综述:整合汽车生产与内部物流规划:优化问题与研究方向的系统文献综述

《Applied Sciences》:Integrating Automotive Production and Intralogistics Planning: A Systematic Literature Review of Optimization Problems and Research Directions

【字体: 大 中 小 】 时间:2026年08月28日 来源:Applied Sciences 2.5

编辑推荐:

  随着大规模定制、从内燃机汽车向电动汽车的转型、竞争性市场以及成本压力的驱动,汽车生产系统的复杂性日益增加,这加剧了对生产和内部物流规划进行先进优化的需求。优化是指根据定义的目标函数,在给定约束条件下,确定决策问题最佳可行方案的过程。尽管大多数综述关注于单一问题

  
随着大规模定制、从内燃机汽车向电动汽车的转型、竞争性市场以及成本压力的驱动,汽车生产系统的复杂性日益增加,这加剧了对生产和内部物流规划进行先进优化的需求。优化是指根据定义的目标函数,在给定约束条件下,确定决策问题最佳可行方案的过程。尽管大多数综述关注于单一问题类别,本系统文献综述采用了生产与内部物流一体化的视角。遵循PRISMA声明(Preferred Reporting Items for Systematic Reviews and Meta-Analyses,系统综述和元分析首选报告项目),通过检索四个数据库(Web of Science、IEEE Xplore、ACM Digital Library和Science Direct),解决了关于问题类型、分类、求解方法和趋势的四个研究问题,共获得1983年至2025年间的194篇出版物。分析表明,生产规划、调度、资源管理以及不确定性与鲁棒性是主要的问题类型,而元启发式算法(metaheuristics)、精确方法(exact methods)和仿真(simulation)是最常见的求解方法,且经常混合使用。发表活动急剧增加,73.7%的研究发表于2019年之后,其中物料供给、可持续性、人机协作和机器学习在近期发表活动中表现出较快的增长。本文提出了一种分类法(taxonomy),将优化问题按照五个维度进行分类:问题类型、决策层级、目标、求解方法以及真实数据使用情况,旨在引导研究人员和实践者走向集成化、工业化部署的优化。
论文主体部分内容总结

1. 引言(Introduction)

该部分阐述了汽车行业生产系统与内部物流流程的高度复杂性,及二者协调优化的必要性。与航空、电子等行业的低产量或模块化流程不同,汽车制造以高产量混流装配为主,数百种产品变体在严格的节拍时间约束下于同一条生产线上完成装配,且下游装配的可行性直接受上游车身车间和涂装车间决策的影响。汽车制造高度依赖同步物流概念,如准时制(just-in-time,JIT)和准时顺序制(just-in-sequence,JIS)交付。生产规划与内部物流规划在车间层面本质上相互依存,例如生产线平衡决策直接决定各工位的零部件供给需求,而车辆排序必须与准时顺序的牵引列车交付同步。该综述聚焦于车间层面的生产与内部物流规划中的优化问题,排除了供应链优化、供应商管理、战略网络设计、再制造与循环经济等超出工厂边界或生产内部决策范围的主题。研究问题包括:汽车生产与内部物流规划中出现哪些优化问题及其相互关系(RQ1);何种分类法可对这些问题进行分类(RQ2);采用哪些方法求解以及其适用性与问题类型、规模和集成深度的关系(RQ3);该领域当前的研究趋势(RQ4)。

2. 背景(Background)

2.1 生产规划问题(Production-Planning Problems)

现有关于生产规划的综述通常集中于单一问题类别。大量文献关注装配线平衡问题(assembly-line balancing problem,ALBP),旨在在满足优先关系和容量约束的前提下将任务分配至工作站。早期综述总结了经典ALBP的模型与求解技术,后续研究扩展至并行工作站和随机任务时间等。排序问题(sequencing problems)是另一主要研究方向,包括混流排序、汽车排序和均衡排序等层次化框架。此外,针对按订单生产环境的综合生产规划与调度、以及面向工业5.0目标的可持续生产规划与控制优化方法也已有综述。然而,这些综述局限于单一问题类型,未涉及规划问题之间的相互依赖性,也未将生产规划与内部物流决策联系起来。

2.2 内部物流规划问题(Intralogistics Planning Problems)

内部物流规划的研究综述主要针对特定功能或技术。关于装配线供给与零部件供应的文献根据存储概念、运输方式和供给策略对供给系统进行分类。战术层面的装配线供给决策,如触发机制、拣选策略和运输方式,已有结构化综述。随着自动化程度的提高,针对自主移动机器人(autonomous mobile robots,AMRs)和自动导引车(automated guided vehicles,AGVs)的综述分析了路径规划、调度和交通管理等规划与控制问题。总体而言,内部物流综述往往是技术驱动或决策特定的,很少将内部物流优化问题与上游生产规划决策联系起来,系统地割裂了物料流决策与生产规划之间的接口。

