基于数字孪生技术的强盗学习算法在LRM驱动的多智能体弹性生产调度中的应用

《JOURNAL OF MANUFACTURING SYSTEMS》：Digital twin-integrated bandit learning for LRM-driven multi-agent resilient production scheduling

【字体：大中小】 时间：2026年02月28日 来源：JOURNAL OF MANUFACTURING SYSTEMS 14.2

编辑推荐：

福建科学技术大学智能制造与未来技术学院，福州，350109，中国

摘要

工业系统正在从制造业4.0的效率驱动模式转向更加以人为本的制造业5.0模式，后者强调共生制造、韧性和可持续性。作为这一转变的一部分，灵活的车间调度系统需要不断适应并做出决策，以应对处理时间波动、设备故障和订单到达变化等中断情况。本文指出了现有启发式方法的不足，并介绍了一种新的方法——专为制造业5.0设计的多智能体人机协作弹性调度（MHCRS）系统。该系统利用认知数字孪生技术生成潜在干扰的实际情况，确保离线学习和实时操作之间的一致性。基于此，大型推理模型（LRM）在一系列可能的方案中生成结构化且可执行的调度规则。多臂老虎机机制加快了规则筛选、整合和优化的过程，即使在数据有限的情况下也能实现规则的平滑演变，同时支持人机协作和合规性检查。实验表明，通过“LRM生成–老虎机自我进化–孪生评估”流程，该系统能够自动发现具有更好泛化能力的稳健规则，其性能可与先进的群智算法相媲美。同时，它将寻找解决方案所需的时间缩短了近十倍，使其在工厂车间的实时调度需求中非常高效和实用。这项工作为制造业5.0的调度提供了坚实的框架，结合了韧性、透明性和持续进化。

引言

工业系统的转型正从制造业4.0的效率导向转变为制造业5.0的以人为本的目标，后者更加强调韧性和可持续性[1],[2],[3]。这种新兴的制造范式将人机协作和系统韧性置于核心位置，旨在平衡运营效率与人文价值和长期可持续性[4],[5]。最近的研究表明，制造业5.0不仅是制造业4.0的延伸，而且是一种整合了社会、环境和智能要素的“共生制造”模型[6]。在这一范式下，工人预计将承担更多的战略性和认知性角色，而AI系统则通过预测、优化和决策支持来协助他们[7],[8]。这种转变促进了人机物理系统（HCPS）的发展，提升了制造决策的灵活性和可解释性[9],[10]。

在现实世界的制造环境中，生产过程经常受到设备故障、处理时间变化和订单到达波动等因素的干扰[11]。这些干扰挑战了传统静态调度方法的有效性，推动了向适应性和韧性调度机制的转变。在灵活作业车间调度（FJSP）领域，人们越来越关注处理动态干扰和提高系统的韧性[12],[13]。传统的启发式调度规则（如SPT和WINQ）虽然简单易懂，但在频繁或复杂的干扰下性能往往下降。基于强化学习、元启发式或深度搜索的更先进方法在受控场景中可以取得更好的结果；然而，它们通常在面对机器故障或紧急订单插入等意外事件时泛化能力有限、透明度和可审计性不足，且适应速度慢[14],[15],[16]。这些局限性激励了对于能够模拟不确定性、支持知识转移并在多智能体环境中进化决策规则的认知弹性调度系统的研究[17],[18]。

与此同时，大型推理模型（LRMs）和认知数字孪生（CDTs）的整合已成为智能制造中的一个重要趋势。LRMs能够实现跨领域知识整合和语义推理，从而从异构工业信息中生成可解释的调度策略[19],[20],[21]。CDTs通过高保真虚拟表示和来自物理系统的持续反馈提供预测洞察和自我学习能力[10]。当两者结合时，可以支持在动态条件下提升适应性和韧性的闭环决策过程[19],[20]。然而，如何将这些能力系统地整合到一个以人为中心的统一调度架构中，以支持高效的在线决策，仍然是一个未解决的挑战。

基于上述考虑，本文提出了一个适用于制造业5.0环境的多智能体人机协作弹性生产调度框架。该框架结合了认知数字孪生、大型推理模型和自适应规则进化机制，以实现在动态干扰下的可解释、稳健和以人为本的调度。通过将结构化的启发式表示与数据驱动的评估和人为监督相结合，该方法旨在弥合现实制造系统中可解释性、韧性和实际部署能力之间的差距。

本文的主要贡献总结如下：

1.
一个面向制造业5.0的多智能体人机协作弹性调度框架，构建了一个涵盖感知、数字孪生、认知、进化、在线执行和人类共同决策的闭环系统。
2.
一种由LRM驱动的可解释启发式规则生成机制，将调度策略表示为具有安全约束的结构化表达式，从而生成多样化、可执行且可审计的候选规则。
3.
一种基于老虎机的自进化规则搜索方法，用于少量样本的在线学习，可在数字孪生场景池中实现规则库的稳定迭代演化和跨动态干扰的稳健泛化。

本文的其余部分结构如下：第2节回顾相关研究；第3节介绍所提出的框架和方法；第4节展示实验设置和结果分析；最后，第5节总结研究发现并概述未来的研究方向。

节段片段

框架概述

为了解决制造业5.0环境中多干扰、多智能体互动和人机协作的复杂制造特性，本文提出了一个多智能体人机协作弹性调度框架（MHCRS）。该框架以“感知–数字孪生–认知–进化–执行–共同决策”为核心过程，采用双链架构来实现离线认知演化和在线决策之间的协同效应

实验与分析

本节在受控且可复制的环境中评估所提出的LRM驱动和老虎机引导的弹性调度机制。我们在标准的公共灵活作业车间基准上进行实验，构建了一个统一的动态场景池，模拟包含比例处理时间波动、机器故障–恢复事件和动态订单到达的滚动决策环境。

为了确保公平比较和可重复性，所有

结论与未来工作

针对制造业5.0的“以人为本–韧性–可持续性”范式，本文提出了一个多智能体人机协作弹性调度框架，其核心工作流程为“感知–孪生–认知–进化–执行–决策”。该框架通过认知数字孪生构建了一个高保真动态场景池，确保离线学习和在线滚动调度具有统一的语义分布。此外，还引入了LRM

CRediT作者贡献声明

Kun Hu：撰写——原始草稿、软件开发、方法论设计、概念化。Xifan Yao：撰写——审稿与编辑、监督、资金筹集。Fei Qiao：撰写——审稿与编辑、监督。Weiming Shen：资金筹集。Hongxing Wu：资金筹集。Wenyu Yang：资金筹集。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。

致谢

本工作得到了福建省重点科学技术专项（2025HZ026007）和广东省基础与应用研究基金会（2024A1515011048, 2025A1515010139-->）的支持。

摘要

引言