基于工业物联网的工程机械装配车间MES系统开发

摘要

　　随着制造业市场竞争越来越激烈，以生产订单为核心的制造企业开始逐步向多品种、变批量化、周期缩短化、精益化生产的方向发展。传统人岗配置方式因缺乏科学评价体系、易受人为主观意识等影响，导致人不能尽其用、生产效率低下：传统排产方式因人工计算能力有限，难以获得多约束条件下复杂生产模式的最优排产方案。故本文以工程机械装配车间MES系统中多技能人员调度和排产安排为主要研究对象，对其效益最大化问题进行数学建模和实例仿真验证。本文主要研究内容如下：

　　一、 针对装配线传统人员配置方式易受人为主观意识影响，且班组长对人员能力认知有限，无法实现人岗配置最优化问题，以多技能人员在装配过程中的时间效率、合格率和完成率等加工数据作为评价指标。采用客观赋权法中的嫡值法确定各评价指标的权重系数，提出多技能人员各技能胜任力指致计算方法，以装配线总胜任力指数值最大化为目标，构建以人岗配置关系为约束的多技能人员调度优化模型，提出一种改进匈牙利算法求解人员调度优化模型，实现装配线多技能人员与工位之间人岗配置最优化。以M公司多型号MCV混流装配线人岗配置为实例，仿真结果表明改进匈牙利算法能有效解决装配线多技能人员人岗配置最优化问题，有效避免资源浪费，生产效益提高10.95%-12 86%.

　　二、针对工程机械多型号产品混流装配线约束条件复杂，人工排产计算能力有限，难以获得最优排产方案的问题，通过对混流装配线的排产调度问题进行广义描述，以多型号产品混流装配最大循环完工周期最小为优化目标，构建混流装配线的排产调度优化模型，结合遗传算法的快速收敛特性和模拟退火算法的Mtopois 判定准则澄出局部最优的特性，提出一种遗传模拟退火算法求解混流装配线的接产调度优化模型，实现多型号产品混流装配线的排产优化。以M公司工程机械装配车间中多型号MCV混流装配线的排产安排为实例，仿真结果表明遗传模拟退火算法能有效解决混流装配线排产安排最优化问题，混流装配循环周期缩短3.min-43.min,生产效益提高18.2%6-23%.

　　三工程机械装配车间MES系统开发。系统自下而上分为：数据库层、服务器层、数据访问层、业务逻辑层、用户界面层和前端u1层。数据库层主要对系统的各类数据进行动态管理和实时更新：服务器层为系统的正常运行以及系统软硬件的交互提供了顶层，支持；数据访问层通过将业务具体化表现，实现上层业务与下层数据库之间的信息交互：业务逻辑层主要对系统具体功能进行逻辑算例的处理，及时响应前端用户指令：用户界面层与前端UI层主要包括生产管理、质量管理、库存管理、设备管理和基础数据管理等模块，用户只需根据需求选择相应模块中的功能进行操作，业务逻辑层将及时做出响应。

　　关键词：装配线：胜任力指数：多技能人 员调度：排产调度： MES系统

Abstract

　　With the increasingly fierce competition in the manufactural market, manufactural  companies with production orders as the core have gradually begun to develop in the drction of  multi-variety, variable batch size, cycle shortening, lean production. Due to the lack of a scientifie  evaluation system and sbjective avareness, the tadional way of manning job llocationo results  in people unable to make the most of their work and low production eficiency. Traditional  scheduling mcthods are dificult to obtain optimal scheduling plans under muliple constraints  due to limited manual computing apbilie. Therefore, this paper takes the mulisilled  personnel scheduling and scheduling method in the MES system of the construction machinery  assembly workshop as the main research objeet and conducts mathematical modeling and  example simulation to verify is benefit maximization. The main rescarch contents are as follows:

　　Firstly, Aiming at the problem that the traditional stffing method of the assembly line is  casily ffccted by subjective consciousness and the team leader has limited awareness of  personnel capbilties, it is dificult to oplimize the deployment of personnel and posts. The  procssing data such as time eficiency, pass rate, and completion rate of mouli-skilled personnel  in the assembly process are used as evaluaion indicators, and the entropy method in the objective  weighing method is adopted to detemine the weigh cofficient of ceach evaluation index. This  paper proposes a calculaion method for the competence index of cach skill of muliskilled  personnel. To maximize the total competency index value of the assembly line, the opimizaion  model of muliskilled personnel scheduling is constructed with the constaint of the relationship  of prsonnel and post configuraion. An improved Hungarian algoritm to solve the opimization  model of personnel scheduling is proposed, which realizes the optimization of the deployment of  muli-killed personnel and workstations on the assembly line, Taking the man-post configuration  of the multi-model MCV mie-low assembly line of M company as an example, the simulation  resuls show that the improved Hungary algorithm can ellivcl solve the opimizaion problem of the mut-skilled personnel configurat ion of the assembly line, effectively avoid the waste of  resources, and increase the production fficiency by 10.95%~ 12.86%.

　　Secondly, Because of the complex constraints of the mixed-flow assembly line for multi-  model products of construction mac hinery, the limited calculation capac ity of manual production,  it is dificult to obtain the optimal scheduling plan, Through the general description of the  scheduling problem of the mixed-flow assembly line, the optimization goal is to minimize the  maximum cycle completion period of mixed-flow assembly of multi-model products, and the  production scheduling and scheduling optimization model of the mixed-flow assembly line is  constructed. Combining the rapid convergence characteristics of genetic algorithm and the  feature that the Metropolis criterion of simulated annealing algorithm overflows with local  optimality, a genetic simulated annealing algorithm is proposed to solve the scheduling  optimization model of the mixed-flow assembly line, and realize the optimization of production  scheduling of mixed-flow assembly line of multi-model products. Taking the scheduling  arrangement of the muti-model MCV mixe-low assembly line in the construction machinery  assembly workshop of M company as an example, the simulation results show that the genetic  simulated anneal ing algorithm can efetively solve the optimization problem of the mixsed-flow  assembly line scheduling arrangement, and the mixed-flow assembly cycle period is shortened  by 31. 1min~43.7min. The production eficiency is increased by 18.2%~-23%.

