摘 要：为探讨增材制造生产调度研究的现状和进展，该研究以2011—2023年间发表并收录于Web of Science（WOS）数据库的相关文献为对象。利用CiteSpace软件绘制知识图谱，并对文献的发文量、关键词共现与突现、期刊共被引、主要研究力量等进行可视化分析。文献计量结果显示，尽管我国在增材制造生产调度上的文献产出量还有提升空间，但整体学术成果具有不错的影响力。高频关键词集中在优化、设计和算法三个方面。截至2023年，仍然保持高突现强度的关键词是协同3D打印。最后，提出了增材制造生产调度研究的未来发展方向，希望为后续研究提供有益参考。
关键词：增材制造；生产调度；知识图谱；CiteSpace
中图分类号：TP391；TH166 文献标识码：A 文章编号：2096-4706（2025）02-0176-05
Analysis of the Current Status and Development Trend of Additive Manufacturing Production Scheduling Research
—Knowledge Graph Analysis Based on CiteSpace
CAO Lin
（School of Management Science and Engineering， University of Jinan， Jinan 250002， China）
Abstract： To explore the current status and progress of research on production scheduling for additive manufacturing， this study takes the relevant literature published and included in the Web of Science （WOS） database from 2011 to 2023 as the research object. The Knowledge Graph is drawn by using CiteSpace software， and visual analysis is carried out on the amount of literature published， keyword co-occurrence and emergence， journal co-citation， main research force and so on. The results of bibliometrics show that although there is still room for improvement in the output volume of literature on additive manufacturing production scheduling in China， the overall academic achievements have a good influence. High-frequency keywords are concentrated in three aspects of optimization， design and algorithm. The keyword that still maintains a high emergent intensity as of 2023 is collaborative 3D printing. Finally， this paper future puts forward the development direction of additive manufacturing production scheduling research， hoping to provide a useful reference for subsequent research.
Keywords： additive manufacturing; production scheduling; Knowledge Graph; CiteSpace
DOI：10.19850/j.cnki.2096-4706.2025.02.033
0 引 言
《中国制造2025》在国家层面提出打造制造强国行动计划，增材制造技术在其中具有相当重要的地位，该技术可实现绿色制造，优质高精度制造和制造资源高效循环使用。增材制造（Additive Manufacturing， AM）又称3D打印，其原理是通过二维平面在构建方向逐层叠加形成材料的三维轮廓，是一种净成形技术。与传统的减材成形工艺相比，AM可以有效节约原料，降低生产成本[1-2]。相比于传统成形工艺，该技术不需要传统的夹具、刀具及多道加工工序，它在高复杂结构、短工期以及低耗材方面更具优势[3]。常见的增材制造技术，例如选择性激光熔融（Selective Laser Melting， SLM）和选域激光烧结（Selective Laser Sintering， SLS）等，可适用于多品种、小批量、复杂形状零件的生产[4]。
