产品分析论文：智能产品的监管机制探索

本文作者：胡子瑜工作单位：广州番禺职业技术学院

背景和相关工作

总的来说，在现代工厂，智能资源是能够执行和控制制造行为的制造资源，也能够监督和控制自身情况。一些学者将软件系统打包看成是资源智能化最自然的方法（e.g.Saadetal.1995，BussmanandSchild2000，Venkateswaranetal.2003）。文章中，软件系统被定义为与其他软件系统联合，以解决单一软件不能解决的复杂问题的软件系统。工厂里假如有干扰发生，智能资源能够对制造问题反应，并为产品研究备选的机器和路线。目前，在制造和供应链管理方面，越多越多的人对智能产品和物联网的应用有更多兴趣（Meyeretal.2009）。McFarlaneetal（.2003)将智能产品定义为以实体和信息化为载体表现一个产品。而物联网的基础规则是：所有的设备每一天都会被连接到数据网络上（Gershenfeldetal.2004）。很可能在将来，随着智能产品和物联网的发展，工厂里面不仅资源而且所有的产品和设备将会变得智能化。一些近期被用于互联网的数据协议，可能将会被使用在所有相关联的设备之间的互用性方面（Gershenfeld2000，Fleisch2010）。因此，如何能够创造一个这样的制造系统：它拥有的更多智能产品和资源能够一起工作并能适应工厂和车间的变化。文章对其进行了探讨。

分析问题

监控需要在聚集的环境中讨论其精细化。因为，聚集广泛存在于生产计划与控制中（e.g.AxsaterandJonsson1984，Schneeweiss2004）。比如，装运、排序、日程安排等观察报告以时间聚集，物料和设备以地点聚集。然而，监控问题几乎不能在聚集关系中显示出来。现实中，在仓库或车间，错放的物料不见了；导致产品报废的质量问题总是和某台机器、某个工具、或某位操作者联系在一起等。这些是发生在某个细节中的干扰问题。另外一个事实是：集权的生产计划与控制系统的计划者会例行采用等级制处理问题。这样做可以减少不同组织层之间的复杂性，因为每一个组织层面在功能上是相对独立的。但是，在统治系统中，作为固有的功能，执行的反馈非常重要（Mesarovicetal.1970）。因此，较低层面必须向较高层面提供适当和及时的反馈。如果其中某些需求没有被满足，计划者将不可能对计划的执行进行有效监控。这个问题是组织中垂直联系的瓶颈（Galbraith1973）。

