近日，河海大学智能制造研究所顾文斌课题组在智能制造领域的著名学术期刊Robotics and Computer-Integrated Manufacturing上发表题为“Real-time data-driven dynamic scheduling for flexible job shop with insufficient transportation resources using hybrid deep Q network”的学术论文。

随着工业物联网在制造系统中的广泛应用，考虑有限资源约束的复杂制造系统的生产调度问题日益成为企业的一个迫切需求。同时，复杂制造系统在实际运行过程中容易发生各种动态干扰事件，进一步增加了系统运行的复杂性和不确定性。该研究针对多资源受限的复杂制造环境中柔性生产车间动态调度问题，建立了面向智能制造过程关键性能指标的多目标优化模型，并结合DRL方法，提出基于实时数据驱动的动态智能优化调度机制，实现了智能体在每个决策点能够根据车间的实时状态选择合理的调度规则，确保生产任务与制造资源之间的动态高效分配，有效降低了复杂制造系统动态多变生产环境对制造过程的不良影响。该项研究为复杂制造环境中数据驱动的智能制造系统研究提供了新见解，并为今后人工智能在智能制造领域的推广应用提供了新思路。

图1 复杂制造系统人工智能动态调度框架

该工作是团队近期关于复杂制造系统智能自组织机制相关研究的最新进展之一。近年来，团队对复杂环境中的智能制造系统自组织机制进行了深入研究，从自适应行为、交互、配置、生产控制等方面对智能自组织制造系统进行建模（包括数据）的机理、制备、性能改进及模型应用做了一系列的探索。近三年来，顾文斌团队在智能制造技术研究方向先后发表了SCI论文9篇，授权发明专利11项，软件著作权5项。

图2 智能体训练和验证过程

图3 动态调度结果对比分析

上述研究联合了南京航空航天大学相关学者，受到了国家自然科学基金（51875171）、江苏省自然科学基金项目（BK20201162）和教育部人文社科规划基金项目（21YJA630111）等项目的支持。

论文链接：https://doi.org/10.1016/j.rcim.2021.102283

（图文：顾文斌      审核：白建波）