《离散制造生产计划智能调度技术规范》

ICS

CCS

T

团体标准

T/CIXXX-2023

离散制造生产计划智能调度技术规范

TechnicalSpecificationforIntelligentSchedulingofProductionPlanning

inDiscreteManufacturing

（征求意见稿）

2023-X-X发布2023-X-X实施

中国国际科技促进会 发布

离散制造生产计划智能调度技术规范

1范围

本文件规定了离散制造的生产计划智能调度技术规范的术语和定义、全局级生产计划智

能排程策略、车间级生产作业智能调度、人机物制造资源动态配置方法。

本文件适应于在大规模离散的生产计划智能调度的研究、设计、技术路线，可作为智能

制造中离散生产调度的技术依据。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1

图神经网络（GraphNeuralNetwork）

图神经网络是一种用于处理图数据的深度学习模型，通过考虑节点之间的连接关系，可

以有效地处理非结构化的图数据，其核心思想是将节点的特征信息与其邻居节点的特征信息

进行交互和聚合。

3.2

编码-解码（Encoding-Decoding）

编码器的作用是将输入数据转换为一个有意义的、低维度的表示形式。解码器的任务是

将编码表示解码为与原始数据尽可能相似的重构数据。

3.3

负荷控制理论（LoadControlTheory）

负荷控制理论通过调整生产系统的生产计划和生产流程来控制系统的负荷，以使系统在

可控范围内保持稳定和高效运作。其主要目标是实现生产系统的资源优化和生产效率的提高。

3.4

ERP系统（EnterpriseResourcePlanningSystem）

ERP系统是一种综合性的企业管理信息系统，涵盖了多个功能模块，包括财务、人力

资源、生产制造、采购、销售和供应链管理等。其主要目的是集成和优化企业的各种业务流

1

程，提高效率和管理水平。

3.5

BOM表（BillofMaterials）

BOM表是制造企业用于记录产品组成部件清单的重要文档。它是一个结构化的记录，

详细列出了产品所需的所有部件、原材料、工具和其他必要项目，并提供它们的数量、规格

和描述等详细信息。

3.6

MRP系统（MaterialRequirementsPlanning）

MRP系统是一种生产计划和物料控制系统，主要用于确定制造产品所需的原材料、零

部件和其他物料的需求量，并生成相应的采购计划。

4总体设计

4.1基本原则

（1）对标国家重大需求。以国家需求为研究命题导向，以研究成果转化落地为研究目

标。

（2）紧跟学科和工程前沿。以前沿科学技术驱动智能制造的发展创新。

（3）生产计划智能调度的核心目标是以客户需求为导向，全面考虑客户需求的变化和

特殊要求，同时优化生产资源的配置，最大限度地提高生产效率和资源利用率。此外，生产

计划智能调度还致力于实现对生产过程的精细化管理，包括生产进度和生产能力等方面。

（4）生产计划调度应遵循科学的管理方法和技术手段，以确保生产计划的制定和执行

符合最佳实践。在制定生产计划时，应建立合理的计划目标，并制定切实可行的计划方案。

4.2全局级生产计划智能排程策略

4.2.1全局级生产计划智能排程策略概述

随着智能制造时代的到来，定制化制造变得越来越普遍。传统的生产计划排程策略已经

不能满足现实中的生产需求，例如动态变化的生产环境、相互冲突的生产计划排程目标和复

杂的多约束生产现场等。然而，智能排程策略通过先进的人工智能优化算法，充分考虑企业

全部工厂的产能分布、订单需求、物流供应链以及各类约束条件，从而能够自动生成全局最

优的生产计划。因此，采用全局级生产计划智能排程策略已成为必然趋势。

全局级排程的核心是一系列高级人工智能算法，如约束优化、博弈论和深度强化学习等。

这些算法能够解决大规模复杂的组合优化问题，实现自动化和智能化的排程。同时，数字孪

2

生、仿真评估等技术手段可以在实际执行之前提前评估不同计划方案的绩效，从而辅助决策

制定。全局排程系统还可以直接连接工厂层执行系统，进行闭环调度，以实现理论计划与实

际生产的协同优化。采用全局级智能排程，不仅可以优化产能利用率、缩短交货期和降低库

存，还可以根据市场需求的变化主动调整计划，实现动态优化。全局级智能排程与制造执行

