Analysis on Present Progresses and Trends on Modeling and Simulation Optimization of Manufacturing System

Analysis on Present Progresses and Trends on Modeling and Simulation Optimization of Manufacturing System

Huawei CHEN¹, Guoping LIU¹, Haining TU¹, Aimin WANG², Ruxin NING²

1School of Mechatronics Engineering, Nanchang University, Nanchang, China, 330031

2School of Mechanical Vehicular Engineering, Beijing Institute of Technology, Beijing, China, 100083 Email: chwei0130@126.com

Abstract: Modeling and simulation (M&S) is a new research method to discrete manufacturing system (DMS). Firstly, characteristic of DMS and its requirement to M&S are analyzed and application of simulation is classified. Then, a review of recent studies of DES software, system modeling and simulation optimization in DMS are presented. Based on literature study, existing problems and main trends of this filed of M&S are summarized.

Keywords: Discrete manufacturing system; modeling & simulation; discrete event dynamic simulation;

data-driven modeling; simulation schedule

离散制造系统建模与仿真技术的研究现状与发展趋势分析

陈华伟¹，刘国平¹，涂海宁¹，王爱民²，宁汝新²

1南昌大学机电工程学院，南昌，中国，330031

2北京理工大学机械与车辆学院，北京，中国，100083

Email: chwei0130@126.com

摘 要：建模与仿真（M&S）技术是研究离散制造系统（DMS）的新途径。首先分析了 DMS 的特点 及其对M&S 的要求，并对仿真技术在 DMS 中的应用加以归类；然后以 DMS 为主要研究和应用对象，

综述了国内外在离散事件仿真（DES）软件、系统建模和仿真优化各方面的研究现状；基于文献研究，

总结了目前该研究领域存在的问题及发展方向。

关键词：离散制造系统；建模与仿真；离散事件动态仿真；数据驱动建模；仿真调度

1 引言

仿真技术作为一门独立的学科已经有 50 多年的 发展历史，尤其是经过近二三十年的发展，现代建模 与仿真（Modeling & Simulation, M&S）技术体系已经 形成，并日趋完善。M&S 技术已经成为对人类社会发 展进步具有重要影响的一门综合性技术学科，已被广 泛地应用于制造系统的规划、管理和运行中，并逐渐 显现出解决大规模复杂问题的优越性。

仿真是实现从传统制造向可预测制造、科学制造 转变的关键技术，支持在实际投产前对系统性能进行 分析和论证，它在制造系统的规划、设计、运行、分 析及改造的各个阶段都可以发挥重要作用。面对规模 日益庞大、结构日益复杂的制造系统，传统的经验和 技术已显得捉襟见肘。基于现代计算机及网络的仿真 技术，不仅能提高分析效率，缩短制造系统研究开发

周期，而且对保证安全、节约开支、提高质量具有突 出的功效。

2 DMS 的特点及其对 M&S 的要求

系统状态总是随时间 t 而变化，根据系统状态的 变 化 是 否 连 续 ， 制 造 系 统 又 有 连 续 制 造 系 统

（Continuous Manufacturing System, CMS）和离散制 造系统（Discrete Manufacturing System, DMS）之分。

前者的状态变量是连续的，如化工和炼钢等流程性行 业；机械制造系统则是典型的复杂DMS。若状态方程 由x=Φ(t), 0≤t≤T 表出，则 DMS 的状态可用离散时间 下的状态方程x=Φ(t), t={t1,t2,…,tn}表示，或用离散事 件下的状态方程 x=Φ(E(t)), t={t1’,t2’,…,tn’}表示，其 中，E(t)={ E1(t1’), E2(t2’), ..., En(tn’)}为离散时间上发 生的离散事件。

相对于 CMS，DMS 中产品的生产过程通常被分

解成很多加工任务，每项任务要求占用部分能力和资 源。尽管在 DMS 中又可以组织离散或流水生产，但 是 DMS 所生产的产品具有明显的个体独立性，产品 一般在不同的工作中心上进行不同类型的工序加工，

加工工艺路线和设备利用也非常灵活。总体而言，

DMS 具有物流灵活分散、生产有间断、设备利用率差 异大、存在在制品等显著特点。因此，DMS 对 M&S 提出了通用性、可重用性等建模要求，以及柔性、动 态性、全局性的仿真要求，其仿真研究也主要采用离 散事件驱动的仿真（Discrete Event Simulation, DES）