设计监控系统

监控系统的需求基于对问题的分析，文章总结出监控系统的三个需求：①一个有效的监控系统需要在干扰常常发生的数据层面运作；②这个系统应该能够将干扰的反馈信息直接传递给适当的人；③当干扰发生时，这个系统必须能够立即给适当的人建议解决方法。下面，文章阐述这些需求在系统设计中如何合并。结构设计为了满足身份维护的首要需求，监控系统必须能够在干扰发生的层面储存详细的信息。因此，追溯功能需要合并在系统设计中。据此，文章设计了一个产品中心系统，如图1所示。在这个新的设计中，能够为任何单独的实体产品储存诸如地点、类别、质量和外形等属性。此外，对于每一个产品，将它转换成当前状态的物理加工信息都能够被储存，每一项加工的位置也能够更具体。这种设计使系统可以监控单个产品，这也是干扰常常发生的层面。3.3产品中心软件系统的运行为了收集所有产品的最新信息，为了能够检测问题并提供反馈给监督者，为了能够寻找到解决问题的方法，某些智能产品的运用是必须的。正如上文所提到的，软件系统看起来是最适合完善智能资源的智能部分，因为它们拥有执行重复任务的知识和推理能力。因此，在系统建议的设计里，每一件产品都有自己的软件系统履行这些任务。文章根据Meyeretal（.2009）区分的智能的三个层面，介绍产品中心软件系统的运行。第一个层面：信息处理首先，产品中心软件系统需要实时更新信息。如果软件系统要适当地履行任务，那么它所需要的最重要的信息由两部分组成：当前产品状态，计划或者期望的产品状态。决定期望的产品状态相对比较容易，软件系统可以分析生产计划与控制系统提供的近期信息，比如序化到期日，计划交易，运营这些影响产品的因素。然而，决定当前产品状态将会有更多问题。一种方法是重新检查近期系统中提供的信息：将会发现交易和运作已经履行，并需要继续履行下去。然而，信息不可能总是充足的，因为交易的履行和它被录入系统之间总是存在延迟，并且，更重要的是，较干扰而言，信息可能是在更高一级的层面。因此，为了获取单个产品的最新状态信息，自动射频技术被独一无二的引进到识别单个产品中，比如：条码和RFID。此外，可以用定位技术大约对产品进行定位，正如Strassner和Schoch（2002）阐述的。另一种方法是通过每次扫描条码或者RFID标签以及确定扫描的实体位置来更新产品的定位。这些识别和定位技术可以和传感技术合并使用，例如：热、声音、图像、红外线、磁震或者雷达系统等。所有这些技术将物联网带入生产车间。第二个层面：问题告知所提供的产品中心软件系统既了解计划也了解计划执行的当前状态，这样就能够检测出干扰。为了实现这一点，软件系统引入像效用函数这样的机制，以判断进程是否与计划匹配，其他物品的状态是否仍在可接受的范围内等。效用函数是基于如下这样的因素运行的：离订单到期日剩余的大量时间，是否有适当的计划按时完成产品，计划的执行是否按照日程安排，还有产品是否在期望的温度范围内等附加因素。如果某个产品中心软件系统的效用分数低于某个确定的界限，这个软件系统就会出现问题，并能及时将此问题反馈给明确知道车间中哪一件产品有问题的监督者。第三个层面：决策除了反馈问题，如果软件系统能够给出如何降低问题的严重性的建议，是有益的。连续动态地收集信息的结果是，所有的软件系统都了解近期的状况。这使得软件系统可以实时运算可选计划。然而，每一个产品软件系统都与所有其他的产品软件系统交换运算结果是不能可能的，尤其当产品数量比较大时。因此，建议采取一种基于合同网协议（Smith，1980）的拍卖模式，比如像机器这些生产资源能够提供自身的能力，供产品中心软件系统竞价。资源和产品中心软件系统之间博弈的最终结果将会被呈现给监督者，他来决定是否采取初步行动。如果监督者不同意计划中的某部分，软件系统将能够从改变中获取新的偏好。这种方法和Roest与Szirbik（2009）提出的逃避、调停监控机制相似。

这部分简短地描述如何通过仿真实验对系统进行评价。文章采用Meyer和Wortmann（2010）提出的基于TACSCM模拟改造的GRUNN实验进行仿真模拟，其基本的观点如图2所示。为了从监控的角度检测制造者的履行情况，将实际中最常见的干扰———物料短缺增加到该游戏中。预先给定实验中无用零配件（物料短缺）的三个可能值：0%，5%，和10%。为了体现对结果的合理信心，相同的四个竞争者对于每一个可能值进行了26次模拟。图3（a）从订单按时完成的角度，显示了进行修改前后系统的模拟结果。当没有用的零配件增加时，修改前的系统显示按时完成的订单的百分比减少；GRUNN，修改后的系统运行效果更好，甚至当所有零配件的10%都不能用时，几乎所有的订单都能够按时完成。这个观察证实了：在模拟情境中，在处理干扰方面，基于智能产品的方法非常有效。一种克服无用零配件问题的明显的方法是增加零配件的安全库存。图3（b）显示了每一张被接受的订单的平均库存成本，这对于供应商系统的库存水平而言是一个很好的指示。这个图清晰的显示用GRUNN方法不会导致较大数量库存，因此，不会通过增加安全库存水平解决无用零配件的问题。模拟的结果表明：从处理干扰的角度而言，引入智能产品的方法非常健全；就其本身而言，这种方法作为监控系统看起来也很有前途；如果作为一个重要因素，其运行的稳定性也很明显。