配車間產線人員調度、計劃排產、質量監控、庫存管理、基礎數據管理、設備狀態監測等功能。最后在 M 公司的工程機械裝配車間對系統進行測試和驗證，通過測試和驗證結果分析，本文的 MES 系統可以順利完成裝配線人員調度和計劃排產調度任務，產線效益得到極大提升。

　　本文的研究為制造業車間 MES 系統的開發和應用提供了可行的技術方案，對企業向智慧工廠轉型升級具有重要意義。

　　5.2 展望

　　本文針對工程機械裝配車間 MES 系統中的調度問題進行研究，并做出了一定的研究成果，但是仍存在一些不足之處，后續還需不斷的進行理論學習和實驗驗證。對未來展望如下：

　�。�1）對多技能人員勝任力評價過程中，人員勝任力的研究還需考慮更多影響因子，以應對諸如新入職人員無歷史加工數據等情況。

　�。�2）本文在人員調度過程中，雖然考慮到了人員因故請假、為高耗時工序增派人員和產線新增可配置人員的情況，但是假設條件過于理想化。在實際作業過程中作業人員將會因個人主觀意識影響作業效率，且作業人員可能因某些因素中途離開，這些因素都將會對系統的人員調度造成影響。需進一步提升系統中人員調度應對此類情況的能力。

　�。�3）本文在排產調度過程中，沒有考慮工件的轉運時間，但是在實際工況下，工件的轉運時間將會對排產結果造成一定的影響。需進一步對模型進一步完善，使系統更加貼合實際工況。

　�。�4）本文所開發的工程機械裝配車間 MES 系統功能相對簡單，后續需對系統各功能進一步完善升級。

致謝

　　時光荏苒，三年研究生學習生涯即將結束，回首這一路走來的種種經歷，既有酸甜苦辣，更有收獲與成長�；厥走^去三年時光，要感激的人很多，要整理的東西很多，一抬頭一伸手每一件物品都在播映過去三年的點點滴滴。在此論文完成之際，謹向三年來給予我關心、支持和幫助的老師們、同學們、朋友們、家人們表示由衷感謝。

　　首先，由衷地感謝我的導師高峰教授，高老師對我的精心指導讓我受益良多，他對于科學嚴肅的態度、對于治學嚴謹的精神，對于工作精益求精的作風一直以來都深深地激勵和感染著我。本論文也是在高老師的悉心指導下完成的，從最初論文選題再到最后論文的撰寫，每一個環節都傾注了高老師的心血。我現在能夠取得的成績和進步都離不開高老師的諄諄教誨。在此畢業之際，謹向高老師致以最崇高的敬意和最衷心的感謝，感謝他對我學業上的悉心指導和生活上的熱情幫助。

　　感謝課題組的李艷老師在我課題進行過程中遇到困難時為我提供幫助和新思路。李老師學識淵博、治學嚴謹、嚴于律己，在我的課題選題、研究工作開展中，提供了關鍵、新穎的意見和見解，為研究工作順利開展提供方向性指導。李老師對工作的認真、對學術的嚴謹、對科研的鉆研、對學生的照顧以及獨特的人格魅力深深的影響著我，是我學習的榜樣。

　　感謝課題組楊勃老師、段繼豪老師、稅琳棋老師在我論文開題和每周的工作進展匯報中及時提出建議，避免我走彎路。感謝課題組楊新剛副教授、史恩秀副教授、王世軍副教授、芮宏斌老師、劉鴻雁老師、吳文武老師、郭正老師、王豆老師、劉辰老師、張東亞老師、楊元老師在論文開題和日常研究中給予的意見和建議。

　　感謝課題組的劉奔、賈偉濤、折寶林、劉甲峰、馮垚垚、黨凱師兄和李盼盼、海儷馨、張潔、焦宇琳師姐，他們在我初入課題組時，對我關愛有加，幫助我快速融入到教研室的科研氛圍中來；感謝同窗蒙李鑫、楊睿凱、寇欣、李文強、陳廷廣、馮元彬、梁正雄、朱盡偉、趙朋軒、陳江博、慶爍爍、段曉強、鄭文哲三年期間在學習中給予我的幫助，在生活中給我帶來的歡樂。

　　感謝母校西安理工大學，在過去三年里，"祖國、榮譽、責任"的校訓始終銘記于心，成為我學習工作的準則，我為我是西理人而倍感驕傲。

　　感謝這篇論文所涉及到的各位專家學者。本文引用了數位學者的研究文獻，如果沒有各位學者的研究成果的幫助和啟發，難以完成文章的撰寫！

　　感謝論文評審的專家、學者，您的建議和意見將有助于我在本課題的研究更加深入、完善！

　　感謝我的家人，感謝你們長期以來的支持，正是因為有你們，才成就了今天的我！最后，由衷感謝這一路走來給予過我幫助的所有人，在此我由衷地說一聲：謝謝你們！

　　參考文獻

　　[1] 于洪飛。 工業物聯網技術的應用及發展[J]. 電子技術與軟件工程， 2019, （08）： 20.

