工程7（2021）798研究智能制造-文章随机订单下制造企业生产触发策略比较周龙飞a，张林b，张文，方亚军aa计算机科学和人工智能实验室，麻省理工学院，剑桥，MA 02139，美国b北京航空航天大学自动化与电气工程学院，北京100191阿提奇莱因福奥文章历史记录：2019年12月6日收到2020年9月26日修订2021年3月8日接受2021年4月30日在线提供保留字：协同制造生产触发优化模拟企业A B S T R A C T尽管新技术在制造系统中得到了广泛的应用，但由于客户需求的随机性，制造企业在保持高效和柔性生产方面仍然面临困难。快速的订单交付和低库存成本是根本上相互矛盾的。如何制定合适的生产触发战略是企业在动态环境中保持高水平竞争力的关键问题。本文研究了制造企业满足随机到达订单和降低库存成本的生产触发策略。提出了不同生产策略的统一理论模型和仿真模型，包括时间触发策略、事件触发策略和混合触发策略。在每个模型中，零件生产触发策略和产品装配触发策略都被考虑和实施。时间触发模型和混合触发模型也考虑了周期对系统性能的影响。研究结果表明，在合理设置时间段的情况下，混合触发和时间触发策略比事件触发策略©2021 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。1. 介绍传感器技术和物联网的快速发展使制造企业能够通过将其资源状态与其企业信息系统中的数据同步来更精确地感知制造资源和能力[1从全球的角度来看，基于云的技术允许不同制造企业之间更紧密的联系和更容易的协作。一些云制造服务平台已经建立，以制造服务的形式整合和共享来自不同企业的制造资源[3]。通过这些公共平台，企业能够发布其制造资源的实时信息，并根据客户的要求提供服务[4]。与此同时，这些平台上收集了更多不同的客户需求，这使得企业更难以创建生产计划以满足其不同的客户。*通讯作者。电子邮件地址：zhanglin@buaa.edu.cn（L. 张）。企业与客户的关系被定义为由平台、平台管理者、服务提供者和服务需求者组成的制造服务网络中服务提供者与服务需求者之间的关系[5]。任何企业或个人都可以成为服务需求者，平台，只要他们正在寻求合适的服务，以实现他们的制造要求。如果企业的资源或服务被允许在平台上发布并与其他潜在的服务需求者共享，那么企业就可以成为服务提供者。平台上的服务管理者通常是一家大公司，负责管理整个平台上的所有业务。服务经理通常更关心整个平台的结果和效率，而不是单个公司的生产性能，而单个公司更关心自己的生产。整个平台的效率通常可以通过统计指标来衡量，例如平均生产时间、平均服务利用率和平均维护成本。一些研究集中在协同制造服务网络中的全局优化问题，包括服务选择、服务组合和服务调度问题https://doi.org/10.1016/j.eng.2021.03.0122095-8099/©2021 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可从ScienceDirect获取目录列表工程杂志首页：www.elsevier.com/locate/engL.周湖，加-地Zhang和Y. 方工程7（2021）798799其中考虑了优化目标、算法和限制[6]。为了组织和优化制造资源，提出了一种基于分布式遗传算法的资源选择策略[7]。对于三维（3D）打印服务，基于3D打印模型的不同属性提出了匹配和选择策略，以实现更短的服务时间[8]。提出了一种通过生产控制提高多级制造系统能效的系统方法[9]。文献[10]建立了一个物流服务选择的数学模型和方法，以优化产品从制造商到需求商的交货时间此外，还提出了一种多级聚合服务规划方法来处理多粒度服务并满足提供商在服务组合方面，文献[12]提出了一种处理时间关系的资源-服务链组合算法见参考文件[13]，提出了一种面向经验知识的遗传算法来解决最优服务组合问题。对人工蜂群算法进行了修改，以处理服务组合问题中不同目标之间的冲突[14]。