方法。

3 DMS 仿真的研究内容

DMS 的研发和应用中有两个重大课题：一是规划 设计，二是运行与控制。如表1 所示，仿真技术在这 些方面都有广阔的应用空间。

Table 1. Application of simulation in DMS 表 1. 仿真技术在 DMS 中的应用

应用层面 研究内容

系统设计 布局规划；产能分析；运行规则和计划调度预测

系统 预测

对非常态的性能指标或敏感因素进行分析，如人 员缺勤、设备故障等。

规则 控制

选择合适的控制规则或变量，如机床对加工对象 的选择，生产订单的选择等。

指标 优化

寻求最佳的决策或控制变量，如制造周期、在制 品量、产量、机床利用率、容量、生产质量等。

验证 给定性能指标的经验值，进行仿真求解和验证。

系 统 运 行

展示 以二维或三维可视化的方式展示生产决策过程。

上述研究内容中，需要重点解决的问题有：（1）

确定系统的布局和设备、人员配置；（2）对生产率、

制造周期、产品混合比、瓶颈设备等影响系统性能指 标进行综合优化；（3）针对调度策略、作业计划、在 制品库存等指标进行作业过程评估。

4 DMS 建模与仿真研究文献综述

DMS 的显著特点对 M&S 提出了特定的要求，针 对DMS 的仿真应用，下面将从 DES 仿真软件、系统 建模和仿真优化三个方面展开综述研究。

4.1 DES 仿真软件的发展

DES 软件先后经历了仿真语言、仿真器和建模仿 真平台的发展过程。随着仿真技术的发展，出现了各 种 商业 化的集 成建 模与仿 真环 境，如 AutoMod、

Flexsim、Arena、Extend、QUEST 和 eM-Plant，早期

开发的仿真语言和仿真器均逐步淘汰或集成至仿真平 台，如表2 所示。这些仿真软件各具特色，在物流和 制造领域均得到一定程度的应用。

Table 2. Mainstream DES software 表 2. 主流 DES 软件 仿真软

件 开发公司 开发语言 动画

Witness 英国Lanner Group Vb/OLE 2/3D/VR

AutoMod 美 国 Brooks

Automation 内嵌 2/3D

Flexsim 美 国 Flexsim

Software Products C++ 2/3D

Arena 美国System Mod-

eling Vb/Frotran/C/C++ 2D Extend 美国Imagine That 内嵌MODL 2D

eM-Plant 美 国 UGS 、

Simens SimTalk 2/3D

Quest 法国Dassault SCL/BCL 2/3D

我国从 70 年代后期开始引进、移植和研制仿真 语言，80 年代逐步形成了自己的语言规范，其代表有 国 防 科 技 大 学 研 制 的 高 级 仿 真 语 言 YFMPSS 及 YHSIM 建模/仿真一体化软件环境等^[1]。

4.2 建模技术

模型是对建模目标的概念化表示^[2]，建模就是系 统模型的构建过程。建模技术是仿真技术的基础，两 者是同步发展的。从上世纪90 年代起，各种先进制造 模式的出现对快速建模和模型重用提出了更高要求，

对此研究人员在系统控制结构、智能建模和数据驱动 建模等方面进行了大量研究（表3）。

Table 3. Sample literatures on DMS modeling 表 3. DMS 建模技术研究文献列表

研究方向 代表作者及文献

系统控制结构 李绍成^[3]、Lee TD^[4]

智能建模 Rajeev Ranjan Kumar^[5]、Lars Monch^[6,7]、 Guido Maione^[8]

数据驱动建模 韩守鹏^[9]、Ki-Young Jeong^[10]

（1）系统控制结构

控制结构不仅决定了系统模型的适用性，而且直 接决定了仿真运行的效率和质量。DMS 在功能和结构 组织及其管理模式上具有一定的纵向层次特性，基于

该事实，学者对 DMS 的递阶控制结构进行了研究。

如文献^[3]分析了集中式、递阶式、分布式和混合式的 制造单元的特点，对可重构制造单元控制系统的控制 结构、单元控制器功能模型和运行平台等进行了深入 研究。随着企业联盟等大型、复杂、集成系统的发展，