　　Thirdly, This paper develops the MES system of construction machinery assembly  workshop. From bottom to top, the system is pided into database layer, server layer, data access  layer, business logic layer, user interface layer, and front-end Ul layer. The database layer mainly  conducts dynamic management and real-time update of various data of the system; the server  layer provides top-level support for the normal operation of the system and the interaction of  system software and hardware; the data access layer real izes the informat ion interaction between  the upper-layer business and the lower-layer database by concretizing the business; the business  logic layer mainly processes logic calculation examples for specific functions of the system, and  responds to front-end user instructions promptly; the user interface layer and the front-end UI  layer mainly include modules such as production management, quality management, inventory  management, equipment management, and basic data management. Users only need to select the  functions in the corresponding modules to operate according to their needs, and the business logic  layer will respond in time.

　　Key words: Assembly line: competency index; multi-skilled personnel schedul ing; production  scheduling: MES system

　　目 录

　　第 1 章 绪论

　　1.1 研究目的及意义

　　随着制造业的快速发展，传统的制造模式：各制造车间独立工作、上层计划层与下层控制层联系不紧密的传统制造模式，以无法满足制造业高速不断发展带来的新需求。客户需求越来越多样化、小批量定制、产品工序越来越复杂化、生产周期要求越来越缩短化、企业管理越发精益化等新需求，迫使传统制造模式向集成化、智能化方向转型升级，工业4.0 的出现将物联网、大数据、云计算、互联网等新兴技术与工业生产相融合，为企业向智慧工厂转型升级带来了新契机。从第一次工业革命到今天的工业 4.0,新技术和新理论的出现不断推动制造业的新变革，不断推进制造业向智慧化方向迈进，智慧工厂的智能制造必将是未来本行业长期着力发展的方向和目标，而要想把握好工业 4.0,加快智能制造的发展，对工业物联网和智能制造 MES 系统的研究和开发显得尤为重要。

　　工业物联网是将 IOT 与 Internet 技术融合到制造技术当中衍生出的新技术，被广泛应用于工业领域中[1],按结构类型可将其分解成感知层、网络层和应用层[2],如图 1-1 所示。

　　感知层是利用无线射频识别、传感器等感知设备，实现随时随地动态获取目标物体的相关数据；网络层主要包括移动通信网、国际互联网和传感器网络等，通过网络将感知到的各类信息进行实时传输；应用层是通过计算机技术自动处理接收到的各类数据。但是在将工业物联网与企业实际相融合搭建智能化工厂时，又对其进一步划分为：现场层、控制层、操作层、管理层和企业层等五大层次[3],如图 1-2 所示。现场层包括作业现场环境和设备；控制层主要包括各种控制器、HMI 以及电源等；操作层主要包括 DCS 与 SCADA等；管理层主要包含 MES 和工厂工程组态；企业层主要指 ERP 和 PLM,通过工业网络（现场总线、工业以太网等）将各层进行组网，完成从上层管理到底层控制的网络连接，达到管理作业过程、监控现场作业、采集作业现场各类数据的业务需求。

　　工业物联网作为工业 4.0 的核心，在推动智能制造进程上起着至关重要的作用，为解决企业上层计划层与底层控制层之间的"鸿沟"以及"孤岛"问题带来了解决方案[4],即基于工业物联网的智能制造 MES 系统的开发。

　　MES 系统主要职能是对车间的各类生产数据进行统一管理，介于上级计划层与下级控制层之间。它可以为管理者提供生产计划的实施和追踪数据，包括所有生产资源的实时状况数据，是沟通上级计划层和下级控制层之间的中间枢纽，填补了企业上层与底层之间的"空白"[5],如图 1-3 所示。

　　在 MES 出现之前，企业生产依靠许多单一软件共同运作完成管理，譬如设备、质量、库存、数据采集、人员信息等管理软件协同运作，由于单一软件之间集成性不足，且数据共享难以实现，无法使生产过程达到最优化[6, 7],而随着工业水平的高速不断地发展，客户要求越发多样化，小批量定制，工序越发复杂化，传统的车间生产管理模式以无法满足各方需求[8],存在诸如：上层计划层无法将生产任务分化到底层控制层的每个作业现场；底层控制层对于突发情况及生产数据信息亦无法及时传输给上层计划层；各车间各设备之间难以实现有效的集成和数据共享，成为一个个"孤岛";生产要素信息数据管理简单且具有延迟性，无法对原始数据进行及时有效的挖掘和管理等问题，为了解决此类问题[9-12],制造执行系统（MES）应运而生，MES 的出现在很大程度上对车间生产管理进行了总体优化，加速了能制造进程。

　　完整的 MES 一般包含：资源配置和状态监测，工序级生产任务，生产的过程、调度、设备、人力、质量、文档、产品数据与跟踪等管理，现场数据采集，性能分析等功能模块[13],如图 1-4 所示。一般情况下企业根据自身实际情况与需求，选取其中的几个模块进行组合并配合工业物联网即可搭建出一个完整的智能工厂框架。

　　基于工业物联网的智能制造 MES 系统的出现，加速了制造业智能化进程，在实际应用中有利于实现：企业实时获取生产过程现场信息；作业现场的动态监视与管控、信息的可视化管理；生产要素信息数据的挖掘利用，作业过程的可回溯性；计划层与控制层、各车间、各设备之间的联系与沟通；加快企业迈向智慧化的步伐，增强对产品的制造与管控能力。 1.2 国内外研究现状制造执行系统（MES）作为企业向智慧工厂进发的主力军之一，其重要程度不可忽视，已被当今各大企业作为重点研发项目，特别是在德国"工业 4.0"和"中国制造 2025"的双重战略推动下，现今对 MES 的需求已然呈指数式爆发增长[14].同时，MES 系统一直是国内外学者热衷研究的课题之一，在本世纪初为加速我国信息化与工业化的融合，开始实行"中国制造 2025"战略，极大鼓舞了企业和科研院校积极参与推进智能制造 MES 的发展[15, 16].其中生产调度管理模块作为 MES 系统的核心之一，其本质是以人员调度和排产调度为核心的优化问题，它是衡量车间智能化水平的重要指标之一，因此对其进行研究尤为必要。