2.3 优化问题的联合考虑(Joint Consideration of Optimization Problems)

少数综述尝试联合考虑多个生产规划问题或将生产与内部物流决策相连接。部分调查结合了不同制造环境下的生产线平衡与排序问题,并讨论了工业4.0和工业5.0的影响。另一些研究以集成方式研究生产规划、调度和排序,并提出了包含决策层级、计划聚合度、规划周期、建模方法、模型目标、求解方法、应用领域、真实案例应用、企业集成层级等类别的综合分类框架。个别研究提出了集成优化模型,明确连接了生产与内部物流决策,例如生产序列与牵引列车交付计划的同步、生产线平衡决策对零部件供给策略的影响,以及混流装配线的配送路径与线边库存的联合优化。与现有综述和分类框架的结构化比较表明,没有一项现有工作能同时涵盖生产规划、内部物流、生产-内部物流集成视角、求解方法、分类法以及明确的汽车行业聚焦这六个方面。本文提出的分类法在问题类型和求解方法视角、战略–战术–运营决策层级的基础上,增加了三点扩展:同时涵盖生产和内部物流规划、将真实数据使用作为工业转化成熟度的一个显式维度,并通过共现分析使问题类型之间的相互依赖性显式化。

3. 材料与方法(Materials and Methods)

该系统文献分析遵循PRISMA声明,以确保搜索过程的透明性和可问责性。检索词组合为:(optimization problem OR optimization challenge) AND (“automotive industry” OR “automotive manufacturing” OR “automotive production”) AND (production planning OR manufacturing planning OR intralogistics planning)。该检索策略有意使用通用术语,而非枚举具体问题类别,以避免对预选问题类型产生偏差,使问题分类法能够从检索文献中归纳得出。检索在Web of Science、IEEE Xplore、ACM Digital Library和Science Direct四个数据库中进行,最新一次检索于2025年12月31日执行。初检获得713条记录,去重后剩余694篇进入筛选。标题和摘要筛选排除347篇,其余347篇进入全文审查。全文审查中,因供应链考量(原因1)排除43篇,因网络优化和战略层面问题(原因2)排除22篇,因未明确车间层面的生产或内部物流优化问题(原因3)排除40篇,因未明确聚焦汽车行业(原因4)排除36篇,因聚焦再制造和循环经济(原因5)排除9篇,因特定产品优化(原因6)排除9篇,因同一作者团队的内容重叠或重复(原因7)排除若干篇。审查后纳入182篇,并通过向后引用检索(backward citation search)从保留文献的参考文献列表中额外添加12篇,最终形成194篇的最终出版集。筛选由单一评审者执行,未计算评审者间一致性度量。每篇纳入文献均通过结构化数据提取表记录文献计量信息、优化问题类型、决策层级、目标类型、所用求解方法及真实数据使用情况。问题类型编码采用混合演绎–归纳方法,初始类别集改编自现有分类体系,并在编码过程中迭代细化。对同时涉及多个问题类型、目标或求解方法的文献,进行多重分类。

4. 结果(Results)

4.1 主题分析(Thematic Analysis)

发表年份方面,整体呈增长趋势,2019年至2025年间发表的论文占最终出版集的73.7%。增长部分反映科研产出的整体扩张和数据库收录范围的增加,也与工业4.0的成熟、人工智能和机器学习在生产研究中的快速应用、以及从内燃机汽车向电动汽车转型等特定领域驱动因素有关。地理分布方面,按作者隶属国家统计,德国(127位)、中国(124位)和美国(57位)位居前列,其后为瑞典(56位)、法国(44位)和西班牙(33位),这与全球汽车产业结构相符。发表载体方面,73种不同的期刊和会议中,Procedia CIRP和Computers & Industrial Engineering发文量最高,其次为Winter Simulation Conference、IFAC-PapersOnLine和Expert Systems with Applications,体现了该领域面向应用和工程驱动的特征。

4.2 内容分析:生产与内部物流规划中的优化问题(Content Analysis: Optimization Problems in Production and Intralogistics Planning)

提出包含五个维度的多维分类法:问题类型、决策层级、目标、求解方法和真实数据使用。其中决策层级和求解方法维度借鉴了现有框架,问题类型和目标维度从编码文献中归纳得出,真实数据使用维度为新增,用于表征工业转化成熟度。

