一種并行批加工設(shè)備優(yōu)化調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于生產(chǎn)計(jì)劃于調(diào)度領(lǐng)域，具體的說是針對半導(dǎo)體封裝測試生產(chǎn)線中固化 工序的排產(chǎn)調(diào)度的一種并行批加工設(shè)備優(yōu)化調(diào)度方法。
【背景技術(shù)】
[0002] 生產(chǎn)管理程度的高低決定著一個(gè)企業(yè)的直接運(yùn)營效益，其主要包括三個(gè)階段：生 產(chǎn)計(jì)劃、生產(chǎn)調(diào)度和生產(chǎn)控制。其中生產(chǎn)調(diào)度是生產(chǎn)管理領(lǐng)域內(nèi)的關(guān)鍵環(huán)節(jié)，其承接生產(chǎn)計(jì) 劃的粗略安排，同時(shí)對生產(chǎn)車間的控制給定更詳細(xì)的生產(chǎn)安排。隨著制造業(yè)自動(dòng)化信息程 度的提高，生產(chǎn)調(diào)度也逐漸由曾經(jīng)的人工調(diào)度而轉(zhuǎn)為自動(dòng)調(diào)度。自動(dòng)調(diào)度一般來說都是在 實(shí)際生產(chǎn)狀態(tài)監(jiān)控的基礎(chǔ)上進(jìn)行的，其相比于人工調(diào)度而言，具有更全面、更有效的信息來 源，同樣能夠做出更為合理有效的決策方案。本發(fā)明就是針對批生產(chǎn)這種普遍的工業(yè)生產(chǎn) 方式提出的一種新的解決方法。
[0003] 批調(diào)度是興起于20世紀(jì)90年代初的一類有很強(qiáng)應(yīng)用背景的優(yōu)化問題，其基本假 設(shè)是加工設(shè)備可以將多個(gè)工件同時(shí)進(jìn)行加工。批加工設(shè)備在生產(chǎn)制造業(yè)中有著廣泛的應(yīng) 用，如金屬加工工業(yè)中的熱處理、多級船閘調(diào)度、港口貨物裝卸、半導(dǎo)體集成電路生產(chǎn)的預(yù) 燒操作。
[0004] 目前批調(diào)度問題求解方法主要有啟發(fā)式算法和智能算法?；趩l(fā)式規(guī)則的調(diào)度 方案缺乏對變化環(huán)境的自適應(yīng)能力，且算法的性能好壞對規(guī)則和經(jīng)驗(yàn)有很大的依賴性。基 于傳統(tǒng)優(yōu)化方法的弱點(diǎn)，以及批加工調(diào)度問題自身的復(fù)雜性，群智能算法成為研究的一個(gè) 熱點(diǎn)。中國科技大學(xué)程八一、邵浩、王栓獅、徐瑞等人針對求解批調(diào)度問題的群智能算法進(jìn) 行了系統(tǒng)的研究，提出了解決不同形式批調(diào)度問題的群智能算法，包括蟻群算法、粒子群算 法等，在這些應(yīng)用中初步體現(xiàn)了群智能算求解生產(chǎn)調(diào)度問題的優(yōu)越性。但是這些算法依舊 存在缺陷，主要體現(xiàn)在每種算法只能針對性的解決一類問題，無法滿足生產(chǎn)企業(yè)多樣化批 加工形式的需求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種并行批加工設(shè)備優(yōu)化調(diào)度方法，通過靈活的參數(shù)設(shè)置以 及內(nèi)嵌的智能算法可以解決不同類型的批調(diào)度問題，確定待加工工件的組批結(jié)果、各批次 的加工次序以及加工設(shè)備分配等關(guān)鍵問題，在滿足了企業(yè)大型設(shè)備批量開機(jī)生產(chǎn)的要求的 前提下，同時(shí)提高生產(chǎn)效率，縮短生產(chǎn)周期。