　　[2] 李銳君， 周偉， 侯維巖。 面向先進制造環境的工業物聯網關鍵技術研究[J]. 儀表技術，2017, （03）： 4-7.

　　[3] 唐堂， 滕琳， 吳杰等。 全面實現數字化是通向智能制造的必由之路--解讀《智能制造之路：數字化工廠》[J]. 中國機械工程， 2018, 29（03）： 366-377.

　　[4] 王瑩， 王金旺。 工業物聯網技術方案及發展大潮[J]. 電子產品世界， 2018, 25（03）： 9-14.

　　[5] 甘麗， 方木云。 MES與ERP系統的集成研究與應用[J]. 計算機技術與發展， 2009, 19（03）：223-226.

　　[6] 羅鳳。 智能工廠 MES 關鍵技術研究[D]. 西南科技大學， 2017[7] 沈為清， 張興啟。 智能制造產線 MES 的體系架構研究[J]. 技術與市場， 2019, 26（08）：48-49.

　　[8] 張如偉， 李媛， 張圓圓。 基于工業物聯網的工程機械智能裝配關鍵技術分析[J]. 科技創新與應用， 2019, （06）： 139-140.

　　[9] 基于宜科傳感器的車間 MES 解決方案[J]. 智慧工廠， 2018, （10）： 35-36.

　　[10] MES 系統如何提高企業的四大能力[J]. 智慧工廠， 2018, （05）： 35.

　　[11] 企業實施 MES 系統的五大理由[J]. 智慧工廠， 2018, （01）： 38-39.

　　[12] 王榮利， 王軍， 馬軍偉等。 智能制造技術--MES 系統在裝配過程中的應用及探究[J]. 國防制造技術， 2016, （04）： 42-45.

　　[13] 劉慧， 孫嘉玉。 智能制造下企業 MES 系統的實現路徑[J]. 中國機電工業， 2016, （12）：96-97.

　　[14] 吉學剛， 申子正。 MES 系統在客車涂裝中的應用研究[J]. 汽車實用技術， 2020, 45（20）：141-144.

　　[15] 何俊藝。 基于中國制造2025背景下智能制造專業群實訓教學體系重構與提升研究[J].時代汽車， 2020, （19）： 45-46.

　　[16] 劉惠玲， 許可嘉。 智能制造關鍵技術概述[J]. 質量與認證， 2020, （11）： 48-49.

　　[17] 祝洪敏， 王新亭， 祝建航。 淺析實施 MES 系統對企業發展的重要性[J]. 計算機光盤軟件與應用， 2014, 17（01）： 117-118.

　　[18] 梁磊， 林彤， 馮軍等。 基于 MES 系統的智能車間實施方案[J]. 信息技術與信息化，2019, （12）： 61-64.

　　[19] 荊師佳。 能源企業 ERP 與 MES 集成應用[J]. 電子技術與軟件工程， 2019, （24）： 150-151.

　　[20] Choi B.K., Kim B.H. MES （manufacturing execution system） architecture for FMScompatible to ERP （enterprise planning system）[J]. International Journal of ComputerIntegrated Manufacturing, 2002, 15（3）： 49-53.

　　[21] D B., S H., et al. Development of the MES software and Integration with an existing ERPSoftware in Industrial Enterprise[J]. International Journal of Computer IntegratedManufacturing, 2020, 15（5）： 10-15.

　　[22] 徐祿。 精益化 MES 系統在造紙行業中的應用[J]. 黑龍江造紙， 2018, 46（02）： 13-17.

　　[23] 許紅巖。 淺談 MES 系統在制造企業的應用[J]. 現代經濟信息， 2019, （10）： 117.

　　[24] 朱鐸先。 傳統 MES 已經過時，智能制造呼喚新理念[J]. 智能制造， 2019, （06）： 20-28.

　　[25] 張柏興。 汽車總裝生產線的 MES 系統設計[J]. 山東工業技術， 2020, （02）： 106-111.

　　[26] 翁剛。 基于 MES 系統的生產車間信息化管理探析[J]. 信息通信， 2019, （09）： 138-140.

　　[27] 張道弘。 基于 MES 系統實現智慧工廠的解決方案[J]. 建材世界， 2019, 40（05）： 123-126.

　　[28] 黃永杰。 制造執行管理系統（MES）的應用探析[J]. 價值工程， 2011, 30（21）： 163-164.

　　[29] 趙振， 葉佩青。 基于MES的智能制造系統設計[J]. 組合機床與自動化加工技術， 2019,（10）： 154-155+160.

