,太大则导致加工周期变长影响交货期。生产率单位时间内生产线完工的工件数。生产率越高,单位时间内完成的工件数越多,设备利用率则越高,相应的加工周期会缩短。加工周期个原始工件进入加工系统,到作为个成品离开加工系统所消同济大学硕士学位论文基于的复杂制造系统动态调度方法研究与应用耗的时间。设备利用率设备处于加工状态的时间占其开机时间的比率。般来说,设备利用率与数量有关,数量越高,设备利用率越高但是当数量饱和时,再增加数量,设备利用率也不会提高。总移动量所有工件在单位时间内移动的总步数。总移动量越高,说明生产线完成的加工任务数越高,生产线的加工能力越高,设备利用率也越高。平均移动量单位时间内个工件的平均移动步数。移动速率越高,表明生产线的流动速率越快,平均加工周期越短。准时交货率,准时交货的工件占完成加工工件的百分比。由上面的分析可知,复杂制造系统性能指标繁多且各指标间存在定程度的制约关系,各性能指标不能同时达到最优,例如,若要降低工件的平均加工周期,则应降低生产线上的数量,以使待加工工件的等待时间减少。数量过低,则会降低设备利用率总移动量和生产率,数量过高,虽然可提高设备利用率等指标,但平均加工周期增加,平均移动量可能下降。个好的调度策略应该在各性能指标间权衡,根据具体情况尽可能优化些重要指标,以使生产线的整体性能达到最优或近似最优。由于单的性能指标不能反映系统的整体性能,因此从单目标的角度对调度策略进行评价并不合理。本文基于多目标的调度策略评价过程,应用多目标决策评价和多指标权重系数选择理论与方法,综合考虑上述相互关联且相互制约的多个生产线性能指标,利用计算出的综合评价值,来对整个生产线的性能指标进行综合评价,从而选出最优的调度策略。该方法达到了平衡各性能指标之间的差异,可用于指导调度决策制定与实施。基于功效函数与熵权法的多目标调度策略评价方法的设计方法选取基于功效函数的多目标决策评价方法功效函数法应用多目标规划原理,通过功效函数指标矩阵得到的各目标综合评价值来选择最优方案,该方法很好地平衡了不可比的和互补性的指标,同时兼顾了各指标在评价中的重要程度。下面对功效函数法的原理做简单介绍。设个指标其中有的指标越大越好,有的指标越小越好,有的第章基于多性能指标的复杂制造系统调度策略综合评价方法研究指标不能过大也不能过小,对于这些指标分别分配定的功效函数评分。设有个备选方案,每个备选方案均用这个性能指标进行评价,可得如下指标矩阵将上面的指标矩阵转换为无量纲指标矩阵其中,取第个指标的最大和最小值分别为,,。分别按下面种情况进行讨论并建立功效函数指标因素越大越好,最大值取,建立功效函数如下指标因素越小越好,最小值取,建立功效函数如下指标既不大也不小,保持在,为适宜,建立功效函数如下此个方案的个指标因素的功效函数值构成功效函数指标矩阵,将各方案的指标值乘以各指标的权重可得每个方案的综合权值,根据的大小选择最优方案。同济大学硕士学位论文基于的复杂制造系统动态调度方法研究与应用基于信息熵的多指标权重系数选择方法信息论的创始人之将信息熵定义为离散随机事件的出现概率。所谓信息熵,它是个数学上的抽象概念,可以理解为种特定信息出现的频率。熵权法就是利用信息熵的概念,从指标变异性大小的角度客观地对待评价对象的各指标进行赋权。般地,个指标值的变异程度会随着该指标信息熵的减小而增大,指标提供的信息量也会随之增多,指标的信息熵越小,其在综合评价中的作用就越大,应赋予较大的权重相反,指标的信息熵越大,表明该指标提供的信息量较少,应赋予较小的权重。由公式把实际数据转变为标准化数据后,依据公式计算第项指标的信息熵其中,为被评价对象的数量越大,表明被评价对象的数量越多,信息熵越大,指标的变异程度越小,。若,则定义,利用熵计算各指标权重公式为至此,可以将公式与公式结合起来,计算每个方案的综合权值。