⚡ electrical engineering

Circulatory Load-sharing Redundancy for Resource Single Point of Failure in Automated Manufacturing Systems Using Petri Nets

本文提出了一种基于 Petri 网的环形负载共享冗余技术，该技术通过在环形结构中相邻资源之间动态重新分配任务，增强了自动化制造系统对单资源故障的弹性，从而在不需要额外备份资源或造成运行损失的情况下实现了高恢复效率。

原作者： Ebrahim A. Alzalab, Adeeb A. Ahmed, Haithm M. Al-Gunid, Sadiq Ghalib

发布于 2026-08-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Ebrahim A. Alzalab, Adeeb A. Ahmed, Haithm M. Al-Gunid, Sadiq Ghalib

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

现代工厂依赖自动化系统来以惊人的速度移动零件、组装组件并包装货物。这些机器在一个紧密协调的节奏中工作，其中一个机器人将零件交给另一个，后者再将其传递给机器进行加工。整个操作取决于每一个组件是否都能履行其职责。如果一个机器人故障或一个传感器失效，整个流程都可能停滞。这不仅仅是一个小小的麻烦；生产线的停工意味着时间的损失、材料的浪费以及重大的经济损失。几十年来，工程师们一直试图通过增加备用机器来解决这个问题。如果主机器人失效，一台备用机就会接管。然而，为每一台机器购买并安装额外的硬件成本高昂，而且管理它们之间的切换可能会产生自身的复杂问题，有时甚至会导致系统完全冻结。

一个研究小组提出了一种处理这些故障的不同方法，这种方法避免了对额外备件的需求。他们建议不要增加新机器，而是将现有的不可靠机器人排列成一个圆圈。在这种设置中，每个机器人负责自己的工作，但也随时准备在邻近机器人停止工作时接管其工作。如果第一个机器人失效，第二个机器人就会介入。如果第二个失效，第三个会接管，以此类推，直到圆圈回到第一个机器人。这种被称为“循环负载共享冗余”的方法，使得系统即使在某个部件损坏时也能保持运行，而无需任何额外的硬件或复杂的控制层。研究人员使用计算机模型模拟了一个工厂车间，以测试这一想法是否真的能保持生产线的运转。

该研究聚焦于一种被称为“制造单元”的特定类型自动化系统，在这种系统中，多个机器人和机器共享资源来处理零件。研究人员使用了一种名为“Petri网”（Petri net）的数学工具来精确绘制这些系统的行为方式。可以将 Petri 网想象成一个详细的流程图，它追踪代表正在制造的零件的“令牌”（tokens）在各个生产阶段中的移动。这个工具使工程师能够预测系统可能卡住的地方，即所谓的“死锁”（deadlock）状态——在这种状态下，由于每台机器都在等待另一台机器，导致没有任何零件可以向前移动。在没有备份方案的标准工厂模型中，如果一个关键机器人失效，整个系统就会陷入停顿。代表零件的令牌会卡住，生产完全停止。

为了测试他们新的循环构想，研究人员构建了一个包含四个机器人和两台机器的数字化工厂模型。他们将四个机器人排列成一个环路，其中每一个都作为前一个机器人的备份。随后，他们模拟了一个机器人突然停止工作的场景。在没有冗余功能的传统模型中，故障导致系统立即停止，导致生产过程的恢复率为零。然而，当应用循环排列时，系统的反应截然不同。一旦第一个机器人失效，模型会自动将原本属于该故障机器人的任务转移到环路中的下一个机器人。第二个机器人承担了额外的工作，生产线得以继续运行。

模拟结果令人瞩目。当研究人员在运行过程中引入故障时，采用循环备份方案的系统能够恢复 90.5% 的正常产出。这意味着即使有一台机器人处于停机状态，工厂仍能生产绝大部分的零件。研究人员指出，这种韧性也是有代价的。在正常运行（即没有机器人损坏）期间，采用循环方案的系统每小时生产的零件略少于没有任何冗余功能的标准系统。产出从平均每小时 9.3 个零件下降到了 7.7 个。这种下降是由于管理备份逻辑带来的轻微开销，但研究人员认为，为了能在发生故障时保持 90% 的产能，损失约 17% 的正常速度是一个公平的权衡。

