基于对策论的多Agent 协商就是研究行为上相互影响、 利益有所冲突的单Agent 之间如何优化决策使各个Agent 利益最大化的协商过程。“阈值保证”有效地减少了协商循环次数, 并且对Agent 提供了阈值保护, 确保某些可能导致较差结果的策略不被采用, 而且协商结果是在阈值定义范围之内的。而“触发补偿”机制结合了生产调度的特点, 当Agent 低于阈值范围时, 及时进行原材料, 在制品或半成品的补偿, 保证协商顺利进行。......
2023-06-20
合同网协议作为协商的一种重要解决方法, 是Smith 和Davis在1980 年最早提出的并且在分布式传感器系统中得到验证。 合同网协议提供了任务分配的一种协调机制, 并具有动态分配和自然负荷平衡的特点, 是一种简单和有效的方法。 传统的合同网协议存在Agent 间通信负载大、 系统效率不高的问题, 所有节点都可以参加投标, 因而频繁的通信占用了系统大量的资源。 马建红等引入关系网的概念, 对合同网模型中的协商策略进行了进一步的改进和扩充, 给出了招标、 投标和决策的正规模型, 提出了如何选择候选节点的选择机制。 王永超等建立了基于蚁群算法的多Agent 合同网协议的刀具调度模型, 运用蚁群算法的鲁棒性对合同网进行优化来实现理想的调度策略。 林琳等利用熟人模型对投标者进行筛选, 在投标过程中引入信任度、 感知系数和活跃度等智能参数, 防止了投标者在投标过程中的自私性, 平衡了各个合同承担者的负载, 提高了多Agent 系统协作的效率。
半导体生产计划分配存在多车间多工厂并存的情况, 在多Agent 的生产计划分配过程中, 面对随机动态的订单任务下达, 产品种类复杂, 约束条件较多, 合同网节点处必须处理大量的投标书, 负载繁重, 在投标值计算过程中, 车间产能存在动态变化, 在解空间存在的情况下虽然得到解集, 但不能保证完成需求反馈的优化, 而且会增加系统的通信次数、 整体性能下降。 本节针对半导体企业的多工厂的特点对计划分配进行研究, 在传统合同网协议的基础上, 嵌入了车间“产能注册矩阵”的模式, 对生产计划进行了初分配, 较大程度上减少了协商和通信次数。
在基于多Agent 的半导体封装测试生产计划系统中, 包括管理Agent、 任务Agent、 车间Agent 和产能Agent。 管理Agent 负责订单任务的分解, 监视任务的执行, 并处理运行结果给上层ERP( Enterprise Resource Planning)/MRPII ( Manufacturing Resource Planning)系统; 计划Agent 对任务下达进行计算, 车间Agent 根据招标情况进行车间产能分析、 投标反馈、 协商。 根据封装测试多车间的性质, 本研究提出了改进的合同网协商模型, 改进后的协商模型步骤如下:
(1)初始化, t=0。 建立一个车间产能注册矩阵表CCij(commit capacity)每次生产计划安排结束时将最后承诺的工厂产能进行更新。 半导体工厂生产计划安排为两周一个循环, 每次将会把新的订单预测公布, 进行评估计算, 并反馈给客户。
Weeki: 代表工厂计算的周数
Prodj: 代表产品
Capij: 代表上一次计划完毕车间n 承诺的在i 周j 产品的产能
其中, 产能是根据约束理论和产能平衡方程计算出的瓶颈站点的产能。
(2)在新一轮的生产计划排程中, 为了减少管理Agent 分配后的计划任务协商次数, 管理Agent 将根据嵌入的车间产能注册表CCij进行, 这样在计划任务投标的时候, 根据车间层的产能进行比例分配, 进行粗能力需求计划RCP(Rough Capacity Planning), 减少招标—投标的循环次数。
(3)管理Agent 公布分配好的生产任务分配给车间Si(i =1,2, …, n), 标书内容如下:
Task_Announcement=
{TaskID,Address,Task Description,Task Constraint,Deadline}
标书中各参数内容含义如下:
TaskID—任务编号, 为任务的唯一识别;
Address—接收标书的Agent 的标识;
Task Description—生产任务的主要描述, 包括产品、 周数、 数量要求等基本信息;
Task Constraint—管理Agent 规定投标应满足的条件, 包括最低满足数量、 产品优先响应排序、 生产任务最小完成期限等。
Deadline—规定响应投标截止时间。
接收到任务公布的车间Agent 将开始评估, 确定是否适合自己执行。
(4)车间Agent 收到管理Agent 向其发布的招标信息后, 根据Task Description 和Task Constraint 开始分析车间自身的产能状况,通过管理层讨论, 计划部门产能计算, 根据约束理论和产能平衡方程计算出的瓶颈站点的产能作为投标值发送给管理Agent 进行投标。 在产能计算过程中, 车间Agent 尽可能多次协调工厂内部以满足管理Agent 所发布的生产任务, 但是依然存在投标值和招标值之间的差值, 就是封装测试工厂所说的under-supported(需求不能满足值)。 车间Agent 会把工厂确定好的承诺产量(commit)作为投标值反馈给管理Agent。
(5)管理Agent 在规定的时间内将接收到所有车间Agent 反馈回来的投标值进行综合评估, 将over-supported(超出需求满足值)的和under-supported 的投标值进行重新计算, 对不能满足的生产需求进行新一轮的招标过程, 直到达到产能饱和, 将终止招标。 在此过程中, 车间Agent 需要进行产能评估, 并在规定的时间框架之内进行反馈, 本研究提出了基于产能平衡的算法对工厂产能进行评估, 进行能力需求计划CRP(Capacity Requirements Planning)。
