【正文】 了動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)（ dynamicdatadrivenapplicationsystems， dddas）的概念和研究方向，試圖將仿真與實驗有機地結(jié)合起來，構(gòu)成一種仿真與實驗融合為一體的自然和諧的共生動態(tài)反饋系統(tǒng)。 各單元模塊的功能如下 ?？刂品抡婺Ｐ瓦\行，抽取模型的狀態(tài)特征數(shù)據(jù)與注入數(shù)據(jù)對比分析，據(jù)此調(diào)整模型和分辨率；控制實際生產(chǎn)線運行，根據(jù)仿真結(jié)果數(shù)據(jù)反饋生產(chǎn)線調(diào)度優(yōu)化方案；控制數(shù)據(jù)采集，根據(jù)仿真結(jié)果數(shù)據(jù)產(chǎn)生數(shù)據(jù)采集策略，反饋數(shù)據(jù)采集模塊執(zhí)行。 。根據(jù)控制系統(tǒng)指令，產(chǎn)生新的仿真目標(biāo)策 第 29 頁 共 34 頁 略。據(jù)此，從模型庫調(diào)用相應(yīng)模型進行新模型的構(gòu)建，并動態(tài)調(diào)整模型或模型參數(shù)，達(dá)到仿真結(jié)果與仿真目標(biāo)逼近。最后，將模型與仿真結(jié)果進行分析評價，并形成知識保存在知識庫中，為完善模型庫構(gòu)建和模型選擇提供依據(jù)。 。顯示仿真結(jié)果，支持用戶對仿真策略進行調(diào)整和控 制，支持用戶根據(jù)仿真結(jié)果對生產(chǎn)線運行進行控制，支持用戶根據(jù)仿真結(jié)果對數(shù)據(jù)采集策略進行選擇控制。 。根據(jù)控制系統(tǒng)指令，生成新的數(shù)據(jù)采集策略。據(jù)此，采集生產(chǎn)線上的數(shù)據(jù)，并且具備多信息源數(shù)據(jù)融合能力。 （一）動態(tài)數(shù)據(jù)驅(qū)動仿真單元 此單元由調(diào)度模塊和仿真模塊組成，完成調(diào)度方案的生成功能。 其中，調(diào)度模塊包括相互協(xié)同的兩個層次。上層模塊是生產(chǎn)計劃調(diào)度器，采用全局優(yōu)化的方法，利用群體智能蟻群算法進行尋優(yōu)，可產(chǎn)生一個靜態(tài)的調(diào)度計劃，其尋優(yōu)時間長的問題可以通過多 agent 建模的分布式計算能力得到解決。下層模塊是實時調(diào)度模塊，采用啟發(fā)式的規(guī)則對生成的調(diào)度計劃進行調(diào)整，并通過仿真進行分析和驗證。當(dāng)不確定事件發(fā)生，生產(chǎn)線上的環(huán)境變量發(fā)生改變時，該模塊負(fù)責(zé)調(diào)整調(diào)度計劃適應(yīng)新的系統(tǒng)狀態(tài)。如果在多個調(diào)度目標(biāo)無法優(yōu)化的情況下，通知上層模塊，重新生成調(diào) 第 30 頁 共 34 頁 度計劃。整個過程是一個動態(tài)反饋過程。采用智能算法的優(yōu)點在于能夠從全局的角度進行優(yōu)化，缺點在于模型描述的精度不高和易于陷入局部優(yōu)化解；利用帶啟發(fā)式規(guī)則的仿真方法恰恰能夠精確地描述模型和改善局部的解的性能，同時在較短的時間內(nèi)生成優(yōu)化的調(diào)度方案 。上層的調(diào)度結(jié)果不僅會指導(dǎo)下層的調(diào)度過程，即帶啟發(fā)式規(guī)則的仿真是對智能蟻群算法產(chǎn)生的調(diào)度計劃的局部修改；而且下層的調(diào)度結(jié)果也能幫助上層的調(diào)度尋優(yōu)，啟發(fā)式規(guī)則產(chǎn)生的某些局部優(yōu)化解也可以作為啟發(fā)信息指導(dǎo)蟻群算法更快地收斂。 