[0006] 本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：一種并行批加工設(shè)備優(yōu)化調(diào)度方 法，包括以下步驟：
[0007] 步驟1 :將待加工任務(wù)集初始化為所有途經(jīng)本道工序的加工任務(wù)的集合，并將待 加工任務(wù)集中的加工任務(wù)根據(jù)前道工序結(jié)束時(shí)間的先后順序進(jìn)行排序；將可選空閑設(shè)備集 初始化為本道工序的所有加工設(shè)備的集合；
[0008] 步驟2 :對于每個(gè)工件組分別建立一個(gè)用矩陣表示的抽樣概率模型A，并按如下方 式初始化：
[0010] 其中，A(i，k)為抽樣概率模型A的一個(gè)元素，表示工件J1被分到Pk中的概率；
表示最大批次，I-·[是取整符號，η為該工件組工件的個(gè)數(shù)，L為加工設(shè)備的最小 批容量；
[0011] 步驟3 :根據(jù)抽樣概率模型A生成N種批調(diào)度方案，分別計(jì)算出N種批調(diào)度方案的 平均加工周期，并按平均加工周期將N種批調(diào)度方案從小到大排序，取出序列中前（χΧΝ) (0 < X < 1)的批調(diào)度方案作為優(yōu)勢群體，X為人為設(shè)定的比率；
[0012] 步驟4 :根據(jù)優(yōu)勢群體對所有工件組進(jìn)行工件相關(guān)的概率模型Z初始化，所述概率 模型Z是一個(gè)η X η的下三角矩陣，行與列均代表工件，η為該工件組工件的個(gè)數(shù)，其元素 Zli j 從數(shù)值上反應(yīng)了工件組批的概率關(guān)系，值越大則第i個(gè)工件和第j個(gè)工件在同一批次中的 可能性就越大；
[0013] 步驟5 :在各工件組中按照工件到達(dá)的先后順序和概率模型Z分別進(jìn)行采樣，使所 有工件均完成分批操作并按規(guī)則選擇相應(yīng)的加工設(shè)備；在每一次分批迭代過程中分別生成 P個(gè)批調(diào)度方案，選出平均生產(chǎn)周期最小的批調(diào)度方案并保留至下一次迭代過程中；
[0014] 步驟6 :選擇每次迭代過程中最終勝出的批調(diào)度方案X作為優(yōu)勢個(gè)體，采用增量學(xué) 習(xí)的方法對概率模型Z進(jìn)行更新：
[0015] 步驟7 :不斷的重復(fù)步驟5與步驟6,設(shè)置最大迭代次數(shù)作為終止條件，得到最終的 批調(diào)度方案。
[0016] 所述抽樣概率模型A是一個(gè)nXMax的矩陣，其中行表示加工任務(wù)，列表示批次。
[0017] 所述根據(jù)抽樣概率模型A生成N種批調(diào)度方案，包括以下步驟：
[0018] 對每個(gè)工件組根據(jù)抽樣概率模型A按照工件到達(dá)的先后順序進(jìn)行采樣：對于某一 確定的工件，選擇該工件所在的批次，直到所有的工件分批完成；
[0019] 在得到所有工件組的分批結(jié)果后，計(jì)算每個(gè)批次的最晚到達(dá)時(shí)間；
[0020] 根據(jù)最晚到達(dá)時(shí)間的先后，使各個(gè)批次按順序選擇加工設(shè)備。
[0021] 所述對每個(gè)工件組根據(jù)抽樣概率模型A按照工件到達(dá)的先后順序進(jìn)行采樣，具體 為：
[0022] 對于工件組中的第一個(gè)到達(dá)的工件J1，在批次（Pkil，P k,2, ... Pk,Max)中任選一個(gè)批 次；
