工业 4.0 环境实现了制造商车间与客户之间的直接沟通。因此，制造商能够更快地响应客户的要求，这意味着制造商现在必须更严格地控制车间计划和调度。在此，我们介绍一种基于仿真的柔性制造系统动态车间控制调度模型。客户订单和产品加工顺序表被导入仿真模型。针对系统遇到意外情况的情况进行了实验。通过进一步连接企业资源规划和制造执行系统，所提出的方法为制造商实时决策提供了一个潜在的工具。
在工业 4.0 环境中，网络物理系统通过物联网（IoT）与其他系统和人类参与者进行实时通信。这使得制造商的车间与客户之间能够直接沟通，因此大规模定制将作为一种生产系统被采用（Takakuwa，2016 年）。制造系统中的流程规划和调度问题将作业和材料分配给机器，并决定作业处理顺序，这严重影响了系统性能。在工业 4.0 环境下，产品定制化程度不断提高，要求这些系统处理更多的产品变体以及更小的批量，因此制造系统变得越来越复杂，以应对这些不确定情况（Kück 等人，2016 年）。
柔性制造系统（FMS）是在计算机系统控制下的制造机器模块和材料处理设备的集成系统，可实现托盘化零件的自动随机加工（ElMaraghy，2005 年）。FMS 具有高度自动化和复杂性的特点，每台机器在给定时间内最多只能处理一项作业。然而，由于动态变化，在作业车间系统中安排将哪项作业分配给哪台机器并保持对车间的控制比在流动车间系统中更为困难。因此，模拟方法是设计和分析 FMS 的行之有效的方法。
传统的计划和排程研究侧重于如何给系统确定一个排程。然而，当制造系统遇到机器故障和紧急订单等意外情况时，预先确定的计划可能不再是最佳计划，或者由于这些意外干扰而无法运行（Zhang 和 Wong，2017 年）。此外，随着处理时间可变性的增加，可以通过调度规则或其他启发式方法做出决策，而不是在实际生产前生成完整的计划（Vieira、Herrmann 和 Lin，2003 年）。
Khodke 和 Bhongade（2013 年）回顾了具有加工和装配操作的制造系统中的实时排程技术现状，包括以作业车间和流程车间为重点的研究。根据他们的总结，事件驱动和受影响操作的重新调度方法还需要进一步研究，因为最合适的框架可能是考虑用预测-反应策略处理足够数量的作业。此外，很少有研究考虑到机器之间的传输时间或实时模拟。
本研究构建了一个基于仿真的 FMS 车间控制调度模型，用于研究系统遇到意外情况时的情况。本文的结构如下：第 2 节简要介绍了 FMS 工厂模型以及工业 4.0 环境下的车间流程控制。第 3 节介绍了基于模拟调度器的详细建模方法。然后，在第 4 节中对通常状态和新订单两种情况下的调度应用进行了说明。最后，第 5 节给出了结论。
本研究考虑的系统是位于日本千叶县的 FMS 工厂模型（Takakuwa，1997 年）。FMS 包括四台数控机床（一台数控车床、一台车削中心、两台机床中心（立式和卧式））、一台洗衣机、两台 AGV 和一台带工业机器人的 AS/RS。FMS 的设施布局和距离刻度（单位：厘米）如图 1 所示。AGV 负责传送工件，机器人负责在 AS/RS 内安装工件。然后，每个工件在加工前由与每个机床相关联的工业机器人装载，然后卸载并在加工后卸载。表 1 汇总了选定工件的操作顺序和相关的历史平均加工时间（包括机器人卸载和装载时间）。此外，在立式（V.）机床中心和卧式（H.）机床中心进行加工之前，每个工件都由 AS/RS 内部的工业机器人进行加工设置。AGV 在空闲时返回等待区。
表 1：产品的加工顺序和平均加工时间。
第四次工业革命或工业 4.0 是一个统称，代表了自动化、数据交换和供应链方面的多项技术，包括通过物联网实现的制造系统（Takakuwa，2016 年；Wang 等，2016 年）。客户的大规模生产需求要求制造商比以往更快地做出反应。
工业 4.0 环境下的工厂整合有两种类型：纵向整合和横向整合。如图 2 所示，前者是工厂内部从高层管理到车间的集成，即在公司层面、工厂层面和流程层面的集成。后者是供应商、销售和分销部门以及客户之间的整合。在纵向整合中，企业资源规划系统（ERP）和制造执行系统（MES）与工厂数据之间的互动非常重要。
企业利用企业资源规划系统收集、存储、管理和解释来自各种业务活动的数据，包括采购、生产、分销、会计、人力资源、销售和客户服务。