仿真模塊完成以下三種功能：首先，它能夠?qū)崿F(xiàn)用戶可視化的生產(chǎn)線建模，模型的復(fù)雜程度可以根據(jù)用戶研究問題的深度不同進行定義和設(shè)置；其次，為適應(yīng)動態(tài)變化的生產(chǎn)環(huán)境，在仿真運行過程中，生產(chǎn)模型也可以根據(jù)生產(chǎn)線的具體情況進行自動修正，如某個設(shè)備失效等；最后，對調(diào)度模塊產(chǎn)生的調(diào)度方案進行仿真， 并把由此生成的對該調(diào)度方案的多目標(biāo)評價值和對瓶頸設(shè)備的預(yù)測數(shù)據(jù)反 饋給調(diào)度模塊，作為對下一步調(diào)度優(yōu)化判斷的依據(jù)。 （二）動態(tài)數(shù)據(jù)驅(qū)動仿真控制單元 由中心推理機和輔助功能 agent 組成，共同構(gòu)成一個調(diào)度決策支持系統(tǒng)。中心推理機實現(xiàn)基于案例庫或規(guī)則庫的智能決策功能，輔助功能 agent 在中心推理機的協(xié)同下工作，包括多目標(biāo)管 第 31 頁 共 34 頁 理 agent、優(yōu)化策略管理 agent、調(diào)度仿真劇情管理 agent、調(diào)度因素分析 agent 等四種類型的 agent，它們分別實現(xiàn)不同的控制功能。 多目標(biāo)管理 agent：負(fù)責(zé)控制當(dāng)前調(diào)度優(yōu)化的方向，對調(diào)度方案評價函數(shù)中多個不同目標(biāo)的權(quán)重進行動態(tài)的參數(shù)調(diào)整，實現(xiàn)調(diào)度目標(biāo)與當(dāng)前生產(chǎn)線的實際生產(chǎn)情況一致。柔性制造系統(tǒng)生產(chǎn)線調(diào)度問題是一個多目標(biāo)的優(yōu)化問題。短期優(yōu)化目標(biāo)包括：最大化生產(chǎn)量、最大化 wip 移動步數(shù)、最小訂單交貨延遲率、降低加工周期、降低加工周期方差、降低 wip 水平等。目標(biāo)之間存在相互制約的關(guān)系，如何選取各目標(biāo)優(yōu)化的權(quán)重以平衡各目標(biāo)優(yōu)化的能力是需要解決的問題。各目標(biāo)權(quán)值的大小比例是一個動態(tài)調(diào)適的過程。首先，它必須與我們生產(chǎn)計劃對當(dāng)前生產(chǎn)的要求和側(cè)重點一致。同時，它 也在不斷地動態(tài)調(diào)整，保持與生產(chǎn)線當(dāng)前的實際生產(chǎn)情況一致，完成這個任務(wù)需要中心推理機的協(xié)同，如基于案例庫的推理等。 優(yōu)化策略管理 agent。直接對調(diào)度和仿真模塊下達(dá)指令，負(fù)責(zé)監(jiān)控調(diào)度仿真的執(zhí)行過程。優(yōu)化策略管理 agent 根據(jù)控制模塊設(shè)定的優(yōu)化目標(biāo)或調(diào)度模塊反饋的優(yōu)化目標(biāo)的達(dá)成情況，在中心推理機的幫助下，按照推理規(guī)則，進行模型和算法的調(diào)整，實現(xiàn)全局優(yōu)化算法和局部優(yōu)化算法之間的動態(tài)協(xié)作，當(dāng)滿足一定的條件時，返回優(yōu)化的調(diào)度方案作為當(dāng)前的最優(yōu)解。 第 32 頁 共 34 頁 調(diào)度仿真劇情管理 agent。協(xié)助用戶完成 “what — if” 分析。與傳統(tǒng)仿真不同，動態(tài)數(shù)據(jù)驅(qū)動仿真是一種與生產(chǎn)線生產(chǎn)過程并行的仿真方法。因此，我們可以在仿真過程中設(shè)置多個時間斷點，通過改變假設(shè)條件來進行生產(chǎn)預(yù)測；同時，也可以進行回放分析，這在傳統(tǒng)仿真方法中是無法實現(xiàn)的。對多劇情仿真的管理由仿真劇情管理 agent 實現(xiàn)；同時，仿真參數(shù)和得到的結(jié)果也將作為知識保存在案例庫中。 調(diào)度因素分析 agent。