系统（ManufacturingExecutionSystem，MES）、仓储管理系统（WarehouseManagementSystem，

WMS）、先进规划排程系统（AdvancedPlanning&SchedulingSystem，APS）等系统深度

融合，构成了一个协同的数字化生产运营体系。

总体来说，全局级生产计划智能排程是智能制造时代中产能协同优化的重要基础，也是

企业实现自动化、数字化和智能化转型的关键技术之一。采用全局级智能排程策略能够实现

更高水平的生产计划优化，提升生产效率、降低成本，并适应动态变化的市场需求。

4.2.2全局级生产计划智能排程技术结构

在实际应用场景中，生产线上部署了数百个传感器，每个传感器以两秒的频率上传数据。

由于设备之间的交互频度非常高，为了解决瞬时的高并发情况，本文设计了采用消息系统进

行异步处理的方案。常用的消息系统包括Kafka、RabbitMQ和ActiveMQ。当进行数据统计

和分析时，可能涉及到大量的数据。为了提高查询速度，可以将数据分析统计的结果缓存到

Redis中。此外，考虑到MongoDB作为一种高性能的NoSQL数据库，其查询速度远快于本

地存储的日志文件。因此，在本文中选择使用MongoDB来存储一些监控数据，这样就无需

设计各种不同的数据表来存储各个模块产生的日志数据。另外，本文中大量的结构化数据存

储方面采用了MySQL数据库。

3

图1技术结构图

本文的生产计划智能排程技术结构如图1所示，主要由以下几个层次构成：

Web层：该层实现了生产进程和物料使用情况的可视化，用于监控和控制全局生产进

度。

服务层：该层包括一系列的排产算法，以及用于存储数据的MongoDB数据库和缓存数

据的Redis数据库。排产算法用于生成全局最优的生产计划，MongoDB用于存储一些关键

的监控数据，而Redis则用于缓存数据以提高访问速度。

消息层：该层采用异步处理的方式来解决生产消息的瞬时高并发情况，并将指令下发到

生产现场。

这种分层框架将系统进行了微服务化，各个服务之间通过接口进行交互，实现了数据隔

离和逻辑解耦。每个层次都承担着不同的功能，从可视化到排产算法再到消息处理，使整个

系统更加模块化、可扩展和灵活。这样的架构能够提高生产计划智能排程系统的效率和性能，

并为企业的生产运营提供可靠的支持。

4.2.3基于图神经网络的全局级生产计划智能排程算法

（1）作业的图式表示：

本工作的图示表示涉及到将车间与网络模型进行映射，以便从网络中提取特定作业的表

示。在柔性车间作业排程问题中，涉及到设备、订单和周转等三个方面。每个订单都包含一

4

个树状作业集，因此每个订单的作业集自然形成了一个图的结构，通常是树状网络。为了从

订单的图结构中获取作业的表示，需要将订单的图结构中的每个节点与一个生产作业对应起

来，同时每个作业与其目标产品形成一对一的关系。因此，目标产品的属性也可以用作节点

的属性。生产和原材料之间的关系构成了图结构中的边和节点的含义。因此，在本工作中，

这样定义了图结构上的边和节点的含义：

节点：在订单的图结构中，每个节点代表订单中的一种物料。节点具有基本属性，

包括该物料的储存量和需求量。订单的图结构是一种树形结构，其中节点分为叶子

节点和非叶子节点两种类型。

叶子节点：在订单的图结构中，叶子节点对应的物料是一种原材料。叶子节点是订单中

不再进行进一步加工或转化的物料节点。

非叶子节点：在订单的图结构中，非叶子节点对应的物料是订单的成品或半成品。由于

作业和目标产品之间是一一对应的关系，因此一个非叶子节点还对应着一个作业。根据作业

的不同，该节点还具有生产类型属性，用于描述节点所代表的作业的特征。

边：在订单的图结构中，边是一种有向边，代表生产过程中的关系。边从生产的材

料指向生产的目标产品。

本工作的图网络计算包括以下环节：

1.作业嵌入：对于每个非叶子节点（即作业节点），汇集其孩子节点的基础信息，将

其转化为作业的嵌入表示。

2.订单嵌入：针对每个订单的树形图，汇集信息并补充订单的基础信息，生成订单的

嵌入表示。

3.设备嵌入：计算全局和设备相关的特征信息，用于表示设备的嵌入。

4.扩大作业感知野：在与设备实际相关的每个作业节点上，通过汇集高层信息的方式

扩大作业的感知野，并求解出一个值。

5.聚合全局策略：将相关作业节点上的网络计算得到的值拼接起来，形成全局向量，

用于聚合全局策略。

（2）算法设计：

如图2所示，图模型上的计算过程分为4个步骤。首先，从模拟器中获取所需的原始特