　　1.2.1 MES 系统研究现状

　　随着大数据、云计算、物联网等新型技术被不断挖掘开发出来，国内外专家学者对MES 系统的研究越发深入，MES 系统也越来越智能化和信息化。

　　祝洪敏、梁磊、荆师佳等人针对传统 ERP 无法满足生产车间"精益化"和"智能化"生产管理的新需求，采用 DIS 和 OPC 等技术将各信息化孤岛连接起来，并与 ERP 进行系统集成，改善了生产车间管理，促进了车间"精益化"和"智能化"发展[17-21];徐禄、许红岩、朱铎先、张柏兴等人针对传统 MES 系统无法满足竞争市场多变化、企业向智能化方向转型的发展诉求，通过将信息化与新兴工业生产思想相融合加入到整个生产过程的管控中，实现传统 MES 系统升级，提高企业智能化程度[22-25];翁刚针对生产过程信息化管理水平落后问题，使用"环+星"方式进行车间网络的部署，并引入现代化信息技术，实现车间 MES 的信息化升级，提高生产过程信息化管理水平[26];张道弘在对市场需求深入调研后，针对智慧工厂的实现所需的 MES 功能给出了详细描述和方案，为 MES 的实现提供了可行方案[27, 28];赵振、刘韩影、靳春光、杨娜针对离散制造业车间信息化管理程度低下，导致生产效率低下的问题，利用工业以太网实现制造过程中数据的快速交互以及流程控制，并在此基础上开发和完善 MES 的部分功能模块，提高制造过程信息化管理水平[29-32];肖德风针对工业大数据背景下工业信息安全的需求，通过提出基于 MES 背景下的工业大数据安全机制，提高了企业安全防控能力[33].

　　Zwolińska B 等人针对传统 MES 系统在高度自动化水平的生产中机动性和敏捷性不足问题，采用贝叶斯推理规则，开发 MES 个性算法，提高 MES 系统灵活性和敏捷性[34];Babak Shirazi 等人针对传统 ERP 和 MES 效率效率低下，无法满足企业所需的问题，提出一种基于云计算的ERP、MES和SPX集成的敏捷体系结构，提高企业生产效率[35];AlmadaLobo F、Mithun Mukherjee 等人为满足客户定制化产品新需求，将物联网、云计算、移动设备和大数据等技术相结合，构建了智能化 MES 系统，促进企业向智能化转型升级[36, 37].

　　国内外对 MES 的开发更多以 C/S 作为系统框架，系统对客户端依赖强，后期维护成本较高，本课题创新性使用 B/S 作为系统框架，摆脱对客户机的依赖，增强系统拓展性。

　　1.2.2 车间人员调度算法研究现状

　　"人力资源"最早于 1954 年由 Peter Drucker[38] 提出，相比于其它资源，人力资源具备主观能动性，不仅能够被作用，同时还具有反作用能力。人岗优化匹配最早出现于 1980年，它是对人力资源高效挖掘、合理分配、避免浪费的有效途径，它是企业管理中不可或缺的部分[39],一直以来备受海内外学者所关注。

　　胡明路针对生产车间人员调度管理缺乏科学评价体系的问题，将情景和理性主义两种分析法相结合，归纳出生产车间人员的胜任力，改善车间人员调度管理[40];刘淼、王品悦等人针对生产车间人员配置不合理导致生产效率低下等问题，利用 Witness、eM-Plant等软件对车间人员配置优化问题进行建模和分析，在一定程度上改善了生产车间人员配置[41-43];高丽、林仁等人针对柔性制造车间人岗匹配不合理问题，以人岗配置方案和作业排序最优化为目标函数，构建人岗配置模型，通过提出一种多目标混合算法和一种改进遗传算法求解配置模型，降低了企业劳务成本、提高生产效益[44-46];李冬梅、张震等人针对汽车零部件机加车间，人员加工数据采集不及时、人员生产过程追溯不完整、人员能力评估不准确等问题，采用 RFID 和物联网实时采集加工数据，并采用数理统计方法量化评估人员能力水平，改善了车间人员管理，增强了产品质量的管控力度[47, 48];张维存等人以完工周期最小化为目标，建立"一人多机"的并行工作调度模型，通过提出一种改进人工蜂群优化算法求解调度模型，缩短机加车间完工时间，节约生产成本[49, 50];刘明周等人以人员历史加工数据为依据，以质量和时间为指标获得人员能力评价值，以人员能力评价值为基础，构建制造车间人员调度优化模型，采用混合 PSO 算法求解模型，实现制造车间人员调度合理化[51];曹乐等人针对装配线人员配置不合理导致装配效率低下的问题，以人员的能力水平和累计在岗作业时间为依据，以人岗适应度总和最大化、各匹配间适应度差异最小化为目标函数，构建人岗配置模型，设计一种基于岗位适应度矩阵的启发式算法求解模型，优化了人员与工位之间的匹配问题，提高了产线的生产效益[52].