在服务调度方面，提出了一种3D打印服务的调度方法，以减少平均任务交付时间[15]。提出了一种多任务调度模型，以考虑任务工作量、服务效率和服务量[16]。此外，学者们还研究了物流服务的调度问题[17]和动态服务调度问题[18]。实时随着传感器和数据同化技术的迅速发展，越来越多的实时数据可用于离散事件模拟，以实现在线模拟和决策[19，20]。基于事件调度仿真方法[21]开发了车辆总装系统的仿真模型。动态数据驱动的仿真方法在处理实时制造服务调度问题方面表现良好[22，23]。以前的研究很少探索不同的生产策略，允许一个企业进行适当的生产计划，在协同制造环境。但是，每个企业总有自己的目标，一般与自身的生产业绩有关。对于制造企业来说，如何在低库存成本和快速订单交付之间保持平衡是一个有趣的问题。如何在生产时间和库存成本之间找到一个较好的平衡点，对制造企业具有重要的参考价值。一方面，企业要想尽快生产和交付产品，就需要提前准备足够的零部件和产品，以便能够及时满足随机到达的订单。但这些准备好的零部件和产品需要在库存中存放数天甚至数月，这必然导致更高的库存成本。另一方面，如果企业想降低其库存成本，一种可能的方法是只有在收到客户的一定订单后才开始生产。然而，这种策略可能会导致订单交付延迟，这可能会降低客户满意度。准时制（JIT）和准时制（JIC）库存管理是两种典型的库存管理策略。JIT的核心理念是让制造商随时拥有合适的库存以满足当前需求，同时减少过剩，从而避免额外的库存成本[24]。JIT策略要求制造商准确预测需求，以尽可能降低库存成本[25]。相比之下，当使用JIC策略时，制造商制造足够的零件和产品并将其保存在库存中，以便随时满足尽可能多的客户订单。因此，JIT的目标是降低库存成本，而JIC的目标是加快订单交付。已经考虑了确定产品购买量和时间的问题，同时最小化物流成本和材料库存成本之和[26]。以往的研究主要集中在对不同的生产和库存管理系统进行定性分析或数据统计本文提出了时间触发策略、事件触发策略和混合触发策略的统一理论模型此外，基于这些多个仿真模型进行各种生产策略的仿真，以确定生产触发策略对库存成本和订单交付时间的影响更具体地说，我们提供了一个生产触发问题的数学模型时间触发、事件触发和混合触发策略）。对于每种类型的生产触发策略，我们建立了流程模型并进行模拟，以测试其在生产时间和库存成本方面的性能。令X和r分别表示在一定时间内订单到达的数量和订单到达率假设X~Pois（r），这意味着X服从泊松分布。仿真结果表明，在选择合适的时间周期（1/r）时，时间触发策略和混合触发策略比事件触发策略获得更快的订单交付时间和更低的库存成本本文的其余部分组织如下。在第2节中，我们分析了生产过程，并提供了一个数学描述的问题。在第三节中，我们提出了三种类型的生产触发策略，并建立了它们的仿真模型。在第4中，进行模拟以比较各种生产触发策略的性能。最后，第5讨论了结论和进一步的工作。2. 问题公式化2.1. 制造服务网络协同制造环境中服务提供者和服务需求者之间的关系可以通过一个复杂的制造供需网络来描述。企业通常充当服务提供商，根据其制造资源和能力提供多种类型的制造服务。制造服务可以用服务粒度模型来描述，以表示制造服务的不同层次。最简单的服务被称为单位服务;这些总是由单一的制造机器或工具提供。多单元服务可以组合以形成能够执行更复杂的制造功能的复杂服务。本文考虑了一个制造服务的高级模型，在该模型中，企业被封装为单个服务，其输入和输出分别是客户的订单和已完成的产品。本文旨在研究随机投入情况下，企业内部不同的生产策略对产出绩效的影响。一方面，由于制造服务的灵活性，制造服务通常可以执行多种类型的子任务。例如，企业可能提供计算机数控（CNC）加工服务，这是一种非常典型的制造服务。此CNC加工服务可能支持多个加工任务，例如圆柱、圆锥、球体、螺纹、平面、凹槽、齿轮和孔任务。另一方面，特定的子任务类型可以由不同的制造服务执行，因为不同的公司可能会竞争提供相同类型的服务。