(6)管理Agent 公布投标结果, 签订合同, 终止招标。
以上结合半导体封装测试工厂的生产计划特点, 对传统合同网进行了改进, 改进的合同网的协商模型如图4-3 所示, 相比传统的合同网协议, 改进后的模型主要体现在以下几点:
①建立了车间产能注册矩阵表机制, 每次生产计划安排结束时将最后承诺的工厂产能进行注册更新, 作为下一次生产计划排程的“基准线”(Baseline), 增强了产能的追溯性, 提高了多工厂需求分配的效率。
图4-3 改进的合同网智能体间协商模型
②在生产任务分配阶段, 为了减少管理Agent 分配后的计划任务协商次数, 管理Agent 将根据嵌入的车间产能注册表CCij 进行,这样在计划任务投标的时候, 根据车间层的产能进行比例分配, 进行粗能力需求计划RCP(Rough Capacity Planning), 减少招标—投标的循环次数。
③在投标值确认阶段, 车间Agent 收到管理Agent 向其发布的招标信息后, 开始分析车间自身的产能状况, 通过管理层讨论, 计划部门产能计算, 根据约束理论和产能平衡规则计算出的瓶颈站点的产能作为投标值发送给管理Agent 进行投标。 车间Agent 会把工厂确定好的承诺产量(commit)作为投标值反馈给管理Agent。
有关半导体封装测试制造系统运行优化理论与技术的文章
基于对策论的多Agent 协商就是研究行为上相互影响、 利益有所冲突的单Agent 之间如何优化决策使各个Agent 利益最大化的协商过程。“阈值保证”有效地减少了协商循环次数, 并且对Agent 提供了阈值保护, 确保某些可能导致较差结果的策略不被采用, 而且协商结果是在阈值定义范围之内的。而“触发补偿”机制结合了生产调度的特点, 当Agent 低于阈值范围时, 及时进行原材料, 在制品或半成品的补偿, 保证协商顺利进行。......
2023-06-20
本章运用基于对策论的多Agent 协商机制讨论SFGDD 模型中的多智能体间的协商交互问题。目前多Agent 之间的协商方法主要有基于合同网协议的方法、 基于市场机制的方法、 基于对策论的方法。对策论是基于数学模型研究冲突条件下最优决策问题的理论, 针对半导体封装测试过程中的多层次、 多目标等复杂特性, 本研究利用对策论的合作对策和纳什均衡理论研究该模型内部的协商机制。......
2023-06-20
较新的智能调度方法就是基于多代理技术的合作求解, 它以分布式人工智能中的多代理机制作为新的生产组织与运行模式, 通过Agent 之间的合作以及MAS系统协调来完成生产任务的调度。人们不仅认识到了应该把人工智能各个领域的研究成果集成为一个具有智能行为的个体, 更重要的是认识到了人类智能的本质是一种社会性的智能。如何实现分布式人工智能系统, 为MAS 设计技术平台和开发方法?......
2023-06-20
基于多智能体的混合式体系结构需要解决下列主要问题:智能体角色定义。在上述基础上, 采用一定的体系结构表达方式, 构建系统体系, 进行基于多智能体的混合式系统体系结构, 进行实体实现。具体流程描述见图3-2:图3-2基于多智能体的混合式体系结构设计流程在体系结构建立的基础上, 需要确定多智能体间的协商和冲突消解机制, Agent 之间的协商机制决定了在基于Agent 的生产调度系统中, 实现不同的调度策略实施和目标。......
2023-06-20
对差分进化算法、人工蜂群算法和改进差分进化人工蜂群算法这三种算法的计算性能进行对比分析,结果表明,改进差分进化人工蜂群算法与另外两者相比更具优势。通过差分进化算法改进人工蜂群算法,运用人工蜂群算法避免领域搜索,即通过差分进化人工蜂群算法处理优先级确认问题。以广义优先关系串行调度产生方案获得的工期作为适应度值,并以此改进差分进化人工蜂群算法优先级编码。......
2023-10-05
MPSP技术的目的:得到合适的控制历程Uk,使得在最后一步(k=N)时的输出YN趋近于理想的输出,YN→,同时付出的控制量最小。MPSP技术需要一个初始猜测控制量,然后根据末端误差来不断修正控制量,最后得到满足要求的控制量。式、式构成了约束条件下的静态规划问题。根据静态规划理论可得因此,在k=1,2,…,N-1时,更新后的控制变量为MPSP算法将动态优化问题转化为静态优化问题进行求解,使优化问题大大简化,计算效率大幅度提升。......
2023-08-02
本书利用多Agent 技术对半导体封装测试生产计划与调度过程进行模块化定义, 设计的基于多Agent 的协同生产混合体系框架如图3-4 所示, 主要体现在将整个计划与调度控制系统分为三个层次: 管理层、 规划层和任务层, 管理层包括工厂管理Agent 和总体规划Agent; 规划层划分为计划Agent、 调度Agent 和订单Agent;任务层包括需求Agent、 产能Agent、 投料Agent、 在制品Agent、 半成品Agent 和成品Agent。同时资源Agent 在不同层次根据不同性质需要进行响应。......
2023-06-20
管理的最终目的也是充分利用资源,以较少的资源实现垂直运输的优化管理。表5.8运输工具信息表资源管理数据实体负责建立和维护关于运输人员排班、运输历时、运输消耗成本、运输工具、运输库存节点和缓存节点等数据。一般而言,要求所有涉及资源运行的数据在资源管理数据实体内存档。资源管理数据实体的主要功能是实现运输工具与运输任务实体进行数据交互,缓存节点和库存节点通过仓库查询进行人机交互。......
2023-10-05
相关推荐