船舶制造項目倉儲管理MAS系統

韓端鋒，周青驊，李敬花，楊博歆

(哈爾濱工程大學 船舶工程學院，黑龍江 哈爾濱 150001)

?

船舶制造項目倉儲管理MAS系統

韓端鋒，周青驊，李敬花，楊博歆

(哈爾濱工程大學 船舶工程學院，黑龍江 哈爾濱 150001)

大型船舶制造企業存在多倉儲點物流協調不佳、廠內配送能力相互制約等問題，本文引入多智能體系統中的協商機制構建倉儲管理系統。根據倉儲活動流程和問題模型，進行了倉儲多智能體系統的原型設計和功能模塊映射，確定了各智能體的內部結構和通信模型，并設計了倉儲點協商機制和算法，最終開發實現了兼容B/S架構的倉儲群管理多智能體系統原型。系統運行表明，使用agent代理倉儲點協商，能夠進行有效的船企物流自動調度管理，驗證了多智能體技術在船舶制造項目倉儲管理上的可行性，為船企智能化管理提供了思路。

船舶制造項目；物流管理；倉儲管理；分布式倉儲；倉儲問題模型；任務協商；多智能體；管理系統

船舶制造具有小批量、大結構、嚴格按照訂單等生產的特點，需要較大容量的倉儲系統以滿足對項目生產過程中的物資冗余度要求[1]。船企倉儲類型有多種，對于露天堆場的倉儲管理問題的研究主要集中在堆場內結構件的排布優化上[2]；對于室內倉儲問題的研究，主要集中在出入庫、利庫(剩余物料跨項目再利用)的流程上，對復雜出入庫情況進行優化計算[3](包括推-拉生產方式)。船企中，不同倉儲作業間存在競爭和沖突，需要與物資管理系統進行有效結合以協調倉儲點活動，避免倉儲和物流能力浪費。

國內外在倉儲調度管理方面已有較多研究成果，如倉儲動態實時化管理[4]、使用算法進行倉儲調度優化[5]、供需結合的倉儲管理[6]、倉儲活動決策系統的建立[7]、面向料單的倉儲配送[8]以及多倉儲和多生產點條件下的倉儲選擇等。但對廠內物流能力等資源沖突情況下的倉儲運作缺乏考量。

由于倉儲在船企內的地理分布特性，船舶制造項目倉儲問題是一個分布式問題，從提高自動化程度和倉儲效率的角度來看，分布式人工智能(distributed artificial intelligence，DAI)技術匹配了該類問題求解的大部分特征，具有較好的預期[9]；而多智能體系統(multi-agent system，MAS)是DAI領域所應用的比較成熟的技術之一。數字軟件上的智能體Agent，是指駐留在某一環境下能夠自主﹑靈活地執行動作以滿足設計目標的行為實體；由多個Agent彼此互相通信并為完成共同目標協同工作組成的系統被稱為多智能體系統(multi-agent system， MAS)[10]。文獻[11]中即使用Agent用于倉儲系統虛擬化設計，對倉儲進程中各因素影響進行評估。在倉儲管理方面，國外在2004年即開始利用智能Agent技術設計或改進倉儲管理系統[12]；國內也進行了MAS技術在倉儲管理上的應用研究[13-14]并取得了一些研究成果。

為此，本文利用多智能體技術構建具備一定智能程度的、適用于船舶制造企業的倉儲管理系統，以期提高船企倉儲管理系統的魯棒性，并能兼容船企已有的項目管理系統，實現業務集成和數據共享，提高生產自動化程度。

1 船舶項目倉儲問題模型

1.1 船舶項目倉儲活動概述

船舶制造企業中，一般設立多個倉儲點以滿足生產需要，其中部分庫房為特定種類物料所設置，多數倉儲場所之間物料可以相互流通。根據船舶倉儲活動的特點，船企倉儲系統的問題主要集中在倉儲任務的選擇與調度上。主要的倉儲活動問題有：1)根據倉儲系統需要入庫的物料量，進行倉儲任務調度；2)根據物料特性(部分物料指定倉庫)進行倉儲任務調度；3)根據庫容量安排倉儲任務；4)根據物流路徑的承運能力安排倉儲任務。