基于以上分析，制造服务与子任务之间的映射关系是多对多的关系还有不同种类的不确定性，例如随机到达的订单和随机的服务故障。通常L.周湖，加-地Zhang和Y. 方工程7（2021）798800X单位时间内的订单到达数量基本上服从泊松分布Pois（r），其中r是订单到达率。当订单到达制造平台时，根据订单的类型将其匹配到平台中的某种类型的制造服务。图图1显示了一个简单的协同制造服务网络，其中有两个服务需求者和两个服务提供者。可以看出，需求者D1向制造平台提交订单O1，并且平台将该任务分配给供应商P2。因此，基于这种匹配，建立了提供者P2和需求者D1之间的供应商P2在完成订单O1的生产过程后将订单O1的产品交付给需求方D1。此外，需求者D2将其订单O2提交给平台，平台将O2分配给供应者P1。因此，供应商P1和需求商D2之间的供应商PP1在完成O2的生产过程后，将订单O2的产品交付给需求方D2。2.2. 生产过程生产过程可以简单地分为几个主要步骤，包括材料输入，零件生产，零件存储，产品组装和产品存储。对于企业来说，来自客户的订单可以看作是制造系统的信息输入，而物料可以看作是物理输入。材料来自供应链的上游供应商，而订单来自供应链的下游客户。产品是制造系统的输出对于一个企业。在生产过程完成后，包括零件生产和产品组装，产品存储在产品仓库;最后，他们交付给客户。图2简要介绍了一家电子组装制造企业从材料（左侧）到产品（右侧）的生产流程。物料仓库中不同类型的物料有不同的物料池。在电子组装制造业中，材料主要包括印刷电路板和电子元件。当制造系统开始生产过程时，材料被自动输送到零件生产线。在零件生产线上，材料被加工成不同种类的零件。特别是对于电子组装工业，电子部件通过表面贴装技术线安装在印刷电路板上以制造不同类型的部件。 然后将生产的零件运输到零件库存以备将来使用。产品装配线从零件库存中取出一定数量的零件并将其装配成产品。产品组装完成后，存储在产品库存中。最后，产品通过物流配送到客户手中，完成订单。2.3. 数学描述在动态环境中，给定随机到达的订单，需要选取一定的时间段进行分析。令ts和te分别表示所研究的整个持续时间的开始时间和结束时间。设Oi表示第i个到达订单，它在时间Ai到达.在订单Oi到达之后，制造系统由触发策略触发，并且制造系统立即开始执行Oi的生产过程。Oi的产品是在制造系统完成其整个生产过程（包括零件生产和产品组装）后生产的。2.3.1. 优化目标在本研究中，我们主要考虑该问题的两个优化目标：订单交货时间和库存占用。令Ci表示订单Oi的完成时间;然后，订单交付时间的优化目标可以由等式给出。（一）.Fig. 1.由两个服务需求者和两个服务提供者组成的制造服务网络。minAi2½ts;teCi-AiNð1Þ图二. 制造企业的基本生产流程。L.周湖，加-地Zhang和Y. 方工程7（2021）798801-te-ts- -其中，N是在时间[ts，te）期间到达制造系统的所有订单的数量，并且N的定义由等式2给出。（二）、NjfOjjAj2½ts;tegj2因此，订单交付时间的优化目标也可以写成等式（1）所示。（三）、触发到达时间函数;然后模型获得该订单的到达时间。在模拟中，我们将到达率r设置为0的情况。5在多个仿真模型中。当我们运行模拟时，来自客户的订单是根据到达时间函数随机生成的。minXCi-Aið3Þ3. 生产触发战略Ai2½ts;tejfOjjAj2½ts;tegj库存占用的优化目标包括零部件库存和产品库存。设Ipart（t）和Iprod（t）分别表示在时间t的零件库存占用和产品库存占用平均库存占用量的计算方法是将时间ts和te之间的总库存占用量除以（tets）。等式（4）和（5）分别提供了平均零件库存占有率和平均产品库存占有率在制造服务网络中，服务提供商需要根据订单到达和服务可用性等系统状态动态调整其生产策略生产触发战略是制造企业最重要的生产战略本节介绍了三种类型的生产触发策略：时间触发策略、事件触发策略和混合触发策略。