离散行业智能制造中的控制优化技术发展趋势

1.基于大数据的优化与控制

随着信息技术在制造业的广泛应用，企业积累了海量的数据。如何有效地将企业积累的海量数据转化为“信息资源与知识”，通过基于数据的优化和对接，把业务流程和决策过程有机地融合，更好地为企业的产品创新设计、供应链优化、制造过程的优化控制以及营销服务，已成为一些企业迫切需要解决的现实问题。同时，制造企业的数据积累量、数据分析能力、数据驱动业务的能力亦已成为决定企业市场竞争力的重要评判标准。但目前在企业数据的应用中，这些大数据并没有得到充分有效的利用，反而给企业带来了巨大的挑战。麻省理工学院斯隆管理学院的教授Erik Brynjolfsson表示，基于数据分析的决策实现的生产率增长，要比任何其他因素高5%～6%。这种生产率增长能够决定大多数行业的胜负。

大数据处理技术刚刚兴起。在制造业，应该梳理和借鉴已有大数据处理技术，围绕大数据在制造业应用中所涉及的共性关键技术，重点解决制造业大数据的获取及预处理技术、制造大数据的结构化/非结构化数据建模技术、制造大数据的检索、数据智能分析及可视化技术，并在此基础上研发大数据智能分析工具与决策平台，形成高效的数据资产，用于核心业务的知识挖掘，将数据整合，从数据中获取更大的价值，为企业创造更大的竞争力、价值和财富，更好地实现差异化竞争。

数据处理技术发展阶段见8.2。

图8.2　数据处理技术发展阶段

（1）离散制造业典型物流业务的优化与控制。通过研究离散制造业典型物流业务流程（如仓储、运输、配送等）中的海量业务数据建模技术，开发物流业务流程建模工具，描述和再造大数据环境下的物流业务流程；面向物流系统、物流网络节点的业务流程，开发物流业务流程大数据分析工具；研究典型物流运作管理优化问题（如库存管理、智能配载、网络调度等）的建模与求解算法、评价指标体系、物流网络节点过程优化调度方法，开发基于大数据分析的分布式供应链决策支持系统。技术路线见图8.3。

图8.3　生产物流配送及优化的大数据分析技术研究路线

（2）挖掘、运用营销大数据中蕴含的价值和规律。收集和分析客户的各项数据和行为轨迹，结合营销领域的业务模型和业务特征，让营销和服务决策能够无限接近真实的市场需求方向，让企业与客户能够达到和谐交换是长期以来企业开展营销和服务的指导思想。通过数据处理的技术手段，从数据中找出隐藏的、未知的，但却对企业的营销、销售和服务十分有用的信息，以指导企业开展营销、销售和服务业务，一直是企业进行营销和服务决策的主要手段。

企业将CRM或BI系统中的顾客信息、市场促销、广告活动、展览等结构化数据进行分析处理，在理解和把握市场需求、客户行为、客户细分、客户价值等方面取得了一定的成效。然而，互联网经济、社会化媒体的迅猛发展，导致了整个用户市场环境的变化。用户接触和获取信息的渠道和方式、用户与商家产生交互及购买行为的渠道和方式、用户之间产生交流和分享体验的渠道和方式都在发生全面而深刻的变化，客户行为越来越求新和多变，客户需求的差异性越来越显著，市场也得到了不断的细分。这种情况下，分析客户的主观偏好，适应客户的差异化需求，掌握客户行为的变化规律，成为企业营销关注的核心问题。

2.基于群智计算的优化与控制

制造系统的优化控制是一个典型的复杂适应运行过程。群智计算的研究方法和研究成果都可以为复杂制造系统的优化控制研究提供重要参考。由许多个体相互作用，在群体层面涌现出复杂智能特性，这是生物智能产生的基本方式。从概念上说，包括微观层面和宏观层面，群智计算与复杂适应系统都具有明显的相似性。任何生物智能系统都可以被认为是某一类相对简单、特殊的复杂系统。群智计算排除了复杂系统那些形态各异的表象，保留了复杂系统的基本内核，其可研究性、可操作性都比完全的复杂系统强。(www.xing528.com)