1.2 倉儲管理角色

根據船舶或海洋工程裝備項目的生產特點，將船企內部各個倉儲場地簡化成具有多個出入口和一定容量的倉儲單元以建立模型。倉儲單元包括：

1)倉儲群：指船企內部包括庫房及堆場等所有具有倉儲功能的場地集群；2)倉儲點：指船企內部具有倉儲能力的場所單元，如單個庫房或堆場為一個倉儲點；3)路徑：連接各個倉儲點之間的物流路徑。單位時間內路徑上的物料運輸量稱為路徑通量；路徑通量和路徑長度是路徑的評價指標。

1.3 倉儲問題模型單元

從船企效益的角度出發，庫存優化是以實現最小成本進行體現的；在具體執行上則以減少物流成本和縮短物流時間為優化目標。物資在倉儲環節流轉中，主要受倉儲點容量以及配送路徑通量的限制，不可無視物流承載力和庫容任意存取物料。由此，倉儲問題優化的目標應為：結合實際需要，以盡量短的物料路徑盡快完成倉儲任務，從而提高倉儲周轉效率。為具體描述倉儲任務，將倉儲問題模型(warehouse problem model， WPM)形式化表示為集合

WPM={WTU， WAU}

式中：WTU為倉儲任務單元(warehousetaskunit)；WAU為倉儲動作單元(warehouseactionunit)。WTU和WAU各為一組屬性的集合。多個WAU共同解決同一個WTU組成了倉儲問題的解決模型。WPM模型內的詳細內容如圖1和表1所示。

圖1 倉儲問題模型(WPM)Fig.1 Warehouse problem model (WPM)

單元屬性含義內容類型WTUSp倉儲任務單元定義集合WTUTc本任務包單位運輸成本數值WTURc本任務包所需庫容數值WTUSa包內物料對應倉儲點類型集合WTUTf本任務包物料運輸通量限制數值WAUSu倉儲動作單元定義集合WAULr對應倉儲點物流路徑矩陣WAUAc對應倉儲點可提供庫容數值WAUMc對應倉儲點可存儲物料類型集合WAUCr倉儲動作路徑的通量矩陣

WPM模型中系統工作可描述為：1)制定WAU以完成WTU；2)布置WAU以提高倉儲資源利用率。

1.4 倉儲群模型

倉儲群模型定義了WTU和WAU的邏輯關系。首先定義模型內參數，見表2。

表2 倉儲模型參數列表

根據產品生產特性，在船企倉儲動作中，WTU可分為入庫、出庫和移庫三類；其中入庫指物資從外部進入倉儲點；出庫指外部從倉儲點獲取物資的過程；移庫指物資根據需要在不同倉儲點之間的移動過程。倉儲活動是WTU和WAU動態平衡的結果。一組倉儲動作的示意如圖2所示。

圖2 船舶項目中的倉儲動作示意Fig.2 Sketch of warehouse movement in shipbuilding project

在倉儲群模型中，各個WAU中的路徑Lr和通量Cr兩項屬性通過從群模型中簡化后的倉儲路徑模型得到。一個倉儲路徑模型如圖3所示。

圖3 倉儲路徑模型Fig.3 Model of warehouse movement

該倉儲路徑包括5個節點，每個節點代表一個倉儲點或物料進出口。以元素eij表示各節點間路徑的通量，得到路徑方陣為

WAU的Cr屬性即為E矩陣。在實際的物料裝車配送過程中，路徑的通量與車運方向有關，所以eij≠eji。WAU內的Lr屬性與之類似，方陣內各元素為各段路徑的長度，lij=lji。

在完成倉儲任務的過程中，各倉儲點因共用路徑和物流能力等常產生資源沖突。因此，通過設置倉儲問題模型，將問題簡化為如何設置WAU以解決WTU；建立智能船舶制造倉儲管理系統(intelligent shipbuilding warehouse management system，ISWMS)，增強信息管理和數據反應能力，以提高船舶生產中的倉儲管理效率，縮減倉儲成本。