设Tpart（i）表示第i个部分的触发时间，用Tprod（j）表示第j个产品的触发时间。一最小ZteI部分不确定tS因此，生产触发策略可以通过以下方式完全定义：4最小ZteI生产成本53.1。 时间触发策略tste-ts在实际生产中，订单交货期和库存成本是相互矛盾的。有必要调和它们，并为每种情况找到适当的平衡点。3.1.1. 订单到达时间分布在所有仿真模型中，每个时间段的订单到达数X服从相同的Pois（r）。因此，X~Pois（r），如等式（1）所示。（六）、在大规模生产模式下，公司通常根据生产计划定期生产批量零件和产品。批量生产模式是一种时间触发的生产策略。在时间触发的生产策略中，零件生产和产品装配过程都在一定的时间内周期性地发生。在时间触发模型中，企业根据特定的时间段执行生产，不考虑订单到达。分开，戳代表触发器-零件生产的启动期和产品个poiRK在每个时段内，请查看k个订单。ð6Þ组装，分别。时间触发策略由部分触发时间Tpart（i）和产品触发时间其中r是模型中的到达率，实际上是每个时间段的平均订单数。设Bi表示Oi到达和Oi-1到达之间的间隔时间。然后，Bi由等式定义。（七）、Bi¼Ai-Ai-17其中A0= 0且i≥1。在模拟模型中，Bi服从指数分布Exp（r），定义为Bi~Exp（r）。B1的累积分布函数由方程给出。（八）、FBi;r1-e-Bir8图3示出了到达时间功能块的详细结构。到达时间函数的输入和输出分别是到达率和到达时间。每次订单到达（i），其由等式（2）示出。（9）和（10）。T部分Tprodii·sprod10图图4示出了时间触发的生产策略的模型。在图的左侧开始处，有一个触发部件生产线以执行部件生产过程的部件触发器在零件生产线完成零件后，它们被运送到零件仓库。零件库之后是产品装配线，它们在每个时间段之后执行在产品组装线组装产品后，它们被存储在产品存储中。一旦有一个产品匹配的订单中，图三. 仿真模型中的到达时间功能块。不Tpart（i）和Tprod（j）。L.周湖，加-地Zhang和Y. 方工程7（2021）798802见图4。 时间触发生产策略模型。FIFO：先进先出; n：数量; d：出发; a：到达。产品存储，匹配的产品将交付给该订单的客户。产品交付部分执行订单匹配处理和产品交付处理。可以看出，在时间触发生产模型中，零件生产和产品装配都是由一定的时间段触发的零件生产线在每个时间段内生产一定数量的不同类型的每批零件完成后立即产品装配线在每个时间段内也生产一定数量的产品。完成的产品立即存入产品仓库。请注意，零件生产和产品组装的时间段通常彼此不同，即使在同一企业内也是如此。这两个时间段通常与特定的行业、产品类型和生产节拍有关。在该模型中，当收到订单时，产品从产品仓库交付给如果一个订单没有足够的产品，送货服务将等到生产出足够的产品因此，生产过程不会受到订单到达的影响即使仓库中储存了足够的产品，生产过程也会按照一定的时间段继续进行;即使仓库中没有足够的产品，生产过程也不会加速。3.2. 事件触发策略在个性化定制生产模式下，企业通常基于事件触发策略来制定生产计划，即根据客户的订单来确定产品的规模和类型在事件触发生产模式中，零件生产流程由订单到达触发。令T部分（i）表示部分触发时间，如等式（1）所示。（十一）、T部分iAi11订单Oi的产品装配流程仅在至少有一条产品装配线可用并且零件库存中Oi之前没有其他零件时才被触发。设Spart（i）和Sprod（i）分别表示Oi当i= 1时，O1的产品装配触发时间是O1的到达时间加上零件生产时间Spart（1），其由等式2定义。（十二）、T产品编号1A1S零件编号1 B 12 B当i≥2时，Oi的产品装配的触发时间Tprod（i）定义在一个递归函数中，该递归函数由等式（1）定义。（13）、（14）和（15）。