征域。其次，在图模型结构上进行第一层网络计算。接下来，在作业节点上汇集全局等信息，

以扩大感知野，并在可选作业上进行第二层网络计算。最后，通过强化学习的策略选择一个

5

作业进行执行。整个计算过程是基于图模型的，通过多层网络计算和全局信息汇集，以实现

任务的选择和执行。

图2基于图模型的网络架构

作业嵌入是第一层计算的第一步，涉及作业节点之间的消息传递和计算。由于订单图模

型是一个树形结构，因此可以通过对其进行后根深度优先遍历来依次访问每个节点，以进行

消息传递和计算。在此步骤中，消息传递按边的方向进行单向传播，并在传播过程中对节点

进行计算。图3展示了作业节点之间的消息传递和计算过程。在该图中，绿色的作业节点接

收来自一个叶子节点（白色）和一个非叶子节点（红色）的信息，这些信息被用来生成原始

特征信息（绿色矩形）。非叶子节点（红色）和叶子节点（白色）的原始特征信息通过编码

器进行计算，生成新的特征。然后，这些计算后的特征被求平均值，并与原始特征信息（绿

色矩形）进行特征连接，形成新的特征。最后，通过解码器输出消息，以便进行下一步的计

算。整个计算过程采用了"编码-解码"的模式，新输出的节点特征维度与原始维度保持一致。

6

图3在作业节点之间的消息传递和计算

4.2.4全局级生产计划智能排程流程

负荷控制理论（LoadControlTheory，LCT）已被证明是一种有效的订单控制方法，适

用于离散生产制造系统。其基本思想是通过控制生产车间的输入和输出来实现产能均衡、降

低库存、缩短生产提前期等目标。相比其他生产计划和控制方法，负荷控制理论更适用于面

向订单生产的作业环境。通过使用订单池，避免待投放的生产订单任务对车间生产状况产生

影响，从而避免生产过程的堵塞，使车间生产更易于管理，并获得稳定的绩效。LCT在订

单加工全过程中的作用阶段如图4所示。

图4负荷控制理论的控制框架

（1）订单接收：订单接收是生产系统运作的前提，包括通过订单评审判断订单的可接

收性，并根据订单产品工艺要求设置交货期。在订单接收阶段，生产系统确定了生产批量大

小、订单加工的工艺路线、机器加工的工艺参数以及最终交付的交货期等信息。针对每个订

单的生产工序，根据生产经验和作业标准，可以确定可选择的机器集合和所需加工时间等信

息。通过这些信息，可以准确确定每个工艺路线上机器的实际生产负荷水平，以适应实际生

产过程的需求。根据订单需求的负荷水平、车间内已接收但未释放的订单的负荷水平以及已

释放的订单的负荷水平，可以评估总体负荷需求对生产系统的影响。如果负荷需求量不超过

车间生产资源的能力，则订单可以接收；如果负荷需求量超过车间生产资源的能力，则需拒

绝订单或对订单进行调整后再接收。对于超过生产资源能力的部分，如果企业判断通过加班

等方式可以满足需求，则可以直接接收订单；如果企业判断无法弥补生产能力的不足，则需

7

要与客户协商，调整交货期等要求，以确定是否接收订单。

（2）订单池：订单池是指已经接收但尚未被释放到车间进行加工的订单的集合。在订

单接收后，订单会先进入订单池中等待进一步的处理。订单池的作用是对接收到的订单进行

统一管理和调度，以便更好地满足生产系统的需求。在订单池中，订单可以根据不同的优先

级、交货期等进行排序，以便确定加工的顺序和时间。

（3）订单释放：已经被接收并进入订单池的订单将周期性地投放到车间进行加工。通

过计算待投放订单所需的物料总量和生产负荷，可以预估订单加工的开始时间。然而，此时

生产能力可能已经发生变化，瓶颈可能出现漂移，也可能出现意料之外的瓶颈。因此，在订

单被释放之前，需要再次审核待释放订单的内容，判断当前待投放的订单是否满足生产需求，

是否需要推迟执行。这样可以避免生产系统内的订单过早完成，导致生产资源闲置和浪费，

也可以防止干扰因素引起的负荷超载。订单投放策略的制定将影响已经在生产车间中释放待

加工的订单数量和正在加工的订单数量，从而影响车间的在制品库存水平。负荷控制理论通

过限制进入车间的订单数量，从而限制在制品数量和生产提前期。

（4）车间派工：一方面，它可以确定订单加工的顺序，另一方面，它可以确定单个订

单内的加工顺序。这对于车间的任务分配非常重要，它不仅可以帮助决定即将进行生产加工

的订单，还可以确定剩余订单等待开始加工所需的时间。

（5）加工中心：加工中心是指用于进行订单加工和生产的实际工作区域。在加工中心

中，通过合理的布局和设备配置，可以有效地组织和安排订单的加工过程。加工中心通常包