　　X Cai 等人针对生产车间混合技能人员的管理效率低下问题，以调配人员成本最小化为目标，构建人岗配置优化模型，提出一种改进的多准则遗传算法[53]求解模型，提高了车间混合技能人员管理效率；Albert Corominas、Koichi Nakade 等人针对装配车间产线人员配置不合理，导致产线装配周期过长的问题，分别以装配节拍缩短化、人员减员化、人员成本最小化为目标函数，构建人岗配置优化模型，并分别采用二进制线性规划方法[54]和提 出一种用于计算人员最优分配的优化算法[55]求解模型，优化了车间人岗配置问题，降低了生产节拍和生产成本；Cristobal Miralles[56]等人针对装配流水线人员分配不平衡问题，基 于人员对应工位的装配时间，以生产效益与人员总舒适度均最大化为目标，构建人岗优化配置模型，提出一种基于分支和边界的启发式算法求解模型，提高了生产效益与人员舒适度；Yiyo Kuo[57]等人针对掌握多种装配能力的人员在多条产线之间混合调配问题，将人员按能力等级高低编排，以人员混合调配频率最低化为目标，构建混合整数规划模型，利用模型求解软件对模型进行求解，优化多技能人员在多产线间的混合调配问题。

　　国内外对车间人员调度主要集中于机加车间研究，对装配车间尤其是一线人员调度研究缺乏，本课题将以装配线掌握多种装配能力的人员为研究对象，采用改进匈牙利算法将装配线人岗匹配问题转化为最优组合的数学问题，有效优化装配线掌握多种装配能力的人员调度问题，填补对装配车间一线人员调度研究的不足。

　　1.2.3 车间排产调度算法研究现状

　　排产调度概念最早出现于 1954 年，由英国科学家 Johnson 提出，且最初的研究仅限于两台机床之间的排产[58],此后排产调度问题被不断研究和拓展，并被应用到各类作业车间中。制造企业的排产问题按车间类型主要分为两类，一类是机加车间的排产调度，另一类则是装配车间的排产调度。

　　在对机加车间的排产调度研究中，马超等人针对机加车间生产任务混乱、无法按时交货、高冗余等问题，以最小化作业时间作为目标，提出了各种改进遗传算法，优化了机加车间的排产过程[59-63];赵泽钰、王劲松等人针对机加车间人工排产落后问题，分别提出了基于约束理论的排产方法[64]和基于规则的启发式算法[65],有效优化了传统排产方式。

　　在对装配车间的排产调度研究中，姜丽苹、陆雪和 Patrick 等人针对装配车间的传统人工排产方案不合理问题，分别提出了基于约束规则的排产模型[66]、基于资源优先级的排产模型[67, 68]以及基于多属性的排序规则排产模型[69, 70],并采用模型求解软件求解模型，优化了装配车间排产问题；熊福力、M.Omkumar 等人针对多级装配车间生产不均衡，导致出现大量库存问题，以总装配费用最低为目标函数，分别提出模型非线性约束线性化方法[71]和一种新的基于蚁群算法的启发式算法[72],优化了装配车间排产，实现车间均衡生产；Roberto Dominguez 等人针对多型号产品混流装配车间排产方案不合理，排产周期过长问题，以最小装配完工时间为目标函数，基于粒子群和人工免疫理论，提出一种混合型的粒子群算法，并基于抗体密度的选择策略避免粒子多样性的流失，进而避免陷入局部最优的问题，优化了装配车间的排产问题[73];童小英等人针对多型号产品混流装配车间产品复杂化、多样化、变批量化、生产周期缩短化的新需求，以装配循环周期时间最短[74-77]或装配成本最低[78]为目标函数，提出各种改进遗传算法求解多型号产品混合装配流水车间排产模型，优化了多型号产品混合装配流水车间排产问题。

　　国内外对于车间排产研究中产品型号单一或型号种类较少，对于多约束条件下多型号产品混流装配的排产调度研究缺乏，本课题将以多约束条件下多型号产品混流装配为研究对象，创新性提出一种改进的遗传模拟退火算法，优化多约束条件下多型号产品混合装配流水线的排产问题，为后续研究者提供一种可行的方法。

　　1.3 本文主要研究内容

　　本文根据工程机械装配车间混流装配线的特点，以实现装配线上人员总体效益最高和最大装配循环时间最小为目标，通过对人员胜任力指数的评价考核体系的构建以及人员调度和排产调度模型的建立，采用改进的调度算法对模型进行求解，弥补传统人员配置方法和传统人工排产方法的不足，实现混流装配线人员和排产的智能调度，最后，本文将改进的人员调度算法以及排产调度算法应用到工程机械装配车间 MES 系统的开发中。本文主要研究内容有：

　　（1）确定装配线人员各项评价指标，将各项评价指标作无量纲化处理和类型一致化处理，采用熵值法确定各项指标的占比系数，以此获得装配线人员胜任力计算方法，以装配线人员各项装配技能的胜任能力水平为依据，以装配线的整体效益最大化为目标函数，构建装配线人员调度优化模型，利用改进匈牙利算法求解调度模型，实现装配线人员调度最优化，并通过实例进行验证；

　　（2）以人员调度得到的各工位实际装配时间为依据，以多型号产品混合装配最大循环完工周期最短为目标，构建多型号混合装配流水线排产优化模型，提出一种遗传模拟退火算法求解模型，实现多型号产品混合装配流水线排产调度的优化，并通过实例进行验证；

　　（3）将人员调度算法和排产调度算法融合到所开发的 MES 系统当中，并开发其他相应功能子模块，实现工程机械装配车间人岗配置与排产安排的智能化和实时化。

　　1.4 论文的组织结构

　　论文分五章对工程机械装配车间 MES 系统中的人员调度和排产调度问题进行了研究，以及对 MES 系统部分功能模块的开发，论文组织结构如图 1-5 所示。

　　各章节具体安排如下：

　　第一章：首先明确指出本课题研究的目的和意义，然后全面综合叙述海内外关于 MES系统、人员调度和排产调度的相关研究，最后对本文的主要研究内容进行概括描述；第二章：通过分析装配线人员配置的特点和问题，对装配线多技能人员胜任力的定义和经典模型进行概述，以人员历史加工数据中的时间效率、合格率和完成率为评价指标，结合熵值法获得多技能人员的胜任力指数计算方法，构建装配线人岗匹配优化模型，提出一种改进匈牙利算法求解调度模型，最后通过实例进行验证。

