摘要
随着人工智能以及制造业技术的不断发展，促使越来越多的企业转向智能制造，而智能排产在其中扮演着关键角色。然而，当前制造业的排产方法仍然依赖于基于元启发式算法或者基于启发式调度规则的排产方法。这些传统排产方法排产效率低、时间长，导致生产计划无法及时传达到生产车间。同时，越来越多的制造业为了满足客户的个性化需求而转向柔性生产，柔性生产需要解决工件排序和设备选择两个子问题，进一步增加了排产难度。因此，为解决上述问题，本文以汽车座椅为例，提出了基于深度强化学习的智能排产方法，并开发了智能排产系统。主要研究工作如下： （1）针对传统排产方法排产效率低和周期长的问题，提出了基于注意力机制和深度强化学习的排产方法，以最大完工时间为奖励函数，将车间状态用矩阵形式表示，通过卷积神经网络和注意力机制自动提取车间环境的状态特征，并使用深度强化学习训练排产策略。在OR-Library数据集上的实验结果表明与启发式调度规则、遗传算法、蚁群算法和深度强化学习算法相比，该方法性能更优、求解质量更好。 （2）针对柔性生产中工件排序和设备选择之间协调困难的问题，提出了基于多智能体深度强化学习的柔性排产方法，采用工件选择智能体控制工件选择和设备选择智能体选择加工设备，引入价值分解网络加强智能体之间的合作。在Brandimarte数据集上实验结果表明与遗传算法、蚁群算法和深度强化学习相比，该性能更优、求解质量更好。 （3）为验证所提智能排产方法的可行性，设计并开发了前后端分离架构的智能排产系统，该系统具有智能排产、生产管理和3D数字看板等功能。经过系统测试，结果表明该系统能够实现智能排产并提升排产效率，具有较好的应用价值。
NETL