2 船舶項目倉儲系統模型

倉儲活動時效性較強，當吞吐量沖突發生時，需盡快完成各倉儲點之間的沖突協商，以避免物流材料在倉儲階段的滯留。由此，ISWMS基于MAS技術構建，各倉儲點的庫存活動使用Agent代理，運用MAS的協商機制來實現倉儲問題模型中多WAU對WTU的求解。

2.1 系統組成

ISWMS由多個Agent和通信網絡共同組成。網絡中的Agent使用規范的語言進行通訊。

2.1.1 Agent設計

典型的Agent結構由傳感器、知識庫、處理器和動作器幾部分組成；針對其屬性和智能程度又分反應型、慎思型和混合型等；根據響應速度和協調效率的要求，結合Agent的信念愿望意圖(belief desire intention,BDI)模型架構，ISWMS中的Agent被設計為復合型Agent；結構如圖4所示。

圖4 ISWMS中Agent結構Fig.4 Structure of agents in ISWMS

2.1.2 MAS通訊

MAS系統中，Agent間通信方式包括黑板系統和消息對話方式兩種，根據通信特點及使用需求，應構建兩種通信方式兼具的通信網絡。其中黑板系統方式用以實現單個Agent獲取全局MAS信息；而消息對話方式用來實現多個Agent的協商。ISWMS中通信架構設計在2.2節中得到體現。

2.2 系統架構

從當前船舶企業倉儲的特點來看，船舶制造所需的倉儲點位置及數量固定，各倉儲點之間關系對等，沒有較復雜的內部級聯關系，問題求解集中在各倉庫吞吐量的協調上。因此，ISWMS被設計為由控制層和動作層兩層結構組成的雙層MAS系統。圖5及表3展示了在ISWMS內各Agent組成及信息交互示意。

圖5 ISWMS通信及架構Fig.5 Communication and construction of ISWMS

Agent名稱職能描述倉儲控制對全局倉儲活動進行控制,發布WTU,評估動作層Agent計劃任務倉儲點代理倉儲點物料活動,接收WTU并提出WAU,和其他Agent交換WAU協商物流監控物流任務并反饋信息

2.3 系統協作模型

傳統的船企生產流程中，一般自頂向下，將倉儲任務分配到各個倉儲點執行。這種庫存管理方式增加了管理層的工作量，且各子庫存信息更新不及時。因此，結合MAS使用“庫存競投標”這一概念，控制Agent接收到倉儲群的庫存任務WTU后(寫入MAS黑板)，各倉儲點Agent為完成任務提出WAU，相互協商形成協作團隊方案進行競投標。倉儲控制中心對各協作方案進行評估，選擇中標方案執行任務，完成WTU。在ISWMS中，協作模型以如下方式進行表述

Cooperation=，其中

M：協作管理員(cooperation manager)，協作管理員在協作過程中提出協作任務，監控任務完成情況。ISWMS中這一角色由控制中心Agent承擔。

G：協作目標(cooperation goal)，協作目標由協作管理員(M)提出，包括協作目標本身和達成目標的評估標準。ISWMS中協作目標即為WTU，以WTU是否完成作為協作目標完成的標識。

T：協作團隊(cooperation team)，協作團隊成員由Agent根據任務自愿加入。在ISWMS中，各Agent根據WTU定義決定是否參與，從而組成T。

P：協作計劃(cooperation plan)，對協作目標G進行任務分解，指定協作團隊角色間聯系。ISWMS系統中，倉儲點Agent根據對WTU的分析，提出WAU，與其他Agent協商獲得協作計劃。

S：協作結果(cooperation solution)，協作結果是協作計劃的結果。ISWMS中為各Agent確定協作方案，將倉儲動作匯總得到的總WAU執行序列。

ISWMS系統中各個Agent的協作流程和序列為：1)控制中心Agent根據WTU制定倉儲群任務計劃作為MAS的協同目標G；2)制定協同方案和協同體結構，確定協同角色的組成及WTU發標范圍；3)發表WTU，各功能Agent協商后形成協作團隊；5)選擇中標團隊，得到團隊的協作結果S；6) 按選擇團隊組織相關Agent動作達成協作目標。根據協作模型，ISWMS內運行序列如圖6所示。

