基于模糊神经网络的半导体生产线重调度策略优化

针对缺乏半导体生产线重调度策略优化方法的研究现状,提出了基于模糊神经网络的半导体生产线重调度策略优化技术。将重调度策略划分为半导体生产线、设备组和设备重调度层次,利用仿真评价确定优化的重调度策略,并获得样本数据。通过对模糊神经网络训练,建立干扰和半导体生产线状态等输入参数与优化的重调度策略输出之间的映射关系。以上海某125mm晶圆生产线为例,结果表明了该重调度策略优化方法的有效性。     

基于模糊推理的半导体生产重调度策略研究

半导体生产重调度策略重点解决重调度的判定和重调度方法的选择.鉴于这两类问题中都涉及到大量随机和不确定因素,提出一种基于模糊Petri网模型的模糊推理方法.首先定义了由七类元素构成的面向重调度策略判定的模糊Petri网模型,继而详细讨论了基于该模糊Petri网模型的模糊推理过程.最后,以实际半导体生产线为背景,针对因设备故障引发的重调度问题,运用文中所提出的方法进行推理,说明了该方法的可行性.     

半导体生产线全局修正式重调度方法研究

基于群体智能思想，提出了全局修正式半导体生产线重调度方法。首先，给出了基于群体智能思想的重调度模型；然后，在此模型基础上，给出了全局修正式重调度算法；最后，基于实际生产线的仿真模型对全局修正式重调度算法与企业原有算法进行了对比分析。仿真结果表明，在不确定的半导体生产线环境下，在适当的时候使用全局修正式重调度算法生成重调度方案，能够更好地优化模型的在制品移动次数、在制品移动速率与工件操作准时交货率等短期性能指标。目前，该方法已在某实际半导体生产线中应用并取得了良好的效果。     

面向半导体生产的改进的混合重调度策略研究

针对面向半导体生产的重调度策略,在分析比较了已有的周期性重调度策略、事件驱动型重调度策略和混合型重调度策略的基础上,提出了一种新的改进的混合重调度策略.该策略从两方面对现有的混合策略进行改进:一是综合考虑多种重调度因素对引发重调度的影响;二是加入最小重调度时间间隔约束,从而既能有效跟踪半导体生产系统多种扰动,又能控制计算量,以保证系统实时性.最后,以实例说明了所得出的改进的混合重调度策略的应用.     

虚拟生产系统的自适应动态调度机理及算法

为解决动态制造环境下虚拟生产系统的动态调度问题，提出了一种基于事件驱动的自适应动态调度方法。在该方法中，自适应动态调度机理首先通过检测获得虚拟生产系统所面临的动态事件，进而分析动态事件对调度产生的局部影响，并制定相应的自适应措施和规则，然后在自适应规则的指导下，采用改进的启发式受影响操作重调度算法作为自适应动态调度的算法，来确定调度中的受影响操作并对其做出相应的局部调整，从而以一种自适应的方式快速而平稳地完成虚拟生产系统的动态调度。最后，通过与一种典型的整体重调度方法（基于多智能体的调度方法）的比较，验证了该方法的可行性和有效性。     

不确定环境下Job Shop重调度执行成本研究

为提高不确定环境下Job Shop制造车间重调度的稳定性以及方案的可执行性,建立了基于工件和机器两个层面的预调度实施损失函数,综合加权相同工序的时间偏差成本、相同工件的相邻工序的时间偏差成本、设备的工作时间偏差成本以及等待时间偏差成本,实现对重调度执行成本的衡量,降低实际执行的重调度方案不能满足预期生产目标的危险。最后通过仿真,验证了研究重调度执行成本的必要性。     

Job Shop调度中重调度问题研究

描述重调度问题的框架,介绍重调环境、重调度策略和重调度方法,闸述车间重调度研究的重要性.     

隐性扰动下柔性作业车间重调度决策

针对柔性作业车间隐性扰动累积下的重调度问题,对重调度时刻点的确定以及重调度方式的选择进行了研究。在不超过各工件交货期的条件下,通过分析工序间的动态关联性,计算出各工序的所能容忍的延迟完工极限,作为重调度触发的时刻点。利用遗传算法对3种重调度方法(即右移重调度、部分重调度和完全重调度3种重调度方法)进行程序设计,并建立数学模型对重调度方式进行选择决策。最后,通过仿真证明了重调度时刻点的准确性以及重调度方式选择的正确性。     

基于ASP的网络化制造资源调度研究

给出了此平台的资源调度体系结构,详细分析了此调度体系结构下基于ASP的网络化制造资源调度的业务流程.由于网络化调度与车间调度之间本质上的不同,并且网络化制造资源具有分布性,动态性,雇用性的特点,因此提出采用基于资源预约时间的调度方法,并从资源的提供商、使用商以及平台的运营商等多方面来确定基于ASP的网络化制造资源的调度目标,从研究实际角度出发,对客户的交货期、资源的收益以及平台运行网络的均衡性等调度目标进行了数学建模,采用遗传算法来进行求解.研究表明,基于资源预约时间的调度是网络化制造资源调度行之有效的方法.     