接收來自數(shù)據(jù)采集模塊的實時生產(chǎn)線數(shù)據(jù)，比較仿真數(shù)據(jù)與生產(chǎn)數(shù)據(jù)的差異，如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則使用中心推理機分析原因，并將分析 的調(diào)度因素傳遞給優(yōu)化策略管理 agent，作為調(diào)整調(diào)度模型和算法的依據(jù)。同時，將調(diào)度因素反饋給數(shù)據(jù)采集策略agent，由后者按一定的策略完成下一步的生產(chǎn)線數(shù)據(jù)采集工作。 （三）動態(tài)數(shù)據(jù)注入單元 由數(shù)據(jù)采集策略 agent根據(jù)調(diào)度因素分析 a— gent反饋的結(jié)果生成下一步的數(shù)據(jù)采集策略，然后派出對應(yīng)的移動 agent 到生產(chǎn)制造 ems 系統(tǒng)中采集生產(chǎn)線上的生產(chǎn)數(shù)據(jù)。由于柔性制造系統(tǒng)生產(chǎn)線由上百個生產(chǎn)設(shè)備構(gòu)成，如果對所有的生產(chǎn)數(shù)據(jù)進行采集必然影響數(shù)據(jù)的采集效率，所以采用移動 agent 既縮短時間又提高數(shù)據(jù) 的精確性，同時還可以根據(jù)需要對數(shù)據(jù)作一定的預(yù)處理以縮小傳遞的數(shù)據(jù)量。 第 33 頁 共 34 頁 （四）用戶界面交互 agent 負(fù)責(zé)把仿真數(shù)據(jù)展示給用戶，同時，接收用戶對仿真模型或參數(shù)的控制。使用戶可以實時地控制仿真的整個過程，并利用仿真結(jié)果指導(dǎo)生產(chǎn)和數(shù)據(jù)采集過程。 模型運行機制 從圖 3 中可見，動態(tài)數(shù)據(jù)驅(qū)動仿真的過程與生產(chǎn)線的生產(chǎn)過程是并行進行的。仿真系統(tǒng)根據(jù)一定的時鐘節(jié)拍采樣生產(chǎn)線上的數(shù)據(jù)；然后，將仿真數(shù)據(jù)與生產(chǎn)線數(shù)據(jù)作比較，使用因素分析agent 分析原因。如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值 范圍，則調(diào)整仿真模型，重新進行仿真。其中，仿真模型根據(jù)動態(tài)注入的生產(chǎn)數(shù)據(jù)完成自適應(yīng)調(diào)整是整個 dddas 的核心，本文采用分層優(yōu)化的思想生成調(diào)度方案，同時達(dá)到全局和局部的優(yōu)化目標(biāo)。首先，將智能搜索技術(shù)與離散事件仿真技術(shù)相結(jié)合，得到上層的調(diào)度方案；然后，應(yīng)用優(yōu)化策略 agent 對仿真結(jié)果進行分析，找到進一步優(yōu)化的方向，利用啟發(fā)式調(diào)度規(guī)則進行方案調(diào)整得到下層的調(diào)度方案，并反復(fù)地使用仿真進行驗證。不僅下層的調(diào)度方案建立在上層調(diào)度方案的基礎(chǔ)上；同時，上層的調(diào)度模塊接受下層調(diào)度方案的局部優(yōu)化解作為啟發(fā)信息引導(dǎo)搜索過程，以加 快收斂，在較短的時間內(nèi)得到全局的優(yōu)化解。與傳統(tǒng)的靜態(tài)仿真不同， dddas 仿真能動態(tài)地吸收新的數(shù)據(jù)，并將仿真過程同真實系統(tǒng)相融合，讓二者相互協(xié)同起來。一方面，通過真實系統(tǒng)運行過程中產(chǎn)生的參數(shù)同步地對仿真系統(tǒng)進行調(diào)整，可 第 34 頁 共 34 頁 以大大提高仿真的準(zhǔn)確性、時效性、智能化；另一方面，通過仿真提供的數(shù)據(jù)同步地為真實系統(tǒng)地運行提供決策支持，這些將大大地擴展仿真系統(tǒng)的應(yīng)用能力。