[发明专利]面向确定性可重入传感器车间动态批调度智能优化方法

说明书

本发明公开了一种面向确定性可重入传感器车间动态批调度智能优化方法，根据具有可重入要求的传感器生产车间加工特点和车间调度现状，提出以时间和能耗为主要性能指标的传感器可重入车间动态批调度问题。首先，构建确定性可重入温箱环境下的数学模型；其次，结合滚动联排机制，结合组批规则安排加工任务，设计出一种面向确定性可重入传感器车间动态批调度智能优化方法解决此动态可重入批调度问题。本发明能够对具有可重入特征的传感器车间生产的资源安排、能力均衡、质量管理、成本及交货期的控制起到优化分配、提高效益的作用，为企业信息化、标准化、自动化建设，做出正确的技术和管理决策，以此提高制造企业运行的效率和获得利益最大。

技术领域

本发明涉及一种面向确定性可重入传感器车间动态批调度智能优化方法，属于车间制造领域。

背景技术

随着现代科技的发展，在半导行业、PCB板制造等行业某工序需要反复进行以及在一些质检工序出现工件返工等，这类问题统称为车间的可重入制造问题。车间制造过程的可重入特性是指在生产过程中某工件可以多次访问某些工序，处于不同层次的工件存在互相争夺同一台机器的情况，为此降低制造车间机器的加工能力，使得系统不稳定性和不确定性增大，同时求解难度也增加。可重入车间问题已被定为NP-hard，再考虑到车间还具有动态特性及批量处理，使得问题更加的复杂化。目前，关于可重入型车间制造的研究还是比较浅薄，主要以单一目标及单机问题为主，但是这类研究不能满足现代企业生产的需求。针对符合实际企业的多目标优化的动态特性的可重入制造车间批处理的研究甚少。

发明内容

针对传感器车间的可重入特性的生产线，本发明提出一种面向确定性可重入传感器车间动态批调度智能优化方法，即车间可重入部分的重入次数是确定的，设计一种结合滚动联排机制的前瞻性温箱组批与补偿方法(ZTC-CS)解决此动态可重入批调度问题，最后通过仿真实验，对调度方法的性能进行评估。

本发明中主要采用的技术方案为：

一种面向确定性可重入传感器车间动态批调度智能优化方法，包括如下步骤：

步骤1：当温箱测试阶段中温箱机器出现空闲或者有新工件到达空闲温箱机器时，触发调度决策，其中，调度决策时刻即是当温箱设备出现空闲或新任务抵达空闲温箱时刻，记为t_now；

步骤2：建立预测时间窗，设在预测时间窗内已到达任务r个，即将有新任务R_max个到达，则构成总任务数为(r+R_max)个，并获取调度决策时刻已到达的任务集合N_JT；

步骤3：采用RT组批规则从任务集合N_JT中选择满足温箱设备限载量约束的任务构建相应的组批方案；

步骤4：搜索预测时间窗中下一个最早到达的任务，记录其到达时间，将其与任务集合N_JT中剩余的工件一起构建新的集合N_JT，重复步骤3依次构建相应的组批方案，直到调度决策时刻t_now及预测时间窗中每一个到达时刻都产生一个对应的组批温箱上机方案，记共构建了L个温箱上机方案，每个温箱上机方案对应一个工件族组批，包括单工件族组批或混工件族组批；

步骤5：将工件族组批与正在温箱批次、补偿阶段未完成补偿批次联合构建补偿任务集；

步骤6：找出下一个将要空闲的补偿机，更新t_now为其空闲时刻，以t_now作为所有补偿批次最早可开始时间，计算补偿任务集中所有批次的松弛量T_sb；