T产品最大值fAiS部件最大值;a;bg最大值13磅哪里a14T部件1/2i-1/2 s部件1/2i-1/2 s 14 sb¼Tproducti-1000Sproducti-1000 1500事件触发的生产策略的模型如图5所示。与时间触发的生产策略不同，在事件触发的生产模型中，零件生产活动和产品装配活动都由特定的特别是，当订单到达时，将根据订单的类型和数量然后零件生产线开始根据生产计划生产相应的零件。在零件生产线完成零件零件库之后是产品装配线，它执行产品装配过程。在产品组装线组装好产品后，它们被储存在产品仓库中。一旦在产品存储中存在与订单匹配的产品，则匹配的产品将被交付给该订单的客户。产品交付部分执行订单匹配处理和产品交付处理。可以看出，事件触发模型中的仓库总是用来临时存放零件和产品。一旦产品装配线接收到零件，装配就开始了。每件产品到达产品仓库后将通过物流交付给客户3.3. 混合触发策略混合触发生产策略的生产模型如图所示 。 六、与时间触发的生产策略不同，L.周湖，加-地Zhang和Y. 方工程7（2021）798803图五. 事件触发生产策略模型。见图6。混合触发生产策略模型。release：释放。在事件触发生产策略中，混合触发生产模型中的零件生产过程是时间触发的，而产品装配过程是事件触发的。在这个模型中，零件生产线在每个时间段内生产一定数量的部件生产的时间段由T部件（i）表示（十六）、T部分每批零件生产后存放在零件库产品装配线仅由来自客户的到达订单触发。当订单到达时，产品装配线请求所需的零件，如果零件库中有足够的零件来生产所需的产品，则开始生产如果没有足够的零件，产品装配线将等待，直到零件生产线生产出足够的零件。在混合触发策略中，产品组装件对于Oi的触发时间Tprod（i）由等式2定义（17）下面，其中a和b由方程定义（14）和（15）。T产品最大值fAiS部件最大值;a;bg最大值17 mm在混合触发模型中，订单到达不影响零件生产过程，但影响产品装配过程。混合触发模型中的产品仓库用于临时存储产品，因为所有存储的产品一旦生产出来就会立即从仓库交付给客户。4. 仿真为了测试这些策略的性能，我们设计了不同的模拟实验，并调查随机到达的订单下的生产触发策略对生产性能的影响。我们为不同的触发策略构建仿真模型，然后通过SimEvents运行多个仿真。L.周湖，加-地Zhang和Y. 方工程7（2021）7988044.1. 场景在这个案例研究中，有五个企业作为不同的服务提供商在制造服务网络。我们为这五家企业建立了五个模型，以便进行模拟。每个模型的模拟时间设置为1000个时间段。每个仿真模型包括零件触发、零件生产、零件存储、产品装配、产品存储、客户、订单列表和产品交付等基本模块。表1列出了所有仿真模型的订单到达率、零件触发器和产品触发器。结果表明，模型-1、模型-2和模型-3是时间交错的。模型1、模型2和模型3的时间周期各不相同，用于研究时间周期对生产绩效的影响。Model-4为混合触发：零件生产线由周期为2的时间触发，产品装配线由到货订单触发Model-5是事件触发的，因此零件生产线和产品装配线都是由到达订单触发在这些仿真模型中有两种触发器：零件触发器和产品触发器。部件触发器应用于事件触发模型（Model-5），产品触发器应用于混合触发模型（Model-4）。所有五种生产型号的产品库存容量均设置为100。部件库存容量被设置为“inf”（即，无限）的所有五个生产模型。模拟过程中的到货订单数量如图所示。7.第一次会议。4.2. 结果在模拟过程中，我们统计了每种生产模式的各种数据，以比较不同策略的任务交付和在任务交付方面，我们比较了这五种生产模式之间的两个指标：等待列表中的订单数和完成订单数。在库存成本方面，我们比较了这五种生产模式之间商店中的零件数量和商店中的产品数量。因此，在不同的生产触发策略之间，我们从四个方面进行比较：等待列表中的订单数量、完成的订单数量、商店中的零件数量和商店中的产品数量。这些评价指标的定义如下：等待列表中的订单数量是图1和图2中订单列表中的订单数量。 