　　第三章：通过对多型号混合装配流水线的排产问题进行分析，结合产线的特点，构建多型号混合装配流水线的排产调度模型，提出一种遗传模拟退火算法求解模型，最后通过实例进行验证。

　　第四章：首先根据工程机械装配车间的实际需求，对工程机械装配车间 MES 系统进行整体架构设计和技术选型，然后对系统数据库模型进行设计，最后基于 IntelliJ IDEA、MySQL Workbench 等开发环境完成工程机械装配车间 MES 系统的开发。

　　第五章：本文研究成果的总结，主要包括人员调度和排产调度的研究成果、MES 系统的开发成果；对研究过程中存在的不足以及对未来的展望进行了简述。

　　第 2 章 基于改进匈牙利算法的装配线人员调度优化研究

　　2.1 装配线人员调度的特点和问题

　　2.2 装配线多技能人员胜任力评价

　　2.2.1 胜任力的定义和模型

　　2.2.2 多技能人员胜任力指数计算

　　2.3 装配线人员调度优化模型

　　2.3.1 人员调度优化模型概念

　　2.3.2 人员调度优化模型问题描述

　　2.3.3 人员调度优化模型构建

　　2.4 改进匈牙利算法

　　2.5 实例仿真验证

　　2.6 本章小结

　　第 3 章 多型号混流装配线排产调度优化研究

　　3.1 混流装配线排产问题描述

　　3.2 混流装配线排产调度优化模型

　　3.3 遗传模拟退火算法

　　3.3.1 染色体编码与初始化种群

　　3.3.2 适应度函数定义

　　3.3.3 遗传操作

　　3.3.4 模拟退火操作

　　3.4 实例仿真验证

　　3.5 本章小结

　　第 4 章 工程机械装配车间 MES 系统开发

　　4.1 系统整体框架设计

　　4.2 数据库设计

　　4.2.1 数据库应用场景需求分析

　　4.2.2 数据库概念结构设计

　　4.2.3 数据表设计

　　4.3 MES 系统功能模块设计与技术实现

　　4.3.1 系统工作原理

　　4.3.2 生产管理模块

　　4.3.3 质量管理模块

　　4.3.4 库存管理模块

　　4.3.5 设备管理模块

　　4.3.6 基础数据管理模块

　　4.4 本章小结

　　第 5 章 结论与展望

　　5.1 结论

　　本文针工程机械混流装配车间客户需求多样化、产品复杂化、变批量化、生产周期缩短化等需求，分析混合装配流水线的特点和问题，提出了一种改进匈牙利算法对装配线人员进行优化调度，提出了一种遗传模拟退火算法对装配线排产进行优化调度，以 B/S 架构设计和开发工程机械装配车间 MES 系统，对推进企业智慧工厂的建设进程。主要研究成果如下：

　　（1）针对装配线传统人岗配置方式因缺乏科学评价体系、班组长对班组人员装配能力认知不足、易受人为主观意识影响、人工计算能力有限，导致人员调度不合理、人不能尽其用、装配效率低下以及废品率增加等问题。本文基于胜任力原理，考虑了时间效率、合格率以及完成率等对装配线效益的影响，利用客观赋权法中的熵值法为三个指标赋权，构建了以时间效率、合格率以及完成率等作为评价指标的装配线多技能人员胜任力评价体系；基于最优匹配原理，分析了胜任力指数与经济效益之间的关系，以总胜任力指数最大化为目标函数，构建了装配线多技能人员优化调度模型，提出了一种改进匈牙利算法对模型进行求解，优化了装配线多技能人员调度，提升了产线效益。

　　（2）针对带复杂约束条件的多型号混合装配流水线的 Flowshop 生产模式，传统人工排产方式易受人为主观意识影响、计算能力有限以及考虑问题不全面等因素影响，导致混合装配流水线生产效率低下和生产周期延长等问题。本文分析了多型号混合装配流水线Flowshop 生产模式的特点，采用平行移动的时间组织形式进行作业，避免了物料成批等待现象出现，以多型号产品混流装配最大循环完工时间最小化为目标函数，建立了多型号混流装配线排产优化模型，提出了一种遗传模拟退火算法求解排产模型，优化了混合装配流水线的排产调度，极大缩短了排产周期和生产周期。

　　（3）在 IntelliJ IDEA 平台中完成了工程机械装配车间 MES 系统的开发。利用 Java语言完成系统框架搭建，利用 CSS、HTML、JavaScript、Bootstrap、JSP、JSTL 等技术完成系统前端网页的开发，利用 Servlet、JQuery、JDBCTemplate、Duird、BeanUtils、Tomcat、MySQL 等技术完成系统后端功能的开发，利用 MySQL Workbench 对系统数据进行动态管理。系统主要包括生产、质量、库存、设备和基础数据等 5 大管理模块。实现了工程机械装配车间产线人员调度、计划排产、质量监控、库存管理、基础数据管理、设备状态监测等功能。最后在 M 公司的工程机械装配车间对系统进行测试和验证，通过测试和验证结果分析，本文的 MES 系统可以顺利完成装配线人员调度和计划排产调度任务，产线效益得到极大提升。

　　本文的研究为制造业车间 MES 系统的开发和应用提供了可行的技术方案，对企业向智慧工厂转型升级具有重要意义。

　　5.2 展望

　　本文针对工程机械装配车间 MES 系统中的调度问题进行研究，并做出了一定的研究成果，但是仍存在一些不足之处，后续还需不断的进行理论学习和实验验证。对未来展望如下：

　　（1）对多技能人员胜任力评价过程中，人员胜任力的研究还需考虑更多影响因子，以应对诸如新入职人员无历史加工数据等情况。

　　（2）本文在人员调度过程中，虽然考虑到了人员因故请假、为高耗时工序增派人员和产线新增可配置人员的情况，但是假设条件过于理想化。在实际作业过程中作业人员将会因个人主观意识影响作业效率，且作业人员可能因某些因素中途离开，这些因素都将会对系统的人员调度造成影响。需进一步提升系统中人员调度应对此类情况的能力。

