一种可重入制造系统瓶颈设备预测方法技术方案

本发明专利技术公开一种基于ANFIS(自适应模糊推理系统)的可重入制造系统瓶颈设备预测方法。首先确定影响系统瓶颈设备的参数及ANFIS输入与输出；其次采用固定工件移动量间隔的方法采集原型系统数据并采用数据比对方法对数据进行预处理得到ANFIS的输入输出数据集；最后用训练数据确定ANFIS参数，用测试数据进行预测得到下一时刻瓶颈设备编号，设备利用率及队列长度并对预测结果进行分析得出预测精度，并且每次进行瓶颈预测之前，采用模式匹配方法对ANFIS模型参数在线调整。利用本发明专利技术能够构建可重入制造系统瓶颈设备预测方案，准确地预测出下一时刻系统的瓶颈设备及相关参数，并且对后续基于瓶颈设备的调度方法有指导意义。

【技术实现步骤摘要】

本专利技术属于先进制造领域。具体涉及大规模可重入制造系统中，一种瓶颈设备预测方法。
技术介绍
可重入制造系统是以半导体制造系统为典型背景提出的。半导体制造业作为其关键性基础产业，已经成为当前的热点产业。如何采用性能优良的控制策略，提升半导体制造系统整体效率及各方面性能已经成为半导体制造业关注的焦点。在半导体制造系统中，瓶颈设备是制约系统产量、生产周期和在制品水平的关键因素，因此如何快速有效的识别生产线中瓶颈设备，并且以生产线中关键性的瓶颈设备控制为核心，带动其他生产设备的调度与管理，成为提高整个生产线性能指标的关键任务。因此快速准确预测出瓶颈设备，对提高调度算法的性能及整个生产线性能具有重要意义。制造系统瓶颈主要指加工强度最大，负荷最高，对系统产出影响最大的加工中心。 在对瓶颈研究中主要存在如下问题(1)影响瓶颈设备的参数有很多，选取哪些参数作为计算瓶颈及影响瓶颈的关键因素，直接影响瓶颈设备的识别的准确性；( 不管采用何种瓶颈计算方法，瓶颈的确定根据瓶颈计算值排序后选择的结果，但是生产过程中各种不确定的事件可能导致计算值及排序发生变化，从而造成瓶颈漂移，很多基于瓶颈的调度方法并没有考虑这种更为复杂的情况；C3)基于瓶颈的调度方法，都是在已知瓶颈的情况下采取合理的调度方法，但是这种调度方法存在一定的滞后性，可能生产线已经出现了累加，导致性能的下降，所以上述基于瓶颈的方法很难对瓶颈设备负载进行有效控制以及维持生产线的合理运行。
技术实现思路
本专利技术针对可重入制造系统中的瓶颈设备预测问题，给出一种瓶颈设备预测方法。该方法综合考虑生产线上影响瓶颈设备的关键因素，采用ANFIS(自适应模糊推理系统)对生产线下一时刻瓶颈设备及相关参数进行快速有效的预测。1. ，其特征在于，包含以下步骤(1)确定影响系统中瓶颈设备的关键因素为工件类型、工件投料方式、设备加工时间、设备故障间隔时间、设备平均维修时间；以及设备利用率、缓存区队列长度、生产线在制品水平WIP ；(2)获取以下实际生产线数据(2. 1. 1)每台设备的设备加工时间、设备故障间隔时间、设备平均维修时间；(2. 1. 2)产品工艺路径总共0道工序；(2. 1. 3)工件类型、工件投料方式；根据上述数据信息构建模型，模型由M台设备及工件投料装置、工件回收装置构成，投料装置按照某种投料方式进行投料，投放W种类型工件进入生产线中，工件按照工艺7路径在设备中根据加工时间进行加工，最后由回收装置收集成品；对该模型进行仿真，设工件在任意一台设备上完成一道工序的加工为一步，每完成一步进行一次数据采集，得到Rtl组数据样本{QLS(1)，QLs (2), L，QLs⑴，L，QLs (R0) }， { ns(l), ns(2),Lns(t)L, η s (R0)}, {W(l),ff(2),L,W(t),L, W(R0)I, {Q(l), Q(2), L, Q(t), L, Q(R0)}, {T(1),T(2),L, T (t),L, T(R0)}, t = 1，2，L，R。