括不同的车间和工作站，每个工作站都有相应的设备和工具，用于完成特定的加工操作。在

加工中心中，订单根据车间的负载和资源的可用性，按照预定的顺序进行加工。加工中心的

任务是根据订单的工艺要求和加工能力，确保订单按时完成，并保持高质量的生产水平。通

过合理的调度和协调，加工中心可以最大程度地提高生产效率和资源利用率，以满足客户需

求并实现生产目标。

如图示5所示，生产计划主要包括中期计划和短期计划。完整的生产计划流程如下：

1)每月中旬之前，各地经销商根据自身的营销情况将产品型号、数量等需求数据发送

给企业的销售部门。

2)销售部门根据订单需求和市场情况，对当月的任务量进行统计和处理，制定销售订

单的月度计划表。

3)销售部门将产品需求的月度计划表发送给生产部门。

8

4)生产部门根据产品需求订单的类型，将同类型的产品生产任务划分为批次，进行生

产排程。

5)根据生产技术部门管理的BOM文件以及仓库管理中心对零部件库存的统计，MRP

系统制定生产车间的月度生产计划和物料采购计划。

6)库存中的零部件分为采购件和自制件，自制件需要在车间根据采购回来的原材料进

行加工。

7)当采购订单完成后，计划员通过系统获取物料充足的信息，并将零部件的加工任务

指令下达到相应的车间。

图5生产计划流程

如图6所示，车间调度方案的相关流程，包括任务订单的接收、订单任务分解、编制车

间调度方案、生产能力审核等。

9

图6车间生产调度流程

（1）接收订单：接收订单后，定制款产品和不需要订单评审的普通款产品将经过订单

评审会议。会议的目的是对这些订单进行评审和审查。随后，这些订单将被分派给生产部门

的计划员，并等待进一步的分解和处理。

（2）订单任务分解：生产部的计划员根据企业资源规划（ERP）系统中的产品结构清

单（BOM表），将订单任务需求中的产品种类和数量逐级分解为相应的零部件种类和零部

件数量，同时确定订单任务所需的辅助零部件、工装等资源的型号和数量。为了确定零部件

的种类和数量，计划员需要从最终成品的种类和数量开始，逆向推导至原始物料的需求信息。

（3）编制车间调度方案：生产部的计划员根据分解后的零部件种类和数量信息，并结

合企业的库存情况，确定需要进行生产加工的零部件种类和数量。计划员根据零部件的工艺

路线，对零部件任务进行分类汇总，并将具有相同工艺路线的零部件安排在同一个加工生产

单元内进行加工。在每个生产单元内，计划员将同一类型的零部件组合成一个生产加工批次。

这些成组的订单将按照交货期、加工开始时间、优先度等信息进行排序，以得到最终的调度

方案。

（4）审核生产能力：将订单与工序对应的设备生产能力需求进行比较，以及与设备当

前的生产能力进行对比。对于超出设备生产能力的订单，将其放入下一周期的生产队列中等

待加工。当设备的生产能力需求小于设备当前的生产能力时，将订单队列中的订单按照排序

进行投放。在确定订单的加工顺序时，需要考虑订单的开始时间、优先级等信息，并进行相

10

应的排序。根据排序结果，制定最终的调度方案。

4.3车间级生产作业智能调度

4.3.1车间级生产作业智能调度概述

在当今快速迭代的工业生产环境中，优化生产流程和提高生产效率已成为企业提升竞争

力的关键。传统的车间调度方式往往依赖人工经验，然而在处理复杂、大规模的生产任务时，

这种方式往往力不从心，无法有效地应对生产环境的变化和不确定性，调度效率和效果有限。

为应对这一挑战，车间级作业生产智能调度被引入作为一种新型调度模式，借助先进的人工

智能技术，如机器学习和优化算法，对车间生产作业进行智能化调度。

在车间级作业生产智能调度系统中，通过收集和分析大量的生产数据，系统能够学习和

理解生产流程，生成最优生产计划。智能调度系统不仅考虑当前的生产状态，还能预测未来

的生产需求和状况，使调度决策更加全面和准确。这种调度模式能够实现生产资源的高效配

置，减少生产中的浪费，提高生产效率。

此外，智能调度系统还具有高度的灵活性和适应性。面对生产环境的突然变化，例如原

材料供应中断、设备故障等，智能调度系统能够快速地进行决策调整，保障生产的稳定进行。

同时，通过不断的学习和优化，智能调度系统能够持续提升其调度性能，适应生产环境和需

求的变化。

4.3.2车间级生产作业智能调度技术

在现代定制化制造业中，面临着作业随机到达、机器故障、订单取消或修改等随机事件

和变化的频繁发生。同时，制造过程变得越来越精细，车间调度的难度和复杂度也随之增加。