[0023] 對于工件上，i古1，根據(jù)輪盤賭方法選擇與工件(J1, j2. . . ji D中的某個(gè)工件的同 一批次，或者在批次（Pkil，Pki2，...PtMax)選擇一個(gè)與工件j 2... J11)所選批次不同且尚 未滿批的批次，如果不存在這樣的批次，則隨機(jī)選擇一個(gè)尚未滿批的批次進(jìn)行加工；
[0024] 對于工件組k的一個(gè)批次Pkil, 1彡i彡Max，其容量已經(jīng)達(dá)到最大容量S，則將抽 樣概率模型A中的第k列所有元素置0,并對其余各行進(jìn)行歸一化處理，以使概率模型A其 余各行的每一行概率和為1。
[0025] 對于多個(gè)不可相容工件組在進(jìn)行分批調(diào)度過程中，分別獨(dú)立的建立抽樣概率模型 以及概率模型，使各工件組的分批相互獨(dú)立。在所有工件組完成分批后，將所分批次綜合起 來按各批次的工件最晚到達(dá)時(shí)間排序進(jìn)行加工設(shè)備的選擇與加工次序確定。
[0026] 所述根據(jù)最晚到達(dá)時(shí)間的先后，使各個(gè)批次按順序選擇加工設(shè)備，依如下規(guī)則進(jìn) 行：
[0027] 根據(jù)當(dāng)前批次Pkip在各個(gè)機(jī)臺(tái)上的最早允許加工時(shí)間
和在各機(jī)臺(tái)上的加工 時(shí)間
通過
選擇使
值最小的設(shè)備m作為批次Pkip的加 工設(shè)備，更新批次Pkip加工完成時(shí)間以及設(shè)備m的釋放時(shí)間；
[0028] 所述最早允許加工時(shí)間
為各機(jī)臺(tái)加工上一批工件的完成時(shí)間和本批工 件中最晚到達(dá)時(shí)間Hiax(Rkil)中的極大值；
是批次Pkil在第m臺(tái)設(shè)備上的加工時(shí)間。
[0029] 所述對所有工件組進(jìn)行工件相關(guān)的概率模型Z的初始化，包括以下步驟：
[0030]對于某一工件組的工件J1，分別統(tǒng)計(jì)在優(yōu)勢群體中工件a，j2... J1J與工件J1 在同一批次的數(shù)目（C1, c2··· Ci i)，并將（c/UXN), c2/(xXN)··· Ci /(χΧΝ))分別賦給 (Z(i，1)，Z(i，2)…Z(i，i-1))，表示工件J1與α，j 2. . . J1 D分別在同一批次的概率；統(tǒng) 計(jì)在優(yōu)勢群體中工件J1與j2. .. J1 D均不在同一批次的數(shù)目C1，并將C1AxXN)賦給 Z (i，i)，表示工件J1與a，j2. .. J1 D均不在同一批次的概率。在完成對Z的賦值后對概率 模型Z的歸一化處理，具體為：
[0033] 其中，Sum1為概率模型Z中第i行的和。
[0034] 所述采用增量學(xué)習(xí)的方法對概率模型Z進(jìn)行更新，具體為：
[0036] 其中，1為迭代代數(shù)，η為工件a，j2. .. J1 J與J1在同一批次的零件數(shù)目，如果 (J_1，j2. . . ji 1)與（ji，j2. . . ji 1)均不同批則 η = 1。β e (〇, 1)學(xué)習(xí)速率；Liij (1)是如下 定義的函數(shù)：
[0039] 本發(fā)明具有以下優(yōu)點(diǎn)及有益效果：
[0040] (1)在滿足企業(yè)批加工設(shè)備批量開機(jī)生產(chǎn)要求的前提下，同時(shí)加速了生產(chǎn)，縮短了 生產(chǎn)周期。
[0041] (2)方法通過靈活的參數(shù)設(shè)置，可以解決不同的批調(diào)度問題。單機(jī)\多機(jī)、到達(dá)時(shí) 間相同\到達(dá)時(shí)間不同、工件尺寸相同\尺寸不同