出现了分布式仿真应用，为此学者又提出了高层体系 结构（HLA）。HLA 与其他建模技术有较强的融合性，

能够将面向对象和网格技术应用至HLA 建模体系^[4]， 扩展出更为复杂、可重用的互操作系统。

上述研究都给出了较完整的硬件和软件结构和控 制体系，但是出于模型通用性的考虑，模型结构较为 固定，缺少对系统体系结构调整的考虑，以及对系统 资源能力约束的深入挖掘，因而在实际应用中模型的 定制和维护工作量依然较大，其应用范围仍有局限性。

（2）智能建模

常用的智能建模方法，如Petri 网和多智能体，能 够有效协调系统通讯、分解系统功能，分析系统性能。

如对加工中的物流运输和生产调度等业务流程进行描 述：Rajeev Ranjan Kumar^[5]通过扩展神经模糊Petri 网 解决了柔性制造系统中任务投放、机床资源分配和任 务再调度问题；Guido Maione^[8]创建了能够表达自治 Agent 网络动态特性及结构的仿真模型，模型中的订 单（OA）、工件（PA）、运输（TA）和装载（LA）

代理之间可进行业务交互。

（3）数据驱动建模

为适应动态建模的需求，建模方法与仿真应用的 集成是必然趋势。仿真只是一个开放性平台，其数据 主要来源于外部，数据驱动建模（Data-Driven Mod- eling, DDM）实际是系统的数据集成方法，其目的是 实现模型自动生成，并驱动仿真运行。韩守鹏^[9]讨论 了 动 态 数 据 驱 动 应 用 系 统 仿 真 的 适 应 性 问 题 ； Ki-Young Jeong^[10]介绍了基于仿真的优化调度环境的 开发过程及系统结构，通过生产数据库的集成接口自 动生成仿真模型。这些模型针对具体系统或项目而开 发，具有示范性，但是缺乏通用性。在 DDM 模型开 发中，应将模型构件进行标准化封装，用户模型则按 照模块化组装的形式在外界数据的驱动下自动生成。

4.3 仿真优化技术

建模旨在分析系统运行逻辑，重建系统仿真结 构，仿真则对模型正确性加以检验，并对其运行效果 加以优化。仿真是一种模拟试验方法，为获得最优或 近优解，需要进行反复试验，并采用搜索算法对控制

参数和仿真结果进行优化评估。仿真与优化相结合的 方法是解决 DMS 等复杂系统参数和性能多目标优化 问题的重要途径。在这一方面，目前已有大量研究，

并在DMS 中得到广泛应用（表 4）。

Table 4. Sample literatures on DMS simulation and opti- mization

表 4. DMS 仿真优化技术研究文献列表

研究方向 代表作者及文献

设计 曹振新^[11]、邓小波^[12]、Gamberi M ^[13]

系统设计

开发 集成开

发

Sebastian Werner^[14]、Nebil Buyur- gan^[15]、Appa Iyer Sivaknmar^[16,17,18]

生产调度仿真

Taho Yang^[19]、Y.C. ERIC LI^[20]、 Juha-Matti Lehtonen^[21]、 N. Older- burg^[22]

物流规划仿真 Sharad Chandra Srivastava^[23]、J. T.

LIN^[24]、任小龙^[25]、Wooyeon Yu^[26]

布局仿真 刘 第 新^[27]、Fahad Al-Mubara^[28]、 Mushtaq F^[29]

仿真过程控制 Klaus Altendorfer^[30]、 V. Vinod^[31]

（1）系统设计与开发

DMS 具有动态性和复杂性的特点，仿真优化技术 是简化和求解这类问题行之有效的重要方法。如在复 杂装配生产线的设计^[11,12]中，可以基于仿真平台开发 出满足装配线系统规划的仿真环境。

对 DMS 而言，任务、工艺和资源等信息是仿真 系统的源头信息，仿真与生产规划系统的集成是发展 趋势。在集成开发方面，Sebastian Werner^[14]建立基于 仿真的电子产品生产规划系统，将ERP 和产品数据采 集（PDA）系统的数据收集至新的仿真模型，对真实 生产数据和仿真数据之间的误差进行监控，当误差达 到一定水平时自动触发仿真。Appa Iyer Sivaknmar 等