传统的车间调度方法已经无法满足现代制造业的需求。为了适应这种变化，生产任务和生产

资源的分配需要根据实时需求进行灵活调整。

本文提供了一种可行的解决方案，该解决方案旨在应对车间调度中的随机事件和变化。

它包括针对作业随机到达、机器故障以及订单取消或修改等情况的应急处理机制。此外，解

决方案还考虑了生产过程中的精细化要求，通过实时监控和控制系统，对生产任务和生产资

源进行动态调整。

（1）数据采集：为了实现对车间生产全过程的监测和数据采集，可以采用多种技术手

段来获取设备状态、物料信息、人员出勤等多源异构数据。其中包括传感器、RFID（射频

识别）、工业互联网等技术。通过布置传感器和RFID设备，可以实时监测设备的运行状态、

负载、温度、振动等参数。传感器可以收集设备的实时状态数据，并记录设备的运行日志。

11

这些数据可以用于监控设备的健康状态和利用率。

（2）生产建模：通过数字孪生技术，可以在虚拟环境中精确地模拟车间的运行情况，

并与实际生产过程进行实时同步。同时，借助3D建模技术，可以创建逼真的三维模型，准

确展现车间的布局、设备的位置和工序的流程。这样的数字化建模系统能够为生产管理和优

化提供重要依据，帮助实现生产过程的可视化、可分析和可优化。

（3）基于强化学习的注意力图神经网络设计与训练：本文设计了一种基于强化学习的

双注意力图神经网络，用于实现柔性车间生产作业的智能调度。系统的整体架构如图4所示。

首先，该系统获取操作、机器和生产环境的原始特征，并将其输入调度智能体网络。调度智

能体网络由双注意力网络、特征拼接网络和智能决策网络组成，用于增强特征的表达能力和

决策动作的选择。其中，双注意力网络采用图注意力机制来对操作和机器的特征进行计算，

以捕捉它们之间的关系和重要性。为了不丢失原始的操作和机器特征信息，将操作和机器的

特征与双注意力网络计算的特征进行特征拼接，并将其输入到智能决策网络中。

智能决策网络根据当前的生产环境和机器状态，采样选择一个操作机器对作为决策的动

作。选择的动作将发送到车间环境中执行。执行动作后，车间环境会更新调度状态，并返回

一个奖励给调度智能体，以反馈动作的效果和质量。通过不断执行这个过程，调度智能体可

以根据反馈不断优化自己的决策策略，以实现更好的生产效率。

图4方法架构

强化学习的性能与奖励函数的设计密切相关，而奖励函数的设计需要根据柔性车间的优

化目标确定。合理的奖励函数设计可以使智能体选择更优的调度策略，从而提高生产效率。

双注意力网络包含注意力增强层，采用多头注意力机制来关注全局生产状态特征，具有

强大的自适应特征提取和融合能力。在设计时，根据实际生产规模来设计注意力头数，并采

12

用异构图神经网络来更好地表示实时生产状态。这样的设计有助于学习全局特征，以实现智

能调度。

图5（a）展示了一个例子的初始状态，其中“Start”，“End”代表两个虚拟节点表示

生产的开始和结束，代表机器节点，代表操作节点，黑色有向

线代表操作的优先级关��系(�，=三1类,2带,3)有颜色的无向虚线��代�(�表,�机=器1,可2,3以)加工的操作。在强化学习

中，动作必须是一个合格的操作，即它的前一个操作已完成或作业对应的第一个操作，并且

与之兼容的机器处于空闲状态。执行动作后，状态图会更新为只保留操作所选机器之间的连

线，同时删除该操作与其他机器之间的连线。此外，还会生成一个即时奖励，用于指导智能

体选择最优策略。重复上述步骤，直到所有操作都完成。图5（b）展示了一个完整的解决

方案的示例，其中每一个操作都分配了一台机器形成一个调度方案。通过这种调度方案，可

以确保每个操作都按照预定的顺序和时间进行加工，并最大程度地提高生产效率和资源利用

率。

（a）（b）

图5实例析取图

（4）柔性车间生产作业实时调度模型评估：为了评估模型在实时调度中的性能，可以

将测试集作为独立的数据集，用于模型的评估。将测试集输入到训练好的模型中，观察模型

的调度效果和性能指标，如生产效率、任务完成时间等。

设计不同的测试场景，包括具有不同作业数量和机器数量的情况。通过在这些不同场景

下测试模型，评估模型对于不同规模和复杂度的生产环境的适应能力。这有助于了解模型的

泛化性能和可扩展性。

通过对模型在不同测试场景和实际生产环境中的性能评估，可以更全面地了解模型的优势和

局限性，并为进一步的改进和优化提供指导。同时，还可以为生产管理人员提供决策支持，

帮助他们做出更准确和有效的调度决策，以提高生产效率、减少资源浪费。