具体实现本文将功效函数法与熵权法进行有效结合,实现基于功效函数与熵权法的多目标调度策略评价过程。为了更好地说明该方法的具体应用过程,下面从条实际的复杂制造系统出发,针对给定的生产状态,经仿真抽取出如表所示的数据集。表中的出片率定义如下其中,为从系统初始化开始,单位调度周期内的出片数量为系统初始化时的数量。本文基于种调度策略对种生产线性能指标进行综合评估,利用上文所提出的多目标优化方法,选出最优的调度策略。第章基于多性能指标的复杂制造系统调度策略综合评价方法研究表组生产线仿真数据集平均加工周期平均加工周期方差吋晶圆移动步数吋晶圆移动步数出片率规则构造生产性能指标矩阵将上面的生产性能指标矩阵转换为无量纲指标矩阵求功效函数指标矩阵求出各个生产性能指标的信息熵同济大学硕士学位论文基于的复杂制造系统动态调度方法研究与应用同理,,,,利用信息熵计算各个生产性能指标权重同理,,,,计算每个调度策略下生产性能指标综合权值基于多目标的调度策略综合评价值,最大的个调度策略为最优调度策略。同理,,,,,。显然,最大,则在给定生产状态下,满足生产线综合性能指标最优的调度策略为。本章小结本章研究了多目标评价方法在复杂制造系统生产调度领域中的应用,在对复杂制造系统性能指标进行分析的基础上,提出了种基于功效函数与熵权法的多目标调度策略综合评价方法,并结合具体实例进行说明。第章基于的复杂制造系统生产调度策略选择方法设计第章基于的复杂制造系统生产调度策略选择方法设计总体设计算法选择在第节中分析得到,基于随机搜索策略的特征选择方法与其它特征选择方法相比,既能降低全局搜索的时间与效率损耗,又能保证寻优算法的精确度。若该方法和具体的分类算法相结合,还能兼顾分类模型的性能评价指标。因此,本文选取进制粒子群特征选择算法与支持向量机分类算法,实现复杂制造系统生产调度策略的实时选择。进制粒子群算法是搜索空间被离散化的粒子群算法,其本质上与粒子群算法无太大差别。粒子群算法与其它基于随机搜索策略的特征选择方法相比,又有其独特的优势首先,算法有记忆性,好的解都以粒子的形式保存而不会随着种群的改变而破坏其次,算法中的粒子仅通过当前搜索到的最优点进行信息共享,整个算法收敛于最优解的速度更快最后,与其它经典的随机搜索算法例如遗传算法相比,算法操作简单,参数相对较少,因此计算复杂度较低。绝大多数的分类算法都是以统计学理论为基础的,分类算法依赖于样本数据趋于无穷多时的统计学性质,即假设样本数据无穷多,通过统计学中的样本无穷大时的渐进理论推导出分类算法,但实际问题中的样本数据往往是有限的。支持向量机分类算法同样基于统计学原理,但却能使最优解仅和有限的样本信息支持向量有关,而不用考虑样本数趋于无穷大时的情况。另外,从理论基础的角度看,支持向量机分类算法基于结构风险非经验风险最小化的原理,保证了通过该算法得到的学习分类器具有较好的逼近能力和泛化能力,避免了分类模型实现过程中的经验成分从算法实现的角度看,该算法能很好的解决非线性问题,即引入核函数,将输入空间中的非线性问题映射到高维空间,通过高维空间构造的线性函数来解决,另方面,该算法最终转换为个凸次规划问题,保证了算法的全局最优性,避免了其它分类算法如神经网络无法解决的局部最优问题。基于的复杂制造系统动态调度方法研究与应用。从生产属性本身有效性的角度看方面,由于整条生产线或者每个加工区所使用的生产调度策略根据实际生产调度环境的改变而改变,所以在实际调度过程中,针对不同的调度周期,有大量的生产属性是冗余的,即无论采取什么样的调度策略,考虑这些生产属性都不会对最终整个生产线的综合性能指标产生明显影响另方面,考虑些生产属性反而会引入噪声,即无论生产管理者采取什么样的调度决策,引入这些生产属性都会对