4-6分。等待列表中的订单数量实际上是输入订单的数量（即，客户提交的到达订单的数量完成的产品数量）。已完成订单数量是指已完成并交付给客户的所有订单数量 这个值实际上等于图1和图2中终止符的输入数。4-6分。一个订单只有在成品与该订单匹配后才被视为完成。存储中的部件的数量是图1和图2中的部件存储中的部件的数量。4-6目前存储区中的零件数等于从零件中生产的零件数表1仿真模型的参数设置。模型序到达部分触发产品触发器M-1Pois（0. 第五章）时间（周期= 1）时间（周期= 1）M-2Pois（0. 第五章）时间（周期= 2）时间（周期= 2）M-3Pois（0. 第五章）时间（周期= 3）时间（周期= 3）M-4Pois（0. 第五章）时间（周期= 2）事件M-5Pois（0. 第五章）事件事件见图7。 模拟期间提交的订单数生产线减去用于产品装配的零件数量。存储中的产品数量是图1和图2中的产品存储中的产品数量。 4 -6目前店内的产品数量等于产品生产线组装的产品数量减去根据订单交付给客户的产品数量。图8显示了五种生产触发模型之间等待列表中订单数量随时间变化的结果比较。结果表明，时间触发（period = 1，per-iod = 2）模型和混合触发模型的等待订单数在仿真过程中的变化远小于时间触发（period = 3）模型和在时间触发（周期= 3）模型和事件触发模型中，在模拟时间结束时（te= 1000 h），等待列表中的订单数量分别达到170和90。这一结果表明，时间触发（周期= 1，周期= 2）模型和混合触发模型的等待列表中的订单数在时间结束时收敛，而时间触发（周期= 3）模型和事件触发模型的等待列表中的订单数不收敛。图图9显示了五种生产触发模型之间的一段时间内完成订单数量的结果比较。结果显示，所有五个订单中完成的订单数量见图8。不同生产模式下等待订单数的比较。L.周湖，加-地Zhang和Y. 方工程7（2021）798805见图9。不同生产模式下完成订单数量的比较。在整个模拟过程中，生产模型从开始（ts= 0 h）到结束（te就完成订单的数目而言，较短周期的时间触发模式（即，period = 1和period= 2），并且混合触发模型在整个过程期间执行几乎相同有时（在t=500 h和t= 600 h之间），最短时间触发模型（周期= 1）的性能略好于时间触发模型（周期= 2）和混合触发模型。在完成订单数量方面，较长周期时间触发模型（周期= 3）和事件触发模型的表现都不如较短周期时间触发模型（周期= 1，周期= 2）和混合触发模型。图10示出了五个生产触发模型之间随时间推移的库存中的部件数量的结果的比较。结果表明，从开始时刻（ts= 0 h）到600时刻（t=600 h），所有5种型号的库存中的零件数量几乎总是接近于0。从时间600（t= 600 h）到结束时间（te= 1000 h），时间触发（period =2，period = 3）模型和事件触发模型仍然保持接近零部件库存。然而，混合触发模型的库存中的部件数量在t= 600 h后出现波动此外，时间触发（周期= 1）模型的库存中的零件数量在t= 600 h后迅速增加因此，时间触发（周期= 2，周期= 3）模型和事件触发模型在零件库存的性能方面表现得非常好，而混合触发模型的性能是合理的，尽管不理想;然而，时间触发（周期= 1）模型的性能非常差。图11示出了五个生产触发模型之间的库存中的产品数量随时间的结果的比较。结果表明，时间触发（周期= 2，周期= 3）模型，混合触发模型，和事件触发模型表现出色，虽然时间触发（周期= 2）模型表现出小波从t= 650 h到t= 950 h。与其他四个模型相比，时间触发（周期= 1）模型的性能是非常差的产品库存。时间触发（周期=1）模型的库存中的产品数量在时间t= 600时达到其最大库存容量值100（如第4.1节4.3. 讨论仿真结果表明，生产周期是时间触发生产策略的关键因素。