13

4.4人机物制造资源动态配置方法总体思路介绍

在制造企业的生产阶段中，人、机器和物料是不可或缺的三大资源。然而，当前许多企

业大多将精力集中在改进原料和提升机器先进性上，对人员与机器及物料的优化配置关注较

少。在劳动力成本日益上升的今天，如何合理地结合人员和机器，并优化人员配置和物料分

配，以提高资源利用效率，变得尤为重要。

人机物制造资源动态配置方法是一种自动化制造方法，它根据实时需求情况，通过定制

化的算法和技术，灵活地分配和调度人力、机器和库存等各种资源，以实现生产效率的最大

化和资源利用的最优化。

在研究人机物制造资源动态配置时，如何协调好人员和机器间的关系是核心部分，包括

了任务分配关系以及人机交互关系。任务分配关系主要涉及如何正确划分人员和机器的工作

职责，保证人员与机器有条不紊地配合协作，以及设计高效的任务动态分配策略，提高整个

生产车间的运转效率。人机交互的趋势是最大程度地便利人员的交互操作，按照人员的意图

需求，简单顺畅地输入信息，快速直观地收到反馈信息。其次，在生产线上设置了物料缓存

区，要保证缓存区内时刻有物料在等待加工，本文采用一种物料分配方法，计算出最小安全

库存量和最大安全库存量，在此区间内能够保证生产工位间的流动平衡性。最后，利用系统

仿真建模的方法可以更好地解决复杂且机器数量众多的人机物配置问题。仿真方法能够考虑

员工差异、机器故障等不确定因素，从而更准确地反映实际生产情况。

总的来说，人机物制造资源动态配置方法是一种综合应用多种技术和改进的定制制造方

法，它可以帮助企业提高生产效率、降低成本并提高产品质量。

4.5人机物制造资源动态配置策略

4.5.1人机物配置概述

人机物配置问题是指在实际生产作业中针对给定的机器数量，如何合理地分配作业人员

数量以及每个机器的物料分配的问题。研究人机物配置问题的目的是在保持低人力成本、最

大化资源利用和最佳人机配置的前提下，实现最大产出。

在人机物配置问题中，人、物料和机器设备是三种主要资源。在机器设备维护管理健全

且原材料市场相对稳定的情况下，作业人员可以根据其工作技能水平和熟练程度来操作不同

复杂程度的机器设备。同时，也需要根据不同的作业员支付不同的技能工资。在降低人力成

本的前提下，提出合理的人机配置方案，选择最合适的作业人员来操作相应的机器设备对于

减少人工成本非常重要。

14

人机配置涉及人和机器资源在各种可能的生产配置关系中做出选择，以获得最佳效益。

为了更好地经营管理，企业需要考虑如何合理配置人机资源，以获取最大收益。人机关系是

指人机配置系统整合后的综合性能。如图6所示，研究人机配置问题时，首先应对人机关系

进行分类。人机关系包括人机的合理配置、人机的合理划分和人机信息的合理转换。

图6人机关系组成

在人机系统中，人机分配可以分为以下四种情况：一人一机、一人多机、多人一机和多

人多机。合理的人机配置能够最大程度地提高人和机器的利用率，并有效地进行信息传递，

实现人机系统的协调工作。

在精益生产管理模式中，追求设备利用率的最大化，以最大限度地提高产品生产效率。

其中最常见的配置模式是"一人多机"，即一个工人同时操作两台或多台机器。在这种模式下，

当操作员在一台机器前进行操作时，其他机器理论上处于加工状态。当操作员完成该台机器

的操作后，机器自动进行工作，操作员移动到下一台机器进行同样的操作。最理想的状态是

当操作员到达一台机器时，该机器刚好完成加工。这样的循环重复动作直到完成一个作业。

人机配置的研究和分析的最重要和最终目标是降低劳动力成本，提高生产效率，并使企

业获得更全面的利益，前提是实际生产正常进行。衡量的标准是人机配置率。虽然机器利用

率越高越好，但也要确保不超过人员的限制利用率。

在工作人员和机器数量相对稳定的情况下，需要合理分配每台机器所需的工作物料。在

生产线上，首先可以根据订单需求结合物料的废料比例，预估完成生产任务所需的物料量。

其次，根据每台机器的加工顺序、生产速度、成品率等因素，将物料分配给机器。然后实时

更新物料消耗情况，并及时从仓库补充，以避免影响产品交付时间。物料配置的最终目标是

15

充分利用资源，提高生产效率。

4.5.2人机物配置影响因素分析

在进行人机物配置的过程中，存在许多影响因素。这些因素通常包括产品加工时间、路

径选择、设备布局、机器切换、加工批量和加工顺序等。这些因素大多是可确定的，并且相

对容易操作。然而，在实际生产中，也会出现许多无法预料的因素，例如人员的适应性和熟