　　（3）本文在排产调度过程中，没有考虑工件的转运时间，但是在实际工况下，工件的转运时间将会对排产结果造成一定的影响。需进一步对模型进一步完善，使系统更加贴合实际工况。

　　（4）本文所开发的工程机械装配车间 MES 系统功能相对简单，后续需对系统各功能进一步完善升级。

致谢

　　时光荏苒，三年研究生学习生涯即将结束，回首这一路走来的种种经历，既有酸甜苦辣，更有收获与成长。回首过去三年时光，要感激的人很多，要整理的东西很多，一抬头一伸手每一件物品都在播映过去三年的点点滴滴。在此论文完成之际，谨向三年来给予我关心、支持和帮助的老师们、同学们、朋友们、家人们表示由衷感谢。

　　首先，由衷地感谢我的导师高峰教授，高老师对我的精心指导让我受益良多，他对于科学严肃的态度、对于治学严谨的精神，对于工作精益求精的作风一直以来都深深地激励和感染着我。本论文也是在高老师的悉心指导下完成的，从最初论文选题再到最后论文的撰写，每一个环节都倾注了高老师的心血。我现在能够取得的成绩和进步都离不开高老师的谆谆教诲。在此毕业之际，谨向高老师致以最崇高的敬意和最衷心的感谢，感谢他对我学业上的悉心指导和生活上的热情帮助。

　　感谢课题组的李艳老师在我课题进行过程中遇到困难时为我提供帮助和新思路。李老师学识渊博、治学严谨、严于律己，在我的课题选题、研究工作开展中，提供了关键、新颖的意见和见解，为研究工作顺利开展提供方向性指导。李老师对工作的认真、对学术的严谨、对科研的钻研、对学生的照顾以及独特的人格魅力深深的影响着我，是我学习的榜样。

　　感谢课题组杨勃老师、段继豪老师、税琳棋老师在我论文开题和每周的工作进展汇报中及时提出建议，避免我走弯路。感谢课题组杨新刚副教授、史恩秀副教授、王世军副教授、芮宏斌老师、刘鸿雁老师、吴文武老师、郭正老师、王豆老师、刘辰老师、张东亚老师、杨元老师在论文开题和日常研究中给予的意见和建议。

　　感谢课题组的刘奔、贾伟涛、折宝林、刘甲峰、冯垚垚、党凯师兄和李盼盼、海俪馨、张洁、焦宇琳师姐，他们在我初入课题组时，对我关爱有加，帮助我快速融入到教研室的科研氛围中来；感谢同窗蒙李鑫、杨睿凯、寇欣、李文强、陈廷广、冯元彬、梁正雄、朱尽伟、赵朋轩、陈江博、庆烁烁、段晓强、郑文哲三年期间在学习中给予我的帮助，在生活中给我带来的欢乐。

　　感谢母校西安理工大学，在过去三年里，"祖国、荣誉、责任"的校训始终铭记于心，成为我学习工作的准则，我为我是西理人而倍感骄傲。

　　感谢这篇论文所涉及到的各位专家学者。本文引用了数位学者的研究文献，如果没有各位学者的研究成果的帮助和启发，难以完成文章的撰写！

　　感谢论文评审的专家、学者，您的建议和意见将有助于我在本课题的研究更加深入、完善！

　　感谢我的家人，感谢你们长期以来的支持，正是因为有你们，才成就了今天的我！最后，由衷感谢这一路走来给予过我帮助的所有人，在此我由衷地说一声：谢谢你们！

　　参考文献

　　[1] 于洪飞。 工业物联网技术的应用及发展[J]. 电子技术与软件工程， 2019, （08）： 20.

　　[2] 李锐君， 周伟， 侯维岩。 面向先进制造环境的工业物联网关键技术研究[J]. 仪表技术，2017, （03）： 4-7.

　　[3] 唐堂， 滕琳， 吴杰等。 全面实现数字化是通向智能制造的必由之路--解读《智能制造之路：数字化工厂》[J]. 中国机械工程， 2018, 29（03）： 366-377.

　　[4] 王莹， 王金旺。 工业物联网技术方案及发展大潮[J]. 电子产品世界， 2018, 25（03）： 9-14.

　　[5] 甘丽， 方木云。 MES与ERP系统的集成研究与应用[J]. 计算机技术与发展， 2009, 19（03）：223-226.

　　[6] 罗凤。 智能工厂 MES 关键技术研究[D]. 西南科技大学， 2017[7] 沈为清， 张兴启。 智能制造产线 MES 的体系架构研究[J]. 技术与市场， 2019, 26（08）：48-49.

　　[8] 张如伟， 李媛， 张圆圆。 基于工业物联网的工程机械智能装配关键技术分析[J]. 科技创新与应用， 2019, （06）： 139-140.

　　[9] 基于宜科传感器的车间 MES 解决方案[J]. 智慧工厂， 2018, （10）： 35-36.

　　[10] MES 系统如何提高企业的四大能力[J]. 智慧工厂， 2018, （05）： 35.

　　[11] 企业实施 MES 系统的五大理由[J]. 智慧工厂， 2018, （01）： 38-39.

　　[12] 王荣利， 王军， 马军伟等。 智能制造技术--MES 系统在装配过程中的应用及探究[J]. 国防制造技术， 2016, （04）： 42-45.

　　[13] 刘慧， 孙嘉玉。 智能制造下企业 MES 系统的实现路径[J]. 中国机电工业， 2016, （12）：96-97.

　　[14] 吉学刚， 申子正。 MES 系统在客车涂装中的应用研究[J]. 汽车实用技术， 2020, 45（20）：141-144.

