华中科技大学李新宇教授团队：考虑人机协同与多外协加工中心的柔性制造系统智能调度方法

华中科技大学李新宇教授团队：考虑人机协同与多外协加工中心的柔性制造系统智能调度方法 | CJME论文推荐

分享至

引用论文

Ziyu Zhang, Xinyu Li, Liang Gao, Qihao Liu, Qingsong Fan, Internal processing or outsourcing? An asynchronous meta-heuristic for dual-resource flexible job shop scheduling with multiple outsourcing centers, Chinese Journal of Mechanical Engineering, 100338, https://doi.org/10.1016/j.cjme.2026.100338.

(戳链接，下载全文)

关于文章

研究背景及目的

高端装备复杂结构件的制造具有多品种、变批量、定制化等特点，对生产系统的柔性与协同能力提出了更高要求。以人机协同为核心的柔性制造系统，通过发挥工人技能与机器能力的互补优势，为复杂制造任务的高效执行提供了重要支撑。然而，工人与机器在能力和时空上的耦合，使生产调度不再局限于机器分配，而是需要实现人机资源的协同决策。与此同时，当企业内部产能不足或缺少特定制造能力时，需要借助外协加工中心的专业设备与制造能力完成生产任务。外协加工中心通常具有独立的生产计划，其制造资源只能在特定服务时间窗内使用。由此，车间内部人机资源配置、外协资源利用与跨车间转运相互关联，形成了人机协同与外协加工并存的复杂调度环境。

针对上述问题，本研究从柔性制造系统出发，将人机协同需求、多外协中心的服务时间窗约束、跨车间转运以及订单释放与交付要求纳入调度框架，建立以最小化总加权拖期为目标的调度模型，并设计基于异步更新的增强型Memetic算法。研究旨在实现生产资源的高效协同与制造过程的时序优化，降低订单拖期风险，为复杂制造环境下的生产调度提供方法支持。

试验方法

针对由内部车间与多个外协加工中心共同完成生产任务的柔性制造系统，围绕其车间调度需求，提出考虑多外协中心的双资源柔性作业车间调度问题（DRFJSP-MO）。将工人与机器作为企业内部生产车间的关键资源，并考虑外协加工中心的服务时间窗约束。内部车间需要对具有不同技能的工人与机器资源进行协同调度，外协中心则按照各自的生产计划，在有限服务时间窗口内承接任务。在此基础上，构建以最小化总加权拖期为目标的调度模型，对生产任务排序、设备选择、人员配置及外协分配进行联合决策。

针对该问题，设计了基于异步更新的增强型Memetic算法（AUEMA）。首先，构建涵盖任务排序、设备选择和人员配置的三层编码方案，并设计惩罚解码策略，实现调度方案的高效表达。在此基础上，设计融合任务紧急度与制造难度的协同权重，引导算法优先排产影响订单交付的关键任务；采用异步更新机制，使新产生的优质可行方案及时参与后续搜索；进一步，基于资源耦合约束定义关键路径，并设计知识驱动的邻域搜索方法，提升算法局部开发能力。AUEMA兼顾了全局搜索与局部优化能力，能够在复杂约束下快速获得高质量调度方案。

实验结果

在30个不同规模的测试算例上，将AUEMA与6种代表性调度算法分别独立运行20次，从调度方案质量、求解稳定性和计算效率等方面进行综合比较。实验结果表明，所提方法在全部算例上均取得了7种算法中的最好调度方案，并在28个算例（93.33%）上获得最优平均结果，显著优于其他调度算法。同时，AUEMA多次运行所得结果的波动整体较小，表现出良好的稳定性。运行效率方面，随着问题规模和复杂度增加，AUEMA在保持较高求解质量的同时，仍能维持合理的计算开销。Wilcoxon秩和检验和Friedman检验进一步验证了其综合优势。

在某船舶结构件制造企业的实际生产案例中，与原有生产计划相比，AUEMA优化后的调度方案将总加权拖期降低56.05%，最大完工时间缩短23.20%，订单拖期率降低28.57%，表明所提方法能够有效降低订单拖期风险并缩短生产周期。

结论

研究表明，对于高端装备复杂结构件的柔性制造系统，将人机协同约束与外协加工中心的服务时间窗约束纳入调度框架，有助于提升其订单交付能力。针对考虑多外协中心的双资源柔性作业车间调度问题，本研究以最小化总加权拖期为目标，构建了统筹生产任务排序、机器选择、人员配置与外协任务分配的智能调度方法，通过惩罚解码策略、异步更新机制及知识驱动的邻域搜索实现了高效求解。

