面向确定性可重入传感器车间动态批调度智能优化方法技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
面向确定性可重入传感器车间动态批调度智能优化方法
本专利技术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。
技术介绍
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。
技术实现思路
针对传感器车间的可重入特性的生产线，本专利技术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。本专利技术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tnow；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Rmax个到达，则构成总任务数为(r+Rmax)个，并获取调度决策时刻已到达的任务集合NJT；步骤3：采用RT组批规则从任务集合NJT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NJT中剩余的工件一起构建新的集合NJT，重复步骤3依次构建相应的组批方案，直到调度决策时刻tnow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tnow为其空闲时刻，以tnow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Tsb；步骤7：判断是否存在松弛量Tsb小于0的批次，若存在，则从松弛量Tsb小于0的批次中选取拖期惩罚系数最大的批次作为tnow时刻补偿上机批次，纳入补偿排产表；若不存在，选取松弛量Tsb最小的批次作为tnow时刻补偿上机批，纳入补偿排产表；步骤8：判断是否补偿任务集中所有批次纳入补偿排产表，若是，则形成补偿排产方案进入步骤9，若不是，则找出下一个将要空闲的补偿机，更新tnow为其空闲时刻，以tnow作为下一个补偿批次最早可开始时间，计算补偿任务集中剩余批次的松弛量Tsb，返回步骤7；步骤9：步骤4形成的L个组批温箱上机方案与补偿排产方案形成备选可重入上机方案；步骤10：判断预测时间窗内所有任务是否已考虑完，若是，则进入步骤11，若没有，则返回步骤4；步骤11：从构建的备选可重入上机方案中选择最佳的上机方案；步骤12：判断是否所有的方案都考虑完，若是，则进入步骤13，若不是，则返回步骤2；步骤13：基于综合评估函数，选取全局最佳温箱上机方案；步骤14：判断最佳温箱上机方案开工时间是否等于调度决策时刻时间，若是，则立即以最佳方案开始加工，若不是，则保持空闲直至下一调度决策时刻。优选地，所述步骤2中，预测时间窗的建立如下：设置预测时窗宽度区间，以调度决策时刻tnow作为预测时间窗的开始时刻，记不同容量的预测时窗长度为LPW，则初始预测时窗宽度区间(tnow，tnow+LPW)，针对多台温箱设备情况，除去第一个占用的温箱设备，记其他温箱设备的最早空闲时间为tew，则预测时窗的实际宽度区间修正为(tnow，min(tnow+LPW，tew))。优选地，所述步骤4中，RT组批规则根据工件评价函数选择函数最小的任务纳入组批方案，得到既满足温箱装载量同时又能满足时间最优化的工件族组批，直至工件族组批内任务总量≤温箱装载量上限，其中，所述工件评价函数如式(1)所示：式中，h(n)为预测时间窗内到达任务集合N0T中工件n的评价函数；ω是目标函数权重系数，Dn表示NJT中工件n的交货时间；是NJT所有任务中最短的交货期，为任务集合NJT中工件最长的交货期；Qn是工件n的测试时间，为任务集合NJT的平均测试时间，为任务集合NJT中工件测试时间与平均测试时间的最大差值。优选地，所述步骤11中备选可重入上机方案中的最佳温箱上机方案选取过程具体如下：步骤11-1：设第l个温箱上机方案的能耗指数IEEl的计算公式如下：其中，tli为第l个温箱上机方案的任务容量为4的温箱测试时间；sli为第l个温箱上机方案中工件容量为4的任务数量；nl为第l个温箱上机方案中包含的任务数量；cl取第l个温箱上机方案中容量最大的任务的加工时间，w为温箱设备的装载量；步骤13-2：当温箱上机安排为第l个组批温箱上机方案，则剩余的未上机方案最早也要等到下一决策时刻才能被安排加工，从而导致一定时间拖延，因此通过公式(3)对加权拖期指数IWTl进行补充，则第l个温箱上机方案的加权拖期指数IWTl的计算公式如下：式中，分别对应第l个温箱上机方案中包含任务jl拖期惩罚系数和拖期量，为第l个温箱上机方案中未加工的任务数量，Jl为第l个温箱上机方案包含所有任务集合，jl为第l个温箱上机方案包含所有任务集合中的一个工件，为第l个温箱上机方案中未加工的任务集合，为第l个温箱上机方案中未加工的任务集合中的工件，为集合中工件最早开始时间，它决定下一次决策时刻时间，为集合的交货期，为集合中工件平均估算加工时间；步骤13-3：分别对交货目标和节能目标进行归一化处理，如式(4)所示：式中，mi(l)为第l个组批温箱上机方案的最佳温箱上机方案的评价函数。优选地，所述步骤13中全局最佳温箱上机方案选取过程具体如下：将由步骤11确定的最佳温箱上机方案所构成的集合记为I*，然后从I*中根据温箱上机方案评价函数选出全局最佳温箱上机方案，温箱上机方案评价函数计算如下：有益效果：本专利技术提供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，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。...

【技术保护点】
1.一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，其特征在于，包括如下步骤：/n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

【技术特征摘要】
1.一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，其特征在于，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tnow；
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Rmax个到达，则构成总任务数为(r+Rmax)个，并获取调度决策时刻已到达的任务集合NJT；
步骤3：采用RT组批规则从任务集合NJT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NJT中剩余的工件一起构建新的集合NJT，重复步骤3依次构建相应的组批方案，直到调度决策时刻tnow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tnow为其空闲时刻，以tnow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Tsb；
步骤7：判断是否存在松弛量Tsb小于0的批次，若存在，则从松弛量Tsb小于0的批次中选取拖期惩罚系数最大的批次作为tnow时刻补偿上机批次，纳入补偿排产表；若不存在，选取松弛量Tsb最小的批次作为tnow时刻补偿上机批，纳入补偿排产表；
步骤8：判断是否补偿任务集中所有批次纳入补偿排产表，若是，则形成补偿排产方案进入步骤9，若不是，则找出下一个将要空闲的补偿机，更新tnow为其空闲时刻，以tnow作为下一个补偿批次最早可开始时间，计算补偿任务集中剩余批次的松弛量Tsb，返回步骤7；
步骤9：步骤4形成的L个组批温箱上机方案与补偿排产方案形成备选可重入上机方案；
步骤10：判断预测时间窗内所有任务是否已考虑完，若是，则进入步骤11，若没有，则返回步骤4；
步骤11：从构建的备选可重入上机方案中选择最佳的上机方案；
步骤12：判断是否所有的方案都考虑完，若是，则进入步骤13，若不是，则返回步骤2；
步骤13：基于综合评估函数，选取全局最佳温箱上机方案；
步骤14：判断最佳温箱上机方案开工时间是否等于调度决策时刻时间，若是，则立即以最佳方案开始加工，若不是，则保持空闲直至下一调度决策时刻。


2.根据权利要求1一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，其特征在于，所述步骤2中，预测时间窗的建立如下：设置预测时窗宽度区间，以调度决策时刻tnow作为预测时间窗的开始时刻，记不同容量的预测时窗长度为LPW，则初始预测时窗宽度区间(tnow，tn...

【专利技术属性】
技术研发人员：顾文斌，骆第含，陈泽宇，肖紫涵，李沛霖，苑明海，裴凤雀，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32