基于大型语言模型引导的仿真优化,用于在作业车间调度中平衡生产率、能耗与工人体力负荷

《Computers & Industrial Engineering》:Large language model-guided simulation optimization for balancing productivity, energy, and worker physical load in job shop scheduling

【字体: 大 中 小 】 时间:2026年08月06日 来源:Computers & Industrial Engineering 7.3

编辑推荐:

  摘要:现代制造调度需在生产效率、能源消耗以及工人身体负担之间取得平衡,但目前大多数多目标优化模型仅将交货期与单一额外标准相结合,而未将工人身体负担指标纳入优化过程。本文提出一种基于仿真的优化框架,可同时最小化交货期、总能源消耗以及工人疲劳峰值指数。该框架通过离散事件仿真模型来跟踪

  摘要:现代制造调度需在生产效率、能源消耗以及工人身体负担之间取得平衡,但目前大多数多目标优化模型仅将交货期与单一额外标准相结合,而未将工人身体负担指标纳入优化过程。本文提出一种基于仿真的优化框架,可同时最小化交货期、总能源消耗以及工人疲劳峰值指数。该框架通过离散事件仿真模型来跟踪取决于机器状态的能耗情况以及工人的累计身体负担,并从三个维度对各类候选调度方案进行评估。优化引擎结合了基于参考点的进化算法,以及由大型语言模型驱动的交叉和变异操作符,该模型能够利用制造业领域的专业知识生成更有针对性的候选解;当模型产生不可行解时,算法会转而使用常规的遗传操作符。在针对不同规模基准实例进行的30次独立测试中,基于语言模型的操作符相比传统算法具有更高的超体积值且收敛速度更快。帕累托前沿分析揭示出一些可行的权衡关系:适度延长交货期可在几乎不增加能源成本的情况下,显著降低工人的身体负担指数。通过消融实验可知,交叉操作符是其中起主导作用的因素,而且通过批量提示和模型量化处理,计算开销仍可控制在合理范围。

引言:工业领域约占全球最终能源消耗的三分之一,其中制造过程所耗能源占比最大(国际能源署,2022年)。与此同时,与工作相关的肌肉骨骼疾病仍是欧盟最为普遍的职业健康问题,其直接和间接成本每年高达数十亿欧元(Govaerts等人,2021年)。欧洲委员会提出的工业5.0理念要求生产系统不仅要高效,还要具备可持续性并以人为中心(Breque等人,2021年;Xu等人,2021年)。这就使得制造调度问题需要纳入可持续发展的三重底线框架之中(Fathollahi-Fard等人,2021年;2024a年;2024b年):经济绩效(产量、交货期)、环境绩效(能源消耗与排放)以及社会绩效(工人安全与身体负担)必须同时得到优化,而非依次处理。近期关于集成式分布式调度的研究也指出,如何同时处理这三方面问题是当前面临的挑战(Fu等人,2025年)。要同时实现这三个目标确实是一项复杂的优化任务,因为通常在某个方面取得改进时,往往会在其他方面付出代价。离散事件仿真为解决这一难题提供了一种合理的方法。与那些难以捕捉车间作业中随机性和相互依赖性的封闭形式模型不同,离散事件仿真允许决策者在模拟真实生产动态的虚拟环境中评估各种可能的运营策略(Law等人,2007年;Mourtzis等人,2014年)。每次仿真运行都会记录机器状态、能耗以及工人的活动情况,从而能够直接评估某种调度方案下的多项性能指标。正是由于这一特点,离散事件仿真非常适合用作多目标优化流程中的适应度评估工具。灵活作业车间调度问题可作为此类优化的典型测试场景。在灵活作业车间调度问题中,每项任务都由一系列操作组成,而每项操作都可以在多台合适的机器上进行处理,这体现了现代制造单元的灵活性(Kacem等人,2002年)。多目标进化算法,尤其是NSGA-II(Deb等人,2002年)和MOEA/D(Zhang & Li,2007年),已被广泛用于那些旨在同时最小化交货期以及机器负荷或能源消耗的双目标灵活作业车间调度问题研究(Li等人,2018年;Zhang等人,2019年)。然而,与工人相关的目标却很少被纳入优化考量。诸如快速上肢评估法和快速全身评估法之类的人体工程学评估方法,通常是在调度方案确定之后才进行的,而非在优化搜索过程中作为明确的优化目标(Battini等人,2016年)。灵活作业车间调度问题继承了传统作业车间调度问题所具有的强NP难特性(Hartmanis,1982年),而本文所研究的这种考虑工人因素的多目标扩展版本则进一步增加了组合复杂性,因此基于优化的参考集只能用于规模较小的问题,而在实际规模的问题上,则必须通过进化搜索来获得近似的帕累托集。近年来,大型语言模型领域的进展为进化搜索过程本身带来了新的发展方向。研究表明,大型语言模型可以充当智能的进化操作符:只要给出父代解决方案及其目标值的结构化描述,大型语言模型就能够生成具有领域认知能力的候选解,而非仅仅进行盲目的重组操作(Liu等人,2025年)。这一理念已通过多种方式得到探索,包括利用大型语言模型来发现元启发式算法的超级启发式框架(Liu等人,2024年;Romera-Paredes等人,2024年;Ye等人,2024年),以及利用多智能体大型语言模型系统来协调调度决策(Y. Wang等人,2025年)。Wu等人(2024年)对这一快速发展中的领域进行了全面综述。不过总体而言,这些方法目前大多是在分析型基准函数或单目标问题上经过验证的,其在基于仿真的多目标制造优化中的应用效果仍有待检验。迄今为止,多目标仿真优化、大型语言模型引导的进化搜索以及以人为中心的调度方法大多是独立发展的。目前还不存在一种框架能够将大型语言模型驱动的进化操作符与基于仿真的生产、能源以及工人身体负担目标评估方法相结合,而本文正是着眼于这一空白点展开研究的。为此,我们提出了一种基于仿真的灵活作业车间调度问题多目标优化框架,该框架将大型语言模型引导的进化操作符与离散事件仿真模型相整合,并在帕累托搜索过程中同等重视可持续发展的三重底线中的三个要素。该框架主要取得了以下四项成果:第一,提出了一种多目标灵活作业车间调度问题模型,将该问题的优化目标设定为交货期、总能源消耗以及工人身体负担,将其作为明确的优化目标,而非可行性约束或事后进行的人体工程学评估,同时还将工人疲劳峰值指数与经过规范化的快速上肢评估法评分标准相关联(见表3)。第二,设计了一种经过大型语言模型改进的NSGA-III算法(Deb & Jain,2013年),在该算法中,大型语言模型能够生成具有领域认知能力的交叉和变异操作符,这些操作符会根据目标条件对父代染色体的基因进行重组,当模型产生不可行解时,系统会自动切换为离散的模拟二进制交叉操作符;通过操作符贡献分析,可以区分信息可用性对该算法效果的影响以及模型上下文推理的作用。第三,构建了一个离散事件仿真模型,该模型在优化流程中充当适应度评估工具,通过实时跟踪生产过程中的机器状态相关能耗情况以及工人的累计身体负担,对各类候选调度方案从三个目标维度进行评估。第四,通过在两个基准数据集上进行实证测试来验证该框架的有效性,这两个数据集分别是Kacem等人(2002年)提供的三个不同规模的测试案例(BS-I),以及Brandimarte(1993年)提供的MK01–MK10系列测试案例(BS-II),这些案例的调度与加工数据来自一家意大利机械企业,同时还加入了人工生成的工人疲劳程度和能耗数据。在测试过程中,还使用了经过离散事件仿真重新评估的AUGMECON2参考集作为基准,同时进行了多因素干扰和随机中断条件下的稳定性测试,以及基于Friedman+Nemenyi算法并结合Holm校正后的Wilcoxon统计方法的性能分析,共进行了30次独立测试。图1展示了所提框架的整体架构。本文的结构如下:第2节回顾相关研究文献;第3节阐述问题的建模方法、仿真模型以及经过大型语言模型改进的算法;第4节报告实验结果;第5节探讨该框架的运作机制、意义及局限性;第6节总结全文。