所提方法能够在合理的计算时间内稳定获得高质量调度计划，有效降低订单拖期风险并缩短生产周期。该研究将柔性制造系统的调度范围由内部资源调度拓展至内外部制造环节的协同决策，为复杂制造环境下的资源配置、生产组织与订单交付提供了可行的决策方法。

前景与应用

所提调度方法适用于多品种、变批量和定制化生产条件下的复杂制造场景，能够满足人机协同约束并利用外协加工能力，可为船舶、航空航天等高端装备复杂结构件的生产组织提供决策支持。企业可利用该方法辅助制定可执行的生产计划，提升制造资源利用效率，降低因资源冲突、外协衔接不畅造成的订单拖期风险，具有一定的应用前景。

从发展前景看，未来可进一步考虑工装、运输设备等制造资源，以及设备故障、订单变更等动态因素，研究生产扰动下的动态调度方法，提升调度方案对异常扰动的适应能力。同时，可探索与高级计划排程系统（APS）、制造执行系统（MES）和企业资源计划系统（ERP）的集成，将生产数据、资源状态与智能调度算法相结合，为跨车间、跨企业的协同制造提供调度决策支持。

关于作者

作者团队介绍

李新宇，博士，华中科技大学机械科学与工程学院教授、博导、副院长，青年长江学者，连续5年入选斯坦福大学发布的全球前2%科学家榜单。主要研究方向为智能制造系统、车间调度、智能优化与机器学习等。主持国基金企业联合重点、国家重点研发计划等国家级项目10余项。在IEEE/ASME Transactions等发表SCI论文100余篇，其中Engineering封面文章1篇，ESI热点论文6篇、高被引论文20余篇，Web of Science他引1.7万余次，被中、美、英、德等国100余个院士团队引用并正面评价。授权发明专利42项，登记计算机软件著作权28项，制定国家标准2项、中国机械工程学会团体标准1项、航天行业标准草案4项。研发了大模型赋能的智能制造系统调度引擎，通过了中国软件测评中心测试。获教育部自然科学一等奖2项、湖北省自然科学一等奖1项、中国仿真学会创新技术一等奖1项、中国产学研合作创新奖、国家级教学成果奖一等奖1项/二等奖1项等。

张滋雨，四川泸州人，华中科技大学机械科学与工程学院博士研究生。主要研究方向为智能调度、智能优化与智能制造系统。以第一作者发表学术论文11篇，其中SCI论文8篇，含ESI高被引论文1篇；申请发明专利6项，获“华为杯”中国研究生数学建模竞赛一等奖等竞赛奖励17项。

近两年发表文章

[1] Li Y, Yao Y, Liu Q, Li X, Gao L, Zhang X, Wu J. Deep reinforcement learning enabled intelligent decision-making methods for human-machine symbiosis manufacturing. Science China-Technological Sciences, 2026, 69(5): 1520303.

[2] Li H, Li X, Gao L, et al. Dynamic coordinated decision-making for integrated production and transportation in reconfigurable manufacturing systems via edge-enhanced heterogeneous graph reinforcement learning. Journal of Manufacturing Systems, 2026, 87: 133-153.

[3] Zhang Z, Qiu D, Li X, et al. A multi-critical-path co-driven evolutionary algorithm addressing the dual-resource flexible job shop scheduling problem with offline operations and job priority constraints. International Journal of Production Research, 2026, 64(11): 4310-4340.

[4] Huang J, Li X, Gao L. A Novel GA-CP Method for Fixed-Type Multi-Robot Collaborative Scheduling in Flexible Job Shop. IEEE Transactions on Automation Science and Engineering, 2025, 22: 13531-13543.

[5] Yang Z, Li X, Gao L. Decomposition-based co-evolutionary algorithm for integrated nesting and scheduling in additive manufacturing workshop considering multi-stage post-processing. Swarm and Evolutionary Computation, 2026, 107: 102456.

[6] Li J, Li X, Gao L, et al. A multitasking workforce-constrained flexible job shop scheduling problem: An application from a real-world workshop. Journal of Manufacturing Systems, 2025, 83: 196-215.

责任编辑：杜蔚杰

责任校对：向映姣

审核：张彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

本文为《机械工程学报》编辑部原创内容，欢迎转载！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网址：http://www.cjmenet.com.cn

官方微信号：jmewechat

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.