人^[16-18]使用TestSim/X 仿真引擎开发了包括车间接口、

生产数据库、工程数据库和调度引擎的集成应用系统，

仿真模型根据工厂和车间的近实时数据按一定频率动 态生成，调度工作可以完全自动运行。由于仿真系统 在国外应用较为成熟，典型的集成系统也出现在它们 的应用系统中，国内需要在巩固当前信息化系统建设 成果的前提下，提升仿真系统的应用广度和深度。

（2）生产调度仿真

生产调度需要优化算法的支持，是 DMS 运行需 要 解 决 的 核 心 问 题 。 仿 真 优 化 方 法 在 解 决 在 制 品

（WIP）数量、交货期、设备故障等调度问题上具有 功能可伸缩，过程透明可控等特点。

Taho Yang^[19]使用进化仿真优化方法解决多水平 在制品数拉式策略问题。Y.C. ERIC LI^[20]开发了故障

和预防性维护启发式算法，对车间重调度问题进行了 简化。Juha-Matti Lehtonen^[21]介绍了在全球最大的纸机 织物备件行业龙头企业Albany International 实施的基 于仿真的有限资源调度系统，该系统用于辅助ERP 的 生产排程。

上述研究中仿真和调度密不可分。在仿真应用中，

如果视调度过程为黑盒，则可以对调度软件（如MES）

生成的调度方案进行优化评估；如果将其进行开盒设 计，则可以直接在仿真系统中开发调度算法，该情况 将导致仿真调度完全替代调度软件的功能。

（3）物流规划仿真

物流规划是提高车间仿真真实性的重要方面。针 对机械产品灵活多变的运输要求，车间生产中主要使 用叉车、电瓶车、自动导引车（AGV，Automatic Guided Vehicle）以及人工搬运等物流运输设备。相比之下，

针对广义物流，如供应链物流和交通运输中的物流规 划研究较多，对车间生产物流规划^[25,26]的研究较少。

大型车间生产中，物流通道较多，物流情况复杂，在 生产任务很多的情况，常常发生物流路径阻塞的情况，

因此，冲突和死锁等问题^[23,24]也需要在物流规划中加 以考虑。但是，相关研究大多事先假设设备之间的物 流路线是固定的，对实际生产中灵活地运输路径选择 考虑不够。而且，加工与物流是 DMS 系统中不可分 割的整体，仿真中应将两者结合起来进行研究。

（4）布局仿真

经过验证的布局方案，才能付诸实施，通过建模 可以建立以布局为背景的系统模型，通过仿真运行可 以当前布局规划方案下的实际生产效果进行模拟，因 此，用仿真方法研究布局问题是切实可行的方案。布 局仿真研究^[27,28]必须对布局的原则、约束和目标加以 考虑，并从生产性能表现等角度对布局进行分析。仿 真试验可重复进行，因此采用仿真方法可以对多种布 局方案的生产效果进行对比研究。

（5）仿真过程控制

DMS 仿真中需要对生产和物流过程加以控制，基 于规则的控制是最为常见的仿真控制方法。在生产运 行中，主要有设备选择工件、工件选择设备两类规则，

控制规则的变化能够带来工件的加工和物流路径的改 变，从而实现对生产和物流的逻辑控制。为满足车间 生产的灵活性要求，常用的规则可以加以组合应用。

如 文献^[30]提出 了面 向半导 体产 品测试 的并 行队列

（WIPQ）分配规则；文献^[31]考察了准备时间与等待 队列相关条件下车间调度问题，提出了5 个新的面向

准备时间的调度规则。这些在实际仿真应用中提出的 特殊应用规则和组合规则，取得了较好的应用效果。

5 存在的不足与发展趋势

M&S 以其独特的魅力吸引了众多学者的关注，随 着计算机、网络和软件技术的发展，该技术业已逐渐 趋于完善，当然在不断丰富自身理论和应用体系的同 时，其内涵和外延也在不断地扩展。在此，下面将从 DMS 对 M&S 的通用性、可重用性建模要求和柔性、

动态性、全局性仿真要求出发，总结现有 M&S 研究 中存在的不足和发展方向。

（1）柔性快速建模与仿真技术

大至汽车、飞机，小到电子产品，DMS 行业广泛，

实际应用中，首先要注重 M&S 解决问题的范围和能 力。建模与仿真优化是一个有机整体，在强调优化算 法稳健性的同时也应该考虑仿真模型的通用性和可重 用性，就仿真模型而言，应该提高模型的模块化程度，