从成本角度出发，大多数增材制造机器价格昂贵，当获得新的制造订单时，增材制造企业为了提升增材制造生产的经济效益，增材制造企业需要整合零件订单，并对增材制造机器的多个零件进行分批分组加工，使得每个作业能够同时加工多个零件，有效利用每个作业加工区域，可以减少零件的加工时间和成本[5]，增材制造生产调度问题随之产生。随着增材制造技术的快速发展，批量增材制造成本高的问题凸显，在一定程度上限制了增材制造技术的应用与发展，因此在工厂生产过程中，提高增材制造机器的利用效率，降低增材制造成本，合理安排调度方案尤为重要[6]。增材制造生产调度问题要求在一定优化目标下（如最小化加工成本、最小化完工时间等），考虑零件的加工高度、交货期、投影面积、机器加工区域的高度和面积等因素，将一批零件组合成作业并按照一定加工顺序合理分配到增材制造并行机器上加工，得到一种可行的生产调度优化方案[7]。
以往增材制造的研究主要集中于材料、设备、工艺及精度等方面，近年来，对增材制造生产调度的研究引起了国内外学者的重视[8]。目前有关于增材制造生产调度研究的综述文献并不多见，目前在已发表的相关文献中，OH[9]等的工作应引起关注，他们的综述文献都是利用传统文献分析法进行现状分析及前景展望，并没有运用先进的文献计量方法与工具来挖掘分析增材制造生产调度研究中的文献信息。为此，本文使用文献计量软件CiteSpace对增材制造生产调度研究进行分析和展望，希望为该领域的研究提供参考和借鉴。
1 数据来源与研究方法
1.1 数据来源
文献数据来源为Web of Science（WOS）数据库，先通过检索式“ALL ＝ （（Additive Manufacturing）AND（Scheduling））”进行第一步搜索，然后进行进一步筛选：检索时间设置为2011—2023年；语言类型选定为“English”；文献类型设置为“Article”。最后，共获得139篇与增材制造生产调度主题相关的文献作为本文文献数据。
1.2 研究方法
科学知识图谱技术通过分析生成的图形深入挖掘文献本身的应用价值和文献之间的关系，可以有效解读文献的组成类型、研究热点和演化趋势等[10]。陈超美教授开发的CiteSpace因操作简单且功能强大被我国学者所广泛使用[11]。本文借助文献计量分析软件CiteSpace（6.3.R1）对采集到的增材制造生产调度文献信息进行可视化分析，对关键词共现、主要研究力量进行知识图谱绘制，通过上述图谱绘制可以对增材制造生产调度文献基本情况进行了解，并对关键词突现进行进一步检索以更好的探讨增材制造生产调度研究的前沿趋势。
2 计量结果与可视化分析
2.1 文献发表年度产出量
研究文献发表年度产出量分布能够分析文献在各个阶段的趋势，并了解该领域研究的发展趋势[12]。从Web of Science（WOS）数据库获取的139篇相关文献为数据，绘制年度发文量折线图，从2011—2023年年度发文量的变化趋势看，增材制造生产调度研究的年度发文量大致经历以下2个阶段（如图1所示）。第一阶段是萌芽期（2011—2017年），文献数量较少；第二阶段是快速发展期（2018—2023年），文献呈快速增长趋势，虽然该期间发文量在高位上不稳定，呈现锯齿状，但总体呈上升趋势，并在2022年达到最高值。
2.2 关键词共现分析
关键词是文献内容论述的主题概念的提炼，对关键词进行统计分析，可以挖掘该领域研究的热点主题。图2展示了2011—2023年该研究文献的关键词共现图谱。该图中节点的大小直接反映了关键词在数据集中出现的频率以及对网络结构的贡献程度；节点之间的连线粗细与合作次数是密切相关的，这些连线代表文献之间的引用关系或合作关系，当两个节点之间的连线较粗时，意味着它们之间的合作次数较多或引用关系较为紧密，这通常表明这两篇文献或这两个作者在某一研究领域内具有较为密切的联系或共同的研究兴趣。相反，如果连线较细，则代表合作次数较少或引用关系较为松散；网络密度指标值反映研究力量的整体合作密切程度[13]。如图2所示，出现频次最高的8个关键词依次是：增材制造、3D打印、优化、设计、行为、算法、遗传算法、构架；网络密度为0.024 3。通过上述高频关键词可以总结出以下2点发现：1）关于增材制造生产优化与设计是该研究涉及较多的领域。2）遗传算法等启发式算法是该研究中运用最多的优化技术。
2.3 突现词分析