在这种策略中，企业在制定生产计划时不考虑订单到达情况。在本研究中，仿真模型中的订单到达率r设定为0。5. 因此，单位时间内到达的订单数为1/r = 2。当时间触发策略的时间部分和时间部分被设置为2时模型-2），该模型在订单交付时间和库存占用率方面表现良好，仿真结果表明当spart= 1且sprod= 1时（例如，模型-1），时间触发模型在订单交货时间方面表现良好，但零件库存占用率和产品库存占用率远高于其他策略，如图2和图3所示。10和11号。当spart = 3和sprod = 3时，如模型3所示，时间触发模型在库存占用率方面表现出良好的性能，但在同一时间内交付的订单数量远少于其他策略，如图1A和1B所示。8和9，这意味着该模型表现出比平均订单交付时间更长的时间。事件触发型生产策略具有最低的库存占用率，从而导致最低的库存成本，如图11和图12所示。10和11号。然而，事件触发策略比时间触发策略（周期= 1，周期= 2）和混合触发策略见图10。不同生产模式下库存中零件数量的比较。见图11。不同生产模式下库存产品数量的比较。L.周湖，加-地Zhang和Y. 方工程7（2021）798806策略，虽然它比时间触发策略（周期= 3）稍好，如图2所示。第8和第9条。混合触发策略产生令人满意的订单交货时间。虽然存在一些局部波动，但该策略总体上表现令人满意。此外，混合触发策略在零件库存占用率和产品库存占用率方面表现良好。特别是在产品库存方面，混合触发策略表现出最好的性能，如图所示。 十一岁因此，混合触发生产策略是平衡订单交货时间和库存成本的明智选择综上所述，如果订单到达时间服从泊松分布Pois（r），那么制造服务网络中的制造企业应该选择混合触发策略或周期s= 1/r的时间触发策略，因为这两种生产策略在订单交付时间和库存成本方面都表现良好。应用这两种策略中的任何一种都可以在订单交付时间和生产成本之间提供良好的平衡周期s> 1/r的时间触发策略和事件触发策略的库存成本较低，但订单交付时间较长，导致客户满意度较低。周期为s1/r的时间触发策略在短订单交货期方面表现出较好的性能，但在生产过程中会占用大量的库存5. 结论针对动态协同制造环境下的生产触发问题，提出了随机到达订单下制造企业的三种生产触发策略建立了这三种生产触发策略的仿真模型，并进行了仿真，以研究它们在订单交付时间和库存成本方面的性能。此外，对于时间触发和混合触发策略，我们改变了周期，以研究周期对系统性能的影响。模拟结果表明：①混合触发衬底-gy和周期s= 1/r的时间触发策略显示bet-②周期s> 1/r的时间触发策略和事件触发策略具有较低的库存成本和较长的订单交付时间;③以s1/r为周期的时间触发策略表现更好在订单交付时间方面表现良好，但在库存成本方面表现不佳未来的工作之一是根据生产过程和零件类型与产品类型之间的映射关系设计更详细的生产模型。另一个方向是研究更复杂的制造服务网络，如云制造和社会制造环境。确认本课题得到了国家重点研发计划（2018YFB1701600）和国家自然科学基金（61873014）的资助。遵守道德操守准则周龙飞、张琳和方亚军声明，他们没有利益冲突或财务冲突需要披露。引用[1] ZhangL，Luo Y，Tao F，Li BH，Ren L，Zhang X，et al. 云制造：一种新的制造模式。Enterprise InfSyst 2014;8（2）：167-87.[2] ZhongRY，Xu X，Klotz E，Newman ST. 工业4.0背景下的智能制造：综述。Engineering2017;3（5）：616-30.[3] 周军，李平，周勇，王宝，臧军，孟立.迈向新一代智能制造。工程2018;4（1）：11-20.[4] 周丽，张丽，赵春，来丽，徐丽。云制造中针对个性化需求的多样化任务调度。 企业信息系统2018;12（3）：300-18.[5] 吴杰 对网络新技术发展的思考。中国科学院信息科学2018;61（10）：101301。