针对不同问题采用“即插即用”的方式快速构建仿真模 型。仿真优化方面，在提高优化算法稳健性的同时，

还需要提高优化算法的参数化、模块化程度和可定制 特性。

综合运用各种建模方法以提高仿真模型的模块化 程度，例如适合于并发、流程性模型的Petri 网与适合 于自主、协同特性模型的 Multi-Agent 建模技术的融 合，从而为柔性建模打下基础。数据驱动的建模与仿 真技术是系统集成技术的实际应用，仿真系统与其他 信息系统的结合有助于加强人们对建模和仿真方法通 用化、仿真算法优化等方面的认识，也将从另一个层 面推进制造系统建模与仿真的研究，提升建模与仿真 在制造系统中的地位。数据是建模与仿真的驱动源，

它直接服务于柔性、快速、自动建模与仿真的开发、

运行和评估过程，数据驱动方法能够保证模型构建时 数据源的唯一性和模型运行中数据的一致性。

（2）过程与全局仿真优化

传统仿真只能给出预测结果，无法对仿真过程和 结果给出精确的解释。DMS 的仿真过程控制离不开对 生产调度的研究，仿真控制方法也是模拟实际生产过 程控制进行经验或规则调度，并在此基础上采用调度 算法，对控制过程进行优化。而越来越多的企业开始 采用多品种小批量的生产模式，单一规则应用于所有 产品类型显然是不合时宜的。因此，有必要面向具体 产品和要求，开发特定的仿真规则和调度算法，并以 参数化的方式实现对生产过程的监控和调整。

全局优化方面，针对实验次数多、数据量大，需 耗费较多人力和时间，仿真的应用效率和可信度不高 等问题，采用人工智能（AI）技术对系统进行求解优 化已成发展趋势。仿真系统可以充分吸取AI 中专家系 统面向对象的建模能力和面向目标的推理能力，解决 常规方法难以求解的问题，给出专家水平的结论。

（3）动态在线仿真

传统的仿真系统在解决一些复杂多变、实时性要 求很高的决策问题时遇到了很大的挑战。大部分仿真 模型都建立在静态和确定的环境下，没有考虑动态性 和不确定性，仿真与全局调度控制系统间缺乏实时的 信息流动，一方面，仿真系统不能实时从控制系统中 获得实时信息来驱动仿真的运行，从而使得仿真的真 实可信性受到影响。另一方面，仿真评估的结果又难 以实时传给调度决策人员。因此，需要把仿真技术推 到生产第一线，形成在线仿真。在线仿真需要建立精 细、实时、全物理过程对象的在线仿真模型，同步采 集仿真对象实时运行的数据和仿真对象操控状态的数 据。运行环境使在线仿真模型与生产系统同步运行，

其运行的目的是实时跟踪系统运行、安全运行预警预 报，为生产优化和管理优化提供决策数据。

DMS 调度仿真就是动态在线仿真的典型实例。在 进行排产时就要考虑各种扰动因素，如设备故障，临 时插入新任务，工艺临时变更等。在线仿真系统需要 与生产管理系统进行集成，从生产管理系统获得实时 的任务、工艺等信息；根据实时仿真数据，对当前生 产计划进行评估与分析，并实施动态调度；最后将仿 真结果反馈给生产管理系统。

（4）资源能力约束建模与仿真

离散制造企业资源能力有限，其生产和运作受有 限资源的约束，其生产目标实现是一个复杂约束条件 下的多目标优化问题，在 M&S 研究中如果刻意简化 或回避这些问题，必然导致“仿而不真”，也势必产生 难以令人信服的结果。生产中需加强对资源约束的分 析，这也是仿真优化需要深入应用的重要方向。

除了设备数量、设备能力、工人数、运输能力、

缓冲区容量等基本约束外，实际生产中遇到的资源约 束更多，更为频繁，例如，并行工艺、工艺交叉、机 加与装配混合生产、批处理设备建模等等。考虑常规 约束的系统模型不能很好地适应新的约束，所以，能 力约束模型的构建更多地要考虑柔性建模与仿真的要 求，提高仿真的应用广度和深度。