3 系統運行流程

通過1.4節提出的倉儲問題模型，參考文獻[15]中提出的物流優化方法，設計算例對系統運行流程和協商過程進行說明如下：

1) 倉儲控制Agent獲得倉儲動作指令，將相似屬性倉儲任務歸類生成WTU，在MAS通信黑板上發布倉儲任務單元WTU={Sp，Tc，Rc，Sa，Tf}；

2) 倉儲點Agent獲取WTU內的任務定義Sp、庫容Rc和倉儲點類型Sa屬性，判定合適時制定本倉儲點的初始WAU并發布。WAU內的Cr和Lr屬性通過通信網絡實時獲取。倉儲點Agent發布各自的初始WAU，并在MAS系統內根據規則尋找其他參與協商的其他倉儲點Agent。

3) 各Agent尋找并組成具有m個WAU的協作團隊，形成初始協作團隊T0，及其協商得到的WAU執行序列WAUnegotiation={WAU1， WAU2， …，WAUm}。

圖6 ISWMS協同運行序列Fig.6 Sequence diagram of agent cooperation in ISWMS

完成條件：當以下規則同時滿足時，完成協作團隊的構建工作。

①倉儲點可以存儲對應任務包的物料類型：

{Mc|WAUi}?{Sa|WTU}，i≤m

(1)

②倉儲任務需要的庫容得到滿足，即

(2)

③路徑通量可滿足倉儲任務的運輸通量需求，即對協商結果總WAUT的Cr屬性，有

Cr|WAUT=(epq)n×n，?epq≥Tf|WTU

(3)

協商過程：

倉儲點Agent對其它Agent所持的WAU進行協作收益的計算。包括：

①通過WAU內的屬性判定是否協作。若雙方Agent所持WAU的Su屬性的交集為空集時，說明任務物料種類不符，拒絕協作。

②從雙方WAU的Lr屬性出發，計算目標Agent的協作影響。當不同WAU之間在路徑上發生沖突時，協作收益因子u按下式計算：

(4)

式中：Lsum為協商各方所持的路徑Lr|WAU矩陣內的所有元素和，表征參與者WAU的物流路徑總長度；∑lclash為各方Lr|WAU矩陣內重合元素值之和，表征各方倉儲動作的沖突路徑總長度。u=1說明各方WAU無沖突。

③Agent優先選擇與自身WAU具有高協作數值的其他WAU組成團隊，在達到完成條件時，完成初始協作團隊T的組建工作。

4) 控制Agent收到初始團隊T后，獲取T的協商WAUT，參考文獻[16]中提出的多指標績效評估模型進行評估。評估指標包括：完成WTU的時間成本，完成WTU的物流成本，Agent知識庫內基于過往經驗或預先定義的各項成本評估權重，自外集成系統或人工發出的干預指令。

5) 根據評估結果選擇協作團隊后，詢問對應的團隊成員Agent確定是否接收任務。

6) 各團隊成員接受評估結果并開始調動物流Agent執行物流作業，一次MAS協作過程結束。

7) 控制Agent對全局倉儲動態進行監控。當某一路徑活動通量為0時，控制Agent將對該路徑及兩端倉儲點Agent活動數據進行收集，尋找合適的WTU并向MAS發布執行協作作業。

4 系統開發驗證

4.1 運行平臺

系統開發與工信部《工信部高技術船舶科研項目》已有研究成果相結合，針對集成系統特性選取基于Java語言的多智能體開發框架平臺(Java agent development framework， JADE)，結合JADE框架自帶的FIPA-ACL智能體通信語言進行ISWMS的開發。ISWMS系統以瀏覽器/服務器架構(Browser/Server，B/S)在船企局域網上實現，并與物流系統及進度管理系統實現集成兼容。系統主要功能界面如圖7所示。

4.2 案例驗證

從系統集成生產管理模塊中導入某船舶企業的24 h內采購到貨及生產計劃數據，對ISWMS原型系統進行多組測試模擬倉儲任務規劃問題。系統合并生成了4個WTU，測試過程與結果如表4-6所示，從結果可見，本文提出方法在多倉儲點沖突環境的運行下具有較好的優化效率。測試過程詳述如下。

