1、|工业数据与智能算法驱动的生产调度优化研究报告人：李德彪福州大学 经管学院2022/9/241|目录1.战略意义2.具有挑战的问题3.数据和算法驱动4.关键科学问题5.未来趋势2022/9/242|01战略需求|1.1 智能制造的三种基本范式2022/9/244数字化数字化数字化智能化网络化网络化网络化智能化智能化范式演进智能升级数字化制造数字化网络化制造新一代智能制造臧冀原 等（2018）智能制造的三个基本范式：从数字化制造、“互联网+”制造到新一代智能制造，中国工程科学，20（4），13-18.|1.2 中国的电子信息制造业2022/9/2454658.7 0.01500.03000.04

2、500.06000.02016年2017年2018年2019年 2020年E 2021年E 2022年E 2023年E 2024年E 2025年E工业领域智能生产系统行业分析(亿元人民币)数据来源：中商产业研究院2021年电子信息制造业营收141,285亿预计2025年中国智能生产系统市场规模将达4,658亿-556200202021电子信息制造业主营收入及利润增速情况(%)营业收入利润总额|订单式生产智能制造(高级排程系统APS）MESERPAPS1.3 电子制造的数字化、智能化2022/9/246电子制造行业特点：多品种小批量生命周期短瓶颈：印刷

3、电路板封装电子制造数字化升级|订单式生产智能制造(高级排程系统APS）MESERPAPS1.3 电子制造的数字化、智能化2022/9/247电子制造行业特点：多品种小批量生命周期短瓶颈：印刷电路板封装|02具有挑战的问题|2.1 生产调度优化问题2022/9/249*万国华 排序与调度的理论、模型和算法 清华大学出版社 2019|2.1 生产调度优化问题2022/9/2410*万国华 排序与调度的理论、模型和算法 清华大学出版社 2019元件、软体、网板、机台程序|2.2 生产调度优化问题的本质高不确定物料不确定订单异动工时不确定机器故障人机交互2022/9/2411强NP难目标多约束多订单多

4、品种多产线多动态|2.3 生产调度优化问题的挑战2022/9/2412 21条生产线 2000多种PCB装载机锡膏机SMT机台Panasonic CM602 X 2回流焊炉质检机卸载机视觉检验机装载机锡膏机SMT机台Juki JM-20 X 3回流焊炉质检机卸载机视觉检验机装载机锡膏机SMT机台Fuji AIMEX X 4回流焊炉质检机卸载机视觉检验机装载机锡膏机SMT机台Panasonic CM602 X 2回流焊炉质检机卸载机视觉检验机PCB订单批次1排排序序与与调调度度订单切换贴装调试质量异常处理PCB订单批次0PCB订单批次2时间时间订单切换贴装调试质量异常处理订单切换贴装调试质量异常

5、处理订单切换贴装调试质量异常处理人工经验人工经验的柔性生产调度缺乏准确性准确性、全局性全局性、持续性持续性、导致生产目标生产目标或约束约束顾此失彼|03数据和算法驱动|3 工业数据驱动的生产调度优化 1 2022/9/2414Predict then optimize机器学习（集成学习）人工经验软件化排序调度最优规则智能优化算法 物料“推”+“拉”平衡机制工单约束规则排序调度重调度生产线约束(进度和状态等)生产生产数据预测模型生产异常？是否物料新订单|3.工业数据驱动的生产调度优化 2 2022/9/2415不确定集合不确定集合不确定集合异常异常异常异常Robust optimizationm

6、inmax,Ambiguity set Mean variance ambiguity set Wasserstein distance Event wise ambiguity setDelage,E.,&Ye,Y.(2010).Distributionally robust optimization under moment uncertainty with application to data-driven problems.Operations research,58(3),595-612.Chen,Z.,Sim,M.,&Xiong,P.(2020).Robust stochasti

7、c optimization made easy with RSOME.Management Science,66(8),3329-3339.Van Parys,B.P.,Esfahani,P.M.,&Kuhn,D.(2021).From data to decisions:Distributionally robust optimization is optimal.Management Science.67(6),3387-3402.|3.工业数据驱动的生产调度优化 3Join Prediction and Optimization2022/9/2416Liu,S.,He,L.,&Shen

8、,Z.(2021).On-Time Last-Mile Delivery:Order Assignment with Travel-Time Predictors.Management Science.67(7),4095-4119.Zhu,T.,Xie,J.,&Sim,M.(2022).Joint estimation and robustness optimization.Management Science.68(3),1659-1677.Elmachtoub,A.N.,&Grigas,P.(2022).Smart“predict,then optimize”.Management Sc

9、ience.68(1),9-26.|04关键科学问题|4.1 关键科学问题1）如何用工业数据解决生产调度的难题不确定性（ambiguity）强NP难动态2）如何设计高效的生产调度算法2022/9/2418算法设计并行机制学习机制 问题分解机制 基于特性的算法 数学模型+启发式 贝叶斯更新 强化学习|4.2 数据与算法的关系19数据：食材厨师：模型算法数据优化以人为本的技术Data Analytics&Optimization(DAO)2022/9/24|05未来趋势|5.未来趋势-12022/9/2421*丁珈、万国华.企业生产计划与调度的实践研究述评-社会技术系统视角 管科科学学报,23(12),110-123,2020|5.未来趋势-2中国APS的优势：产业链完整工业数据丰富应用场景多样目标约束2022/9/2422人机料法环调度+学习效应 人机交互 产线配置 设备管理 订货管理 物料配送 工艺优化 DFM 设施布局 政策环境（碳中和）|2022/9/2423Jack Dongarra：“我眼中一切都是线性代数我眼中一切都是线性代数”|请批评指正|2022/9/2424