，s 为设备编号，s = 1，2，L，M;其中，QLs(t)、ns(t)分别为第t步数据采集所得到的设备s的缓冲区队列长度与设备利用率，W(t)为第t步数据采集得到的生产线WIP，Q(t)、T(t)分别为第t步数据采集得到的生产线的投料方式及产品类型；除({Q(1),Q(2),L,Q(t), L,Q(R0)}, {Τ (1), T (2), L, T (t), L, T (R0)}外，对每一个数据样本进行如下数据修正设采集得到的数据样本为{g(t)}，t = 1,2, L, Rtl，且实际生产线中对应数据的样本均值为ξ，方差为σ，定义数据偏差为D(t) = g⑴-ξ，若|D(t) I彡2σ，t = 1,2, L, Rtl,则认为g(t)能够反映实际生产线状况，否则剔除第t步所采集的所有数据，得到修正后的数据；(3)对上述修正过的数据按下式计算每个设备的瓶颈度，并进行数据再修正权利要求1. ，其特征在于，包含以下步骤(1)确定影响系统中瓶颈设备的关键因素为工件类型、工件投料方式、设备加工时间、 设备故障间隔时间、设备平均维修时间；以及设备利用率、缓存区队列长度、生产线在制品水平WIP ；(2)获取以下实际生产线数据(2. 1. 1)每台设备的设备加工时间、设备故障间隔时间、设备平均维修时间；(2. 1. 2)产品工艺路径总共0道工序；(2. 1. 3)工件类型、工件投料方式；根据上述数据信息构建模型，模型由M台设备及工件投料装置、工件回收装置构成，投料装置按照某种投料方式进行投料，投放W种类型工件进入生产线中，工件按照工艺路径在设备中根据加工时间进行加工，最后由回收装置收集成品；对该模型进行仿真，设工件在任意一台设备上完成一道工序的加工为一步，每完成一步进行一次数据采集，得到R0组数据样本IQLs(I)，QLs (2)，L，QLs (t)，L，QLs (R0)}，{ η s⑴， ns(2),Lns(t)L, ns(R0)}, {ff(l) ,ff(2) ,L,ff(t) ,L,W(R0)I, {Q(l),Q(2),L,Q(t),L, Q(R0)I, {T(l),T(2),L,T(t),L,T(R0)},t = l，2，L，R。，s 为设备编号，s = 1，2，L，M ；其中，QLs(t)、 ns(t)分别为第t步数据采集所得到的设备s的缓冲区队列长度与设备利用率，W(t)为第 t步数据采集得到的生产线WIP，Q(t)、T(t)分别为第t步数据采集得到的生产线的投料方式及产品类型；除({Q (1)，Q ⑵，L，Q (t)，L，Q (R0)}，{T ⑴，T (2)，L，T (t)，L，T (R0)}外，对每一个数据样本进行如下数据修正设采集得到的数据样本为{g(t)}，t = 1,2, L, Rtl，且实际生产线中对应数据的样本均值为ξ，方差为σ，定义数据偏差为D(t) = g⑴-ξ，若|D(t)| ^2o,t= 1，2，L，R。，则认为g(t)能够反映实际生产线状况，否则剔除第t步所采集的所有数据，得到修正后的数据；(3)对上述修正过的数据按下式计算每个设备的瓶颈度，并进行数据再修正 Βνχη) = ^θιηχη) + θ2Οψ^-(1)式中QLs(n), ns(n)，分别为第n步采集得到的设备s的缓冲区队列长度及设备利用率， BVs(n)第n步计算得到的设备s瓶颈度，s为设备编号，n = 1，2，L，Rtl，但其中不包括步骤 ⑵剔除的数据；T为缓冲数预估上限，θ i与θ 2为经验参数，0^02^^,1=,9^02 = 1 ；设瓶颈度阈值B e ，若第n步每台设备的瓶颈度BVs (n)均小于B，则剔除第n步所采集数据，得到再修正的数据样本；若存在BVs(n) ^ B，取瓶颈度最大值所对应的设备作为系统中瓶颈设备，得到第π步瓶颈设备编号及相应的设备利用率、缓冲区队列长度数据；(4)确定每台设备的队列长度、设备利用率、加工时间、故障时间间隔、平均维修时间， 以及生产线中WIP，投料方式，工件类型为三个ANFIS的输入，下一时刻瓶颈设备编号、缓冲区队列长度、设备利用率分别为三个ANFIS的输出；(5)采样数据本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：曹政才，邓积杰，王永吉，金小刚，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：