相关研究:我们从四个方面梳理相关文献,逐步引出本文的研究内容:第2.1节概述多目标进化调度方法,第2.2节介绍大型语言模型引导的优化技术,第2.3节探讨以人为中心的工业5.0调度理念,第2.4节则说明本文研究内容在各个方向之间的交汇点。

材料与方法:我们将方法论分为三个相互关联的部分:第3.1节阐述多目标灵活作业车间调度问题的建模方法,第3.2节确定用于评估各类候选调度方案在三个目标维度上表现的离散事件仿真工具,第3.3节定义经过大型语言模型改进的NSGA-III算法,该算法用于在得到的帕累托空间中寻找最优解。

结果:我们对实证测试结果进行了分阶段呈现,各部分之间相互呼应。第4.1节说明所有的实验设置,第4.2节利用在两个简单案例上经过离散事件仿真重新评估得到的优化参考集,对元启发式算法的测试结果进行对比验证。第4.3至4.4节针对第一个基准数据集分析超体积值/IGD指标以及帕累托前沿特征,第4.5至4.6节则对第二个基准数据集进行同样的分析。第4.7节进一步通过Holm校正后的Wilcoxon检验以及Cliff’s δ值来补充分析结果。

讨论:在两个基准数据集上,经过大型语言模型改进的NSGA-III算法始终表现出较高的超体积值和IGD指标,这一现象与第4.10节中的操作符贡献分析结果所揭示的特定机制相符,即该算法能够基于对父母代方案中机器与工人匹配关系的理解,进行有针对性的目标条件驱动的基因重组。传统的SBX交叉操作符和多项式变异操作符会将调度方案的染色体视为普通的数值向量,而大型语言模型则能够将父母代方案的目标值三元组(f1,f2,f3)及其对应的匹配关系一同编码,因此该模型能够更精准地指导优化过程。

结论:我们在离散事件仿真框架下,解决了在双重资源约束条件下的多目标灵活作业车间调度问题,即同时最小化交货期、总能源消耗以及工人疲劳峰值指数。所提出的经过大型语言模型改进的NSGA-III算法,在全部13个测试案例中,相较于标准的NSGA-III算法,其超体积值提升了6.9%–14.1%,相较于次优算法IMOEA/D-RL,提升幅度为1.8%–6.4%,而且这种提升幅度会随着问题复杂度的增加而持续上升。

CRediT作者贡献说明:陈世坤:撰写——审稿与编辑、撰写——初稿、可视化、方法论、研究实施、形式分析、数据整理、概念构建。吕龙金:资源协调、方法论、研究实施、资金获取、概念构建。刘扬光:监督指导、资源协调、项目管理、形式分析。

致谢:本研究得到了浙江省自然科学基金的支持(项目编号:ZCLTGS24D0101)。

陈世坤|吕龙金|刘扬光
中国宁波财经大学人工智能学院,浙江宁波,315175
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号