　　[30] 劉韓影， 吳佳佳， 丁華等。 離散制造業 MES 生產數據采集技術探討[J]. 科技創新導報， 2019, 16（31）： 82+84.

　　[31] 靳春光。 基于 MES 的生產管理研究與應用[J]. 中國新通信， 2020, 22（04）： 118.

　　[32] 楊娜。 離散型制造業 MES 系統的實施與應用探討[J]. 裝備制造技術， 2020, （05）： 273-275+278.

　　[33] 肖德風。 基于 MES 系統背景的工業大數據安全機制研究[J]. 信息與電腦（理論版），2020, 32（13）： 195-197.

　　[34] B Z., A T.A., N C.-G. Personalization of the MES System to the Needs of Highly VariableProduction[J]. Sensors （Basel, Switzerland）， 2020, 20（22）： 132-139.

　　[35] Shirazi B. Cloud-based architecture of service-oriented MES for subcontracting andpartnership exchanges integration: A game theory approach[J]. Robotics and ComputerIntegrated Manufacturing, 2019, 59: 11-17.

　　[36] F A.-L. The Industry 4.0 revolution and the future of manufacturing execution systems（MES）[J]. Journal of innovation management, 2015, 3（4）： 16-21.

　　[37] B C., J W., Mukherjee M. Smart factory of industry 4.0: Key technologies, application case,and challenges[J]. IEEE Access, 2017, 6: 6505-6519.

　　[38] 彼得德魯克。 管理的實踐[J]. 商學院， 2005, （12）： F0001-F0002.

　　[39] 陳德權。 進行人力資源戰略分析，優化人力資源配置[J]. 科技創新與應用， 2012, （04）：221.

　　[40] 胡明路。 智能制造背景下生產車間基層管理人員勝任力研究[J]. 生產力研究， 2020,（06）： 123-126.

　　[41] 劉淼。 基于 Witness 的車間物流人員配置的系統仿真與分析[J]. 科技資訊， 2013, （25）：32-33.

　　[42] 王品悅。 基于 eM-Plant 的車間人員配置仿真研究[J]. 廣東廣播電視大學學報， 2013,22（03）： 110-112.

　　[43] 張紅梅， 張愛平。 車間人員配置規劃研究[J]. 科技創新導報， 2010, （05）： 235-236.

　　[44] 高麗， 徐克林， 朱偉等人。 柔性生產中人員配置模型及其調度算法[J]. 哈爾濱工業大學學報， 2012, 44（05）： 144-148.

　　[45] 林仁， 周國華。 任務分解控制及人員柔性的車間集成調度[J]. 計算機工程與應用，2015, 51（04）： 11-16+104.

　　[46] 林仁， 周國華， 夏方禮等。 人員柔性度對作業車間調度的影響研究[J]. 計算機應用研究， 2016, 33（10）： 3017-3020+3025.

　　[47] 李冬梅， 王嵩。 離散制造車間 MES 下人員管理系統設計[J]. 電子技術與軟件工程，2018, （11）： 206-207.

　　[48] 張震， 尤鳳翔。 基于MES的離散型車間人員管理系統設計[J]. 中國管理信息化， 2018,21（01）： 67-69.

　　[49] 張維存， 李悅悅， 左天帥。 考慮人員裝卸時間的作業車間調度問題[J]. 制造業自動化，2020, 42（08）： 87-94.

　　[50] 張維存， 趙曉巧。 柔性作業車間人員配置及作業排序問題研究[J]. 計算機應用研究，2018, 35（12）： 3722-3728.

　　[51] 劉明周， 高納， 葛茂根等。 基于勝任指數的制造車間操作工優化配置模型[J]. 合肥工業大學學報（自然科學版）， 2011, 34（10）： 1466-1469.

　　[52] 曹樂， 王彪， 劉飛等。 裝配線多技能作業人員優化配置模型[J]. 重慶大學學報， 2010,33（12）： 21-26.

　　[53] Cai X., Li K.N. A genetic algorithm for scheduling staff of mixed skills under multicriteria[J]. European Journal of Operational Research, 2000, 125（2）： 65-69.

　　[54] Corominas A., Pastor R., Plans J. Balancing assembly line with skilled and unskilledworkers[J]. Omega, 2006, 36（6）： 23-27.

　　[55] Nakade K., Nishiwaki R. Optimal allocation of heterogeneous workers in a U-shapedproduction line[J]. Computers & Industrial Engineering, 2007, 54（3）： 6-10.

　　[56] Miralles C., García-Sabater J.P., Andrés C. et al. Branch and bound procedures for solvingthe Assembly Line Worker Assignment and Balancing Problem: Application to ShelteredWork centres for Disabled[J]. Discrete Applied Mathematics, 2005, 156（3）： 77-83.