可重入制造系统的协同控制机制

通过剖析可重入制造系统控制的需求,提出双反馈控制的协同控制策略。为使复杂制造系统的控制问题降阶,提出包括系统层协调机制、设备组/设备协调机制以及重调度协调机制的分层协同控制机制。基于混合控制原理,提出基于Multi-agent的中心协调与局部协调相结合的自治控制系统体系结构,以满足可重入制造系统非线性动态控制的需求,该体系结构具有分布性、智能性、健壮性、开放性和实时性等特点。为了实现所提出的可重入制造系统协同控制系统的体系结构,建立了基于HLA/CORBA的多层软件体系结构,该体系结构由基础层、分布对象层、Agent层、应用层等四层组成。试验表明,所提出的分层协同控制机制进行半导体生产系统的调度时,在晶圆日产出量和设备组利用率方面要优于设备组动态调度和企业中使用的启发式规则调度方法。     

Rule- and PSO algorithm-based dynamic spatial rescheduling method for hull curved block construction

Due to no effective rescheduling method in hull curved block construction planning, existing scheduling planning can’t be applied in practical production effectively. Two-dimensional layout and dynamic attributes of block construction planning are considered to develop a spatial rescheduling method, which is based on the spatial points searching rule and the particle swarm optimization(PSO) algorithm. A dynamic spatial rescheduling method is proposed to solve the manufacturing problem of rush-order blocks. Through spatial rescheduling, the rescheduling start time, the current processing information set and rescheduling blocks set can be obtained automatically. By using and updating the data of these sets, the rescheduling method combines the PSO algorithm with the spatial points searching rule to determine the rescheduling start time and layout of the blocks. Three types of dynamic events, including rush-order block delay, existing block delay and existing block position changes, are used to address problems with different function goals by setting different function weights. Finally, simulations based on three types of rush-order block events are performed to validate this method, including single rush-order block, multi rush-order blocks at the same time and multi rush-order blocks at different times. The simulation results demonstrate that this method can solve the rush-order block problems in hull block construction and reduce the interference to the existing manufacturing schedule. The proposed research provides a new rescheduling method and helps instruct scheduler to make production planning in hull block construction.     

扰动累积下基于机器学习的重调度方式选择

针对扰动累积下重调度方案甄选问题,提出了一种基于数据学习的重调度方式选择方法。利用累积误差时间来量化隐性扰动,用数据反映实时生产加工状况;构建扰动累积下重调度模型,基于遗传仿真获取评价重调度决策的因素、决策标签。分析仿真样本特征,并基于数据特征降维映射,构建基于支持向量机的分类决策模型以学习生产状况与重调度方式的内在联系,从而帮助生产管理者快速制定决策,提高响应速度。实验验证了所建立重调度方式选择框架的合理性和有效性。     

工序加工时间不确定的柔性作业车间重调度算法

针对工序加工时间不确定的柔性作业车间重调度问题,以最小化最大完工时间和最小化机器总负荷为目标,利用区间数表征加工时间不确定性,采用泛灰数实施作业调度,引入EDQS重调度触发机制和滚动窗口优化策略,设计了关键工序集的构造规则;采用改进的NSGA-Ⅱ算法优化关键工序集和SPT规则调度非关键工序集,从而实现完全工序集的调度。引入Hypervolume指标维护进化种群,在保证Pareto最优解集收敛性的同时维持了群体多样性,以泛灰数序关系确定最优调度方案。仿真实例不仅证明了基于工序加工时间不确定的柔性作业车间重调度算法的可行性和有效性,而且证明该方法能够及时响应不确定性因素扰动。     

A hybrid intelligent algorithm and rescheduling technique for job shop scheduling problems with disruptions

In most real manufacturing environment, schedules are usually inevitable with the presence of various unexpected disruptions. In this study, a new rescheduling technique based on a hybrid intelligent algorithm is developed for solving job shop scheduling problems with random job arrivals and machine breakdowns. According to the dynamic feature of this problem, a new initialization method is proposed to improve the performance of the hybrid intelligent algorithm, which combines the advantage of genetic algorithm and tabu search. In order to solve the difficulty of using the mathematical model to express the unexpected disruptions, a simulator is designed to generate the disruptions. The performance measures investigated respectively are: mean flow time, maximum flow time, mean tardiness, maximum tardiness, and the number of tardy jobs. Moreover, many experiments have been designed to test and evaluate the effect of different initializations in several disruption scenarios. Finally, the performance of the new rescheduling technique is compared with other rescheduling technologies in various shop floor conditions. The experimental results show that the proposed rescheduling technique is superior to other rescheduling techniques with respect to five objectives, different shop load level, and different due date tightness. The results also illustrate that the proposed rescheduling technique has a good robustness in the dynamic manufacturing environment.     

作业车间排序重调度问题及其改进修复约束满足算法

作业车间往往因出现新作业而需要进行重调度.为尽量减少由重调度带来的计划变更,除了优化原有的性能指标外,还应减小重调度结果与原排序之间的差异.由此,提出一种双目标优化模型.为方便求解,将模型进行了分解,构建了可以分步求解的分级模型.对分级模型提出改进的修复约束满足算法(修复法),通过采用新的变量表示形式,设计了变量排序的启发式算法,并采用变量互换启发式算法,以保证全局搜索性能.以90个作业车间标准算例为基础,设计了重调度算例,并与现有代表性的第二代非支配排序遗传算法优化结果进行了对比,结果表明在相同运行时间下,所提算法更具优越性.