A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory

在现代工厂繁忙的核心地带，生产的节奏往往由一只无形的手——调度表所支配。这份调度表是一个计划，决定了哪台机器在何时处理哪个零件，旨在尽可能快速且廉价地完成产品。几十年来，这些计划一直依赖于一套假设：即每一项工作都遵循工厂中一条严格且不可更改的路径，且完成一项任务所需的时间是一个预先已知的固定数值。然而，现实生活很少如此井然有序。机器会故障，工人会休息，生产速度也会随着一天中的时间或一周中的天数而变化。当调度表忽略这些波动时，就会产生瓶颈、浪费时间和交付延迟。工程师面临的挑战是创建一个能够实时察觉这些变化并立即调整计划的系统，将僵化的蓝图转变为灵活的、活性的策略。

为了解决这个问题，来自香港大学的一个研究小组转向了中国怀集的一家真实工厂，那里一家制造汽车发动机气门的公司已经安装了一套射频识别（RFID）标签网络。这些附着在流水线移动零件上的小型电子芯片，就像数字护照一样，自动记录产品走的每一步、谁处理了它以及它何时精确地完成了某项任务。通过收集超过41.3万条此类活动的记录，研究人员获得了一个关于工厂实际如何运作的罕见的、高清晰度的视角，而非理论上应该是如何运作的视角。他们利用这股海量的数据流揭示了传统规划方法所忽略的两个关键真相。首先，他们发现工人执行某些步骤的顺序并不是固定的。对于一种特定的发动机气门，团队发现工人经常交换操作顺序，例如将铣削和钻孔的顺序调换，而不会影响最终质量。其次，他们意识到完成一项任务所需的时间不是一个单一的数字，而是一个变量，其变化取决于诸如时间、是否为周末以及所使用的特定机器等因素。

凭借这些洞察，研究人员构建了一种新型调度系统，它不依赖于静态规则，而是从数据中学习。他们将发现的模式——灵活的序列和变化的速率——输入到一个基于深度强化学习的计算机程序中。这是一种通过试错来学习的人工智能，非常类似于玩家掌握一款复杂的电子游戏。在这种情况下，“游戏”就是工厂车间。AI代理被置于怀集工厂的一个虚拟模拟环境中，在该环境中，它被赋予了机器和作业的实时状态。它被允许做出决策，例如将特定作业分配给特定机器，或者等待更好的机会。每当它做出一次选择，它都会根据该选择在多大程度上有助于以最短总时间完成所有作业而获得反馈。通过数千次的模拟试验，该系统学会了应对真实工厂混乱状况的高级策略，并根据观察到的变化条件调整其决策。

这种方法的成果与目前行业内使用的方法进行了对比测试，包括简单的“先进先出”规则（即按到达顺序处理作业）以及更高级的计算机算法。在模拟中，由RFID数据和学习模型引导的新系统表现始终优于其他方法。它在476分钟内完成了一批二十个作业，击败了耗时485分钟的次优方法。虽然这个差距看似微小，但在高产量的制造业领域，每批次节省哪怕几分钟，都能转化为显著的效率提升和成本节约。这项研究表明，通过让调度系统通过数据观察工厂车间实际的、混乱的现实，而不是依赖理想化的假设，可以创建一个既更聪明又更快速的生产计划。这项工作表明，智能制造的未来不仅在于实现机器的自动化，还在于实现决策过程本身的自动化，使工厂能够顺应生产的自然起伏，而非与其对抗。