圖7 ISWMS主要功能界面Fig.7 Main function interface of ISWMS

1)發布WTU。根據到貨計劃，控制中心將數個從節點#1入庫的倉儲作業集合為1個WTU并發布。測試倉儲群中有5個物流節點，起點為#1的倉儲路徑矩陣(單位為km)為

實時通量(單位為件/h)為

2)根據WTU屬性，倉儲點Agent開始協商，組建協作團隊。本輪測試過程中，4個倉儲點Agent均在協商后提出協作團隊。協作計劃如表4所示。

3)控制中心對各協作團隊進行評估，結果如表5所示。表5展示了示例的評估結果。最終選擇#5倉儲Agent主導的任務協作團隊執行示例WTU。

表4 協作計劃列表

表5 協作計劃評估結果

系統運行實現了研究提出的主要功能，包括：1)Java web網絡框架與Jade框架相整合，從web端調用Agent數據并以FIPA-ACL格式通信；2)在服務器端建立控制中心Agent，與數據庫中專門設計用于Agent黑板通信的表空間實現了雙向連接；3)使用多倉儲點Agent協商實現物流能力協調，并和解決物流問題的算法庫實現了共用；4)MAS部分系統人機交互界面和登陸權限的設計；5)原型系統和外部系統的對接集成及兼容性測試。

表6 ISWMS運行結果

5 結論

1)與其他研究中采用的船舶建造倉儲集中管理模式不同，ISWMS系統使用多智能體中的各個agent對企業倉儲活動中的各分布節點進行業務代理，運用多智能體協調機制，為多個分布式倉儲點協同完成倉儲物流任務提供了較快的動作方案，并兼容針對倉儲配送等已有問題的解決算法和其他用于船舶制造項目管理的數字系統。

2)經運行測試證明，在多智能體系統框架上構建的ISWMS系統增加了倉儲管理的信息化和智能化程度，可用于輔助船舶制造企業進行倉儲管理，具有較好實用意義。

對于分布式倉儲管理過程中的多代理協商及物流調度算法庫補充、對生產現場更復雜倉儲問題及更大數據量的測試及相關優化工作，有待進一步深入研究。

[1]李敬花， 呂慧超， 胡載萍，等. 基于MAS的海洋工程裝備項目鋼板可追溯系統[J]. 計算機集成制造系統， 2013， 19(5)： 1041-1050.

LI Jinghua， LV Huichao， HU Zaiping， et al. Plate traceable system based on MAS in oceaneering equipment projects[J]. Computer integrated manufacturing systems， 2013， 19(5)： 1041-1050.

[2]李敬花，樊付見，余峰. 求解船體分段堆場調度問題的改進遺傳算法[J]. 計算機集成制造系統，2012(12)： 2674-2682.

LI Jinghua， FAN Fujian， YU Feng. Improved genetic algorithm for ship block yard scheduling problem[J]. Computer integrated manufacturing systems， 2012， 18(12)： 2674-2682.

[3]PAN J C， SHIH P， WU M. Order batching in a pick-and-pass warehousing system with group genetic algorithm[J]. Omega， 2015， 57: 238-248.

[4]DONG W S， CHANG Y S， KIM W R. Design of warehouse control system for real time management[J]. IFAC-Papers On Line， 2015， 48(3)： 1434-1438.

[5]MA H， SU S， DAN S， et al. Ensemble multi-objective biogeography-based optimization with application to automated warehouse scheduling[J]. Engineering applications of artificial intelligence， 2015， 44: 79-90.

[6]PAN J C， SHIH P， WU M， et al. A warehouse assignment heuristic method based on genetic algorithm for a pick-and-pass warehousing system[J]. Computers & industrial engineering， 2015， 81(C)： 1-13.

[7]ACCORSI R， MANZINI R， MARANESI F. A decision-support system for the design and management of warehousing systems[J]. Computers in industry， 2014， 65(1)： 175-186.

[8]LU W， MCFARLANE D， GIANNIKAS V， et al. An algorithm for dynamic order-picking in warehouse operations[J]. European journal of operational research， 2016， 248(1)： 107-122.

[9]黃晶. 基于多Agent分布式約束優化問題求解方法研究[D]. 長春: 吉林大學， 2008: 15-17.