　　[15] 何俊艺。 基于中国制造2025背景下智能制造专业群实训教学体系重构与提升研究[J].时代汽车， 2020, （19）： 45-46.

　　[16] 刘惠玲， 许可嘉。 智能制造关键技术概述[J]. 质量与认证， 2020, （11）： 48-49.

　　[17] 祝洪敏， 王新亭， 祝建航。 浅析实施 MES 系统对企业发展的重要性[J]. 计算机光盘软件与应用， 2014, 17（01）： 117-118.

　　[18] 梁磊， 林彤， 冯军等。 基于 MES 系统的智能车间实施方案[J]. 信息技术与信息化，2019, （12）： 61-64.

　　[19] 荆师佳。 能源企业 ERP 与 MES 集成应用[J]. 电子技术与软件工程， 2019, （24）： 150-151.

　　[20] Choi B.K., Kim B.H. MES （manufacturing execution system） architecture for FMScompatible to ERP （enterprise planning system）[J]. International Journal of ComputerIntegrated Manufacturing, 2002, 15（3）： 49-53.

　　[21] D B., S H., et al. Development of the MES software and Integration with an existing ERPSoftware in Industrial Enterprise[J]. International Journal of Computer IntegratedManufacturing, 2020, 15（5）： 10-15.

　　[22] 徐禄。 精益化 MES 系统在造纸行业中的应用[J]. 黑龙江造纸， 2018, 46（02）： 13-17.

　　[23] 许红岩。 浅谈 MES 系统在制造企业的应用[J]. 现代经济信息， 2019, （10）： 117.

　　[24] 朱铎先。 传统 MES 已经过时，智能制造呼唤新理念[J]. 智能制造， 2019, （06）： 20-28.

　　[25] 张柏兴。 汽车总装生产线的 MES 系统设计[J]. 山东工业技术， 2020, （02）： 106-111.

　　[26] 翁刚。 基于 MES 系统的生产车间信息化管理探析[J]. 信息通信， 2019, （09）： 138-140.

　　[27] 张道弘。 基于 MES 系统实现智慧工厂的解决方案[J]. 建材世界， 2019, 40（05）： 123-126.

　　[28] 黄永杰。 制造执行管理系统（MES）的应用探析[J]. 价值工程， 2011, 30（21）： 163-164.

　　[29] 赵振， 叶佩青。 基于MES的智能制造系统设计[J]. 组合机床与自动化加工技术， 2019,（10）： 154-155+160.

　　[30] 刘韩影， 吴佳佳， 丁华等。 离散制造业 MES 生产数据采集技术探讨[J]. 科技创新导报， 2019, 16（31）： 82+84.

　　[31] 靳春光。 基于 MES 的生产管理研究与应用[J]. 中国新通信， 2020, 22（04）： 118.

　　[32] 杨娜。 离散型制造业 MES 系统的实施与应用探讨[J]. 装备制造技术， 2020, （05）： 273-275+278.

　　[33] 肖德风。 基于 MES 系统背景的工业大数据安全机制研究[J]. 信息与电脑（理论版），2020, 32（13）： 195-197.

　　[34] B Z., A T.A., N C.-G. Personalization of the MES System to the Needs of Highly VariableProduction[J]. Sensors （Basel, Switzerland）， 2020, 20（22）： 132-139.

　　[35] Shirazi B. Cloud-based architecture of service-oriented MES for subcontracting andpartnership exchanges integration: A game theory approach[J]. Robotics and ComputerIntegrated Manufacturing, 2019, 59: 11-17.

　　[36] F A.-L. The Industry 4.0 revolution and the future of manufacturing execution systems（MES）[J]. Journal of innovation management, 2015, 3（4）： 16-21.

　　[37] B C., J W., Mukherjee M. Smart factory of industry 4.0: Key technologies, application case,and challenges[J]. IEEE Access, 2017, 6: 6505-6519.

　　[38] 彼得德鲁克。 管理的实践[J]. 商学院， 2005, （12）： F0001-F0002.

　　[39] 陈德权。 进行人力资源战略分析，优化人力资源配置[J]. 科技创新与应用， 2012, （04）：221.

　　[40] 胡明路。 智能制造背景下生产车间基层管理人员胜任力研究[J]. 生产力研究， 2020,（06）： 123-126.

　　[41] 刘淼。 基于 Witness 的车间物流人员配置的系统仿真与分析[J]. 科技资讯， 2013, （25）：32-33.

　　[42] 王品悦。 基于 eM-Plant 的车间人员配置仿真研究[J]. 广东广播电视大学学报， 2013,22（03）： 110-112.

　　[43] 张红梅， 张爱平。 车间人员配置规划研究[J]. 科技创新导报， 2010, （05）： 235-236.

　　[44] 高丽， 徐克林， 朱伟等人。 柔性生产中人员配置模型及其调度算法[J]. 哈尔滨工业大学学报， 2012, 44（05）： 144-148.

　　[45] 林仁， 周国华。 任务分解控制及人员柔性的车间集成调度[J]. 计算机工程与应用，2015, 51（04）： 11-16+104.

　　[46] 林仁， 周国华， 夏方礼等。 人员柔性度对作业车间调度的影响研究[J]. 计算机应用研究， 2016, 33（10）： 3017-3020+3025.

　　[47] 李冬梅， 王嵩。 离散制造车间 MES 下人员管理系统设计[J]. 电子技术与软件工程，2018, （11）： 206-207.

　　[48] 张震， 尤凤翔。 基于MES的离散型车间人员管理系统设计[J]. 中国管理信息化， 2018,21（01）： 67-69.

　　[49] 张维存， 李悦悦， 左天帅。 考虑人员装卸时间的作业车间调度问题[J]. 制造业自动化，2020, 42（08）： 87-94.

　　[50] 张维存， 赵晓巧。 柔性作业车间人员配置及作业排序问题研究[J]. 计算机应用研究，2018, 35（12）： 3722-3728.