研究还考察了系统的复杂性。循环方法为计算机模型增加了几个额外的步骤，增加了系统需要追踪的转换次数，但它并没有需要任何新的物理机器。研究人员发现，即使在机器人失效时，系统依然保持稳定且不会陷入死锁。他们通过数学证明，只要一次只有一个机器人失效，系统总能找到推动零件前进的方法。这比以往依赖昂贵专用备份机器或容易出错且难以分析的分层系统的方法有了显著改进。

研究人员谨慎地指出了他们研究结果的局限性。他们的模拟假设在任何给定时刻只有一个机器人会发生故障。他们没有测试如果两个或更多机器人同时损坏会发生什么，因为那将需要更复杂的安排。他们还注意到，目前的模型在某些动作上使用了随机选择，而采用更确定性的方法可能会进一步提高速度。尽管存在这些局限性，这项工作展示了让自动化工厂更具韧性的清晰路径。通过仅仅重新思考现有机器如何连接以及如何相互支持，就可以构建出能够抵御故障且无需承担购买额外设备高昂成本的系统。研究结论认为，这种循环方法为在面对不可避免的机械故障时保持制造生产线的运转提供了一种切实可行且高效的方式。

技术摘要：用于自动化制造系统中资源单点故障的循环负载共享冗余技术（基于 Petri 网）

问题陈述
自动化制造系统（AMS）极易受到资源故障（如机器人、机器、传感器）的影响，这可能导致整个生产线停滞，从而造成巨大的经济损失和停机时间。虽然 Petri 网已被广泛用于建模和控制离散事件系统（DES）以实现可靠环境下的死锁避免，但在存在不可靠资源的情况下，这些控制策略会变得复杂。现有的容错方法，例如负载共享冗余资源（LSRR），通常依赖于专门的备份资源或层级切换机制。这些方法增加了硬件成本、提高了逻辑设计复杂度，并引入了优先级反转和控制开销等问题。此外，将专用备份方案扩展到具有多个不可靠资源的系统时，需要一对一的备份比例，这在经济上是难以承受的。本文解决的具体问题是：如何在不增加专用备份硬件或复杂的层级结构的情况下，为自动化制造系统中的多个不可靠资源实现容错，同时保持系统的活性（Liveness）和有界性（Boundedness）。

方法论
本文提出了一种**循环负载共享冗余恢复（C-LSRR）**技术。其核心方法论包含以下组成部分：

循环排列： 不可靠资源（ $R = \{r_1, r_2, ..., r_n\}$ ）被排列成循环拓扑结构（ $r_1 \to r_2 \to ... \to r_n \to r_1$ ）。在这种配置下，每个资源 $r_i$ 由其紧随其后的资源 $r_{i+1}$ 进行备份（其中 $r_1$ 作为 $r_n$ 的备份）。
Petri 网建模（从 US3PR 到 C-LSRR）： 系统使用 S3PR（带有资源的简单顺序过程系统）类的扩展版本——US3PR（不可靠 S3PR）进行建模。所提出的 C-LSRR 模型引入了一个不含抑制弧（Inhibitor Arcs）的循环开关子网。
- 故障/修复子网： 对于每个不可靠资源 $r_i$ ，添加一个局部的故障/修复子网，该子网由一个故障库位（ $fail_i$ ）、一个故障变迁（ $t_{fail, r_i}$ ）和一个修复变迁（ $t_{rep, r_i}$ ）组成。
- 变迁复制： 对于原网中消耗资源 $r_i$ 的每一个变迁 $t$ ，创建一个重复变迁 $t^{(i)}$ 。该重复变迁消耗备份资源 $r_{i+1}$ ，并需要 $fail_i$ 中的令牌才能触发。
- 运行逻辑： 在正常状态下，令牌驻留在资源库位中，启用原始变迁。发生故障时，令牌移动到 $fail_i$ ，禁用原始变迁并启用重复变迁，从而将工作负载重定向到圆环中的下一个资源。修复后，令牌返回资源库位，恢复正常运行。
监督控制（TGAL）： 为了确保系统在正常模式和降级（单资源故障）模式下均保持活性（无死锁）和有界性，采用了**全局思考、局部行动（TGAL）**算法。
- 为标称模式（所有资源正常工作）合成一个监督器。
- 为每种降级模式（单个资源故障）分别合成独立的监督器，此时失效的资源及其备份被视为一个合并的容量池。
- 通过移除冗余监控器（库位不变性），将这些监督器整合为一个统一的控制器。