[6] 作者：Chen FF.云制造中的服务优化选择与组合：一项综合研究。Int J Adv ManufTechnol 2018;97（1- 4）：795-808。[7] 王丽，郭松，李晓，杜波，徐伟.云制造中的分布式制造资源选择策略。Int J AdvManuf Technol 2018;94（9- 12）：3375-88。[8] 周丽，张丽，任丽，来丽.云制造中分布式3D打印服务的匹配与选择。在：2017年IEEE工业电子学会第43届年会上的论文集。2017年10月29日至11 月1日;中国北京。New York：IEEE; 2017.p. 4728- 33[9] Li Y，Chang Q，Ni J，Brundage MP.基于事件的节能制造系统监督控制。IEEETrans Autom Sci Eng 2016;15（1）：92-103.[10] 周丽，张丽，任丽.云制造中物流服务选择的建模与仿真。Procedia CIRP2018;72：916-21。[11] 余春，张伟，徐翔，季勇，余胜.基于数据挖掘的云制造多级聚合服务规划。 J Intell马努夫2018;29（6）：1351-61年。[12] 李华，陈国成，梁明，罗翔。云制造资源服务链的构成。IEEE Trans IndustrInform2016;12（1）：211-9.[13] 李婷，何婷，王忠，张勇.云制造环境下面向大规模定制的物联网服务优化组合方法。I E E E Access2018;6：50572-86.[14] Zhou J，Yao X，Lin Y，Chan FT，Li Y.云制造多目标服务组合的自适应多种群差分人工蜂群算法。Inf Sci2018;456：50-82.[15] 周丽，张丽，来丽，赵C，肖英. 云制造中分布式3D打印服务的多任务调度。Int JAdv Manuf Technol 2018;96（9- 12）：3003-17.[16] 刘永，徐霞，张玲，王玲，钟瑞英. 云制造中基于工作负载的多任务调度。 机器人计算机集成制造2017;45：3-20.[17] [10]杨文军，杨文军，杨文军. 考虑运输因素的云制造服务选择优化和调度：混合整数规划模型。Int J Adv ManufTechnol 2018;95（1-4）：43-70.[18] 周丽，张丽，萨克尔BR，来丽Y，任丽。云制造中随机到达任务的事件触发动态调度方法。Int JComput Integrated Manuf 2018;31（3）：318-33.[19] Hu X，Wu P.离散事件模拟的数据同化框架。ACM跨模型计算模拟2019;29（3）：17.[20] 张丽，周丽，任丽，来丽.智能制造中的建模与仿真。Comput Ind2019;112：103123.[21] ZhaoY，Yan CB，Zhao Q，Huang N，Li J，Guan X. 基于聚合事件调度的物流装配系统高效仿真方法. IEEE Trans Autom Sci Eng 2009;7（4）：762-75.[22] Keller N，Hu X.面向移动代理系统的数据驱动仿真建模。ACM跨模型计算模拟2019;29（1）：1-26.[23] Zhou L，Zhang L，Ren L，Wang J.基于动态数据驱动仿真的云制造服务实时调度。IEEE Trans Ind Inform2019;15（9）：5042-51.[24] ChengT，Podolsky S. 准时制制造：导论。柏林：施普林格科学&商业媒体，1996年。[25] 吕志，林平，郭德，黄国庆。从零库存准时生产走向零仓储智能制造。机器人计算-集成制造2020;64：101932。[26] Kang JH ， Kim YD. 两 级 供 应链 中 库 存 与 运输 管 理 的 协 调 。 Int J Prod Econ2010;123（1）：137-45。
我的内容管理
展开
