【技术实现步骤摘要】
本专利技术涉及生产车间智能优化调度领域，特别涉及一种pcb组装车间多目标批量流调度问题的优化方法。
技术介绍
1、随着制造业向数字化、智能化的转型升级，pcb制造业蓬勃发展。作为智能电子设备的必要组件，pcb组装车间在智能制造产业中扮演着至关重要的角色。在多品种小批量定制化生产环境下，面对交期短、子问题耦合等特征，研究pcb组装车间调度问题能够有效提高企业的生产效率与竞争力，具有重要的理论和现实意义。目前的研究文献主要集中在表面贴装机工序的优化，传统的smt单工序的研究无法满足生产现实需求，急需研究整个pcb组装车间的调度优化问题，以提高生产效率、降低能耗、减少成本。pcb组装车间是一种典型的混合流水车间，包括刷锡膏、元件贴片、回流焊和视觉检测四个主要工序。相对于传统的单件流生产方式，批量流生产方式有利于优化生产计划和调度安排，减少生产过程中的等待时间和交期风险。同时，批量流生产方式还有利于质量控制和过程改进，因为在相同的工艺流程下，能更容易地监控和调整生产参数，提高产品质量的一致性。在混合流水车间中，批量流生产方式的优势进一步得到发挥。通过对不同工序的生产批次进行合理安排和调度，最大限度地发挥批量流生产方式的优势，提高整个车间的生产效率和资源利用率。因此，研究批量流在混合流水车间的应用具有重要的意义，有助于进一步优化车间生产过程，提高企业的竞争力和经济效益。
技术实现思路
1、本专利技术的目的在于，提供一种pcb组装车间多目标批量流调度问题的优化方法。本专利技术可以快速求解混合流
2、本专利技术的技术方案：一种pcb组装车间多目标批量流调度问题的优化方法，如图1所示，包括阶段一和阶段二：
3、阶段一，先初始化表面贴装工序参数，再通过启发式规则i-ect确定pcb订单在smt工序的加工时间矩阵；
4、阶段二，确定包括订单分批、订单排序和批次分配的问题描述与目标界定，生成蜘蛛猴优化算法的初始种群；基于贡献值法选择领导者，改善蜘蛛猴优化算法解的分布性；根据种群的进化状态选择不同的个体更新方法，实现蜘蛛猴优化算法探索和开发能力之间的平衡；采用基于q-learning的参数调整方法，实现蜘蛛猴优化算法参数的自适应调整；
5、以此通过两阶段的改进蜘蛛猴优化算法实现对pcb组装车间多目标批量流调度问题的优化求解。
6、上述的pcb组装车间多目标批量流调度问题的优化方法，所述阶段一中，通过启发式规则i-ect计算pcb订单在smt工序的加工时间矩阵包括如下步骤：
7、步骤1：确定阶段一的问题描述与目标界定：pcb订单需要使用m台smt机器对tc种类型的共计n个元件进行贴片加工，决策内容是确定n个元件在m台机器上的分配和贴片顺序，最小化加工时间cmax,表示为加工时间矩阵；此外，假设每台表面贴装机近似于不相关并行机；每台smm有一个进料器，每个进料器中可防止多个进料槽，每个进料槽只能放置一种类型的元件；相同的元件允许被分配到装配线上的多台机器，且不存在优先级限制；smm加工过程中不考虑故障因素。
8、步骤2：按照下述的启发式规则i-ect生成单个pcb订单在smt工序的调度方案；
9、步骤2.1：初始化机器i的完工时间mci∈{1,2,…,m}＝0，未安排元件集合components＝{1,2,…,n}，元件ji，机器i上元件集合当前机器i上已安排元件ai；
10、步骤2.2：若结束，输出解信息；否则，机器i＝1，转步骤3.3；
11、步骤2.3：若i≤m，转步骤3.5；否则，转步骤3.4；
12、步骤2.4：选择机器i*满足将元件分配到机器i*上，机器i*上最后分配的元件转步骤3.2；
13、步骤2.5：若机器i未安排元件，选择元件ji∈cemponents，满足转步骤3.3；否则，转步骤3.6；
14、步骤2.6：选择ji∈components满足转步骤3.3；
15、步骤3：将启发式规则i-ect生成的调度方案进行解码，计算出各种pcb订单在smt工序上的加工时间矩阵；
16、步骤3.1：初始化：机器i加工一个pcb的总时间sdpi∈{1,2,…,m}＝0，机器i上连续贴片的最大pcb数量cni∈{1,2,…,m}＝0，机器i上加工一个pcb机头的总移动距离dti∈{1,2,…,m}＝0，i＝1，装配线元件顺序索引pi＝1，机器i上第pi和第pi+1个加工的元件为和k*是机器i上加工的第pi个元件的类型
17、步骤3.2：若i≤m，转步骤3.3，否则，转步骤3.6；
18、步骤3.3：若pi≤ci，转步骤3.4，否则，转步骤3.5；
19、步骤3.4：若pi＝1，则pi＝pi+1；若pi＝ci，则pi＝pi+1；若pi≠1且pi≠ni，dti＝pi＝pi+1，转步骤2.3.3；
20、步骤3.5：转步骤3.2；
21、步骤3.6：
22、前述的pcb组装车间多目标批量流调度问题的优化方法，所述阶段二中，两阶段的改进蜘蛛猴优化算法的实施包括如下步骤；