主要贡献
本文概述了五项主要贡献：

循环冗余机制： 一种处理多个不可靠资源的创新冗余方案，该方案无需额外的备份硬件或层级结构，而是利用现有资源之间的相互备份。
无抑制弧 Petri 网模型： 一种正式的 Petri 网模型，利用循环开关子网来管理故障和修复变迁，且无需使用抑制弧，从而节省了计算资源。
形式化验证： 通过草拟证明和定义，确立了生成的 C-LSRR 网在发生单资源故障时仍能保持活性和有界性。
控制器合成： 应用并改进了 TGAL 算法，为 C-LSRR 网生成了能够应对正常状态和降级状态的活性强制监督器。
实验验证： 通过在标准 S4R 基准模型上的仿真结果，验证了该方法的有效性。

实验结果
该方法通过在包含 23 个库位、18 个变迁及 4 个不可靠机器人（ $R_1$ 至 $R_4$ ）和 50 个初始零件的 S4R 模型上进行仿真得到了验证。

基准性能： 非冗余 S4R 系统实现了 9.3 个零件的平均吞吐量。然而，一旦机器人 $R_1$ 失效，系统会完全停止运行（恢复率为 0%）。
C-LSRR 性能（正常状态）： 未发生故障的 C-LSRR 系统实现了 7.7 个零件的平均吞吐量，由于冗余机制带来的开销，这比基准性能下降了 17%。
C-LSRR 性能（故障状态）： 当 $R_1$ 在第 7,500 步发生故障时，C-LSRR 系统继续运行，平均吞吐量为 7.0 个零件。相对于非冗余系统的降级状态，这实现了 90.5% 的恢复率。
开销： C-LSRR 模型使库位数量增加了 17%（从 23 增至 27），变迁数量增加了 111%（从 18 增至 38）。仿真时间增加了 40%（从 3.2s 增至 4.5s），作者认为这在实际应用中是合理的。
对比： 90.5% 的恢复率优于非冗余方案（0%），并且在无需额外硬件成本的情况下，与现有的专用 LSRS 方案（文献引用为 77.8%）相比也具有竞争力。

意义与主张
本文声称 C-LSRR 为自动化制造系统中的容错提供了一种成本效益高且结构简单的解决方案。通过将资源排列成环形，系统能够在不使用专用备份硬件或复杂的层级控制结构的情况下，实现对单点故障的高韧性（90.5% 恢复率）。作者强调，正常吞吐量的轻微下降（从 9.3 降至 7.7 个零件）对于获得显著的系统可用性提升而言，是一个合理的权衡。该方法被呈现为专用冗余方案的有力替代方案，特别是在硬件成本受限的系统中。

局限性与未来工作
作者明确指出，当前方法假设一次仅发生一个资源故障；处理同时发生的多次故障属于未来的研究工作。此外，该研究依赖于随机变迁选择，作者建议采用确定性方法可以进一步提高吞吐量。未来的研究方向包括将该方法扩展到多重故障处理、通过确定性变迁优化吞吐量、在更复杂的模型上进行测试，以及集成用于故障预测的机器学习技术。

类似论文