　　[51] 刘明周， 高纳， 葛茂根等。 基于胜任指数的制造车间操作工优化配置模型[J]. 合肥工业大学学报（自然科学版）， 2011, 34（10）： 1466-1469.

　　[52] 曹乐， 王彪， 刘飞等。 装配线多技能作业人员优化配置模型[J]. 重庆大学学报， 2010,33（12）： 21-26.

　　[53] Cai X., Li K.N. A genetic algorithm for scheduling staff of mixed skills under multicriteria[J]. European Journal of Operational Research, 2000, 125（2）： 65-69.

　　[54] Corominas A., Pastor R., Plans J. Balancing assembly line with skilled and unskilledworkers[J]. Omega, 2006, 36（6）： 23-27.

　　[55] Nakade K., Nishiwaki R. Optimal allocation of heterogeneous workers in a U-shapedproduction line[J]. Computers & Industrial Engineering, 2007, 54（3）： 6-10.

　　[56] Miralles C., García-Sabater J.P., Andrés C. et al. Branch and bound procedures for solvingthe Assembly Line Worker Assignment and Balancing Problem: Application to ShelteredWork centres for Disabled[J]. Discrete Applied Mathematics, 2005, 156（3）： 77-83.

　　[57] Kuo Y., Yang T. Optimization of mixed-skill multi-line operator allocation problem[J].

　　Computers & Industrial Engineering, 2007, 53（3）： 91-97.

　　[58] Johnson S.M. Optimal two-and three-stage production schedules with setup timesincluded[J]. Naval research logistics quarterly, 1954, 1（1）： 43-45.

　　[59] 马超。 JW 公司发动机气门生产线排产排序研究[J]. 内燃机与配件， 2019, （17）： 39-41.

　　[60] 赵婧， 包伟华。 基于分步遗传算法的压力变送器排产优化[J]. 应用技术学报， 2019,19（01）： 65-71.

　　[61] 韩忠华， 朱一行， 史海波等。 基于改进紧致遗传算法的柔性流水车间组批排产优化问题研究[J]. 系统工程理论与实践， 2016, 36（06）： 1616-1624.

　　[62] 陈园园， 夏筱筠， 柏松等。 粒子群遗传算法在离散制造业排产中的研究[J]. 计算机系统应用， 2016, 25（05）： 94-100.

　　[63] 姜鹏， 高美凤。 遗传算法在刹车片生产计划排产中的应用与实践[J]. 计算机系统应用，2019, 28（04）： 225-230.

　　[64] 赵泽钰， 彭来湖， 胡旭东等。 基于约束理论的针织数字车间排产优化方法[J]. 轻工机械， 2020, 38（03）： 100-104.

　　[65] 王劲松， 万年彬， 袁海霞等。 卷烟厂制丝车间自动排产问题研究[J]. 物流技术， 2020,39（02）： 98-101+135.

　　[66] 姜丽苹， 史海波， 彭慧。 涂装装配车间计划排产建模与仿真[J]. 信息与控制， 2013,42（05）： 652-656.

　　[67] 陆雪鹏， 沈石松， 李超。 装配车间自动排产系统的研究[J]. 电子元器件与信息技术，2019, 3（05）： 77-80.

　　[68] Paul M., Sridharan R., Ramanan T.R. A multi-objective decision-making framework usingpreference selection index for assembly job shop scheduling problem[J]. Int. J. ofManagement Concepts and Philosophy, 2016, 9（4）： 66-68.

　　[69] Philipoom P.R., Russell R.S., Fry T.D. A preliminary investigation of multi-attribute basedsequencing rules for assembly shops[J]. International Journal of Production Research, 1991,29（4）： 75-79.

　　[70] Ernst A.T., Jiang H., Krishnamoorthy M. et al. Staff scheduling and rostering: A review ofapplications, methods and models[J]. European Journal of Operational Research, 2004,153（1）： 66-69.

　　[71] 熊福力， 严洪森。 多级汽车装配车间的集成排产优化模型[J]. 系统工程理论与实践，2010, 30（10）： 1891-1900.

　　[72] Omkumar M., Shahabudeen P. Ant Colony Optimisation for multi-level assembly job shopscheduling[J]. Int. J. of Manufacturing Research, 2009, 4（4）： 89-93.

　　[73] Du H., Liu D., Zhang M.-h. et al. A Hybrid Algorithm Based on Particle Swarm Optimizationand Artificial Immune for an Assembly Job Shop Scheduling Problem[J]. MathematicalProblems in Engineering, 2016, 2016: 77-81.

　　[74] 童小英， 滕瑞飞， 孙丽。 仿真环境下基于遗传算法的混流装配线排产优化研究[J]. 制造技术与机床， 2018, （11）： 29-35.

　　[75] 李玉城， 朱夏扬， 夏子怡等。 基于遗传算法的多品种小型电机装配排产优化[J]. 价值工程， 2020, 39（04）： 293-295.

　　[76] 韩志甲， 邓海峡， 李晓平。 基于遗传算法的排产优化方法[J]. 太赫兹科学与电子信息学报， 2014, 12（04）： 595-599.

　　[77] Shi F., Zhao S., Meng Y. Hybrid algorithm based on improved extended shifting bottleneckprocedure and GA for assembly job shop scheduling problem[J]. International Journal ofProduction Research, 2020, 58（9）： 93-96.

　　[78] Wong T.C., Chan F.T.S., Chan L.Y. A resource-constrained assembly job shop schedulingproblem with Lot Streaming technique[J]. Computers & Industrial Engineering, 2009,57（3）：77-79.

　　[79] 宋雨晴。 指派问题的改进算法[J]. 科技视界， 2012, （14）： 106-108.

　　[80] 李廷鹏， 钱彦岭， 李岳。 基于改进匈牙利算法的多技能人员调度方法[J]. 国防科技大学学报， 2016, 38（02）： 144-149.

（如您需要查看本篇毕业设计全文，请您联系客服索取）