23、s1、获取加工时间矩阵；
24、s2、初始化蜘蛛猴优化算法的初始种群p0,其规模为popsize；
25、s3：对种群中的每个蜘蛛猴个体smh(其中h＝1,2,…,n)进行解码，最大完工时间cmax、总拖期时间(total tardiness time，tt)与总能耗(total energy consumption,tec)；
26、s4：对种群个体进行快速非支配排序，确定pareto解集a，并更新外部pareto解集a*；
27、s5：判断是否满足终止条件，即迭代次数t>maxgen是否成立？若是，结束；否则，转下一步骤；
28、s6：对种群个体进行随机分组，利用贡献值法对pareto解集a中的蜘蛛猴个体，计算其贡献值，确定局部领导者(local leader，ll)与全局领导者(global leader，gl)，转下一步骤；
29、s7：判断种群迭代次数t≤maxgen*pt是否成立？若是，转下一步骤；若否，转步骤s9；
30、s8：根据q-learning法自适应调整的算法参数，执行局部领导者llp和全局领导者glp更新阶段，运用“交叉”操作对各个组内种群个体和整个种群个体进行更新，转步骤s10；
31、s9：根据q-learning法自适应调整的算法参数，并根据种群进化相邻两代交叉的差熵区分种群是收敛或停滞状态，分别执行“交叉+交叉”操作或“变异+邻域搜索”操作对各个组内种群个体和整个种群个体进行更新，转步骤s10；
32、s10：执行全局领导者学习阶段，判断全局领导者是否有更新；若是，转下一步骤；否则，转步骤s13；
3本文档来自技高网...
【技术保护点】
1.一种PCB组装车间多目标批量流调度问题的优化方法，其特征在于：包括阶段一和阶段二：
2.根据权利要求1所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：所述阶段一中，通过启发式规则I-ECT计算PCB订单在SMT工序的加工时间矩阵包括如下步骤：
3.根据权利要求1所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：所述阶段二中，两阶段的改进蜘蛛猴优化算法的实施包括如下步骤；
4.根据权利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：步骤S2中，所述蜘蛛猴优化算法的初始种群生成方法具体如下：
5.根据权利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：步骤S3中，所述的解码按下述步骤进行：
6.根据利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：步骤S6中，所述基于贡献值法计算Pareto解集A中蜘蛛猴个体SMh的贡献值，确定局部领导者与全局领导者包括如下步骤：
7.根据利要求1所述的PCB组装车间多目标批量流调
8.根据权利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于：步骤S8和S9中，所述种群个体更新的“交叉”操作如下：
9.根据权利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于，步骤S9，所述种群个体更新的“变异+领域搜索”操作如下：
10.根据权利要求3所述的PCB组装车间多目标批量流调度问题的优化方法，其特征在于，步骤S12中，所述种群个体更新的“交叉+邻域搜索”操作如下：
...【技术特征摘要】
1.一种pcb组装车间多目标批量流调度问题的优化方法，其特征在于：包括阶段一和阶段二：
2.根据权利要求1所述的pcb组装车间多目标批量流调度问题的优化方法，其特征在于：所述阶段一中，通过启发式规则i-ect计算pcb订单在smt工序的加工时间矩阵包括如下步骤：
3.根据权利要求1所述的pcb组装车间多目标批量流调度问题的优化方法，其特征在于：所述阶段二中，两阶段的改进蜘蛛猴优化算法的实施包括如下步骤；
4.根据权利要求3所述的pcb组装车间多目标批量流调度问题的优化方法，其特征在于：步骤s2中，所述蜘蛛猴优化算法的初始种群生成方法具体如下：
5.根据权利要求3所述的pcb组装车间多目标批量流调度问题的优化方法，其特征在于：步骤s3中，所述的解码按下述步骤进行：
6.根据利要求3所述的pcb组装车间多目标批量流调度问题的优化方法，其特征在于：步骤s6中...
【专利技术属性】
技术研发人员：陈亚绒，贾比尔，杜金浩，徐隆隆，穆达萨尔拉夫，
申请(专利权)人：温州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。