关键词突现分析是针对关键词在某一时间段内的重要程度和被关注度进行的统计分析。对关键词进行突现分析可深化对研究热点随时间变化而变化的认识，并有利于掌握领域该研究的热点与趋势。为此，对增材制造生产调度文献进行了关键词突现检测，结果显示共有13个突现关键词，如图3所示，表中的细线段代表了从2011—2023年的时间跨度，粗线段表示突现的持续时间。粗线段的变化展示了增材制造生产调度研究热点的演变过程。由图3可总结出以下4点发现：1）最早开始突现的关键词是“multiple objective optimization（多目标优化）”，在增材制造生产调度中，存在多个目标需要优化，例如最大完工时间最小化，加工成本最小化等，这表明在此期间，多目标优化在增材制造生产调度研究中的应用价值受到学者的高度重视；2）与多目标优化同时突现的关键词是“hunting behavior”（狩猎行为），突现时间为2012—2013年，“optimization（优化）”的突现时间为2014年，狩猎行为可以作为算子应用于调度算法中，通过模拟自然界中捕食者的策略来指导搜索和优化过程。这表明学者们意识到在生产调度优化中，借鉴动物的捕猎行为可以提供启发和策略，有助于优化资源分配、提高生产效率和解决复杂调度问题；3）在2012年之后突现的关键词中有6个涉及增材制造生产调度的关键词，分别是“fabrication（装配）”“deposition（堆积）”“dispatching rules（分派规则）”“bin packing（装箱问题）”“cooperative 3D printing（协同3D打印）”“parts（零件）”；4）“cloud manufacturing（云制造）”“Big Data（大数据）”分别在2019、2020开始突现。构建基于云制造的智能调度系统，提供计算资源和数据存储，支持实时调度和动态调整；利用大数据技术分析历史生产数据和实时采集数据，优化调度策略，提高生产效率和质量。这表明在此期间，云制造和大数据在增材制造生产调度研究中获得了成功应用，受到了不少学者的青睐。
2.4 期刊被引分析
为找到有助于增材制造生产调度研究的期刊，于是绘制出关于增材制造生产调度文献的期刊共被引图谱，并对增材制造生产调度研究文献的发文期刊进行统计，如表1、图4所示。图4中节点有274个，连线有1 391条，节点之间的连线粗细与合作次数密切相关。从表1中可以看出，被引频次排名前5的期刊分别是International Journal of Advanced Manufacturing Technology（国际先进制造技术杂志）、International Journal of Production Research（国际生产研究杂志）、Additive Manufacturing（增材制造）、Computers amp; Operations Research（计算机与运筹学）、Rapid Prototyping Journal（快速原型制作杂志）。上述期刊的JCR分区均在Q2及以上，这些高质量期刊将为后续增材制造生产调度研究提供重要的理论支持。此外，中介中心性（Betweenness Centrality， BC）指数是分析关键词重要程度的关键指标，超过0.1则被视为中心节点，在研究领域中比较重要并具有较大的影响力。图4中节点的中介中心性指数体现了上述期刊对增材制造生产调度研究成果的传播影响，图4中节点的中介中心性指数最高的3个期刊分别是Computers amp; Operations Research（计算机与运筹学）、Rapid Prototyping Journal（快速原型制作杂志）、Applied Mathematics and Computation（应用数学与计算），它们对应的中介中心性指数值均不低于0.18。可见，上述期刊在图4中具有突出的中介作用，是增材制造生产调度学术交流的重要媒介。
2.5 主要研究力量分析
如表2所示，呈现了2011—2023年增材制造生产调度研究发文数量前5名的国家和研究机构的详情。从研究的国家上看，美国的发文量最高，中国和英国位列其后。从研究机构上看，增材制造生产调度发文量排名前3的研究机构依次是俄亥俄大学、得克萨斯农工大学、德克萨斯农工大学学院站分校。由表2可知，在增材制造生产调度发文量排名前5的国家中，美国的中介中心性指数值为0.23，中国的中介中心性指数值为0.32，虽然我国发文量与美国还有差距，但我国中介中心性指数高于美国，表明我国在增材制造生产调度方面的研究成果具有比较好的传播广度与影响力，今后我国学者有必要继续精耕细作增材制造生产调度这一研究方向，着力探索首创特征明显的科学问题并产出从无到有的原创成果。
3 结 论
本研究的样本来自Web of Science（WOS）数据库中的增材制造生产调度文献，共选取139篇相关文献，对增材制造生产调度相关文献进行可视化分析，利用CiteSpace软件，对关键词共现与突现词检测、期刊共被引等情况进行知识图谱绘制，得到如下3点结论：1）在发文量方面，增材制造生产调度文献年度发文情况呈现锯齿状，但总体呈上升趋势，并在2022年达到最高值；2）在关键词共现与突现情况方面，出现频率最多的关键词分别是增材制造、优化和设计，启发式算法中运用最多的优化技术是遗传算法，通过关键词突现检测共发现的13个突现词中，强度最高的关键词是优化和装箱问题，截止到2023年保持高突现强度的关键词是协同3D打印；3）在主要研究力量的发文量与发文影响力方面，在按国家的增材制造生产调度发文量排名中，美国位列第1，中国的发文量和中介中心性指数均为第二，我国产出增材制造生产调度成果的具有不错的影响力。