从算法的搜索机制、解的模式、环境特性3个角度出发，未来有关群智计算的算法设计还将呈现出如下几个主要研究热点。

（1）小生境层面的有关算法设计。在进化计算领域，用于寻找多个解的算法被称为小生境算法。寻找多个解（小生境）的过程叫作物种形成。小生境算法是对另一个自然过程进行建模，即大量的个体为使用一个物理环境中的有限资源而竞争。对资源竞争导致的行为模式是个体根据它们对资源的要求自组织为子群。小生境是环境的一部分，而物种是种群跟环境竞争的一个部分。从计算优化的角度，小生境表示的是问题的一个解，而物种指的是一组收敛到单个小生境的个体（在PSO中即为粒子）。

（2）动态环境层面的有关算法设计。动态环境下的生物启发式计算需要考虑两方面问题，一方面是检测环境的变化，另一方面是对变化做出反应。

在检测环境方面，可以利用一个和多个哨兵的方法。哨兵的任务是检测局域环境的变化。哨兵保存最近的适应值，下次循环时，哨兵重新计算适应值并与保存的适应值比较，若不同，则表明产生了变化。更多的哨兵能够从环境的不同区域得到反馈，若使用多个哨兵，环境变化的检测就更加快速与可靠，但也增加了搜索算法的计算复杂度。

在对环境变化做出的反应方面，可以将PSO应用于动态环境中，评价不同速度模型的效率。

3.泛在信息环境下的供应链优化与控制

信息技术的飞速发展已经并将继续对供应链管理领域产生深刻的影响，形成以电子市场（e-Market）为基础、以电子业务为特征的电子供应链网络，展示了一种全新的商业机会、需求、规则和挑战，企业的生存空间也由物理的市场地域向虚拟市场空间转变。电子市场不仅可以为买卖双方提供一个高效的交易机制和交易场所，从而大大降低交易成本，而且还可以促进交易双方建立和维系一种新的供应链伙伴关系以提升运作效率。然而，当前的电子市场大多数都是不成熟的，存在各种各样的缺陷。例如，在由通用、福特、戴姆勒—克莱斯勒、雷诺、标致—雪铁龙、尼桑等汽车业巨头共同发起的电子市场——Covisint中，过于激烈的竞争使得供应商参与电子市场交易的积极性受到了打击。这说明，在基于电子市场的交易活动中，亟须对电子市场下的供应链协调机制开展理论研究。同时，电子商务的发展形成了电子网络渠道，在许多方面对营销渠道系统产生了巨大的冲击。例如，淘宝网在3个半小时内卖出了205辆奔驰Smart，而该车下一年的销售目标也就是500辆，显示了电子营销渠道的强大力量。相对于传统的营销渠道，电子网络渠道具有数字化、虚拟性、交互性、及时性、全球性、网络外部性、整合性等优点，但也存在与传统营销渠道相冲突等问题。如何建立混合渠道下的供应链运作管理理论和方法成为电子商务发展给供应链管理理论带来的难题。

另一方面，以感知、互联和智能处理为特征的物联网技术的飞速发展及其在供应链管理领域的广泛和深入应用，使供应链管理过程中的信息获取与采集真正实现自动化，实现单元业务环节自动化，提高供应链管理的可视性，实现实时、精确化的供应链管理，并以标准化、一体化的实时信息为供应链管理提供决策支持。更进一步，先进的传感器、软件及相关知识在供应链系统各个环节的整合与应用，从技术上支撑供应链管理向更深、更广、多维、实时的方向发展。此时，信息技术的应用已不仅仅是作为提升供应链运作效率的手段，而是创新了供应链管理模式，对供应链管理理论和方法提出了新的挑战。

虚拟市场空间、电子业务、无所不在的感知、互联和智能信息处理共同形成了面向供应链管理的泛在信息环境。如果说对需求信息失真的研究促使了供应链理论的诞生，那么泛在信息环境下的供应链管理理论研究将是信息技术高度发展背景下的供应链优化与控制研究的拓展与丰富。