从计算机CPU到工厂CPU：一种用于定制化生产的同步框架

《JOURNAL OF MANUFACTURING SYSTEMS》：From computer CPU to factory CPU: A synchronization framework for customized production

本研究提出计算机制造系统（CMS）和基于CPU的同步框架（CPUiS），通过订单规划、中期调度和工厂CPU调度解决定制化生产中的多不确定性同步问题，在3D打印案例中验证了其成本效益、同步性和实时响应（约0.24秒）优势。

　　

Jingsheng He|Cheng Ren|Ming Li|George Q. Huang

香港理工大学工业与系统工程系，香港红磡

摘要

定制化生产有助于满足异构客户的需求。然而，在这种环境下优化生产计划、调度和执行（PSE）面临着普遍存在的不确定性挑战。传统方法在应对多种不确定性时无法提供实时响应，从而导致效率低下和延误。类似于计算机系统中的作业流程，本研究提出了一种用于定制化生产PSE的计算机制造系统（CMS）。此外，还引入了一种受CPU启发的同步（CPUiS）框架作为CMS的决策机制。该框架包括用于订单-作业同步的订单规划方法、用于作业队列之间同步的中期调度方法以及用于作业-机器同步的工厂CPU调度方法。CPUiS将需求不确定性、时间不确定性、材料不确定性和机器不确定性隔离到不同的同步阶段，确保同步过程的稳定性、韧性和灵活性。在一个包含12种不确定性的3D打印场景中的案例研究表明，CPUiS在成本效益、同时性和准时性方面表现出色。在实时性能方面，CPUiS大约在0.24秒内就能对不确定性作出响应。这种毫秒级的实时响应能力使CPUiS能够将理论模型与实际应用之间的偏差风险降到最低。

引言

现代制造业中，定制化生产（CP）的趋势日益明显[1]。与传统生产相比，CP更注重灵活性和适应性，以生产独特的产品。典型的CP生产环境涉及不相关的并行机器[2]、[3]。每个产品由单独的机器处理，而机器以不同的效率独立运行。产品需求具有异质性，不同材料类型之间的转换时间也各不相同。这种情况在3D打印、小批量CNC加工和定制表面处理中普遍存在。在这种背景下，同步已成为制造系统中决策的新概念，涵盖了生产计划、调度和执行（PSE）阶段的协作协调[4]、[5]。在CP中，PSE阶段之间的有效同步可以提高效率、减少资源浪费并缩短交货周期。然而，产品差异化的增加使得这一过程变得更加复杂[6]。如图1所示，CP中的同步过程需要在动态需求和异构资源下协调决策。

普遍存在的不确定性进一步加剧了这一问题[7]。在典型的CP场景中，PSE的每个阶段都涉及不同类型的不确定性，如表1所示。在规划阶段，需求不确定性是关键因素[8]，包括紧急订单的到来和对现有订单的修改。这些不确定性导致规划调整与不断变化的需求不同步[9]，从而干扰了原计划并导致订单延迟。在调度阶段，调度方法根据作业优先级、资源可用性和机器状态来确定作业顺序和资源分配。然而，资源供应和机器可用性往往具有高度不确定性，成为调度过程中的主要干扰源[10]。同时，定制组件的独特性使得处理时间难以预测，限制了传统调度方法的有效性[11]。在执行阶段，机器故障[5]、[12]和材料耗尽会导致生产中断，从而造成计划外的停机时间和成本效益的下降。因此，有效管理和应对PSE中的不确定性以最小化其影响至关重要。

CP中的计算机操作系统和同步系统也面临类似的挑战。在这两种情况下，任务动态到达，数量不可预测，并且在执行过程中会受到各种不确定性的影响。更具体地说，这两个领域都表现出多层次的资源瓶颈结构：计算机任务竞争作业队列容量、内存空间和CPU时间，而生产任务则竞争订单释放容量、材料可用性和机器容量。两个系统都必须处理不同的优先级要求，因为CPU调度区分了实时任务和批处理任务，而CP需要在紧急订单和常规订单之间进行平衡。此外，任务执行取决于特定资源的可用性：CPU线程需要内存中的数据页，在不可用时需要触发页面交换；生产作业需要可用的材料，在材料耗尽时需要处理材料。这些结构上的相似性表明，CPU调度机制可能为CP中的PSE提供有价值的见解。在计算机中，操作系统通过长期、中期和短期调度将CPU核心资源分配给线程，在高度不确定的环境中实现高效的PSE。类比于计算机系统中的用户作业流程，本研究提出了一种用于不相关并行机器环境中的计算机制造系统（CMS）来进行PSE。为了解决CMS下多种不确定性的同步问题，进一步引入了受CPU启发的同步（CPUiS）框架。在CPUiS框架下，本研究提出了一种基于相似性和准时制（SJIT）的订单规划方法、基于优先级和可行性感知（PFA）策略的中期调度方法，以及基于材料聚类鲁棒遗传算法（MC-RGA）的工厂CPU（FCPU）调度方法。CPUiS有效地隔离了CP中的多种不确定性，然后通过不同的同步策略来解决这些问题。所提出的方法已在3D打印场景中得到了验证，仿真和实验结果证明了它们的有效性。

本研究解决了以下研究问题并提供了相应的解释：

•

工厂CPU应如何同步其管理的资源的PSE以适应CP中的普遍不确定性？计算机CPU可以通过长期、中期和短期调度有效管理不确定性。与计算机系统相比，CP场景也涉及多种不确定性，但形式不同。基于此模型为CP场景中的FCPU确定合适的同步框架是本研究的重点。

•

如何屏蔽或减轻持续的不确定性？传统的计划驱动同步方法会导致计划/调度阶段与执行阶段之间的时间间隔。在此期间，持续不确定性的累积会导致理论结果与实际执行之间的偏差不断增加，最终使计划和调度变得无效。计算机使用抢占策略来管理不可确定的过程执行时间。然而，在CP场景中，产品处理的原子性更高，大多数生产操作是不可重启的。

•

工厂CPU的“实时”尺度是多少？在计算机中，CPU调度的实时尺度通常在微秒到毫秒之间。虽然许多研究已经探讨了应对CP中不确定性的方法，但很少有研究明确考察了针对不确定性的实时尺度。

本文的其余部分组织如下。第2节进行了文献综述。第3节介绍了CMS及其同步问题。第4节详细介绍了CPUiS框架及其同步方法。第5节通过3D打印场景的案例研究评估了所提出的方法。第6节总结了本文，并对未来研究方向提供了见解。

章节片段

传统的计划、调度和执行

生产PSE问题在数学上被归类为非确定性多项式（NP）难题，这意味着在合理的时间内找到最优解是不可行的[13]。这些问题的核心在于同步挑战。同步可以概念性地划分为几个相互关联的任务，包括内部物流的及时协调[14]、[15]、[16]，以及高级操作的协同决策[17]

计算机制造系统中的PSE流程

制造不确定性会导致生产计划、调度和操作与计划值偏离。如第1节所讨论的，制造任务和CPU任务具有相似的特点。这些相似性促使人们将CPU调度与生产同步进行类比。根据[39]中的跨领域比较方法，表3总结了计算机系统与所提出的CMS之间的关键概念对应关系。

为了实现高效和有效的

CMS中的CPU启发式同步

为了解决CMS下多种不确定性的同步问题，本研究提出了CPUiS框架，如图4所示。CPUiS由三个部分组成：（1）基于SJIT的订单规划，用于订单-作业同步；（2）基于PFA的中期调度，用于作业队列之间的同步；（3）基于MC-RGA的FCPU调度，用于作业-机器同步。在同步过程中，整体时间范围$H$