第一维度:优化问题类型(First Dimension: Optimization Problem Type)。基于主题编码,识别出13种问题类型。生产规划问题涵盖生产流程优化、缓冲区与批量大小规划、节拍时间确定、生产系统控制及综合生产规划。调度问题涉及作业车间调度、流水车间调度、资源受限调度、柔性作业车间调度、生产调度、机器调度、项目调度和动态调度等。资源管理问题包括产能规划、劳动力规划(如员工缺勤、任务分配)和机器人相关资源管理。不确定性与鲁棒性作为横切问题类型,涉及需求不确定性、产能中断、新任务到达、劳动力相关不确定性以及机器或产品故障。内部物流流程包括牵引列车、AGV和AMR的路径规划、订单拣选优化、看板系统配置、批量确定及准时制流程实施。装配线平衡问题(ALBP)涵盖静态任务分配、并行工作站分配、鲁棒生产线平衡、动态生产线平衡、机器人装配线平衡及人机协作生产线平衡。产品多样性问题涉及多产品变体规划、需求不确定性、新产品整合、提高零部件通用性和缩短产品生命周期。排序问题包括混流排序、汽车排序、缓冲策略、实时控制和重排序。可持续性相关优化问题聚焦于能耗优化、废热利用、可再生能源、排放和资源消耗减少、社会可持续性及人机工程。物料供给与运输问题涉及AGV、牵引列车和AMR的数量确定、物料供给过程及运输车辆调度。布局优化问题包括可重构装配线配置、工厂布局规划、制造工艺布局及特定生产系统类型的设计。库存管理问题涉及安全库存的确定与定位、厂内库存分配与放置、缓冲区与自动化存储系统的协调。质量与安全问题包括检验机制设计、实时错误检测、工艺精度、检查与维护策略以及产品安全。

共现分析(Co-Occurrence of Problem Types)显示,生产规划最常与调度、资源管理、排序、产品多样性和鲁棒性相关方面联合研究。调度与鲁棒性和可持续性相关主题密切共现。不确定性与鲁棒性作为横切问题类型,反复与生产规划和调度结合。内部物流流程与物料供给和运输之间存在密切的相互关系。22篇文献明确提出了联合优化生产与物流多个方面的集成规划方法。

第二维度:决策层级(Second Dimension: Decision Level)。优化问题被分为战略、战略与战术、战术、战术与运营、运营五个层级。物料运输、生产规划、调度和排序类问题主要聚焦运营决策;装配线平衡、布局优化和生产规划多与战术决策相关;产品多样性相关研究多涉及战略决策。随时间推移,运营决策研究比例从2014年前的52.9%增至2022–2025年的70.3%,而战术决策比例从70.6%降至35.1%。

第三维度:目标(Third Dimension: Objectives)。92篇文献采用单目标函数,77篇采用多目标函数。多目标表述比例从2014年前的31.3%增至2022–2025年的46.6%。最常见的目标包括总成本最小化、节拍时间和完工时间(makespan)最小化、能源效率提升和产量提高。成本最小化是生产规划、调度、资源管理和内部物流流程中被引用最多的目标。可持续性导向目标如能耗最小化在可持续性和调度领域最为普遍。多目标优化中常用基于帕累托(Pareto)的优化方法。

第四维度:求解方法(Fourth Dimension: Solution Methods)。求解方法分为五类:精确方法、元启发式算法、启发式算法、基于仿真的方法和机器学习技术。元启发式算法占比最大(75篇),精确方法紧随其后(72篇),基于仿真的方法为62篇,启发式算法为42篇,机器学习技术为22篇,决策支持系统为18篇。精确方法中,混合整数线性规划(mixed-integer linear programming,MILP)、整数规划(integer programming,IP)等数学表述常与商业求解器如CPLEX和Gurobi结合使用。精确方法主要应用于范围狭窄、耦合度低的问题,在大规模和现实问题实例中计算复杂度迅速增加。元启发式算法中,进化算法应用最广,包括非支配排序遗传算法(Non-dominated Sorted Genetic Algorithm,NSGA)-II和NSGA-III等多目标变体;模拟退火、自适应大邻域搜索、禁忌搜索、粒子群优化(particle swarm optimization,PSO)、蚁群优化和人工蜂群算法等也被广泛使用。元启发式算法经常与仿真或精确方法结合形成混合方法。基于仿真的方法包括离散事件仿真、蒙特卡洛仿真和基于智能体的仿真,主要用于评估解质量、评估鲁棒性和集成动态系统行为。启发式算法作为混合框架中的实用组件,用于生成初始解、支持分解策略或实现快速决策。机器学习方法主要集中在调度、生产规划、内部物流和质量相关问题,强化学习(reinforcement learning,RL)是应用最频繁的方法,包括深度强化学习和传统强化学习;此外还有监督学习、深度学习和元模型生成等应用。