（5）其他

此外，在大型复杂仿真系统中应用与发展的分布 式仿真、网络化仿真、云仿真的概念和思想，也可纳 入对DMS 的 M&S 研究中。例如，这类系统中的模型 结构、模块交互、数据优化等技术均可为 DMS 模型 的构建和仿真运行提供指导。

仿真主要面向于应用，对典型应用需要加强建模 和仿真过程标准化研究。同时为增强模型的可信度，

提高模型的质量，需要采用完整的验证、校核与认可

（VV&A）方法对模型进行评估。

References（参考文献）

[1] Wang Changwei. Research on Key Technologies for a Rapid Modeling and Simulation System of Product Line[D]. Nanjing:

Nanjing University of Aeronautics and Astronautics, 2007(Ch).

王长伟. 生产线快速建模与仿真系统关键技术研究[D]. 南京:

南京航空航天大学, 2007.

[2] Cis Schut, Bert Bredfweg. An Overview of Approaches to Qualitative Model Construction. The Knowledge Engineering Review, 1996, 111(1): 1-25.

[3] Li Shaocheng. Research on Control System of Reconfigurable Manufacturing Cell Based on OPC[D]. Nanjing: Nanjing Uni- versity of Aeronautics and Astronautics, 2005(Ch).

李绍成. 基于 OPC 的可重构制造单元控制系统研究[D]. 南京:

南京航空航天大学, 2005.

[4] Lee TD, Yoo SH, Jeong CS, HLA-based object-oriented model- ing/simulation for military system[A]. LECTURE NOTES IN COMPUTER SCIENCE[C], BERLIN: SPRINGER-VERLAG BERLIN, 2005,3398: 122-130.

[5] Rajeev Ranjan Kumar, Amarjit Kumar Singh, M.K.Tiwari. A fuzzy based algorithm to solve the machine-loading problems of a FMS and its neuro fuzzy petri net model[J]. Int J Adv Manuf Technol, 2004(23): 318–341.

[6] Lars Monch. Simulation-based benchmarking of production control schemes for complex manufacturing systems[J]. Control Engineering Practice, 2007(15): 1381–1393.

[7] Lars Monch, Jens Zimmermann. Simulation-based assessment of machine criticality measures for a shifting bottleneck scheduling approach in complex manufacturing systems[J]. Computers in Industry, 2007(58): 644–655.

[8] Guido Maione, David Naso. A Discrete-Event System Model for Multi-Agent Control of Automated Manufacturing Systems[J].

IEEE, 2003: 1723-1728.

[9] HAN Shoupeng, etc. Adaptive Modeling and Simulation of Dynamic Data Driven Application System[J]. Journal of System Simulation, 2006,18: 147-151(Ch).

韩守鹏, 邱晓刚, 黄柯棣. 动态数据驱动的适应性建模与仿 真[J]. 系统仿真学报, 2006,18(SUPPL2): 147-151.

[10] Ki-Young Jeong. Conceptual frame for development of opti- mized simulation-based scheduling systems. Expert Systems with Applications, 2000(18):299–306.

[11] Cao Zhenxin, etc. Research on dynamic planning & simulation optimization of mix model general automobile assmbly line[J].

Computer Integrated Manufacturing Systems, 2006,12(2):

285-291(Ch).

曹振新, 朱云龙, 李富明. 混流轿车总装配线的动态规划与 仿真优化研究[J]. 计算机集成制造系统, 2006,12(2): 285-291.

[12] Deng Xiaobo. Research on Simulation of Automobile Mixed Model Assembly Line[D]. Wuhan: Huazhong University of Sci- ence and Technology, 2005.

邓小波. 汽车混流装配线的仿真研究[D]. 武汉:华中科技大学, 2005.

[13] Gamberi M, Gamberini R, Manzini R, Regattieri A. An analyti-

cal model to evaluating the implementation of a batch-production-oriented line[J]. International Journal of Pro- duction Economics, 2008,111(2): 729-740.

[14] Sebastian Werner, Gerald Wegert. Process Accompanying simu- lation - A general approach for the continuous optimization of manufacturing schedules in electronics production[A]. Proceed- ings of the 2002 Winter Simulation Conference[C]. 2002:

1093-1098.

[15] Nebil Buyurgan, Lakshmanan Meyyappan, Can Saygin, Cihan H.