HUANG Jing. Multi-Agent based approaches to solving distributed constraint optimization problems[D]. Changchun: Jilin University， 2008: 15-17.

[10]張青，李萍，楊正全，等. 帶有未知參數和通訊時延的多智能體蜂擁控制[J]. 哈爾濱工程大學學報， 2016， 37(5) : 696-700.

ZHANG Qing， LI Ping， YANG Zhengquan， et al. Flocking control of a multi-agent system with unknown parameters and communication delays[J]. Journal of Harbin Engineering University， 2016， 37(5) : 696-700.

[11]HUANG S， WANG Q， BATTA R， et al. An integrated model for site selection and space determination of warehouses[J]. Computers & operations research， 2015， 62: 169-176.

[12]KIM B I， HERAGU S S， GRAVES R J， et al. Intelligent agent based framework for warehouse control[C]//2004 37thHawaii International Conference on System Sciences. IEEE Computer Society， Washington， USA， 2004: 1-10.

[13]胡志蘋，林國順.基于Agent的物流倉儲工作流建模[J].大連海事大學學報， 2006， 32(4)： 28-30.

HU Zhiping， LIN Guoshun. Research on modeling of warehouse workflow based on agent[J]. Journal of Dalian Maritime University， 2006， 32(4)： 28-30.

[14]賈紅雨，陳燕，胡松筠，等.庫存管理模擬Multi-Agent建模方法研究[J].系統仿真學報， 2006， 18(z2)： 73-76.

JIA Hongyu， CHEN Yan， HU Songjun， et al. Study on the multi-agent-based modeling methodology for inventory management simulation[J]. Journal of system simulation， 2006， 18(z2)： 73-76.

[15]WANG Y， MA X， XU M， et al. Two-echelon logistics distribution region partitioning problem based on a hybrid particle swarm optimization-genetic algorithm[J]. Expert systems with applications， 2015， 42(12)： 5019-5031.

[16]楊春周， 戰希臣， 鄭海平，等. 船舶倉儲管理績效的評估模型[J]. 艦船科學技術， 2011， 33(11)： 131-134.

YANG Chunzhou， ZHAN Xichen， ZHENG Haiping， et al. Research on management performance evaluation model of ship warehouse[J]. Ship science & technology， 2011， 33(11)： 131-134.

本文引用格式：

韓端鋒，周青驊，李敬花，等.船舶制造項目倉儲管理MAS系統[J]. 哈爾濱工程大學學報， 2017， 38(5)： 661-667.

HAN Duanfeng，ZHOU Qinghua，LI Jinghua，et al.Multi-agent system-based warehouse management system in shipyard[J]. Journal of Harbin Engineering University， 2017， 38(5)： 661-667.

Multi-agent system-based warehouse management system in shipyard

HAN Duanfeng，ZHOU Qinghua，LI Jinghua，YANG Boxin

(College of Shipbuilding Engineering， Harbin Engineering University， Harbin 150001， China)

There have been numerous unsolved problems on warehouse management in large scale shipyards， such as inconsistent materials′ through-put and unmatched logistics. This paper introduces so-called multi-agent system′s (MASs) negotiation mechanism to model the warehouse clusters and warehouse management system. Considering the warehouse activities and problem model， the prototype of a warehouse MAS and its function mapping， as well as the negotiation mechanism and algorithm， were designed. Finally， a warehouse cluster management system， which was compatible with the B/S structure， was established. The operational results of the system verified the feasibility of the MAS application in the shipbuilding related projects′ warehouse management， and the effectiveness of the negotiation algorithm was proven， which lays a foundation for further intelligent warehouse management.

shipbuilding project; logistic management; warehouse management; distributed warehousing; warehouse problem model; task negotiation; multi-agent; management system

2015-11-27.

日期：2017-04-26.

國家自然科學基金項目(51679059).

韓端鋒(1966-)， 男，教授，博士生導師； 李敬花(1973-)，女，副教授，副博士生導師.

李敬花，E-mail：likewalls@163.com.

10.11990/jheu.201511071

U673.2

A

1006-7043(2017)05-0661-07

網絡出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20170426.1041.024.html