未来增材制造生产调度研究方向应基于现有成果，重点在增材制造生产调度求解技术方面寻求突破。目前在研究中运用的求解技术主要有三类：一是以分支定界法、动态规划法为代表的精确解法；二是基于特定规则的、具备多项式时间复杂度的确定型启发式算法；三是寻优机理源于自然界或人类社会中客观现象与生物行为的元启发式算法。通过元启发式算法可以有效的解决复杂的生产调度问题。由于增材制造生产调度问题是NP困难问题，元启发式算法是有效求解它们的首选技术，想要在短时间内获得高质量的调度解必须依赖元启发式算法。对于增材制造生产调度问题的求解，通过元启发式算法不仅可以提高解的质量，还可以缩短求解时间。因此，在未来增材制造生产调度算法研究中如何设计元启发式算法应受到重视。此外，未来增材制造生产调度研究应考虑零件的特殊情况，例如零件的构建方向，当订单中的零件到达时，由于零件不规则，可供选择的构建方向有很多，作业中零件的不同构建方向对整个加工时间会产生很大的影响，因此有必要研究考虑零件构建方向的增材制造生产调度问题，进而得到一批零件在增材制造机器上的不同调度方案。
参考文献：
[1] ALTIPARMAK S C，YARDLEY V A，SHI Z，et al. Challenges in Additive Manufacturing of High-strength Aluminium Alloys and Current Developments in Hybrid Additive Manufacturing [J].International Journal of Lightweight Materials and Manufacture，2021，4（2）：246-261.
[2] ANUBHAV M，RISHIK A，NAKUL K，et al. A Critical Review on the Additive Manufacturing of Aluminium Alloys [J].Materials Today： Proceedings，2021，47（P13）：4074-4078.
[3] XIONG Y，TANG Y L，ZHOU Q，et al. Intelligent Additive Manufacturing and Design State of the Art and Future Perspectives [J/OL].Additive Manufacturing，2022，59（PA）：103139（2022-08-20）.https：//doi.org/10.1016/j.addma.2022.103139.
[4] 贺智锋，赵婧，柴如霞，等.基于钛合金丝材的增材制造技术研究进展 [J].铜业工程，2024（2）：88-105.
[5] GAULT R S. Intelligent Process Planning for Rapid Prototyping [D].Cardiff：Cardiff University，2000.
[6] 周明霞，张梦娜，李虓宇，等.基于改进粒子群算法的多机器多任务3D打印智能调度方法 [J].计算机测量与控制，2022，30（8）：245-250+288.
[7] 赵志斌.考虑零件构建方向的增材制造相同并行机调度研究 [D].福州：福州大学，2021.
[8] 黄彬，肖彦楷.考虑零件构建方向的增材制造单机调度研究 [J].机械设计与制造工程，2021，50（5）：15-19.
[9] OH Y，WITHERELL P，LU Y，et al. Nesting and Scheduling Problems for Additive Manufacturing： A Taxonomy and Review [J/OL].Additive Manufacturing，2020，36：101492（2020-09-08）.https：//doi.org/10.1016/j.addma.2020.101492.
[10] 曹倩，赵一鸣.知识图谱的技术实现流程及相关应用 [J].情报理论与实践，2015，38（12）：127-132.
[11] 胡泽文，孙建军，武夷山.国内知识图谱应用研究综述 [J].图书情报工作，2013，57（3）：131-137+84.
[12] 朱兼白，刘利芳，周杭群.基于CiteSpace知识图谱的“人工智能+图书馆”研究进展分析 [J].科技创新与应用，2024，14（17）：98-101+105.
[13] 杨洋，王颖，何春阳，等.21世纪以来城市蔓延国际研究进展与趋势——基于CiteSpace的知识图谱分析 [J].世界地理研究，2020，29（4）：750-761.
作者简介：曹霖（2000—），男，汉族，湖北荆州人，硕士在读，研究方向：信息管理与物流工程。
收稿日期：2024-07-05