Dagli. Real-time routing selection for automated guided vehicles in a flexible manufacturing system[J]. Journal of Manufacturing Technology Management, 2007,18(2): 169-181.

[16] Amit K. Gupta, Appa Iyer Sivakumar, Simulation based mul- tiobjective schedule optimization in semiconductor manufactur- ing[A], Proceedings of the 2002 Winter Simulation Confer- ence[C]. 2002: 1862-1870.

[17] Appa Iyer Sivakumar, Amit Kumar Gupta. Online Multiobjec- tive Pareto Optimal Dynamic Scheduling of Semiconductor Back-End Using Conjunctive Simulated Scheduling[J]. IEEE TRANSACTIONS ON ELECTRONICS PACKAGING MANU- FACTURING, 2006,29(2): 99-109.

[18] A. I. SIVAKUMAR. Multiobjective dynamic scheduling using discrete event simulation[J]. INT. J. COMPUTER INTEGRATED MANUFACTURING, 2001,14(2): 154–167.

[19] Taho Yang, Hsin-Pin Fub, Kuang-Yi Yanga. An evolution- ary-simulation approach for the optimization of multi-constant work-in-process strategy—A case study[J]. Int. J. Production Economics, 2007(107):104–114.

[20] Y.C. ERIC LI, WADE H. SHAW. SIMULATION MODELING OF A DYNAMIC JOB SHOP RESCHEDULING WITH MA- CHINE AVAILABILITY CONSTRAINTS[J]. Computers ind.

Engng., 1998,35(1-2):117-120.

[21] Juha-Matti Lehtonen, Patrik Appelqvist, Teemu Ruohola, Ilkka Mattila. SIMULATION-BASED FINITE SCHEDULING AT ALBANY INTERNATIONAL. Proceedings of the 2003 Winter Simulation Conference.

[22] N. Olderburg, G.Gruhn, J.Stoldt. Capacity analysis of multi-product plants integrating energy consumption[J]. Applied

Thermal Engineering, 2001(21): 1283-1298.

[23] Sharad Chandra Srivastava, Alok Kumar Choudhary, Surendra Kumar, M. K. Tiwari. Development of an intelligent agent-based AGV controller for a flexible manufacturing system[J]. Int J Adv Manuf Technol, 2008(36):780–797.

[24] J. T. LIN, F. K. WANG, C. J. YANG. The performance of the number of vehicles in a dynamic connecting transport AMHS[J].

International Journal of Production Research, 2005,43(11):

2263–2276.

[25] Ren Xiaolong. Routing algorithm for multiple AGVs with the undirected Petri net[J]. JOURNAL OF XIDIAN UNIVERSITY, 2008,35(3): 517-522(Ch).

任小龙,温浩宇,李华. 无向 Petri 网的多 AGV 最优路径方法研究 [J]. 西安电子科技大学学报（自然科学版）, 2008,35(3): 517-522.

[26] Wooyeon Yu, Pius J. Egbelu. Design of a Variable Path Tandem Layout for Automated Guided Vehicle Systems[J]. Journal of Manufacturing Systems, 2001,20(5): 305-319.

[27] Liu dixin. The Research on Mechanical Facilities Layout Meth- ods and Simulation Technology[D]. Dalian: Dalian University of Technology, 2006(Ch).

刘第新. 机械加工设备布局方法及其仿真技术研究[D] 大连:

大连理工大学,2006.

[28] Fahad Al-Mubarak, Cem Canel, Basheer M. Khumawala. A simulation study of focused cellular manufacturing as an alterna- tive batch-processing layout[J]. Int. J. Production Economics, 2003(83): 123–138.

[29] Mushtaq, F., Chung, P.W.H. Discrete event simulation in the design, layout and scheduling of pipeless batch plants[J]. Institu- tion of Chemical Engineers Symposium Series, 2000(147):

265-276.

[30] Klaus Altendorfer. A new dispatching rule for optimizing ma- chine utilization at a semiconductor test field[A]. 2007 IEEE/SEMI Advanced Semiconductor Manufacturing Confer- ence[C]. 2007: 188-193.

[31] V. Vinod, R. Sridharan. Dynamic job-shop scheduling with sequence-dependent setup times: simulation modeling and analy- sis[J]. Int J Adv Manuf Technol, 2008(36):355–372.