　　[57] Kuo Y., Yang T. Optimization of mixed-skill multi-line operator allocation problem[J].

　　Computers & Industrial Engineering, 2007, 53（3）： 91-97.

　　[58] Johnson S.M. Optimal two-and three-stage production schedules with setup timesincluded[J]. Naval research logistics quarterly, 1954, 1（1）： 43-45.

　　[59] 馬超。 JW 公司發動機氣門生產線排產排序研究[J]. 內燃機與配件， 2019, （17）： 39-41.

　　[60] 趙婧， 包偉華。 基于分步遺傳算法的壓力變送器排產優化[J]. 應用技術學報， 2019,19（01）： 65-71.

　　[61] 韓忠華， 朱一行， 史海波等。 基于改進緊致遺傳算法的柔性流水車間組批排產優化問題研究[J]. 系統工程理論與實踐， 2016, 36（06）： 1616-1624.

　　[62] 陳園園， 夏筱筠， 柏松等。 粒子群遺傳算法在離散制造業排產中的研究[J]. 計算機系統應用， 2016, 25（05）： 94-100.

　　[63] 姜鵬， 高美鳳。 遺傳算法在剎車片生產計劃排產中的應用與實踐[J]. 計算機系統應用，2019, 28（04）： 225-230.

　　[64] 趙澤鈺， 彭來湖， 胡旭東等。 基于約束理論的針織數字車間排產優化方法[J]. 輕工機械， 2020, 38（03）： 100-104.

　　[65] 王勁松， 萬年彬， 袁海霞等。 卷煙廠制絲車間自動排產問題研究[J]. 物流技術， 2020,39（02）： 98-101+135.

　　[66] 姜麗蘋， 史海波， 彭慧。 涂裝裝配車間計劃排產建模與仿真[J]. 信息與控制， 2013,42（05）： 652-656.

　　[67] 陸雪鵬， 沈石松， 李超。 裝配車間自動排產系統的研究[J]. 電子元器件與信息技術，2019, 3（05）： 77-80.

　　[68] Paul M., Sridharan R., Ramanan T.R. A multi-objective decision-making framework usingpreference selection index for assembly job shop scheduling problem[J]. Int. J. ofManagement Concepts and Philosophy, 2016, 9（4）： 66-68.

　　[69] Philipoom P.R., Russell R.S., Fry T.D. A preliminary investigation of multi-attribute basedsequencing rules for assembly shops[J]. International Journal of Production Research, 1991,29（4）： 75-79.

　　[70] Ernst A.T., Jiang H., Krishnamoorthy M. et al. Staff scheduling and rostering: A review ofapplications, methods and models[J]. European Journal of Operational Research, 2004,153（1）： 66-69.

　　[71] 熊福力， 嚴洪森。 多級汽車裝配車間的集成排產優化模型[J]. 系統工程理論與實踐，2010, 30（10）： 1891-1900.

　　[72] Omkumar M., Shahabudeen P. Ant Colony Optimisation for multi-level assembly job shopscheduling[J]. Int. J. of Manufacturing Research, 2009, 4（4）： 89-93.

　　[73] Du H., Liu D., Zhang M.-h. et al. A Hybrid Algorithm Based on Particle Swarm Optimizationand Artificial Immune for an Assembly Job Shop Scheduling Problem[J]. MathematicalProblems in Engineering, 2016, 2016: 77-81.

　　[74] 童小英， 滕瑞飛， 孫麗。 仿真環境下基于遺傳算法的混流裝配線排產優化研究[J]. 制造技術與機床， 2018, （11）： 29-35.

　　[75] 李玉城， 朱夏揚， 夏子怡等。 基于遺傳算法的多品種小型電機裝配排產優化[J]. 價值工程， 2020, 39（04）： 293-295.

　　[76] 韓志甲， 鄧海峽， 李曉平。 基于遺傳算法的排產優化方法[J]. 太赫茲科學與電子信息學報， 2014, 12（04）： 595-599.

　　[77] Shi F., Zhao S., Meng Y. Hybrid algorithm based on improved extended shifting bottleneckprocedure and GA for assembly job shop scheduling problem[J]. International Journal ofProduction Research, 2020, 58（9）： 93-96.

　　[78] Wong T.C., Chan F.T.S., Chan L.Y. A resource-constrained assembly job shop schedulingproblem with Lot Streaming technique[J]. Computers & Industrial Engineering, 2009,57（3）：77-79.

　　[79] 宋雨晴。 指派問題的改進算法[J]. 科技視界， 2012, （14）： 106-108.

　　[80] 李廷鵬， 錢彥嶺， 李岳。 基于改進匈牙利算法的多技能人員調度方法[J]. 國防科技大學學報， 2016, 38（02）： 144-149.

（如您需要查看本篇畢業設計全文，請您聯系客服索�。