练程度、生产任务的变化以及机器设备的故障等。所有这些因素都给人机物的分配带来了一

定的困难。主要可以将这些影响因素分为人的因素、机器的因素和其他影响因素三大类。

人的因素主要包括人体尺寸参数、操作熟练程度、路径选择和作业适应能力。人体尺寸

参数主要涉及操作员在固定操作空间和要素情况下的作业姿态。操作熟练程度包括对机器设

备操作的熟练程度、操作速度和准确性。路径选择涉及操作员在操作过程中的走动、搬运和

搬运工具选择。作业适应能力主要指操作员在生产过程中适应各种技能的能力，反映了其是

否能够掌握多种技能。

机器的因素主要包括生产线布局、机器的自动化程度、机器换模效率和设备故障。生产

线布局采用不同的方式，如线性布局和矩阵式布局。机器的自动化程度直接影响到在发生突

发情况且无人在旁时是否能够自动停机。机器换模效率在很大程度上影响设备的生产效率。

设备故障指设备在生产过程中无法正常操作、磨损或堵塞的情况，设备故障的发生会影响产

品的生产。

其他影响因素主要包括产品的生产工艺、生产流程和物料分配。产品的生产工艺是指将

原材料或半成品加工成成品所采用的方法，不同的方法对机器加工的精度、操作员的要求以

及每台机器分配的物料量都会有所不同。产品的生产流程是指一个产品的全过程，在进行人

机物配置时，企业会将机器的处理步骤集成在一起，实现一人多机或多人多机的人机配置。

在生产过程中，根据每台机器的生产任务分配物料，以实现资源的充分合理利用。

4.5.3人机物制造资源动态配置策略分析

1、人机任务分配

本文使用人机协作生产单元任务分配与作业调度集成决策方法，该方法综合考虑产品的

装配工序及其工序之间的优先顺序，结合人机协作生产单元中的机器人和操作工人等生产资

源，根据操作工人和机器人的生产能力和优势，将装配工序分配给合适的生产资源，包括操

作工人或者机器人或者协作的操作工人和机器人。之后将任务分配与作业调度过程集成决策，

更加适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，

16

提高操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。具体步

骤如下：

步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资

源集合，并确定各个装配工序之间的优先顺序。

步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和

特点，结合每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集

合。

步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优

先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协

作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到

目标函数更优的人机协作任务分配与作业调度集成决策方案。

2、物料分配

在生产线上，设备之间设置了物料缓存区，缓存区系统是制造系统中的一个重要组成部

分，用于协调各个设备之间的工作。这个区域既不能完全充满，也不能完全为空。如果缓存

区充满，前一台设备生产完成的产品将滞留在该设备，导致生产线堵塞；如果缓存区为空，

下一台设备将处于空闲状态，从而降低生产效率。因此，在生产过程中，需要实时监测物料

的状态，一旦出现异常，及时检测出问题所在，并采取相应策略以确保生产线正常运行。

缓冲区物料库存分配问题是一个带有整数变量的非线性问题，目标封闭函数不一定可以

存在一个封闭函数形式的目标解。由于一个目标在目前生产线各个工位的实际任务执行以及

作业的持续时间一般都常常是以其属于随机的流动变化来衡量，因此可能会造成目前生产线

各个局部的线路堵塞，严重时甚至还有可能间接造成一个全线性的工作系统中断，而对于目

前生产线中各个目标和工作缓存区的合理配置则常常能很好地解决目前生产线各个工位间

的流动不平衡性。

（1）最小安全库存量计算：

根据生产线可靠度的不同要求，以平均修复时间的不同置信上限作为最长修复时间。假

设对生产线可靠度要求为95%，则置信水平的临界值为1.64，根据查正态概率分布表可得：

𝑚�

式中：-机器故障最大修复时�间�=���+1.64�(��)