企业资源规划系统之所以重要，是因为该系统能以多种方式监控实时数据和交易数据，还能监控工业 4.0 环境下的车间数据和信息。企业资源规划系统通常在生产调度方面存在不足，而且企业资源规划解决方案有几个公认的缺点。在大多数情况下，ERP 系统与日常生产仍然脱节。另一方面，制造执行系统是相关车间的控制系统。生产数据来自机器、设备监控器和工人。MES 与 ERP 系统集成。
为了有效地做出对制造系统至关重要的实时决策，需要进行实时模拟。实时仿真是物理系统的仿真模型，它能以与实际物理系统执行过程相同的速度对过程进行仿真。
此外，使用 RFID 或各种传感器的自动数据采集系统可以跟踪和追踪车间数据、干扰，并提供适应车间实时变化的解决方案（Khodke 和 Bhongade，2013 年）。
本研究使用 Simio LCC 开发的仿真软件和调度工具。Simio 是一个基于图形化面向对象编程的仿真建模框架。模型通过多种建模范式实现，包括事件、流程、对象、系统动力学和代理建模视图（Thiesing 和 Pegden，2014 年）。此外，Simio 旨在支持系统设计和调度方面的应用，并具有多项高级功能（Thiesing 和 Pegden，2015 年）：与外部关系数据源集成、事务记录、专业报告、可定制的调度界面、交互式甘特图显示、专业调度规则、基于风险的计划和调度（RPS）等。
通过连接 MES 和 Simio 模型，从 MES 获取的实时数据可用于生成排程。此外，在模型运行过程中，作业和资源交易细节会被记录在日志文件中。应用于车间流程控制的仿真模型示意图如图 3 所示，该示意图由作者根据 Kelton、Smith 和 Sturrock（2014 年）编辑而成。
本研究中的模型使用 Simio RPS 工具开发。可将描述系统当前状态和系统实际处理作业的数据导入仿真模型。该数据集通常包含待处理作业清单、每项作业的材料清单、作业路线（包括设置和处理时间）等。这些数据的表格是根据 MES 标准在数据选项卡中编制的。研究中构建模型的主要步骤如下：
通过这些主要步骤和一些小改动即可构建模型。图 4 显示了 FMS 工厂模型动画的屏幕截图。需要注意的是，动画中的机器图片并非真实的机器，而是从符号库中选取的具有代表性的图纸。
通过模型动画和简单订单示例的数字测试，可以对模型进行验证和确认。
本节将对通常状态和新订单进行调度实验。最初的产品组合数字示例使用每种产品的 2 组（即 2 件）进行实验。在初始状态下，订单发布日期和订单到期日期相差一小时，即在第一个工作小时内，每种产品都有一份订单到达。第一组订单的到期日是模拟开始后一小时，此时，每种产品的第二组订单到达，每组订单为 1 件（即 1 件）。一组生产订单的数据示例如图 5 所示。
将数据表导入模型后，可在 "计划 "选项卡中创建计划。在先进先出规则下生成的计划如图 6 所示。实体工作流程甘特图（图 6 右）显示了工作如何抢占资源的日程安排，以及每个订单的里程碑和目标状态。此外，资源计划（图 6 左）显示了作业如何利用系统中的每种资源。此外，实体和资源的活动可以通过使用日志进行跟踪，日志显示了车间在规定时间点的情况。此外，还可以通过设置资源下的排序规则和动态选择规则来比较不同的资源调度方法。
在实际使用中，系统很可能会遇到新订单。如果在生产开始 30 分钟后收到一份产品 A 订单和一份产品 B 订单（订单发布时间：8:30；订单到期时间：9:30）。在这种情况下，可以通过输出表确认在制品（WIP）订单以及加工进度和已完成订单。此外，还开发了一个 VBA 程序，用于生成用于重新排程的 WIP 表。图 7 显示了在 8:30 剩余工作最多规则下生成的计划表。
通过将部分完成的订单加载到 WIP 表，并将新订单（订单 19、订单 20）导入到生产订单表，模型可以执行重新排程。图 8 显示了系统插入两个急单时的资源计划甘特图。此外，在处理顺序中，由于定义了资源调度规则，订单 02 排在新订单 19 之后。
本研究构建了一个基于仿真的 FMS 车间控制调度模型。详细的建模方法基于仿真调度程序。对通常状态和系统遇到意外情况时的情况进行了实验；系统可在短时间内根据定义的调度规则发出新指令。通过将仿真模型与 MES 和 ERP 系统进一步连接，所提出的调度模型成为帮助制造商实时决策的潜在工具。
此外，为了实现实时仿真，还可以利用传感器更精确地测量每个步骤的处理时间。不过，由于本研究只考虑了流程中涉及的多台机器中的一台机器，因此其他研究可能会考虑多台机器的路线选择和其他启发式调度规则。