第五维度:真实数据使用(Fifth Dimension: Real-Data Usage)。真实数据使用分为三个层级:纯合成基准实例(L1)、用工业参数校准的合成数据(L2)、来自整车厂或供应商的真实工业数据集(L3)。86篇研究使用真实工业数据(L3),27篇使用校准合成数据(L2),60篇使用纯合成基准实例(L1)。跨问题类型和求解方法的分析显示,L3在规划与执行导向的问题设置以及元启发式、精确和仿真方法中尤为突出。证据成熟度评估显示,12.7%的研究达到高成熟度,47.4%为中等成熟度,39.3%为低成熟度,证实了转化成熟度差距。工业数据研究表明,精确方法在大规模现实问题中容易计算不可行,而元启发式算法和基于仿真的方法通常提供更好的可扩展性和鲁棒性。从分析结果转化为车间可执行决策、IT基础设施集成和人工规划工作流是工业应用的主要障碍。

5. 讨论(Discussion)

5.1 问题类型及其相互依赖性(Problem Types and Their Interdependencies)指出,具有高工业相关性的优化问题很少被孤立研究,而是经常组合多种问题类型,并主要位于战术和运营决策层级。这些强耦合的问题配置显著增加了复杂性。目标分析强调,效率导向标准占主导,但实际运营中涉及鲁棒性、能耗、人机工程和质量等冲突目标的权衡。

5.2 求解方法:频率与有效性(Solution Methods: Frequency Versus Effectiveness)强调方法选择是问题结构的结果而非任意设计决策。精确方法的适用性随问题规模、耦合度和现实性的增加而下降,尤其是使用真实工业数据时。元启发式算法、精确方法和仿真的数量近乎相同仅反映应用频率而非有效性。少数直接比较一致表明,精确求解器在较大实例上变得不可行,而元启发式算法仍保持可计算性。

5.3 与相关综述的对比定位(Positioning Against Related Reviews)表明,该综述的发现与确认并扩展了已有综述。与局限于单一问题类别或自主内部物流的综述相比,该综述表明工业相关场景出现在这些类别之间的接口处。集成生产–内部物流视角和真实数据使用维度揭示了领域特定综述很少涉及的转化成熟度差距。

5.4 工业应用障碍与实践启示(Barriers to Industrial Adoption and Practical Implications)将障碍归为四类:源于耦合问题NP难度的技术障碍、源于工业数据集异构性和准备工作的数据相关障碍、源于MES/ERP系统碎片化的IT集成与组织障碍、以及工人信任等人为因素障碍。

6. 当前趋势(Current Trends)

在问题类型方面,物料供给与运输(82%)和可持续性(78%)在近五年内发表的研究占比最高,显示出近期研究活跃度的增加。其中,物料供给与运输研究侧重于生产与内部物流流程的联合考虑、实时AGV控制和模块化矩阵式布局;可持续性研究聚焦于降低能耗和碳足迹的调度、多维度绩效评估及人机协作。调度研究正向跨多个生产阶段的集成调度发展,并从单目标向多目标优化转变。在求解方法方面,机器学习与优化方法的集成在近五年内显著增加,其中强化学习、联邦学习、数字孪生与离散事件仿真的结合受到关注。对中断的韧性成为生产规划与控制中日益重要的课题。

7. 结论(Conclusions)

该综述基于194篇文献的分析,提出了一个五维分类法。针对RQ1,确定了13种周期性出现的优化问题类型,核心是联合处理的生产规划、调度、资源管理和不确定性与鲁棒性。针对RQ2,可通过五维分类法进行分类。针对RQ3,元启发式算法、精确方法和仿真主导求解方法,且经常混合使用,机器学习应用在近期增加。针对RQ4,物料供给、可持续性、人机协作和机器学习表现出最强的近期研究活跃度。未来研究方向包括:跨功能和跨层级的集成优化模型、更广泛的可持续性目标与人因整合、可解释的AI模型与决策支持系统集成、基于真实工业数据的基准测试、多智能体强化学习在模块化系统中的分散决策、混合元启发式与机器学习方法、以及优化方法与MES/ERP和人在回路决策工作流的嵌入式整合。该综述存在若干局限性,如仅包含英文文献、聚焦内部物流而排除外部物流、单一评审者筛选和编码、依赖通用优化术语检索、未进行向前引用检索、数据库覆盖偏差、未进行正式质量评估、以及截至2025年12月31日的出版窗口带来的时间偏差。
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