𝑚�

��-表示设备故障间隔时间的数学期望值，即平均故障时间；

�

��17

-设备故障间隔时间，即故障修复时间；

当机器�(�出�)现故障情况时，由缓存区对后续工序进行输送工件，直到机器故障得以修

复。其最��大修复时间如下所示：����

22

����2

(��+)��+�

𝑚�22�

式中：-故障机器��维修=时�间�的�对+数�均�值(�；�)=�+��[�−1]

�-�故障机器维修时间的对数方差；

2

��-置信上限系数

最小�安全库存是指前一工序的机器出现故障停机时，其库存量能满足下一工序机器需求

量的最小值。即满足下面的公式：

，由上面的公式得到最小安全库存量计算公式如下：

𝑚�

���≥��∗��

22

����2

(��+)��+

22��

式中：-第�i�个�=工序�机��器+的�最�小安��全∗库�存�量=；[�+��[�−1]]∗��

���-表示下一机器的需求量，即需要从前一工件存储区中获取的工件数量；

由上��式可知，生产线的最小安全库存量与生产线的瓶颈设备的最小生产率、可靠度高低、

发生故障的机器的修复时间等等有关，最低安全库存对可靠性要求很高。维修技术的稳定性

和维修时间呈负相关的关系，瓶颈机器的可靠性和生产率与相应的安全技术和库存量呈正相

关的关系。由此可知，可能发生故障的生产线的可靠性和生产率要求越低，平均故障修复时

间和恢复生产的时间越短，维修的技术越稳定，瓶颈机器的可靠性和生产率越低，此时，最

低安全库存越小。

（2）最大安全库存量计算：

在生产过程中，本文定义了生产线的最大机器库存，为在生产阶段的库存设计和控制提

供直接的依据和参考，合理设计设备的库存控制，不仅能保证后续设备在安装故障时的正常

生产，同时充分利用生产车间的库存，降低生产成本，在原设备发生故障的情况下，通过车

间的完整库存，有效减少生产时间和效率的损失。在设备出现故障停机时，缓存区

的压力会大大增加，极易形成堵塞。前面i-1台机器正常工�作�的概率公式为：��−1

�−1�=1�−1−���

�1�=Π1�1�=�

式中：-表示前i-1台机器正�常�=工�作1的+概�2率+；�+��−1

�−1

�1�

18

-表示第i台机器的故障率；

��L-表示连续求和；

最大安全库存量在计算时，假设前面i-1台机器不会发生故障停机，且故障机器在被修

复时缓冲区所达到的最大值。根据上述条件可得最大安全库存量为：

𝑚�1

��−1=���−1+��∗min (,���+��(��))

由上面公式可得：��

[�2�2]

�−1�−12

𝑚���−1+2��−1+2��−1

�−1�

�=�+∗�+��[�−1]

1

����

4.6人机协作通信技术�∗min (�,��+��(�))

4.6.1人机协作通信概述

近年来，人机协作的概念引起了许多研究兴趣。与传统的工业机器人不同，人机协作结

合了机器人的优势与人类工人的灵活性和认知技能，可以在一个共享的制造环境中一起工作，

机器人需要准确地理解人类的意图，并能够与人密切互动。为了实现高效的人机协作，需要

解决人机与机器人之间的通信渠道。人机协作通信是指人类与机器人或机器设备之间进行信

息传递、指导和合作的过程。它是实现有效的人机协作的关键要素，确保人员能够与机器人

或机器设备进行互动和沟通，以共同完成任务和实现预期目标。人机协作通信需要简洁明了、

准确无误，并适应不同人员和机器人/设备的特点和需求。随着技术的进步，基于视觉的手

势识别作为人机交互的界面得到了有效的应用。

4.6.2人机协作通信技术

手势识别是指通过计算设备对人体运动的数学解释。为了与人类工人合作，机器人需要

正确地理解人类的手势，并基于手势有效地采取行动。在人机协作制造环境中，应该在人类

和机器人之间提供一种自然的手势交流形式。

本文提出了一种特殊的基于视觉的人机协作手势识别